I n s ti tu to d e E n s i n o J os R od ri g u e s d a Si l va

a
AutorizadoPeloParecern.1144/002 CEE/RJ

INTRODUO ESTATSTICA

Sumrio
1

Apresentao.......................................................................................................................4

AEstatstica.........................................................................................................................5

PopulaoeAmostra...........................................................................................................5

EstatsticaDescritivaeIndutiva ...........................................................................................6

TiposdeVariveis ...............................................................................................................6
5.1

Exerccios: ....................................................................................................................7

Amostragem ........................................................................................................................7
6.1

Exerccios: ....................................................................................................................8

Tcnicasdedescriogrfica..............................................................................................9
7.1

Tabelas.........................................................................................................................9

7.2

Grficos ........................................................................................................................9

7.2.1

Diagramas .............................................................................................................9

7.2.2

Cartogramas........................................................................................................11

7.2.3

Pictogramas.........................................................................................................12

7.3
8

Exerccios...................................................................................................................12

Distribuiodefrequncia..................................................................................................13
8.1

ExemploResolvido: ....................................................................................................13

8.2

Exerccios: ..................................................................................................................15

Representaogrficadeumadistribuio .......................................................................17
9.1

10

Exerccios...................................................................................................................17
Medidasdeposio .......................................................................................................18

10.1 Medidasdetendnciacentral ....................................................................................18

10.1.1 MdiaAritmtica(x) .............................................................................................18
10.1.2 Moda(Mo) ...........................................................................................................19
10.1.3 Mediana(Md).......................................................................................................19
10.2 Exerccios...................................................................................................................20
10.3 MedidasSeparatrizes .................................................................................................21
10.3.1 Quartis.................................................................................................................21
10.3.2 Percentis..............................................................................................................21
11

MedidasdeDisperso....................................................................................................23

11.1 AmplitudeTotal...........................................................................................................23
11.2 Varincia.....................................................................................................................23
2

11.3 DesvioPadro ............................................................................................................24

11.3.1 Propriedades: ......................................................................................................24
11.3.2 Exemploresolvido:...............................................................................................25
11.4 Coeficientedevariao(CV) ......................................................................................25
11.5 Exerccios...................................................................................................................26
12

Noesdeassimetria.....................................................................................................27

13

AdistribuioNormal .....................................................................................................28

13.1 Propriedades: .............................................................................................................28

13.2 ExemploResolvido: ....................................................................................................28
14

NoesdeProbabilidade ...............................................................................................30

14.1 Exemplosresolvidos:..................................................................................................31
14.2 Eventoscomplementares............................................................................................31
14.3 Eventosindependentes...............................................................................................31
14.4 Eventosmutuamenteexclusivos.................................................................................32
14.5 ExercciosResolvidos:................................................................................................32
14.6 Exerccios: ..................................................................................................................33
15

CorrelaoeRegresso.................................................................................................34

15.1 Correlao ..................................................................................................................34

15.1.1 Caractersticasder..............................................................................................36
15.1.2 Exemploresolvido:...............................................................................................36
15.2 Regresso ..................................................................................................................37
15.2.1 Exemploresolvido:...............................................................................................37
15.3 Exerccios...................................................................................................................38
16

Nmerosndices ............................................................................................................40

16.1 Exemplo:.....................................................................................................................40
16.2 Exerccioresolvido:.....................................................................................................41
16.3 ndiceAgregativo ........................................................................................................41
16.4 Exerccios: ..................................................................................................................42
17

Introduoaostestesdehiptesesesignificncia .........................................................43

17.1 ErrosdoTipoIeII ......................................................................................................43

17.2 Nveldesignificncia ..................................................................................................43
17.3 Tiposdetestes ...........................................................................................................43
18

Literaturarecomendada/Refernciasbibliogrficas......................................................44
3

Apresentao

Ol!
Estaapostilaumaintroduoaumdosmaisimportantesevastoscamposdamatemtica
aplicada:aEstatstica.
O contedo est organizado sempre com introdues tericas,algunsexemplos resolvidose
exercciosparatreinamento.
Alguns tpicos bsicos de matemtica como funes, logaritmos e probabilidade so
essenciais para a compreenso da estatstica. Sempre que achar necessrio, feche esta
apostilaeprocureaprofundarateoriaemmatemtica!Esseumesforoquecompensa,pois
capacidadeanalticasemdvidaumdosdiferenciaisqueasempresasprocuramnesteincio
desculoXXI.
Sempre que possvel busque tambm na internet referncias atualizadas sobre os assuntos
aquitratados.
Bomestudo,eboasorte!
MarcoFisbhen

2 AEstatstica
Antes de comearmos a estudar Estatstica, importante que saibamos o que estamos
estudando.
Aestatstica,antesdemaisnada,umramodamatemticaaplicada.Seuobjetivofornecer
mtodos para coleta, organizao, resumo, apresentao e anlise dos dados, visando
obtenodeconclusesvlidase,finalmente,tomadadedecises.
Assim,aestatsticaservedeinstrumentodeapoioavriosoutroscamposdoconhecimentona
verdade, a todos os ramos do conhecimento em que dados experimentais so manipulados.
Podemos, apenas para citar alguns, falar da importncia da estatstica na Fsica, Qumica,
Medicina,Engenharia,CinciasSocias,e,claro,naAdministraodeEmpresas.

3 PopulaoeAmostra
Ao coletarmosdados sobreumgrupodeobjetos ou indivduos, comoporexemploa cor dos
olhos ou o peso de estudantes de ensino mdio ou at o nmero de peas defeituosas
produzidas em um dia, nem sempre poderemos observar todo o grupo, principalmente nos
casosemquetalgrupoformuitograndeouatmesmoinacessvel.
Desse modo, em vez de examinarmos todo o grupo ou conjunto, chamado de populao,
levantaremososdadosapenasdeumapartedestapopulao,chamadaamostra.
De maneira mais formal, populao (ou universo) um conjunto de elementos com pelo
menosumacaractersticacomum.
Os estudantes universitrios, por exemplo, constituem uma populao, pois no mnimo
apresentamumacaracterstiaem comum: so aquelesqueestudam emuniversidades.Essa
caracterstica em comum delimita de maneira inequvoca os elementos que pertencem
populao,eosquenopertencem.
No entanto, como j citei, muitas vezes no conveniente, e muitas vezes impossvel
levantar os dados referentes a todos os elementos da populao. Devemos portanto limitar
nossasobservaesumaamostra.Formalizandoaidia,amostraumsubconjuntofinitode
umapopulao.
importantemencionarnestepontoqueemboraaamostrasejafinita,apopulaopodeser
tambmfinitaouinfinita.
Para relembrar: conjunto finito aquele que contm um nmero limitado de elementos e
conjuntoinfinitoaquelequecontmumnmeroilimitadodeelementos.

4 EstatsticaDescritivaeIndutiva
Os mtodos da estatstica que buscam somente descrever e analisar certo grupo de dados,
independentemente de serem dadosextrados de uma amostraoudetodaapopulao, so
chamadosdemtodosdeestatsticadescritiva.
Por outro lado, se uma amostra representativa de uma populao, e tiramos concluses a
respeito desta populao com os dados extrados da amostra, temos uma aplicao da
estatstica indutiva. Raciocnio indutivo aquele que parte do conhecimento de uma parte
para tirar concluses sobre a realidade do todo. Assim, estatstica indutiva a parte da
estatsticaquetiraconclusessobreapopulaopartindodoconhecimentodaamostra.
claroqueoprocessodeinduonoexato,eaestatsticaindutivaestsujeitaaerros.No
entando, os mtodos de induo (ou inferncia) estatstica so capazes de definir at que
ponto,ecomqueprobabilidade,estamoserrando.

5 TiposdeVariveis
Dentro de um estudo estatstico, precisamos definir quais caractersticas dos elementos
(populaoouamostra)nosinteressaestudar.
Essacaractersticapodeser,porexemplo,opesoouacordosolhosdeumcertonmerode
pessoas. Assim, peso e cor dos olhos so denominados variveis, cujos resultados
dependero dos elementos considerados. E fcil perceber que se tivermos n elementos (no
caso,npessoas)emnossoestudo,teremosnvaloresparaavarivelpeso.
Por conveno, definimos varivel como o conjunto de resultados possveis para um
fenmeno.
Dependendodoobjetivodenossoestudo,acaracterstica(varivel)emfocopoderser:
a. Qualitativaquandoforexpressaportiposouatributos:sexo(masculinooufeminino),
cor dos olhos (azuis, castanhos, etc.), qualidade de uma pea produzida (perfeita ou
defeituosa).
b. Quantitativaquandoforexpressaemnmeros.importantenotarqueasvariveis
quantitativaspodemsersubdivididasemdiscretasecontnuas.
Varivel contnua aquela que pode assumir qualquer valor entre dois limites. Por
outro lado,umavarivel discretas podeasumir valorespertencentes a um conjunto
enumervel.
Presteatenonosexemplos:
b.1Variveisquantitativasdiscretas:nmerodealunosemumaturma,pontosobtidos
emumajogadadedados,nmerodepeasproduzidasemumdiadetrabalho
b.2 Variveis quantitativas contnuas: peso dos alunos em uma turma, dimetros de
peasproduzidasemumdia.
Ao observarmos os exemplos, podemos perceber que, de maneira geral, os valores das
variveis discretas so obtidos por contagens, enquanto que os valores das variveis
contnuassoobtidospormedies.

Porltimo,asvariveissodesignadasporletraslatinas.Emgeral:x,youz.

5.1 Exerccios:
1) Estabeleaquaisdosdadosseguintessodiscretosequaissocontnuos:
a)
b)
c)
d)
e)

Nmerodeaesvendidasnabolsadevalores
Temperaturasregistradasacadameiahoraemumpostodemeteorologia
Meiavidamdiadasamostrasdemedicamentos
Dimetrosde1000parafusosproduzidosporumafbrica
Quantidadedepessoasnocarnavaldeolinda

Respostas:Discretos,Contnuos,Contnuos,Contnuos,Discretos.
2) Classifiqueasvariveisemqualitativasouquantitativas(contnuasoudiscretas):
a) Cordoscabelos
b) Nmerodefilhos
c) Comprimentodepeasproduzidasporcertamquina
Respostas:Qualitativa,Quantitativadiscreta,Quantitativacontnua.

6 Amostragem
Vocnestepontojsabequeaestatsticaindutivabuscatirarconclusessobreapopulao
baseadoemresultadosretiradosdasamostras.Pormoprocessonotosimples,porque
precisamosgarantirqueaamostrassejamrepresentativasdapopulao,ouseja,aamostra
deveterasmesmascaractersticasbsicasdapopulaoemrelaovarivelemestudo.
Existembasicamentedoistipos de amostragem, a probabilstica e a noprobabilstica. A
amostragemprobabilsticaaquelaemquetodososelementosdaamostratemprobabilidade
conhecida, e diferente de zero, de pertencer amostra. Caso contrrio, a amostragem ser
noprobabilstica.
Exemplificando, a amostragem probabilstica mais simples justamente denominada
amostragem casual simples, e equivalente a um sorteio lotrico, em que todos os
elementostmigualprobabilidadedepertenceramostra.
Numeramos a populao de 1 a n e sorteamos por meio de qualquer dispositivo k nmeros
destasequncia.
Podemosnumeraralunosde1a40ecolocarosnmerosdentrodeumacaixaeretiraruma
um,10nmeros.Aamostraaleatriasimplester,nestecaso,25%dapopulao.
Seonmerodeelementosdamostraformuitogrande,osorteiopodeserinvivel.Nestecaso
podemosutilizarumatabeladenmerosaleatriospararealizaraamostragem.Procurena
internet uma tabela denmeros aleatrios. Se voc tiver acesso planilhas Excel, descubra
comogerarnelasastabelasdenmerosaleatrios.
Um outro tipo de amostragem probabilstica a amostragem sistemtica, em que os
elementosdapopulaojseachamordenadosearetiradadeelementosparacomposioda
7

amostrafeitaperiodicamente.Emumalinhadeproduo,seretirarmosumitemacada10
produzidosparacontroledequalidade,estaremosutilizandoaabordagemsistemtica.
Poderamos utilizar o mesmo mtodo para retirar uma amostra de uma populao de
determinadarua.Searuacontm500prdios,equeremosqueaamostracontenha10%da
populao(50prdios),podemosescolheraleatoriamenteo1prdioeirpulandode10em
10prdiosatchegarao50elemento.
Seporacasonossapopulao contiver subpopulaes ouestratos, importanteutilizaruma
amostragemestratificada,emqueoselementosdaamostrasoproporcionaisaoselementos
dos estratos da populao. Um bom exemplo uma turma com 60 alunos, contendo 40
meninose20meninas.Temosumaproporo2:1.importantequeaamostracontenhaesta
mesma proporo. Assim, se tivermos uma amostra com 15 elementos, 10 devero ser
meninose5meninas.Mantendoaproporo2:1.
Amostras noprobabilsticas so tambm empregadas em trabalhos de estatstica por
simplicidadeouinviabilidadedefazermosamostrasprobabilsticas.Oscasosmaisimportantes
so:
a) A inacessibilidade de toda a populao (e neste caso seremos forados a colher a
amostrasomentenapartedapopulaoqueestacessvel)
b) Amostragemaesmo,emqueoselecionadorprocuraseraleatrionaamostragem,mas
noutilizanenhummtodoconfiveldesorteio
c) Amostragens intencionais, em que o amostrador delibaradamente escolhe alguns
elementosparapertenceramostra,julgandoosrepresentativos
d) Amostragens por voluntrios, no caso de por exemplo aplicaes experimentais de
novosmedicamentos.

6.1 Exerccios:
1) Pesquiseopesodosseuscolegasdeclasse(incluindovoc),comumaamostraque
correspondaa30%dapopulaoutilizandoamostragemcasual(oualeatria)simples.
Nodeixedeprocurarnainternetumatabeladenmerosaleatrios!
2) Odiretordeumaescola,naqualestomatriculados320meninase280meninosdeseja
passarumquestionriosocioeconmicoparaumaamostracorrespondentea10%da
clientela.Qualonmerodeelementoscomponentesdaamostra?
Resposta:64meninase56meninos.
3) Umapopulaoencontrasedivididaem3estratos,comtamanhos40,100e60.
Sabendoseque9elementosforamretiradosdo3estratoemumaamostragem
estratificada,determineonmerototaldeelementosdaamostra.
Resposta:30elementos

7 Tcnicasdedescriogrfica
Lembrandoqueumdosobjetivosdasestatsticaaapresentaodosdados,importanteque
saibamostrabalharcomtabelasegrficos.

7.1 Tabelas
Muitas vezes, para organizarmos melhor os dados, fazemos o uso de tabelas. De maneira
simplificada,umatabelaumquadroresumindoonossoconjuntodeobservaes.
Toda tabela deve conter, resumidamente, como no exemplo a seguir: Ttulo, Cabealho,
ClulaseFonte
Ttulo
Altura mdia dos estudantes do Ensino Mdio de
Japarabe
Altura(m)
Escola
Cabealho
A
B
C
D
E
F

1.65
1.71
1.63
1.67
1.7
1.69

Clulas

Fonte

MdiaGeral
1.675
Fonte:CensoEscolardoMunicpiodeJaparabe,2006
Obs:Seatabelaapresentadistribuiodosdadosemfunodapoca,dolocaloudealguma
espcie (ou categoria), ns a denominamos Srie Estatstica, podendo ser classificada em
SrieHistrica,SrieGeogrficaouSrieEspecfica.

7.2 Grficos
Avantagemdaapresentaogrficaproduzirumarpidaimpressovisual.
Para sermos realmente teis, nossas representaes grficas devem ser simples, claras e
devemexpressaraverdadesobreofenmenoestudado.
Osprincipaistiposdegrficossoosdiagramas,oscartogramaseospictogramas.
7.2.1 Diagramas
Diagramassogrficosconstrudos,emgeral,noplanocartesiano(x,y).Oprincipaldiagrama
o grfico em linha ou em curva, que voc com certeza j estudou em suas aulas de
matemtica.

Exemplo:
Utilizandonossatabeladealturasmdiaemfunodasescolas,temos:

Outrotipoimportantederepresentaoogrficoemcolunasoubarras,emqueutilizamos
retngulosverticais(colunas)ouhorizontais(barras)paravisualizarassries.
Exemplos:

Finalmente,devemosconhecerogrficocircularouemsetores,emqueumcrculodividido
comreasproporcionaisaosdadosdasrie.

10

Cadasetorobtidopormeioderegradetrssimples,comototaldasrievalendo360
Exemplo:

7.2.2 Cartogramas
So empregados sobre uma carta geogrfica, com os dados diretamente relacionados ao
recortesgeogrficosoupolticos.
Podemosrepresentardadosempontos(emnmerooutamanhoproporcionalaosvalores)ou
cores.
Exemplo:

11

7.2.3 Pictogramas
So,demaneiraresumida,umarepresentaogrficabaseadaemfiguras.
Exemplo:

7.3 Exerccios
1) Procureexemplosdesriesestatsticasemjornaiserevistasecopieos,classificando
assries.
2) Procureemjornaiserevistasespecializadosdoisexemplosdecadaumdosgrficos
estudados.
3) Usandoogrficoembarras,representeatabela:
Prod.deVeculosdeAutopropulso
1993
Tipo
Quantidade
Automveis
1.100.278
ComerciaisLeves
224.387
ComerciaisPesados
66.771
Fonte:Anfavea

12

8 Distribuiodefrequncia
Paradescrevermosgrficamenteosdadoscoletados,nossoprimeiropassoadeterminao
dasfrequnciasdosvaloresexistentesdavarivel.
Definimos frequncia simples (ou absoluta) como o nmero de vezes que um valor foi
observado, e podemos obter, a partir de dados brutos, uma tabela de distribuio de
frequncias.

8.1 ExemploResolvido:
Imagine que tenhamos feito uma coleta de dados relativos quantidade de irmos de 10
alunos,compondoumaamostradeumaturmadaescolaA,eordenamososdadosdemodo
crescente(atabeladedadosordenadoschamaserol).
Em nosso exemplo, a frequncia ser o nmero de alunos relacionados a um determinado
valordavarivel,ouseja,umdeterminadonmerodeirmos.
Tabela Nmero de irmos de alunos do curso de
Estatstica
Nmerodeirmos
Frequncia
0
1
2
3
5
Total
Fonte:Autor

1
4
6
3
1
15

Temosacimaaconstruodeumatabeladedistribuiodefreqnciapontual,equivalente
construo de uma tabela simples, em que listamos os diferentes valores observados da
varivel, com suas freqncias absolutas, denotadas por fi, onde o ndice i corresponde ao
nmerodelinhasdatabela.
Olhandoparaatabela,vemosqueestavarivelfoiresumidaem5linhas.Assim,i=1,...,5,e
temos5valoresparaasfreqnciasabsolutas.Afreqnciaabsolutadasegundalinha,f2 =4,
por exemplo, indicaquequatroalunostm um irmo,enquantoapenas umafirmou ter cinco
irmos,ouseja,f5=1.
Asomadetodasasfreqnciasabsolutasdeveserigualaonmerototaldeobservaesda
varivel,nestecaso,15.
Temos,portanto,que:
Frequncias relativas (fri) so o resultado da razo entre as frequncias simples e a
frequnciatotal:

13

fri =

Logo,afrequnciarelativadaquartalinhaemnossoexemplo:
Afrequnciarelativadaquintalinha:

,eassimpordiante.

Evidentementetemosque:
Frequnciaacumulada (Fi) o total dasfrequncias de todososvalores inferioresao limite
superiordeumadadaclasse:

Fk =f1 +f2 +f3 +...fk

Temosportanto:
F1 =f1,
F2 =f1 +f2,
F3 =f1 +f2 +f3
Eassimpordiante.
Podemos desenhar uma nova tabela, mais completa, com as frequncias relativas e
acumuladas:
TabelaNmerodeirmosdealunosdocursodeEstatstica
Nmero
de
Frequncia
Frequncia
Frequncia
irmos
Relativa
Acumulada
0
1
0.067
1
1
4
0.267
5
2
6
0.400
11
3
3
0.200
14
4
1
0.067
15
Total
15
1
15
Fonte:Autor
Voc deve ter percebido que mencionei duas idias ainda no definidas: classe e limite de
classe.
Se estivermos lidando com variveis discretas e amostras com poucos elementos (como no
exemploanterior),temosumadistribuiosemintervalosdeclasse.
Porm,setrabalhamoscomvariveiscontnuas,ouatmesmocomvariveisdiscretas,mas
com muitos elementos, trabalharemos com classes de frequncia, que so simplesmente
intervalosdevariao.
Asclassesserorepresentadaspori=1,2,3,...,k,ondekonmerototaldeclasses.
14

Agora,precisamosdealgumasoutrasdefinies:
Os limites de classe so os extremosde cadaclasse,e teremos um limite inferior (li) e um
limitesuperior(Li).
Alm disso tambm definimos a amplitude (hi), obtida pela simples subtrao dos limites
superioreinferiordaclasse: hi =Li li
Amplitudetotaldadistribuio(AT)adiferenaentreoLimitesuperiormximoeolimite
inferiormnimo:AT=Lmaxlmin
Porltimo,pontomdiodeumaclasseamdiaaritmticaentreoslimitessuperioreinferior
daclasse:

Xi =
Obs: Na prtica, paraa determinaodonmero declasses de uma distribuio,usamosa
seguinteequao(regradeSturges):
i1+3,3.logn
Essaregranosdaseguintetabela:
N
35
611
1222
2346
4790
91181
182362

I
3
4
5
6
7
8
9

Definidoonmerodeclasses,precisamosdeterminaraamplitudedoinervalodeclasse:

8.2 Exerccios:
1) Completeadistribuioabaixo,determinandoasfrequnciassimples:
I
1
2
3
4
5

xi
2
3
4
5
6

fi

Fi
2
9
21
29
34
15

=34
2) Osresultadosdolanamentodeumdado20vezesforam:
6563435241
4561312415
Formeumadistribuiodefrequnciasemintervalosdeclasse.
3) Observeadistribuiodefrequncia
Xi
Fi

3
2

4
5

5
12

6
10

7
8

8
3

Determine:
a) Asfrequnciasrelativas
b) Asfrequnciasacumuladas
c) Asfrequnciasrelativasacumuladas
4) Completeosdadosquefaltam:
i
1
2
3
4
5
6
7
8

xi
0
1
2
3
4
5
6
7

fi
1

3
2

=20

fri
0,05
0,15

0,25
0,15

=
100

Fi

13

18
19

16

9 Representaogrficadeumadistribuio
Umadistribuiopodeserrepresentadadediversasmaneiras.Asprincipaissoohistograma
eopolgonodefrequncia.
OHistogramatraadoemumplanocartesiano(x,y),formadobasicamenteporumasriede
retngulosjustapostos,emqueospontosmdiosdasbasesdosretngulossonaverdadeos
pontos mdios dos intervalos de classe e as larguras dos retngulos so as larguras dos
intervalosdeclasse

Polgonodefrequnciaumgrficoemlinha,comasfrequnciasdasclassesmarcadasno
eixoydoplanocartesiano.

9.1 Exerccios
1) Construaohistogramarelativoaoexerccio4doitemanterior

17

2)

10 Medidasdeposio
Estudando as distribuies defrequncia, percebemosque existem alguns elementos tpicos
queprecisamserressaltados.
Oprimeirodesteselementosaposiodeconcentraodosvalores.
Imagineaseguintepergunta:Osdadosestomaisconcentradosnoincio,nomeioounofinal
dadistribuio?
Para que possamos respondla, precisamos conhecer as mais importantes medidas de
posio,quesoasmedidasdetendnciacentral:amdia,amedianaeamoda.

10.1 Medidasdetendnciacentral
As medidas de tendncia central so assim chamadas por indicarem um ponto em torno do
qualseconcentramosdados.Estepontotendeaserocentrodadistribuiodosdados,ouo
centrodegravidadedosdados.
10.1.1 MdiaAritmtica(x)
Antesdemaisnada,importantequevocsaibdaqueaolidarmoscomumconjuntodedados,
podemos calcular diversos tipo de mdias. Em nosso estudo focaremos a mdia mais
importante,amdiaaritmtica,masnodeixedeestudarposteriormenteamdiageomtrica,
amdiaharmnicaeamdiaponderada.
A mdia aritmtica (x) a soma de todos os valores observados da varivel dividida pelo
nmerototaldeobservaes.

Amdiaaritmticaamedidadetendnciacentralmaisutilizadapararepresentaramassade
dados.
Propriedadeseobservaessobreamdia:
1.Dependedetodososdadoscoletados,sendoportantoafetadaporvaloresextremos
2.nicaemumconjuntodedadosenemsempretemexistnciareal,ouseja,nemsempre
igual a um determinado valor observado. muito importante perceber que a mdia no
necessariamenteumdadodasriedevaloresobservados.
3. Por depender de todos os valores observados, qualquer modificao nos dados far com
queamdiafiquealterada.
Istoquerdizerquesomandose,subtraindose,multiplicandoseoudividindoseumaconstante
a cada valor observado, a mdia ficar acrescida, diminuda, multiplicada ou dividida deste
mesmo valor. Exemplificando: se somarmos o nmero 2 a todos os valores observados, a
mdia ser acrescida do valor 2. Se multiplicarmos todos os dados por 3, a mdia ser
automaticamente3vezesmaior.

18

4.Asomadosdesviosemrelaomdiazero.

(xi x)=0
A propriedade 4 de extrema importncia para a definio de varincia, uma medida de
dispersoaserdefinidaposteriormente.Desvioemrelaomdiaadiferenaentrecada
elementodeumconjuntodedadoseamdiaaritmtica.

di =xi x
Obs: se precisarmos calcular a mdia de um conjunto de dados divididos em classes,
convencionamos que todos os valores includos no intervalo coincidem com o ponto mdio
desteintervalo,eutilizamosaseguinteequaao:

10.1.2 Moda(Mo)
Modasimplesmenteovalorquemaisserepeteemumasequnciadedados.
Considereaseguintesrie: 1,3,4,4,4,6,8,32
Comoovalorqueaparececommaiorfrequnciao4,eleovalormodal,ousimplesmente
amoda.
O uso da moda mais indicado quando se deseja obter, rapidamente, uma medida de
tendnciacentral.Umoutroaspectoquefavoreceautilizaodamodaqueseuvalorno
afetadopelosvaloresextremosdoconjuntodedadosanalisado.
Umasrienumricapodeser:
Amodal:quandonenhumvalorserepete
Modal:quandoumvalorserepete
Bimodal:quandodoisvaloresserepetem
Trimodal:quandotrsvaloresserepetem
Polimodal:quandomaisdoquetrsvaloresserepetem.

10.1.3 Mediana(Md)
A mediana o valor que ocupa aposio central da srie de observaesde uma varivel,
dividindooconjuntoemduaspartesiguais.Assim,50%dosvaloressomaioresouiguaisao
valordamedianae50%dosvaloressomenoresouiguaisaovalordamediana.
Formalizando,amedianaovalortalqueseparaoconjuntodedadosemdoissubconjuntos
demesmonmerodeelementos.
19

Se a quantidade de dados for mpar, a mediana simplesmente o valor central, e se a

quantidadededadosforparamedianaseramdiaaritmticadosdoisvalorescentrais.
Sendononmerodeelementosdasrie,ovalormedianoser:
Otermo

,senformpar

Amdiaaritmticadostermos

+1,senforpar.

Vamoscomearcomumasriede7dadosobservados:
1,5,8,9,12,17,20
Comotemosumnmerompardedados,amedianaovalorcentral,ouseja,ovalor9.
Esetivssemos8valoresobservados?
1,5,8,9,12,17,20,22
Nesse caso a mediana seria a mdia aritmtica dos dois dados centrais. Como os dados
centraissoo9eo12,amedianaseria

Obs:Empregamosamedianasemprequehvaloresextremosqueafetammuitoamdia.
Vejaasriededadossobreovalordossalriosdoscolaboradoresemumescritrio:
R$1.000,00,R$1.000,00,R$1.500,00,R$2.000,00,R$3.000,00
AmedianadosdadosR$1.500,00(valorcentral)eamdiaR$1.700,00
Imagineagoraqueumnovocolaboradorcontratado,comsalriodeR$10.000
Reparequeanovasrie:
R$1.000,00,R$1.000,00,R$1.500,00,R$2.000,00,R$3.000,00,R$10.000,00
eonovovalordamedianaR$1.750,00edamdiaR$3.083,33
Reparou com um valor extremo altera muito a mdia, mas sem alterar muito a mediana?
Nessescasosamedianaumamedidadetendnciacentralmaisestvel.

10.2 Exerccios
1) Umaescoladesejaverificaroaproveitamentode6deseusalunosda5srie.Calcule
amdia,amedianaeamoda,eclassifiqueasrieconformeamoda.
Notas:7,03,52,56,59,03,5
Respostas:Mdia=5,3,Mediana=5,0,Moda=3,5.SrieModal.
2) Classifiqueassriedeacordocomacaractersticamodal,indicandoosvalores.
2.1)12,13,13,14,15,17,17,19
2.2)56,58,60,60,60,62,65
20

2.3)47,45,90,90,47,90,47,45,41,45

10.3 MedidasSeparatrizes
Existem outras medidas de posio (alm das medidas de tendncia central), e aqui
estudaremosmaisduasdelas:osquartiseospercentis.
10.3.1 Quartis
J aprendemos que a mediana divide os dados coletados em dois grupos com o mesmo
nmerodeelementos.
Os quartis dividem o conjunto de valores em, como o nome j diz, quatro subconjuntos de
mesmonmerodeelementos
Assim,temostrsquartis:
a. Oprimeiroquartil(Q1)ovalorsituadodemodotalqueumquarto(25%)dosdados
somenoresqueele,eorestante(75%)maiorqueele.
b. Osegundoquartil(Q2)evidentementeigualamediana.Q2=Md.
c. Oterceiroquartil(Q3)ovalorsituadodemodotalquetrsquartos(75%)dosdados
somenoresqueele,eorestante(25%)maiorqueele.
Resumo:
Estatstica Notao
1oQuartil

Q1

2oQuartil

Q2=Md

3oQuartil

Q3

Interpretao
25%dosdadossomenoresouiguaisaodo1o
Quartil
50%dosdadossomenoresouiguaisaodo2o
Quartil
75%dosdadossomenoresouiguaisaodo3o
Quartil

Posio
p=0,25(n+
1)
p=0,50(n+
1)
p=0,75(n+
1)

10.3.2 Percentis
Percentissoosnoventaenovevaloresquedividemumasriededadosem100partes(ou
subconjuntos)comomesmonmerodeelementos.
Indicamoso1percentilcomoP1,o2comoP2 eassimpordiante.
importantenotarqueP25 =Q1,P50 =MdeP75 =Q3
Resumo:
Estatstica

Notao

Interpretao

Posio

5oPercentil

P5

5%dosdadossomenoresou
iguaisaodo5oPercentil

p=0,05(n+1)

50oPercentil

P50 =Q2=Md

50%dosdadossomenoresou
iguaisaodo50oPercentil

p=0,50(n+1)

21

95oPercentil

P95

95%dosdadossomenoresou
iguaisaodo95oPercentil

p=0,95(n+1)

22

11 MedidasdeDisperso
Asmedidasdedispersoauxiliamasmedidasdetendnciacentraladescrevernossoconjunto
dedadosobservadosadequadamente.Indicamseosdadosesto,ouno,prximosunsdos
outros.
Observeostrsconjuntosdedados:
X:10,10,10
Y:5,10,15
Z:0,10,20
fcilperceberquesecalcularmosamdiadostrsconjuntos,encontraremosomesmovalor:
10. Porm, igualmente fcil perceber que o conjunto X mais homogneo, enquanto o
conjuntoZoquetemmaiordiversificao.
Chamamos de disperso ou variabilidade a maior ou menor diversificao de valores em
torno de um valor de tendncia central. necessrio, portanto, ao menos uma medida de
tendnciacentraleumamedidadedispersoparadescreverumconjuntodedados.
Detodasasmedidasdedisperso,estudaremosaamplitudetotal,avarincia,odesviopadro
eocoeficientedevariao

11.1 AmplitudeTotal
A amplitude total simplesmente a diferena entre o maior e o menor valor coletado. A
amplitude total uma medida de disperso que no leva em considerao os valores
intermedirios, no dando nenhuma informao de como os dados esto distribudos (ou
concentrados).

AT=xmx xmn
Aamplitudetotaltemumclarssimoproblema:slevaemconsideraoosvaloresextremosde
nossoconjuntodedados,semcontabilizarosvaloresintermedirios.
vlidoutilizarmosaamplitudetotalparacomparamostemperaturasaolongodeumdia(ou
ano)oucomocontrolerpidodequalidadeemumalinhadeproduo.

11.2 Varincia
Avarinciaumamedidabaseadanosdesviosemtornodamdiaaritmtica.
Formalizandoaidia,naverdadeavarinciaamdiaaritmticadosquadradosdosdesvios
(ouamdiaaritmticadosdesviosaoquadrado).Representamosavarinciapors2,etemos:

ou

23

Obs: Se nosso interesse for a inferncia estatstica (tirar concluses sobre a populao
partindodeumaamostra)enosimplesmenteadescriodosdados,convmutilizarmosn1
nolugarden(nodenominador).
Podemos portanto dizer que quanto maior a varincia, mais heterogneos so os dados, ou
seja, maior ser a variao entre os valores. Por outro lado,quanto menor a varincia, mais
homogneossoosdados,ouseja,menorseravariaoentreosvalores.

11.3 DesvioPadro
Uma vez que a varincia obtida por meio dos quadrados dos desvios, a sua unidade de
medidaoquadradodaunidadedemedidadosdados.Assim,pormotivosprticos,utilizamos
odesviopadro,quesimplesmentearaizquadradadavarincia.

Observaes:
1. Tantoodesviopadroquantoavarinciasomedidasdedisperso,ousodeumaou
outramedidadependerdafinalidadedoestudo
2. Autilizaodamdiaaritmticatornaoclculodavarincia(edodesviopadro)pouco
prticos, pois com frequncia a mdia um nmero fracinrio. mais frequente
utilizarmosumasimplificaodafrmula:

3. No caso de dados agrupados, teremos que levar em considerao as frequncias.

Assim,aequaoser:

4. Nocasodedadosagrupadoscomintervalosdeclasse,osvaloresdexi seroos

valoresmdios(mdiaaritmticaentreoslimitesinferioresuperior)dasclasses.
11.3.1 Propriedades:
1) Se somarmos ou subtrairmos uma constante de todos os valores da srie, o desvio
padronosealtera.
2) Semultiplicarmosoudividirmosumaconstanteportodososvaloresdasrie,odesvio
padrosermultiplicadooudividoporestamesmaconstante.

24

11.3.2 Exemploresolvido:
Observecomomontaratabelaparaumadeterminadadistribuiodefrequnciaseautilizao
daequaoparadadosagrupados
i
1
2
3
4
5
6

Estaturas
(cm)
150154
154158
158162
162166
166170
170174

fi
4
9
11
8
5
3
=40

xi
152
156
160
164
168
172

fixi
608
1404
1760
1312
840
516
=
6.440

fixi2
92416
219024
281600
215168
141120
88752
=
1.038.080

s=5,567

11.4 Coeficientedevariao(CV)
Ocoeficientedevariaoresolvedoisproblemasdodesviopadro:
1) O desvio padro tem a mesma unidade dos dados coletados. Assim, se quisermos
comparardadoscomunidadesdiferentes,odesviopadronoumaboamedida
2) O desvio padro, como valor absoluto, no nos diz muita coisa, pois um desvio de 5
commdia500umdesviopequeno,masumdesviode5commdia10umdesvio
grande.
Ouseja,ovalorabsolutododesviopadro,nocaso,5,nonosdiznada.
Ocoeficientedevariaocalculadopelaseguinteequao:

Sendoportantoumagrandezaadmensional(semunidades)eponderadapeloseuvalormdio.

25

11.5 Exerccios
1) Completeoesquemaabaixoecalculeodesviopadroparaaseguintesequnciade
valores:
81011151618
I
1
2

n=

xi
8
10

xi2
64

Resp:s=3,559
2) Comproveaspropriedadesdodesviopadrosomando3acadanmerodasriee
depoismultiplicandocadanmeropor2.
3) Calculeaamplitudetotaleodesviopadrodaseguintedistribuio:
xi

fi

4) Paraosdadosdepesode2gruposdealunos,calculeamdiaeodesviopadro
65578965507281
Resp:Mdia=68,428kg,Desvio=13,464kg
807867569010166
Resp:Mdia=76,857kg,Desvio=15,366kg

26

12 Noesdeassimetria
Anaturezabsicadaassimetriasimples.
Seemumadistribuioemformadesino(distribuionormal)temosx=Md=Mo,acurva
consideradasimtrica
SeMo<Md<x,acurvaassimtricapositiva.
Sex<Md<Mo,acurvaassimtricanegativa.

Assim, calculando o valor da diferena (x Mo), para valores nulos teremos uma curva
simtrica, para valores negativos teremos uma assimetria negativa (ou esquerda) e para
valorespositivosteremosumaassimetriapositiva(oudireita).
PodemostambmfazerusodocoeficientedeassimetriadePearson,quetemavantagemde
seradmensional:

Se 0,15 < |As| < 1, a assimetria considerada moderada. Se |As| > 1 a assimetria
consideradaforte.

27

13 AdistribuioNormal
Detodasasdistribuiestericasdevarivelaleatriacontnua,umadasmaisimportantesa
distribuionormal.

13.1 Propriedades:
1) AvarivelXpodeassumirqualquervalorreal
2) Graficamente,adistribuiotemaformadeumsino,simtricoemtornodamdia.A
curvarecebeonomedeCurvadeGaussoCurvaNormal
3) Areatotalsobacurvatemvalor1eaprobabilidadedavarivelXassumirqualquer
valorreal.Dadaasimetriadavurva,aprobabilidadevale0,5paracadaladodamdia
O clculo da rea (probabilidade) para cada ponto da curva exige matemtica avanada,
portanto usaremos um conceito simples para contornar esta restrio, o conceito de
distribuionormalreduzida
Adistribuionormalreduzidaumadistribuionormalcommdia0edesviopadro1.As
probabilidadesassociadas (ou reas soba curva) so encontradasem uma tabela,de modo
quenoprecisamoscalcullas.Afrmulaqueusaremos:

13.2 ExemploResolvido:
Imagine um grupo de trabalhadores com mdia salarial R$400,00 e desvio padro R$50,00.
Qual a probabilidade de encontrarmos um trabalhador que tenha salrio entre R$390,00 e
R$450,00?
Passoapasso:
1) Adistribuiooriginal(X)temmdiaR$400,00edesvioR$50,00
2) Podemos ento encontrar os valores de Z correspondentes a X = R$390,00 e X =
R$450,00
Z1=(390400)/50=0,2
Z2=(450400)/50=1,0
Assim,podemosdizerqueaprobabilidadedosalrio(X)ficarentreR$390,00eR$450,00a
mesmadetermosZentre0,2e+1,0.
ObservandoatabeladedistribuionormaldeZ(peaajudadeseuprofesorparaleratabela!
Tabelas de probabilidade para Z (0,1) podem ser facilmente encontradas na internet), temos
28

0,0793 para 0,2 (no h diferena entre 0,2 e +0,2, uma vez que a curva simtrica) e
0,3413para1,0.

ComoadistribuioZtemmdia0,temos00,2esquerdadozeroeo+1,0direitadozero.

P(390<X<450)=P(0,2<Z<0)+P(0<Z<1,0)=0,0793+0,3413=0,4206.
Ouseja,temosqueemmdia42%dostrabalhadoresganhamentreR$390,00eR$450,00.
Obs: Para ler a tabela de distribuio normal Z, procure os dois primeiros algarismos na
primeiracolunaedepoisoltimoalgarismonaprimeiralinha.Paraacharo1,00fcil.Basta
acharmoso1,0naprimeiracolunaedepoiso0,00naprimeiralinha.Ficamoscom0,3413.Se
quisermos achar Z = 1,55, temos que achar o 1,5 na primeira coluna e depois o 0,05 na
primeiralinha.Ficamoscom0,4395.Porltimo,sequisermosacharZ=3,38,procuraremoso
3,3naprimeiracolunaeo0,08naprimeiralinha.Acharemosovalor0,4996.

29

14 NoesdeProbabilidade
Voc j deve ter percebidoque para compreendermos bem a estatsticaprecisamos de uma
boanoodeprobabilidade,certo?
Vamos agora fazer uma curta reviso dos principais conceitos desta importante parte da
matemtica.
Oprimeiroconceitoodeexperimentoaleatrio,queaqueleque,mesmorepetidosobas
mesmascondies,apresentaresultadoimprevisvel.
Por exemplo, se jogarmos uma moeda no viciada para cima sempre sob as mesmas
condies, no temos como prever se encontraremos como resposta cara ou coroa. O
mesmopodemosdizersobreumdadonoviciado.Nuncasaberemosseencontraremoscomo
resposta1,2,3,4,5ou6.
Com esses dois exemplos, voc j tem automaticamente condies de entender o que o
espao amostral de um experimento. simplesmente o conjunto de resultados possveis,
representadoporS.
Paraosnossosexemplos,teremos:
Lanamentodamoeda:S={Cara,Coroa}
Lanamentododado:S={1,2,3,4,5,6}
Antes de comearmos a calcular probabilidades, temos mais um conceito, o evento, que
qualquersubconjuntodoespaoamostralS,esempredefinidoporumasentena.
Vamosaalgunsexemplosdeeventosparaoexperimentodelanarumdado:
Obterumnmeroparnafacesuperior
Obterumnmeromaiorque3nafacesuperior
Obteronmero4nafacesuperior
Agora,comestesconceitosrevisados,podemoscomearacalcularprobabilidades.
De maneira simplificada, a probabilidade calculada pela quantidade de casos favorveis
divididopelonmerototaldecasos,oupelonmerototaldepossibilidades.
Demaneiramaisformal,chamamosdeprobabilidadedeumeventoA onmerorealP(A),de
modoque:

30

Onden(A)onmerodeelementoadeA(oevento)en(S)onmerodeelementosdeS(o
espaoamostral).

14.1 Exemplosresolvidos:
1) Emumlanamentodeumamoeda,qualaprobabilidadedeobtercara?
A={Cara},n(A)=1
S={Cara,Coroa},n(S)=2
P(A)=1/2=0,5
Oresultadonosmostraqueemumamoedanoviciada,aprobabilidadedeobtermoscara
0,5ou50%.
2) Emumlanamentodeumdado,qualaprobabilidadedeobterumnmeropar?
A={2,4,6},n(A)=3
S={1,2,3,4,5,6},n(S)=6
P(A)=3/6=0,5
Temosento50%dechancedeobtermosumnmeropar.
Peloquevimosatagora,podemosafirmarque:
a. Aprobabilidadedeumeventocertoiguala1
b. Aprobabilidadedeumeventoimpossveliguala0
c. AprobabilidadedeumeventoAqualquerumnmerorealP(A)talque0P(A)1
Parafinalizarmosnossacurtarevisodeprobabilidade,importantequevoclembredemais
trs conceitos: eventos complementares, eventos independentes e eventos mutuamente
exclusivos.

14.2 Eventoscomplementares
Eventoscomplementaressoaquelescujasprobabilidadessomam1.Sendopaprobabilidade
deumeventoeqaprobabilidadedeoutroevento,elessocomplementaressep+q=1.
Logop=1q
Qualautilidadedesteconceito?Simples.Seaprobabilidadedeobter2nolanamentodeum
dado1/6,aprobabilidadedenotirar2(ouseja,tirarqualqueroutronmero):
11/6=5/6

14.3 Eventosindependentes
Dois eventos so independentes sea realizao (ou norealizao)deum doseventos no
afetaaprobabilidadederealizaodooutro.

31

Selanarmosporexemplodoisdados,ovalorqueobtivermosno1noafetaemnadaovalor
queobteremosno2,demodoqueaprobabilidadedequeelesserealizemsimultneamente
oprodutodasprobabilidadesindividuais.

p=p1 .p2
14.4 Eventosmutuamenteexclusivos
Comoonomejimplica,eventosmutuamenteexclusivossoaquelesemquearealizaodo
primeiroexcluiarealizaodosegundo.
Voltando ao caso clssico do lanamento de uma moeda, o evento cara automaticamente
exclui o evento coroa, uma vez que tiramos cara ou coroa. As duas faces no podem ser
obtidasnomesmolanamento.
Assim,aprobabilidadedequeumOU outroeventoserealizeasomadasprobabilidades.

p=p1 +p2
AprobabilidadedetirarmoscaraOUcoroa0,5+0,5=1
Aprobabilidadedetirarmos2OU4nolanamentodeumdado1/6+1/6=2/6=1/3.

14.5 ExercciosResolvidos:
1) Qualaprobabilidadedeobtermosumreideespadasaoretirarmosumacartadeum
baralhode52cartas?
Resposta:p=1/52
2) Qualaprobabilidadedeobtermosumreidequalquernaipeaoretirarmosumacartade
umbaralhode52cartas?
Resposta:p=4/52=1/13
3) Dedoisbaralhosde52cartas,qualaprobabilidadederetirarmosumreidecada
baralho?Resposta:comoosdoiseventossoindependentes,temosp=p1 .p2

4) Deumbaralhode52cartasretiramseduascartassemreposio.Qualaprobabilidade
daprimeiraseroreideespadaseasegundaoreidepaus?
Resposta:maisumavezcomooseventossoindependentes,temosp=p1 .p2.
importantenotarquecomonoatoderetiradadasegundacarta,restamsomente51
cartasnobaralho.

5) Doisdadossolanadosconjuntamente.Determineaprobabilidadedasomaser11ou
maior.
Resposta:Asomadeverser11ou12.
Paraasoma11temosaspossibilidades(5,6)ou(6,5),demodoqueaprobabilidade
2/36.
Paraasoma12stemosapossibilidade(6,6),demodoqueaprobabilidade1/36
Comoqueremosqueasomaseja11ou12eoseventossomutuamenteexclusivos,
temos
32

14.6 Exerccios:
1) Umnmerointeiroentre3e11serescolhidoaoacaso.
a. Qualaprobabilidadedequeestenmerosejampar?
b. Qualaprobabilidadedequeestenmerosejapar?
c. Qualaprobabilidadedequeestenmerosejaparedivisvelpor4?
2) Doisdadossolanadossimultneamente.Determineaprobabilidadede:
a. Asomaser10
b. Asomasermaiorque10
c. Oprimeiroresultadosermaiorqueosegundo.
3) Umamoedalanada3vezes.Calculeaprobabilidadede:
a. Obtermos3coroas
b. Obtermos2coroase1cara
c. Obtermospelomenos1cara
d. Obtermosnomximo1cara.

33

15 CorrelaoeRegresso
A correlao e a regresso so tcnicas bem relacionadas envolvendo estimao de
parmetros.Atagora,analisamosedescrevemosadistribuiodevaloresdeumavarivelde
cadavez.
Agora, ao analisarmos as observaes de duas ou mais variveis conjuntamente, temos um
novo problema: as relaes que podem existir entre as variveis estudadas. Assim,
analisaremos dados amostrais para saber como duas ou mais variveis esto relacionadas
entresi.
Quando consideramos variveis como peso e altura, fcil notar que h um relacionamento
entreasgrandezas.Intuitivamentepercebemosque,namdia,quandomaioraaltura,maioro
peso.
A correlao medeafora, ougraude relacionamento entreduas variveis. Quanto maior a
correlao,maioraintensidadederelacionamento.
Uma vez caracterizada a correlao, a regresso o instrumento que d uma equao que
descreveorelacionamentoemtermosmatemticos.

15.1 Correlao
Considere uma amostra aleatria de 10 dos 45 alunos de uma turma de e suas notas em
matemticaeestatstica:
Aluno
1
4
7
13
15
22
26
31
33
40

NotaemMatemtica
5
7.5
6.5
8
9.5
3
5.5
9
7
2

NotaemEstatstica
6
8
6
9
10
4
5
10
7.5
2.5

Repare como existe um forte relacionamento entre as notas. Existe uma tendncia forte no
sentidodequequantomaioranotaemmatemtica,maiortambmanotaemestatstica.
Colocandoemumgrficoemqueoeixoxoalunoeoeixoyanota,ficafcilperceberesse
relacionamento:

34

Umoutroinstrumentobemimportanteodiagramadedisperso,emqueoeixoxeoeixoy
sorepresentadospelasnotasemmatemticaeestatstica,respectivamente:

Os pontos obtidos claramente tem uma correlao linear, ou seja, tem como imagem uma
reta.

Como temos neste caso uma reta ascendente, a correlao chamada correlao linear
positiva. Se os pontos tivessem como imagem uma reta descendente, teramos uma
35

correlao linear negativa. Se os pontos tivessem como imagem uma curva (e no uma
reta)teramosumacorrelaonolinear.
Ograudeintensidadedacorrelaomedidopelocoeficientedecorrelao.Ocoeficiente
decorrelaodePearsondadopor:
,ondenonmerodeobservaes

Lembre que existem vrios tipos de correlao: Pearson Spearman parcial mltipla, etc.
Estudaremossomenteaprimeira.
15.1.1 Caractersticasder
1)Ovalordervariade1,00a+1,00
2)Umrelacionamentopositivo(r+)indicaumacorrelaopositivaentreduasvariveis.Os
valoresaltos(baixos)deumadasvariveis,correspondemvaloresaltos(baixos)daoutra
3)Umrelacionamentonegativo(r)indicaumacorrelaonegativaentreduasvariveis.Os
valoresaltos(baixos)deumadasvariveis,correspondemvaloresbaixos(altos)daoutra
Logicamente se r = +1 temos uma correlao perfeita e positiva, se r = 1 temos uma
correlaoperfeitaenegativaeser=0notemoscorrelaoouarelaonolinear.
Obs:se0,3|r|0,6temosumacorrelaofraca,ese0|r|0,3acorrelaomuitofracae
naprticanopodemosafirmarnadasobrearelaoentreasvariveis.
15.1.2 Exemploresolvido:
Vamos calcular o coeficiente de correlao relativo tabela de notas de matemtica e
estatstica.
Amelhormaneiraassociartabelaosvaloresdexy,x2 ey2.
Aluno
1
4
7
13
15
22
26
31
33
40

NotaemMatemtica
(x)
5
7.5
6.5
8
9.5
3
5.5
9
7
2
63

NotaemEstatstica
(y)
6
8
6
9
10
4
5
10
7.5
2.5
68

xy
30
60
39
72
95
12
27.5
90
52.5
5
483

x2
25
56.25
42.25
64
90.25
9
30.25
81
49
4
451

y2
36
64
36
81
100
16
25
100
56.25
6.25
520.5

36

Lembrandoquen=10temos:

Oqueindicaumacorrelaolinearpositivaforteentreasvariveis,ouseja,quemestudamais
matemtica,sabemaisestatstica.Lembresedisso!

15.2 Regresso
Aps a anlise de correlao, temos indicao de forte relacionamento entre duas variveis.
Agora o problema determinar uma funo matemtica que exprima este relacionamento.
Esseoproblemadaregresso,ouseja,descreverarelaoentreduasvariveisdeacordo
comummodelomatemtico.
Assim,seumavarivelexplicaocomportamentodaoutra,temosumavariveldependentee
outraindependente.Admitindoqueaformadalinhaderegressosejaumareta,temosXcomo
varivelindependente,Ycomovariveldependente(aquelasobreaqualqueremosfazeruma
estimativa)equeremosobterumafunodefinidapor:
Y=aX+b(funode1grau,quevoccomcertezajestudouemmatemtica)
Paracalcularosparmetrosaeb,usaremosasseguintesequaes:

b=yax

ondenonmerodeobservaes,xamdiadosvaloresxi eyamdiadovaloresyi .
Umaobservaoimportante:comoestamosutilizandoumaamostraparaobtermososvalores
dosparmetros,aequaoqueencontraremosumaestimativadaverdadeirafunoque
relacionanossasvariveis.
15.2.1 Exemploresolvido:
Vamosmaisumavezutilizarasnotasdematemticaeestatsticaecompletaratabela.
Aluno
1
4
7
13
15
22

NotaemMatemtica
(x)
5
7.5
6.5
8
9.5
3

NotaemEstatstica
(y)
6
8
6
9
10
4

xy
30
60
39
72
95
12

x2
25
56.25
42.25
64
90.25
9
37

26
31
33
40

5.5
9
7
2
63

5
10
7.5
2.5
68

27.5
90
52.5
5
483

30.25
81
49
4
451

Sabendoquen=10,temos:

Nossaequaofinalportanto:

Yestimado =1,009242X+0,44177
Podemosfinalmentefazerumainterpolao,ouseja,estimarvaloresdeYdeacordocomum
dadoX.
Anotadeestatsticacorrespondentea4,0emmatemtica(X):
Yestimado =1,009242.4+0,44177=4,478

15.3 Exerccios
1) Completeatabeladeclculoeencontreocoeficientedecorrelaolinearparaas
seguintesvariveis:
xi

10

12

yi

12

10

12

14

xiyi
48

168
=

xi2
16

144
=

yi2
144

196
=

xi
yi
4
12

12
14
= =
Resposta:r=0,42

38

2) Completeatabeladeclculoedefinaaretadeajustamentoaosdados:
xi

10

12

14

yi

30

25

22

18

15

11

10

xi
yi
xiyi
xi2
2
30
60
4

14
10
140
196
= = = =
Resposta:Yestimado =1,69X+32,28
3) Apartirdatabelaabaixo:
xi

yi

70

50

40

30

20

10

a.
b.
c.
d.

Calculeocoeficientedecorrelao
Determineosparmetrosparaajustedareta
EstimeYparaX=0
EstimeYparaX=5,5

39

16 Nmerosndices
Nmerosndices so usados para indicar variaes relativas em quantidades, preos, ou
valoresdeumartigo,duranteumperododetempoouemdiferentesespaos.
Comoexemplodeutilizao,temosamediodeperdadopoderaquisitivodapopulaoao
longodeumano,ouoacompanhamentodainflao.
Omaisimportanteaquiperceberqueemmuitassituaesempregaremosnmerosrelativos,
emvezdenmerosabsolutos,parafacilitarcomparaes.

16.1 Exemplo:
Temosaseguirumatabelacomquantiadesepreosparaumdeterminadoitemdeacordocom
osmesesdoano.
Meses
Jan
Fev
Mar
Abr

Quantidade(Kg)
2
2.5
3
2.6

Preo
(R$/Kg)
6
7.2
7.8
9

Valortotal
12
18
23.4
23.4

Agora, podemos calcular como evoluiram a quantidade comprada, o preo por Kg e o valor
totalpagotendocomobaseomsdejaneiro.Aidiasimplesmentechamarmosnossabase
de1ecalcularmosarazoentreosvaloresdasvariveisnomsxeosvaloresdasvariveis
nomsbase.
Meses
Jan
Fev
Mar
Abr

Quantidade(Kg)
1
1.25
1.5
1.3

Preo
(R$/Kg)
1
1.2
1.3
1.5

Valortotal
1
1.5
1.95
1.95

Desse modo, podemos perceber que a quantidade comprada em abril 30% maior que a
quantidadecompradaemjaneiro,eopreoemfevereirofoi20%maiorqueopreodejaneiro.
Repare que todos os valores so relativos ao valores base de janeiro, ou seja, dividimos a
quantidade, preo e valor total de cada ms pelas quantidades, preos e valores totais de
janeiro.
Formalizandoumpoucomais,representaremospor0apocabase,eportapocaatual,de
modoqueteremos:
P0 preonapocabase
Pt preonapocaatual
40

Q0 quantidadenapocabase
Qt quantidadenapocaatual
V0 valornapocabase
Vt valornapocaatual
Atribuindoovalor100pocabase,teremosasseguintesequaes(baseadasemregrade
trssimples)paracalcularmososrelativos:
(relativodepreo)
(relativodequantidade)
(relativodevalor)

16.2 Exerccioresolvido:
SabendoqueopreodedeterminadoprodutoeraR$50em2004eR$60em2005,calculeo
relativodepreoem2005,tomandocomobaseoanode2004.
Notao:P2004 =R$50eP2005 =R$60
P2004,2005 =(60/50).100=120,temosentoP2004,2005 =120%
Oaumentodepreofoide120100=20%

16.3 ndiceAgregativo
Oqueestudamosatagoraacaracterizaodaevoluodepreo,quantidadeouvalortotal
pago para apenas um produto. Porm, para estudar variaes de preos no mercado,
precisamos de um ndice que caracterize a variao de preos de um conjunto de bens
(agregado).Assim,precisamosdeumndiceagregativo.
Existem algumas possibilidades de clculo de ndices agregativos. Aqui veremos apenas o
ndicedeLaspeyres.Lembrandoque0apocabaseetapocaatual,temos:

Obs: Muitos ndices so utilizados em nossa vida cotidiana. Pesquise na internet alguns dos
maisimportantescomoondicedecustodevida,ondicedePreosaoConsumidor(IPC)eo
ndiceGeraldePreos(IGP).

41

16.4 Exerccios:
1) Dadaatabelaabaixo,calculeosndices,tomando1991comoanobase:
Anos
ndices(1989=
100)

1989

1990

1991

1992

1993

1994

100

152

203

321

415

580

2) Observando a tabela abaixo, calcule o ndice ponderado de preos de acordo com a

frmuladeLaspeyres.
BENS
A
B
C

1993
p
20
40
15

1994
q
4
3
8

p
28
56
30

q
3
3
12

42

17 Introduoaostestesdehiptesesesignificncia
Emsituaescotidianas,precisamoscomalgumafrequnciatomardecisessobrepopulaes
com base apenas em amostras. Assim, conveniente a determinao de hipteses ou
suposies,quepodemounoserverdadeiras.
Na prtica,formulamosumahiptese como propsito de validaoou rejeio. Tal hiptese
criadachamadadehiptesenulaerepresentadaporH0.Qualqueroutrahiptesechamada
dehiptesealternativaedenominadaH1.
Imaginequequeremosdescobrirseumamoedaviciada.Temosporhiptesequeelanoo
. Assim formulamos p = 0,5, em que p a probabilidade de obtermos cara em um
lanamento. Essa nossa hiptese H0 (moeda no viciada) e p 0,5 nosso H1 (moeda
viciada).
Osprocessosquenoslevamadefinirseashiptesessoounosovlidas,ouseja,seos
resultadosdasamostrasdiferemdemodosignificativoounodosresultadosesperados,so
chamadostestesdehipteses.importantelembrarqueemumtestedehiptesenossofoco
aceitarourejeitarnossahiptesenula,ouseja,aceitarourejeitarH0

17.1 ErrosdoTipoIeII
Seumahipteserejeitadaquandodeveriatersidoaceita,temosumerrodotipoI.Seuma
hipteseaceitaquandodeveriatersidorejeitada,temosumerrodotipoII.
claroquedeveremossempreatuarnosentidodediminuirambos,masnaprticaatentativa
dediminuirumtipodeerrolevaaoaumentonachancedeerrodooutrotipo.Ocaminhopara
reduo dos dois tipo de erro o aumento do tamanho da amostra, o que nem sempre
possvel.

17.2 Nveldesignificncia
Aorealizarmosostestesdehipteses,chamamosdenveldesignificncia()aprobabilidade
mximaqueestamossujeitosacorrerparaoerrodotipoI.Osnveistradicionaisso0,01(1%)
ou0,05(5%).

17.3 Tiposdetestes
Osprincipaistipodetestessoosqueenvolvemadistribuionormalesotestesdemdias
eproporesdepopulaescombaseemamostras.
Podemostestarseasmdias(oupropores)dedeterminadapopulaoestodeacordocom
nossashipteses.Umexemploseriatestarseamdiadenotasdeumaturmade100alunos
deestatsticaestdentrodeumametaestipulada.Otesteseriafeitocomumaamostrade,por
exemplo,10%dosalunos.
Tambmsocomunstestesdediferenasnasmdiasenaspropores,paracomparaesde
duas populaes diferentes. Podemos, utilizando estes mtodos, saber, com um nivel de
43

significnciadeterminado,seduasturmastemmesmorendimento(mesmamdia),combase
emamostras.
Nodeixedeprocurarnainternetenaliteraturarecomendadamaisrefernciasaostestesde
hipteses. Eles so de grande importncia para uma compreenso mais aprofundada da
estatstica.

18 Literaturarecomendada/Refernciasbibliogrficas
NvelBsico:
Crespo,AntonioArnot.EstatsticaFcil.17Edio.Saraiva,2002.
Pereira,PauloHenrique.NoesdeEstatstica.Papirus,2004.
Nvelaprofundado:
CostaNeto,PedroLuizdeOliveira.Estatstica.2Edio.Blucher,2002.

44