Você está na página 1de 59

Andr Luiz M.

de Assumpo
andre.monsores@yahoo.com.br
Teoria e
Exerccios
Fevereiro de 2011

Estatstica Andr Assumpo
2

INTRODUO


O termo Estatstica derivado da palavra Estado e, originalmente, foi
empregado para denominar levantamentos de dados, com a finalidade de
fornecer orientaes para que o Estado pudesse tomar suas decises.

Atualmente, a Estatstica pode ser definida como um conjunto de
mtodos e processos quantitativos ou qualitativos que servem para estudar e
medir os fenmenos.

O Estudo estatstico tem como principal objetivo a organizao e anlise
de informaes que possibilitaro a realizao de uma inferncia com uma boa
margem de segurana.

Dessa forma, podemos entender que a Estatstica nos fornece
informaes pontuais, baseadas em dados histricos ou momentneos,
coletados por meios de testes ou pesquisas de opinio.



Estatstica Andr Assumpo
3
CAPTULO I
ALGUMAS DEFINIES

1. Populao: o conjunto escolhido para se realizar uma pesquisa.
Ex.: Os alunos da Universidade Chico Mendes.

2. Amostra: o subconjunto da populao, formado pelos elementos que foram
entrevistados.
Ex.: Joo, Cristina, Maria, Antnio, Fbio, Jos Carlos, Ana Cristina, Rosa,
Janete, Csar, Estela e Natlia.

3. Dados Brutos: so aqueles que ainda no foram numericamente organizados.
Ex.: As idades dos alunos do 3
o
perodo de Administrao da Universidade
Chico Mendes.

Idades
18 20 21 20 19 25 31 31 35 33 28 27 24 21 28 21 18 19 28 21 19 29 27

4. Rol: um arranjo ordenado de dados numricos brutos, podendo ser crescente ou
decrescente.
Ex.: Idades: 18 18 19 19 19 20 20 21 21 21 21 24 25 27 27 28 28 28 29 31 31 33 35
Idades
18 18 19 19 19 20 20 21 21 21 21 24 25 27 27 28 28 28 29 31 31 33 35

5. Varivel: um termo simbolizado por X, Y, H, Z, que pode assumir qualquer um
dos valores contidos num conjunto de valores, que lhe so atribudos. A este conjunto
denominamos domnio da varivel. As variveis se dividem em:

Quantitativas Qualitativas
Discretas Nominais
Contnuas Ordinais

6. Varivel Qualitativa: aquela que representa uma categoria. Ela nominal quando
no existe nenhum tipo de hierarquia ou ordenamento dos valores.
Ex.: Os municpios de onde saram os estudantes da Universidade Chico
Mendes.

A varivel ordinal quando esse ordenamento existe.



Estatstica Andr Assumpo
4
Ex.: As posies dos 10 melhores alunos do curso de Administrao da
Universidade Chico Mendes.
Relao dos Dez Melhores Alunos do Curso de Administrao
Colocao Nome
1 Joo
2 Cristiane
3 Janana
4 Marco Antnio
5 Juliana
6 Jacqueline
7 Luiz Carlos
8 Heitor
9 Jlio Cezar
10 Maria da Glria

7. Varivel Quantitativa: aquela que representa uma medida. Ela contnua quando
pode assumir qualquer valor entre dois.
Ex.: Altura dos alunos do 3
o
perodo de Administrao da Universidade Chico
Mendes.

E ser discreta quando somente poder assumir valores inteiros.
Ex.: Idade dos alunos do 3
o
perodo de Administrao da Universidade Chico
Mendes.

8. Freqncia: o nmero de vezes em que uma observao se repete.
Ex.: no exemplo das idades, as freqncias so:

Idades (X) Freqncias (F)
18 2
19 3
20 2
21 4
24 1
25 1
27 2
28 3
29 1
31 2
33 1
35 1
Total 23

Estatstica Andr Assumpo
5
9. Estatstica Descritiva: dizemos que uma estatstica descritiva quando seu objetivo
ordenar, expor e sumarizar registros relativos aos atributos do fenmeno estudado.

10. Estatstica Inferencial ou Induo Estatstica: uma estatstica inferecial
quando o seu objetivo generalizar para uma populao o que foi estudado em amostras.

11. Aproximao de Valores Numricos: so cortes realizados nas casas decimais
de valores no inteiros. Esses cortes so realizados segundo regras e em funo das
caractersticas da varivel e/ou do nvel de preciso adotado ao estudo da varivel.

Regra de Aproximao: para realizar as aproximaes de valores numricos,
utilizaremos a seguinte regra.

Observe, no exemplo da reta numrica, a posio do valor 3,57





Ele se encontra mais prximo do 3,6 que do 3,5. Assim, para representarmos
este valor com apenas uma casa decimal, cometeremos um erro menor se o
representarmos como 3,6, ao invs de 3,5.

Podemos generalizar a regra da seguinte forma:

1) Observe em qual casa decimal voc ir fazer a aproximao;
Ex.: Aproximar o valor 12,56789 na segunda casa decimal.
1 2 5 6 7 8 9
Parte Inteira Parte Decimal
1 CD 2 CD 3 CD 4 CD 5 CD

O algarismo da 2 Casa Decimal o 6.
2) Observe o algarismo que est na primeira casa a direita da casa que sofrer a
aproximao;

1 2 5 6 7 8 9
1 CD 2 CD 3 CD 4 CD 5 CD




Se esse algarismo for maior ou igual que 5, acrescente uma unidade no
algarismo da casa que sofrer a aproximao e abandone todas os algarismos
| | | |
3,5 3,55 3,57 3,6
Algarismo que sofrer
a aproximao
Algarismo da primeira casa a
direita da casa que sofrer a
aproximao
Estatstica Andr Assumpo
6
das casas decimais que estiverem a sua direita. Caso ele seja menor que 5,
mantenha inalterado o algarismo da casa que est sofrendo a aproximao e
abandone as demais que estiverem a sua direita.

Exemplos:

a) 3,25679 aproximado na 2 casa decimal fica 3,26.
b) 4,56753 aproximado na 3 casa decimal fica 4,568.
c) 2,43567 aproximado na 1 casa decimal fica 2,4.
d) 1,18697 aproximado na 4 casa decimal fica 1,1870.
e) 3,99950 aproximado na 3 casa decimal fica 4,000.

Estatstica Andr Assumpo
7
Exerccios 1:

1) Coloque um D para as variveis discretas e um C para as contnuas:

( ) N de livros da biblioteca da Universidade Chico Mendes
( ) Altura dos alunos do 3
o
perodo de Matemtica
( ) Velocidade de um carro
( ) Inflao anual no Brasil
( ) Peso dos estudantes
( ) Salrio dos professores da Universidade Chico Mendes
( ) N de filhos de uma famlia
( ) N de faltas na disciplina de Estatstica
( ) Mdia dos alunos na disciplina de Estatstica

2) Arredonde os seguintes nmeros:

a. 24,6 para a unidade mais prxima.
b. 242,5 para a unidade mais prxima.
c. 5,438 para o centsimo mais prximo.
d. 1,426 para o dcimo mais prximo.
e. 1,0482 para o milsimo mais prximo.
f. 2,57502 para o centsimo mais prximo.
g. 3,5464 para o centsimo mais prximo.
h. 3,897 para o centsimo mais prximo.
i. 12,9986 para o centsimo mais prximo.

3) Use os critrios de arredondamento para aproximar os seguintes nmeros
na 3
a
casa decimal:

a- 4,3167 -
b- 13.4579 -
c- 21,8954 -
d- 12,8771 -
e- 13,1235 -
f- 56,2365 -
g- 2,01027 -
h- 10,12045 -
i- 19,9996 -
j- 31,13554 -
k- 15,2395 -



Estatstica Andr Assumpo
8
4) Calcular:
a) 3% de 420;
b) 6% de 18;
c) 125% de 36;
d) 0,4% de 200;
e) 12,5 % de 1250;
f) 19% de 4000;
g) 100% de 200;
h) 150 % de 200;
i) 200% de 200.

5) Qual o principal cujos 3% so 20?


6) Qual o principal cujos 10% so 55?


7) Se 50% de uma mensalidade R$ 75,00, qual o valor da mensalidade?


8) Se 75% de uma prestao R$ 250,00, qual o valor da prestao?


9) Numa cidade, 45% da populao so homens. Qual a populao dessa
cidade, se nela residem 60500 mulheres?


10) Sabendo que um artigo de R$ 50,00 foi vendido com abatimento de R$ 1,60,
encontrar a taxa utilizada na operao.

11) Se minha mensalidade custa R$ 175,00 e, por estar em atraso, vou pag-la
com juros de 5 %, quanto pagarei pela mensalidade?

12) Numa escola, a mensalidade das turmas de 4 srie de R$ 60,00. Caso o
aluno pague a mensalidade com atraso, a escola cobrar uma taxa de juros
de 2%, acrescido de uma multa de R$ 2,00 por dia de atraso. Se um aluno vai
pagar a mensalidade com 10 dias de atraso, quando ele ter que
desembolsar para efetuar esse pagamento?


13) Todos os produtos de uma loja de roupas sofreram um aumento de 30% no
seu valor de venda. Uma semana aps o aumento, notando que as vendas
tiveram uma queda significativa, o dono da loja resolveu anunciar um
Estatstica Andr Assumpo
9
desconto para todas as mercadorias, de modo que os preos voltassem a ser
os mesmos de antes do aumento. De quanto dever ser esse desconto?


Exerccios Complementares

1) Calcular:

a- 9% de 3000;
b- 16% de 1500;
c- 146% de 2500;
d- 12,5% de 400;
e- 8,5% de 800;
f- 7,75% de 650;
g- 15,42% de 175,30.

2) Represente como porcentagem:

a- 85 de 1700;
b- 68 de 400;
c- 54 de 900;
d- 1300 de 6900;
e- 340 de 200;
f- 1500 de 500.

3) O salrio mensal de uma pessoa era R$ 8.000,00. Ela recebeu um
aumento de 35%. Quanto passou a receber

4) Uma taxa de 13% aplicada num capital, aumentando-o para R$
52.000,00. Qual o capital?
5) Em certo pas, a populao atual de 80 milhes de habitantes. Sabendo-
se que a taxa de crescimento populacional de 40% ao ano, qual ser a
populao daqui a 2 anos?

6) O ndice de aumento salarial de um funcionrio ser 80% do ndice do
ano passado, que foi de 70%. Qual o ndice de aumento salarial atual?

7) A mdia de reprovao em matemtica de um certo colgio de 45%.
Sabendo-se que o colgio possui 3200 alunos, quantos alunos ficam
reprovados em matemtica?

8) A mdia de reprovao em concursos pblicos de 82%. Quantas
pessoas sero aprovadas num concurso pblico com 6500 inscritos?
Estatstica Andr Assumpo
10


9) Comprei um terreno cujo preo estava estipulado em R$ 200.000,00.
Gastei ainda 5% desse valor em impostos e dei 3% ao corretor. Quanto
efetivamente tive que gastar?

10) Um vendedor ganha 3% de comisso sobre as vendas que realiza. Tendo
recebido R$300,00 de comisses, quanto vendeu?

11) Do que recebo, 30% vo para a poupana, 20% para o aluguel e 35% para
a alimentao. Com os 450,00 que sobram, eu me visto. Qual o meu
salrio?

12) Sabendo que um artigo de R$ 50.000,00 foi vendido com abatimento de
R$1.600,00, encontrar a taxa utilizada na operao.

13) Um caminho de areia perde 1,5% de seu contedo em toda a viagem
que realiza. Carregando 8 m
3
de areia, quanto ser perdido?

14) Poderei obter abatimento de 13% para pagamento vista de uma
geladeira que custa R$450,00. Quanto pagarei pela geladeira nestas
condies?

15) Se eu comprar um objeto por R$ 20,00 e vende-lo por R$ 35,00, qual ser
a minha porcentagem de lucro?

16) Sabendo-se que numa turma tenho 25 alunas e 15 alunos, qual o
percentual de alunas da turma?


Estatstica Andr Assumpo
11
CAPTULO II
DISTRIBUIO DE FREQNCIA

Quando estamos trabalhando com um conjunto contendo uma
quantidade relativamente grande de elementos, comum se criar uma tabela
para relacionar o valor da varivel e a quantidade de vezes em que ela aparece
no conjunto. Essa tabela denominada distribuio de freqncia absoluta
simples.

Ex.: Supondo que em uma turma existam 25 alunos, a tabela a baixo
representar a distribuio de freqncia das idades desses alunos.

Tabela 1: Altura dos alunos da Universidade
Idades
(X)
Freqncia
(F)
14 1
15 2
16 4
17 5
18 7
19 4
20 2
Total 25

Para resumirmos grandes quantidades de dados, costumamos separ-los
em classes e, em seguida, determinamos a quantidade de elementos que consta
em cada classe, denominada de freqncia absoluta da classe. Uma tabela
contendo as classes e as freqncias correspondentes, denominada de
distribuio de freqncia absoluta em classes ou tabela de freqncia absoluta
em classes.

Ex.: Vamos exemplificar mostrando a distribuio de freqncia das alturas de
100 alunos da XKZW.
Tabela 2: Altura dos alunos da Universidade
Altura
(cm)
N de Estudantes
151 158
159 166
167 174
175 182
183 - 190
5
18
42
27
8
Total 100
Estatstica Andr Assumpo
12
Para a construo de uma tabela de distribuio de freqncia em classes
necessrio que se defina os seguintes elementos:

a) Intervalos de Classe: so as divises feitas na primeira coluna da tabela.
Ex.: 151 158 um intervalo de classe.

b) Limites de Classe: so os extremos do intervalo de classe.
Ex.: o 151 o menor valor do intervalo (limite inferior) e o 158 o maior valor do
intervalo (limite superior).
OBS.: Um intervalo de classe que no possui limite superior ou inferior
indicado, denominado intervalo de classe aberto.
Ex.: Alunos maiores de 20 anos.

c) Limites reais de Classe: no exemplo de distribuio de freqncia da Tabela 1,
com as medidas colocadas em centmetros, o intervalo 151 158 inclui,
teoricamente, todas as medidas compreendidas entre 150,50.... at 158,50 cm.
Estes valores so denominados de limites reais de classe.
OBS.: Na prtica, os limites reais de classe so obtidos adicionando-se o
limite superior de um intervalo de classe ao inferior da classe e dividindo-se
a soma por 2.
Ex.: As classes 151 158 e 159 166, fazendo 158 + 159 = 317, dividindo por 2
resulta em 158,5.

d) Amplitude do Intervalo de Classe: a variao dos limites reais do
intervalo, ou seja, c = 158,5 150,5 = 8.

Amplitude = limite superior limite inferior

e) Ponto Mdio de uma Classe: a mdia aritmtica dos limites de classe.
Ex.: O ponto mdio do intervalo 151 158 (151 +158)/2 = 154,5.

Regras Gerais para a Elaborao de uma Distribuio de Freqncia:

a. Determina-se a Amplitude Total do Rol (At)
b. Divide-se a amplitude total em um nmero conveniente de intervalos de classe
que tenham a mesma amplitude, ou aplique a seguinte frmula:

4
5 , 2 At n =

onde:
n n de classes
At Amplitude Total

Estatstica Andr Assumpo
13
Em verdade, existem outros modelos para o clculo do nmero de classes, como
por exemplo:

* O Critrio da Raiz - , onde k a quantidade de elementos da amostra.

* A Frmula de Sturges n= 1 + 3,3.log k.

c. Determina-se o nmero de observaes que caem dentro de cada intervalo de
classe, isto , calculam-se as freqncias de classe.

Distribuio de Freqncia Relativa:

A freqncia relativa de uma classe a freqncia dela dividida pelo
total de todas. Geralmente expressamos esta freqncia por meio de
porcentagem.
Ex.: Para o intervalo 151 158 da Tab. 1, a freqncia 5, logo, a freqncia
relativa desse intervalo ser 5/100 = 5 %.
Vejamos o seguinte exemplo:
Tabela 3: Salrio
Salrios
R$
Ponto Mdio
(X)
Freqncia
Absoluta (f)
Freqncia
Relativa (%)
230,00 350,00
360,00 480,00
490,00 610,00
620,00 740,00
750,00 870,00
880,00 1000,00
290,00
420,00
550,00
680,00
810,00
940,00
5
11
14
7
18
10
7,69
16,92
21,54
10,77
27,69
15,38
TOTAIS 65 100,00

Exerccios 1:

1) Faamos a tabela de distribuio de freqncias para o seguinte problema:
Uma pesquisa sobre a idade, em anos de uma classe de calouros de uma
faculdade, revelou os seguintes valores:

18 17 18 20 21 19 20 18 17 19 20 18 19 18 19 21 18 19 18 18 19 19 21
20 17 19 19 18 18 19 18 21 18 19 19 20 19 18 19 20 18 19 19 18 20 20

Montar o histograma para a amostra acima.


k n =
Estatstica Andr Assumpo
14
2) Faa o grfico de barras para a tabela abaixo, at o ano de 1981:

Ano Filmes Nacionais (%) Filmes Estrangeiros (%)
1977
1978
1979
1980
1981
25
30
29
31
33
75
70
71
69
67

3) Faa um grfico de rea para a seguinte tabela:


Hbito Freqncia Relativa
SIM 82%
NO 18%


4) Construa um grfico de setores para a seguinte tabela:

Regio Freqncia Freqncia Relativa
Norte 2240
Sul 2000
Leste 1360
Oeste 2400
Total 8000













Estatstica Andr Assumpo
15
CAPTULO III
MEDIDAS DE TENDNCIA CENTRAL

Uma medida de tendncia central um valor intermedirio da srie
estatstica com a qual estamos trabalhando. As principais medidas de tendncia
central so: a moda, a mediana e a mdia.
Primeiramente analisaremos o modelo matemtico para o clculo dessas
medidas, tomando os valores de um rol. Depois, sero mostrados os modelos
para o clculo utilizando uma tabela de distribuio de freqncias.

Clculo das medidas de tendncia central com o rol:

a) A Moda: para os valores de um rol, definimos a moda por meio da
observao do elemento de se apresenta com a maior freqncia.
Ex.: Dado o seguinte rol: {1,1,2,2,2,3,4,5,5,5,5,6,7,7,8,8,9}, o elemento 5 se
repete 4 vezes, e o elemento que mais se repete dentro do rol. Logo, essa
amostra unimodal, com Mo = 5.

b) A Mediana: a mediana o valor que se encontra no ponto intermedirio
do rol. Caso o rol possua uma quantidade mpar de elementos, a
mediana pertencer ao rol bastando, para determina-la, observar o
elemento eqidistante aos extremos do rol. Se o rol possuir uma
quantidade par de elementos, a mediana ser determinada por meio do
ponto mdio dos dois elementos centrais.

Ex1.: Observe que o seguinte rol {1,1,2,2,2,3,4,5,5,5,5,6,7,7,8,8,9} possui 17
elementos. Assim, como 17:2 = 8.5, a mediana ser o nonagsimo valor do rol.
Logo, Md = 5.

Ex2.: Agora, observe que o rol {10, 12, 12, 13, 13, 13, 14, 15, 16, 16, 16, 16, 17,
18, 19, 20} possui 16 elementos. Assim, os dois elementos centrais estaro na
oitava e nona posies. Logo, Md = ( 15 + 16):2 = 15,5.

c) A Mdia: Existem diversas maneiras para se calcular uma mdia de um
conjunto de valores. Estaremos interessados em estudar apenas trs tipos
de mdia, a mdia aritmtica, a mdia geomtrica e a mdia harmnica,
podendo elas ser simples ou ponderadas. Para o momento, nos
prenderemos apenas no estudo na mdia aritmtica.

Estatstica Andr Assumpo
16
c.1) A Mdia Aritmtica Simples: Para um conjunto de valores X: x1, x2, x3, ...,
xn, a
mdia aritmtica simples, representada por X, ser definida por:




Exemplos:
1) Se X: 2, 0, 5, 3, 1, ento:


2) Se X: 1,1,2,2,2,3,4,5,5,5,5,6,7,7,8,8,9, ento: ________________________________

c.2) A Mdia Aritmtica Ponderada: Se uma seqncia numrica afetada por
pesos, a mdia ser calculada da seguinte forma:





Ex.: Se X: 1, 3, 5, com pesos 1, 2 e 3 respectivamente, ento:







Clculo das medidas de tendncia central para valores agrupados:

Variveis Discretas:

Para a seguinte distribuio de valores obtidos de uma amostra, teremos:

Xi Fi
18 3
19 5
20 7
21 6
22 4
Total 25

n
x
X
i
=
2 , 2
5
1 3 5 0 2
=
+ + + +
= X
p n
p x
X
p
.
.

=
67 , 3
6
22
3 2 1
3 . 5 2 . 3 1 . 1
~ =
+ +
+ +
= X
Estatstica Andr Assumpo
17
a) A Moda: Ser definida pelo valor que se apresentar com a maior
freqncia. Neste caso a moda ser o valor 20, que possui freqncia 7.
b) A Mediana: Assim como no rol, a mediana ser o elemento central ou a
mdia dos elementos centrais, dependendo se a quantidade de valores
par ou mpar. No exemplo, a mediana ser 13
o
elemento, ou seja, o valor
20.
c) A Mdia: para determinarmos a mdia desta amostra, calcularemos a
mdia ponderada dos valores, onde os pesos sero as respectivas
freqncias. Assim teremos:





Variveis Contnuas

Para a seguinte tabela de distribuio de freqncias, obtidos de uma amostra,
teremos:

Classes fi Xi fi.Xi fa
18 20 3 19 57 3
20 22 5 21 105 8
22 24 7 23 161 15
24 26 6 25 150 21
26 - 28 4 27 108 25
Total 25 581

a) A Mdia: ser calculada por:



b) A Mediana: poder ser definida por:




Onde:
Linf Limite inferior da classe;
Fant Freqncia acumulada da classe anterior;
Fc Freqncia da classe;
Amp Amplitude das classes.

12 , 20
25
503
4 6 7 5 3
4 . 22 6 . 21 7 . 20 5 . 19 3 . 18
= =
+ + + +
+ + + +
= X
Onde:
fi freqncia da classe;
Xi ponto mdio da classe;
fa freqncia acumulada.
24 , 23
25
581
.
= = =

fi
Xi fi
X
mp
c
ant
A
F
F
f
L Md .
2
inf
|
|
|
|
.
|

\
|

+ =

Estatstica Andr Assumpo
18
Para a determinao da mediana, a primeira coisa que teremos que fazer
determinar em qual classe ela se encontra. Para isto, bastar calcular
2

f
,
que no exemplo dar 25/2 = 12,5. Assim, observando a coluna da freqncia
acumulada, na tabela de distribuio de freqncias, determinaremos que a
mediana estar na 3
a
classe. Agora, uma vez determinada a classe da
mediana, aplicaremos o modelo matemtico onde:

Linf = 22;
Fant = 8;
Fc = 7;
Amp = 2.

Observao
Importante




I- Moda de Pearson:



II- Moda de King:



Onde:
Im Limite inferior da classe modal;
fant Freqncia da classe anterior;
fpost Freqncia da classe posterior;
Amp Amplitude das classes.


III- Moda de Czuber







29 , 21 29 , 1 22 2 .
7
8 5 , 12
22 ~ + = |
.
|

\
|
+ = Md
Podemos optar por vrios processos, para
determinarmos a moda de uma varivel contnua.
Alm do modelo que vimos, podemos ainda calcular
a moda de Pearson, a moda de King e a moda de
Czuber.
X m m
d o
2 3 =
mp
post ant
post
m o
A
f f
f
I m .
+
+ =
Classe Modal a classe
de maior freqncia.
mp
post ant m
ant m
m o
A
f f f
f f
I m .
) ( 2 +

+ =
Estatstica Andr Assumpo
19
Exerccios:

1- Determine a mdia , a moda e a mediana das sries abaixo:

a) X: 2,3,5,5,6,6,6,7,8,9,10
b) Y: 10,10,12,12,12,13,14,14,14,15,16,16,17
c) Z: 2,5,6,7,8,9
d)










e)

Salrios Funcionrios
150,0 200,0 300
200,0 250,0 250
250,0 300,0 470
300,0 350,0 360
350,0 400,0 140
Total 1520

2- Montar um grfico de freqncia acumulada relativa para a seguinte
tabela de valores:
Notas Alunos
0,0 1,5 14
1,5 3,0 18
3,0 4,5 25
4,5 6,0 20
6,0 7,5 17
7,5 9,0 10
Total 104




Notas Alunos
0 2 5
2 - 4 20
4 - 6 22
6 - 8 19
8 - 10 7
Total 73
Estatstica Andr Assumpo
20
3- A tabela abaixo revela a variao do dlar durante alguns meses.
Dia Venda
29/06 2,3049
31/07 2,4313
31/08 2,5517
18/09 2,6793

a) Construir os grficos de setores para as variaes dos preos de venda;
b) Construir um grfico de colunas para os valores apresentados;
c) Determinar a variao relativa dos valores.


Estatstica Andr Assumpo
21
Captulo IV
Medidas Separatrizes

As separatrizes so valores reais que dividem a seqncia ordenada de
dados em partes com a mesma quantidade de elementos da srie. A prpria
mediana, que uma medida de tendncia central, uma separatriz que
divide uma seqncia de valores em duas partes com a mesma quantidade
de elementos.
Alm da mediana, utilizaremos normalmente duas outras separatrizes,
os quartis e os percentis.

Quartis: so os valores reais que fazem com que a seqncia seja dividida
em quatro partes, cada uma co 25% dos valores da srie. Assim teremos 3
(trs) quartis: Q1 (1
o
quartil), Q2 (2
o
quartil) e Q3 (3
o
quartil).

Para calcularmos os quartis, deveremos proceder de maneira idntica ao
clculo da mediana. Porm, como os quartis dividem a seqncia de valores
em quatro partes, a primeira coisa a fazer dividir o total de elementos por
quatro, ou seja:


O prximo passo multiplicar esse quociente pelo nmero que
representa a posio do quartil, ou seja, 1, 2 ou 3, para que se possa
determinar a classe do quartil que se pretende calcular. Por fim, aplicar o
modelo matemtico semelhante ao utilizado para o clculo da mediana.






Exemplo:
Notas Alunos Fa
0,0 1,5 14
1,5 3,0 18
3,0 4,5 25
4,5 6,0 20
6,0 7,5 17
7,5 9,0 10
Total 104

Calcular Q1, Q2 e Q3.
4

f
mp
c
ant
n
A
F
F
f
n
L Q .
4
.
inf
|
|
|
|
.
|

\
|

+ =

Estatstica Andr Assumpo
22
Percentis: So os valores reais que fazem com que uma seqncia numrica
seja dividida em cem partes iguais, cada uma com 1% dos valores da srie.
Assim teremos 99 percentis: P1, P2, P3,......, P99.

Como ocorreu no clculo dos quartis, a primeira coisa a se fazer
calcular




O prximo passo ser multiplicar esse valor pelo nmero que representa
a posio do percentil que se deseja calcula, para que, enfim, se possa
determinar a classe do percentil. Por ltimo, aplicar a frmula:







Exemplo:
Notas Alunos Fa
0,0 1,5 14
1,5 3,0 18
3,0 4,5 25
4,5 6,0 20
6,0 7,5 17
7,5 9,0 10
Total 104

Calcular P10, P50 e P90.











100

f
mp
c
ant
n
A
F
F
f
n
L P .
100
.
inf
|
|
|
|
.
|

\
|

+ =

Estatstica Andr Assumpo
23
Captulo V
Medidas de Disperso

Dadas as seguintes seqncias de valores:

A={1, 3, 6, 7, 10}
B={4, 5, 5, 6, 7}

Podemos observar, com um rpido clculo, que ambas possuem a
mesma mdia, 4 , 5 = X . Porm, fcil observar que os valores apresentados no
conjunto B esto bem mais prximos da mdia, enquanto que, no conjunto A, os
valores esto mais distanciados.
Dessa forma, dizemos que o conjunto B possui os valores mais
concentrados, enquanto que os valores no conjunto A esto mais dispersos. O
grau ao qual os dados numricos tendem a dispersar-se em relao a um valor
mdio chama-se variao ou disperso dos dados. Essa disperso pode ser
calculada por meio das seguintes medidas:

- Amplitude total;
- Desvio Mdio;
- Desvio Padro;
- Varincia.

Amplitude Total: como j foi falado anteriormente, a diferena entre o maior e o
menor valor da seqncia numrica.


Desvio Mdio: a mdia aritmtica do mdulo das diferenas entre cada valor e
a mdia, ou seja:





Desvio Padro: para uma seqncia de valores X1, X2, ..., Xn, o desvio padro
definido por:






n
X X
M D
n
i
i
=

=
1
. .
n
X X
n
i
i
=

=
1
2
) (
o
Estatstica Andr Assumpo
24
Varincia: para um conjunto de valores, a varincia definida como o quadrado
do desvio padro,
2
.

Exemplo1:

Para a seguinte seqncia de valores, determinar a mdia, o desvio mdio, o
desvio padro e a varincia.

X: 2, 3, 3, 4, 5, 5, 5, 6, 7, 7, 8, 9

a) A Mdia:

33 , 5
12
64
= = X

b) O Desvio Mdio:

X f A f.A
2 1 3,33 3,33
3 2 2,33 4,66
4 1 1,33 1,33
5 3 0,33 0,99
6 1 0,67 0,67
7 2 1,67 3,34
8 1 2,67 2,67
9 1 3,67 3,67
Totais 12 20,66
Onde: X X A =

c) O Desvio Padro:


X f A A
2
f.A
2

2 1 3,33 11,089 11,089
3 2 2,33 5,429 10,858
4 1 1,33 1,769 1,769
5 3 0,33 0,109 0,327
6 1 0,67 0,449 0,449
7 2 1,67 2,789 5,578
8 1 2,67 7,129 7,129
9 1 3,67 13,469 13,469
Totais 12 50,668
Assim,

72 , 1
12
66 , 20
. . = = M D
Assim,

05 , 2
12
668 , 50
= = o
Estatstica Andr Assumpo
25
Onde: X X A =
d) A Varincia:

2
= 4,22

Exemplo 2:

Determinar o desvio padro e a varincia para os dados agrupados na seguinte
tabela:

Notas Alunos X X
2
f.X
2

0,0 1,5 14
1,5 3,0 18
3,0 4,5 25
4,5 6,0 20
6,0 7,5 17
7,5 9,0 10
Total 104

Para calcularmos o desvio padro de valores agrupados, podemos utilizar o
mtodo abreviado:

2
2
. .
|
|
.
|

\
|
=

f
X f
f
X f
o


Coeficiente de Variao: uma medida muito til para a comparao de
distribuies de valores. definida pelo quociente entre o desvio padro e a
mdia:



Para o exemplo 1 deste captulo, o coeficiente de variao ser:




X
V
o
=
% 46 , 38 3846 , 0
33 , 5
05 , 2
= = = =
X
V
o
Estatstica Andr Assumpo
26
Determine:
a) A mdia, a moda, a mediana;
b) O desvio Padro e a Varincia;
c) O Coeficiente de Variao;
d) O Histograma.
Outras Medidas de Disperso: alm das medidas vistas anteriormente, tambm
comum utilizarmos as amplitudes das separatrizes.

Amplitude Interquartlica = Q3 Q1;

Amplitude Semi-Interquartlica =
2
1 3 Q Q
Q

=

Amplitude entre os Percentis 10 e 90 = P90 P10


Observao Importante sobre o Desvio Padro

comum se fazer uma distino entre o clculo do desvio padro para os
dados de uma populao e para os dados de uma amostra dessa populao. No
primeiro caso, utilizamos os modelos j mencionados anteriormente e o
simbolizamos por . No segundo caso, vamos simboliz-lo por S e calcul-lo
atravs do seguinte modelo:




Exerccios:

1) Dados os seguintes conjuntos de valores, determinar a mdia, a
amplitude, o desvio mdio, o desvio padro, a varincia e o coeficiente
de variao:
a) X: 1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 6;
b) Y: 10, 10, 10, 11, 11, 13, 14, 15, 15, 16, 16, 16, 17;
c) Z: 2, 4, 5, 7, 7, 7, 9, 9, 10, 10, 13, 15, 17;

2) Numa determinada turma, o resultado obtido em uma prova de
estatstica foi representado pela seguinte tabela:

Notas Nmero de
Alunos
0 | 2 6
2 | 4 9
4 | 6 15
6 | 8 12
8 | 10 8
Total 50
1
) (
1
2


=

=
n
X X
S
n
i
i
Estatstica Andr Assumpo
27
Determine:
a) a mdia;
b) o desvio padro;
c) a varincia;
d) o coeficiente de variao;
e) a mediana, Q1 e P90.
3) Numa prova de matemtica, duas turmas obtiveram as seguintes mdias
e desvios:

Turma A: Mdia: 6,0 e Desvio Padro: 2,3
Turma B: Mdia : 6,0 e Desvio Padro: 3,2
Se um aluno de cada turma for escolhido, em qual delas existe maior
probabilidade da nota do aluno estar entre 8,0 e 4,0 ?

4) Numa escola, duas turmas conseguiram os seguintes resultados:

Turma A : Mdia = 4,5 e Desvio Padro = 1,0
Turma B: Mdia = 4,5 e Desvio Padro = 3,5

Responda:
a) Qual a turma mais homognea ? Por qu ?
b) Um aluno com mdia 4,0 considerado normal na turma A? E na
turma B? Por qu ?
5) Numa determinada escola, mediu-se a altura de cada um de seus alunos
e representou-se os resultados pela seguinte tabela:
Altura (cm) f
151 158 5
159 166 18
167 174 42
175 182 27
183 - 190 8


6) A tabela abaixo apresenta os Coeficientes de Inteligncia de 480 alunos
de certa Universidade. Determinar a mdia, o desvio padro e a
varincia desses valores:

CI 70 74 78 82 86 90 94 98 102 106 110 114 118 122 126
f 4 9 16 28 45 66 85 72 54 38 27 18 11 5 2



7) Para o exerccio anterior, determine a porcentagem dos alunos com CI
entre 85,5 e 106,4.

Estatstica Andr Assumpo
28

Captulo VI
Problemas de Contagem e Probabilidades

Pense nos seguintes problemas:

P1.: Uma equipe de trabalho ser montada, contendo cinco funes: presidente,
vice-presidente, relator, assessor de pesquisa e assessor de comunicao. Paulo,
Maria, Cludia, Joo e Luiz foram escolhidos para formar essa equipe sendo
que, agora, tero que escolher quem ir ocupar cada funo. Se cada um ir
ocupar apenas uma das funes, de quantas maneiras a equipe poder ser
montada?

Resoluo:
Observe que temos 5 funes que sero ocupadas por 5 pessoas. Cada funo ter
uma nica pessoa e cada pessoa poder ocupar uma nica funo.
Assim, teremos 5 opes de pessoas para a 1 funo (presidente). Aps escolher
a pessoa que ocupar essa funo, teremos apenas 4 pessoas para ocupar a funo de
vice-presidente. Para a funo de relator teremos apenas 3 opes de pessoas e,
finalmente, 2 opes para a funo de assessor de pesquisa e 1 opo para a funo de
assessor de comunicao. Ou seja,

Presidente
Vice-
Presidente
Relator
Assessor de
Pesquisa
Assessor de
Comunicao
5 4 3 2 1
5 x 4 x 3 x 2 x 1 = 120

Utilizando o princpio bsico da multiplicao, percebemos que essa equipe poder ser
formada de 120 maneiras diferentes.

P2.: Oito nadadores vo disputar a final dos 100 metros costa. Supondo no
haver empates, de quantas formas poderemos ter a classificao final da
disputa?

Resoluo
Da mesma forma que no problema anterior, teremos 8 colocaes para 8 atletas.
Assim, teremos 8 possibilidades para a 1 colocao, 7 possibilidades para a 2 colocao
e assim sucessivamente.
1 2 3 4 5 6 7 8
8 7 6 5 4 3 2 1
8 x 7 x 6 x 5 x 4 x 3 x 2 x 1 = 40320
Estatstica Andr Assumpo
29
Logo, essa classificao poder ser formada de 40320 maneiras diferentes.

P3.: Quantos nmeros de 3 algarismos podemos formar com todos os
algarismos do nosso sistema decimal?

Resoluo:
Lembramos que temos 10 algarismos em nosso sistema decimal
{0,1,2,3,4,5,6,7,8,9}. Alm disso, no podemos formar nmeros de 3 algarismos
iniciando pelo zero. Assim, teremos 9 possibilidades para o primeiro algarismo.
importante lembrar que podemos ter nmeros com algarismos repetidos. Assim, para os
2 e 3 algarismos, teremos 10 opes para cada.

1 algarismo 2 algarismo 3 algarismo
9 10 10
9 x 10 x 10 = 900 nmeros

Logo, poderemos formar 900 nmeros de 3 algarismos.

P4.: Quantos nmeros de 3 algarismos distintos podemos formar com todos os
algarismos do sistema decimal?

Resoluo
Esse problema pode ser resolvido da mesma maneira que o anterior. Porm,
observamos que no poder haver repetio de algarismos. Assim, teremos:

1 algarismo 2 algarismo 3 algarismo
9 9 8
9 x 9 x 8 = 648 nmeros

Logo, podemos formar 648 nmeros com 3 algarismos diferentes.

P5.: Uma placa de carro possui 3 letras e 4 algarismos. Sabendo-se que as letras
e os algarismos podem ser repetidos, quantas so as placas de carro que
podemos montar?

Resoluo
Lembramos que, para a montagem de placas, podemos utilizar qualquer uma das 26
letras. Da mesma forma, podemos utilizar qualquer um dos 10 algarismos, em qualquer
das posies, pois no estamos montando nmeros.

Estatstica Andr Assumpo
30
Letra 1 Letra 2 Letra 3 Algarismo1 Algarismo 2 Algarismo 3 Algarismo 4
26 26 26 10 10 10 10
26 x 26 x 26 x 10 x 10 x 10 x 10 = 175.760.000

Logo, poderemos montar 175.760.000 placas de carro.

P6.: De uma turma com 12 alunos sero sorteados 3 para formar um grupo que
ir apresentar um trabalho. Assim, de quantas maneiras poderemos montar
esse grupo?

Resoluo
Observe que, neste caso, no existe qualquer tipo de hierarquia para a formao
do grupo. Vamos analisar a diferena que existe na formao de uma equipe com
presidente, diretor e gerente, quando temos apenas 3 pessoas para a formao dessa
equipe.
Assim como fizemos em problemas anteriores, para a formao dessa equipe
teramos:
Presidente Diretor Gerente
3 2 1
3 x 2 x 1 = 6 formas diferentes

Neste caso, como existe hierarquia, poderemos montar a equipe de 6 maneiras
diferentes. Na formao do grupo de alunos, como no existe hierarquia, poderemos
formar apenas um grupo, tendo apenas 3 alunos.
Como so 12 alunos, utilizando o princpio da multiplicao teremos:
12 x 11 x 10 = 1320 formas.
Porm, quando estamos utilizando o princpio da multiplicao, contabilizamos todas as
possveis combinaes. Desta forma, teremos grupos iguais, diferenciados apenas pela
ordem dos nomes. Por exemplo:

G1.: {Paulo, Andr e Joo}
G2.: {Andr, Joo e Paulo}
Como no existe hierarquia, esses grupos so iguais. Assim, para cada conjunto
de 3 nomes, teremos 6 grupos iguais, diferenciados pela ordem dos nomes.
Esses grupos precisam ser retirados desta conta. Para que isso seja possvel,
teremos que dividir o resultado encontrado anteriormente por 6, encontrando o seguinte
resultado:

1320/ 6 = 220.

Logo, poderemos montar o grupo de 220 maneiras diferentes.
Estatstica Andr Assumpo
31

Permutao, Arranjo e Combinao

Todos os problemas anteriores foram resolvidos sem que tivssemos que
utilizar os conceitos de Permutao, Arranjo e Combinao, pois o princpio da
multiplicao resolve todos os problemas desse tipo. Porm, para facilitar, ou
apenas dar mais uma ferramenta para a resoluo desses problemas, podemos
utilizar esses conceitos.
Cabe apenas lembrar que esses conceitos servem apenas para problemas
em que no so possveis repeties de elementos.

Permutao:

Temos uma permutao quando, para um conjunto de n elementos, estamos
contabilizando de quantas maneiras poderemos montar uma seqncia de n
elementos. Neste caso, a ordem importante e estamos utilizando todos os
elementos do conjunto.
Assim, bastar fazer a seguinte seqncia de multiplicaes:

P(n) = n x (n-1) x (n-2) x ...... x 1.

Essa seqncia denominada de fatorial do nmero n, simbolizada por
n!.
Assim, uma permutao de n elementos ser calculada por:

P(n) = n!
Arranjo:

Num arranjo, temos um conjunto com n elementos, mas queremos
formar seqncias com apenas k elementos, onde k < n. Neste caso, a ordem
continua sendo importante, mas no utilizaremos todos os elementos
disponveis.
Assim, o arranjo de n elementos tomados em seqncia de k elementos
ser calculado por:




Combinao:

Numa combinao, temos um conjunto com n elementos, com os quais
formaremos subconjuntos com k elementos, sendo k < n. Neste caso, a ordem
no ser importante e tambm no utilizaremos todos os elementos.
)! (
!
k n
n
A
n
k

=
Estatstica Andr Assumpo
32
Assim, a combinao de n elementos tomadas em conjuntos de k
elementos ser calculada por:



Para introduzirmos determinados conceitos de probabilidade ser
preciso, inicialmente, discutir algumas definies necessrias para a
compreenso desses conceitos.
So elas:

Experimento Aleatrio

Denominamos de experimento aleatrio a todo experimento que,
repetindo em condies idnticas, pode apresentar resultados diferentes.

Ex.: E1 Lanamento de um dado

Espao Amostral

o conjunto de todos os resultados possveis de um experimento
aleatrio. simbolizado por O.

EX.: Para o experimento E:Lanamento de um dado, o espao
amostral O={1;2;3;4;5;6}.

Evento

qualquer subconjunto de um espao amostral.

Ex.: A: Sair um nmero par no lanamento de um dado.
A={2;4;6}

Probabilidade

A probabilidade de ocorrer um evento A qualquer ser dada por:



Ex.: A probabilidade de sair um nmero par no lanamento de um dado ser:




! )! (
!
k k n
n
C
n
k

=
% 50
2
1
6
3
) ( = = = A P
Possveis Casos
Favorveis Casos
n
A n
A P =
O
=
) (
) (
) (
Estatstica Andr Assumpo
33
Propriedades da Probabilidade

a) A probabilidade de ocorrer um evento impossvel sempre zero P(|) = 0;

b) A soma das probabilidades de cada elemento de um espao amostral ser 1
P(O) = 100%;

Sendo O ={a1; a2; a3; a4; ....; an}
P(a1)+ P(a2)+ P(a3)+....+ P(an)= 1

c) Para qualquer evento A, 0 s P(A) s 1;

Espao Amostral Equiprovvel
Um espao amostral equiprovvel quando todos os elementos possuem a
mesma probabilidade de ocorrer.

Sendo O ={a1; a2; a3; a4; ....; an}, um espao equiprovvel, ento
P(a1)= P(a2)= P(a3)=....= P(an)

EX.: Para um dado honesto, a probabilidade de sair qualquer um dos nmeros
ser igual a 1/6. Ou seja,

P(1) = P(2) = P(3) = P(4) = P(5) = P(6) = 1/6

Probabilidade de No Ocorrer um Evento

Dado um evento A, simbolizaremos por o evento complementar de A.
Por exemplo:
Sendo A: Sair 2 ou 3 no lanamento de um dado.
Observe que:



Assim:





Probabilidade da Unio de dois Eventos
Dados os eventos A e B, a probabilidade de AB, ou seja,
P(A B), ser calculada por:

.
.
| =
O =
A A
A A
) ( 1 ) ( A P A P =
3
2
3
1
1 ) ( ) ( 1 ) (
3
1
6
2
) (
= = =
= =
A P A P A P
A P
Estatstica Andr Assumpo
34
P(A B) = P(A) + P(B) P(AB)

EX.: Dados os seguintes eventos do experimento lanamento de um dado:
A: Sair em nmero par = {2;4;6} P(A) = 3/6 = 1/2;
B: Sair um nmero maior que 3 = {4;5;6} P(B) = 3/6 = 1/2;

Observe que AB = {4;6}. Assim, P(AB) = 2/6 = 1/3.
Logo, P(AB) = 1/2 + 1/2 - 1/3 = 2/3.

Probabilidade Condicional

Vamos supor que no lanamento de um dado, algum tenha observado que o
resultado obtido par. Assim, qual ser a probabilidade de sair o nmero 2?

Em condies normais, a probabilidade de sair o 2, no lanamento de um
dados, ser de 1/6. Porm, como sabemos que o resultado par, o espao
amostral se reduz ao conjunto dos pares entre 1 e 6. Ou seja:

O = {2;4;6}

Assim, a probabilidade de sair o 2 ser de 1/3.

A probabilidade de ocorrer o evento A: sair o nmero 2, condicionada ao
evento B: o nmero par ser simbolizada por P(A/B).



Podemos deduzir desta frmula que:

P(AB) = P(B).P(A/B)

OBS.: Dois eventos so independentes quando vale a igualdade:

P(AB) = P(A).P(B)

Exerccios:

1) Seis pessoas desejam sentar-se num banco de 6 lugares. De quantos
modos elas podem se colocar no banco?

2) Quantos so os anagramas da palavra CINEMA?

3) Quantos so os anagramas da palavra MANADA?
) (
) (
) / (
B P
B A P
B A P

=
Estatstica Andr Assumpo
35
4) Quantos so os nmeros de dois algarismos distintos possveis de serem
formados com os algarismos 1, 2, 3, 4 e 5?

5) Oito alunos fizeram um trabalho em grupo, mas apenas trs deles
devero apresent-lo. De quantos modos podem ser escolhidos os trs
alunos que faro a apresentao?

6) Vinte equipes disputam um campeonato de futebol. De quantas
maneiras distintas poderemos ter a classificao de campeo e vice-
campeo?

7) Com as letras da palavra FLAMENGO, quantos anagramas distintos,
com 5 letras, podero ser formados?

8) Qual a probabilidade do resultado ser cara ao jogar uma moeda?

9) No sorteio de um nmero natural de 1 a 20, qual a probabilidade de sair
um mltiplo de 5?

10) Numa urna encontramos 3 bolas amarelas, 5 bolas azuis e 7 bolas
brancas. Qual a probabilidade de sair uma bola amarela num sorteio
aleatrio?

11) Em uma questo tpica de mltipla escolha com cinco respostas
possveis, respondendo questo aleatoriamente, qual a probabilidade
de sua resposta estar errada?

12) De um baralho (convencional) de 52 cartas retirou-se uma carta,
verificando-se que vermelha. Qual a probabilidade de essa carta ser
uma figura?

13) Seja o experimento lanar um dado e os eventos:
A: sair o nmero 3
B: sair um nmero par
C: sair um nmero mpar
a) Qual a probabilidade de sair o nmero 3?
b) Qual a probabilidade de sair um nmero par?
c) Qual a probabilidade de sair um nmero mpar?
d) Qual a probabilidade de sair o nmero 3 ou sair um nmero par?
e) Qual a probabilidade de sair o nmero 3 ou sair um nmero mpar?
f) Qual a probabilidade de no sair o nmero 3?

Estatstica Andr Assumpo
36
14) O seguinte grupo de pessoas est numa sala: 5 rapazes com mais de 21
anos, 4 rapazes com menos de 21 anos, 6 moas com mais de 21 anos, 3
moas com menos de 21 anos. Uma pessoa escolhida ao acaso dentre as
18. Qual a probabilidade dos seguintes eventos?
a) A: a pessoa tem mais de 21 anos;
b) B: a pessoa tem menos de 21 anos;
c) C: a pessoa um rapaz;
d) D: a pessoa uma moa.

15) Numa urna encontramos 3 bolas numeradas de 1 a 3. Duas bolas sero
extradas, sucessivamente, sem reposio. Calcule a probabilidade de a
primeira bola extrada apresentar nmero maior que a segunda.

16) Um casal decidiu que vai ter 3 filhos. Qual a probabilidade de que:
a) tenham pelo menos um menino?
b) tenham filhos de ambos os sexos?
c) tenham dois filhos de cada sexo?

17) Em um armrio h 6 pares de sapatos. Escolhem-se 2 ps de sapatos.
Qual a probabilidade de se formar um par de sapatos?

18) A Mastercard International efetuou um estudo de fraudes em cartes de
crdito; os resultados esto consubstanciados na tabela a seguir:

TIPO DE FRAUDE NMERO
1. Carto roubado 243
2. Carto falsificado 85
3. Pedido correio/telefone 52
4. Outros 46

Selecionado aleatoriamente um caso de fraude nos casos resumidos na
tabela, qual a probabilidade de a fraude resultar de um carto falsificado?

17) A Nike Corporation deseja testar um novo material a ser usado na
fabricao de tnis. Um grupo de teste consiste em 20 homens e 30
mulheres. Escolhida aleatoriamente uma pessoa desse grupo de teste,
determine a probabilidade de no ser homem.

18) Um gerente de controle de qualidade utiliza equipamento de teste para
detectar modems de computador defeituosos. Retiram-se aleatoriamente
3 modems diferentes de um grupo onde h 12 defeituosos e 18 sem
defeito. Qual a probabilidade:
a) de todos os 3 serem defeituosos?
Estatstica Andr Assumpo
37
b) de ao menos um dos modems escolhidos ser defeituosos?

21) A probabilidade de que um homem esteja vivo daqui a 30 anos 2/5; a
de sua mulher de 2/3. Determinar a probabilidade de que daqui a 30
anos:
a) ambos estejam vivos;
b) somente o homem esteja vivo;
c) somente a mulher esteja viva;
d) nenhum esteja vivo;
e) pelo menos um esteja vivo.

22) Retiram-se sem reposio duas peas de um lote de 10 peas, onde 4
so boas. Qual a probabilidade de que ambas sejam defeituosas?





















Estatstica Andr Assumpo
38

Estatstica Andr Assumpo
39
Captulo VII
Distribuio de Probabilidades

Varivel Aleatria
Dados um experimento E e o espao amostral S associado a ele, denominamos
de varivel aleatria funo X(s) que associa a cada elemento s do espao amostral S
um nmero real X(s)
S X R


Ex.: No lanamento de duas moedas, vamos analisar o comportamento da varivel
aleatria X: n de caras obtidas nas duas moedas.
Neste caso, podemos verificar que o espao amostral deste experimento o
conjunto S:{ (c;c); (c;k); (k;c); (k;k)}.
OBS.: Sendo c cara e k coroa.
Assim, teremos:
X = 0 Associado ao evento {(k;k)}, cuja probabilidade ;
X = 1 Associado ao evento {(k;c), (c;k)}, cuja probabilidade ;
X = 2 Associado ao evento {(c;c)}, cuja probabilidade ;

Importante:
1. Uma varivel aleatria X ser discreta se o nmero de valores possveis de X
for numervel (seja finito ou infinito). Quanto este conjunto de possibilidades de X for
um intervalo, ou uma coleo de intervalos reais, ela ser uma varivel aleatria
contnua.
2. No exemplo anterior possvel observar a probabilidade de cada elemento do
espao amostral, que ser apresentada na tabela abaixo:
Ponto
Amostral
X P(X)
(c;c) 2
(c;k) 1
(k;c) 1
(k;k) 0

Estatstica Andr Assumpo
40
Funo Probabilidade
Dada a varivel aleatria X. A probabilidade de que esta varivel assuma um valor
particular x ser representada pela funo probabilidade P(X = x), ou simplesmente
P(x).
Cabe destacar que esta funo P(x) ir associar a cada valor de x um determinado valor,
que ser a sua probabilidade p
i
.
Assim, teremos:
p
i
= 1
Ainda para o exemplo anterior, podemos verificar que a distribuio de probabilidade
da varivel aleatria X ser:

x 0 1 2
P(X)

Outros Exemplos:
1) Vamos analisar o experimento E
1
: Lanamento de um dado; e a varivel
aleatria associada X: resultado da face superior (nmero de pontos);
A distribuio de probabilidade de X ser representada pela tabela abaixo:

x 1 2 3 4 5
6
P(x) 1/6 1/6 1/6 1/6 1/6
1/6

2) Vamos, agora, analisar o experimento E
2
: Lanamento de dois dados; e a varivel
aleatria associada Y: soma dos resultados da face superior (soma dos pontos);
A distribuio de probabilidade de Y ser representada pela tabela abaixo. Porm,
importante lembrar que a soma mnima ser 2, obtida pelo par (1;1), enquanto que a
soma mxima ser 12, obtida pelo par (6;6):
y 2 3 4 5 6 7 8 9 10 11 12
P(y) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36

3) Ainda com base no experimento E
2
: Lanamento de dois dados; vamos analisar agora
a varivel aleatria Z: o maior resultado obtido (ponto mximo);
Neste caso, a distribuio de probabilidade ser:
x 1 2 3 4 5
6
P(x) 1/36 3/36 5/36 7/36 9/36
11/36


Estatstica Andr Assumpo
41

Modelos de Distribuio de Probabilidade
I. Distribuio Binomial
Este modelo de distribuio adequado a experimentos que possuam as
seguintes caractersticas:
a. O experimento deve ser repetido, nas mesmas condies, em uma quantidade
finita de vezes (n);
b. As repeties do experimento devem ser independentes. Ou seja, o resultado de
uma aplicao no dever afetar os resultados das repeties posteriores;
c. Em cada repetio do experimento deve aparecer um dos dois resultados:
sucesso ou insucesso;
d. No decorrer do experimento, a probabilidade p do sucesso e a probabilidade q
(onde q = 1 p) do insucesso se mantero constantes;
Ex.: Uma moeda no viciada lanada 8 vezes. Encontre a probabilidade de sair:
a) 5 caras;
b) pelos menos uma cara;
c) no mximo 2 caras;
Observe que n = 8; p = e q = ;
A probabilidade de que um evento, que siga as caractersticas da distribuio
binomial observadas anteriormente, se realize k vezes, em n repeties, ser dada pela
funo:




Assim, para o exemplo anteriormente, teremos:
a) A probabilidade de sair 5 caras:








b) A probabilidade de sair pelo menos uma cara:
Observe que equivale a no sair nenhuma cara. Ou seja, se nesta distribuio
podemos observar que a varivel aleatria admitir os valores do conjunto {0; 1; 2; 3; 4;
5; 6; 7; 8}, estamos querendo conhecer a probabilidade P (X > 1). Assim, se
calcularmos a probabilidade P(X = 0), podemos fazer P(X > 1) = 1 P(X = 0).







k n k
q p
k
n
k X P

|
|
.
|

\
|
= = . ) (
22% ou 22 , 0
256
1
. 56 ) 5 (
256
1
.
! 5 !. 3
! 8
) 5 (
8
1
.
32
1
. ) 5 (
2
1
.
2
1
5
8
) 5 (
2
1
.
2
1
5
8
) 5 (
8
5
3 5 5 8 5
= = =
= = = =

|
|
.
|

\
|
= =
|
|
.
|

\
|
= =

X P
X P C X P
X P X P
%. 6 , 99
256
255
256
1
1 ) 1 (
,
.
256
1
256
1
. 1 ) 0 (
256
1
.
! 8 !. 0
! 8
) 0 (
256
1
. 1 . ) 0 (
2
1
.
2
1
0
8
) 0 (
2
1
.
2
1
0
8
) 0 (
8
0
8 0 0 8 0
= = = >
= = =
= = = =

|
|
.
|

\
|
= =
|
|
.
|

\
|
= =

X P
Assim
X P
X P C X P
X P X P
Estatstica Andr Assumpo
42
c) A probabilidade de sair no mximo 2 caras;
Observe que, neste caso, nos interessa saber a probabilidade de sair as seguintes
quantidades de caras {0; 1; 2}. Assim, queremos calcular P(Xs 2). Ou seja, P(X = 0) +
P(X = 1) + P(X = 2).












Distribuio Normal
O modelo de distribuio normal um dos mais utilizados quando tratamos de variveis
aleatrias contnuas. Seu comportamento representada graficamente por uma curva na
forma de Sino (Curva de Gauss), simtrica em torno da mdia.

A distribuio normal obedecer s seguintes caractersticas:
a) A varivel aleatria X pode assumir todo e qualquer valor real;
b) A rea total limitada pela curva e pelo eixo das abscissas (eixo x) igual a 1,
pois corresponde probabilidade de a varivel aleatria X assumir qualquer
valor real;
c) A curva normal assinttica em relao ao eixo das abscissas, pois aproxima-
se indefinidamente do eixo x sem que consiga alcan-lo;
d) A probabilidade de ocorrer valor maior que a mdia igual probabilidade de
ocorrer valor menor que a mdia, visto que a curva simtrica em relao
mdia;

Ex.: Seja X uma varivel aleatria que possui mdia X = 1,5 e desvio padro S = 0,04.
Neste exemplo, iremos identificar graficamente a probabilidade de ocorrncia de
valores desta varivel localizadas entre 1,5 e 1,55. Ou seja, queremos identificar P(1,5 <
X < 1,55).
Esta probabilidade corresponde faixa hachurada mostrada na figura abaixo.



% 45 , 14
256
37
256
28
256
8
256
1
) 2 (
,
;
256
28
2
1
.
2
1
2
8
) 2 (
;
256
8
2
1
.
2
1
1
8
) 1 (
;
256
1
) 0 (
6 2
7 1
= = + + = s
=
|
|
.
|

\
|
= =
=
|
|
.
|

\
|
= =
= =
X P
Assim
X P
X P
X P
Estatstica Andr Assumpo
43
Para calcularmos P(1,5<X<1,55), sem a necessidade do aprofundamento das
ferramentas do clculo, utilizaremos a Distribuio Normal Padro.
Seja Z uma varivel aleatria tal que:



em que X uma varivel normal de mdia X e desvio padro S.
Admitindo que a mdia de Z 0 e o desvio padro 1, as probabilidades (as reas abaixo
da curva) podero ser calculadas e tabeladas.

No exemplo anterior, necessitamos calcular a rea abaixo da curva compreendida pelos
limites de X. Ou seja, para 1,5 < X < 1,55.
Assim, calcularemos os valores de Z
1
e Z
2
, considerando X = 1,5 e S = 0,04:


Ento, para calcularmos P(1,5 < X < 1,55), calcularemos a rea abaixo da curva de
Gauss, considerando o intervalo de 0 < Z < 1,25. Essa rea ser determinada com o
auxlio da tabela que veremos a seguir.

Vamos destacar um pedao da tabela, para ilustrar o seu funcionamento.
Queremos calcular a rea entre 0 e 1,25. Assim, bastar associar a linha 1,2, da tabela,
com a coluna 0,05.

0,00 0,01 0,02 0,03 0,04 0,05


Assim, podemos dizer que a probabilidade de ocorrncia de um valor entre 1,5 e 1,55
igual a probabilidade P(0 < Z< 1,25) = 0,3944.

Outros Exemplos:
1) Um teste padronizado de escolaridade tem distribuio normal com mdia 100 e
desvio padro 10. Determine a probabilidade de um indivduo submetido ao
teste ter nota:
a. maior que 120;
b. entre 85 e 115;
Maior que 80;




S
X X
Z
i
i

=
Estatstica Andr Assumpo
44


Captulo VIII
Medidas de Assimetria e Curtose


Assimetria: o grau de deformao de uma curva de freqncias. A medida de
assimetria procura caracterizar como e quanto a distribuio de freqncias se
afasta da condio de simetria.

Tipos de Curvas :

4Simtrica ou Distribuio Simtrica

Apresenta como caracterstica principal o fato de as trs medidas de tendncia
central, mdia, mediana e moda serem iguais.

4Assimtrica Positiva ou Distribuio Assimtrica Positiva

Uma distribuio com deformao positiva se apresenta com uma cauda mais
alongada direita da moda pois h uma predominncia de valores superiores
moda.

4Assimtrica Negativa ou Distribuio Assimtrica Negativa

Predominam valores inferiores moda. Neste caso, a curva de freqncias
apresenta uma cauda mais longa esquerda da moda.
Estatstica Andr Assumpo
45


Clculo da Medida de Assimetria

4Coeficiente de Assimetria de Pearson:



S
M X
S
ou
M X
S
o
k
o
k

=
o

=




4Coeficiente de Bowley:






1 3
1 3
k
Q Q
Q Md 2 Q
S

+
=







Se A
s
= 0, ento a distribuio simtrica.
Se A
s
< 0, ento a distribuio assimtrica negativa.
Se A
s
> 0, ento a distribuio assimtrica positiva.
Por este critrio, as distribuies so classificadas da seguinte
maneira:
Se A
s
s -1 :assimetria negativa forte.
Se 1 < A
s
< 0 : assimetria negativa fraca.
Se A
s
= 0 : simtrica.
Se 0 < A
s
< 1 : assimetria positiva fraca.
Se A
s
> 1 : assimetria positiva forte.
Se A
s
= 0, ento a distribuio simtrica.
Se A
s
< 0, ento a distribuio assimtrica negativa.
Se A
s
> 0, ento a distribuio assimtrica positiva.
O coeficiente de Bowley um valor que varia de 1 a 1. Neste
critrio, as distribuies so classificadas da seguinte maneira:
Se 1 s A
s
s -0,3 :assimetria negativa forte.
Se 0,3 < A
s
< -0,1 : assimetria negativa moderada.
Se 0,1s A
s
< 0: assimetria negativa fraca.
Se A
s
= 0 : simtrica.
Se 0 < A
s
s 0,1 : assimetria positiva fraca.
Se 0,1 < A
s
< 0,3 : assimetria positiva moderada.
Se 0,3 s A
s
s 1 : assimetria positiva forte.

Estatstica Andr Assumpo
46

4Coeficiente de Assimetria entre os Percentis 10 e 90:



10 90
10 90
k
P P
P Md 2 P
S

+
=










Exerccios:

1) Classifique, quanto assimetria, a distribuio abaixo, segundo o
Coeficiente de Pearson.

X F
1 2
2 10
3 6
4 4
5 2
6 1


2) Classifique, quanto assimetria, a distribuio abaixo, segundo o
Coeficiente de Bowley.


Classes F
0 2 2
2 4 5
4 6 12
6 8 15
8 - 10 1
Totais
Neste critrio, as distribuies so classificadas da seguinte
maneira:

Se,
S
k
= 0 curva simtrica ou distribuio simtrica.
S
k
> 0 curva assimtrica positiva ou distribuio assimtrica
positiva.
S
k
< 0 curva assimtrica negativa ou distribuio assimtrica
negativa.
Estatstica Andr Assumpo
47


3) Uma amostra de oitenta peas retiradas de um grande lote forneceu a
seguinte distribuio de comprimentos:

Classes F
50 60 1
60 70 3
70 80 6
80 90 15
90 100 25
100 110 20
110 120 7
120 - 130 3

A especificao para esse tipo de material exige que o comprimento
mdio das peas esteja entre 92 e 96 mm, que o coeficiente de variao seja
inferior a 20%, e que a distribuio dos comprimentos seja simtrica. Quais
dessas exigncias parecem no estar satisfeitas no presente caso?




Estatstica Andr Assumpo
48
I.2 Curtose: Indica at que ponto a curva de freqncias de uma
distribuio se apresenta mais afilada ou mais achatada do que uma curva
padro, denominada curva normal.


Tipos de Curtose

4Curva ou Distribuio Mesocrtica

Apresenta um grau de achatamento equivalente ao da normal.



4Curva ou Distribuio Platicrtica

Apresenta um alto grau de achatamento, superior ao da normal.


4 Curva ou Distribuio Leptocrtica

Apresenta um alto grau de afilamento, superior ao da normal.

Estatstica Andr Assumpo
49
I.2.2 - Coeficiente de Curtose

) P P ( 2
Q Q
K
10 90
1 3

=

Se,

K = 0,263 curva ou distribuio mesocrtica

K > 0,263 curva ou distribuio platicrtica

K < 0,263 curva ou distribuio leptocrtica

Tambm podemos calcular o coeficiente de curtose por:


3
. ) (
4
4

o
F
F X X
K


Exerccios:

1) Classifique, quanto a curtose, a distribuio abaixo:

Classes F
3 5 1
5 7 2
7 9 13
9 11 3
11 - 13 1
Totais


2) Uma empresa produz caixas de papelo para embalagens e afirma que o
nmero de defeitos por caixa se distribui conforme a tabela:


N de Defeitos N de
Caixas
0 32
1 28
Estatstica Andr Assumpo
50
2 11
3 4
4 3
5 1

Assim, determine:
a) O nmero mdio de defeitos por caixa;
b) A porcentagem de caixas com dois defeitos;
c) A porcentagem de caixas com mais de trs defeitos;
d) O histpgrama;
e) A moda;
f) O desvio Padro;
g) O Coeficiente de Variao;
h) Classifique, quanto assimetria, a distribuio segundo o Coeficiente de
Pearson;
i) Classifique, quanto curtose, a distribuio.


Estatstica Andr Assumpo
51
Captulo IX
CORRELAO E REGRESSO
Correlao
o estudo da existncia e do grau de relacionamento entre variveis.
Correlao Linear Simples
Mede a relao entre as variveis X e Y atravs da disposio dos pontos em
torno de uma reta.

a) Coeficiente de Correlao Linear de Pearson
( )( )
( ) ( ) ]
2
Y
2
Y . n ].[
2
X
2
X . n [
Y . X XY . n
y , x
r


=
onde,
n = nmero de observaes
X = valores observados da varivel X
Y = valores observados da varivel Y

O campo de variao do coeficiente rx,y : -1 s rx,y s 1

b) Interpretao do Coeficiente de Correlao Linear
Correlao Linear Positiva Correlao Linear
Positiva Perfeita

0 < rx,y < 1 rx,y = 1

Estatstica Andr Assumpo
52
Correlao Linear Negativa Correlao Linear Negativa Perfeita

-1 < rx,y < 0 rx,y = -1
Correlao Nula

rx,y = 0
A correlao ser tanto mais forte quanto mais prximo estiver o resultado de
1, e ser tanto mais fraca quanto mais prximo o resultado estiver de zero.
Correlao Espria
Apesar da independncia entre X e Y, o coeficiente resulta em um valor
muito prximo de 1.

Correlao Ordinal - Coeficiente de Spearman
Mede a relao entre as variveis X e Y levando em conta as posies que os
valores das variveis ocupam quando ordenados na forma crescente ou
decrescente.
(
(
(
(

|
.
|

\
|

=

1
2
n . n
2
i
d . 6
1
s
r

Onde:
n = nmero de observaes
di = diferena entre um i-simo par
Estatstica Andr Assumpo
53
Regresso

Descreve atravs de um modelo matemtico, a relao existente entre duas
variveis
Supondo X a varivel explicativa e Y a varivel explicada,
Y = f(X) + e , Y funo da varivel X e e so as influncias sobre Y no
devidas a X
Um modelo de regresso linear de Y sobre X consiste em obter uma reta que
melhor represente a relao verdadeira entre as variveis. A determinao dos
parmetros desta reta denominada ajustamento.
Atravs de um diagrama de disperso determina-se a funo atravs da qual os
valores de X explicaro os de Y.

A reta ajustada representada por:
bX a Y

+ =
onde a e b so os parmetro do modelo,
a = ponto onde a reta ajustada corta o eixo da varivel Y
b = a tangente do ngulo que a reta forma com uma paralela do eixo da
varivel X

Os valores de a e b so obtidos atravs de um sistema de equaes que torna
mnima a soma dos quadrados das diferenas entre os valores observados de Y
Estatstica Andr Assumpo
54
e da reta ajustada para os mesmos valores de X (mtodo dos mnimos
quadrados).

+ =
+ =


2
X b X n XY
X b na Y


Ento,
n
X b Y
a

= e
( )( )
( )
2
X
2
X n
Y X XY n
b

=
A reta ajustada,
bX a Y

+ =

2.1 - Coeficiente de Determinao - Poder explicativo do Modelo

a avaliao da qualidade do ajuste. Seu valor fornece a proporo da variao
total da varivel Y explicada pela varivel X atravs da funo ajustada.
yy
S
xx
S
2
b
2
R =
onde,
Sxx = nEX
2
- (EX)
2

Syy = nEY
2
- (EY)
2


A variao de R
2
:

0 s R
2
s 1 ou 0 s R
2
s 100 %

Quando R
2
= 0, a variao explicada de Y zero, isto , a reta ajustada paralela
ao eixo da varivel X.
Quando R
2
= 1, a reta ajustada explicar toda a variao de Y.
Estatstica Andr Assumpo
55
Quanto mais prximo da unidade R
2
estiver, melhor a qualidade do ajuste da
funo. A parte no explicada do ajustamento ( 1 - R
2
) atribuda a causas
aleatrias.
Estatstica Andr Assumpo
56
CAPTULO X
AJUSTAMENTO DE CURVAS E O
MTODO DOS MNIMOS QUADRADOS

Freqentemente verificamos relaes entre duas ou mais variveis.
Assim, buscamos expressar essa relao matematicamente atravs de uma
equao que ligue as variveis.

Ajustamento de Curvas

Um primeiro passo para a determinao dessa equao colecionar
dados que indiquem os valores correspondentes das variveis consideradas.
Supondo que X e Y representem, respectivamente, a altura e o peso de
adultos do sexo masculino. Ento, uma amostra de N indivduos apresentaria
as alturas Xi e os pesos correspondentes Yi.
O diagrama de disperso facilita visualizao da curva regular que se
aproxima dos dados. No caso de os dados, no diagrama de disperso,
estarem prximos de uma reta, diz-se que h uma relao linear. No caso
contrrio, a relao denominada de no-linear.
A determinao das equaes de curvas que se acomodem a certos
conjuntos de dados denominado de ajustamento de curvas.

A Reta

O tipo mais simples de curva de ajustamento a linha reta, cuja equao
pode ser descrita por:

Y = aX + b


O Mtodo dos Mnimos Quadrados

Objetivando evitar critrios individuais na construo de curvas de
ajustamento, necessrio instituir uma definio para a melhor curva ajustada.
Dados um conjunto de pontos (Xi; Yi), de todas as curvas C que se
ajustam a este conjunto de pontos, a que tem a propriedade de apresentar o
mnimo valor de

2 2
2
2
1
.....
n
D D D + + +
Estatstica Andr Assumpo
57
onde D a distncia entre o valor de Y de em ponto do conjunto e o valor de Y
de um ponto da curva C que possuam o mesmo valor de X, ser denomina a
melhor curva de ajustamento.




C
(X1; Y1)
D1 (X2;Y2)
D2


X1 X2


A Reta dos Mnimos Quadrados

A reta dos mnimos quadrados que se ajusta ao conjunto de pontos
(X1;Y1), (X2;Y2); ...... (Xn;Yn) tem equao:

Y = aX + b

onde os valores de a e b so obtidos atravs do sistema de equaes:

Desta forma:
Ex1.: A tabela abaixo mostra as alturas e os pesos, arredondados para
centmetros e quilogramas, de uma amostra de 12 estudantes do sexo
masculino, extrada ao acaso. Construir um diagrama de disperso dos dados.
Traar a reta dos mnimos quadrados.

Peso
(X)
70 63 72 60 66 70 74 65 62 67 65 68
Altura
(Y)
155 150 180 135 156 168 178 160 132 145 139 152

E + E = E
E + = E
2
X a X b XY
X a bn Y
2 2
) (
) ).( (
X X n
Y X XY n
a
E E
E E E
=
2 2
2
) (
) ).( ( ) )( (
X X n
XY X X Y
b
E E
E E E E
=
Estatstica Andr Assumpo
58

Resoluo:

190

180

170

160

150

140

130

120


60 62 64 66 68 70 72 74 76

Peso (X) Altura
(Y)
X2 X.Y
70 155 4900 10850
63 150 3969 9450
72 180 5184 12960
60 135 3600 8100
66 156 4356 10296
70 168 4900 11760
74 178 5476 13172
65 160 4225 10400
62 132 3844 8184
67 145 4489 9715
65 139 4225 9035
68 152 4624 10336
802 1850 53792 124258
643204

Y = 3,22X 60,75



2 2
) (
) ).( (
X X n
Y X XY n
a
E E
E E E
=
22 , 3
643204 53792 . 12
1850 . 802 124258 . 12
~

= a
2 2
2
) (
) ).( ( ) )( (
X X n
XY X X Y
b
E E
E E E E
=
75 , 60
643204 53792 . 12
124258 . 802 53792 . 1850
~

= b
Estatstica Andr Assumpo
59


Anexo 1