Apostila Probabilidade e Estatistica

PROBABILIDADE
E
ESTATSTICA
(1000 ton)
2500
Grfico 4.1. Produo de Arroz do Municpio X - 1984-1994
2000
1500
1000
500
0
84
85
86
87
88
89
90
91
Luiz Roberto M. Bastos

2005
92
93
94
Probabilidade e Estatstica
Luiz Roberto
SUMRIO
TEORIA DOS CONJUNTOS NUMRICOS .....................
1.1
Introduo .......................................
1.2
Smbolos .........................................
1.3
Noes sobre Conjuntos ...........................
1.4
Conjunto dos Nmeros Naturais (N) ................
1.5
Conjunto dos Nmeros Inteiros (Z) ................
1.6
Representao decimal das fraes ................
11
1.7
Conjunto dos Nmeros Irracionais .................
12
1.8
Conjunto dos Nmeros Reais (R) ...................
12
1.9
Intervalos .......................................
13
1.10
Problemas com nmero finito de elementos .........
14
ANLISE COMBINATRIA ...............................
17
2.1
Introduo .......................................
17
2.2
Fatorial de um nmero natural ....................
18
2.3
Princpio fundamental da contagem - PFC ..........
19
2.4
Arranjos simples .................................
23
2.5
Clculo do nmero de arranjos ....................
23
2.6
Permutaes simples ..............................
25
2.7
Permutaes com elementos repetidos ..............
27
2.8
Combinaes simples ..............................
28
2.9
Exerccios .......................................
33
PROBABILIDADE .......................................
34
3.1
Experimento aleatrio ............................
34
3.2
Espao amostral ..................................
35
Luiz Roberto
3.3
Evento ...........................................
36
3.4
Probabilidade de um Evento .......................
36
3.5
Evento complementar ..............................
38
3.6
Probabilidades em espaos amostrais equiprovveis
38
3.7
Probabilidade da unio de dois eventos ...........
43
3.8
Experincia Composta .............................
45
3.9
Probabilidade condicional ........................
46
ESTATSTICA BSICA ..................................
48
4.1
Conceitos fundamentais ...........................
48
4.2
Diviso da estatstica ...........................
49
4.3
Populao ........................................
50
4.4
Amostragem .......................................
52
4.5
Amostra ..........................................
52
4.6
Censo ............................................
52
4.7
Tipos de variveis ...............................
53
4.8
Definio do problema ............................
54
4.9
Definio dos objetivos (geral e especfico) .....
55
4.10
Planejamento ......................................
56
4.11
Coleta dos dados ..................................
56
4.12
Crtica dos dados .................................
57
4.13
Apurao (armazenamento) dos dados ................
58
4.14
Exposio ou apresentao dos dados ...............
58
4.15
Anlise e interpretao dos dados .................
59
4.16
Regras de arredondamento ..........................
59
4.17
Srie temporal, histrica ou cronolgica ..........
60
4.18
Grficos estatsticos .............................
61
Luiz Roberto
Principais tipos de grficos ......................
62
4.19.1 Grficos em curvas ou em linhas ...................
62
4.19.2 Grficos em colunas ...............................
63
4.19.3 Grficos em barras ...............................
65
4.19.4 Grfico em colunas mltiplas (agrupadas) .........
66
4.19.5 Grfico em barras mltiplas (agrupadas) ..........
67
4.19.6 Grfico em setores ...............................
68
4.20
Distribuio de freqncias ......................
69
4.21
Distribuies cumulativas ........................
74
4.22
Medidas de posio (ou de tendncia central) .....
75
4.22.1 Mdia aritmtica .................................
76
4.22.2 Esperana matemtica ............................
79
4.22.3 Moda (mo) .......................................
79
4.22.4 Mediana (md) ....................................
81
4.22.5 Medidas de disperso (medidas de variabilidade) .
82
4.22.6 Varincia .......................................
83
4.22.7 Desvio-padro ...................................
84
4.23
88
4.19
Distribuies discretas de probabilidade ........
4.23.1
Distribuio de bernoulli .....................
88
4.23.2
Distribuio binomial ...........................
88
BIBLIOGRAFIA ...........................................
91
Luiz Roberto
TEORIA DOS CONJUNTOS NUMRICOS
1.1 Introduo
Conjuntos numricos so certos conjuntos cujos elementos so nmeros
que guardam entre si alguma caracterstica comum. Tais conjuntos possuem
elementos perfeitamente caracterizados e, dentre eles, o conjunto dos nmeros
naturais, dos inteiros, dos racionais, dos irracionais e, por fim, o dos
nmeros reais.
O conjunto dos nmeros naturais surgiu da necessidade de se contarem os
objetos; os outros foram surgindo com ampliaes do conjunto dos nmeros
naturais.
Para se trabalhar com conjuntos, so adotados smbolos que representam
os relacionamentos entre eles.
1.2
Smbolos
: pertence
: existe
: no pertence
: no existe
: est contido
: para todo (ou qualquer que seja)
: no est contido
: conjunto vazio N
: contm
N: conjunto dos nmeros naturais
: no contm
Z : conjunto dos nmeros inteiros
: tal que
Q: conjunto dos nmeros racionais
: implica que
Q'= I: conjunto dos nmeros irracionais
: se, e somente se
R: conjunto dos nmeros reais
: pertence
: existe
: ou
:e
Smbolos sobre Operaes
: A interseco B
a > b: a maior que b
: A unio B
: a maior ou igual a b
a - b: diferena de a com b
: a e b
a < b: a menor que b
: a ou b
: a menor ou igual a b
: Diferente
1.3
Luiz Roberto
Noes sobre Conjuntos

Conjunto vazio: um conjunto que no possui elementos. O conjunto
vazio representado por
ou { }.
Subconjuntos:
todos
quando
os
elementos
de
um
conjunto
qualquer
pertencem a um outro conjunto B, diz-se, ento, que A um subconjunto de B,

ou seja A
Obs.:
B.
Todo o conjunto A subconjunto dele prprio, ou seja
- O conjunto vazio, por conveno, subconjunto de qualquer conjunto,

ou seja
Unio de Conjuntos: dados os conjuntos A e B, define-se como unio dos

, formado por todos os
conjuntos A e B ao conjunto representado por
elementos pertencentes a A ou B, ou seja:
Interseco de Conjuntos: dados os conjuntos A e B, define-se como

interseco dos conjuntos A e B ao conjunto representado por
por todos
os elementos pertencentes a A e
Diferena
de
Conjuntos:
dados
os
, formado
B, simultaneamente, ou seja:
conjuntos
B,
define-se
como
diferena entre A e B (nesta ordem) ao conjunto representado por A-B, formado

por todos os elementos pertencentes a A, mas que no pertencem a B, ou seja
1.4
Luiz Roberto
Conjunto dos Nmeros Naturais (N)
N o conjunto dos nmeros naturais:
N = {0, 1, 2, 3, 4, 5, ..., n, ...}

Onde n representa o elemento genrico do conjunto.
Sempre
que
possvel,
procuraremos
destacar
elemento
genrico
do
conjunto em questo.
Quando houver ... ao final dos elementos de um conjunto, trata-se de
um conjunto de infinitos elementos, como acontece com N.
O conjunto N pode ser representado geometricamente por meio de uma reta
numerada; escolhemos sobre essa reta um ponto de origem (correspondente ao
nmero
zero),
uma
medida
unitria
uma
orientao
(geralmente
para
direita).
unidade
O conjunto dos nmeros naturais possui alguns subconjuntos importantes:

1
O conjunto dos nmeros naturais no nulos
N* ={1, 2, 3, 4, 5, ..., n, ...}
N* = N - {0}
Utilizamos o * (asterisco) direita do nome do conjunto do qual se
quer suprimir o elemento zero.
2
O conjunto dos nmeros naturais pares:
Np={0, 2, 4, 6, ..., 2n, ...}
O conjunto dos nmeros naturais mpares:
Ni={1, 3, 5, 7, ..., 2n+1, ...}

7
Luiz Roberto
O conjunto dos nmeros primos:
Pi={2, 3, 5, 7, 11, 13 ...}
No conjunto dos nmeros naturais esto definidas duas operaes: adio

e
multiplicao.
Note
que
adicionando
ou
multiplicando
dois
elementos
quaisquer de N, a soma ou o produto pertence igualmente a N. Em smbolos,

temos:
m,n
N, m + n
m*n
Essa caracterstica pode ser sintetizada na frase:

N fechado em relao adio e multiplicao.
1.5
Conjunto dos Nmeros Inteiros (Z)
Z={..., -3, -2, -1, 0, 1, 2, 3,...}
Todos os elementos de N pertencem tambm a Z, o que vale dizer que N

subconjunto de Z:
ou Z
Temos tambm outros subconjuntos de Z:
Z* = Z - {0}
Z* = {..., -4, -3, -2, -1, 1, 2, 3, 4, ...}
Z+ = {0,1,2,3,4,5,...}
conjunto dos inteiros no negativos
Z *+ = {1,2,3,4,5,...}
conjunto dos inteiros positivos
Z_ = {..., -4, -3, -2, -1, 0}
conjunto dos inteiros no positivos
Z *__ = {..., -4, -3, -2, -1}
conjunto dos inteiros negativos
Observe que
Z+ = N.
Luiz Roberto
Nmeros Opostos
Dois nmeros inteiros so ditos opostos um do outro quando apresentam
soma zero; assim, os pontos que os representam distam igualmente da origem
(zero).
Considerando
os
nmeros
inteiros
ordenados
sobre
uma
reta,
podemos
tomar como exemplo o nmero 2.

O oposto de 2 2, e o oposto de 2 2, pois:
2 + (-2) = -2 + 2 = 0
2 unidades
2 unidades
No geral, dizemos que o oposto (ou simtrico) de a -a., e vice-versa;

particularmente, o oposto de zero o prprio zero.
Mdulo de um nmero inteiro

Damos o nome de mdulo, ou valor absoluto de a, distncia da origem
ao ponto que representa o nmero a.
Conjunto dos Nmeros Racionais (Q)

O conjunto Z fechado em relao s operaes adio, multiplicao e
subtrao, mas o mesmo no acontece diviso: embora
(-12):(+4) = -3
Z,
no existe nmero inteiro x para o qual se tenha x = (+4) : (-12). Por esse
motivo, fez-se uma ampliao do conjunto Z, da qual surgiu o conjunto dos
nmeros racionais.
O conjunto dos nmeros racionais inicialmente descrito como o
conjunto dos quocientes entre dois nmeros inteiros.
Os nmeros racionais so todos aqueles que podem ser colocados na forma
de frao (com o numerador e denominador
Z), ou seja, o conjunto dos
nmeros racionais a unio do conjunto dos nmeros inteiros com as fraes

positivas e negativas.
9
Q =
Luiz Roberto
2 2
1 1
p
0, 1, , ,.... 2, , ,..., ,...
3 5
2 3
q
p e q inteiros e q 0
Utilizando o elemento genrico, podemos dizer que:
Q =
p
q
Z*
Z e q
Desta forma, podemos definir Q como o conjunto das fraes
um nmero racional quando pode ser escrito como uma frao
p
;
q
assim,
p
, com p e q
q
inteiros e q 0.
Quando q = 1, temos
p
= p
1
p
=
q
Z, de onde se conclui que Z
subconjunto de Q.
Assim, podemos construir o diagrama:
No conjunto Q destacamos os seguintes sub-conjuntos:

*
Q : conjunto dos racionais no nulos

Q+ : conjunto dos racionais no negativos
*
Q + : conjunto dos racionais positivos

Q _ : conjunto dos racionais no positivos
*
Q _ : conjunto dos racionais negativos

O
conjunto
fechado
para
multiplicao e diviso.
10
as
operaes
adio,
subtrao,
Luiz Roberto
Exemplos:
3 6 9
=
=
1
2
3
1 2 3
b) 1 = = =
1 2 3
a) 3 =
Assim, podemos escrever:
Q = {x | x =
1.6
p
, com p Z , q Z e q 0}
q
Representao decimal das fraes

Tome
um
nmero
racional
p , tal que p no mltiplo de q.

q
Para escrev-lo na forma decimal, basta efetuar a diviso do numerador pelo

denominador. Nessa diviso podem ocorrer dois casos:
1) O nmero decimal obtido possui, aps a vrgula, um nmero finito de
algarismos (no nulos):
1
= 0,5
2
5
= 1,25
4
75
= 3,75
20
Tais nmeros racionais so chamados decimais exatos.

2) O nmero decimal obtido possui, aps a vrgula, infinitos algarismos (nem
todos nulos), que se repetem periodicamente:
9
= 0,777... = 0,7
7
1
= 0,333... = 0,3
3
1
= 0,0454545... = 0,045
22
167
= 2,5303030... = 0,530
66
11
Luiz Roberto
Toda decimal exata ou peridica pode ser representada na forma de

nmero racional.
1.7
Conjunto dos Nmeros Irracionais (I)

Os nmeros irracionais so decimais infinitas no peridicas, ou seja,
os nmeros que no podem ser escritos na forma de frao (diviso de dois

inteiros).
Vejamos alguns exemplos:
1.
O nmero 0,212112111... no dzima peridica, pois os algarismos

aps a vrgula no se repetem periodicamente.
2.
nmero
0,203040...
tambm
no
comporta
representao
fracionria, pois no dzima peridica.

3.
Os nmeros
=3,1415926535... ,
2 = 1,4142136 e
3 = 1,7320508
por no apresentarem representao infinita peridica, tambm no so nmeros

racionais.
1.8
Conjunto dos Nmeros Reais (R)

Dados os conjuntos dos nmeros racionais (Q) e dos irracionais (I),
definimos o conjunto dos nmeros reais como:
R = Q I = {x | x racional ou x irracional}
O diagrama abaixo mostra a relao entre os conjuntos numricos:
R
12
Luiz Roberto
Alm desses (N, Z, Q, I), o conjunto dos nmeros reais apresenta

noutros subconjuntos importantes:
R* = {x
R I x 0}
R+ = {x
R I x 0}
conjunto dos nmeros reais no negativos
R *+ = {x
R I x > 0}
conjunto dos nmeros reais positivos
R- = {x
R I x 0}
conjunto dos nmeros reais no positivos
R * = {x
conjunto dos nmeros reais no nulos
R I x < 0}
conjunto dos nmeros reais negativos
Portanto, os nmeros naturais, inteiros, racionais e irracionais

so todos nmeros reais. Como subconjuntos importantes de I temos:
I* = I - {0}
I+ =
conjunto dos nmeros reais no negativos
I_ = conjunto dos nmeros reais no positivos
Entre dois nmeros inteiros existem infinitos nmeros reais. Ex:

Entre os nmeros 1 e 2 existem infinitos nmeros reais:
1,01 ; 1,001 ; 1,0001 ; 1,1 ;
1,2
; 1,5 ; 1,99 ; 1,999 ; 1,9999 ...
Entre os nmeros 5 e 6 existem infinitos nmeros reais:

5,01 ; 5,02 ; 5,05 ;
1.9
5,1 ;
5,2
; 5,5 ; 5,99 ; 5,999 ; 5,9999 ...
Intervalos
a) Intervalo Aberto:
]a,b[ = {x
a < x < b}
b) Intervalo Fechado:
[a,b] = {x
a x b}
c) Intervalo aberto direita:

[a,b[ = {x
a x < b}
d) Intervalo aberto esquerda:

]a,b] = {x
a < x b}
13
Luiz Roberto
Existem ainda os intervalos infinitos:

e)
]-,a] = {x
f)
]-,a[ = {x
x a}
x < a}
g)
[a, +[ = {x
x a}
3
h)
]a, +[ = {x
x > a}
3
1.10
Problemas com nmero finito de elementos
Exemplo 1
O Instituto de Meteorologia de Curitiba quis fazer um estudo de variao da
temperatura sombra e mediu-a de hora em hora, conforme a tabela abaixo:
Hora
10
11
Temperatura
12
15
Hora
12
13
14
15
16
17
18
19
20
21
22
23
Temperatura
18
18
20
20
20
18
15
13
11
Nesse exemplo, so medidas duas grandezas: a hora do dia e a correspondente

temperatura. A cada hora corresponde uma nica temperatura. Dizemos, por
isso, que a temperatura funo da hora. Como mesma temperatura podem
corresponder vrias horas, a hora no funo da temperatura.
Exemplo 2
Uma barraca na praia da Barra da Tijuca vende cocos e exibe a seguinte
tabela:
Nmeros de cocos
Preo (R$)
1,20 2,40 3,60 4,80 6,00 7,20 8,40 9,60
14
10
10,80
12,00
Luiz Roberto
Nesse exemplo esto sendo medidas duas grandezas: o nmero de cocos e o

respectivo preo. A cada quantidade de cocos corresponde um nico preo.
Dizemos, por isso, que o preo funo do nmero de cocos comprados. Aqui
possvel at achar a frmula que estabelece a relao de interdependncia
entre o preo (y) e o nmero de cocos (x): y = 1,20 x.
Exemplo 3
Um pedreiro vai ladrilhar uma sala de 3 x 3 metros. Com ladrilhos quadrados,
todos iguais entre si. Se ele pode escolher ladrilhos com lados 10 cm, 12 cm,
15 cm, 20 cm, 25 cm e 30 cm, qual o nmero de ladrilhos que usar em cada
caso?
Para achar o nmero de ladrilhos (y), basta dividir a rea da sala (9m2) pela
rea do ladrilho (em m2). Se o lado mede x m2, ento a frmula que relaciona y
com x : y = 9/x2.
Medida do lado do ladrilho (x)
0,10
0,12
0,15
0,20
0,25
0,30
Nmero de ladrilhos (y)
900
625
400
225
144
100
Exerccios
1.
A tabela abaixo indica o deslocamento de um mvel num dado intervalo

de tempo:
Intervalo de tempo (s)
10
Deslocamento (cm)
12
15
18
21
24
27
30
a) Qual o deslocamento do mvel num intervalo de 4 segundos?

b) Qual o intervalo de tempo correspondente a um deslocamento de 21 cm?
c) O deslocamento funo do intervalo de tempo?
d) Qual o deslocamento d num intervalo de tempo t? (supor velocidade do
mvel constante).
2.
A tabela abaixo indica o custo de produo de certo nmero de peas de

automvel:
Nmero de peas
Custo (R$)
16
25
36
15
Luiz Roberto
a) Qual o custo da produo de trs peas?

b) Qual o nmero de peas produzidas com R$25,00?
c) Qual o custo c da produo de n peas?
d) Com
relao
ao
item
anterior,
qual
numero
mximo
de
peas
produzidas com R$1.000,00?
3.
O preo do servio executado por um pintor consiste em uma taxa fixa,

que de R$250,00, e mais uma quantia que depende da rea pintada. A
tabela seguinte mostra alguns oramentos apresentados pelo pintor:
rea pintada (m2)

Total a pagar (R$)
10
15
20
30
40
80
350
550
700
850
1.150
1.450
2.050
a) Como se exprime, matematicamente, o total a pagar (y) pela pintura de x

m2?
b) Qual o preo cobrado pela pintura de uma rea de 150 m2?
c) Qual a rea mxima que pode ser pintada dispondo-se de R$6.250,00?
4.
O num erro de y pessoas (em milhares) que tomam conhecimento do

resultado de um jogo de futebol, aps x horas de sua realizao dado
por y = 10 x . Responda:
a) Quantas pessoas sabem o resultado do jogo aps 4 horas?
b) Quantas pessoas sabem o resultado do jogo aps um dia?
c) Aps
quantas
horas
de
sua
realizao,
30
mil
pessoas
tomam
conhecimento do resultado do jogo?

5.
A velocidade mdia de um automvel em uma estrada de 90 Km/h.

Responda:
a) Qual a distncia percorrida pelo automvel em uma hora?
b) Em quanto tempo o automvel percorre a distncia de 360 Km?
c) Qual
expresso
matemtica
que
relaciona
distncia
percorrida (d) em funo do tempo (t)?

6.
Um professor prope a sua turma um exerccio-desafio, comprometendo-se

a dividir um prmio de R$120,00 entre os acertadores. Seja x o nmero
de acertadores (x = 1, 2, ..., 40) e y a quantia recebida por cada
acertador (R$). Responda:
a) y funo de x? Por qu?
b) Quais os valores de y para x=2, x=8, x=20 e x=25?
c) Qual o valor mximo que y assume?
d) Qual a lei de correspondncia entre x e y?
16
Luiz Roberto
ANLISE COMBINATRIA
2.1
Introduo:
A necessidade de calcular o nmero de possibilidades existentes nos
chamados jogos de azar levou ao desenvolvimento da Anlise Combinatria.

Trata-se de uma parte da Matemtica que estuda os mtodos de contagem. Esses
estudos foram iniciados j no sculo XVI, pelo matemtico italiano Niccollo
Fontana
(1500-1557),
conhecido
como
Tartaglia.
Depois
dele
vieram
os
franceses Pierre de Fermat (1601-1665) e Blaise Pascal (1623-1662).
Pascal
Fermat
Tartaglia
A Anlise Combinatria visa desenvolver mtodos que permitam contar - de

uma forma indireta - o nmero de elementos de um conjunto, estando esses
elementos agrupados sob certas condies.
Consideremos o seguinte problema:
Uma lanchonete oferece a seus clientes apenas dois tipos de sanduches:
hot dog e hambrger. Como sobremesa, h trs opes: sorvete, torta ou salada
de frutas.
Pergunta-se: quantas so as possibilidades de uma pessoa fazer uma refeio
incluindo um sanduche e uma sobremesa?
Podemos ter as seguintes refeies:
a)
hot dog e sorvete
b)
hot dog e torta
17
Luiz Roberto
c)
hot dog e salada de frutas
d)
hambrger e sorvete
e)
hambrger e torta
f)
hambrger e salada de frutas
A determinao de tais possibilidades pode ser simplificada atravs de um

diagrama, em que, na 1 coluna, representaremos as possibilidades de escolha
do sanduche e, na 2 coluna, as possibilidades de escolha da sobremesa.
1 coluna
2 coluna
hot dog
hambrger
sorvete
Refeio 1
torta
Refeio 2
salada de frutas
Refeio 3
sorvete
Refeio 4
torta
Refeio 5
salada de frutas
Refeio 6
Este esquema conhecido como diagrama de rvore. Fazendo a leitura de todas

as ramificaes da rvore, obtemos as possveis refeies.
Notemos que fazer uma refeio completa representa uma ao constituda de
duas etapas sucessivas:
1
escolha
do
tipo
de
sanduche:
duas
possibilidades
de
fazer
tal
escolha.
2
escolha da sobremesa: para cada uma das possibilidades anteriores, h
trs maneiras de escolher a sobremesa.

Assim, a realizao da ao (duas etapas sucessivas) pode ser feita de 2 x 3
= 6 maneiras distintas que foram anteriormente indicadas.
2.2
Para
Fatorial de um nmero natural

resolver
problemas
de
Anlise
Combinatria
precisamos
utilizar
uma
ferramenta matemtica chamada Fatorial.

Seja n um nmero inteiro no negativo. Definimos o fatorial de n (indicado
pelo smbolo n!) como sendo:
n! = n . (n-1) . (n-2) . ... . 4 . 3 . 2 . 1

Se n = 1, ento 1! = 1.
Se n = 0, ento 0! = 1.
18
para n 2.
Luiz Roberto
Exemplos:
a) 6! = 6 . 5! = 6 . 5 . 4 . 3 . 2 . 1 = 720
b) 4! = 4. 3! = 4 . 3 . 2 . 1 = 24
c) 7! = 7 . 6! = 7 . 6 . 5 . 4 . 3 . 2 . 1 = 5040
d) 10! = 10 . 9 . 8 . 7 . 6 . 5 . 4 . 3 . 2 . 1
e) 3! = 3 . 2 . 1 = 6
Perceba que 7! = 7 . 6 . 5 . 4!, ou que
6! = 6 . 5 . 4 . 3!, e assim sucessivamente.
Relao de correspondncia:
N! = n . (n 1)! ,
N*
n 2
Exerccios:
1) efetuar:
8!
6!
2) efetuar:
(8!+7! )
6!
3) efetuar:
(n + 1)!
(n 1)!
4) efetuar:
(n 4)!
(n 3)!
5) efetuar:
(6!5! )
+ 0!
5!
6) efetuar:
(n + 2)!
(n + 1)!
7) efetuar:
(10!+9! )
11!
8) efetuar:
7!
6!
8!
+
+
6!
7!
6!
9) efetuar: 6! - 20
10) Resolva a equao: (n+2)! = 6n!
11) Resolva a equao:
2.3
(2n)!
= 12
(2n 2)!
Princpio fundamental da contagem - PFC

Suponhamos que uma ao seja constituda de duas etapas sucessivas. A
primeira etapa pode ser realizada de p maneiras distintas. Para cada uma
19
Luiz Roberto
dessas possibilidades, a 2 etapa pode ser realizada de q maneiras distintas.

Ento, o nmero de possibilidades de se efetuar a ao completa dado por
p x q.
Esse princpio pode ser generalizado para aes constitudas de mais de
duas etapas sucessivas.
Se determinado acontecimento ocorre em etapas independentes, e se a
primeira
etapa
pode
maneiras
diferentes,
ocorrer
e
assim
de
k1
maneiras
diferentes,
sucessivamente,
ento
segunda
nmero
de
k2
de
total
maneiras de ocorrer o acontecimento, composto por n etapas, dado por:

T = k1. k2 . k3 . ... . kn
Exemplo 1
No Brasil as placas dos veculos so confeccionadas usando-se 3 letras do
alfabeto e 4 algarismos. Qual o nmero mximo de veculos que poder ser
licenciado?
Imaginemos a seguinte situao: Placa ACD 2172.
Como
alfabeto
possui
26
letras
nosso
sistema
numrico
possui
10
algarismos (de 0 a 9), podemos concluir que: para a 1 posio, temos 26

alternativas, e como pode haver repetio, para a 2, e 3 tambm teremos 26
alternativas. Com relao aos algarismos, conclumos facilmente que temos 10
alternativas para cada um dos 4 lugares. Podemos ento afirmar que o nmero
total de veculos que podem ser licenciados ser igual a:
26 . 26 . 26 . 10 . 10 . 10 . 10 = 175.760.000.
Exemplo 2
No Brasil, antes da alterao do sistema de emplacamento de automveis, as
placas dos veculos eram confeccionadas usando-se 2 letras do alfabeto e 4
algarismos. Qual o nmero mximo de veculos que podia ser licenciado neste
sistema?
Imaginemos a seguinte situao: Placa AC 2172.
Como
alfabeto
possui
26
letras
nosso
sistema
numrico
possui
10
algarismos (de 0 a 9), podemos concluir que: para a 1 posio, temos 26

alternativas, e como pode haver repetio, para a 2, tambm teremos 26
alternativas. Com relao aos algarismos, conclumos facilmente que temos 10
alternativas para cada um dos 4 lugares. Podemos ento afirmar que o nmero
total de veculos que podem ser licenciados ser igual a:
26 . 26 . 10 . 10 . 10 . 10 = 6.760.000.
20
Luiz Roberto
Percebe-se que a incluso de apenas uma letra faz com que sejam licenciados,
aproximadamente, mais 170.000.000 de veculos.
Exemplo 3
H quatro estradas ligando as cidades e A e B, e trs estradas ligando as
cidades B e C. De quantas maneiras distintas pode-se ir de A a C, passando
por B?
Fazer a viagem de A a C pode ser considerado uma ao constituda de duas
etapas sucessivas:
1
2
ir de A at B: teremos quatro possibilidades

ir de B a C: para cada uma das possibilidades anteriores, h trs
maneiras de chegar a C, a partir de B.

Assim, o resultado procurado 4 x 3
=12.
Exemplo 4
Com os algarismos 1, 2, 3, 4, 5 e 6, quantos nmeros de trs algarismos
distintos podemos formar?
Formar um nmero de trs algarismos pode ser considerado uma ao constituda
de trs etapas sucessivas:
1
2
escolha do algarismo das centenas: so seis possibilidades.

escolha do algarismo das dezenas: como no pode haver repetio de
algarismo, devemos ter um algarismo diferente do algarismo escolhido para a

centena. Assim, h cinco possibilidades.
3
escolha do algarismo das unidades: devemos ter um algarismo diferente dos
dois algarismos escolhidos para a centena e para a dezena. Assim, h quatro

possibilidades.
Pelo PFC, o resultado : 6 x 5 x 6 = 120 nmeros.
Exemplo 5
Uma prova consta de 10 questes do tipo V ou F. De quantas maneiras distintas
ela pode ser resolvida?
Resolver a prova representa uma ao constituda de 10 etapas sucessivas, que
correspondem resoluo das 10 questes propostas.
Para cada questo, h duas possibilidades de escolha de resposta: V ou F.
Logo, pelo PFC, o resultado : 2 x 2 x 2 ... x 2 = 210 = 1.024
possibilidades.
10 vezes
21
Luiz Roberto
Exemplo 6
Quantos nmeros de trs algarismos podemos formar com os algarismos 0, 1, 2,
3, 4, 5, 6 e 7?
Algarismo das centenas: com exceo do zero, qualquer um dos algarismos dados
pode ser escolhido, havendo, portanto, sete possibilidades.
Algarismo das dezenas: no h restrio alguma, pois pode haver repetio de
algarismos. Assim, h oito possibilidades.
Algarismo das unidades: analogamente ao anterior, h oito possibilidades.
Logo, pelo PFC:
7 x 8 x 8 = 448.
Exemplo 7
Quantos nmeros mpares de trs algarismos distintos podemos formar com os
algarismos 0, 1, 2, 3, 4, 5, 6 e 7?
Algarismo das unidades: h quatro possibilidades (1, 3, 5 e 7).
Algarismo das centenas: h seis possibilidades devemos excluir o zero e o
algarismo escolhido para a unidade.
Algarismo das dezenas: h seis possibilidades devemos escolher algarismos
diferentes dos algarismos escolhidos para a centena e unidade.
Assim, pelo PFC, temos: 6 x 6 x 4 = 144 nmeros.
Todo problema de contagem pode, pelo menos teoricamente, ser resolvido pelo
PFC. Porm, na prtica, a resoluo de alguns desses problemas pode se tornar
muito complicada.
Dessa forma, estudaremos tcnicas de contagem de determinados agrupamentos
baseados no PFC as quais simplificaro a resoluo de muitos problemas.
Consideraremos
sempre
os
agrupamentos
simples:
arranjos,
permutaes
combinaes.
Exemplo 8
Determine
nmero
de
anagramas
da
palavra
MATEMTICA.(no
considere
acento).
Soluo:
Temos 10 elementos, com repetio. Observe que a letra M est repetida duas
vezes, a letra A trs , a letra T, duas vezes. Na frmula anterior, teremos:
n=10, a=2, b=3 e c=2. Sendo k o nmero procurado, podemos escrever: k= 10! /
(2!.3!.2!) = 151.200 anagramas
22
2.4
Luiz Roberto
Arranjos simples
Dado um conjunto com n elementos distintos, chama-se arranjo dos n elementos,

tomados
k,
qualquer
seqncia
ordenada
de
elementos
distintos
escolhidos entre os n existentes.

Temos um Arranjo quando os agrupamentos conseguidos ficam diferentes ao se
inverter a posio dos seus elementos.
Perceba que para formar centenas com algarismos distintos, utilizando apenas
os 5 primeiros algarismos mpares (1; 3; 5; 7; 9) teremos as seguintes
centenas: 135; 137; 139; 153, 157, e assim sucessivamente.
Se
invertermos
posio
dos
elementos
de
qualquer
uma
destas
centenas
conseguiremos outra centena diferente: 135 351.

Temos ento um ARRANJO de cinco elementos tomados de trs em trs.
Exemplo 1
Dado o conjunto A = (1, 2, 3, 4), vamos escrever todos os arranjos desses
quatro elementos tomados dois a dois.
(1, 2); (1, 3); (1, 4); (2, 1); (2, 3); (2, 4); (3, 1); (3, 2); (3, 4); (4,
1); (4, 2); (4, 3)
Notamos que (2, 3) (3, 2), isto , a troca na ordem dos elementos de um
possvel agrupamento gera um agrupamento diferente.
Exemplo 2
Um cofre possui um disco marcado com os dgitos 0,1,2,...,9. O segredo do
cofre marcado por uma seqncia de 3 dgitos distintos. Se uma pessoa
tentar
abrir
cofre,
quantas
tentativas
dever
fazer(no
mximo)
para
conseguir abri-lo?
As
seqncias
sero
do
tipo
xyz.
Para
primeira
posio
teremos
10
alternativas, para a segunda, 9 e para a terceira, 8. Aplicando a frmula de

arranjos pelo PFC, chegaremos ao mesmo resultado: 10.9.8 = 720.
Observe que 720 = A10,3
2.5
Clculo do nmero de arranjos
Seja um conjunto de n elementos distintos. Vamos encontrar uma expresso para

o nmero de arranjos dos n elementos tomados k a k (An,k).
Escrever um arranjo de n elementos formados k a k significa escrever uma
seqncia ordenada de k elementos distintos (k n), escolhidos entre os n
23
Luiz Roberto
disponveis. Assim, pelo PFC, a ao pedida consta de k etapas sucessivas,

que correspondem s escolhas dos k elementos.
1 etapa
etapa
2 etapa
(h n elementos
para serem escolhidos)
3 etapa
...
k-sima
(como os elementos
devem ser distintos,
h n-1 possibilidades)
n 1
n 2
n (k 1)
Desta forma, o nmero total de arranjos dos n elementos tomados k a k :

An,k = n . (n 1) . (n 2) ... (n - k +1)
Multiplicando e dividindo a expresso acima por
(n k)! = (n k) (n k 1) ... 3 . 2 . 1
An,k = n (n 1) (n 2) ... (n - k +1) .
vem:
(n k )(n k 1)...3.2.1
,
(n k )(n k 1)...3.2.1
Isto :
An,k =
n!
(n k )!
Exemplo 3
Obter o valor de A4,2 + A7,3.
Temos
A4,2 =
4!
4!
4.3.2!
=
=
= 12
(4 2)!
2!
2!
A7,3 =
7!
7!
7.6.5.4!
=
=
= 210
(7 3)!
4!
4!
Exemplo 4
O quadrangular de um torneio mundial de basquete disputado por quatro
selees: Brasil, China, Holanda e Itlia. De quantas maneiras distintas
podemos ter os trs primeiros colocados?
Um possvel resultado do torneio Holanda (campe), Brasil (2) e Itlia
(3). Se trocarmos a ordem desses elementos, obtemos, entre outras, Brasil
24
Luiz Roberto
(campeo), Itlia (2) e Holanda (3), que um resultado diferente do

anterior. Dessa forma, cada resultado do torneio um arranjo das quatro
equipes tomadas trs a trs.
Assim, o nmero de possibilidades :
An,k =
n!
(n k )!
4!
(4 3)!
A4,3 =
4!
1!
24
Exemplo 5
A senha de um carto de banco formada por duas letras distintas seguidas
por uma seqncia de trs algarismos distintos. Quantas senhas poderiam ser
confeccionadas?
Como importa a ordem que so escolhidas as letras, o nmero de maneiras de
escolh-las dado por A26,2.
Analogamente, a seqncia de trs algarismos distintos pode ser escolhida de
A10,3.
Pelo PFC, o nmero de senhas que podem ser confeccionas :
A26,2
A10,3
650 x 720
468.000.
Exemplo 6
Usando-se
as
26
letras
do
alfabeto
(A,B,C,D,...,Z),
quantos
arranjos
distintos com 3 letras podem ser montados?

An,k =
n!
(n k )!
n=26, k=3
26!
26 . 25 . 24 . 23!
=
= 26.25.24 = 15600
23!
23!
Resposta: A =
2.6
Permutaes simples
Permutaes simples de n elementos distintos so os agrupamentos formados com

todos
os
elementos
que
diferem
uns
dos
outros
pela
ordem
de
seus
elementos.
De outro modo, podemos entender permutao simples como um caso especial de
arranjo, onde n = k, ou seja:
An,k =
n!
(n k )!
n!
0!
Chega-se ento relao:
n!
= n!
1
Pn
n!
25
Luiz Roberto
Notemos que a permutao um caso particular de arranjo, pois, dado um

conjunto de n elementos distintos, selecionamos exatamente n elementos para
forma a seqncia ordenada.
Exemplo 1
Escrever todos os anagramas da palavra SOL.
Um anagrama da palavra SOL qualquer permutao das letras S, O, L de modo
que se forme uma palavra com ou sem sentido.
Assim, temos:
SOL, SLO, OSL, OLS, LOS, LSO.
Exemplo 2
De quantas maneiras cinco pessoas, A, B, C, D e E
podem ser dispostas em
fila indiana?
Cada maneira de compor a fila uma permutao das cinco pessoas, pois
qualquer fila obtida uma seqncia ordenada na qual comparecem sempre as
cinco pessoas.
Assim, o resultado esperado :
P5 = 5!
= 120
Exemplo 3
Baseado no exemplo anterior, quantas filas podem ser compostas comeando por
A ou B?
A 1 posio da fila pode ser escolhidas de duas maneiras (pois tanto A como
B pode inici-la).
Definido
incio
da
fila,
restaro
sempre
quatro
lugares
para
preenchidos pelas quatro pessoas restantes, num total de P4 = 4!
serem
=
24
possibilidades.
Pelo PFC, o resultado : 2 x 24 = 48.
Exemplo 4
Oito pessoas, entre elas, Antonio e Pedro, vo posar para uma foto. De
quantas maneiras elas podem ser dispostas se Antonio e Pedro se recusarem-se
a ficar lado a lado?
Caso no houvesse a restrio mencionada, o nmero total de possibilidades
seria:
P8 = 8! = 40.320.
Para determinar o nmero de possibilidades em que Antonio e Pedro aparecem
juntos, vamos consider-los uma s pessoa, que ir permutar com as seis
restantes, num total de:
26
Luiz Roberto
P7 = 7! = 5.040 maneiras.
Porm, para cada uma das possibilidades acima, Antonio e Pedro podem trocar
de lugar entre si, num total de:
P2 = 2! = 2.
Desta forma, o nmero de possibilidades em que Antonio e Pedro aparecem
juntos : 2x 5.040
A diferena
= 10.080.
40.320 10.080 = 30.240
fornece o nmero de situaes em que
Antonio e Pedro no aparecem lado a lado.

Exemplo 5
Quantas possibilidades de agrupamentos h com os elementos A,B,C?
So possveis as seguintes permutaes: ABC, ACB, BAC, BCA, CAB e CBA.
De forma matemtica: P3 = 3! = 3 . 2 . 1 = 6
Exemplo 6
Calcule o nmero de formas distintas de 5 pessoas ocuparem os lugares de um
banco retangular de cinco lugares.
P5 = 5! = 5 . 4 . 3 . 2 . 1 = 120
Exemplo 7
Denomina-se ANAGRAMA o agrupamento formado pelas letras de uma palavra, que
podem ter ou no significado na linguagem comum. Os possveis anagramas da
palavra REI so: REI, RIE, ERI, EIR, IRE e IER. Calcule o nmero de anagramas
da palavra MUNDIAL.
P7 = 7! = 7 . 6 . 5 . 4 . 3 . 2 . 1 = 5040
2.7
Permutaes com elementos repetidos
Se entre os n elementos de um conjunto, existem a elementos repetidos, b

elementos repetidos, c elementos repetidos e assim sucessivamente, o nmero
total de permutaes que podemos formar dado por:
Pn
(a,b,c)
n!
a!b! c!
nmero
Exemplo 1
Determine
de
anagramas
da
palavra
MATEMTICA.(no
considere
acento)
Temos 10 elementos, com repeties. A letra M est repetida duas vezes, a
27
Luiz Roberto
letra A trs, a letra T, duas vezes. Na frmula anterior, teremos: n=10, a=2,
b=3 e c=2.
P = 10! / (2!.3!.2!) = 151200
Exemplo 2
Quantos anagramas podem ser formados com as letras da palavra MARIA?
Neste problema temos n = 5 (cinco letras) e a = 2 (a letra A se repete duas
vezes)
P = 5!/2! = 5.4.3 = 60
Exemplo 3
Quantos anagramas podem ser formados com as letras da palavra ARARA?
Neste problema temos n = 5 (cinco letras), a = 2 (a letra R se repete duas
vezes) e b = 3 (a letra A se repete trs vezes).
P = 5!/(3!.2!) = 5.4.3!/(3!.2) = 10
2.8
Combinaes simples
Dado um conjunto A com n elementos distintos, chama-se combinao dos n

elementos
de
A,
tomados
k,
qualquer
subconjunto
formado
por
elementos, isto , temos uma combinao quando os agrupamentos conseguidos

permanecem iguais ao se inverter a posio dos seus elementos.
Perceba que se houver cinco pessoas entre as quais desejamos formar grupos de
trs, o grupo formado por Joo, Pedro e Lus o mesmo grupo formado por
Lus, Pedro e Joo. Temos, ento, uma COMBINAO de cinco elementos em grupos
de trs.
Clculo do nmero de combinaes
Considere o seguinte problema:
Uma turma formada por 10 alunos. Deseja-se formar uma comisso de trs
alunos
para
representao
discente
na
universidade.
De
quantas
maneiras
podemos fazer tal escolha?

Calculemos inicialmente o nmero de triplas ordenadas de alunos:
A10,3 =
10!
= 720 seqncias ordenadas.
7!
Suponhamos que A, B, C estejam entre os 10 alunos da turma. Essas 720

possibilidades incluem, entre outras, os seguintes arranjos:
28
Luiz Roberto
(A,B,C), (A,C,B), (B,A,C), (B,C,A), (C,A,B) e (C,B,,A)

Em cada um desses casos que diferem entre si apenas pela ordem os alunos
A, B e C faro parte da comisso. Assim, os seis arranjos acima passam a ser
equivalentes entre si, correspondendo a uma nica combinao
{A, B, C} ,
pois
determinam sempre a mesma comisso.

Desta forma, aos seis arranjos corresponde uma combinao; ento, para os 720
arranjos, teremos x combinaes:
6 arranjos
1 combinao
720 arranjos
x combinaes
Nmero de arranjos dos 10 alunos tomados trs a trs
Logo,
720
x =
= 120 comisses
6
Nmero de permutaes da tripla (A,B,C)
De modo geral, qualquer permutao de uma determinada seqncia ordenada d

origem e uma nica combinao.
Representando por Cn,k o nmero total de combinaes de n elementos tomados k
a k
(taxa k), temos:
Cn,k =
A n, k
Pk
ou
Cn,k =
n!
k! (n k )!
,n k
Exemplo 1
Escrever todas as combinaes dos cinco elementos do conjunto
M =
{a, e, i, o, u}
tomados dois a dois.
Devemos determinar todos os subconjuntos de M formados por dois elementos.

Lembremos que no importa a ordem dos elementos escolhidos:
{a, e}
exemplo.
Assim, as combinaes pedidas so:
{a, e}, {a, i}, {a, o}, {a, u}, {e, i}, {e, o} , {e, u}, {i, o}, {i, u}, {o, u}
29
{e, a},
por
Luiz Roberto
Exemplo 2
Cinco alunos Pedro, Lus, Jos, Abel e Mrcio participam de um concurso
que
sero
sorteadas
trs
bicicletas.
Quais
os
possveis
resultados
do
concurso?
{Pedro, Jos, Mrcio}
Sortear
o mesmo que sortear
{Jos, Mrcio, Pedro},
pois
nas duas situaes, esses alunos ganharo as bicicletas.

Desta forma, cada resultado do sorteio uma combinao dos cinco alunos
tomados trs a trs.
Os possveis resultados do concurso so:
{P, J , M } {P, J , A} {P, M , A} {P, L, J } {P, L, M } {P, L, A} {L, J , A} {L, J , M }

{J , A, M } {L, A, M }
,
Exemplo 3
Uma prova consta de 15 questes das quais o aluno deve resolver 10. De
quantas formas ele poder escolher as 10 questes?
Observe que a ordem das questes no muda o teste. Logo, podemos concluir que
trata-se de um problema de combinao de 15 elementos com taxa 10.
Aplicando simplesmente a frmula chegaremos a:
C15,10 = 15! / [(15-10)! . 10!] = 15! / (5! . 10!) = 15.14.13.12.11.10! /
5.4.3.2.1.10! = 3003
Tanto arranjo como combinao so agrupamentos de k elementos
escolhidos a partir de um conjunto de n elementos. A diferena que,
no arranjo, se mudarmos a ordem dos elementos de certo agrupamento,
obteremos um novo agrupamento; na combinao, mudando a ordem dos
elementos de certo agrupamento, obtemos o mesmo agrupamento.
Exemplo 3
Uma prova consta de 15 questes das quais o aluno deve resolver 10. De
quantas formas ele poder escolher as 10 questes?
Observe que a ordem das questes no muda o teste. Logo, podemos concluir que
trata-se
de
C15,10
15!
(15 10)!.10!
um
problema
=
de
combinao
15!
5!.10!
30
de
15
elementos
15.14.13.12.11.10!
5.4.3.2.1.10!
com
taxa
10.
3003
Luiz Roberto
Exemplo 4
Um coquetel preparado com trs bebidas distintas. Se existem 7 bebidas
distintas, quantos coquetis diferentes podem ser preparados?
7!
(7 3)!.3!
C7,3 =
7!
4!.3!
7.6.5.4!
4!.3.2.1
35
Exemplo 5
Sobre
uma
circunferncia
so
marcados
pontos,
dois
dois
distintos.
Quantas retas podem ser construdas passando por estes 9 pontos?

C9,2 =
9!
(9 2)!.2!
9!
7!.2!
9.8.7!
7!.2.1
36
Exemplo 6
Uma pizzaria oferece 15 sabores de pizzas diferentes.
a) De quantas maneiras se pode escolher trs desses sabores?
b) Suponha que uma famlia sempre opte por mussarela. Como podero ser
escolhidos os outros dois sabores?
Resp. a)
Escolher as pizzas
{P1, P 2, P3}
o mesmo que escolher as pizzas
{P3, P 2, P1}.
Assim, cada possvel escolha uma combinao das 15 pizzas tomadas trs a
trs:
C15,3
15!
3!12!
15.14.13.12!
3.2.1.12!
455
Resp. b)
Como um dos sabores j foi definido, os outros dois sabores sero escolhidos
entre os 14 restantes.
C14,2
14!
12!2!
14.13.12!
12!.2.1
91
Exemplo 7
Uma turma tem 15 alunos, sendo 9 meninos e 6 meninas.
a) Quantas comisses de dois meninos e duas meninas podem ser formadas?
O nmero de escolher os meninos
C9,2.
O nmero de escolher as meninas
C6,2.
Pelo PFC, temos: C9,2
x C6,2
36 x 15 =
31
540
Luiz Roberto
b) Quantas comisses de quatro pessoas tm pelo menos um menino?

O nmero total de comisses de quatro pessoas, sem nenhuma restrio,
C15,4.
O nmero de comisses onde no aparecem meninos C6,4, pois as vagas sero
preenchidas pelas meninas.
Assim, o nmero de comisses onde h pelo menos um menino :
C15,4 C6,4 = 1.365 15 = 1.350
Exemplo 8
Marcam-se cinco pontos sobre uma reta r. Sobre outra reta s, paralela a r,
marcam-se quatro pontos. Quantos tringulos podem ser formados com vrtices
em trs quaisquer desses pontos?
Observando a figura, vemos que para construir um tringulo no importa a
ordem dos pontos escolhidos, pois, por exemplo,
{A, B, C}
{B, C , A}
determinam
o mesmo tringulo.
B
A
Por outro lado, podemos construir um tringulo se escolhermos:

1 caso:
dois pontos de r
C5,2 = 10 possibilidades
um ponto de s
Pelo PFC, h 10 x 4 = 40 possibilidades.

2 caso:
um ponto de r
dois pontos de s
Pelo PFC, h 5 x 6 = 430 possibilidades.

Dessa forma, o nmero total de tringulos que podem ser construdos :
40 + 30 = 70.
32
Luiz Roberto
Exemplo 9
Um salo tem 6 portas. De quantos modos distintos esse salo pode estar
aberto?
Para
primeira
porta
temos
duas
opes:
aberta
ou
fechada
Para a segunda porta temos tambm, duas opes, e assim sucessivamente.

Para as seis portas, teremos ento, pelo PFC:
N = 2.2.2.2.2.2 = 64
Lembrando que uma dessas opes corresponde a todas as duas portas fechadas,
teremos ento que o nmero procurado igual a 64
- 1 = 63.
Resposta: o salo pode estar aberto de 63 modos possveis.
2.9
Exerccios
01 - Um coquetel preparado com duas ou mais bebidas distintas. Se existem 7

bebidas
distintas,
quantos
coquetis
diferentes
podem
ser
preparados?
Resp: 120
02 -
Sobre uma circunferncia so marcados 9 pontos distintos. Quantos
tringulos
podem
ser
construdos
com
vrtices
nos
pontos
marcados?
Resp: 84
03 - Uma famlia com 5 pessoas possui um automvel de 5 lugares. Sabendo que
somente 2 pessoas sabem dirigir, de quantos modos podero se acomodar para
uma viagem?
Resp: 48
33
Luiz Roberto
PROBABILIDADE
Todas
as
vezes
que
se
estudam
fenmenos
de
observao,
cumpre-se
distinguir o prprio fenmeno e o modelo matemtico que melhor o explique.

Os fenmenos estudados pela Estatstica so fenmenos cujos resultados,
mesmo em condies normais de experimentao variam de uma observao para
outra.
Para
explicao
desses
fenmenos
fenmenos
aleatrios
adota-se um modelo matemtico probabilstico. Nesse caso, o modelo

utilizado ser o CLCULO DAS PROBABILIDADES.
3.1
Experimento aleatrio
Todo experimento que, repetido em condies idnticas, pode apresentar
diferentes
resultados,
recebe
nome
de
experimento
aleatrio.
variabilidade de resultados deve-se ao acaso.

A
fim
de
se
entender
melhor
caracterizao
desses
experimentos,
convm observar o que h de comum nos seguintes experimentos:

E1: Retirar uma carta de um baralho com 52 cartas e observar seu naipe.
E2: Jogar uma moeda 10 vezes e observar o nmero de coroas obtidas.
E3: Retirar com ou sem reposio, bolas de uma urna que contm 5 bolas
brancas e seis pretas.
E4: Jogar um dado e observar o nmero mostrado na face de cima.
E5: Contar o nmero de peas defeituosas da produo diria da mquina A.
A anlise desses experimentos revela:
a) Cada
experimento
poder
ser
repetido
indefinidamente
sob
as
mesmas
condies.
b) No se conhece um particular valor do experimento a priori , porm
pode-se
descrever todos os possveis resultados as possibilidades.
34
Luiz Roberto
c) Quando o experimento for repetido um grande nmero de vezes surgir uma

regularidade,
isto
haver
uma
estabilidade
da
frao
r/n
(freqncia relativa), onde n o nmero de repeties e r o nmero de

sucessos.
3.2 Espao amostral
Para cada experimento aleatrio E, define-se espao amostral o conjunto
de todos os resultados possveis desse experimento.
Consideremos um experimento aleatrio. O conjunto de todos os possveis
resultados desse experimento chamado espao amostral e indicado por
(letra grega que se l: omega).
Indicaremos o nmero de elementos de um espao amostral por n().
Exemplo 1
a) E = Jogar um dado e observar o nmero mostrado na face de cima
= {1, 2, 3, 4, 5, 6}
b) E = jogar duas moedas e observar os resultados.
= {(C,C), (C,K), (K,C), (K,K)} onde C = cara e K = coroa.

Exemplo 2
Lanamos uma moeda honesta e observamos a face voltada para cima:
Temos:
= {K,C}, onde K: cara; e C: coroa; n() = 2.

Chamamos cada um dos resultados possveis de ponto amostral.
Exemplo 3
Uma urna contm cinco bolas vermelhas e quatro brancas. Duas bolas so
extradas, ao acaso, sucessivamente e sem reposio. Observamos a seqncia
de cores das bolas sorteadas.
Para determinar , vamos construir um diagrama de rvore:
1 extrao
2 extrao
vermelha
vermelha
branca
Vermelha
branca
branca
35
Luiz Roberto
Indicando vermelha por V e branca por B, temos:
{(V , V ), (V , B), ( B, V ), ( B, B)}
n() = 4.
Cada par acima um dos pontos amostrais de .

3.3
Evento
Evento
um
conjunto
de
resultados
do
experimento,
em
termos
de
conjuntos, um subconjunto de . Em particular, e (conjunto vazio) so

eventos. dito o evento certo e o evento impossvel.
Usando as operaes em conjunto, podemos formar novos eventos:
A
U B o evento que ocorre se A ocorre ou B ocorre ou ambos ocorrem.
I B o evento que ocorre se A e B ocorrem.
o evento que ocorre se A no ocorre.
Exemplo 1
a) Seja o experimento E: jogar trs moedas e observar os resultados:
= {(c,c,c), (c,c,k), (c,k,c), (k,c,c), (k,k,k), (k,k,c), (k,c,k),

(c,k,k)}
Seja E1 o evento: ocorrer pelo menos duas caras. Ento,
E1 = {(c,c,c),(c,c,k), (c,k,c), (k,c,c)}
b) Seja o evento E2: lanar um dado e observar o nmero de cima.
Ento,
E2 = = {1, 2, 3, 4, 5, 6} um evento certo.
E3: ocorrncia de nmero maior que 8.
E3 = um evento impossvel.
Seja E4: ocorrer mltiplo de 2.
Ento E4 = {2, 4, 6}; observe que E4 .
Seja E5: ocorrer nmero mpar.
Ento E5 = {1, 3, 5}; observe que E5 .
3.4
Probabilidade de um Evento
Agora podemos quantificar o grau de confiana de qualquer evento.
36
Luiz Roberto
Atribumos a cada evento um nmero obtido da soma das imagens de cada

um
de
seus
elementos
na
relao
de
freqncia.
Este
nmero
chama-se
probabilidade do evento. Observe como se resolve o seguinte caso.

Exemplo:
O experimento consiste em extrair uma bola do interior de uma caixa e
observar sua cor. H um total de nove bolas na caixa: duas brancas, trs
vermelhas e quatro pretas.
Qual ser a probabilidade de tirar uma bola que no seja preta?

Para solucionar esta questo, preparamos o esquema da figura acima:
O espao amostral da figura acima :
Elemento
Imagem
(B) branca
2/9
(V) vermelha
3/9
(P) preta
4/9
= {branca, vermelha, preta}
O evento tirar uma bola de cor diferente do preto, A = {B,V}, consta

de dois elementos.
Como foi dito na definio de probabilidade, atribumos a cada evento
um
nmero
obtido
da
soma
das
imagens
de
cada
elemento
na
relao
de
freqncia.
Portanto, se somarmos as imagens da bola branca, 2/9, e da vermelha,
3/9, que aparecem na relao de freqncia deste exemplo, vamos conhecer o
valor da probabilidade do evento A, indicado por P(A).
Assim,
p(A) =
2
3
5
+
=
9
9
9
Em alguns experimentos aleatrios, cada um dos resultados (eventos

elementares) tem a mesma freqncia relativa esperada.
37
Luiz Roberto
Este o caso de lanar uma moeda ou um dado e comprovar o resultado.

Dizemos,
ento,
que
espao
amostral
equiprovvel,
que
sua
probabilidade uniforme.
3.5
Evento complementar
Consideremos um evento E relativo a um espao amostral . Chamamos
evento complementar de
indicado por
ao evento que ocorre quando se,
e somente se, E no ocorre.

Observe o seguinte diagrama:
Notemos que E
= e E
Exemplo 1
Uma urna contm 10 bolas numeradas de 1 a 10. Retira-se da urna, ao acaso,
uma bola. Se E o evento ocorre mltiplo de 3, ento
= {1, 2, 4, 5, 7, 8, 10} o evento no ocorre mltiplo de 3.
Notemos que E
3.6
ser:
= {1, 2, 3, ..., 10} e E = {3, 6, 9}; logo:
Temos:
= .
Probabilidades em espaos amostrais equiprovveis
Consideremos o espao amostral formado por k pontos amostrais (ou eventos

elementares):
= {a1, a2, a3, ..., ak}
Vamos associar cada um desses pontos amostrais um nmero real, p{ai}, ou

simplesmente pi, chamado probabilidade do evento {ai}, ou seja, probabilidade
de ocorrncia do ponto amostral ai, tal que:
(I)
0 pi 1
k
(II)
i=1
= 1 , isto , p1 + p2 + ... + pk = 1
38
Luiz Roberto
Consideremos aqui os espaos amostrais equiprovveis, isto , aqueles cujos

pontos amostrais tm a mesma probabilidade de ocorrer. Assim, se denotarmos
por p a probabilidade de ocorrncia de cada um dos pontos amostrais de ,
temos, em (II):
p + p + p + ... + p = 1
k . p = 1
p =
1
k
K vezes
A probabilidade de ocorrncia de um evento E, formado por r pontos amostrais

E = {a1, a2, a3, ..., ar} , com r k, dada por:
P (E) = p1 + p2 + ... + pr
p(E) =
1
1
1
1
+
+
+
k
k
k
k
r
Nmero de elementos de E
=
k
Nmero de elementos de
Como E , temos que

P(E) =
p(E) =
n(E)
n()
n(E)
n()
n(E) n(). Assim:
tal que
0 p(E) 1
Essa definio de probabilidade intuitiva, isto , a probabilidade de

ocorrer
determinado
favorveis
(ou
evento
nmero
de
dada
caos
que
pala
nos
razo
entre
interessam)
nmero
de
casos
nmero
de
casos
possveis (ou nmero total de casos).

Assim:
p(E) =
n(E)
n()
Nmero de casos favorveis

Nmero de casos possveis
Uma vez que o nmero de casos favorveis coincide com o nmero de

elementos do evento, e o nmero de casos possveis corresponde ao nmero de
elementos do espao amostral, podemos escrever:
p(A) =
f
, onde o evento A tem
k
elementos e k o nmero possvel de
elementos. Para ocorrer o evento A, o resultado deve ser algum desses f

elementos, que so os casos favorveis.
Assim, no exemplo do lanamento de um dado, se o evento A consiste em
obter um 5, o nmero de casos favorveis ser 1, pois num dado no-viciado
39
Luiz Roberto
s existe um 5, e o nmero de casos possveis 6, portanto o espao

= {1,2,3,4,5,6}
amostral :
Assim, a probabilidade do evento A ser: P (A) = 1/6

Quando
dizemos
que
probabilidade
do
evento
1/6,
isto
no
significa que, se jogarmos o dado seis vezes, em uma delas sair, com toda a
certeza, o nmero 5. Pode ser que o nmero 5 no saia nenhuma vez, ou ele
pode sair mais de uma vez.
A probabilidade 1/6 indica apenas que, se repetirmos esse experimento
um nmero muito grande de vezes, o evento A vai ocorrer em aproximadamente
1/6 do total de jogadas.
Exemplo 1
Uma urna contm 15 bolas numeradas de 1 a 15. Uma bola extrada ao acaso.
Qual a probabilidade de ser sorteada uma bola com nmero maior ou igual a 11?
Temos:
= {1, 2, 3, ..., 15}
Seja o evento E: o nmero da bola sorteada maior ou igual a 11.

Logo: E = {11, 12, 13, 14, 15}.
n(E)
Assim, p(E) =
n()
5
1
=
15
3
= 33,3%
Exemplo 2
Um dado lanado e observa-se o nmero da face voltada para cima. Qual a
probabilidade desse nmero ser:
a) menor que 3?
b) Maior ou igual a 3?
a) Temos = {1, 2, 3, 4, 5, 6}
E = {1, 2}.
Ento,
p(E)
2
6
1
3
b) basta considerar o evento complementar: Ec = {3, 4, 5, 6}.

Assim,
Note que
n(Ec)
p(E ) =
n()
c
4
6
2
.
3
p(E) + p(Ec) = 1
Exemplo 3
Uma moeda lanada trs vezes, sucessivamente. Qual a probabilidade de
observarmos: a) exatamente uma cara?;
b) No mximo duas caras?
40
Vamos
construir
um
Luiz Roberto
diagrama
de
rvore
onde
na
1,
colunas,
respectivamente, representaremos os possveis resultados para o 1, 2 e 3

lanamentos.
K
K
C
K
C
C
(K,K,K)
(K,K,C)
(K,C,K)
(K,C,C)
(C,K,K)
(C,K,C)
(C,C,K)
(C,C,C)
K: cara
C: coroa
O espao amostral formado pelas oito seqncias indicadas.

a) O evento E1 = {(K,C,C), (C,C,K), (C,K,C)}
n(E1)
Assim, p(E1) =
n()
3
8
37,5%
b) As seqncias que nos interessam so aquelas que apresentam nenhuma,

uma ou duas caras. Assim, o evento pedido :
E2 = {(C,C,C),(K,C,C),(C,K,C),(C,C,K),(K,K,C),(K,C,K),(C,K,K)}
Logo, p(e2) =
7
= 87,5%.
8
Exemplo 4
Uma turma tem 20 homens e 25 mulheres. Deseja-se formar uma comisso de cinco
alunos para representantes de turma. Qual a probabilidade de essa comisso
vir a ser formada exclusivamente por meninos?
O nmero de elementos de igual ao nmero de maneiras de se escolher uma
comisso qualquer de cinco pessoas, a partir dos 45 alunos. Como vimos, n()
= C45,5 .
O evento que interessa aquele em que todos os alunos da comisso so
meninos. O nmero de comisses assim existentes C20,5 .
Assim, a probabilidade pedida :
C20,5
P(E) =
C45,5
0,0126 = 1,26%
41
Luiz Roberto
Exemplo 5
Escolhe-se,
ao
acaso,
um
dos
anagramas
da
palavra
XADREZ.
Qual
probabilidade da palavra escolhida comear por XA?

O nmero de elementos de o nmero de permutaes da palavra XADREZ.
Ento, n() = P6 = 6! = 720.
O evento E = palavra comea por XA:
X A __ __ __ __
Definidas as duas primeiras letras, h P4 = 4!
maneiras de se preencherem as lacunas restantes.
Assim, n(E) = 4! = 24.
n(E)
Logo, a probabilidade pedida p(E) =
n()
24
= 3,33%
720
Exemplo 6
Numa comunidade residem 100 pessoas. Uma pesquisa sobre os hbitos
alimentares dessa comunidade revelou que:
25 pessoas consomem carnes e verduras
83 pessoas consomem verduras
39 pessoas consomem carnes
Uma pessoa da comunidade escolhida ao acaso. Qual a probabilidade de ela:

a) consumir exclusivamente carne?
b) Ter o hbito alimentar de no comer nem carne nem verdura?
Vamos construir um diagrama representando carne por C e verdura por V.
comunidade
C
25
58
14
1) H 25 pessoas na integrao de C e V.
2) Pessoas que consomem exclusivamente verduras: 83 25 = 58
3) Pessoas que consomem exclusivamente carnes: 39 25 = 14
4) Como 25 + 58 + 14 = 97, h 3 pessoas que no comem carnes nem verduras.
Assim, as probabilidades pedidas so:
a)
14
= 0,14 = 14%
100
b)
3
= 0,03 = 3%
100
42
3.7
Luiz Roberto
Probabilidade da unio de dois eventos

Sejam A e B eventos de um mesmo espao amostral . Vamos encontrar uma
expresso para a probabilidade de ocorrer o evento A ou o evento B, isto , a
U B.
probabilidade da ocorrncia do evento A

Consideremos dois casos:
1) eventos mutuamente exclusivos
A
I B =
Temos:
n(A U B) = n(A) + n(B)

Como n() 0, podemos escrever:
n(A
U B)
n()
n(A)
n()
n(B)
n()
Da definio de probabilidade, segue:

P(A
U B) = p(A) + p(B)
Nesse caso, A e B so chamados eventos mutuamente exclusivos.

2) eventos com ocorrncias simultneas:
I B
Da teoria dos conjuntos, temos:

n(A
B
A
De modo anlogo ao primeiro caso:
I B
O evento A
U B) = n(A) + n(B) n(A I B)
p(A
U B) = p(A) + p(B) p(A I B)
I B representa a ocorrncia simultnea dos eventos A e B.
Exemplo 1
Uma urna contm 25 bolas numeradas de 1 a 25. Uma bola extrada ao acaso
dessa urna.
a) Qual a probabilidade de o nmero da bola sorteada ser mltiplo de 2
ou de 3?
Consideremos os eventos A, o nmero mltiplo de 2 e B, o nmero
mltiplo de 3. Queremos encontrar p(A
U B). Temos:
43
Luiz Roberto
A = {2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24} p(A) =
B = {3, 6, 9, 12, 15, 18, 21, 24} p(B) =
n(B)
n()
n(A)
n()
12
25
8
25
A I B = {6, 12, 18, 24}: o evento formado pelos mltiplos de 2 e 3 ao mesmo

tempo, isto , pelos mltiplos de 6. Temos:
Como
p(A
U B) = p(A) + p(B) p(A I B)
Temos:
p(A
U B) =
12
8
4
+
=
25
25
25
p(A
I B) =
4
.
25
16
= 0,64 = 64%.
25
b) Qual a probabilidade de o nmero da bola sorteada ser mltiplo de 5

ou de 7?
A = {5, 10, 15, 20, 25} p(A) =
B = {7, 14, 21} p(B) =
Como A
p(A
5
25
3
25
I B = , temos:
U B) = p(A) + p(B) p(A U B) =
5
3
+
=
25
25
8
= 0,32 = 32%.
25
Exemplo 2
A probabilidade de um guarda rodovirio aplicar quatro ou mais multas em um
dia de 63%; a probabilidade de ele aplicar quatro ou menos multas em um dia
de 56%. Qual a probabilidade de o guarda aplicar exatamente quatro
multas?
Consideremos os eventos:
A: quatro ou mais multas; p(A) = 0,63
B: quatro ou menos multas; p(B) = 0,56
Temos:
1) A
I B o evento guarda aplica exatamente quatro multas. Queremos
determinar p(A
I B).
2) A
(em um dia o guarda aplica menos de quatro multas, ou quatro
U B =
multas, ou mais de quatro multas).
44
Assim, p(A
P(A
Luiz Roberto
U B) = p() = 1 (pois A U B o evento certo). Da:
U B) = p(A) + p(B) p(A I B)
1 = 0,63 + 0,56 - p(A
I B) p(A I B) = 0,19 = 19%
Exemplo 3
Observe a roleta da figura abaixo e pense na probabilidade existente de sada
para cada nmero.
a) Qual a probabilidade de cada evento elementar?

P(1) = P(2) = P(4) = P(5) = P(6) = P(7) = 1/8 P(3) = 2/8
b) Qual a probabilidade de o nmero ser par?
c) Qual a probabilidade de dar o nmero 3?

3.8
P({2,4,6}) = 3/8
P(3) = 2/8 = 1/4
Experincia Composta
Tambm
pode
nos
interessar
clculo
da
probabilidade
de
uma
experincia composta, ou seja, a realizao de dois ou mais experimentos

aleatrios simples.
Nesses
possvel
do
casos,
freqncia
experimento
obtida
relativa
a
esperada
partir
do
para
produto
cada
das
resultado
freqncias
relativas esperadas de cada elemento que compe o referido resultado.

Exemplo:
Temos uma moeda e duas caixas cheias de bolas coloridas. Na caixa A
temos duas bolas vermelhas e cinco pretas, enquanto na B h quatro bolas
vermelhas e uma bola azul.
Imagine a seguinte experincia composta: lanamos uma moeda; se der
"cara", extramos uma bola da caixa A; e se der "coroa", uma bola da caixa B.
Em seguida, vamos representar por um diagrama em rvore os resultados
possveis da experincia composta.
Vamos
Indicar
tambm
as
freqncias
relativas
esperadas
para
cada
experincia parcial.
Como observamos no esquema da figura anterior, o espao amostral :
= {(cara, vermelha), (cara, preta), (coroa, vermelha), (coroa, azul)}
45
Luiz Roberto
2
7
vermelha
cara
5
7
1
2
1
2
preta
vermelha
4
5
coroa
1
5
objetivo
definir
uma
azul
probabilidade
para
conjunto
que
representa os resultados possveis da experincia composta.

A relao de freqncia obtida atribuindo-se a cada resultado o
produto das freqncias relativas esperadas, que aparecem em cada ramo
completo do diagrama em rvore da figura.
Desta maneira, comprovamos que a relao de freqncia, neste caso, a
seguinte:
Elemento
Imagem
cara, vermelha
1/2 x 2/7 = 2/14
cara, preta
1/2 x 5/7 = 5/14
coroa, vermelha
1/2 x 4/7 = 4/14
coroa, azul
1/2 x 1/7 = 1/10
Agora podemos calcular a probabilidade de qualquer evento dessa

experincia composta.
3.9
Probabilidade condicional
Seja E:
lanar um dado e o evento A = {sair o n 3}. Ento, P(A) =
1
6
Considere agora o evento B = {sair um nmero mpar} = {1, 3, 6}.

de grande importncia para o clculo das probabilidades se calcular
a
probabilidade
condicional.
No
exemplo,
pode-se
querer
avaliar
probabilidade do evento A condicionada ocorrncia do evento B. Em smbolos,
46
Luiz Roberto
designa-se por P(A/B) e l-se: probabilidade do evento A condicionada

ocorrncia de B, ou melhor, probabilidade de A dado B.
Assim:
P(A/B) = 1/3.
Obs: dada a ocorrncia de um evento, teremos a reduo do espao-amostra; no

caso,
= {1, 2, 3, 4, 5, 6} foi reduzido para
= {1, 3, 5} e neste
espao-amostra reduzido que se avalia a probabilidade do vento.

Definio:
Dados
dois
eventos,
B,
denota-se
P(A/B)
probabilidade
condicionada do evento A, quando B tiver ocorrido, por:

P(A/B)
com P(B) 0,
pois B j ocorreu
P(A I B)
P(B)
Vamos encontrar uma frmula para o clculo da probabilidade condicional:
P(A/B)
P(A I B)
P(B)
NCF(A I B)
NTC
=
NCF(A
NCF(B)
I B)
NTC = Nmero
total de casos
NCF (B)
NTC
Desta maneira, para calcular a probabilidade de A dado B, basta contar o
nmero de casos favorveis ao evento A
I B: [NCF(A I B)] e dividir pela
quantidade de casos favorveis ao evento B: [NCF(B)].

Exemplo: Dois dados so lanados. Consideremos os eventos:
A = {(X1, X2)/ X1 +
X2
10}
B = {(X1, X2)/ X1 > X2}
Onde X1 o resultado do dado 1 e X2 o resultado do dado 2.

Calcular P(A); P(B); P(A/B); P(B/A)
Soluo
(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)

(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
P(A) =
NCF ao evento A
NTC
P(A/B) =
NCF a (A
I B)
NTC a B
3
36
1
3
47
1
12
Obs: apenas o par
(6,4) favorvel
ao evento (A I B).
Luiz Roberto
ESTATSTICA BSICA
4.4
CONCEITOS FUNDAMENTAIS
A Estatstica pode ser encarada como uma cincia ou como um mtodo de
estudo. Duas concepes para a palavra ESTATSTICA:

a) no plural (estatsticas), indica qualquer coleo consistente de dados
numricos, reunidos com a finalidade de fornecer informaes acerca de uma
atividade qualquer. Por exemplo, as estatsticas demogrficas referem-se
aos
dados
numricos
sobre
nascimentos,
falecimentos,
matrimnios,
desquites, etc.
b) no singular (estatstica), indica um corpo de tcnicas, ou ainda uma
metodologia
tcnica
desenvolvida
para
coleta,
classificao,
apresentao, a anlise e a interpretao de dados quantitativos e a

utilizao desses dados para a tomada de decises.
Qualquer cincia experimental no pode prescindir das tcnicas proporcionadas
pela Estatstica, como por exemplo, a Fsica, a Biologia, a Administrao, a
Economia, etc. Todos esses ramos de atividade profissional tem necessidade de
um instrumental que se preocupa com o tratamento quantitativo dos fenmenos
de massa ou coletivos, cuja mensurao e anlise requerem um conjunto de
observaes de fenmeno ou particulares.
DEFINIO DE ESTATSTICA
Estatstica a cincia que se preocupa com a coleta, a organizao,
descrio (apresentao), anlise e interpretao de dados experimentais e
tem como objetivo fundamental o estudo de uma populao.
Este estudo pode ser feito de duas maneiras:
Investigando todos os elementos da populao ou
Por amostragem, ou seja, selecionando alguns elementos da populao.
48
Luiz Roberto
Planejamento
Modelagem
Formulao e
anlise do
Problema
Experimentao
Coleta de
dados
Formulao do
modelo
conceitual
Traduo do
modelo
Experimentao
Verificao
e validao
do modelo
Anlise
estatstica
dos
resultados
Coleta de macro
informaes
4.5
Concluso
Planejamento do
projeto
Projeto
experimental
Comparao e
identificao
das melhores
solues
Documentao
Apresentao
dos resultados
Implementao
DIVISO DA ESTATSTICA
Mtodos
Estatsticos
Estatstica
Descritiva
Estatstica
Inferencial
Estatstica Descritiva: aquela que se preocupa com a coleta, organizao,

classificao,apresentao, interpretao e analise de dados referentes ao
fenmeno atravs de grficos e tabelas alm de calcular medidas que permita
descrever o fenmeno.
Estatstica Indutiva (Amostral ou Inferencial): a aquela que partindo de
uma
amostra,
estabelece
hipteses,
tira
concluses
sobre
populao
de
origem e que formula previses fundamentando-se na teoria das probabilidades.

A estatstica indutiva cuida da anlise e interpretao dos dados.
O processo de generalizao do mtodo indutivo est associado a uma
margem de incerteza. Isto se deve ao fato de que a concluso que se pretende
obter para o conjunto de todos os indivduos analisados quanto a determinadas
caractersticas comuns baseia-se em uma parcela do total de observaes.
49
Luiz Roberto
Populao?
Envolve:
Estimao
Teste de Hiptese
Propsito:
Tomar Decises sobre as
caractersticas da Populao
Populao
Estimativas &
testes
Estatstica
Amostral
( X )
Amostra
4.6
POPULAO
apresentam
conjunto,
em
finito
comum
ou
infinito,
determinadas
de
indivduos
caractersticas
ou
objetos
definidas,
que
cujo
comportamento interessa analisar.

A populao estudada em termos de observaes de caractersticas nos
indivduos (animados ou inanimados) que sejam relevantes para o estudo, e no
em termos de pessoas ou objetos em si. O objetivo tirar concluses sobre o
fenmeno em estudo, a partir dos dados observados.
Como em qualquer estudo estatstico temos em mente estudar uma ou mais
caractersticas dos elementos de uma populao, importante definir bem
essas caractersticas de interesse para que seja delimitado os elementos que
pertencem populao e quais os que no pertencem.
50
Luiz Roberto
Exemplos:
1. Estudar os filhos tidos, tipo de moradia, condies de trabalho, tipo de
sanitrio. Nmeros de quartos para dormir, estado civil, uso da terra, tempo
de trabalho, local de nascimento, tipo de cultivo, etc., dos agricultores do
Estado do Amazonas.
Populao: Todos os agricultores (proprietrios de terra ou no) plantadores
das culturas existentes no Estado do Amazonas.
2. Estudar a precipitao pluviomtrica anual (em mm) na cidade de Manaus.
Populao: Conjunto das informaes coletadas pela Estao Pluviomtrica,
durante o ano.
4.
As
alturas
dos
cidados
do
Amazonas
constituem
uma
populao
ou
populao dos pesos desses cidados.
Populao
Dados
Amostragem
Estatstica
Descritiva
Estatstica Inferencial
(Probabilidade)
Diviso Da Populao
- Populao Finita: apresenta um nmero limitado de elementos. possvel
enumerar todos os elementos componentes.
Exemplos:
1. Idade dos universitrios do Estado do Par.
Populao: Todos os universitrios do Estado do Par.
- Populao Infinita: apresenta um nmero ilimitado de elementos. No
possvel enumerar todos os elementos componentes.
Entretanto, tal definio existe apenas no campo terico, uma vez que,
na prtica, nunca encontraremos populaes com infinitos elementos, mas sim,
51
Luiz Roberto
populaes com grande nmero de componentes; e nessas circunstncias, tais

populaes so tratadas como se fossem infinitas.
Exemplos:
1. Tipos de bactrias no corpo humano
Populao: Todas as bactrias existentes no corpo humano.
2. Comportamento das formigas de certa rea
Populao: Todas as formigas da rea em estudo.
4.4
AMOSTRAGEM
coleta
das
informaes
de
parte
da
populao,
chamada
amostra (representada por pela letra n), mediante mtodos adequados de

seleo destas unidades.
4.5
AMOSTRA
uma
parte
(um
subconjunto
finito)
representativa
de
uma
populao selecionada segundo mtodos adequados.

O objetivo fazer inferncias, tirar concluses sobre populaes
com base nos resultados da amostra, para isso necessrio garantir que
amostra
seja
representativa,
ou
seja,
amostra
deve
conter
as
mesmas
caractersticas bsicas da populao, no que diz respeito ao fenmeno que

desejamos pesquisar.
O termo induo um processo de raciocnio em que, partindo-se do
conhecimento de uma parte, procura-se tirar concluses sobre a realidade no
todo.
Ao
induzir
estamos
sujeitos
erros.
Entretanto,
Estatstica
Indutiva, que obtm resultados sobre populaes a partir das amostras, diz
qual a preciso dos resultados e com que probabilidade se pode confiar nas
concluses obtidas.
4.6
CENSO
o exame completo de toda populao.
Quanto maior a amostra, mais precisas e confiveis devero ser as
indues feitas sobre a populao. Logo, os resultados mais perfeitos so

obtidos pelo Censo. Na prtica, esta concluso muitas vezes no acontece: o
emprego de amostras, com certo rigor tcnico, pode levar a resultados mais
52
Luiz Roberto
confiveis ou at mesmo melhores do que os que seriam obtidos atravs de um

Censo.
As razes de se recorrer a amostras so: menor custo e tempo para
levantar dados; melhor investigao dos elementos observados.
4.7
TIPOS DE VARIVEIS
Varivel Qualitativa
Quando seus valores so expressos por atributos ou qualidade.
Exemplos:
1) Populao: Estudantes universitrios do Estado do Par.
Variveis: sexo, profisso, escolaridade, religio, meio onde vivem (rural,
urbano).
2) Populao: Populao dos bairros perifricos do municpio de Belm.
Variveis: tipo de casa, existncia de gua encanada (sim, no), bairro de
origem.
Variveis qualitativas que no so ordenveis recebem o nome de nominais.
Exemplo: religio, sexo, raa, cor.
Raa do AM - 2005
Raa
Freqncia
Branca
Negra
Parda
Outra
Total
Fonte: Fictcia
Variveis qualitativas que so ordenveis recebem o nome de ordinais.
Exemplo: nvel de instruo, classe social.
Classe social
Classe social
do AM - 2005
Freqncia
Classe A
Classe B
Classe C
Classe D
Total
Fonte: Fictcia
53
Luiz Roberto
Varivel Quantitativa
Quando seus valores so expressos por nmeros. Esses nmeros podem ser
obtidos por um processo de contagem ou medio.
Exemplos:
1) Populao: Todos os agricultores do Estado do Par.
Variveis: nmero de filhos tidos, extenso da rea plantada, altura, idade.
2) Populao: Populao dos bairros perifricos do municpio de Belm
Variveis: nmero de quartos, rea da casa em m2, nmero de moradores.
A VARIVEL QUANTITATIVA DIVIDE-SE EM:
a. Varivel Discreta: so aquelas que podem assumir apenas valores inteiros
em pontos da reta real. possvel enumerar todos os possveis valores da
varivel.
Exemplos:
. Populao: Universitrios do Estado do Par.
Variveis: nmero de filhos, nmero de quartos da casa, nmero de moradores,
nmero de irmos.
b. Varivel Contnua: so aquelas que podem assumir qualquer valor num certo
intervalo (contnuo) da reta real. No possvel enumerar todos os possveis
valores.
. Populao: Todos os agricultores do Estado do Par.
Variveis: idade, renda familiar; extenso da rea plantada (em m2 ) , peso e
altura das crianas agricultoras.
4.8
DEFINIO DO PROBLEMA
A primeira fase do trabalho estatstico consiste em uma definio ou
formulao correta do problema a ser estudado e a seguir escolher a natureza

dos dados. Alm de considerar detidamente o problema objeto de estudo o
54
Luiz Roberto
analista dever examinar outros levantamentos realizados no mesmo campo e

anlogos, uma vez que parte da informao de que necessita pode, muitas
vezes, ser encontrada nesses ltimos. Saber exatamente aquilo que pretende
pesquisar o mesmo que definir de maneira correta o problema.
Por exemplo:
- os preos dos produtos agrcolas produzidos no Estado do Par so menores
do que queles originados de outros Estados?
-
qual a natureza e o grau de relao que existe entre a distribuio da

pluviosidade e a colheita do produto x?
estudar uma populao por sexo: dividi-se os dois grupos em masculino e

feminino;
estudar a idade dos universitrios, por grupos de idade: distribui-se o

total de casos conhecidos pelos diversos grupos etrios pr-estabelecidos;
Analisar a capacidade de germinao de certo tipo de cereal:

Calcular a mdia, a mediana e a moda do nmero de sementes germinadas, ou
seja, descrever com alguns valores resultados obtidos.
Representar graficamente os resultados.
Calcular a proporo de vasos com mais de trs sementes germinadas.
4.9
DEFINIO DOS OBJETIVOS (GERAL E ESPECFICO)

definir com exatido o que ser pesquisado.
recomendvel ter em vista um objetivo para o estudo,
coletar o material
em lugar de
e defin-lo no decorrer do trabalho ou s no fim deste.
Objetivos mais comuns em uma pesquisa:

.
Dados
pessoais:
grau
de
instruo,
religio,
nacionalidade,
dados
profissionais, familiares, econmicos, etc.

. Dados sobre comportamento: como se comportam segundo certas circunstncias.
Ex: possvel remanejamento da rea habitada.
.
Opinies,
expectativas,
nveis
de
informao,
angstias,
esperanas,
aspiraes sobre certos assuntos.

. Dados
sobre as
condies habitacionais e
de saneamento que avalie
condies em que vivem e a qualidade de vida de certo grupo.
55
as
4.10
Luiz Roberto
PLANEJAMENTO
Definio do Problema / Objetivos

Planejamento da pesquisa
Metodologia
de
estudo
Coleta e crtica e apurao dos dados

Apresentao dos dados
Metodologia
Estatstica
Anlise e interpretao dos dados

Resultados / Concluses
O problema est definido. Como resolv-lo? Se atravs de amostra, esta

deve ser significativa para que represente a populao.
O planejamento consiste em se determinar o procedimento necessrio para
resolver o problema e, em especial, como levantar informaes sobre o assunto
objeto de estudo. Que dados devero ser coletados? Como se deve obt-los?
preciso planejar o trabalho a ser realizado tendo em vista o objetivo que se
pretende atingir.
nesta fase que ser escolhido o tipo de levantamento a ser utilizado,
que podem ser:
a) levantamento censitrio, quando a contagem for completa, abrangendo todo o
universo;
b) levantamento por amostragem, quando a contagem for parcial.
Outros elementos importantes que devem ser tratados nessa fase so o
cronograma das atividades, atravs do qual so fixados os prazos para as
vrias fases, os custos envolvidos, o exame das informaes disponveis, o
delineamento da amostra, a forma como sero coletados os dados, os setores ou
reas de investigao, o grau de preciso exigido e outros.
4.11
COLETA DOS DADOS

Refere-se a obteno, reunio e registro sistemtico de dados, com o
objetivo determinado.
56
Luiz Roberto
A escolha da fonte de obteno dos dados est diretamente relacionada

ao
tipo
do
problema,
objetivos
do
trabalho,
escala
de
atuao
disponibilidade de tempo e recursos.

a) Fontes primrias: o levantamento direto no campo atravs de mensuraes
diretas ou de entrevistas ou questionrios aplicados a sujeitos de interesse
para a pesquisa.
Vantagens:
grau
de
detalhamento
com
respeito
ao
interesse
dos
quesitos
levantados; maior preciso das informaes obtidas.

b)
Fontes
secundrias:
quando
so
publicados
ou
registrados
por
outra
atravs
documentos
organizao.
A
coleta
de
dados
secundrios
se
realiza
de
cartogrficos (mapas, cartas, imagens e fotografias obtidas por sensor remoto

ou por fotogrametria e imagens de radar). Estas fontes de informao so de
extrema importncia.
Das fotografias areas em escalas reduzidas ou mais detalhadas, das
imagens de radares ou satlite e de cartas obtm-se informaes quanto ao uso
do solo, drenagem, estruturas virias e urbanas, povoamento rural, recursos
florsticos, minerais e pedolgicos, estrutura fundiria e de servios, dados
altimtricos, etc.
Vantagens: inclui um processo de reduo e agregao de informaes.
A coleta dos dados pode ser feita de forma direta ou indireta.
4.12
CRTICA DOS DADOS

A crtica dos dados deve ser feita com cuidado atravs de um trabalho
de reviso e correo, ao qual chamamos de crtica (consistncia), a fim de

no de incorrer em erros que possam afetar de maneira sensvel os resultados.
As
perguntas
dos
questionrios
uniformemente
mal
compreendidas,
os
enganos evidentes, tais como somas erradas, omisses, trocas de respostas e

etc, so fceis de corrigir. necessrio, entretanto, que o crtico no faa
a correo por simples suposio sua, mas sim que tenha chegado a concluso
absoluta do engano.
Quelet dividiu a crtica em: externa e interna.
A crtica externa refere-se as imperfeies porventura existentes na
coleta
dos
dados,
por
deficincia
do
observador,
por
imperfeio
do
instrumento de trabalho, por erro de registro nas fichas, impreciso nas

respostas aos quesitos propostos e outros fatores de erro que justificam um
57
Luiz Roberto
verificao minuciosa dos dados coletados antes de iniciar a elaborao do

trabalho de anlise.
A
crtica
informaes
interna
obtidas.
diz
respeito
mister
examinar
verificao
as
da
respostas
exatido
dadas,
das
sanando
imperfeies e omisses, de forma que os dados respondam com preciso aos

quesitos formulados.
As informaes relativas a profisso no devem ser vagas como, por
exemplo: operrio, mas sim, oleiro, pedreiro, carpinteiro, etc., conforme o
caso.
O estado
civil ser declarado: solteiro, casado, vivo ou desquitado.
Em resumo, os dados devem sofrer uma crtica criteriosa com o objetivo

de afastar os erros to comuns nessa natureza de trabalho. As informaes
inexatas ou omissas devem ser corrigidas. Os questionrios devem voltar a
fonte
de
origem
sempre
que
se
fizerem
necessrio
sua
correo
ou
complementao.
4.13
APURAO (ARMAZENAMENTO) DOS DADOS

um processo de apurao ou sumarizao que consiste em resumir os
dados atravs de sua contagem ou agrupamento. um trabalho de condensao e

de tabulao dos dados, que chegam ao analista de forma desorganizada.
Atravs da apurao, se tem a oportunidade de condensar os dados de
modo a obter um conjunto compacto de nmeros, o qual possibilita distinguir
melhor o comportamento do fenmeno na sua totalidade.
Os
dados
de
fenmenos
geogrficos
podem
ser
organizados
em
mapas,
tabelas, matrizes, disquetes ou fitas.

4.14
EXPOSIO OU APRESENTAO DOS DADOS

H duas formas de apresentao que no se excluem mutuamente:
Apresentao Tabular
uma apresentao numrica dos dados. Consiste em dispor os dados em
linhas
colunas
distribudos
de
modo
ordenado,
segundo
algumas
regras
prticas adotadas pelo Conselho Nacional de Estatstica. As tabelas tm a

vantagem de conseguir expor, sistematicamente em um s local, os resultados
58
Luiz Roberto
sobre determinado assunto, de modo a se obter uma viso global mais rpida
daquilo que se pretende analisar.
Apresentao Grfica
Constitui uma apresentao geomtrica dos dados. Permite ao analista
obter uma viso rpida e clara do fenmeno e sua variao.
4.15
ANLISE E INTERPRETAO DOS DADOS

Nessa
auxiliem
etapa,
interesse
pesquisador
estatsticos
est
ligada
maior
resolver
consiste
seu
essencialmente
em
tirar
problema.
ao
clculo
concluses
anlise
de
dos
medidas,
que
dados
cuja
finalidade principal descrever o fenmeno. Assim, o conjunto de dados a ser

analisado
pode
ser
expresso
por
nmero-resumo,
as
estatsticas,
que
evidenciam caractersticas particulares desse conjunto.

4.16
REGRAS DE ARREDONDAMENTO
De acordo com as Normas de Apresentao Tabular - 3 edio/1993 - da
Fundao IBGE, o arredondamento feito da seguinte maneira:

1. Se o nmero que vai ser arredondado for seguido de 0, 1, 2, 3 ou 4 ele
deve ficar inalterado.
Nmero a arredondar
6,197
12,489
20,733
35,992
Arredondamento para
Inteiro
Inteiro
Dcimos
Centsimos
Nmero arredondado
6
12
20,7
35,99
2. Se o nmero que vai ser arredondado for seguido de 5, 6, 7, 8 ou 9 ele

deve ser acrescido de uma unidade.
Nmero a arredondar
15,504
21,671
16,571
17,578
215,500
216,500
216,750
216,705
Arredondamento para
Inteiro
Inteiro
Dcimos
Centsimos
Inteiros
inteiros
dcimos
centsimos
59
Nmero arredondado
16
22
16,6
17,58
216
217
216,8
216,71
Luiz Roberto
OBS: No faa arredondamento sucessivos

Ex.: 17,3452 passa a 17,3 e no para 17,35 , para 17,4.
Se houver necessidade de um novo arredondamento, voltar aos dados originais.
Tabela 3.1: Produo de Caf
Brasil - 1978-1983
Anos
Quantidade
(1000 ton)
2535
2666
2122
3760
2007
2500
1978 (1)
1979
1980
1981
1982
1983
Fonte: Fictcia
Nota: Produo destinada para o consumo interno.
(1) Parte exportada para a Argentina.
Denomina-se SRIE ESTATSTICA toda tabela que apresenta a distribuio
de um conjunto de dados estatsticos em funo da POCA, do LOCAL, ou da
ESPCIE (fenmeno).
Numa srie estatstica observa-se a existncia de trs elementos ou
fatores: o TEMPO, o ESPAO e a ESPCIE.
Conforme varie um desses elementos, a srie estatstica classifica-se
em TEMPORAL, GEOGRFICA e ESPECFICA.
4.17
SRIE TEMPORAL, HISTRICA OU CRONOLGICA

a srie cujos dados esto em correspondncia com o tempo, ou seja,
variam com o tempo.

Tabela 3.2: Produo Brasileira de Trigo
1988-1993
Quantidade
Anos
(1000 ton)
1988 (1)
2345
1989
2451
1990
2501
1991
2204
1992
2306
1993
2560
Fonte: IBGE
Nota: Produo voltada para o consumo interno.
(1) Parte da produo exportada.
. Elemento varivel: tempo (fator cronolgico)
. Elemento fixo: local (fator geogrfico) e o fenmeno (espcie)
60
4.18
Luiz Roberto
GRFICOS ESTATSTICOS
A Estatstica Descritiva pode descrever os dados atravs de grficos.
A
apresentao
grfica
um
complemento
importante
da
apresentao
tabular. A vantagem de um grfico sobre a tabela est em possibilitar uma

rpida
impresso
visual
da
distribuio
dos
valores
ou
das
freqncias
observadas. Os grficos propiciam uma idia inicial mais satisfatria da

concentrao e disperso dos valores, uma vez que atravs deles os dados
estatsticos se apresentam em termos de grandezas visualmente interpretveis.
REQUISITOS FUNDAMENTAIS EM UM GRFICO:
a. Simplicidade: possibilitar a anlise rpida do fenmeno observado. Deve
conter apenas o essencial.
b. Clareza: possibilitar a leitura e interpretaes correta dos valores do
fenmeno.
c. Veracidade: deve expressar a verdade sobre o fenmeno observado.
TIPOS DE GRFICOS QUANTO A FORMA:
a. Diagramas: grficos geomtricos dispostos em duas dimenses. So mais
usados na representao de sries estatsticas.
b. Cartogramas: a representao sobre uma carta geogrfica, sendo muito
usado na Geografia, Histria e Demografia.
c. Estereogramas: representam volumes e so apresentados em trs dimenses.
d. Pictogramas: a representao grfica consta de figuras representativas do
fenmeno. Desperta logo a ateno do pblico.
CLASSIFICAO DOS GRFICOS QUANTO AO OBJETIVO
Grficos de informao
O
objetivo
proporcionar
uma
visualizao
rpida
clara
da
intensidade das categorias ou dos valores relativos ao fenmeno. So grficos

tipicamente expositivos, devendo ser o mais completo possvel, dispensando
comentrios explicativos.
61
Luiz Roberto
Caractersticas:
- deve conter ttulo em letra de forma;
-
as
legendas
podem
ser
omitidas,
desde
que
as
informaes
presentes
possibilitem a interpretao do grfico.

Grficos de anlise
Estes grficos fornecem informaes importantes na fase de anlise dos
dados, sendo tambm informativos.
Os grficos de anlise, geralmente, vm acompanhado de uma tabela e um
texto onde se destacam os pontos principais revelados pelo grfico ou pela
tabela.
4.19
PRINCIPAIS TIPOS DE GRFICOS
4.19.1
GRFICOS EM CURVAS OU EM LINHAS
So usados para representar sries temporais, principalmente quando a

srie cobrir um grande nmero de perodos de tempo.
Considere a srie temporal:
Tabela 4.1
Produo de Arroz do Municpio X - 1984-1994
Quantidade
Anos
(1000 ton)
1984
816
1985
904
1986
1.203
1987
1.147
1988
1.239
1989
1.565
1990
1.620
1991
1.833
1992
1.910
1993
1.890
1994
1.903
Fonte: Fictcia
62
Luiz Roberto
Grfico 4.1. Produo de Arroz do Municpio X - 1984-1994
(1000 ton)
2500
2000
1500
1000
500
0
84
4.19.2
85
86
87
88
89
90
91
92
93
94
GRFICOS EM COLUNAS
a
representao
de
uma
srie
estatstica
atravs
de
retngulos,
dispostos em colunas (na vertical) ou em retngulos (na horizontal). Este

tipo de grfico representa praticamente qualquer srie estatstica.
As regras para a construo so as mesmas do grfico em curvas.
As bases das colunas so iguais e as alturas so proporcionais aos
respectivos dados.
Exemplo:
Tabela 4.2
Produo de Soja do Municpio X - 1991-1995
Quantidade
Anos
(ton.)
1991
117.579
1992
148.550
1993
175.384
1994
220.272
1995
265.626
Fonte: Secretaria Municipal de Agricultura
Para cada ano construda uma coluna, variando a altura (proporcional

a cada quantidade). As colunas so separadas uma das outras.
Observao: O espao entre as colunas pode variar de 1/3 a 2/3 do tamanho da
base da coluna.
63
Luiz Roberto
Toneladas
Grfico 4.2. Produo de Soja do Municpio X - 1991-1995

300000
250000
200000
150000
100000
50000
0
1991
1992
1993
1994
1995
Uso do grfico em colunas para representar outras sries estatsticas

Tabela 4.3
reas (Km2) das Regies Fisiogrficas - Brasil - 1966
Regies Fisiogrficas
rea
(Km2)
Norte
3.581.180
Nordeste
965.652
Sudeste
1.260.057
Sul
825.621
Centro-oeste
1.879.965
Brasil
8.511.965
Fonte: IBGE.
Grafico 4.3. reas (Km2) das Regies Fisiogrficas - Brasil - 1966.
Km2 4.000.000
3.500.000
3.000.000
2.500.000
2.000.000
1.500.000
1.000.000
500.000
0
Norte
Nordeste
Sudeste
Sul
Centro-Oeste
Obs: Na tabela as regies so apresentadas em ordem geogrficas. No grfico

as colunas so ordenadas pela altura, da maior para a menor, da esquerda para
a direita.
64
4.19.7
Luiz Roberto
GRFICOS EM BARRAS
As alturas dos retngulos so iguais e arbitrrias e os comprimentos

so proporcionais aos respectivos dados.
As barras devem ser separadas uma das outras pelo mesmo espao de forma
que as inscries identifiquem as diferentes barras. O espao entre as barras
pode ser a metade ()
ou dois teros(2/3) de suas larguras.
As barras devem ser colocadas em ordem de grandeza de forma decrescente

para
facilitar
comparao
dos
valores.
categoria
outros
(quando
existir) so representadas na barra inferior, mesmo que o seu comprimento

exceda o de alguma outra.
Outra representao grfica da Tabela 4.3:
Grafico 4.4. reas (Km2) das Regies Fisiogrficas - Brasil - 1966.

Norte
Centro-Oeste
Sudeste
Nordeste
Sul
0
00
00
00
00
00
00
00
00
.0
.0
.0
.0
.0
.0
.0
.0
0
0
0
0
0
0
0
0
Km2
00
00
50
50
50
00
00
50
1.
2.
2.
1.
3.
3.
4.
Tabela 4.4 Matrcula no Ensino Superior, segundo os ramos de ensino -Brasil - 1995
Ramos de ensino
Filosofia, Cincias e Letras
Direito
Engenharia
Administrao e Economia
Medicina
Odontologia
Agricultura
Servio Social
Arquitetura e Urbanismo
Farmcia
Demais ramos
Total
65
Matrculas
44.802
36.363
26.603
24.027
17.152
6.794
4.852
3.121
2.774
2.619
11.002
180.109
Luiz Roberto
Grafico 4.5. Matrcula efetiva no Ensino Superior, segundo os ramos de ensino - Brasil - 1999.
Filosofia, Cincias e Letras
Direito
Engenharia
Administrao e Econmia
Medicina
Odontologia
Agricultura
Servio Social
Arquitetura e Urbanismo
Farmcia
Demais ramos
0
00
10
00
50
0
00
15
0
00
20
0
00
40
0
00
35
0
00
30
0
00
25
0
00
45
Matrculas
OBS: Quando a varivel em estudo for qualitativa e os nomes das categorias

for extenso ou as sries forem geogrficas ou especficas prefervel o
grfico em barras, devido a dificuldade em se escrever a legenda em baixo da
coluna.
4.19.8
GRFICO EM COLUNAS MLTIPLAS (AGRUPADAS)

um
tipo
de
grfico
til
para
estabelecer
comparaes
entre
as
Grfico
de
grandezas de cada categoria dos fenmenos estudados.

A
modalidade
de
apresentao
das
colunas
chamado
de
Colunas Remontadas. Ele proporciona economia de espaos sendo mais indicado

quando a srie apresenta um nmero significativo de categorias.
Exemplo:
Tabela 4.5 Entrada de migrantes em trs Estados do Brasil - 1992-1994
Nmero de migrantes
Anos
Estados
Total
1992
4.526
1993
4.633
1994
4.450
Fonte: Fictcia
Amap
2.291
2.456
2.353
66
So Paulo
1.626
1.585
1.389
Paran
609
592
708
Quantidade
Luiz Roberto
Grfico 4.6. Entrada de migrantes em trs Estados do Brasil

1992-1994.
2500
2000
1500
1000
500
0
1992
Amap
4.19.9
1993
So Paulo Paran
1994
GRFICO EM BARRAS MLTIPLAS (AGRUPADAS)
til quando a varivel for qualitativa ou os dizeres das categorias a

serem escritos so extensos.
Exemplo:
Tabela 4.6
Importao de vinho e champanhe (BR) proveniente de vrias origens - 1994
Pases
Importao (1.000 dlares)

Vinho
Champanhe
220
15
175
25
230
90
50
5
75
20
110
16
Portugal
Itlia
Frana
Argentina
Chile
Espanha
Grfico 4.7. Importao Brasileira de vinho e champanhe proveniente de vrias origens 1994.
Frana
Portugal
Itlia
Espanha
Chile
Argentina
50
100
Vinho
67
Champanhe
150
200
250
1000 dlares
4.19.10
Luiz Roberto
GRFICO EM SETORES
a representao grfica de uma srie estatstica em um crculo de

raio qualquer, por meio de setores com ngulos centrais proporcionais s
ocorrncias.
utilizado quando se pretende comparar cada valor da srie com o
total.
O total da srie corresponde a 360 (total de graus de um arco de
circunferncia).
O
grfico
em
setores
representam
valores
absolutos
ou
porcentagens
complementares.
As sries geogrficas, especficas e as categorias em nvel nominal so
mais representadas em grficos de setores, desde que no apresentem muitas
parcelas (no mximo sete).
Cada parcela componente do total ser expressa em graus, calculada
atravs de uma regra de trs:
Total
Parte
Exemplo:
360
x
Tabela 4.7
Produo Agrcola do Estado A - 1995
Produtos
Quantidade (t)
Caf
400.000
Acar
200.000
Milho
100.000
Feijo
20.000
Total
720.000
Fonte: Fictcia
Grfico 4.8. Produo Agrcola do Estado A - 1995.

Milho
14%
Feijo
3%
Caf
55%
Aucar
28%
Outras maneiras de representar graficamente a Tabela 4.7:
68
Luiz Roberto

Quantidade (t)
400.000
350.000
300.000
250.000
200.000
150.000
100.000
50.000
0
Caf
Aucar
Milho
Feijo

Caf
Aucar
Milho
Feijo
00
.0
0
5
00
.
00
00
.
50
00
.
00
00
.
50
00
.
00
00
.
50
00
.
00
Quantidade (t)
4.20 DISTRIBUIO DE FREQNCIAS

As tabelas estatsticas, geralmente, condensam informaes de fenmenos
que necessitam da coleta de grande quantidade de dados numricos. No caso das
distribuies de freqncias que um tipo de srie estatstica, os dados
referentes ao fenmeno objeto de estudo se repetem na maioria das vezes
sugerindo a apresentao em tabela onde apaream valores distintos um dos
outros.
DISTRIBUIO DE FREQNCIA PARA DADOS AGRUPADOS
a srie estatstica que condensa um conjunto de dados conforme as
freqncias ou repeties de seus valores. Os dados encontram-se dispostos em
classes ou categorias junto com as freqncias correspondentes. Os elementos
69
poca,
local
fenmeno
Luiz Roberto
so
fixos.
fenmeno
apresenta-se
atravs
de
gradaes, ou seja, os dados esto agrupados de acordo com a intensidade ou

variao quantitativa gradual do fenmeno.
REPRESENTAO DOS DADOS AMOSTRAIS OU POPULACIONAIS
a. Dados brutos: so aqueles que no foram numericamente organizados, ou
seja, esto
Tabela
2
6
1
3
3
na forma com que foram coletados.
4.1 - Nmero de filhos

3
0
2
1
1
4
4
1
3
1
3
5
0
4
1
de um grupo de 50 casais
1
1
1
3
0
1
5
6
1
7
6
2
7
1
3
1
2
2
1
2
2
0
0
1
3
5
2
1
0
2
b. Rol: a organizao dos dados brutos em ordem de grandeza crescente ou

decrescente.
Tabela 4.2 - Nmero de filhos de um grupo de 50 casais
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
3
3
3
3
3
3
3
4
4
5
5
5
6
6
6
1
1
2
3
7
1
1
2
4
7
A simples observao dos dados brutos apresentados na Tabela 4.1 no

nos permite explicar o comportamento das variveis em estudo.
Um primeiro passo a ser dado, na obteno de informaes mais resumidas
e precisas a respeito do comportamento das variveis, a construo de
tabelas de freqncia.
Para cada varivel estudada, contamos o nmero de vezes que ocorre cada
uma das suas realizaes (ou valores). O nmero obtido chamado freqncia
absoluta e indicado por ni (cada realizao de uma varivel apresenta um
valor para n).
Considerando as realizaes da varivel nmero de filhos, temos os
seguintes valores de ni (conforme Tabela 4.2):
O filhos: 6
4 filhos: 3
1 filho: 16
5 filhos: 3
2 filhos: 9
6 filhos: 3
3 filhos: 8
7 filhos: 2
70
Luiz Roberto
c. Distribuio de freqncias: a disposio dos valores com as respectivas

freqncias.
nmero
levantamento
qualquer,
de
observaes
chamado
ou
repeties
freqncia
desse
de
um
valor.
valor,
Uma
em
um
tabela
de
freqncias aquela onde se procura fazer corresponder os valores observados

da varivel em estudo e as respectivas freqncias.
Freqncia
absoluta
(Fi): a freqncia absoluta no uma medida muito
eficiente para a anlise dos dados, especialmente nos caso em que se deseja
comparar
distribuio
de
uma
mesma
varivel
ao
longo
de
populaes
diferentes (poderamos estar interessados em comparar o nmero de filhos em

vrios pases africanos). Assim, precisamos definir uma medida que leve em,
considerao o nmero total de observaes colhidas.
Freqncia relativa (fi): Para isso, definimos a freqncia relativa (fi)
como a razo entre a freqncia absoluta (Fi) e o nmero total de observaes
n, isto :
fi =
Como Fi
n, segue que 0
Fi
n
fi
1. Por esse motivo, comum
expressar fi em porcentagem.
Para
expressar
resultado
em
termos
percentuais,
multiplica-se
quociente obtido por 100.
Em % = fi =
Fi
n
. 100
Obs 1: a soma das freqncias relativas de uma tabela de freqncia sempre

igual a 1,00 : fi = 1,00.
Obs
2:
soma
das
freqncias
relativas
percentuais
de
uma
freqncia sempre igual a 100%.

c.1. Distribuio de freqncias para varivel discreta
Os dados no so agrupados em classes:
71
tabela
de
Varivel N
filhos (xi)
0
1
2
3
4
5
6
7
Total ()
Luiz Roberto
Freqncia
absoluta:
Numero de
casais (Fi)
6
16
9
8
3
3
3
2
50
Freqncia
relativa (fi)
Porcentagem
6/50 = 0,12
16/50 = 0,32
9/50 = 0,18
8/50 = 0,16
3/50 = 0,06
3/50 = 0,06
3/50 = 0,06
2/50 = 0,04
1,00
12%
32%
18%
16%
6%
6%
6%
4%
100%
Obs:
1. X: representa a varivel Nmero de filhos.
2. xi: representa os valores que a varivel assume.
3. Fi: o nmero de vezes que cada valor aparece no conjunto de dados
(freqncia absoluta).
4. fi: representa a freqncia relativa
5. ni = n = 50 : tamanho da amostra (ou n de elementos observados).
c.2. Distribuio de freqncias para varivel contnua
Os dados da varivel so agrupados em classe (grupo de valores).
1. Dados brutos
Tabela 4.5 - Taxas municipais de urbanizao (em %) no Estado
8
24
46
13
38
54
44
20
18
15
30
24
20
8
24
18
38
79
15
62
23
13
62
18
11
17
9
35
23
22
37
36
10
6
92
16
15
23
37
36
44
17
9
30
26
18
37
43
28
41
42
35
35
42
71
50
19
7
28
23
29
29
58
77
12
40
25
7
32
34
22
7
9
16
31
30
de AL - 2000
17
14
9
10
8
22
8
13
8
13
14
9
52
17
72
34
44
15
2. Rol
Tabela 4.6 - Rol das taxas municipais de urbanizao,
6
6
7
7
7
8
8
9
9
9
9
10
10
11
13
13
14
14
14
15
15
16
17
17
17
17
18
18
20
20
22
22
22
23
23
24
24
25
26
28
28
29
30
31
32
34
34
34
35
37
37
38
38
40
41
42
44
44
46
50
52
54
58
72
77
79
92
72
em AL (em %) - 2000.
8
8
9
12
13
13
15
15
16
18
18
19
23
23
24
29
30
30
35
35
36
42
43
44
62
62
71
Luiz Roberto
3. Distribuio de freqncias para dados agrupados em classes

Tabela 4.7 - Taxas municipais de urbanizao, no Estado de AL (em %) - 2000.
Freqncia absoluta:
Taxas (em %)
Nmero de municpios(Fi)
6 --- 16
29
16 --- 26
24
26 --- 36
16
36 --- 46
13
46 --- 56
4
56 --- 66
3
66 --- 76
2
76 --- 86
2
86 --- 96
1
94
Total ()
Obs:
recomenda-se
agrupar
os
valores
observados
em
classes,
tanto
para
variveis contnuas quanto para discretas. Assim, evita-se grande extenso da

tabela e a no interpretao dos valores de fenmeno.
ELEMENTOS DE UMA DISTRIBUIO DE FREQNCIA
a.
Amplitude
total
(AT):
diferena
entre
maior
menor
valor
observado no experimento.
No exemplo, tabela 4.6, AT = 92 - 6 = 86
b. Amplitude da classe (Ac): a diferena entre o maior e o menor valor da
classe.
No exemplo, tabela 4.7, Ac = 16 - 6 = 10
ou
36 26 = 10.
Devemos procurar construir classes de mesma amplitude para que no haja

comprometimento na anlise.
c. Classe: cada um dos grupos de valores do conjunto de valores observados,
ou seja, so os intervalos de variao da varivel.
Identifica-se uma classe pelos seus extremos ou pela ordem em que se
encontra na tabela.
6 --- 16
(1 classe);
86 --- 96
(7 classe)
Formas de expressar os limites das classes

20 -- 23: compreende todos os valores entre 20 e 23, inclusive os extremos.
20 ---- 23: compreende todos os valores entre 20 e 23, excluindo o 23.
20 ---- 23: compreende todos os valores entre 20 e 23, excluindo o 20.
20 ----- 23: compreende todos os valores entre 20 e 23, excluindo os extremos.
73
4.21
Luiz Roberto
DISTRIBUIES CUMULATIVAS
Freqncia absoluta acumulada (Fac)

a soma das freqncias de valores inferiores ou iguais ao valor dado.
Exemplo:
xi
Fi
Fac
12
14
14
Se quisermos incluir a freqncia relativa (fi=
xi
Fi
Fac
fi
5/14
12
7/14 = 1/2
14
2/14 = 1/7
14
Fi
) nesta tabela:
n
Pontos mdios das classes

a mdia aritmtica entre o limite superior e o limite inferior da classe.
Assim, se a classe for 10-12, teremos:
Xi =
10 + 12
= 11
2
Histograma
a representao grfica de uma distribuio de freqncia por meio de
retngulos justapostos.
Polgono de freqncia
a representao grfica de uma distribuio de freqncia por meio de um
polgono.
74
Luiz Roberto
Fi
Exemplo:
Idade
Fi
2-4
4-6
6-8
10
8-10
10-12
26
10
9
8
7
6
5
4
3
2
1
1
10
11
12
limite das classes

4.22 MEDIDAS DE POSIAO (ou DE TENDNCIA CENTRAL)
As distribuies de freqncias para variveis discretas e contnuas
descrevem os grupos que uma varivel pode assumir. possvel visualizar a
concentrao de valores de uma distribuio de freqncias. Se se localizam
no incio, no meio ou no final, ou se distribuem de forma igual.
As medidas de posio so chamadas de medidas de tendncia central,
devido tendncia dos dados observados se concentrarem em torno desses
valores centrais que se localizam em torno do centro de uma distribuio.
As medidas (nmero-resumo) mais usadas para representar um conjunto de
dados so a mdia, a moda e a mediana.
75
4.22.1
Luiz Roberto
Mdia Aritmtica
16 Mdias amostrais
Distribuio amostral
2 Obs.
Obs
1,0
1,5
2,0
2,5
.3
1,5
2,0
2,5
3,0
.2
2,0
2,5
3,0
3,5
.1
2,5
3,0
3,5
4,0
.0
Histograma
X
1,0
1,5
2,0
2,5
3,0
3,5
4,0
Mdia aritmtica para dados no-agrupados (ou dados simples)

Seja X uma varivel que assume os valores x1, x2, x3 ,..., xn. A mdia
aritmtica simples de X, representada por x, definida por:
n
x1 + x2 + x3 + ... + xn
=
xi =
n
xi
i =1
ou simplesmente
x
n
xi : so os valores que a varivel X assume

n: nmero de elementos da amostra observada
Exemplo: A produo leiteira diria da vaca V, durante uma semana, foi de 10,
15, 14, 13, 16, 19, e 18 litros. Determinar a produo mdia da semana (a
mdia aritmtica).
xi =
x1 + x2 + x3 + ... + xn
n
10 + 15 + 14 + 13 + 16 + 19 + 18
7
15 litros
Mdia aritmtica para dados agrupados

Se
os
valores
da
varivel
forem
agrupados
em
uma
distribuio
de
freqncias ser usada a mdia aritmtica dos valores x1, x2, x3 ,..., xn
ponderadas pelas respectivas freqncias absolutas: F1, F2, F3 ,..., Fn.
76
Luiz Roberto
X=
xiFi
ou
I =1
X=
Fixi
n
A frmula acima ser usada para as distribuies de freqncias sem classes e

com classes.
Mdia
aritmtica
para
dados
agrupados
sem
classes
(Mdia
aritmtica
ponderada)
Nmero de
Numero
filhos
de casais
Fi . xi
(xi)
(Fi)
0
6
Fixi
X =
=
1
16
n
2
9
3
8
4
3
5
3
X = 2,3 filhos
6
3
7
2
50
Total ()
Os 50 casais possuem, em mdia 2,3 filhos.
117
50
= 2,34
Mdia aritmtica para dados agrupados com classes intervalares

(Dados com classes): Determinar a mdia aritmtica da Tabela 4.7
Tabela 4.7 - Taxas municipais de urbanizao, no Estado AL (em %) 1970.
Nmero de
Municpios
xi
Taxas (em %)
xi . Fi
(Fi)
6 --- 16
29
16 --- 26
24
26 --- 36
16
36 --- 46
13
46 --- 56
4
56 --- 66
3
66 --- 76
2
76 --- 86
2
86 --- 96
1
94
Total ()
Fixi
n
__________
77
Luiz Roberto
Propriedades da mdia aritmtica

1 propriedade
A soma algbrica dos desvios em relao mdia zero (nula).
di = (xi - x) = 0 ; onde: di so as distncias ou afastamentos da mdia.
Em uma distribuio simtrica, a soma algbrica dos desvios em relao
mdia ser igual a zero; e tender a zero se a distribuio for assimtrica.
Idades (xi)
2
4
6
8
10
d1
d2
d3
d4
d5
=
=
=
=
=
di = xi 2 6 =
4 6 =
6 6 =
8 6 =
10 6 =
x
-4
-2
0
+2
+4
0
X =
2 + 4 + 6 + 8 + 10
5
2 propriedade
Somando-se ou subtraindo-se uma constante (c) a todos os valores de uma
varivel, a mdia do conjunto fica aumentada ou diminuda dessa constante.
Somar o valor 2 aos dados da tabela e calcular a nova mdia
Idades (xi)
2
4
6
8
10
A nova mdia ser:
X =
xi +
2 + 2 =
4 + 2 =
6 + 2 =
8 + 2 =
10 + 2 =
2
4
6
8
10
12
40
40
= 8.
5
No caso, a mdia aritmtica anterior ficou aumentada de 2.

3 propriedade
Multiplicando-se ou dividindo-se todos os valores de uma varivel por
uma constante (c), a mdia do conjunto fica multiplicada ou dividida por essa
constante:
Multiplicar o valor 2 aos dados da tabela e calcular a nova mdia
Idades (xi)
2
4
6
8
10
xi x
2 x 2 =
4 x 2 =
6 x 2 =
8 x 2 =
10 x 2 =
78
2
4
8
12
16
20
60
A nova mdia : X =
4.22.2
Luiz Roberto
60
= 12. A mdia aritmtica ficou multiplicada por 2.
5
Esperana matemtica
Esperana Matemtica ou Mdia de uma varivel aleatria discreta definida:

E[X] =
= =
P(xi)
Exemplo:
E = lanamento de um dado
X = ponto obtido: 1, 2, 3, 4, 5, 6
P(X) =
1
1
1
1
1
1
,
,
,
,
,
6
6
6
6
6
6
E(X) = 1 .
4.22.3
1
1
1
1
1
1
+2.
+3.
4.
+5.
+6.
= 3,5
6
6
6
6
6
6
Moda (Mo)
Tambm chamada de norma, valor dominante ou valor tpico.

Define-se
moda
como
valor
que
ocorre
com
maior
freqncia
em
conjunto de dados.
Exemplo: Se o salrio modal dos empregados de uma empresa igual a mil
reais, este o salrio recebido pela maioria dos empregados dessa empresa.
A moda utilizada quando os dados esto na escala nominal.
Exemplo:
Sexo dos alunos Turma A Escola Z
Sexo
Freqncia
Masculino
40
Feminino
60
Total
100
A moda sexo feminino porque tem maior freqncia.
Moda para dados no agrupados
Primeiramente os dados devem ser ordenados para , em seguida,
observar o valor que tem maior freqncia.
Exemplo: Calcular a moda dos seguintes conjuntos de dados:
79
Luiz Roberto
1. X = (4, 5, 5, 6, 6, 6, 7, 7, 8, 8) Mo = 6 (o valor mais freqente)

Esse conjunto unimodal, pois apresenta apenas uma moda.
2. Y = (1, 2, 2, 2, 3, 4, 4, 4, 5, 5, 6) Mo = 2 e Mo = 4 (valores mais
freqentes)
Esse conjunto bimodal, pois apresenta duas modas.
3. Z = (1, 2, 2, 2, 3, 3, 3, 4, 4, 4, 5) Mo = 2, Mo = 3 e Mo = 4 (valores
mais freqentes)
Esse conjunto plurimodal, pois apresenta mais de duas modas.
4. W = (1, 2, 3, 4, 5, 6) Esse conjunto amodal porque no apresenta um
valor predominante.
Moda para dados agrupados sem classes
Basta observar, na tabela, o valor que apresenta maior freqncia.
1) Clculo da moda pelo ROL
Na Tabela 4.2, o resultado 1 aparece mais vezes Mo =1.
0
0
0
0
0
0
1
1
2) Clculo da moda pela distribuio de freqncias sem classes

Nmero de
filhos
(xi)
0
1
2
3
4
5
6
7
Total ()
Numero de
casais
(fi)
6
16
9
8
3
3
3
2
50
O valor 1 apresenta a maior freqncia.

Mo = 1
Esse resultado indica que casais com
um filho foi o resultado mais observado.
80
Luiz Roberto
Moda para dados agrupados com classes

Tabela 4.7 Taxas municipais de urbanizao (em %) Alagoas, 1970.
1 passo: Identifica-se a classe de maior freqncia:
Nmero de
Taxas(%)
A maior freqncia 29 (1 classe): 6 --- 16
Municpios
(fi)
6 --- 16
16 --- 26
26 --- 36
36 --- 46
46 --- 56
56 --- 66
66 --- 76
76 --- 86
86 --- 96
Total ()
4.22.4
29
24
16
13
4
3
2
2
1
94
2 passo: Aplica-se a frmula:
Mo =
Li + Ls
2
Li: limite inferior da classe modal = 6

Ls: limite superior da classe modal = 16
6 + 16
Mo =
11
Mediana (Md)
uma medida de posio cujo nmero divide um conjunto de dados em duas

partes
iguais.
Por
esse
motivo,
mediana
considerada
uma
medida
separatriz. Portanto, a mediana se localiza no centro de um conjunto de

nmeros ordenados segundo uma ordem de grandeza.
Mediana -
para dados no agrupados
a) O nmero de valores
b) O nmero de valores observados par
observados impar
Exemplo: Considere o conjunto de dados:
Exemplo: Considere o conjunto de
dados:
X = (4, 3, 9, 8, 7, 2, 10, 6)
X = (5, 2, 7, 10, 3, 4, 1)
1) Colocar os valores em ordem crescente

ou decrescente:
1) Colocar os valores em ordem X = (2, 3, 4, 6, 7, 8, 9, 10)
crescente ou decrescente:
2) Determinar a ordem ou posio (P) da
X = (1, 2, 3, 4, 5, 7, 10)
2)
Determinar
a
ordem
posio (P) da Mediana por
ou
P =
n +1
,
2
7 +1
P =
= 4 ==> 4 posio.
2
4 posio o nmero 4.
Mediana:
P =
P =
n
2
8
= 4 posio
2
P =
n
+ 1 ,
2
P =
8
+ 1 = 5
2
posio
Os nmeros so 6 (4 posio) e 7 (5
posio). Tira-se a mdia aritmtica entre
os dois nmeros.
Md = 4
Md =
6+7
2
81
= 6,5
4.22.5
Luiz Roberto
Medidas de disperso (Medidas de variabilidade)
So medidas utilizadas para medir o grau de variabilidade, ou disperso

dos valores observados em torno da mdia aritmtica. Servem para medir a
representatividade da mdia e proporcionam conhecer o nvel de homogeneidade
ou heterogeneidade dentro de cada grupo analisado.
Considere a seguinte situao:
Um empresrio deseja comparar a performance de dois empregados, com
base na produo diria de determinada pea, durante cinco dias:
Empregado A : 70, 71, 69, 70, 70 x = 70
Empregado B : 60, 80, 70, 62, 83 x = 71
A
performance
mdia
do
empregado
de
70
peas
produzidas
diariamente, enquanto que a do empregado B de 71 peas. Com base na mdia

aritmtica, verifica-se que a performance de B melhor do que a de A. Porm,
observando bem os dados, percebe-se que a produo de A varia apenas de 69 a
71 peas, ao passo que a de B varia de 60 a 83 peas, o que revela que a
performance de A bem mais uniforme do que de B.
Qual o melhor empregado?
Amplitude total (AT)
a diferena entre o maior e o menor valor observado.
AT
xmax xmin
Empregado A = 71 69 = 2
Empregado B = 83 60 = 23
Desvio mdio (DM)

Analisa todos os desvios ou distncias em relao a mdia aritmtica.
O clculo dos desvios feito por:
di
A soma de todos os desvios em

relao a mdia aritmtica
igual a zero:
(xi X )
xi = valores observados
di = (xi X ) = 0
X = mdia aritmtica
82
Luiz Roberto
Clculo dos di:

Empregado
d1 = 70
d2 = 71
d3 = 69
d4 = 70
d5 = 70
di = 0
A
70
70
70
70
70
=
=
=
=
=
0
+1
1
0
0
Empregado
d1 = 60
d2 = 80
d3 = 70
d4 = 62
d5 = 83
di = 0
B
71
71
71
71
71
Para eliminar a soma zero, coloca-se os

desvios em mdulo:
Empregado B
Empregado A
=
=
=
=
=
11
+9
1
9
+12
d1 =
d2 =
d3 =
d4 =
d5 =
|0|=0
|+1| = 1
|1|= 1
|0|=0
|0|=0
| di | = 2
d1 =
d2 =
d3 =
|11|
|+9 |
|1 |
|9 |
= 11
= 9
= 1
= 9
d4 =
d5 = |+12 | = 12
| di | = 42
Dessa forma, possvel calcular a mdia dos desvios por:
DM
| di |
n
| xi X |
Empregado A
DM =
2
5
Empregado B
DM =
= 0,4
42
5
= 8,4
Com freqncia absoluta (Fi):
DM =
4.22.6
| di | .Fi
| xi X |.Fi
n
Varincia
Considera-se o quadrado de cada desvio, (xi X )2, evitando que di =
0.
Assim, a definio da varincia populacional dada por:
=
2
(di)2.Fi
n
(xi - X )2.Fi .
n
Trata-se da mdia aritmtica dos quadrados

dos desvios.
2 indica a varincia populacional e l-se sigma ao quadrado.

X indica a mdia da populao.
d1
d2
d3
d4
d5
Empregado A
= (0)2 = 0
= (+1)2 = 1
= (1)2 = 1
= (0)2 = 0
= (0)2 = 0
(di)2 = 2
d1
d2
d3
d4
d5
Empregado B
Empregado A
= (11)2 = 121
2
= 0,4
2 =
= (+9)2 = 81
5
= (1)2 = 1
= (9)2 = 81
= (+12)2 = 144
(di)2 = 428
83
Empregado B
2 =
428
= 85,6
5
Luiz Roberto
Para o caso do clculo da varincia amostral, conveniente o uso da

seguinte frmula:
(xi - X)2.Fi .
S =
As
n 1
diferenas
populacional
entre
( 2 ),
as
frmulas
utiliza-se
so:
mdia
para
populacional
caso
da
(X )
varincia
tendo
como
denominador o tamanho da populao (n). Para o clculo da varincia amostral

(S2), utiliza-se a mdia amostral ( X ), tendo como denominador o tamanho da
mostra menos um (n-1). Assim, podemos usar as frmulas prticas para os
clculos das varincias:
2 =
1
xi 2 Fi
n
( (xiFi) 2 )
n
S2 =
1
n 1
xi Fi
( (xiFi) 2 )
n
que foram obtidas por transformao nas respectivas frmulas originais.

4.22.7
Desvio-padro
a raiz quadrada da varincia.

Na frmula original para o clculo da varincia, observa-se que uma soma
de quadrados. Por exemplo, se a unidade original for metro (m) o resultado
ser metro ao quadrado (m2). Para retornar a unidade de medida original,
extrai-se a raiz quadrada da varincia, passando a chamar-se de desviopadro.
Desvio-padro populacional
Desvio-padro amostral
s
s2
Exemplo 1: Calcular o desvio-mdio, a varincia e o desvio padro da seguinte

distribuio amostral:
xi
Fi
5
2
7
3
8
5
1) Clculo do desvio mdio:

DM =
| xi X |.Fi
n
ou
| di | .Fi
n
84
9
4
11
2
Luiz Roberto
Primeiramente, precisa-se do valor da mdia:

Fi
2
3
5
4
2
16
xi
5
7
8
9
11
xi . Fi
10
21
40
36
22
129
Fixi
n
129
= 8,06
16
Para o clculo do DM , so abertas novas colunas, assim:

xi
Fi
xi . Fi
| xi X |
|di| Fi
5
7
8
9
11
2
3
5
4
2
16
10
21
40
36
22
129
| 5 - 8,06 |
| 7 - 8,06 |
| 8 - 8,06 |
| 9 - 8,06 |
| 11 - 8,06 |
6,12
3,18
0,30
3,76
5,88
19,24
Portanto, DM =
| di | .Fi
n
19,24
= 1,20
16
2) Clculo da varincia amostral:
S =
1
n 1
xi
(
( xiFi) 2 )
Fi
n
Observe que o clculo ser facilitado, pois n = 16 e xi Fi = 129.

Falta encontrar xi2 Fi. Para isso, uma nova coluna considerada na tabela.
xi
5
7
8
9
11
Logo: S2 =
Fi
2
3
5
4
2
16
xi2 Fi
10
147
320
324
242
1.083
xi . Fi
10
21
40
36
22
129
(129 )2 = 2,86
1
1083
16 1
16
Ento, a varincia amostral S2 = 2,86.
85
Luiz Roberto
3) Clculo do desvio padro amostral:

Como S
S2
2,86 = 1,69.
S =
Resumindo: a distribuio possui uma mdia 8,06. Isto , seus valores esto
em torno de 8,06 a seu grau de concentrao de 1,2, medido pelo Desvio
Mdio, e de 1,69, medido pelo Desvio-Padro.
Exemplo 2: Dada a distribuio amostral abaixo, calcular a mdia, o desvio
mdio e o desvio padro.
Classes
2 ---- 4
4 ---- 6
Fi
6 ---- 8 8 ---- 10 10 ---- 12

7
A construo da tabela auxiliar para os clculos deve ser construda

medida que voc for necessitando dos resultados parciais; a ordem das colunas
no importante. Eis a tabela auxiliar:
|di| Fi
X2 Fi
- 7,2|= 4,2
8,4
18
|7
- 7,2|= 2,2
8,8
100
49
|8
- 7,2|= 0,2
1,4
343
36
|9
- 7,2|= 1,8
7,2
324
11
33
|11
- 7,2|= 3,8
11,4
363
16
129
37,2
1.148
Classes
xi
Fi
xi . Fi
2 ---- 4
|3
4 ---- 6
20
6 ---- 8
8 ---- 10
10 ---- 12
X =
| xi X |
144
= 7,2
20
Logo: S2 =
DM =
37,2
= 1,86
20
(144)2 = 5,86
1
1148
20 1
20
86
5,86
= 2,42
Luiz Roberto
Exemplo 3: Clculo da varincia populacional. Determinar a varincia para a

srie:
xi
Fi
Soluo: A frmula prtica para calcular a varincia popu8lacional :

( xiFi) 2
1
2
2
xi Fi
Ser conveniente construir a seguinte tabela:
xi
Fi
xi . Fi
X2 Fi
12
36
25
125
18
108
14
98
15
71
371
(71)2 = 2,33
1
371
15
15
2 =
Desvio-padro populacional:
2,33
= 1,53
Exemplo 4: Clculo da varincia e do desvio-padro para a Tabela 4.4

N
filhos
(xi)
0
1
2
3
4
5
6
7
N
casais
(Fi)
6
16
9
8
3
3
3
2
50
xi . Fi
xi2
Varincia amostral:
xi2. Fi
S2 =
1
n 1
xi Fi
( (xiFi) 2 )
Desvio-padro:
s
117
87
s2
4.23
Luiz Roberto
DISTRIBUIES DISCRETAS DE PROBABILIDADE
4.23.1
DISTRIBUIO DE BERNOULLI
Suponhamos a realizao de um experimento E, cujo resultado pode ser um

sucesso (se acontecer o evento que nos interessa) ou um fracasso (o evento
no se realiza).
Seja x a varivel aleatria: sucesso ou fracasso.
X x1 = 1
(sucesso)
ou
x2 = 0
P(X) p (x1) = p
Diz-se
que
esta
(fracasso)
p (x2) = 1 p = q
varivel,
assim
definida,
tem
uma
distribuio
de
Bernoulli. Suas principais caractersticas so:

1
Mdia:
(X) =
xi P(Xi) = 0 . p + 1 . p = p
2
(X )
Varincia: ( X ) = E[(X1 - )2] = E(X i ) -

2
E[X i ] =
x i P(Xi) = 02 q + 12 p = p
( X ) = p p2 = p(1-p) = pq
4.23.2
DISTRIBUIO BINOMIAL
Trata-se de uma distribuio de probabilidade adequada aos experimentos que

apresentam
apenas
dois
resultados
(sucesso
ou
fracasso).
Esse
modelo
fundamenta-se nas seguintes hipteses:

H1: n provas independentes e do mesmo tipo so realizadas.
H2: cada prova admite dois resultados sucesso ou fracasso.
H3: a probabilidade de sucesso em cada prova p
e de fracasso 1-p = q
Define-se a varivel Y como o nmero de sucessos das n provas.

Logo, Y pode tomar os valores 0, 1, 2, 3, ..., n.
Fazendo
sucesso
corresponder
fracasso
0,
ou
seja,
provas
Bernoulli, tem-se:
Para Y = 0, uma seqncia de n zeros: 0000 ... 0. Logo:
P (Y=0) = q . q . q . q ... q = qn
Para Y = 1, uma seqncia do tipo: 1000 ... 0; 0100 ... 0; 001000 ... 0;
88
de
Luiz Roberto
Sero n seqncias, cada uma com um nico sucesso e n-1 fracassos:

P (Y-1) = n . p . qn-1
Para Y = y, tem-se y sucessos e (n-y) fracassos, correspondendo s seqncias
com y algarismos 1 e n y zeros. Cada seqncia ter probabilidade pyqn-y e
como h seqncias distintas, tem-se:

y
P (Y=y) = pyqn-y
y
Que a expresso geral da distribuio Binomial.

Para Y = n, tem-se uma seqncia de n uns: 1111 ... 1, logo: P(Y=n) = pn
O nome Binomial porque pyqn-y nada mais que o termo de grau y em p no

y
desenvolvimento do Binmio de Newton (p + q)n.
Mdia:
De acordo com as hipteses, v-se que y a soma de n variveis do
tipo Bernoulli, da:
= n
Varincia:
2
(X)
= n . p
ou
(Y) = np
seja
Baseado no que foi feito acima, temos:
(Y ) = n ( X ) = n . p . p
(Y ) =
ou seja
npq
Exemplo: Uma moeda no viciada lanada oito vezes. Encontre a

probabilidade:
a) dar cinco caras
b) pelo menos uma cara
c) no mximo duas caras.
d) Calcular a mdia e a varincia da distribuio.
Soluo: Sabe-se que: n = 8, p =
1
1
e q =
; Y nmero de caras
2
2
(sucessos).
5
85
a) P(Y=5) =
8 1 1

5 2 2
b) P(Y 1) =
1 P(Y=0) = 1 -
7
= 0,22 = 22%
32
89
255
= 0,996 = 99,6%
256
c) P(Y 2) =
Luiz Roberto
P(Y=0) + P(Y=1) + P(Y=2) =

8
8 1 1
1
1 1
+ 8 + =
2
2 2
2 2 2
1
8
28
37
+
+
+
= 0,14 = 14%
256
256
256
256
A mdia ser: 9(Y) = n . p = 8 .
2
A varincia ser: (Y ) =
1
= 4
2
n . p . q
90
8 .
1
1
.
= 2
2
2
Luiz Roberto
BIBLIOGRAFIA
FONSECA, Jairo Simon; MARTINS, G. A. Curso de Estatstica.
Atlas, 1996.
So Paulo:
MARTINS, G. A. DONAIRE, D. Princpios de estatstica. So Paulo: Atlas,

1990.
TOLEDO, G. L; OVALLE, I(. I. Estatstica bsica. 2 ed. So Paulo:
Atlas, 1995.
IEZZI, G; DOLCE, O; DEGENSZAJN, D. M; PRIGO, R. Matemtica volume
nico. So Paulo: Atual Editora, 1999.
91

Apostila Probabilidade e Estatistica

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Apostila Probabilidade e Estatistica

Enviado por

Direitos autorais:

Formatos disponíveis

PROBABILIDADE

Grfico 4.1. Produo de Arroz do Municpio X - 1984-1994

Luiz Roberto M. Bastos

TEORIA DOS CONJUNTOS NUMRICOS .....................

Noes sobre Conjuntos ...........................

Conjunto dos Nmeros Naturais (N) ................

Conjunto dos Nmeros Inteiros (Z) ................

Representao decimal das fraes ................

Conjunto dos Nmeros Irracionais .................

Conjunto dos Nmeros Reais (R) ...................

Problemas com nmero finito de elementos .........

ANLISE COMBINATRIA ...............................

Fatorial de um nmero natural ....................

Princpio fundamental da contagem - PFC ..........

Arranjos simples .................................

Clculo do nmero de arranjos ....................

Permutaes simples ..............................

Permutaes com elementos repetidos ..............

Combinaes simples ..............................

Experimento aleatrio ............................

Espao amostral ..................................

Probabilidade de um Evento .......................

Evento complementar ..............................

Probabilidades em espaos amostrais equiprovveis

Probabilidade da unio de dois eventos ...........

Experincia Composta .............................

Probabilidade condicional ........................

ESTATSTICA BSICA ..................................

Conceitos fundamentais ...........................

Diviso da estatstica ...........................

Tipos de variveis ...............................

Definio do problema ............................

Definio dos objetivos (geral e especfico) .....

Coleta dos dados ..................................

Crtica dos dados .................................

Apurao (armazenamento) dos dados ................

Exposio ou apresentao dos dados ...............

Anlise e interpretao dos dados .................

Regras de arredondamento ..........................

Srie temporal, histrica ou cronolgica ..........

Grficos estatsticos .............................

Principais tipos de grficos ......................

4.19.1 Grficos em curvas ou em linhas ...................

4.19.2 Grficos em colunas ...............................

4.19.3 Grficos em barras ...............................

4.19.4 Grfico em colunas mltiplas (agrupadas) .........

4.19.5 Grfico em barras mltiplas (agrupadas) ..........

4.19.6 Grfico em setores ...............................

Distribuio de freqncias ......................

Distribuies cumulativas ........................

Medidas de posio (ou de tendncia central) .....

4.22.1 Mdia aritmtica .................................

4.22.2 Esperana matemtica ............................

4.22.3 Moda (mo) .......................................

4.22.4 Mediana (md) ....................................

4.22.5 Medidas de disperso (medidas de variabilidade) .

4.22.6 Varincia .......................................

4.22.7 Desvio-padro ...................................

Distribuies discretas de probabilidade ........

Distribuio de bernoulli .....................

Distribuio binomial ...........................

TEORIA DOS CONJUNTOS NUMRICOS

: para todo (ou qualquer que seja)

N: conjunto dos nmeros naturais