Você está na página 1de 58

- ESTATSTICA I - Mrio

1


ESTATSTICA

CONCEITOS
PRIMITIVOS


1 -

O QU A ESTATSTICA?

Vrios autores tm procurado definir a Estatstica. Existem muitos livros escritos sobre a
Estatstica, todos contendo definies desde as mais simples at as mais complexas, porm a qu e
vamos sugerir a enunciada por Dug de Bernonville, e que julgamos ser simples e fcil de ser
memorizada:



Estatstica um conjunto de mtodos e procedimentos quantitativos
que

serve para estudar e medir os fenmenos coletivos.

2 -

POPULAO E AMOSTRA

Conforme ficou claro na definio, a Estatstica tem por objetivo o estudo dos fenmenos
coletivos e das relaes que existem entre eles. Entende - se como fenmeno coletivo aquele que se
refere populao, ou universo, que compreende um grande nmero de elementos, sejam pessoas
ou coisas. Portanto, para a Estatstica, somente interessam os fatos que englobam um grande
nmero de elementos, pois ela busca encontrar leis de comportamento para to do o conjunto e no
se preocupa com cada um dos elementos em particular.
A populao pode ser, segundo o seu tamanho, finita ou infinita. finita a populao que
possui um nmero determinado de elementos; a populao infinita possui um nmero in finito de
indivduos. Porm, tal definio existe apenas no campo terico, uma vez que, na prtica, nunca
encontramos populaes com infinitos elementos mas, sim populaes com um grande nmeros
de componentes; e, nessas circunstncias, como ocorre na Es tatstica Matemtica, tais populaes
so tratadas como se fossem infinitas.

Quando a populao muito grande, torna - se difcil a observao dos aspectos a serem
observados, de cada um dos elementos, devido ao alto custo, ao intenso trabalho e o tempo
despendido para levar a cabo uma exaustiva observao de todos os componentes da populao.
Nessas circunstncias, fazemos a seleo de uma amostra suficientemente representativa da
populao e, atravs da observao dessa amostra, estaremos apto s a analisar os resultados, da
mesma forma que se estudssemos toda a populao, s que nesse caso sem os inconvenientes
anteriormente descritos.

3 -
ESTATSITICA DESCRITIVA E ESTATISTICA
PROBABILSTICA(INDUTIVA)


Agora estamos em condies de defi nir a Estatstica Descritiva ou Dedutiva , que aquela
que tem por objeto descrever e analisar determinada populao, sem pretender tirar concluses de
carter mais genrico. A Estatstica I ndutiva ou I nferncia Estatstica a parte da Estatstica que,
b aseando - se em resultados obtidos da anlise de uma amostra da populao, procura inferir,
induzir ou estimar as leis de comportamento da populao da qual a mostra foi retirada. Tambm
atravs da Estatstica Indutiva podemos aceitar ou rejeitar hipteses que podem surgir sobre as
caractersticas da populao, a partir tambm da anlise da amostra representativa dessa populao.

- ESTATSTICA I - Mrio
2



E S T A T S T I C A D E S C R I T I V A
1- INTRODUO

A palavra Estatstica, significa, originalmente, uma coleo de informaes para o
Estado sobre a populao e economia. Desta origem, a Estatstica cresceu e se
desenvolveu at tornar-se um mtodo de anlise que, encontra aplicaes em todas as
cincias sociais.
Os fatos sociais exigiram que o homem aplicasse ou elaborasse um mtodo que
satisfizesse, em parte, a srie de indagaes feitas pelas cincias que necessitavam ser
respondidas: esse mtodo (ou conjunto de mtodos) denominado mtodo estatstico.

FENMENOS ESTATSTICOS
O campo de aplicao da Estatstica o dos fenmenos coletivamente tpicos ou
fenmenos de massa, que no se caracterizam por observaes isoladas, mas
observaes de massas de casos.

FASES DO LEVANTAMENTO ESTATSTICO ESTATSITCA DESCRITIVA
A seqncia do trabalho estatstico pode ser apreciada com um simples exemplo,
muito conhecido do professor e do aluno: a aplicao de uma prova. As questes,
planejadas inicialmente, so aplicadas aos alunos (informantes dos questionrios) e,
logo depois, coletadas e corrigidas (criticadas): compete ao professor, ainda, apurar os
resultados divulgando-os (exposio) e analisando-os (interpretao).
Portanto as fases do levantamento estatstico so:
- Planejamento
- Coleta de dados
- Apresentao de dados (tabelas e grficos)
- Descrio e interpretao dos dados.

OBJETIVO: A finalidade da pesquisa descobrir respostas para questes,
mediante a
Aplicao de mtodos cientficos. Tais mtodos so desenvolvidos
tendo por objetivo criar uma probabilidade cada vez mais tendente
para a certeza, de que as informaes obtidas s questes
apresentadas serem, alm de seguras e imparciais, realmente
representativas do mundo real.

PLANEJAMENTO:
Que dados devero ser obtidos?
Como se deve obt-los?
Ao planejar uma pesquisa devemos, como medida preliminar, reunir todo
material, existente: mapas, relatrios, artigos, livros, etc, relativo a levantamentos
semelhantes; ou seja devemos Ter conhecimento da literatura sobre o assunto, pois
justamente onde encontramos as informaes sobre os possveis fatores do fenmeno a
estudar. Alm disso, traz valiosas informaes no que diz respeito a tcnica mais
recomendvel para a realizao da pesquisa.

- ESTATSTICA I - Mrio
3
Nenhuma pesquisa se inicia sem que se tenha previamente organizado o seu
programa, da maneira mais completa possvel, pois esquematizado o problema
conhecidos os suportes o seus fatores, conclumos imediatamente quais os dados de que
necessitamos.

DEFINIO DO UNIVERSO
o caminho a seguir aps a organizao do plano geral, a equipe dever saber
qual o caminho a ser pesquisado, para permitir um trabalho mais fcil, mais lgico, mais
racional, mais preciso, pois caso contrrio comprometeremos os resultados do
levantamento; torna-se portanto necessrio delimitar claramente, no tempo e no espao
do inqurito, definindo, em termos precisos, o universo a ser trabalhado.
Toda pesquisa trabalho grandemente dispendioso. Sempre que possvel,
procuraremos restringir-lhe o vulto, sem que com isso se perca o rigor que o caso exija.
Em vez de pesquisarmos uma totalidade de casos, pesquisaremos apenas um grupo, isto
, uma amostra desde que no afete a preciso dos resultados.
nessa fase que ser escolhido o tipo de levantamento a ser utilizado. Sob esse
aspecto, pode haver dois tipos de levantamentos: censitrio e amostragem.
O tipo de levantamento, censo ou de amostragem, dever ser decidido com
antecedncia e a necessria anlise das vantagens e desvantagens, de um e de outro, pois
trs fatores essenciais - tempo, custo e preciso, governam todo e qualquer tipo de
levantamento Ele acima de tudo, funo dos recursos financeiros e do prazo
determinado para a concluso do trabalho.
Vale assinalar que nem sempre a amostragem mais barato que um levantamento
completo e isto porque, quer no planejamento quer na execuo, o pessoal empregado
numa operao por amostragem de nvel tcnico mais elevado e, portanto, mais caro.

COLETA DOS DADOS
Como? Quando? e Onde?
Obter as informaes julgadas necessrias e suficientes?
Na fase inicial do trabalho estatstico, o planejamento j ficou decidido ONDE
seriam coletadas as informaes.
possvel que as informaes, desejadas pela equipe possam ser obtidas em
rgos que j as coletou. Nesse caso, haveria apenas uma transcrio, o trabalho seria
mais rpido e menos oneroso.
Ex: cartrios onde encontramos os registros de casamento, os balancetes comerciais e
bancrios. que so as fontes de estatsticas.

DADOS ESTATSTICOS
Entende-se por dados estatsticos a representao numrica de fenmenos
coletivamente tpicos.
Assim, por exemplo, o nmero de alunos de uma escola, os habitantes de uma pas, q a
quantidade de soja produzida em Minas Gerais em 2003, constituem dados estatsticos.
Dados primrios- so os dados estatsticos que foram colhidos, ou publicados pela
prpria pessoa ou organizao que vai analis-los.
Dados secundrios- so os dados que foram colhidos por pessoa, ou organizao
diversa daquela que vai analis-los.
Um conjunto de dados , pois, primrio ou secundrio em relao a algum.
H diversas maneiras de obtermos as informaes, mas todas usam como
instrumento operacional um questionrio, portanto temos:

- ESTATSTICA I - Mrio
4
- questionrio enviado
- questionrio apresentado
- questionrio e interrogatrio
- inqurito pessoal

APURAO DOS DADOS
Antes de comear a analisar os dados conveniente que lhes seja dado algum
tratamento prvio, a fim de torn-los mais expressivos. um trabalho de condensao e
de tabulao dos dados, que chagam ao analista de forma desorganizada, tornado
impossvel a tarefa de apreender todo o seu significado pela simples leitura.
Por conseguinte atravs da apurao, tem-se a oportunidade de condensar os
dados, de modo a obter um conjunto compacto de nmeros o qual possibilita distinguir
melhor o comportamento do fenmeno na sua totalidade.
A apurao geralmente realizada atravs de processos mecnicos, a menos que o
nmero de dados seja pequeno.

APRESENTAO DOS DADOS (Tabelas e grficos)
Aps a apurao, os dados estatsticos so apresentados em tabelas ou em
grficos, por ser uma maneira prtica e racional de apreciar e entender o fenmeno que
est estudando.

TABELAS
A elaborao de tabelas obedece a Resoluo n 886, de 26 de outubro de 1966, do
Conselho Nacional de Estatstica.
Os seguintes pontos devero ser estudados:
- A tabela, como um dado, inclue seu ttulo e todos as notas explicativas. Ela deve ser
Auto-Explicativa.
- O ttulo e os cabealhos da colunas e linhas devem ser claros concisos, e o mais
resumido possvel.
O cabealho deve conter o suficiente para que sejam respondidas as seguintes
perguntas:
- O qu? (referente ao fato) natureza da classificao
- Onde? (relativo ao lugar) lugar
- Quando? (correspondente a poca) tempo
Linha - uma srie horizontal de informaes
Coluna - a parte destinada a uma srie vertical de informaes.
A interseo de uma linha com uma coluna corresponde clula ou casa.
- As unidades de medidas devem sempre ser registradas;
- Os termos usados devem ser definidos em rodap;
- Se a tabela foi retirada ou derivada de outras, a fonte deve ser dada em nota de
rodap;
- Os nmeros devem ser arredondando a fim de evitar detalhes inteis:
- As tabelas devem ser ajustadas ao espao disponvel; no devem ser muito estreita e
nem muito largas;
- A tabela no deve ser fechada lateralmente por traos verticais. Na parte superior,
bem como na inferior, a tabela fechada por linhas de trao mais cheio.
- As casas no devero ficar em branco apresentando sempre um nmero ou sinal
convencional.

- ESTATSTICA I - Mrio
5
Empregam-se os seguintes sinais convencionais:
a) ___(trao) quando o dado for nulo;
b) ... (trs Pontos), quando no se dispuser do dado
c) X (letra X), quando o dado for omitido a fim de evitar a individualizao das
informaes.
- No corpo da tabela encontramos as seguintes zonas
1. Designativa
2. Indicativa
3. Enumerativa

TTULO ( O que)
SUBTTULO ( onde? Quando?)

Zona designativa (cabealho)

Zona indicativa Zona enumerativa



Total

Fonte: ( rodap)

REPRESENTAO GRFICA
O grfico uma maneira simples e efetiva e torna compreensvel uma
tabela. Muitos tipos de grficos so empregado na estatstica, dependendo da natureza
dos dados pertinentes e da finalidade para a qual ele destinado. Estas representaes
grficas chamam-se Grficos ou Diagramas. Os grficos apresentam os dados
estatsticos de uma maneira clara e simples, por meio de desenhos geomtricos.
FINALIDADE DA APRESENTAO GRFICA: O grfico uma representao da
relao existente entre as variveis.
Embora a representao dos dados atravs de desenhos, dependa muito do
esprito de criatividade e do bom gosto de quem vai executar a tarefa, alguns princpios
elementares, no entanto devem ser observados. Assim, dentre as normas consideradas
bsicas, destacamos as seguintes:
a) o grfico deve ser simples,
b) necessrio que o grfico apresente o ttulo, e, quando for o caso ttulo e subttulo,
Qu ( ttulo)
Onde ( subttulo)
c) devem ser utilizadas no desenho apenas as linhas necessrias leitura,
d) as unidades utilizadas para representar o fenmeno devem estar expressas no
desenho.
e) Guardar certa proporcionalidade entre os eixos, de modo que alinha das ordenadas
corresponde, NO MXIMO, a 80% das abscissas.

PRINCIPAIS TIPOS DE GRFICOS
1) grficos de barras
2) grficos de colunas
3) grficos em linhas ou lineares

- ESTATSTICA I - Mrio
6
4) grficos em faixas
5) grficos em setores
6) grficos representativos de distribuio de freqncia
a) histograma
b) polgono de freqncias

DESCRIO OU INTERPRETAO DOS DADOS
A ltima fase do trabalho estatstico a mais importante e tambm a mais
delicada. Nesta etapa, o interesse maior reside em tirar concluses que auxiliem o
pesquisador a resolver o problema.
A anlise dos dados cuja finalidade principal descrever o fenmeno.
Assim, o conjunto de dados a ser analisado pode ser expresso por nmeros - resumos, as
estatsticas, que evidenciam caractersticas particulares desse conjunto.

2- SOMATRIO

Muitas vezes precisamos escrever somas com muitos termos, ou cujos termos
obedecem a certa
lei de formao. Por exemplo, a soma dos 50 primeiros nmeros naturais positivos.
1 + 2 + 3 + ....+ 49 + 50
Sendo xi o i-simo nmero natural da soma, podemos obter a seguinte simbologia.

50
E xi = 1 + 2 + 3 + ... + 49 + 50
i=1
De modo geral, teremos

n

E xi = x
1
+ x
2
+ x
3
+ ... + x
n

i=1

Propriedades dos somatrios

1- Sendo c uma constante, teremos

n n

a) E c.x
i
= c.x
1
+ c.x
2
+ c.x
3
+ ... + c.x
n =
c(.x
1
+ x
2
+ x
3
+ ... + x
n
)
=
c. E x
i

i=1 i=1
n
b) E c = c + c + c + + c = c.n
i=1

2- Somatrio da soma ou diferena

n n n
E (x
i
y
i
) = E x
i
E y
i

i=1 i=1 i=1

- ESTATSTICA I - Mrio
7

De fato!

E( x
i
+ y
i
) = x
1
+ y
1
+ x
2
+ y
2
+ x
3
+ y
3
+ .+ x
n
+ y
n

= (x
1
+ x
2
+ x
3
+ ... x
n
) + (y
1
+ y
2
+ y
3
+ ... + y
n
) = E x
i
+ E y
i


Por tanto, E( x
i
+ y
i
) = E x
i
+ E y
i.
Idem para E( x
i
- y
i
) = E x
i
- E y
i


SOMATRIO DUPLO

freqente, na representao dos dados estatsticos, o uso de tabelas de dupla
entrada, onde os valores so expressos em funo de duas variveis. Uma varivel em
linha e uma varivel em coluna.
Por exemplo: Representao do estado civilxsexo (masculino ou feminino).

Seja x
ij
um elemento genrico, sujeito i-sima linha e j-sima coluna da tabela.

j
i 1 2 3 ....... k

1 x
11
x
12
x
13
..... x
1k

2 x
21
x
22
x
23
..... x
2k

3 x
31
x
32
x
33
..... x
3k

.
.
.
L x
L1
x
L2
x
L3
. x
Lk


Exemplo: x
ij
representa o elemento sujeito i-sima linha e j-sima coluna da tabela.

j

i 1 2 3 4

1 5 -2 0 1
2 2 1 6 7
3 8 -1 4 3

Calcular
3

4
a) E E x
ij


i=1 j=1

4
b) E x
2j

i=1

3
c) E x
i3


- ESTATSTICA I - Mrio
8

i=1

3

4

d) E E x
ij

i=2 j=2

e) EE (x
ij
1)






EXERCCIOS

1- Desenvolva cada uma das somas indicadas:

5
a) E xi , onde x1 = 0, x
2
= 4, x
3
= 1, x
4
= 10, x
5
= 8
i=1

4
b) E xi , onde x
1
= 4, x
2
= 2, x
3
= 7, x
4
= 19
i=1

2- Sendo X: x
1
= 7, x
2
= 3, x
3
= 8, x
4
= 2, x
5
= 1
Y: y
1
= 3, y
2
= 1. y
3
= 5, y
4
= 6, y
5
= 2, calcular

a) E X
b) EY
c) E X
d) E X.Y
e) E (X + Y)
f) E (X + 4)

3- Usando os dados do exerccio 2, constate que:

a) E X.Y = E X . E Y

b) (E X) = E X

1- X
ij
representa o elemento sujeito i-sima linha e j-sima coluna da tabela:

j 1 2 3
i
1 4 1 -1
2 3 2 -2
3 -1 4 0
4 0 3 4

4.1 Quais so os elementos x
22
, x
23
, x
13
, x
31
, x
43

- ESTATSTICA I - Mrio
9
4.2 Calcular
a) EE x
ij

b)

4 3
E E x
ij

i=2 j=2
c) E x
2j

d) E xi3
e) EE x
ij
e) E (x
i2
+ 1)

2- O elemento X
ij
representa o nmero de pessoas que esto sujeitas i-sima faixa
etria e a j-sima faixa de renda.

Renda em R$ mil
Idade 8 18 18 28 28 38 38 48 48 58 58 128
(anos)
18 24 18 12 10 7 5 3

24 30 10 8 9 7 8 10

30 36 5 4 8 10 13 15

36 42 4 3 7 15 12 18

42 48 1 5 8 10 15 20

I Calcule
a) EE x
ij

b) E x
i3

c) E x
2j


5 6
d) E E xij

i=2 j=3
d) E x
3j


II a) Escreva simbolicamente a soma dos elementos com renda maior ou igual a
R$28.000 e que tenha idade maior ou igual a 30 anos.
b) Escreva simbolicamente a soma dos elementos com renda na faixa 48 58.
c) Escreva simbolicamente a soma dos elementos que esto na faixa etria 36
42.


3- DI STRI BUI O DE FREQNCI A

Um arranjo tabular dos dados juntamente com as freqncias correspondentes,
denominado distribuio de freqncia:

Exemplos

- ESTATSTICA I - Mrio
10
1) Vamos admitir que a empresa X conte com 60 funcionrios entre casados e
solteiros. E que o gerente de pessoal, da empresa, est interessado em verificar se o
nmero de filhos por funcionrios da fbrica tem algum comportamento
caracterstico do ponto de vista estatstico. Para iniciar a sua anlise, o gerente de
pessoal consulta o arquivo das fichas dos funcionrios, de onde extrai os dados.
Nmeros de filhos dos funcionrios da empresa
DADOS BRUTOS
0 1 0 2 3 0 0 4 0 0 3 0 2 0 2 3 0 3 2 2
0 1 4 1 0 0 5 0 0 1 0 3 0 2 0 2 5 2 0 3
0 0 0 1 2 4 0 3 1 6 4 0 4 2 0 7 2 0 0 3

ROL - um arranjo de dados numricos brutos em ordem crescente ou decrescente de
grandeza

Distribuio de freqncia - dados no agrupados em classes (intervalos).

Funcionrios da empresa X, segundo nmeros de filhos.

N de filhos freqncia

0 26
1 6
2 11
3 8
4 5
5 2
6 1
7 1
8 0

total 60

Fonte: departamento pessoal da empresa X

A representao grfica do fenmeno acima poder ser feita atravs do grfico em
hastes ou grfico de bastes.

TTULO: Nmero de filhos dos funcionrios da empresa X

F








X

- ESTATSTICA I - Mrio
11
Fonte: Departamento pessoal da empresa X

2) Os valores abaixo, correspondem as notas finais do curso de matemtica de 80
estudantes da Universidade Unimonte em 20xx, obtidos na secretaria da
Universidade.

Dados Brutos

68 84 75 82 68 90 62 88 76 93 73 79 88 73 60 93
71 69 85 75 61 75 87 74 62 95 78 63 72 66 78 82
75 94 77 69 77 68 60 96 78 89 61 75 95 60 79 83
71 79 62 67 97 78 85 76 65 71 75 65 80 73 67 88
78 62 76 53 74 86 67 73 81 72 63 76 75 85 77 65

ROL




Neste caso contudo, no conveniente procedermos como no caso anterior, porque
a tabela de freqncia teria 35 valores diferentes e seria, ainda muito extensa. Ao invs
disso, vamos considerar intervalos (classes) e contar quantas observaes se encaixem
dentro de cada classe.

Nmero de intervalos (classes)
Quantas classes sero necessrias para representar o fato?
O nmero de classes representado por k. importante que a distribuio conte
com um nmero adequado de classes. Se esse nmero for escasso, os dados originais
ficaro to comprimidos que pouca informao se poder extrair da tabela. Se por outro
lado, forem utilizados muitas classes, haver algumas com freqncia nula ou muito
pequena, e o resultado ser uma distribuio irregular e prejudicial interpretao do
fenmeno como um todo.
Existem vrios critrios que podem ser utilizados a fim de possuirmos uma idia do
melhor nmero de classes, porm tais critrios serviro apenas como indicao e nunca
como regra fixa, pois caber sempre ao pesquisador estabelecer o melhor nmero
levando-se em conta o intervalo de classe e a facilidade para os posteriores clculos
numricos.
Assim, podemos indicar um mtodo que considero mais prtico.


N de elementos observados Nmero de classes
Mnimo mximo

At 50 5 10
51 a 100 8 16
101 a 200 10 20
201 a 300 12 24
301 a 400 15 30
mais de 400 20 40

- ESTATSTICA I - Mrio
12

Dessa forma o pesquisador usando o bom senso e a sua experincia verificar qual
seria o intervalo de classe, mesmo que o nmero de classes no seja o determinado pela
tabela ou por outros mtodos existente, como a frmula de Sturges K = 1 + 3,3 log N,
mas que facilite as operaes posteriores

Notas finais do curso de matemtica da Universidade Unimote-20xx

Notas N de FAC FAD FR FRAC FRAD F% F%AC F%AD
Xi (PM)
Alunos
50 55
55 60
60 65
65 70
70 75
75 80
80 85
85 90
90 95
95 100
Total
Fonte: Secretaria da Universidade Unimonte . MG

Tipos de freqncias

Freqncia absoluta : simples. Acumulada crescente e acumulada decrescente
Freqncia relativa : simples, acumulada crescente e acumulada decrescente
Freqncia percentual : simples, acumulada crescente e acumulada decrescente.

Histogramas e Polgonos de freqncia so representaes grficas da
distribuio de freqncia.(Veja na losa os respectivos grficos das distribuies do
exemplo acima)



ESTATSTICA I - EXERCCIOS

Assunto: Distribuio de freqncia
Prof. Mrio Roberto Filho

1- Dada a distribuio de freqncia abaixo, calcular os pontos mdios, as
freqncias acumuladas, crescente e decrescentes, as freqncias

- ESTATSTICA I - Mrio
13
relativas simples e acumuladas, crescentes e decrescentes, freqncias
percentuais simples, acumuladas crescente e decrescente.


ESTATURAS FREQ. PM FAC FAD FR FRAC FRAD F% F%AC F%AD
(cm) f

147 150 5
150 153 14
153 156 12
156 159 17
159 162 13
162 165 19
165 168 10
168 171 8
171 174 12
174 177 10
TOTAL 120


b) RESPONDA
1- quantos alunos tem estatura de 147 162?
2- Quantos alunos tem estatura de 159 168 ?
3- Qual a % dos alunos que medem abaixo de 165 cm ?
4- Qual a % dos alunos que medem de 159 171 cm ?
5- qual a % dos alunos acima de l65 cm ?
6- qual a classe de estatura do 5 aluno ?
7- qual a classe de estatura do 18 aluno ?
8- at que classe de estatura so compreendidos 60% dos alunos ?

2) De acordo com a tabela apresentada acima, construir: histogramas e polgonos de
freqncias, das seguintes freqncias:
a) freqncia simples
b) freqncia acumulada crescente
c) freqncia acumulada decrescente.

3) A tabela abaixo mostra a distribuio de freqncia da notas de estatstica de 320
alunos do curso de Administrao de uma universidade Y






- ESTATSTICA I - Mrio
14


NOTAS N DE ALUNOS FAC FAD F% F%AC F%AD

0 10 3
10 20 7
20 30 12
30 40 34
40 50 48
50 60 90
60 70 54
70 80 52
80 90 15
90 100 5
TOTAL N = 320

Com base nessa tabela, pede-se
a) a percentagem de alunos cuja nota no excede a 58 .
b) o nmero de alunos com nota maior ou igual a 83 .
c) a percentagem de alunos cuja nota 28 no mnimo, mas inferior a 87.

4) Tabular convenientemente as notas abaixo, atribudas aos 52 alunos da turma A que
prestaram a prova B em julho de 20xx.

93 80 93 85 90 8 8 48 43 38 93 65 53 33 68 85
95 100 55 80 70 60 95 75 73 100 78 58 83 100 68
100 50 58
100 53 45 98 53 78 100 93 88 98 58 38 48 70 83
10 80
23 73 95 78 20 65 90 90 43 78 25 65 95 43 70
20 53
10 28 50 100 50 35 33 58 100 65 5 45 68 17




MEDIDADA DE POSIO OU DE TENDNCIA CENTRAL

So utilizadas para resumir e desenvolver o conjunto de valores representativos do
fenmeno que se deseja estudar.

1- Mdias
2- Moda

- ESTATSTICA I - Mrio
15
3- Separatrizes (Mediana, Quartis, Decis, Percentis)

1- MDIA

1.1- Mdia Aritmtica - Dados no agrupados
Sejam X
1
, X
2
, X
3
, ....., X
n.
A mdia aritmtica simples da varivel X
representada por X definida por:
n
E Xi
X =
i=1

n em que n o nmero de elementos do conjunto

Exemplo:
Um aluno submeteu-se a um concurso, obtendo os seguintes resultados:

Contabilidade....................................7
Matemtica.......................................8
Portugus..........................................5
Histria.............................................9
Digitao...........................................6
Legislao.........................................4

Determinar a mdia final do candidato

X = 7 + 8 + 5 + 9 + 6 + 4 = 39 = 6,5
6 6

1.2- Mdia Aritmtica Dados Agrupados
Quando os dados estiverem agrupados numa distribuio de freqncia usaremos a
mdia aritmtica dos valores, ponderados pelas respectivas freqncias absolutas: f
1
, f
2
,
f
3
, ......,f
n.
assim:

k
E fixi
X =
i =1

n


Exemplo1:










- ESTATSTICA I - Mrio
16



Funcionrios da empresa CASTANHEIRA, segundo o nmero de filhos.

N de filhos N de funcionrios fixi

0 40 0
1 11 11
2 20 40
3 19 57
4 14 56
5 9 45
6 4 24
7 2 14
8 1 8

TOTAL 120 255

Fonte: Departamento de pessoal da empresa Castanheira

X = 255 = 2,125 2 ( os funcionrios da empresa possui em mdia 2 filhos).
120

Exemplo 2:
Resultados da Prova de Estatstica do Curso de Administrao da escola X - Julho
de 2002.

Notas Nde alunos xi fixi


5 10 2 7,5 15
10 15 11 12.5 137,5
15 20 26 17,5 455
20 25 17 22,5 382,5
25 30 8 27,5 220
30 35 6 32,5 195
35 40 3 37,5 112.5
40 45 2 42,5 85
45 50 1 47,5 47,5

TOTAL 76 1650

FONTE: Secretaria da Escola X

X = 1650 = 21,7 pontos
76

- ESTATSTICA I - Mrio
17
1.3- PROPRIEDADES DA MDIA ARITMTICA
1-3.1- Se a cada valor da varivel adicionarmos ou subtrairmos uma constante, a mdia
fica acrescida ou diminuda desta mesma constante.
1.3.2- Se multiplicarmos ou dividirmos cada valor da varivel por uma constante = 0,
sua mdia fica multiplicada ou dividida por essa constante.
1.3.3- A soma dos desvios em torno da mdia nula (zero). Desvio diferena,
afastamento, resduo ou discrepncia a diferena entre cada valor da varivel e sua
mdia.
1.4- PROCESSO ABREVIADO PARA O CLCULA DA MDIA
O mtodo anterior chamado processo longo, devido aos clculos. Esse processo que
veremos agora til quando os valores de X forem grandes e a amplitude entre tais
valores for constante, pois facilita nos clculos. Esse processo baseia-se nas
propriedades da mdia que acabamos de mencionar.
Exemplo
Resultados da Prova de Estatstica do Curso de Administrao da escola X - Julho de
2002.

Notas Nde alunos xi zi fizi


5 10 2 7,5 - 4 -8
10 15 11 12.5 - 3 -33
15 20 26 17,5 - 2 -52
20 25 17 22,5 - 1 -17
25 30 8 27,5 0 0
30 35 6 32,5 1 6
35 40 3 37,5 2 6
40 45 2 42,5 3 6
45 50 1 47,5 4 4

TOTAL 76 -88

FONTE: Secretaria da Escola X

Zi = xi - x
o
k -88
h Z = E fizi = = -1,16

i=1
76

n
mas X = h .Z + x
o
= 5(-1,16) + 27,5 = 21,7 pontos

- ESTATSTICA I - Mrio
18

xo uma constante arbitrria tomada convenientemente.

1.5- ASPCTOS A SEREM OBSERVADOS NO EMPREGO DA MDIA
ARITMTICA.
1.5.1- A mdia uma medida de tendncia central que por uniformizar os valores, no
representa bem os conjuntos que revelam tendncias extremas; sendo influenciada pelos
valores extremos da srie.
1.5.2- No necessariamente tem existncia real, isto , nem sempre um elemento que
faz parte do conjunto, para bem represent-lo, embora pertena obrigatoriamente ao
intervalo entre a maior e menor ocorrncia.
1.5.3- No pode ser calculada para distribuio com limites indeterminados
(indefinidos).
1.5.4- Depende de todos os valores da srie, enquanto outras medidas como veremos
adiante, so calculadas em funo de parte dos elementos do conjunto e a mdia
aritmtica depende de todos os elementos, sendo pois exaustiva sob o aspecto de
clculo.

2- MODA
Pode-se definir a moda como sendo o valor mais freqente, quando comparada
sua freqncia com a dos valores de um conjunto.
Notao: Mo, ^X.

Exemplo: 4, 5, 5, 6, 6, 6, 7, 7, 8, 8` Mo = 6 (unimodal)
1, 2, 3, 4, 5 ` (amodal)
1, 2, 2, 2, 3, 3, 4, 5, 5, 5, 6, 6 ` Mo = 2 e Mo = 5 (bimodal)
1, 2, 2, 2, 1, 1, 4, 5, 6, 5, 6, 5 ` Mo = 1, Mo = 2 e Mo = 5)

Pontos obtidos pelos 20 alunos da turma A - matemtica

NOTAS N DE ALUNOS
18 1
17 2
16 2
15 3
14 3
13 5 Mo = 13 pontos
12 2
11 3
TOTAL 20

- ESTATSTICA I - Mrio
19
Fonte: Secretaria da Escola

Prova de Matemtica, 1 ano/ensino mdio - 2003, Escola X
NOTAS N DE ALUNOS
5 10 2
10 15 11
15 20 26 : Classe modal
20 25 17
25 30 8
30 35 6
TOTAL 70
Fonte: Secretaria da Escola
Mo = L + A
1
. h = 15 + |15 / (15 + 9)|.5 = 18,13 pontos
A
1
+ A
2
Onde: A1 o excesso da classe modal em relao classe anterior.
A2 o excesso da classe modal em relao classe posterior
L o limite inferior da classe modal
h a amplitude da classe modal.
Moda Bruta: 15 + 20 = 17,5 pontos
2
2.1- DETERMINAO GRFICA DA MODA






- ESTATSTICA I - Mrio
20
f
28 R S
24
20 A
1
E P F A
2

16 T
12
8 Q
4
5 10 15 Mo 20 25 30 35 Notas
L
1
L
2

Os tringulos PQR e PST so semelhantes, portanto, seus lados so proporcionais
e podemos escrever:
QR = ST
EP PF
A
1
(L
2
- Mo) = A
2
(Mo -L
1
) A
1
.L
2
- A
1
.Mo = A
2
.Mo - A
2
.L
1

A
1
.L
2
+ A
2
.L
1
= A
2
.Mo + A
1
.Mo A
1
(L
1
+ h) + A
2
.L
1
= Mo(A
1
+ A
2
)
A
1
.L
1
+ A
1
.h + A
2
.L
1
= Mo(A
1
+ A
2
) L
1
.(A
1
+ A
2
) + A
1
.h = Mo
(A
1
+ A
2
) A
1
+ A
2

Mo = L
1
+ A
1
.h
A
1
+ A
2
2.3- ASPECTOS A SEREM OBSERVADOS NO EMPREGO DA MODA
2.3.1- A Moda no depende de todos os valores da srie, nem de sua ordenao
(ROL), podendo mesmo no se alterar com a modificao de alguns
valores da srie.
2.3.2- No influenciada pelos valores extremos da srie.
2.3.3- Sempre tem existncia real ou seja sempre representada por um
elemento do conjunto de dados, exceto o caso de classes de freqncias,
que trabalhamos com subconjuntos (dados agrupados) e no com cada
elemento isoladamente.

- ESTATSTICA I - Mrio
21
2.3.4- Pode ser calculada para distribuio som limites indeterminados
(indefinidos)
4- SEPARATRIZES
4.1- MEDIANA: um valor que provoca dividir a distribuio de freqncia
exatamente ao meio de tal forma que 50% dos casos fiquem aqum e 50% fique alm de
seu valor.
NOTAO: Me
4.2- POSIO DA MEDIANA
P
Me
= n + 1
2
Exemplo: 2, 3, 6, 12, 15, 23, 25 `
Pme = 7 + 1 = 4 posio Me = 12
2
1, 4, 6, 8, 9, 10 ` Pme = ( 6 + 1) /2 = 3,5 ( entre 3 e 4 posio)
Me = (6 + 8)/2 = 7
4.3- DETERMINAO DA MEDIANA NA DISTRIBUIO DE FREQNCIA
NOTAS N DE AL.(F) FAC
20 30 25 25
30 40 85 110
40 50 155 265 : Classe da mediana : classe
do Q1
50 60 180 445
60 70 45 490
70 80 10 500
TOTAL 500
k-1

Pme = 500/2 = 250 n E fi
Me = L
Me
+ 2
i=1
.h
F
Me

- ESTATSTICA I - Mrio
22
Me = 40 + ( 250 - 110) / 155. 10 = 49, 03 49 pontos
Por interpolao, teremos
155...................................10
140(=250 - 110) .... x x = 9,03 logo Me = 40 + 9,03 = 49,03 pontos.
4.4- ASPCTOS A SEREM OBSERVADOS NO EMPREGO DA
MEDIANA
4.4.1- No depende de todos os valores da srie e, podemos mesmo no se alterar
com a modificao de alguns valores, porm tem que estar dentro do Rol.
4.4.2- No influenciada pelos valores extremos da srie.
4.4.3- Pode ser calculada para distribuio com limites indeterminados.
4.4.4- No necessariamente tem existncia real, embora pertena ao intervalo
considerado.
5- QUARTIS, DECIS, PERCENTIS.
5.1- QUARTIS - divide o conjunto em 4 partes iguais ( Q1, Q2, Q3, Q4 )
5.2- DECIS - divide o conjunto em 10 partes iguais (D1, D2, D3,............D10)
5.3- PERCENTIS - divide o conjunto em 100 partes iguais.(P1, P2, P3, ......., P100)
Posio dos quartis: P
Qi
= i.n / 4
Posio dos decis: P
Di
= i.n / 10
Posio dos percentis: P
Pi
= i.n / 100
A maneira de calcular os quartis, decis, percentis so anlogos ao clculo da
mediana, mudando assim, apenas o clculo de cada, quartil, decil ou percentil.
Referente a distibuio de freqncia dada para calcular a mediana, calcularemos como
exemplo o primeiro quartil.
PQ1 = 1.500 / 4 = 125 Q1 = 40 + (125 - 110) / 155.10 = 40,96 41
pontos.
Fica como exerccios o clculo de Q3, D4, P10, P90 e outros caso julgue
necessrio.
5.4- RELAO ENTRE MDIA, MEDIANA E MODA
Houve que observasse, em vrios exemplos de grficos de distribuies de
freqncia as diferenas sobre a abscissa entre a mdia, mediana e moda chegando a

- ESTATSTICA I - Mrio
23
uma relao aproximada entre essas trs medidas, para distribuies unimodais e no
muito assimtrica.
Foi Pearson que admitiu que tais condies a distncia entre a mdia e a moda 3
vezes maior que a distncia entre a media e a mediana. X - Mo = 3.( X - Me)
Mo = 3Me - 2X.




X = Me = Mo (simtrica) X Me Mo
( assimtrica negativa X < M e< Mo)



Mo Me X (assimtrica positiva: X > Me > Mo)

EXERCCIOS
1-Com base na tabela abaixo determinar o salrio mdio(mtodo longo e abreviado), a
empresa X
Salrio (R$) fi
500 600 3
600 700 4
700 800 7
800 900 9
900 1000 10
1000 1100 8
1100 1200 6
1200 1300 3
TOTAL 50

- ESTATSTICA I - Mrio
24
Fonte: Departamento Pessoal
2- Determinar a mediana do conjunto de nmeros: 5, 4, 8, 3, 7, 2, 8.
3- De acordo com os dados da tabela abaixo determinar a durao mdia, a mediana, a
moda, o Q1, D8 e o P70 das vlvulas fabricadas pela empresa X.
DURAO (H) N DE VALVULAS
300 400 14
400 500 46
500 600 58
600 700 76
700 800 68
800 900 62
900 1000 48
1000 1100 22
1100 1200 6
TOTAL 400
4- Na distribuio de salrios descrita abaixo
SALRIOS (R$) n de operrios
500 600 28
600 700 32
700 800 20
800 900 6
900 1000 4
TOTAL 90
Determinar:
a) Qual o salrio acima do qual esto situados os 10% mais bem remunerados?
b) Qual o salrio abaixo do qual se encontram os 15% mais mal remunerados?
c) Acima de que salrio esto os 18 operrios mais bem pagos?

- ESTATSTICA I - Mrio
25
d) Abaixo de que salrio se situam os 36 operrios mais mal remunerados?
e) Discutir quanto a simetria, a distribuio de salrio, desses operrios.

5- MEDIDAS DE DISPERSO
Para descrever estatisticamente um conjunto de dados, uma medida de tendncia
central no suficiente, preciso, ainda, informar uma outra dimenso do fenmeno
que analise a forma da distribuio de freqncia, ou seja, a concentrao ou disperso
dos dados. Temos necessidades de outra estatstica: uma medida de variabilidade.
As medidas de variabilidade se caracterizam por medirem as diferenas entre os
valores de uma distribuio, o que implica que tais medidas refletem as diferenas
grupais. Isso significa que elas informam sobre o grau de heterogeneidade do grupo.
Freqentemente, so realizadas pesquisas educacionais, sociais, psicolgicas e
outras visando a comparao de gruas de heterogeneidade dos grupos. Seria uma
impropriedade dizer graus de homogeneidade em se tratando de fenmenos sociais,
portanto, cada ser humano nico, sempre diferente de outro, em algumas
caractersticas, resultando grupos sociais sempre heterogneos com variaes de graus:
alguns grupos so "menos heterogneos" do que outros e no "mais homogneos".
Suponhamos as trs sries de valores:
A: 60, 60, 60, 60, 60, 60 X = 360/6 = 60
B: 5, 10, 20, 60, 120, 145 X = 360/6 = 60
C: 56, 58, 60, 61, 62, 63 X = 360/6 = 60
Observando as sries notamos que em cada grupo os valores se distribuem
diferentemente em relao sua mdia: Necessitamos assim de uma medida estatstica
complementar para melhor caracterizar cada conjunto apresentado, assim sendo
teremos:
1- AMPLITUDE TOTAL
2- VARINCIA
3- DESVIO-PADRO
4- DESVIO-MDIO
5- COEFICIENTE DE VARIAO


- ESTATSTICA I - Mrio
26
1- AMPLITUDE TOTAL: Nos d idia do campo de variao dos valores da srie,
desprezando assim os valores intermedirios, o que a torna insensvel disperso
dos demais valores entre os pontos de mximos e mnimos.
A: 60 - 60 = 0
B: 145 - 5 = 140 ( mais heterognea)
C: 63 - 56 = 7
2- VARINCIA: uma medida de variao usada para indicar como as variaes se
dispersam em torno de sua mdia. a mdia dos quadrados dos desvios em torno
da mdia aritmtica.
S
2
= E (Xi - X )
2
( dados no agrupados)
n

S
2
= E fi( Xi - X)
2
( dados agrupados)
n
EXEMPLO 1
Analisando os dados abaixo, teremos


56m, 58m, 60m, 61m, 62m, 63m

X = 60m
S
2
= (56 - 60)
2
+ (58 - 60)
2
+ (60 - 60)
2
+ (61 - 60)
2
+ (62 - 60)
2
+ (63 - 60)
2
= 5,67m
2

6
3- DESVIO PADRO: Note-se que o valor encontrado da varincia no est em
unidade igual da varivel original, seu valor representa o quadrado da unidade
original. Resta-nos assim estrair a raiz quadrada da varincia para retornar mesma
unidade dos dados originais e obter o melhor ndice de variabilidade, o DESVIO-
PADRO.
4- S = S
2
= \ 5,67 S = 2,38m


- ESTATSTICA I - Mrio
27
EXEMPLO 2
Lanando um dado 50 vezes, obteve-se a seguinte distribuio
VALORES N de vezes fixi Xi - X (Xi - X)
2
fi(Xi - X)
2
1 6 6 -3 9 54
2 11 22 -2 4 44
3 6 18 -1 1 6
4 7 28 0 0 0
5 9 45 1 1 9
6 11 66 2 4 44
TOTAL 50 185 157

X = 185 / 50 = 3,75 ~ 4

S
2
= fi(Xi - X)
2
= 157 / 50 = 3,14 S = 3,14 S = 1,77
n
Seja a distribuio das estaturas de 100 alunos de uma classe, determinar as varincia e
O desvio padro.
ESTATURA N de alunos Xi FiXi (Xi - X) (Xi - X)
2
Fi(Xi - X)
2

1,40 1,50 5
1,50 1,60 10
1,60 1,70 30
1,70 1,80 40
1,80 1,90 10
1,90 2,00 5
TOTAL 100

X =

- ESTATSTICA I - Mrio
28
S
2
=
S =

6- DESVIO-MDIO: O desvio mdio ou mdia dos desvios igual mdia aritmtica
dos valores absolutos dos desvios tomados em relao a uma das seguintes medidas
de tendncia central: MEDIA OU MEDIANA.
DM = E (Xi - X( (dados no agrupados) DM = E fiXi - X (dados agrupados)
n n
EXEMPLO 1
A = 10, 12, 13, 20, 25, 34, 45 X
A
= 10 + 12 + 13 + 20 + 25 + 34 + 45
= 22,714
7

Pme = (n + 1)/2 = 8/2 = 4 Me = 20


Xi Xi - X Xi - Me Logo:
10 12,714 10 DM = 71, 714 = 10,245
12 10,714 8 7
13 9,714 7
20 2,714 0 ou
25 2,286 5 DM = 69 = 9,857
34 11,286 14 7
45 22,286 25
Total 71,714 69

EXEMPLO 2 : Consumo de energia eltrica (kwh) de 80 usurios

- ESTATSTICA I - Mrio
29
Consumo(kwh) F
5 25 4
25 45 6
45 65 14
65 85 26
85 105 14
105 125 8
125 145 6
145 165 2
TOTAL 80
Fonte: Departamento de distribuio de energia da empresa
X =
Me =
DM = ou DM =
MEDIDAS DE ASSIMETRIA
1- Comparao sobre as medidas de Tendncia Central
X > Mo a distribuio assimtrica positiva
X = Mo a distribuio simtrica
X < Mo a distribuio assimtrica negativa

2- Coeficiente de Pearson ( Karl Pearson)

AS = X - Mo ou AS = 3( X - Me) ( primeiro coeficiente de Pearson)
S S
Se AS = 0 a distribuio simtrica
Se AS > 0 a distribuio simtrica positiva
Se AS < 0 a distribuio assimtrica negativa
OBSERVAO: No comum o aparecimento de curvas de freqncia com
deformao superior a 1 . Desta forma, um ndice AS = -0,6 expressa alto

- ESTATSTICA I - Mrio
30
enviesamento negativo, j um resultado AS = 0,1 mostra uma assimetria positiva
despresvel.
EXEMPLO
O aproveitamento da prova de ingls das primeiras sries da escola X, dezembro
de 2002.
Curso X Mo S
Diurno 20 18 3
Noturno 12 14 6
ASd = 20 - 18 = 0,66 ASn = 12 - 14 = - 0,33
3 6







7- COEFICIENTE DE VARIAO DE PEARSON
S
CV = x 100 (disperso relativa)
X
As medidas de variabilidade que vimos, somente so comparveis quando se
referem a uma escala de medidas, com a mesma unidade, ainda, quando os grupos tem
mdias no muito diferentes. No caso em que so diferentes as medidas em
comparao ( centmetro, peso, etc) os grupos, usa-se uma medida de variabilidade
relativa mdia: o coeficiente de variao.
EXEMPLOS
1- Consideremos a distribuio das alturas de 50 pessoas e a distribuio de seus
respectivos pesos.
Xa

= 173,3 cm Xp = 69,5 Kg
Sa = 8,7 cm Sp = 4,2 kg
Cva = 8,7/ 173,3 x 100 = 5,02% CVp = 4,2 / 69,5 x 100 = 6,04%
Pode-se concluir que a populao menos heterognea em relao a altura.

- ESTATSTICA I - Mrio
31
2- Resultado da prova de Portugus das 3 sries do ensino mdio da escola X,
novembro de 2003.

Sries X S CV Observe que a 1 srie menos heterognea, pois
1 26 5 19% apresenta menor CV.
2 15 3 20%
3 12 8 66%

MEDIDAS DE ASSIMETRIA E CURTOSE
As distribuies de freqncia no diferem apenas quanto ao valos mdio e
variabilidade, mas tambm quanto sua forma, ou seja: o grau de deformidade ou
assimetria e o grau de achatamento ou afilamento da curva de freqncia ou do
histograma.




leptocrtica (menos
heterognea)


mesocrtica





Coeficiente para avaliar o grua de CURTOSE.
Q
3
- Q
1

K =
2( P
90
- P
10
)

Se K = 0,263 a curva da distribuio mesocrtica

- ESTATSTICA I - Mrio
32
K > 0,263 a curva da distribuio platicrtica.
K < 0,263 a curva da distribuio leptocrtica.
EXEMPLO
Resultado da prova de Estatstica da Escola X, dezembro de 2002.
Pontos F
20 30 25
30 40 85
40 50 155
50 60 180
60 70 45
70 80 10
total 500
Note que Q
1
= 40,97
Q
3
= 56,11
P
10
= 32,94
P
90
= 61,11
Logo K = 56,11 - 40,97 = 0,2687. Portanto a curva platicrtica, logo indica
2( 61,11 - 32,94) heterogeneidade.

EXERCCIOS
1- Calcule o desvio-padro dos seguintes dados, de pesos em Kg, de dois grupos ( A e B) de
alunos, dizendo com base nestes clculos, qual grupo menos heterogneo, ( ou menos
disperso)
GRUPO A: 43, 45, 52, 54, 56
GRUPO B: 46, 52, 58, 60, 66

2- Dados os seguintes conjuntos de nmeros
A = 1, 2, 3 ` B = 10, 20, 30`
Calcule a disperso absoluta (desvio-padro) e a disperso relativa (coeficiente de variao)
dos dois conjuntos e analise o resultado encontrado.
3- A tabela abaixo mostra uma distribuio de freqncia das idades de 87 funcionrios da
empresa Y.

- ESTATSTICA I - Mrio
33

IDADE(anos) N de funcion.
18 22 12
22 26 18
26 30 15
30 34 25
34 38 10
38 42 5
42 46 2
TOTAL 87
Fonte: Departamento pessoal da empresa Y
Pede-se
a) a amplitude total da distribuio
b) o desvio mdio
c) a varincia
d) o desvio-padro
e) a idade na qual 75% dos funcionrios esto abaixo dela.
f) A idade na qual 3/4 dos funcionrios esto acima dela.
g) A idade no qual 4/10 dos funcionrios se encontram acima dela.
h) O grau de assimetria
i) Discutir quanto ao grau de heterogeneidade: mesocrtica, platicrtica ou leptocrtica.
4- Numa escola, a mdia da turma A 35 e o desvio-padro 10, a mdia da turma B 35 e
o desvio- padro 2,5. Qual das 2 turmas apresentou resultados menos heterogneos?
Porque?

TRINGULO DE PASCAL.










Nmeros Combinatrios n n!
Ou binomiais p = Cn,p =
p!.(n-p)!

- ESTATSTICA I - Mrio
34

P = 0 P = 1 P = 2 P = 3 P = 4 P = 5 P = 6

n = 0 0
0


n = 1 1 1
0 1


n = 2 2 2 2
0 1 2



n = 3 3 3 3 3
0 1 2 3


n = 4 4 4 4 4 4
0 1 2 3 4


n = 5 5 5 5 5 5 5
0 1 2 3 4 5


n = 6 6 6 6 6 6 6 6
0 1 2 3 4 5 6


n n n n n n n n ... n
0 1 2 3 4 5 6 n



Substituindo-se cada nmero combinatrio pelo respectivo valor, o tringulo de
Pascal fica assim:











- ESTATSTICA I - Mrio
35
P = 0 P = 1 P = 2 P = 3 P = 4 P = 5

n = 0 1

n = 1 1 1

n = 2 1 2 1

n = 3 1 3 3 1

n = 4 1 4 6 4 1

n = 5 1 5 10 10 5 1

n = 6 1 6 15 20 15 6 1




Observe que o tringulo de Pascal continua infinitamente, medida que vai
aumentando o valor de n.

EXERCCIOS PROPOSTOS:

1) Analise cada uma das linhas do tringulo de Pascal.
a) Quais so o primeiro e o ltimo elemento de cada linha? Qual a lgica disso?
b) O que voc observa comparando o primeiro com o ltimo elemento, o segundo com
o penltimo, ...?
c) possvel a igualdade abaixo para p = 5?


12 = 12
p 5

Em caso afirmativo, para que valor de p?

2) a) Tome dois elementos consecutivos quaisquer de uma linha do tringulo de Pascal
e calcule sua soma. Veja se essa soma aparece como um dos elementos da linha
seguinte. Faa isso vrias vezes e tire uma concluso.

b) O tringulo de Pascal que aparece no texto vai at a linha em que n = 6. A partir do
que voc concluiu no item anterior, construa as quatro prximas linhas do tringulo.

3) Um grupo tem 7 pessoas, entre as quais o indivduo A. Deseja-se formar, a partir
desse grupo, uma comisso de 4 pessoas.
a) De quantas formas a comisso pode ser formada?
b) Em quantas dessas comisses A aparece necessariamente?
c) Em quantas dessas comisses A no aparece?
d) Que relao existe entre os resultados obtidos nos trs itens anteriores?

- ESTATSTICA I - Mrio
36
e) Expresse o resultado do item anterior, utilizando nmeros combinatrios.
f) Sem efetuar os clculos, indique os nmeros combinatrios obtidos como resultados
das somas.

10 + 10 e 12 + 12 + 13
3 4 4 5 6


4) Calcule a soma dos elementos de cada linha do tringulo de Pascal.
a) O que voc observa?
b) Qual ser a soma dos elementos de n = 8?
E da linha n = 10? E da linha n = 11?
c) Generalize, calculando o valor da soma.

n + n + n + n + ... + n + n
0 1 2 3 n 1 n




PROBABILIDADE


INTRODUO:


Basicamente existem dois tipos de experimentos:
- experimentos determinsticos
- experimentos aleatrios

Os experimentos determinsticos nos permite prever os resultados, sem que
tenhamos que realizar estes experimentos.

EXEMPLOS:
a) O tempo gasto de ir de uma cidade A, a outra B, com uma velocidade mdia
constante.
b) A queda livre de um corpo.

Considerando tambm os experimentos:
a) lanamento de uma moeda e leitura da face voltada para cima;
b) lanamento de um dado, no viciado, e leitura do nmero voltado para cima;
c) nascimento de um criana.

Se esses experimentos forem repetidos vrias vezes, nas mesmas condies, no
poderemos prever o seu resultado.
Experimentos que, ao serem realizados repetidas vezes, nas mesmas condies,
apresentarem resultados variados, no sendo possvel, portanto, a previso lgica dos
resultados, so denominados experimentos aleatrios.

- ESTATSTICA I - Mrio
37
Os experimentos aleatrios esto sujeitos ao acaso, embora se conheam os
possveis resultados.
Nosso objetivo aprender a calcular a probabilidade ou chance de se obter, em
um experimento aleatrio, um determinado resultado.
Num problema de clculo de probabilidade, devemos levar em conta os
resultados possveis (Espao amostral U) e os resultados desejados (evento) de um
experimento.
No lanamento de um dado, por exemplo, podemos estar interessados em
calcular a probabilidade de se obter um nmero menor do que 3. Nesse experimento,
temos:
- Espao amostral: U = {1, 2, 3, 4, 5, 6} (resultados possveis)
- Evento E: {1, 2} (resultado desejados).



Neste caso todos os resultados possveis tm a mesma chance de ocorrer, e so
estes os experimentos alvos de nosso estudo em probabilidade. Dizemos, no caso, que
os resultados possveis so equiprovveis.
A probabilidade P(E) de ocorrer um evento E, no caso de resultados
equiprovveis :





No clculo de probabilidades, existem dois casos extremos.
- Se E um evento impossvel de acontecer, P(E) = 0 ou P(E) = 0%.
- Se E um evento certo, ou seja, que ocorrer com certeza, P(E) = 1 ou P(E) = 100%

Vejamos!
No lanamento de um dado, qual a probabilidade do resultado ser 7? E a
probabilidade do resultado ser um nmero menor ou igual a 6?
No lanamento do dado, verdade que impossvel de se obter o nmero 7,
portanto o evento impossvel e P(E) = 0 ou P(E) = 0%. Enquanto que para se obter um
nmero menor ou igual a 6, este resultado ocorrer com certeza, portanto o evento
certo e P(E) = 1 ou P(E) = 100%.
Pode-se concluir, portanto, que a probabilidade P(E) de ocorrer um evento (fato)
E um nmero real que pode variar de 0 at 1 ou, em percentagem, de 0% (evento
impossvel) at 100% (evento certo).




EXERCCIOS RESOLVIDOS:

1) No lanamento de um dado, determine a probabilidade de se obter.
P(E) = nmero de resultados desejados
nmero de resultados possveis
0 s P(E) s 1 ou 0% s P(E) s 100%

- ESTATSTICA I - Mrio
38
a) O nmero 5
b) Um nmero primo
c) Um nmero mltiplo de 3

Soluo
O espao amostral U = {1, 2, 3, 4, 5, 6}, portanto n(U) = 6.

a) Ocorrncia do nmero 2: A = {2}, portanto n (A) = 1
P(A) = n(A) = 1 = 0,1667 ou P(A) = 16,67%
n(u) 6

b) Ocorrncia de um nmero primo:
B = {2, 3, 5}, portanto n(B) = 3
P(B) = n(B) = 3 = 1 = 0,5 ou P(B) = 50%
n(u) 6 2

c) Ocorrncia de um nmero mltiplo de 3:
C = {3, 6}, portanto n(C) = 2

P(C) = n(C) = 2 = 1 = 0,3333 ou P(C) = 33,33%
n(u) 6 3

2) De um baralho com 52 cartas tiram-se, sucessivamente, sem reposio, duas cartas.
Determine a possibilidade dos eventos:
a) as duas cartas so ases.
b) as duas cartas so de copas.
Soluo

a) Calculando o nmero de elementos do espao amostral, teremos:
1 possibilidade 2 possibilidade
52 51
Logo n(u) = 52 . 51 = 2652

Calculando o nmero de elementos do evento A, teremos:
Temos 4 ases, portanto A
4,2
= 4 . 3 . 2! = 12
2!
Portanto: P(A) = n(A) = 12 = 1 .
n(u) 2652 221





b) Calculando o nmero de elementos do evento B, teremos:
1 carta de copas 2 carta de copas
13 12

n(B) = 13 . 12 = 156 ou A
13,2
= 13 . 12 . 11! = 156

- ESTATSTICA I - Mrio
39
11!
Portanto: P(A) = n(B) = 156 = 13 = 1
n(u) 2652 221 17

3) Consideramos um conjunto de 10 frutas, das quais 3 esto estragadas. Escolhendo
aleatoriamente 2 frutas desse conjunto, determinar a probabilidade de que:
a) ambas no estejam estragadas.
b) pelo menos uma esteja estragada.
Soluo

Clculo do nmero de maneiras que duas frutas podem ser escolhidas.
n(u) = C
10,2
= 10! = 10 . 9 . 8! = 45 maneiras
2!8! 21 . 8!

a) Clculo do nmero de maneiras que duas frutas no estragadas podem ser escolhidas.
n(A) = C
7,2
= 7! = 7. 6. 5! = 21 maneiras
2!5! 2. 1. 5!
Portanto: n(A) = 21 = 7
n(u) 45 15

b) Clculo de pelo menos uma seja estragada, que pode ser:
- uma estragada e uma boa.

C
3,1
x C
7,1
= 3. 7 = 21
ou

- as duas sejam estragadas.

C
3,2
= 3

Logo: n(B) = C
3,1
. C
7,1
+ C
3,2
= 3. 7 + 3 = 24

Portanto: P(B) = n(B) = 24 = 8
n(u) 45 15

OBSERVAO:
Este clculos, no item b, poderiam ser efetuados de uma outra maneira, bem
particular.
Note que os eventos A: ambas no estejam estragadas e B: pelo menos uma
esteja estragada so mutuamente exclusivos (disjuntos) e a unio dos eventos nos d o
espao amostral U: 10 frutas, das quais 3 esto estragadas.
Conclui-se que o evento B complementar do evento A e representamos por A
ou A
C
. Logo P(A) + P(B) = 1 P(A) + P(A) = 1 P(A) = 1 P(A)

Portanto: P(B) = P(A) = 1 7 = 8
15 15


- ESTATSTICA I - Mrio
40


EXERCCIOS PROPOSTOS:

1) Determine a probabilidade de:
a) Obter um nmero menor que 3 no lanamento de um dado.
b) Acertar um jogo da loteria esportiva com um palpite duplo.
c) Os 3 filhos de um casal serem meninos.
d) Somar 5 no lanamento simultneo de 2 dados diferentes.

2) Qual a probabilidade do evento certo? E do evento impossvel?

3) Qual a probabilidade de acertarmos uma quadra com um prognstico simples de 6
nmeros na loto?

4) Os eventos A e A so complementares. Sendo P(A) = 0,3, calcule P(A).

5) Uma urna tem 3 bolas brancas e 4 azuis. Retirando ao acaso 2 bolas, qual a
probabilidade de ambas serem brancas?

6) Dentre 5 pessoas, ser escolhida, por sorteio uma comisso de 3 membros. Qual a
probabilidade de que uma determinada pessoa venha a figurar na comisso?

7) Qual a probabilidade de obter, no lanamento de 1 dado, um nmero par ou um
nmero maior ou igual a 4?

8) Dentre 100 leitores dos jornais A e B, 40 lem o jornal A e 70 lem o jornal B. Qual
a probabilidade de que 1 leitor leia os jornais A e B?

9) Retirando com reposio, 3 cartas de um baralho de 52 cartas, onde h 4 reis, qual a
probabilidade de que saiam 3 reis?

10) Retirando, sem reposio, 3 cartas de um baralho de 52 cartas, onde 13 so de paus,
qual a probabilidade de que sejam de paus as 3 cartas?

11) Em uma urna h 4 bolas verdes e 6 amarelas. Retirando 2 bolas, sem reposio,
determine a probabilidade de:
a) Ambas serem verde.
b) Ambas serem amarelas.
c) A 1 ser verde e a 2 amarela.

12) Qual a probabilidade de acertar os 13 jogos da loteria esportiva:
a) Apenas utilizando palpites simples?
b) Utilizando palpites duplos nos 3 primeiros jogos?
c) Utilizando palpites triplos nos 2 primeiros jogos e duplos nos 3 jogos seguintes?

13) Uma gaveta tem 5 pares de meias verdes e 3 pares de meias azuis. So tiradas 2
meias ao acaso. Qual a probabilidade de se formar:
a) Um par verde?

- ESTATSTICA I - Mrio
41
b) Um par com meias de mesma cor?
c) Um par com meias de cores diferentes?
















































- ESTATSTICA I - Mrio
42
VARIVEIS ALEATRIAS
O que se entende por varivel aleatria?
At agora nossos estudos estavam praticamente voltados mais para definirmos
nosso Espao Amostral U, sem associarmos suas respectivas probabilidades aos
experimentos aleatrios.
Existem, contudo, experimentos cujos resultados podem ser expressos por
quantidades numricas. Ou ainda, por vezes, desejamos atribuir um valor especfico a
cada resultado do experimento aleatrio.
Quando realizamos a observao dos resultados de um experimento que pode ser
resultado repetidamente sob condies essencialmente inalteradas (experimento
aleatrio), no poderemos, de antemo, dizer qual particular resultado ir ocorrer na
prxima tentativa, muito embora sejamos capazes de descrever o conjunto de todos os
possveis resultados do experimento. Assim, por exemplo, antes de lanar um dado
poderemos descrever que os possveis resultados so: l, 2, 3, 4, 5, 6, mas qual desses,
em particular, ir ocorrer, no prximo lanamento impossvel predizer com absoluta
certeza. Varivel aleatria , pois o resultado da observao de experimentos no
determinsticos.
Entretanto o resultado de um experimento no necessariamente, um nmero. De
fato na observao das peas que saem de uma mquina poderemos, simplesmente,
anotar as categorias "defeituosas" ou "no defeituosas". Contudo, em muitas situaes
experimentais, estamos interessados na mensurao de alguma coisa e no seu registro
como um nmero. Mesmo no exemplo acima, poderemos atribuir um nmero a cada
resultado (no numrico) do experimento.
U: observao das peas (telhas) que saem de uma mquina
X nmero de peas defeituosas
X = 0, 1, 2, 3, .....................,n
Portanto, chama-se varivel aleatria a uma varivel cujo valor um nmero
determinado pelo resultado de um experimento ou atravs da observao, e aos quais
podemos associar probabilidade.
As variveis aleatrias podem ser classificadas em:
1- VARIVEIS ALEATRIAS DISCRETA
Seja X uma varivel aleatria que assume os valores x
1
, x
2
, x
3
, ...........x
n.
Diremos
que X uma varivel aleatria discreta. Se o nmero de valores tomados por X finito
ou infinito numervel.
Exemplo: U: Lanamento de quatro moedas
Seja,
X: o nmero de caras observadas.
X = 0, 1, 2, 3, 4
De modo geral podemos dizer que as variveis aleatrias discretas so as que resultem
de contagens.

2- VARIVEIS ALEATRIAS CONTNUAS
Seja X uma varivel aleatria que pode assumir qualquer valor num intervalo,
diremos que X uma varivel aleatria contnua.
Exemplos:
a) Nmero de horas de durao de uma lmpada
b) A altura de um indivduo que pode ser: 1,65m, l,652m, 1,6524m, conforme
a preciso de medida.

- ESTATSTICA I - Mrio
43
De modo geral podemos afirmar que as variveis aleatrias contnuas so
aquelas que resultem de "medio", em especial, de tempo, temperatura,
comprimento, peso, volume, etc.
Um aspecto interessante o que o mesmo experimento pode dar margem
observaes de vrias variveis, e a escolha da que vai ser observada fica a critrio do
observador. Como exemplo vejamos o experimento "jogar 4 moedas simultaneamente".
Como varivel aleatria poderemos escolher "o nmero de caras obtidas ou a distncia
mnima entre 2 moedas". A primeira seria uma varivel aleatria discreta e a Segunda
seria uma varivel aleatria contnua.


1- VARIVEL ALEATRIA DISCRETA

1.1- FUNO DE PROBABILIDADE
A probabilidade de que a varivel aleatria assuma o valor X, a funo de
probabilidade de X que representamos por P(X = x
i
) ou simplesmente por P(X).

f(x) = P(X = x
i
) f(x) = 0 se X = x
i

n
E f(x
i
) = 1

i = 1

Portanto a funo que associa probabilidade aos possveis valores de uma varivel
aleatria, denomina-se funo de probabilidade.
A funo P(X) pode ser expressa por uma tabela ou grfico
Exemplo
Seja E: o espao amostral no lanamento de 2 moedas e X: o nmero de caras C
obtidas. Isto :
E = (K,K); (K,C); (C,K); (C,C)`
X = 0, 1, 2 `

TABELA: X 0 1 2

P(X) 1/4 1/2 1/4
GRFICO:
P(X)
1/2

1/4


0 1 2 X

1.2- FUNO REPARTIO
Define-se funo repartio da varivel aleatria X, no ponto x, como sendo a
probabilidade de que x assuma um valor menor ou igual a X, isto :
F(X) = P(X s x). No exemplo acima teremos:


- ESTATSTICA I - Mrio
44
F(X) = 1/4 se x s 0
F(X) = 1/2 se 1 s x < 2
F(X) = 1/4 se x > 2

2- VARIVEL ALEATRIA CONTNUA

2.1- FUNO DENSIDADE DE PROBABILIDADE
Seja X uma varivel aleatria contnua. A funo densidade de probabilidade f(x)
uma funo que satisfaz as seguintes condies.

f(x) > 0

f(x).d(x) = 1
b
Assim P( a < x < b) = f(x).d(x)
a

2.2- FUNO REPARTIO +oo
F(X) = P(X s x) = P( -oo < x < +oo) = f(x).dx = 1
-oo

Seja X uma varivel aleatria contnua com a seguinte funo densidade de
probabilidade.
f(x) = 2x para 0 s x < 1
0 para (qualquer) outro valor
para x < 0 F(x) = 0
f(x) = para 0 s x < 1 F(x) = 2x.dx = 2x
2
x = x
2

0 2 0
para x > 1 F(x) = 1

Representao grfica
F(x)
1


1 x

- ESTATSTICA I - Mrio
45
Exemplo/Exerccio Seja f(x) = 3/2 (1 - x
2
), 0 < x < 1
0, caso contrrio
Ache a funo repartio e esboce o grfico.










3- DISTRIBUIO DISCRETAS DE PROBABILIDADES
3.1- DISTRIBUIO DE PROBABILIDADE
No contexto das distribuies de probabilidades, os valores individuais de
probabilidades podem ser designados pelo smbolo f(x), que enfatiza a existncia de
uma funo matemtica (variveis contnuas). Por P(X = x), que enfatiza que a varivel
aleatria pode assumir diversos valores, ou simplesmente por P(X).
Para uma varivel aleatria discreta todos os possveis valores da varivel
aleatria podem ser listados numa tabela com as probabilidades correspondentes:
distribuio de probabilidade Binomial, Hipergeomtrica e de Poisson. Para uma
varivel aleatria contnua no podem ser listados todos os possveis valores
fracionrios da varivel, e desta forma as probabilidades so determinadas por uma
funo matemtica, so retratadas, tipicamente, por uma funo densidade ou por uma
curva de probabilidade.
3.2 VALOR ESPERADO E VARINCIA DE VARIVEIS ALEATRIAS
DISCRETAS.
n

Mdia, Valor Esperado ou Esperana Matemtica: = E(X) = x
i
.P(x
i
)

i = 1

3.3 PROPRIEDADES DA ESPERANA MATEMTICA:

- ESTATSTICA I - Mrio
46
3.3.1- A mdia de uma constante a prpria constante
E(X) = k.P(x
i
) = k. P(x
i
) = k
3.3.2- A mdia de uma varivel multiplicada por uma constante igual constante
multiplicada pela mdia da varivel.
E(k.X) = k.x
i
.P(x
i
) = k. x
i
.P(x
i
) = k.E(x
i
)
3.3.3- A mdia da soma ou da diferena a soma ou diferena das mdias.
E( X + Y) = E( X ) + E( Y ) ou E(X - Y) = E(X) - E(Y)
3.3.4- Somando ou subtraindo uma constante a uma varivel aleatria, a sua mdia fica
somada ou subtrada da mesma constante.
E(X + k) = E(X) + E(k) = E(X) + k ou E(X- k) = E(X) - k
3.3.5- A mdia do produto de duas variveis aleatrias independentes o produto das
mdias.
E(X.Y) = x
i
.y
j
.P(x
i
y
j
) = x
i
.y
i
.P(x
i
).P(y
j
) = x
i
.P(x
i
). y
j
.P(y
j
) = E(X).E(Y)
3.4- VARINCIA
A forma geral de desvios para a frmula da varincia de uma distribuio discreta
de probabilidade :
V(X) = o
2
(X) = | x
i
- E(X)|
2
.p(xi)

ou
V(X) = o
2
(X) = E(X
2
) - |E(X)|
2
( Frmula Computacional)
3.5- PROPRIEDADE DA VARINCIA
3.5.1- A varincia de uma constante zero
o
2
(X) = V(k) = E| k - E(k)|
2
= E(k - k)
2
= 0
3.5.2- Multiplicando-se uma varivel aleatria por uma constante, sua varincia fica
multiplicada pelo quadrado da constante.
V(k.X) = o
2
(k.X) = |kX - E(k.X)|
2
= |k.X - k.E(X)|
2
= |k(X - E(X)|
2

= k
2
.|X - E(X)|
2
= k
2
.V(X)
3.5.3- Somando-se ou subtraindo-se uma constante varivel aleatria, sua varincia
no se altera.
o
2
(X + k) = o
2
(X) + o
2
(k) = o
2
(X) + 0 = o
2
(X)
3.5.4- A varincia da soma ou da diferena de duas variveis aleatrias independentes
a soma das respectivas varincias.

- ESTATSTICA I - Mrio
47
o
2
(X +Y) = o
2
(X) + o
2
(Y) e
o
2
(X - Y) = o
2
(X) + o
2
(-Y) = o
2
(X) + (-1)
2
.o
2
(X) = o
2
(X) + o
2
(Y)
EXEMPLO:
A tabela abaixo est registrado o nmero de caminhonetes solicitadas em uma
agncia de aluguel de carros durante um perodo de 50 dias.
Demanda
possvel X
N de dias Probabilidade
P(X)
Valor Ponde-
rado X:P(X)
Demanda ao
quadrado X
2

Quad. Ponde-
rado X
2
.P(X)
3 3 0,06 = 3/50 0,18 9 0,54
4 7 0,14 = 7/50 0,56 16 2,24
5 12 0,24 1,20 25 6,00
6 14 0,28 1,68 36 10,08
7 10 0,20 1,40 49 9,80
8 4 0,08 0,64 64 5,12
TOTAL 50 1,00 E(X) = 5,66 E(X
2
) = 33,78
OBS. A probabilidade de serem solicitadas exatamente sete (7) caminhonetes em um
determinado dia aleatoriamente escolhido no perodo de 0,20 e de cinco (5) de 0,24.
Determine:
a) A esperana matemtica
b) A varincia, clculo computacional.
a) E(X) = 5,66
Isto , o valor esperado para dados discretos pode ser fracionrio porque ele
representa um valor mdio de longo prazo e no o valor especfico para qualquer
observao dada.
c) V(X) = o
2
(X) = E(X
2
) - |E(X)|
2
= 33,78 - (5,66)
2
= 33,78 - 32,04 = 1,74
Isto a variao do nmero de caminhonetes em torno da mdia ao quadrado de 1,74.
Exerccios
1- Um dentista tem 5 cadeiras disponveis para pacientes em sua sala de espera. A
probabilidade do nmero de cadeiras ocupadas X dada por:


- ESTATSTICA I - Mrio
48

X P(X)
0 0,304
1 0,228
2 0,171
3 0,128
4 0,096
5 0,073
a) Ache a mdia E(X) = da varivel aleatria X. E(x) = 1,7
b) Calcule a varincia e o desvio padro, da varivel aleatria X. V(X) =
2,53
c) Calcule P( 2 s X s 5). 0.468
d) Desenvolva no formato tabular a cdf ( Funo de Distribuio Acumulada) dessa
distribuio.
e) Desenvolva a funo repartio dessa distribuio.
2- Considere uma moeda perfeita lanada 3 vezes. Seja X o nmero de caras obtida.
Calcule
a) a distribuio de X
b) mdia de X E(x) = 1,5
c) a varincia o = 0,75
3- Considere uma urna contendo trs bolas vermelhas e cinco pretas. Retire trs bolas
sem reposio, e defina a V.A X igual a nmero de bolas pretas.
a) Obtenha a distribuio de X
b) Obtenha a mdia e a varincia da V.A X E(X) =1,875 o = 0,502
4- Uma moeda lanada 4 vezes. Seja Y o nmero de caras obtidas. Calcule
a) a distribuio de Y
b) a mdia e varincia de Y = 2 , o = 1

- ESTATSTICA I - Mrio
49
5- Considere uma mesa contendo 10 frutas das quais 4 esto estragadas. Retire trs
dessas frutas ao acaso, sem reposio e defina a V.A. X igual a nmero de frutas
estragadas.
a) Obtenha a distribuio de X
b) Obtenha a mdia e a varincia da V.A. = 1,2 , o = 0,560


4-DISTRIBUIO BINOMIAL
4.1- INTRODUO: DISTRIBUIO DE BERNOULLI
Seja um experimento que consiste na realizao de uma prova, cujos resultados s
podem ser "sucesso" ou "fracasso". Observando ainda que na realizao desta prova os
eventos so independentes, vamos chamar de X uma varivel aleatria que de acordo
com a pressuposio citada, somente assumir valores 0 e 1, sendo 0 a ocorrncia do
evento "fracasso" e 1 a ocorrncia do evento "sucesso" com probabilidades
P(X = 0) = q X 0 1
P(X = 1) = p P(X) q p p + q = 1 q = 1 - p
Obs.
q = l- p complementar de p, pois p + q = 1.
2- E(X) = E xi.p(xi) = 0.q + 1.p = p E(X) = p
3- V(X) = E(X
2
) - |E(X)|
2
= 0
2
.q + 1
2
.p - p
2
= p - p
2
= p(1 - p) = p.q
V(X) = p.q
Consideremos que:
a) n provas independentes e do mesmo tipo so realizadas.
b) Cada prova uma prova de Bernoulli ou seja, admite dois resultados: sucesso ou
fracasso que so mutuamente exclusivos.
c) A probabilidade de sucesso ou fracasso a mesma em cada prova, isto ,
constantes.
d) p a probabilidade de sucesso em cada prova e q = 1 - p a ocorrncia do fracasso.

4.2- DISTRIBUIO BINOMIAL

- ESTATSTICA I - Mrio
50
Se p a probabilidade de um evento acontecer em uma tentativa nica (sucesso),
e q = 1 - p a probabilidade de que o evento no ocorra (insucesso), ento a
probabilidade do evento ocorrer exatamente x vezes em n tentativas, isto , de que haja
X sucessos e n - x insucesso, dado por:



P(X = x) = n p
x
. q
n - x

x

PARMETROS DA DISTRIBUIO BINOMIAL
Baseados na propriedades da E(X) e V(X) e como a varivel binomial X uma
soma de variveis independentes do tipo Bernoulli, teremos que:
E(X) = E( x
1
+ x
2
+ x
3
+ ........+ x
n
) = E(x
1
) + E(x
2
) + E(x
3
) +........+ E(x
n
) = np
V(X) = V(x
1
+ x
2
+ x
3
+ ........+ x
n
) = V(x
1
) + V(x
2
) + V(x
3
) + ......+ V(x
n
) = p.q + p.q
+ p.q + .........+ p.q = n.pq. = n.p.(1 - p)
FRMULAS:
E(X) = Exi.p(xi)
P(X = xi) = n . p
xi
.(1 - p)
n - xi

xi
E(X) = E xi. n .p
xi
. (1 - p)
n - xi

xi

V(X) = E(x
i
E(X)).p(x
i
)
APLICAES
1- Em uma fbrica de parafusos um tero da produo defeituosa. Em uma amostra
de 6 parafusos, pergunta-se
a) Qual a probabilidade de que no tenham nenhum defeituoso?
b) Qual a probabilidade de que o nmero de parafusos defeituosos seja no mximo 2?
c) Qual o nmero esperado de parafusos defeituosos?

- ESTATSTICA I - Mrio
51
d) Qual a disperso em torno do nmero esperado de parafusos defeituosos?
Soluo
X = 0, 1, 2, 3, 4, 5, 6 : defeituosos
a) P(X = 0) = 6 . (1/3)
0
.(2/3)
6-0
= (2/3)
6
= 64/729
0
b) P(X s 2) = P(X = 0) + P(X = 1) + P(X = 2) = 64 / 729 + 192 / 729 + 240 /
729 =
= 496 / 729 = 68%
c) E(X) = E xi.P(xi) = 0.64 / 729 + 1.192 / 729 + 2.240 / 729 + 3.160 / 729 + 4.60 /
729
5.12 / 729 + 6.1 / 729 E(X) = 2 defeituosos
ou E(X) = n.p = 6.1/3 = 2 defeituosos
d) V(X) = o
2
(X) = E(X
2
) - |E(X)|
2

V(X) = 0
2
.64/729 + 1
2
.192/729 + 2
2
.240/729 + 3
2
.160/729 + 4
2
.60/729 + 5
2
.12/729
+
6
2
.1/729 = 5,33
V(X) = 5,33 - 2
2
= 1,33 ou V(X) = n.p.q = 6.1/3.2/3 = 1,33 o = \1,33 =
1,15
2- Num hospital 5 pacientes devem submeter-se a um tipo de operao da qual 80%
sobrevivem. Qual a probabilidade de que:
a) Todos sobrevivem R 32,775
b) Pelos menos dois sobrevivem R 99,33%
c) No mximo 3 no consigam sobreviver. R 99,33%
d) Qual o nmero esperado de sobreviventes? R 4 sobreviventes
3- Se 2/3 da populao de certo municpio no assistem regularmente a programas de
televiso e, colocando 250 pesquisadores cada um entrevistando 8 pessoas, estimar
quantos desse pesquisadores informaro que at 2 das pessoas consultadas so
telespectadores habituais.
Soluo


- ESTATSTICA I - Mrio
52
X . Assistem regularmente televiso p = 1/3
q = 2/3
X = 0, 1, 2


P(X=0) = 8 .(1/3)
0
.(2/3)
8
= 256/6561
0
P(X=1) = 8 .(1/3)
1
.(2/3)
7
= 1024/6561 P(X s 2) = 256 + 1024 + 1792
1 6561
P(X=2) = 8 .(1/3)
2
.(2/3)
6
= 1792/6561 P(X) = 3072 = 46,82%
2 6561
Logo E(X) = n.p 250.(3072/6561) = 117,055 117 pesquisadores.




4- DISTRIBUIO HIPERGEOMTRICA
Quando a amostragem se faz sem reposio de cada item amostrado de uma
populao finita, no se pode aplicar o processo de Bernoulli, uma vez que exite uma
mudana sistemtica na probabilidade de sucesso medida que os itens so retirados da
populao. A distribuio Hipergeomtrica uma distribuio discreta de
probabilidade apropriada quando existe amostragem sem reposio em uma situao
que, se no fosse por isso, seria um processo de Bernoulli.
Suponha-se que tenhamos um lote de N peas e M das quais so defeituosas.
Suponha-se que escolhemos, ao acaso n peas desse lote ( n s N); sem reposio. Seja
X o nmero de peas defeituosas encontradas. Desde que X = x se, e somente se,
obtivermos exatamente k peas defeituosas ( dentre as M defeituosas do lote) e
exatamente ( n - x) no defeituosas ( dentre as N - M no defeituosas do lote, teremos:

M N - M
P(X = x) = x . n - x
N
n

PARMETROS DA DISTRIBUIO HIPERGEOMTRICA

E(X) = n.p




- ESTATSTICA I - Mrio
53
V(X) = o
2
(X) = n.p.q. N - n

N - 1





E(x) = E xi.p(xi) = E xi. M N - M
x n - x (*)
N
n


APLICAES

1- Em uma sala h 6 homens e 5 mulheres. Uma comisso de 4 pessoas formada ao
acaso. Qual a probabilidade de que:
a) apaream 3 homens na comisso,
b) no aparea nenhum homem,
c) Qual o nmero esperado de homens na comisso e o nmero de mulheres?

Soluo
a)
N = 11 (total de pessoas)
n = 4 ( nmero de pessoas na comisso)
M = 6 ( quantidade de homens)
N - M = 5 ( quantidade de mulheres)
x = 3 (quantidade de homens na comisso)
6 5
P(X = 3) = 3 1 = 20.5/330 = 10 / 33

11
4

6 5
b) P(X = 0) = 0 4 = 1.5 / 330 = 1 / 66

11
4
c) E(X) = E(x) = 4.6/11 = 24/11 = 2,l8 2 homens

E(X) = E( N - x) = 4.5/11 = 20/11 2 mulheres
Poderia calcular E(X) usando a frmula (*).

2- Uma caixa contm 12 lmpadas das quais 5 esto queimadas. So escolhidas 6
lmpadas ao acaso para iluminao de uma sala. Qual a probabilidade de que:

- ESTATSTICA I - Mrio
54
a) exatamente duas estejam queimadas?
b) Pelo menos uma seja boa?
c) Pelo menos duas estejam queimadas?
d) Encontre o nmero esperado de lmpadas queimadas e a disperso em torno da
mdia.

Soluo
X: lmpadas queimadas
M: total de lmpadas queimadas = 5
k: lmpadas queimadas (ao acaso)
n: nmero de lmpadas (ao acaso) = 6
N: total de lmpadas = 12.

5 7
a) P(X=2) = 2 4 = 10.35/924 = 350/924

12
6
b) X = 0, 1, 2, 3, 4, 5
P(X s 5) = P(0) + P(1) + P(2) + P(3) + P(4) + P(5)
= 5 7 5 7 5 7 5 7 5 7 5 7
0 6 + 1 5 + 2 4 + 3 3 + 4 2 + 5 1

12 12 12 12 12 12
6 6 6 6 6 6
= 7/924 + 105/924 + 350/924 + 350/924 + 105/924 + 7/924
= 924/924 = 1 = 100%
c) P(X > 2) = p(X = 2) + P(X = 3) + P(X = 4) + P(X = 5)
= 350 + 350 + 105 + 7 = 812 / 924 = 87,88%
924
d) E(X) = n.p = 6.5/12 = 2,5 2 lmpadas queimadas
o
2
(X) = V(X) = n.p.q. N - n = 6. 5/12. 7/12. 12 - 6 = 0,795
N - 1 12 - 1
o
2
(X) = 0,795 = 0,89 1 lmpada


5-DISTRIBUIO DE POISSON

- ESTATSTICA I - Mrio
55
A distribuio de Poisson pode ser usada par determinar a probabilidade de um
dado nmero de sucessos quando os eventos ocorrem em um continuumde tempo ou
espao. Tal processo, chamado de processo de Poisson similar ao processo de
Bernoulli, exceto que os eventos ocorrem em um continuumao invs de ocorrerem em
tentativas ou observaes fixadas. Um exemplo de tal processo a chegada de
chamadas em uma central telefnica. Tal como no caso do processo de Bernoulli,
supe-se que os eventos so independentes e que o processo estacionrio (a mdia no
altera dentro da especificao).
Somente um valor necessrio para determinar a probabilidade de um dado nmero de
sucessos em um processo de Poisson: o nmero mdio de sucessos para a especfica
dimenso de tempo ou espao de interesse. Este nmero mdio geralmente
representado por ou . A frmula para determinar a probabilidade de um dado
nmero X de sucessos em uma distribuio de Poisson :
P(X / ) =
X
.e
-
e = 2,71828........
X!
PARMETRO DA DISTRIBUIO DE POISSON
E(X) = e V(X) = o
2
=
EXEMPLOS
1- Em um cruzamento de 2 ruas o nmero mdio de acidentes igual a 2 semanais.
Determinar
a) a probabilidade de que uma determinada semana ocorram 3 acidentes.
b) A probabilidade de que no ocorra nenhum acidente
c) A probabilidade de que ocorra acidente.
Soluo
X = 0, 1, 2, 3, ......., n
a) P(X = 3) = 2
3
.e
-2
= 8/6.2,7183
-2
= 4/3.0,13534 = 0,18 = 18%
3!
b) P(X = 0) = 2
0
.e
-2
= 0,13534 = 13,53%
0!
d) P(X > 1) = 1 - P(X = 0) = 1 - 0,13534 = 0,86466 = 86,47%

- ESTATSTICA I - Mrio
56
2- Um departamento de conserto de mquinas recebe uma mdia de cinco chamadas
por hora. A probabilidade de que menos do que trs chamadas sejam recebidas
durante uma hora aleatoriamente escolhida :
P(X < 3) / = 5) = P(X s 2) = P(X = 0) + P(X = 1) + P(X = 2) = 5
0
.e
-5
+ 5
1
.e
-5

0! 1!

+ 5
2
.e
-5
= 0,0067 + 0,0337 + 0,0842 = 0,1248 = 12,5%
2!


EXERCCIOS
DISTRIBUIES DISCRETAS DE PROBABILIDADES

1- Descobriu-se que a chegada de clientes a um Banco, durante intervalos
aleatoriamente escolhidos de 10minutos, segue a distribuio de probabilidade
da tabela, abaixo. Calcular o nmero esperado de chegadas por intervalo de 10
minutos bem como calcular a varincia das chegadas. E(X) = 2, V(X) =
1,9

N de
chegadas X
0 1 2 3 4 5
Probabilida
-de P(X)
0,15 0,25 0,25 0,20 0,10 0,05

2- Em um levantamento recente, a probabilidade de que um acidente de carro
causado por um motorista embriagado cerca de 0,229. Nos prximos trs
acidentes, qual a probabilidade de que:
a) exatamente um acidente seja causado por um motorista embriagado?
b) No mnimo um acidente seja causado por um motorista embriagado?
c) Se voc tem os seguintes resultados de probabilidade de acidentes causados por
motoristas embriagados nos 10 prximos acidentes:
Pdf (*) Cdf (**)
0 0,0742 0,0742
1 0,2205 0,2947
2 0,2947 0,5893
3 0,2334 0,8227
4 0,1213 0,9440
5 0,0432 0,9873
6 0,0107 0,9980
7 0,0018 0,9998
8 0,0002 1,0000
9 0,0000 1,0000
10 0,0000 1,0000

(*) pdf - Probability Distribution Function (Funo de Distribuio de
Probabilidade)
(**) Cdf - Cumulative Distribution Function ( Funo de Distribuio Cumulativa)

- ESTATSTICA I - Mrio
57
1- ache P(x=3) 23,34%
2- ache P(5 < x s 9) 1,27%
3- qual a mdia e a varincia da distribuio tabulada acima? =2,29, o =1,77


3- Existem 90% de probabilidade de que um certo tipo de componente se comporte de
forma adequada sob condies de elevadas temperatura. Se o dispositivo em questo
tem quatro de tais componentes, determinar, por meio da frmula de probabilidades
binomiais a probabilidade de cada um dos eventos.
a) Todos os componentes se comportam de forma adequada, por conseguinte, o
dispositivo funciona. 65,61%
b) O dispositivo no funciona por falhar um dos quatro componentes.
29,16%
c) O dispositivo no funciona por que falham um ou mais dos componentes.
34,39%

4-Suponha que 40% dos empregados horistas de uma grande empresa estejam a favor
da representao sindical e que se pea uma resposta annima a uma amostra aleatria
de 10 empregados. Qual a probabilidade de estarem a favor da representao sindical:
a) a maior parte dos que responderam?
16,08%
b) Menos da metade dos que responderam?
63,92%

5- De 20 estudantes em uma classe, 15 no esto satisfeitos com o texto utilizado. Se
uma amostra aleatria de quatro alunos se perguntar sobre o texto, determinar a
probabilidade de que estivessem descontentes com o texto:
a) exatamente trs estudantes.
46,96%
b) No mnimo trs estudantes.
75,13%
6- Somente um de cada mil geradores montados em uma fbrica apresenta defeitos,
sendo que os geradores defeituosos se distribuem aleatoriamente ao longo da produo.
a) Qual a probabilidade de que um carregamento de 500 geradores no inclua
gerador defeituoso algum?
60,65%
b) Qual a probabilidade de um carregamento de 100 geradores contenha no mnimo
um gerador defeituosos?
9,52%

7- Suponha que a probabilidade de que um item produzido por uma mquina seja
defeituoso de 0,2. Se dez itens produzidos por essa mquina so selecionados ao
acaso, qual a probabilidade de que no mais do que um defeituoso seja encontrado?
Use a binomial e a distribuio de Poisson e compare os resultados. Pb = 37,58% e
Pp = 40,6%
8- Num certo tipo de fabricao de fita magntica, ocorrem corte a uma taxa de um por
2000 ps. Qual a probabilidade de que um rolo com 2000 ps a fita magntica
tenha:

- ESTATSTICA I - Mrio
58
a) nenhum corte?
36,79%
b) No mximo 2 cortes?
91,97%
c) Pelo menos dois cortes?
26,42%

9- Numa central telefnica, o nmero de chamadas chega segundo uma distribuio de
Poisson, com a mdia de 8 chamadas por minuto. Determinar a probabilidade de
que num minuto aleatoriamente escolhido se tenha.
a) trs ou mais chamadas
98,62%
b) menos do que 5 chamadas
9,96%
c) entre 7 (inclusive) e nove (exclusive) chamadas.
27,92%

10- Uma mquina, fabrica placas de papelo que podem apresentar nenhum defeito, um,
dois, trs ou quatro defeitos, com probabilidade 90%, 5%, 3%, 1% e 1%,
respectivamente. O preo de venda de uma placa perfeita 10 u.m. e medida que
apresente defeito, o preo cai 50% para cada defeito apresentado. Qual o preo
mdio de venda destas placas? E(x)
= 9,34 u.m

11- Uma empresa distribuidora costuma falhar em suas entregas de mercadorias 15%
das vezes, p atraso na entrega, mercadoria fora de especificao danos, etc.
causando reclamaes por parte dos clientes. Calcule a probabilidade de:
3- no ocorrer reclamaes nas 10 entregas de hoje. R 19,69%
4- Acontecer pelo menos uma reclamao nas 4 primeiras entregas. R 47,80%
5- Acontecer no mximo uma reclamao nas 10 entregas. R 54,43%

12- Em um pedgio de determinada rodovia chegam em mdia 600 carros por hora.
Determine a probabilidade de :
a) chegarem exatamente 10 carros em um minuto R:
12,51%
b) chegarem menos que 5 caros em um minuto
R:2,92%