Escolar Documentos
Profissional Documentos
Cultura Documentos
Metodos Quantitativos
Metodos Quantitativos
MTODOS QUANTITATIVOS
So Paulo
2006
SUMRIO
LISTA DE TABELAS................................................................................................3
2 INTRODUO......................................................................................................5
3 ESTATSTICA DESCRITIVA ................................................................................7
3.1 POPULAO E AMOSTRA...........................................................................7
3.1.1 Rol...............................................................................................................8
3.2 MEDIDAS DE TENDNCIA CENTRAL..........................................................9
3.2.1 Mdia Simples.............................................................................................9
3.2.2 Mdia Ponderada ......................................................................................11
3.2.3 Mediana ....................................................................................................12
3.2.4 Moda .........................................................................................................12
3.3 MEDIDAS DA DISPERSO .........................................................................13
3.3.1 Amplitude Total .........................................................................................14
3.3.2 Varincia ...................................................................................................14
3.3.3 Desvio Padro...........................................................................................16
3.3.4 Coeficiente de Variao ............................................................................16
3.6 DIAGRAMA DE FREQUNCIA....................................................................17
3.6.1 Intervalos de classe...................................................................................18
3.6.2 Representao grfica ..............................................................................19
3.7 DADOS AGRUPADOS.................................................................................20
3.7.1 Mdia ........................................................................................................21
3.7.2 Mediana ....................................................................................................21
3.7.3 Moda .........................................................................................................22
3.7.4 Varincia e desvio padro.........................................................................22
4 PROBABILIDADE ...............................................................................................24
4.1 EVENTOS ALEATRIOS ............................................................................25
4.2 CLCULO DE PROBALIDADES .................................................................25
4.3 PROBABILIDADE DOS EVENTOS..............................................................29
4.3.1 Teorema da soma - eventos mutuamente excludentes.............................29
4.3.2 Teorema da soma - eventos no mutuamente excludentes......................30
4.3.3 Teorema da multiplicao - eventos independentes .................................31
4.3.4 Teorema da multiplicao - eventos dependentes (probabilidade
condicional) ........................................................................................................32
2
4.3.5 Teorema de Bayes - (teorema da probabilidade das causas ou parties)
...........................................................................................................................33
4.3.6 Sntese ......................................................................................................36
4.4 AMOSTRAGEM ...........................................................................................37
4.4.1 Amostragem sem reposio......................................................................37
4.4.1 Amostragem com reposio......................................................................38
5 ANLISE COMBINATRIA ................................................................................39
5.1 Arranjos simples...........................................................................................39
5.2 Combinaes simples ..................................................................................40
5.3 PERMUTAO SIMPLES ...........................................................................41
6 CONCLUSO .....................................................................................................43
7 BIBLIOGRAFIA...................................................................................................44
LISTA DE TABELAS
Tabela 1 Dados Brutos ................................................................................................8
Tabela 2 Rol.................................................................................................................9
Tabela 3 Mdia Ponderada........................................................................................11
Tabela 5 Amplitude Total ...........................................................................................14
Tabela 6 Varincia Srie B ........................................................................................15
Tabela 7 Varincia Srie C ........................................................................................15
Tabela 8 Desvio Padro ............................................................................................16
Tabela 9 Coeficiente de Variao ..............................................................................17
Tabela 10 Distribuio de freqncia.........................................................................17
Tabela 11 Distribuio de freqncia AKI-SE-TRABALHA ........................................19
Tabela 12 Dados agrupados ajustados .....................................................................21
Tabela 13 Probalidades, alguns exemplos ................................................................26
4
1 RESUMO
A Estatstica ferramenta gerencial utilizada h sculos, porquanto
o homem sempre teve o desejo de mensurar, descrever fennemos numricos e
procurar conceber o que ocorreria no futuro.
A estatstica descritiva, seja por meio da representao tabular ou da
representao grfica ajuda a entender melhor os dados colhidos em uma
determinada pesquisa.
J, a estatstica indutiva, surgiu com a curiosidade humana a
respeito dos jogos, sobretudo os jogos de azar, quando algum se perguntava: qual
a chance de ganhar?
Hoje, essas ferramentas constituem parte indissocivel de qualquer
processo decisorial, servindo, no aspecto descritivo, como elemento de melhora da
qualidade das informaes e, no aspecto indutivo, como meio de economia e
otimizao de tempo, porquanto permite inferir sobre uma populao a partir de uma
amostra.
2 INTRODUO
Tambm chamada de mtodos quantitativos a estatstica encontrase presente em nosso dia a dia em praticamente todos os instantes. Assim quando
algum questiona quantos quilmetros determinado veculo percorre com um litro de
combustvel, qual a taxa de nascimento ou de mortalidade, qual a chance de ganhar
na loteria ou mesmo de chover em determinado dia.
No diferente no meio empresarial, onde os mtodos quantitativos
so utilizados como verdadeiras ferramentas de gesto. Assim que em todos os
telejornais h indicao da variao dos ndices das Bolsas de Valores e da cotao
do Dlar, normalmente representadas por meio de grficos e tabelas.
COSTA1 esclarece que a primeira vez em que o verbete statistics
(estatstica) apareceu na Enciclopdia Britnica foi em 1797. MEDRI2, complementa,
aduzindo que o termo que deriva do latim status refere-se a Estado, ou,
precisamente, s descries e dados relativos aos Estados, tornando a Estatstica
um meio de administrao para os governantes.
Segundo STEVENSON3 a estatstica compreende a estatstica
descritiva, a teoria da probabilidade e amostragem. Quando se fala em taxas e
ndices como forma de resumo, organizao e, em geral, simplificao de
informaes que podem ser muito complexas, isto , a dificuldade na descrio dos
dados obtidos, estamos diante da estatstica descritiva. A anlise de situaes que
envolvem o acaso, tais como jogos de dados e cartas ou a maioria dos jogos
esportivos, faz com que nos encontremos com as probabilidades. Por fim, quando h
a anlise e interpretao de dados amostrais entramos na rea da amostragem ou
estatstica indutiva.
O exemplo dado por STEVENSON (p. 2) preciso: no preciso
comer o bolo inteiro para saber se bom. Essa uma grande finalidade da estatstica:
economizar recursos e tornar mais geis e seguros os processos decisoriais.
______________
1
COSTA, Srgio Francisco. Introduo Ilustrada Estatstica (com muito humor!). 2 ed. So
6
A Estatstica ferramenta indispensvel de uma Pesquisa Cientfica,
sobretudo no que pertine apresentao e anlise dos dados coletados, de sorte a
justificar as concluses obtidas.
3 ESTATSTICA DESCRITIVA
Descrever a informao advinda dos dados colhidos em uma
pesquisa a finalidade da Estatstica Descritiva. SPIEGEL4 aduz que, em sentido
mais restrito, o termo Estatstica usado para designar os prprios dados ou
nmeros deles derivados como, por exemplo, mdias.
O primeiro passo para que se possa caminhar em direo
informao organizar os dados, em conformidade com a populao e/ou com a
amostra em estudo.
MEDRI (p. 1) ensina que na pesquisa cientfica coleta-se as
caractersticas de pessoas, animais, empresas, indstrias, sistemas de produo,
fenmenos fsicos ou qumicos, com a finalidade de verificar as hipteses lanadas
sobre uma populao. Essa coleta feita com base em uma amostra, lembrando
aqui o ensinamento de STEVENSON.
8
Exsurge da o conceito de estatstica indutiva posto que concluses
atinentes populao podem ser inferidas ou deduzidas a partir da amostra.
As inferncias da decorrentes no expressam, necessariamente,
uma certeza absoluta, pelo que impe analisar, tambm, o conceito de
probabilidade.
3.1.1 Rol
1,6
2,5
3,0
3,9
1,9
3,8
1,5
1,1
1,8
1,4
2,7
2,1
3,3
3,2
2,3
2,3
2,4
0,8
3,1
1,8
1,0
2,0
2,0
2,9
3,2
1,9
1,6
2,9
2,0
1,0
2,7
3,0
1,3
1,5
4,2
2,4
2,1
1,3
2,7
2,1
2,8
1,9
______________
5
9
0,8
1,0
1,0
1,1
1,3
1,3
1,4
1,5
1,5
1,6
1,6
1,8
1,8
1,9
1,9
1,9
2,0
2,0
2,0
2,1
2,1
2,1
2,3
2,3
2,4
2,4
2,5
2,7
2,7
2,7
2,8
2,9
2,9
3,0
3,0
3,1
3,2
3,2
3,3
3,7
3,8
3,9
4,2
Tabela 2 Rol
10
mdia de uma mostra
x=
x
N
Mdia = 2,30
x=
98,70
= 2,30
43
______________
6
11
3.2.2 Mdia Ponderada
mdia =
w x
i =1
n
w
i =1
Evento
Nota
Peso
Nota Ajustada
Prova 1
7,00
7,00
Prova 2
5,00
10,00
Prova 3
6,00
6,00
Prova 4
8,00
16,00
Exame Final
6,00
18,00
57,00
Soma
Mdia ponderada
Tabela 3 Mdia Ponderada
6,33
12
3.2.3 Mediana
13,1 13,1 13,1 13,2 13,3 13,5 13,5 13,7 13,7 13,9
13,1 13,1 13,1 13,2 13,3 13,5 13,5 13,7 13,7 13,9 14,0
3.2.4 Moda
13
A moda no fruto de um clculo, ela resulta de uma observao e,
por essa razo, no se presta, diretamente, anlise matemtica. Contudo, o valor
da moda chama ateno sempre que estiver prximo ou coincidir com a mdia ou
com a mediana, posto que reforar a tendncia central da apurao.
Srie A
Srie B
Srie C
45
41
25
45
42
30
45
43
35
45
44
40
45
45
45
45
46
50
45
47
55
45
48
60
45
49
65
Mdia
45
45
45
Mediana
45
45
45
14
que a da srie C maior que a da srie B. Chamamos ateno para o fato de que,
para as trs sries, tanto a mdia quanto a mediana so iguais.
Contudo, nem todas as sries analisadas tero situao clara como
a presente, pelo que torna-se necessrio calcular outros elementos de apoio
matemtico para que se possa precisar, no mais das vezes, qual a srie ou conjunto
de dados mais estvel, isto , que apresenta a menor disperso entre os seus
elementos.
As medidas descritivas mais comumente utilizadas so: amplitude
total; varincia e desvio padro.
Srie A
Srie B
Srie C
Menor valor
45
41
25
Maior Valor
45
49
65
Amplitude
40
3.3.2 Varincia
(x
=
x) 2
n 1
15
Tomando como exemplo os dados da tabela 4, para as sries B e C,
temos:
xi
(xi - x)
(xi - x)2
41
45
-4
16
42
45
-3
43
45
-2
44
45
-1
45
45
46
45
47
45
48
45
49
45
16
60
Varincia =
7,5
xi
(xi - x)
(xi - x)2
25
45
-20
400
30
45
-15
225
35
45
-10
100
40
45
-5
25
45
45
50
45
25
55
45
10
100
60
45
15
225
65
45
20
400
1500
Varincia =
187,5
16
3.3.3 Desvio Padro
s = s 2 ou s =
(x
x) 2
n 1
Srie A
Srie B
Srie C
Varincia
0,0
7,5
187,5
Desvio Padro
0,0
2,7
13,7
17
Com relao s sries estudadas (A, B e C), indicadas na Tabela 4,
teramos os seguintes coeficientes de variao:
tem
Srie A
Srie B
Srie C
Mdia
45,0
45,0
45,0
Desvio Padro
0,0
2,7
13,7
0,00%
6,09%
30,43%
Coeficiente de Variao
SPIEGEL (p. 33) define que "um arranjo tabular dos dados por
classes, juntamente com as freqncias correspondentes, denominado distribuio
de freqncia ou tabela de freqncia". STEVENSON (p. 32) esclarece que "uma
distribuio de freqncia um mtodo de grupamento de dados em classes, ou
intervalos, de tal forma que se possa determinar o nmero, ou a porcentagem (isto ,
a frequncia) de cada classe".
Conquanto se possa adotar nessas situaes em que se analisa um
grande conjunto de dados, imperioso observar, como lembra MEDRI (p. 28) que,
"no agrupamento de dados acarreta alguma perda de informao. cada elemento
perde sua identidade, por isso, sabe-se apenas quantos elementos h em cada
classe".
Para exemplificar uma distribuio de freqncia, utilizaremos a
tabela criada por SPIEGEL (p. 33), que retrata as alturas de 100 estudantes do sexo
masculino da Universidade XYZ.
Altura (cm)
Nmero de estudantes
151-158
159-166
18
167-174
42
175-182
27
183-190
Total
100
18
3.6.1 Intervalos de classe
tamanho n
3) Uma vez determinado o nmero de intervalos, o tamanho destes dado
por C =
At
K
No exemplo destacado na Tabela 1, atinente empresa AKI-SETRABALHA h um conjunto de 43 dados. Os intervalos de classe poderiam ser
obtidos da seguinte forma:
At = n do maior - n do menor At = 4,2 - 0,8 = 3,43
K=
n K=
C=
______________
7
43 = 6,56 7
At
3,4
C=
5
K
7
19
Freqncia
bancrios
absoluta
Ponto mdio
Freqncia
Freqncia
relativa %
acumuada
(milhares R$)
0,8 I-- 1,3
1,05
9,30%
1,55
16,28%
11
1,8 I--2,3
11
2,05
25,58%
22
2,55
18,60%
30
2,8 I--3,3
3,05
18,60%
38
3,55
4,65%
40
4,05
6,98%
43
Total
43
100,00%
20
12
Freqncia
10
8
6
4
2
0
0,8 I-- 1,3
1,8 I--2,3
2,8 I--3,3
Milhares de Reais
Freqncia
b) Polgono de freqncia
12
10
8
6
4
2
0
0,80
1,05
1,55
2,05
2,55
3,05
3,55
4,05
4,3
Milhares de Reais
21
ponto mdio, tanto pelo valor simples, como pelo quadrado desse ponto mdio,
como feito com relao varincia dos dados no agrupados.
Considerando-se o exemplo da empresa AKI-SE-TRABALHA, tal
qual proposto por MEDRI (p. 28), teramos a seguinte tabela ajustada:
Depsitos
Freqncia
bancrios
absoluta (fi)
(milhares R$)
xi.fi
xi.fi
acumulada
(Fac)
1,05
4,20
4,41
1,55
11
10,85
16,82
1,8 I--2,3
11
2,05
22
22,55
46,23
2,55
30
20,40
52,02
2,8 I--3,3
3,05
38
24,40
74,42
3,55
40
7,10
25,21
4,05
43
12,15
49,21
Total
43
101,65
268,31
3.7.1 Mdia
x .f
i
x=
i =1
, assim x =
101,65
= 2,36
43
3.7.2 Mediana
22
n
Fac1
21,5 11
ac , assim Md = 1,8 +
0,5 = 2,28
Md = li + 2
f MD
11
Destaca-se que:
li = limite inferior da classe da mediana;
n = nmero de elementos;
ac = amplitude da classe;
Fac-1 = freqncia simples da classe Md;
fMD = freqncia simples da classe Md
3.7.3 Moda
4
1
0,5 = 2,09
ac , assim Mo = 1,8 +
4+3
1 + 2
Observamos que:
li = limite inferior da classe modal (de maior freq6uncia);
Do mesmo modo que em relao aos dados no agrupados, podese aferir medidas de disperso dos dados acumulados, proporcionalizados por suas
respectivas freqncias em relao tendncia central mdia.
A primeira medio que se faz a da varincia, com o uso da
seguinte expresso:
n
s2 =
x
i =1
2
i
fi
( xi f i ) 2
i =1
n 1
, assim, s 2 =
(101,65) 2
43
= 0,667
43 1
268,31
23
24
4 PROBABILIDADE
De modo geral, os autores concordam que as aplicaes iniciais da
matemtica da probalidade referiam-se quase todas aos jogos de azar. Assim que:
O primeiro trabalho escrito de que se tem notcia e que envolve a noo de
probabilidade data de 1477. Trata-se de um
h
". Por outro
n
25
lado, a probalidade do chamado insucesso, representada da seguinte forma:
1 Pr{E}. Essa formulao pode ser representada atravs da seguinte figura:
Insucesso
Sucesso
26
No exemplo supra, as probabilidades so complementares, porque:
P(cara) =
1
1
e P(coroa) = , de modo que, somando-se esses dois eventos, obtm2
2
1 1
+ = 1 = 100%
2 2
Evento esperado
Resultados
Total
associados
resultados
ao
de Formulao
evento possveis
esperado
obter cara no lanamento
P(cara) =
1 face 1
= = 50,00%
2 faces 2
no
P(cara) =
1 face 1
= = 16,67%
6 faces 6
impar
P(cara) =
3 faces 1
= = 50,00%
6 faces 2
13
52
P(cara) =
13cartas 1
= = 25,00%
52cartas 4
de uma moeda
obter
face
lanamento de um dado
obter
uma
face
qualquer no lanamento
de um dado
extrair uma carta de copas
em um baralho completo
CARA
COROA
27
mpares, ou os dois primeiros nmeros e, assim por diante: E1 =
RETIRAR
1n 6
RETIRAR
n >6
28
Exemplo: na retirada de uma carta do baralho, quer-se que
ocorra uma carta s, sabendo-se que a carta de ouro.
h) Eventos mutuamente exclusivos: dois eventos, associados a
uma experincia aleatria, so ditos mutuamente exclusivos se a
ocorrncia de um deles exclui a possibilidade de ocorrncia do
outro, isto , no ocorrem simultaneamente. Exemplo: no
lanamento de uma moeda, os eventos cara e coroa so
mutuamente exclusivos.
i)
so
mutuamente
exclusivos
tambm
so
29
MUTUAMENTE
EVENTO CERTO
EXCLUDENTES
TEOREMA DA SOMA
NO MUTUAMENTE
EXCLUDENTES
EVENTO POSSVEL
PROBABILIDADE
EVENTOS
TEOREMA
DA
INDEPENDENTES
MULTIPLICAO
EVENTOS
DEPENDENTES
EVENTO IMPOSSVEL
RETIRAR
n = 1 ou n = par
30
Pode-se destacar um outro exemplo: um jogo de dado em que se
quer obter a face 1 ou a face 3. Observe-se que os eventos so excludentes porque,
se sair a face 1 no sair a face 3 e vice versa. Para as duas faces, a probabilidade
de xito a mesma, ou seja, 1/6 para cada uma. Conseqentemente, a probabilidade
de xito nessa situao, em que duas de 6 faces atingem o objetivo o resultado da
seguinte soma: 1/6 + 1/6 = 2/6.
P( A ou B ou ambos ocorrero)
= P(A) + P(B) P (A e B)
n = (1 ou 2) ou
n = (par)
RETIRAR
13
/52. Aqui h um cuidado a ser tomado, que o seguinte: pelo fato da carta 10
31
poder ser uma carta de copas, na probabilidade de sair uma carta desse naipe, j
est computada a probabilidade de sair a carta 10, valendo dizer que a simples
soma das duas probabilidades implicar em cmputo duplo dessa carta, sendo
necessrio um ajuste. Logo, nessa situao, somam-se as probabilidades e excluise o elemento comum, qual seja, a probabilidade de sair a carta 10 de copas (1/52).
Numericamente: 4/52 + 13/52 - 1/52 = 16/52 = 4/13.
32
ocorrer e pode ocorrer um sem que ocorra o outro, sendo, tambm importante, que
um no afeta a probabilidade de ocorrncia do outro. Para aferir a probabilidade de
ocorrncia simultnea desses eventos h que se efetuar a multiplicao das
probabilidades, ento: 0,25 x 0,10 = 0,025 ou 2,5%.
33
veculos. Sem que exista reposio, qual a probabilidade de que a empresa
escolha, em duas amostras, dois veculos utilitrios? Pois bem, chamando a
probabilidade de retirar o primeiro veculo utilitrio como P(A) e a de escolher o
segundo veculo utilitrio como P(A/B), temos:
P(A) = 3/10 pois h 3 utilitrios em um universo de 10 veculos
P(A/B) = 2/9 pois, aps a escolha do 1 veculo remanescero 9
veculos, dos quais 2 so utilitrios.
Aplicando a frmula, temos:
P = P(A) . P (A\B) =
3 2 6
1
=
= 0,6666 = 6,66..%
. =
10 9 90 15
34
Conforme a disposio da figura anterior, dentro do evento X o
teorema (e por essa razo chamado como Teorema da Probabilidade das Causas)
indica qual a probabilidade de que o citado evento tenha sido originado de A ou B
ou D e E e, assim por diante.
OLIVEIRA (1999:96) esclarece que o teorema permite determinar as
probabilidades dos vrios eventos A1, A2, A3, ...An, que podem ser a causa da
ocorrncia de B8. Acrescenta:
Sejam A1, A2, A3, ...An, eventos mutuamente excludentes cuja unio o
espao amostral , ou seja, um dos eventos necessariamente deve ocorrer.
P ( A1 \ B ) =
P ( AI ) P ( B \ AI )
P ( A1 ) P ( B \ A1 ) + P ( A2 ) P ( B \ A2 ) + ... + P ( A N ) P ( B \ A N )
A frmula supra sintetizada por OLIVEIRA (1999:96) da seguinte
maneira:
P ( Ai \ B ) =
P ( Ai ) P ( B \ Ai )
n
P( A )P(B \ A )
i =1
Resoluo:
Sejam:
______________
8
No nosso exemplo, A1, A2, A3, ...An so substitudos por A, B, C, D, E, F e G o espao amostral B
substitudo por X.
35
A = evento de ser parafuso produzido na 1 mquina
B = evento de ser parafuso produzido na 2 mquina
B = evento de ser parafuso produzido na 3 mquina
X = evento de ser parafuso defeituoso.
Ento:
P(A) = 1.000/10.000 = 0,10
P(B) = 4.000/10.000 = 0,40
P(C) = 5.000/10.000 = 0,50
P(X/A) = 0,04
P(X/B) = 0,03
P(X/C) = 0,01
EVENTO A
P(A \ X ) =
P ( A ). P ( X \ A )
=
P ( A ).( PX / A ) + P ( B ). P ( X / B ) 9 + P ( C ). P ( X / C )
P(A \ X ) =
0 ,10 . 0 , 04
= 0 ,19 = 19 %
0 ,10 . 0 , 04 + 0 , 40 . 0 , 03 + 0 , 50 . 0 , 01
EVENTO B
P (B \ X ) =
P ( B ). P ( X \ B )
=
P ( A ).( PX / A ) + P ( B ). P ( X / B ) 9 + P ( C ). P ( X / C )
36
0 , 40 . 0 , 03
= 0 , 57 = 57 %
0 ,10 . 0 , 04 + 0 , 40 . 0 , 03 + 0 , 50 . 0 , 01
P (B \ X ) =
EVENTO C
P ( C ). P ( X \ C )
=
P ( A ).( PX / A ) + P ( B ). P ( X / B ) 9 + P ( C ). P ( X / C )
P (C \ X ) =
P (C \ X ) =
0 , 50 . 0 , 01
= 0 , 24 = 24 %
0 ,10 . 0 , 04 + 0 , 40 . 0 , 03 + 0 , 50 . 0 , 01
Atendendo
questo
formulada,
pode-se
observar
que
4.3.6 Sntese
37
4.4 AMOSTRAGEM
38
examinados mais de uma vez. Se o processo de amostragem
dispendioso, conveniente evitar o exame repetido de um ou mais itens.
39
5 ANLISE COMBINATRIA
LEMOS, HIGUCHI e FRIDMAN (p. 115) esclarecem que:
Dado um conjunto, existem vrias maneiras de agruparmos os seus
elementos. Estes agrupamentos podem ser formados levando-se em conta
a quantidade, a ordem e a natureza dos elementos.
An, p
n!
=
(n p)!
40
Soluo:
a) Toma-se uma resposta qualquer, por exemplo: 679
b) Inverte-se a ordem de dois elementos: 976
c) Obtivemos uma nova resposta, portanto, trata-se de um problema de arranjos
simples.
d) An , p =
n!
onde n =9 e p = 3
(n p)!
9!
9! 9.8.7.6!
= =
= 504
(9 3)! 6!
6!
C n ,p
n!
=
p ! ( n p )!
41
Tomando uma situao exemplificativa10, pergunta-se: quantas
comisses de 4 membros so possveis de se formar com 10 indivduos?
Soluo:
Seja {A,B,C,D,E,F,G,H,I,J} o conjunto de 10 pessoas.
a) Toma-se uma resposta qualquer, por exemplo ABCD.
b) Inverte-se a ordem de dois elementos: BACD.
c) Obtivemos a mesma resposta ( a mesma comisso); portanto, trata-se de um
problema de combinao simples.
d) Cn , p =
n!
onde n = 10 e p = 4
p!(n p)!
10!
10! 10.9.8.7.6!
=
=
= 210
4!(10 4)! 4!6! 4.3.2.1.6!
Pn = n!
______________
10
42
Soluo:
a) Observe que n = p = 4.
b) Trata-se de um problema de arranjos simples, mas como n = p, um problema
que rotulamos de permutaes simples.
c) Pn = n! , donde P4 = 4! = 4.3.2.1. = 24.
Portanto, existem 24 nmeros de quatro algarismos sem repetio
formados com os elementos do conjunto dado.
______________
11
43
6 CONCLUSO
A estatstica uma poderosa ferramenta de anlise, devendo fazer
parte de qualquer processo decisorial. Propicia economia de recursos em seu
sentido indutivo posto que permite inferir sobre a populao a partir de uma amostra
e, bem assim, propicia subsdio numrico escolha de determinado cenrio em
detrimento de outro.
No aspecto descritivo torna mais facilmente comprendidos os
resultados colhidos em amostras ou sob qualquer outra forma de dados brutos,
destacando-se aqui as representaes tabulares e grficas.
44
7 BIBLIOGRAFIA
COSTA, Srgio Francisco. Introduo Ilustrada Estatstica (com muito humor!).
2 ed. So Paulo: Harbra, 1992.
GUERRA, Mauri Jos; DONAIRE, Denis. Estatstica Indutiva
- teoria e