Você está na página 1de 148

LICENCIATURA EM BIO-

LOGIA























Instituto Federal de Educao, Cincias e Tecnologia de Alagoas
Departamento de Educao a Distncia
Universidade Aberta do Brasil
Unidades

Unidade 1 - Conceitos prvios em Estatstica
- Introduo Histrica: O que a estatstica
- Populao e Amostra
- Censo x Amostragem
- Dado e Varivel
- Atividades

Unidade 2 - Ferramentas necessrias ao Estudo de Estatstica

- Nmeros Aproximados e Arredondamento de dados
- Frao
- Porcentagem
- Somatrios
- Atividades

Unidade 3 - Obteno de Dados
- Etapas do Mtodo Estatstico
- Apresentao Tabular
- Anlise e avaliao dos resultados obtidos
- Tomada de Deciso
- Aplicao do mtodo estatstico atravs de um projeto de pesquisa
- Elaborao de um questionrio
- Um aplicao de questionrio
- Codificao dos dados

Unidade 4 - Tcnicas de Amostragem
- Tcnicas estatsticas de abordagem
- Amostragem Casual ou Aleatria Simples
- Amostragem Proporcional Estratificada
- Amostragem de Conglomerados
- Amostragem Sistemtica
- Atividades

Unidade 5 - Sries Estatsticas
- Srie Temporal ou Cronolgica
- Srie Geogrfica ou Territorial
- Srie Especfica ou Qualitativa
- Srie Mista, Conjugada ou Composta
- Srie de Distribuio de Freqncias
- Atividades

Unidade 6 - Distribuio de Frequncias
- Definies Bsicas
- Tipos de Freqncias
- Distribuio de Freqncia para dados agrupados em intervalos de classe
- Atividades

Unidade 7 - Grficos Estatsticos
- Grficos de Linha
- Grficos de colunas ou em barras
- Grficos de colunas ou em barras mltiplas
- Grfico de colunas comparativas
- Grficos de setores
- Grfico Pictorial - Pictograma
- Grfico polar
- Cartograma
- Atividades

Unidade 8 - Medidas de Posio
- Mdia Aritmtica Simples (dados no agrupados)
- Mdia Aritmtica Ponderada (dados agrupados)
- Mediana
- Moda
- Emprego das medidas de posio
- Atividades




Unidade 9 - Medidas de Variabilidade

- Amplitude total
- Desvio
- Desvio Mdio
- Varincia e Desvio Padro
- Interpretao do Desvio Padro
- Coeficiente de variao
- Atividades

Unidade 10 - Introduo a Probabilidade

- Mtodos de Contagem
- Conceitos Bsicos
- Regras bsicas de probabilidade
- Regras Bsicas do Calculo das Probabilidades
- Distribuio de Probabilidades
- Atividades

Unidade 11 - Correlao e Regresso

Correlao Linear
Coeficiente de correlao de Pearson
Regresso Reta de Regresso
Atividades










Introduo















1.1 Introduo Histrica

As idias fundamentais de estudos estatsticos como: contagem, enumerao, re-
gistros de dados, nmero de nascimentos e de bitos, estimativas de estoques e recen-
seamentos, j se encontravam presentes nas civilizaes antigas. Alm da finalidade so-
cial e econmica, existia tambm a blica. Por meio da estatstica , o Estado sabia quan-
tos bens possua, como estavam distribudos e conhecia tambm sua populao. Essas
informaes auxiliavam a cobrana de impostos e tambm o recrutamento militar, pois,
com guerras constantes, era de suma importncia avaliar o armamento , saber de quan-
tos jovens o Estado podia contar para treinamento.
A partir do sculo XVI, foi que surgiram as primeiras informaes registradas e or-
ganizadas de fatos sociais em tabuas, isto , batizados, casamentos, nascimentos, etc..
O termo estatstica surge da expresso em latim statisticum collegium palestra
sobre os assuntos do Estado, de onde surgiu a palavra em lngua italiana statista, que
significa "homem de estado", ou poltico, e a palavra alem Statistik, designando a
anlise de dados sobre o Estado. A palavra foi proposta pela primeira vez no sculo XVII,
em latim, por Schmeitzel na Universidade de Lena e adotada pelo acadmico alemo
Godofredo Achenwall. Aparece como vocabulrio na Enciclopdia Britnica em 1797, e
adquiriu um significado de coleta e classificao de dados, no incio do sculo 19.
De acordo com a Revista do Instituto Internacional de Estatstica, "Cinco homens,
Hermann Conring,Gottfried Achenwall, Johann Peter Sssmilch, John Graunt e William
Petty j receberam a honra de serem chamados de fundadores da estatstica, por
diferentes autores.
Alguns autores dizem que comum encontrar como marco inicial da estatstica a
publicao do "Observations on the Bills of Mortality" (1662) de John Graunt.
As primeiras aplicaes do pensamento estatstico estavam voltadas para as
necessidades de Estado, na formulao de polticas pblicas, fornecendo dados
demogrficos e econmicos. A abrangncia da estatstica aumentou no comeo do
sculo XIX para incluir a acumulao e anlise de dados de maneira geral. Hoje, a
estatstica largamente aplicada nas cincias naturais, e sociais, inclusive na
administrao pblica e privada.
O primeiro levantamento estatstico de que se tem conhecimento se deve a Her-
doto e se refere a um estudo da riqueza da populao do Egito, cuja finalidade era averi-
guar quais eram os recursos humanos e econmicos disponveis para a construo das
pirmides, isso no ano de 3050 a. C. No ano de 2238 a. C., o Imperador Chins Yao orde-
nou a realizao de uma Estatstica com fins industriais e comerciais. No ano de 1400 a.
C., o famoso fara egpcio Ramss II ordenou um levantamento das terras do Egito. Exis-
tem ainda, outros casos de Estatsticas no perodo antigo da civilizao.
Estatstica a cincia que trata do delineamento, coleta, organizao, sumarizao,
apresentao e anlise de dados, bem como, na obteno de concluses vlidas e toma-
das de decises em diversos campos, a saber, engenharias, campo da sade, biologia,
farmcia, biofsica etc. Algumas dessas cincias usam a estatstica aplicada to
extensivamente que elas tm uma terminologia especializada:
- Bioestatstica;
- Contabilometria;
- Controle de qualidade;
- Estatstica comercial;
- Estatstica econmica;
- Estatstica engenharia;
- Estatstica fsica;
- Estatstica populacional;
- Estatstica psicolgica;
- Estatstica social (para todas as cincias sociais);
- Fsica quntica;
- Pesquisa operacional;
- Anlise de processo e quimiometria (para anlise de dados da qumica analtica e
da engenharia qumica).
Estatstica forma uma ferramenta chave nos negcios e na industrializao como
um todo. utilizada a fim de entender sistemas variveis, controle de processos
(chamado de "controle estatstico de processo" ou CEP), custos financeiros (contbil) e
de qualidade e para sumarizao de dados e tambm tomada de deciso baseada em
dados. Em nessas funes ela uma ferramenta chave, e a nica ferramenta segura.
O crescimento rpido e sustentados no poder de processamento dos computadores
a partir da segunda metade do sculo XX teve um forte impacto na prtica da estatstica.
Os modelos estatsticos mais antigos eram quase sempre lineares, mas os computadores
modernos junto com algoritmos numricos apropriados, causaram um aumento do
interesse nos modelos no-lineares (especialmente redes neurais e rvores de deciso)
assim como na criao de novos tipos, como o modelo linear generalizado e o modelo
multi-nvel.
O aumento na capacidade de computao tambm tem levado popularizao de
mtodos que demandam muitos clculos baseados em resampling, como testes de
permutao e bootstrap, enquanto tcnicas como o sampling de Gibbs tem feito com
que os mtodos de Bayes fiquem mais fceis. A revoluo informtica tambm tem
levado a um aumento na nfase na estatstica "experimental" e "emprica". Um grande
nmero de softwares estatsticos, de uso tanto geral como especfico esto disponveis
no mercado. Na medida em que nossa sociedade se tornou muito mais diversificada, o
que comprova a grande importancia dessa ciencia antiga.
H um sculo, H. G. Wells dizia: Raciocinar estatisticamente ser um dia to neces-
srio quanto habilidade de ler e escrever. Hoje, problema no de escassez de infor-
mao, mas como utilizar essas informaes abundantes disponveis para tomar as me-
lhores decises.
Segundo Fisher (R. A. Fisher) Estatstica o estudo das populaes, das variaes e
dos mtodos de reduo de dados
A Estatstica desempenha duas grandes funes: Descritiva e Indutiva ou Inferenci-
al.
a) Descritiva descreve um conjunto de dados variveis, reduzindo-os a um peque-
no nmero de medidas que contm toda a informao relevante. Utiliza nmero
para descrever fatos. Somente descreve e avalia certo grupo (amostra), sem tirar
quaisquer concluses ou inferncias sobre um grupo maior (populao).
b) Indutiva ou Inferencial diz respeito anlise e interpretao de dados amos-
trais. Consiste me obter e generalizar concluses sobre a populao a partir de
uma amostra. Utiliza-se da estimao de parmetros e verificao de hipteses,
esta por meio, da aplicao dos testes de significncia. Auxilia no delineamento
de experimentos e levantamento para, dentro de uma preciso estipulada, obter-
se a informao desejada livre da influncia de fatores perturbadores.
A Estatstica fornece os preceitos da casualizao, repetio, controle local, os deline-
amentos experimentais e os mtodos de amostragem, ou seja, normas lgicas que garan-
tam a validez das comparaes entre tratamentos e aumentem a preciso dessas compa-
raes.

1.2 Populao x Amostra

Populao (N): Conjunto de todos os elementos relativos a um determinado fen-
meno que possuem pelo menos uma caracterstica em comum, a populao o
conjunto Universo, podendo ser finita ou infinita. Populao (universo) a totalida-
de dos itens considerados no estudo
1. Finita - apresenta um nmero limitado de observaes, que passvel de conta-
gem.
2. Infinita - apresenta um nmero ilimitado de observaes que impossvel de
contar e geralmente esta associada a processos..
Uma populao pode, mediante processos operacionais, ser considerada infinita,
pois a mesma ir depender do tamanho da amostra. Se a freqncia relativa en-
tre amostra e populao for menor do que 5% ela considerada infinita, se a fre-
qncia relativa for maior do que 5% ela considerada finita.
Amostra (n): um subconjunto da populao e dever ser considerada finita, a
amostra deve ser selecionada seguindo certas regras e deve ser representativa, de
modo que ela represente todas as caractersticas da populao como se fosse uma
fotografia desta. Amostra a parte da populao selecionada para anlise








Parmetros: so medidas populacionais quando se investiga a populao em sua totali-
dade, neste caso impossvel fazer inferncias, pois toda a populao j foi investigada.
Estatsticas ou Estimadores so medidas calculada para descrever uma caracterstica de
apenas uma amostra da populao, torna-se possvel neste caso utilizarmos as teorias de
inferncias para que possamos fazer concluses sobre a populao

Amostra

Populao

^
2 2
p Proporo
Padro Desvio
Varincia
Mdia
estimados) valores (
Estimador
) reai valores (
Parmetros




t
o
o

S
S
X
s


Exemplos:
1. Nveis de glicose no sangue de um grupo de 20 pacientes (amostra) selecionados
aleatoriamente de uma lista de pacientes diabticos de um hospital Pblico (po-
pulao).
2. Tempos de resposta a um estmulo de um grupo de 30 ratos tipo rato-de-telhado
(Rattus rattus) (amostra) que, por suposio, representam todos os ratos tipo ra-
to-de-telhado (Rattus rattus) existentes (populao).
3. Nmeros de horas semanais dedicadas ao estudo de um grupo de 32 estudantes
de graduao do IFAL (amostra) escolhidos aleatoriamente do conjunto total de
estudantes de graduao do IFAL (populao).


Populao Amostra
Parmetros para estimar
atitudes
Estatsticas ou Estimado-
res para estimar atitudes
Concluses sobre a Populao a partir da Amostra
1.3 Censo x Amostragem

- Pesquisa Estatstica: qualquer informao retirada de uma populao ou amostra,
podendo ser atravs de Censo ou Amostragem.
- Censo: a coleta exaustiva de informaes das "N" unidades populacionais.
- Amostragem: So o processo de retirada de informaes dos "n" elementos amos-
trais, no qual deve seguir um mtodo criterioso e adequado (tipos de amostragem).

1.4 Dados e Variveis

Dados estatsticos: qualquer caracterstica que possa ser observada ou medida de al-
guma maneira. As matrias-primas da estatstica so os dados observveis.
Varivel: aquilo que se deseja observar para se tirar algum tipo de concluso, geral-
mente as variveis para estudo so selecionadas por processos de amostragem. Os sm-
bolos utilizados para representar as variveis so as letras maisculas do alfabeto, tais
como X, Y, Z, ... que pode assumir qualquer valor de um conjunto de dados. As variveis
podem ser classificadas dos seguintes modos: Deste modo, fundamental estabelecer-
mos o tipo de Varivel, pois a sua identificao determinar o tipo de estatstica utilizada
Tipos de Variveis
- Qualitativas (ou atributos): So caractersticas de uma populao que no pode
ser medida.
Nominal: so utilizados smbolos, ou nmeros, para representar determinado tipo de
dados, mostrando, assim, a qual grupo ou categoria eles pertencem.
Ordinal ou por postos: quando uma classificao for dividida em categorias ordena-
das em graus convencionados, havendo uma relao entre as categorias do tipo
maior do que, menor do que, igual a, os dados por postos consistem de valores
relativos atribudos para denotar a ordem de primeiro, segundo, terceiro e, assim, su-
cessivamente.
Exemplos:
a) A cor dos olhos de estudantes de um curso de biologia varivel qualitativa
nominal.
b) Coleo de livros de biologia varivel qualitativa nominal.
c) Sexo dos estudantes de uma instituio, isto , masculino ou feminino - vari-
vel qualitativa nominal.
d) Grau de instruo de pessoas que trabalham em um hospital varivel quali-
tativa ordinal.
e) Relao de classificados em um concurso pblico varivel qualitativa ordinal.
- Quantitativas: So caractersticas populacionais que podem ser quantificadas,
sendo classificadas em discretas e contnuas.
Discretas: so aquelas variveis que pode assumir somente valores inteiros num con-
junto de valores. gerada pelo processo de contagem, como o nmero de veculos
que passa em um posto de gasolina, o nmero de estudantes nesta sala de aula.
Exemplo:
a) Nmero de filhos por casal varivel quantitativa discreta.
b) Nmero de pontos feitos em um paciente de um hospital varivel quantita-
tiva discreta.
c) Nmero de equipamentos em um laboratrio - varivel quantitativa discreta.
d) Nmero de estudantes que cursam Licenciatura em Biologia - varivel quanti-
tativa discreta.
Contnuas: so aquelas variveis que podem assumir um valor dentro de um intervalo
de valores. gerada pelo processo de medio. Neste caso serve como exemplo o vo-
lume de gua em um reservatrio ou o peso de um pacote de cereal.
Exemplo:
a) Nmero de alimentos, em quilogramas, ingerida por estudantes num restau-
rante do IFAL, Campus Macei - varivel quantitativa continua.
b) Quantidade de dinheiro gasto por turistas em Maragogi varivel quantitativa
continua.
c) Volume de refrigerante, em ml, contido em um copo - varivel quantitativa
contnua.










Atividade

1. Uma Empresa tem 3.500 clientes cadastrados. Para melhor atend-los, foi pesquisada
a preferncia em relao ao tempo de durao da viagem, ao preo dos pacotes, ao
nmero de acompanhantes, ao nmero de passeios e qualidade dos servios pres-
tados em uma viagem. Foram consultadas, de modo imparcial, 600 pessoas.

a) Qual a populao pesquisada?
b) Quantas pessoas tem a populao estatstica envolvida nessa pesquisa?
c) A amostra pesquisada foi de quantas pessoas?
d) Quais foram s variveis qualitativas pesquisadas?
e) Quais foram s variveis quantitativas pesquisadas? Classifique-as como discreta
ou contnua.

2. Classifique a varivel como qualitativa, quantitativa discreta ou quantitativa contnua.

a) Populao: estudantes do IFAL.
Varivel: cor dos cabelos
b) Populao: funcionrios do IFAL.
Varivel: idade
c) Populao: computadores produzidos por uma indstria de informtica.
Varivel: nmero de peas usadas na fabricao
d) Populao: pacientes de um hospital de Alagoas
Varivel: nmero de leitos ocupados
e) Populao: jogadores de basquete de um clube brasileiro
Varivel: massa dos jogadores
f) Populao: usurios de internet no Brasil
Varivel: provedor usado



3. Para pesquisar o refrigerante preferido dos estudantes de um dos Campi do IFAL com
2.100 alunos, foram selecionados, de modo imparcial, 650 estudantes. Com base nes-
sas informaes, responda:

a) Qual a populao dessa pesquisa?
b) Quantas pessoas tm a populao dessa pesquisa?
c) A amostra dessa pesquisa formada de quantas pessoas?
d) Qual varivel foi estudada nessa pesquisa?

4. Bernadete dona de uma loja de brinquedos. Para ampliar a qualidade da loja, Ber-
nadete resolveu pesquisar o perfil dos clientes em relao renda mensal, ao modelo
de brinquedo preferido, ao nmero de brinquedos que cada cliente compra e quali-
dade dos servios prestados pela loja. Dos 2.000 clientes cadastrados nessa loja,
1.200 foram entrevistados:

a) Qual a populao dessa pesquisa?
b) Quantas pessoas tem a populao dessa pesquisa?
c) A amostra pesquisada foi de quantas pessoas?
d) Determine as variveis pesquisadas e classifique-as como qualitativa, quantitativa
contnua ou quantitativa discreta.










Ferramentas necessrias ao
Estudo de Estatstica














Apresentaremos alguns clculos bsicos que sero de extrema importncia no es-
tudo da Estatstica.

2.1 Nmeros Aproximados e Arredondamento de dados
A norma NBR 5891 da Associao Brasileira de Normas Tcnicas (ABNT) estabelece as
regras fixas de arredondamento na numerao decimal, em uso na atualidade. Essas re-
gras esto de acordo com a Resoluo 886/1966 do IBGE.
Sinais convencionais utilizados:
- 0,00 Dado numrico igual a zero resultante de arredondamento de dado numri-
co originalmente positivo.
- - 0,00 Dado numrico igual a zero resultante de arredondamento de dado num-
rico originalmente negativo.
O arredondamento dos dados numricos deve respeitar as diferenas significativas
(absolutas e relativas) existentes entre eles.
No arredondamento do dado numrico, quando o primeiro algarismo a ser abando-
nado for 0, 1, 2, 3 ou 4, deve ficar inalterado o ltimo algarismo a permanecer.
Exemplos:
9,2377 (arredondado para nmero inteiro resulta 9);
9,2377 (arredondado para nmero com uma casa decimal resulta 9,2);
21,0509 (arredondado para nmero com duas casas decimais resulta 21,05).
No arredondamento do dado numrico, quando o primeiro algarismo a ser abando-
nado for 6, 7, 8 ou 9, deve-se aumentar de uma unidade o ltimo algarismo a per-
manecer.
Exemplos:
399,85 (arredondado para nmero inteiro resulta 400);
399,86 (arredondado para nmero com uma casa decimal resulta 399,9);
9,2377 (arredondado para nmero com duas casas decimais resulta 9,24).
Quando o primeiro algarismo a ser abandonado no arredondamento 5, h dois pro-
cedimentos:
- Se aps o algarismo 5 seguir em qualquer casa um nmero diferente de zero (0),
aumenta-se em uma unidade o algarismo que antecede o 5;
Exemplos:
237,85001 (arredondado para nmero com uma casa decimal resulta 237,9);
5,5256 (arredondado para nmero com duas casas decimais resulta 5,53)
- Se aps o algarismo 5 no seguir, em qualquer casa um nmero diferente de zero
(0), ao algarismo que antecede o 5 ser acrescentada uma unidade, se for impar, e
permanecer como est, se for par.
Exemplos:
246,35 (arredondado para nmero com uma casa decimal resulta 246,4, pois o
nmero que antecede o 5 impar);
246,85 (arredondado para nmero com uma casa decimal resulta 246,8, pois o
nmero que antecede o 5 par, desta forma, ele fica inalterado);
12,1250 (arredondado para nmero com duas casas decimais resulta 12,12, pois o
nmero que antecede o 5 par);
Observao: Nos softwares de computadores (como a planilha Excel) e calculado-
ras cientificas, porm, no aplicado o critrio indicado neste item. Nesse caso,
se o primeiro algarismo a ser abandonado for 5, o arredondamento ser feito
com o aumento de uma unidade ao algarismo que antecede o 5.
Exemplos:
246,35 (arredondado para nmero com uma casa decimal resulta 246,4);
246,85 (arredondado para nmero com uma casa decimal resulta 246,9);
12,1250 (arredondado para nmero com duas casas decimais resulta 12,13);

2.2 Frao
uma parte do todo ou seja um par ordenado onde o segundo nmero diferen-
te de zero.
b
a
, com a IN e b IN*. (a pertence ao conjunto dos nmeros naturais e b
pertence ao conjunto dos nmeros naturais no nulos (com excluso do zero).
- Frao Prpria aquela onde o numerador menor que o denominador como por
exemplo:
17
13
,
7
2
,
5
3
, etc.
- Frao imprpria aquela onde o numerador igual ou maior que o denominador.
Exemplo:
4
12
,
4
4
,
2
7
, etc.
- Frao aparente a frao onde o numerado mltiplo do denominador.
Exemplo:
4
12
representa o nmero 3 pois 12:4 = 3; se o numerador zero , a frao
apresenta o nmero zero. Assim 0
4
0
= . Todo nmero natural pode ser apresentado
por uma frao com denominador 1. Assim 7 pode ser apresentado por
1
7
.
- Fraes Equivalentes duas fraes so equivalentes quando os produtos do nume-
rador de um pelo denominador da outra so iguais.
Exemplo: para
2
1
e
4
2
onde temos: 1 x 4 = 2 x 2
- Simplificao de fraes - Basta dividir ambos os termos por um divisor comum.
Exemplo:
2
1
3 6
3 3
6
3
=

=
Frao irredutvel aquela que os nmeros so primos entre si (isto , no possui
outro divisor comum a no ser o nmero 1).
Exemplo:
17
7
uma frao irredutvel, pois 7 e 17 so nmeros primos entre si.
- Comparao de fraes - Para compararmos duas ou mais fraes devero reduzi-la
ao mesmo denominador e lembrar que, de duas fraes com o mesmo denomina-
dor, a maior aquela que contm o maior numerador.
- Operaes com fraes
Adio e subtrao
a) Fraes homogneas conserva-se o denominador e adicionam-se ou
subtraem os numeradores.
Exemplo:
5
9
5
7
5
2
= + ou
3
5
3
2
3
7
=
b) Fraes heterogneas reduzem-se as fraes ao mesmo denominador,
obtendo-se dessa forma fraes homogneas.
Exemplo:
15
22
15
10
15
12
15
5 2
15
3 4
3
2
5
4
= + =

= + 4/
Reduzindo ao mesmo denominador para isso, vamos calcular o mnimo mlti-
plo comum dos denominadores como no exemplo acima:
mmc de 3 e 5, isto , mmc(3,5)=15
3 5 3
1 5 5
1 1 3x5
Logo m.m.c de 3 e 5 3x5 =15
Observe que reduzimos ao mesmo denominador 3 e 5 para 15.
Multiplicao de fraes - Produto de numeradores por numeradores e denomi-
nadores por denominadores.
Exemplo:
21
12
3 7
4 3
3
4
7
3
=

= , isto , 3 x 4 = 12 e 7 x 3 = 21 o que resulta em


21
12
.
O processo da multiplicao pode ser facilitado usando a simplificao pelo cancela-
mento dos fatores comuns dos numeradores e dos denominadores.
Exemplo:
5
3
3
2
, nesse caso possvel simplificar 3 por 3 ou seja 3:3 =1 ficando dessa forma 2
X 1 = 2 e 1 X 5 = 5 o que resulta em
5
2
.
Diviso de fraes - Produto da primeira pelo inverso da segunda.
Exemplo:
6
7
3 2
7 1
3
7
2
1
7
3
2
1
=

= =
Potenciao de Fraes - Devemos elevar o numerador e o denominador a esse
expoente.
Exemplo:
25
4
5
2
5
2
2
2
2
= =
|
.
|

\
|
.
Nota: Sempre que possvel simplificar o resultados como vimos no tpico de simplifica-
o de fraes.



2.3 Porcentagem ou Percentagem

O calculo da porcentagem uma operao das mais antigas, em termos de clculos
comerciais e financeiros. A expresso por cento indicada geralmente por meio do sinal
%, quando efetuamos um clculo de porcentagem, na verdade estamos efetuando um
simples calculo de proporo. Podemos dizer tambm que so razes que consistem em
considerar um total qualquer igual a 100% e, atravs de uma regra de trs simples, esta-
belecemos qualquer relao com as parcelas que compem o total.
Uma forma de clculo a seguinte:
100
Percentual x Valor
m Porcentage =
Denominamos razes percentuais as razes cujos conseqentes (ou denominador)
sejam iguais a 100.
Representao:
Em frao;
100
30
(trinta por cem ou vinte sobre cem);
100
20
(vinte por cem ou vinte sobre
cem),
Em forma unitria: 0,30 ( zero virgula trinta ou zero virgula trs); 0,20 (zero vrgula vinte
ou zero virgula dois).
Em forma percentual:
100
30
corresponde a 30% (trinta por cento);
100
20
corresponde a
20% (vinte por cento).
Exemplos:
1) Em uma classe de 30 estudantes, 15 foram aprovados. Qual a taxa percentual de
aprovao?
Valor Percentual
30 ------- 100%
15 ------ X (%)
onde: 30X = 100 x 15
30X = 1500 X = 1500/30 = 50%
Logo, foram aprovados 50% dos estudantes.


2) Ao comprar um livro , obtive um desconto de R$3,00. Qual o preo do livro saben-
do que a taxa de desconto foi de 5%?
Valor Percentual
3 ------- 5%
X ------ 100(%)
5X = 300
X = 300/5 = 60, isto , o preo do livro foi R$60,00.

2.4 Somatrios

Muitas vezes necessitamos escrever expresses que envolvam somas com muitos
termos ou elementos, ou cujos termos ou elementos obedecem a certa lei de formao.
Por exemplo:
1 + 2 + 3 + 4 +....+ 50
Simbolizaremos por
1
x o primeiro termo,
2
x
o segundo termo,
3
x
o terceiro
termo,
50
x
o qinquagsimo termo. Assim, poderemos representar
i
x
como sendo o i-
simo termo da soma. Chamaremos de n o nmero de termos da soma. Desta forma, na
ilustrao, n=50.
A soma de n termos pode ser simbolicamente representada por

=
n
i
i
x
1

No caso do exemplo anterior termos 50 termos, ento n=50 e a soma desses cin-
qenta termos ou nmeros ser representada por

=
50
1 i
i
x

Vejamos as partes do smbolo do somatrio
O smbolo

a letra grega sigma maiscula.






A instruo para
somar
O primeiro elemento
dos termos a serem
somados
O n o ltimo termo ou ele-
mento a ser somado
x o nome dos termos ou
elementos a serem somados
i uma observao individual
ou ndice para cada termo

=
n
i
i
x
1




L-se: Somatrio de
i
x
, para i variado de 1 at n ou soma de
i
x
, para i va-
riado de 1 a n
Exemplo: Sendo 1 ; 2 ; 8 ; 3 ; 7
5 4 3 2 1
= = = = = x x x x x , calcule
=
5
1 i
i
x
.
Soluo:

=
= + + + + = + + + + =
=
21
, isto , 21 1 2 8 3 7
5 4 3 2 1
5
1
i
i
i
x
x x x x x x


Propriedades:
I Se cada elemento da soma for multiplicado por um nmero (ou uma constante),
os elementos da soma podem ser somados, e depois a soma ser multiplicada pe-
lo nmero (ou constante).

=
i
i
x c cx

=
i
i
x x 2 2
II A soma de um nmero (ou constante) sobre n termos igual a n vezes o nmero
(ou constante).
nc c =


20 2 10 2
10
1
= =

=
x
i

III O somatrio da soma (ou diferena) igual soma (ou diferena) de somatrios.

=
i i i i
y x y x ) (
IV O somatrio de
2
i
x
2 2
3
2
2
2
1
2
n
i
x x x x x + + + + =


Observao:

=
2 2
) (
i
i
x x
Quando no houver possibilidades de dvida, podemos eliminar os ndices. As-
sim:

= =
n
i
i
n
i
i
x x x x
1
2
1
2
, de inves ao usados, sero ,


Atividade

1. Qual o resultado de 3/4 + 4/5:
a. 31/20
b. 30/20
c. 22/20
d. 1/4

2. Quanto 6/12 X 2/9:
a) 1/9
b) 2/3
c) 3/5
d) 1/25

3. Eu uma classe de 50 estudantes faltaram 15. Qual a quantidade de estudantes
presentes em porcentagem?
a) 30%
b) 70%
c) 25%
d) 35%

4. Por quanto devo vender um objeto que me custou R$ 150, para ter um lucro de
20% sobre o custo?
a) R$ 170,00
b) R$ 180,00
c) R$ 185,00
d) R$ 190,00

5. Calcule:
a) 2% de 458,94
b) 33% de 280
c) 100,4% de 110
d) 0,5% de 238






10 Sendo
1 ; 2 ; 8 ; 3 ; 7 :
5 4 3 2 1
= = = = = x x x x x X
2 ; 6 ; 1 ; 1 ; 3 :
5 4 3 2 1
= = = = = y y y y y Y

Calcular:
a)
i
x
b)
i
y
c)

+ ) (
i i
y x
d)
i i
y x
e)

) 1 (
i
x
f)
2
i
x


g)

2
i
y









Obteno de Dados


A polmica em torno de dados estatsticos comum. Basta que seja divulgado os
resultados de uma pesquisa de inteno de votos, por exemplo, para que alguns candida-
tos envolvidos saiam contestando sua validade.
A Estatstica um instrumento eficiente para a compreenso e interpretao das
realidades e no deve ser subestimada.
Realmente, existem pesquisas feitas de forma incorreta e que, por isso, no so
confiveis. Mas, em geral, quando um estudo estatstico feito com bastante critrio,
seus resultados permitem obter concluses e prever tendncias sobre fatos e fenmenos
estudados.
Entretanto, um estudo bem feito no elimina o erro, mas limita-o a uma margem
de erro, procurando torn-lo o menor possvel.

3.1 Etapas do Mtodo Estatstico

Vamos discutir nesta unidade a importncia de cada etapa do mtodo estatstico e
como falhas na sua execuo poder levar a resultados enganosos
Quando buscamos tomar decises do nosso dia a dia estamos direta ou
indiretamente fazendo um levantamento de dados observados. A informao obtida de
cada elemento da populao (ou da amostra) gravada ou arquivada e apresentada na
ordem em que as entrevistas ou medidas so realizadas. Ao decidir, por exemplo, pela
compra de um determinado bem, procuramos veirificar se esse bem satisfaz as nossas
espectativas, se o seu preo compativel com o nosso oramento, alm de outras
situaes ou caracteristicas.
Para um estudo estatstico confivel depende do planejamento e da correta execu-
o das etapas da pesquisa.
Desde a mais simples at a mais complexa pesquisa de mercado deve ser planejada
para evitar falhas de todos os tipos, desde a escolha incorreta do mtodo a ser usado at
a importncia das informaes obtidas para o processo decisrio.

3.1.1 O que devemos pesquisar primeiramente, preciso definir com clareza quais os
objetivos da pesquisa que queremos realizar, ou seja, o que se pretende apurar, que tipo
de problema est se buscando detectar.


Objetivo quais perguntas a pesquisa vai responder.
EXEMPLO: Objetivo Geral: conhecer o perfil de trabalho dos funcionrios de um de-
terminado hotel, para orientar polticas de gesto de pessoas.
Para podermos dar seqncia a esta pesquisa, precisamos especificar melhor o que
queremos conhecer da populao de funcionrios desse hotel, ou seja, os objetivos
especficos. Alguns destes objetivos especficos poderiam ser:
- Conhecer o tempo mdio de servio dos funcionrios neste hotel.
- Conhecer a distribuio do grau de instruo dos funcionrios.
- Verificar o interesse dos funcionrios em participar de programas de treinamento.
- Avaliar o grau de satisfao dos funcionrios com o trabalho que exercem no ho-
tel.
- Verificar se existe associao entre o grau de satisfao do funcionrio com a sua
produtividade.
A elaborao dos objetivos especficos deve ser feita, de tal maneira, que fornea
uma primeira indicao das caractersticas que precisamos observar. Por exemplo, para
atingir aos objetivos do problema em questo, precisamos levantar as seguintes caracte-
rsticas de cada funcionrio: tempo de servio, grau de instruo, interesse em participar
de treinamento, grau de satisfao com o trabalho e produtividade, etc.
3.1.2 Qual o Pblico-alvo?
Chamamos de publico alvo ou populao alvo ao conjunto de elementos que quere-
mos abranger em nossa pesquisa. So os elementos para os quais desejamos que as con-
cluses vindas da pesquisa sejam vlidas.
No exemplo anterior, a populao alvo que ser definida so todos os funcionrios do
hotel. Entretanto, se a coleta de dados for feita no prprio local de trabalho e no perodo
de uma semana, os funcionrios que neste perodo esto de frias ou de licena ficam de
fora do levantamento. Desta forma, as concluses baseadas nesses dados no valem,
necessariamente, para todos os funcionrios do hotel.
Assim, definimos como populao acessvel, ou simplesmente como populao, o
conjunto de elementos que queremos abranger em nossa pesquisa e que so passiveis
de serem observados, com respeito s caractersticas que pretendemos levantar. Reali-
zando adequadamente a pesquisa, podemos garantir que os resultados sero validos
para este conjunto de elementos.

3.1.3 Como desenvolveremos o plano de pesquisa
Vejamos algumas questes importantes
a. Qual mtodo de pesquisa ser usado
b. Qual o Universo da Pesquisa
c. Qual a Amostra
d. J existem pesquisas anteriores sobre o tema? Elas servem de referencia para as
pesquisas futuras? Que aspectos devem ser aprimorados ou modificados na nova
pesquisa?
e. De quanto tempo se dispe para fazer a pesquisa? Que grau de preciso ele exi-
ge?
f. Quais os fatores relacionados ao objeto de estudo, ou que variveis esto envol-
vidas no problema em questo?
3.1.4 Como a pesquisa ser feita necessrio elaborar uma estratgia para fazer o
levantamento de dados.
3.1.4.1 Quais os dados significativos para a pesquisa?
3.1.4.2 Existem dados disponveis em algum rgo especializado, como por exemplo
IBGE ou outros?
3.1.4.3 Se no, como os dados sero obtidos? Diretamente, por exemplo, por meio de
questionrios ou de entrevistas?
3.1.4.4 A coleta abranger toda a populao pesquisada ou ser parcial, isto , ser
feita a partir de uma amostra da populao?
3.1.4.5 Deve-se considera que a escolha da amostra fator muito importante para o
sucesso da pesquisa. Ela precisa retratar da melhor forma possvel a popula-
o pesquisada.
3.1.4.6 Em muitas pesquisas, os dados so obtidos por meio de entrevistas e questio-
nrios. Alguns cuidados devem ser tomados na elaborao das perguntas.
Neste contexto, deve-se evitar questes abertas do tipo:
Qual sua opinio sobre a situao econmica brasileira?
mais conveniente limitar as respostas. Por exemplo:
Na sua opinio a situao econmica brasileira:
( ) vai melhorar ( ) vai piorar ( ) no sabe/no respondeu
As vezes interessante apresentar uma questo filtro, para que no se pergun-
tem coisas que o individuo no tenha condio de responder. Por exemplo:
Voc l jornal?
( ) sim ( ) no
Veja que a resposta dessa questo determina o rumo da entrevista, pois se for
sim, pode-se perguntar: Quais jornais? Com que freqncia voc l? Etc. Se for
no, pode-se perguntar: Por qu? Etc.
- As perguntas devem ser claras e simples, a fim de no criar constrangimentos ao
entrevistado. A entrevista precisa ser curta, para no deixar o entrevistado ente-
diado.
Evita questes do tipo:
o Voc toma banho todos os dias?
o Qual a sua renda mensal?
Informaes pessoais podem ser obtidas de forma indireta, com questes do tipo:
o Tem casa prpria? Automvel? Eletrodomsticos?
o Quanto gasta com energia? E com gua?

3.1.5 Organizao e apresentao dos dados Os dados coletados devem ser organi-
zados em tabelas que facilitem a visualizao e o clculo de medidas estatsticas
(mdias, desvios e amplitude da amostra, etc.).
As tabelas podem ser representadas por meio de grficos que permitem um exame
ainda mais rpido e fcil dos resultados da pesquisa

3.2 Apresentao tabular
Consiste em dispor os dados em linhas e colunas distribudas de modo ordenado.
A elaborao de tabelas obedece Resoluo n 886, de 26 de outubro de 1966, do Con-
selho Nacional de Estatstica. As normas de apresentao so editadas pela Fundao
Brasileira de Geografia e Estatstica (IBGE). IBGE. Centro de Documentao e Dissemina-
o de Informaes. Normas de apresentao tabular. 3. ed. Rio de Janeiro: IBGE, 1993.
Tabela a forma no discursiva de apresentar informaes, das quais o dado numrico
se destaca como informao central.

3.2.1 Representao esquemtica



Recomendaes gerais Recomenda-se que:
- uma tabela seja elaborada de forma a ser apresentada em uma nica pgina
- o nmero de clulas com dado numrico seja superior ao nmero de clulas com
sinal convencional
- a classificao outros ou outras quando existir, indique um dado numrico pro-
porcionalmente inferior aos dados numricos indicados pelas demais classifica-
es existentes
- as tabelas de uma publicao apresentam uniformidade grfica como, por exem-
plo, nos corpos e tipos de letras e nmeros, no uso de maisculas e minsculas e
nos sinais grficos utilizados.

3.2.2 Elaborao geral

3.2.2.1 Topo ou Ttulo identificao da tabela. O ttulo deve responder as se-
guintes questes:
- O que? (Assunto a ser representado (Fato));
- Onde? (O lugar onde ocorreu o fenmeno (local));
- Quando? (A poca em que se verificou o fenmeno (tempo)).

3.2.2.2 Nmero toda a tabela deve ter nmero, inscrito no topo, sempre que
um documento apresentar duas ou mais tabelas, facilitando a identifica-
o e localizao. A numerao deve ser arbica e seqencial.
Tabela 1
Tabela 2



3.2.2.3 Moldura elemento fundamental para estruturar a tabela. composta
apenas de traos horizontais; o primeiro separa o topo, o segundo para
separar o espao do cabealho e o terceiro para separar o rodap. A
moldura no deve conter traos verticais que a delimitem esquerda e
direita.

3.2.2.4 Cabealho elemento obrigatrio para identificao do contedo das
colunas. Recomenda-se que a identificao com palavras seja feita por
extenso, sem abreviaes. O cabealho, que a apresentao do que ta
tabela est procurando representar, deve conter o suficiente para que
sejam respondidas as seguintes questes: O qu? (referente ao fato,
Onde? (referente ao lugar), Quando? (referente ao tempo).

3.2.2.5 Indicador de linha a identificao do contedo das linhas deve ser fei-
ta de forma concisa e clara. Recomenda-se que a identificao com pala-
vras seja feita por extenso, sem abreviaes.

3.2.2.6 Corpo: parte da tabela composta por linhas e colunas.
Linhas: parte do corpo que contm uma seqncia horizontal de infor-
maes.
Colunas: parte do corpo que contm uma seqncia vertical de informa-
es.
Coluna Indicadora: coluna que contm as discriminaes corresponden-
tes aos valores distribudos pelas colunas numricas.

3.2.2.7 Casa ou clula: parte da tabela formada pelo cruzamento de uma linha
com uma coluna.



3.2.2.8 Unidade de medida deve aparecer inscrita no espao do cabealho ou
nas colunas indicadoras. A indicao da expresso quantitativa ou me-
trolgica dos dados numricos deve ser feita com smbolos ou palavras
entre parnteses.
(m) ou (metro)
(t) ou (tonelada)
(R$) ou (real)

Quando uma tabela contiver dados numricos divididos por uma constante, esta
deve ser indicada por algarismos arbicos, smbolos ou palavras, entre parnteses,
precedendo a unidade de medida quando for o caso.
- (1 000 t) ou (1000t) = indica dados numricos em toneladas que foram divididos
por mil
- (R$1.000) ou (R$ 1.000) = dados em real que foram divididos por mil
- (%) ou (percentual) = dados numricos proporcionais a cem
- (%o) ou (por mil) = dados numricos proporcionais a mil
- (1 / 1000) = dados numricos que foram multiplicados por mil

3.2.2.9 Sinal convencional a substituio de um dado numrico deve ser feita,
sempre que necessrio por um dos sinais abaixo:

- Dado numrico igual a zero no resultante de arredondamento
.. No se aplica dado numrico
... Dado numrico no disponvel
x Dado numrico omitido a fim de evitar a individualizao da informao

0
0,0 Dado numrico igual a zero resultante de arredondamento de um dado
numrico originalmente positivo
0,00

etc.

-0
-0,0 Dado numrico igual a zero resultante de arredondamento de um dado
numrico originalmente negativo
-0,00

etc.

3.2.2.10 Rodap: o espao aproveitado em seguida ao fecho da tabela, onde
so colocadas as notas de natureza informativa (fonte, notas e chama-
das).

3.2.2.11 Chamada uma tabela deve ter chamada, inscrita em qualquer um de
seus espaos, sempre que houver necessidade de se remeter algum de
seus elementos a uma nota especfica.

Notas: Sinais convencionais utilizados:
... Dado numrico no disponvel.
.. No se aplica dado numrico.

A remissiva atribuda a algum dos elementos de uma tabela deve ser feita com al-
garismos arbicos em destaque: entre parnteses, entre colchetes, exponencial.
(1) Percentual de pessoas de 15 anos ou mais de idade procurando trabalho, em
relao s pessoas de 15 anos ou mais de idade economicamente ativas, na semana de
referncia.

3.2.2.12 Fonte toda a tabela deve ter fonte, inscrita na primeira linha do seu
rodap, para identificar o responsvel (pessoas fsica ou jurdica) ou res-
ponsveis pelos dados numricos (Fonte ou Fontes).
A identificao deve ser feita por extenso.
Quando todas as tabelas forem retiradas de uma nica fonte, j identificada na
prpria publicao, dispensvel aparecer em cada uma das tabelas.
Recomenda-se que, em tabelas com dados numricos extrados de um documento,
a identificao da fonte indique a referncia bibliogrfica do documento
Exemplo
Fonte: Pesquisa Industrial 1982-1984. Dados gerais, Brasil. Rio de Janeiro: IBGE,
v.9, 410p.

3.2.2.13 Nota geral uma tabela deve ter nota geral, inscrita no seu rodap, logo
aps a fonte, sempre que houver necessidade de se esclarecer o seu
contedo geral (Nota ou Notas).
Notas: Sinal convencional utilizado:
- Dado numrico igual a zero no resultante de arredondamento.

3.2.2.14 Nota especfica a nota especfica (quando esta existir) deve aparecer
logo aps a nota geral. Quando houver mais de uma, estas devem ser
distribudas obedecendo ordem de numerao da chamada.

3.2.3 Apresentao de tempo toda a srie temporal consecutiva deve ser apre-
sentada, em uma tabela, por seus pontos, inicial e final, ligados por hfen ( - ).
Quando uma tabela contiver dados numricos de um perodo temporal dife-
rente do ano civil, isto deve ser indicado no ttulo, em nota geral ou nota especfica.
- 1981-1985 = indica dados numricos para os anos de 1981, 1982, 1983 ,1984 e
1985.
- OUT 1991-MAR 1992 = indica dados numricos para os meses de outubro, no-
vembro e dezembro de 1991 e janeiro, fevereiro e maro de 1992.
- 30.05.1991-06.06.1991 = indica dados numricos para os dias 30 e 31 de maio de
1991 e 1, 2, 3, 4, 5 e 6 de junho de 1991.
- 1981/1985 = apresenta dados numricos para os anos de 1981 e 1985, no sendo
apresentados dados numricos de pelo menos um dos anos desta srie temporal.
- 1988, 1990, 1991 = apresentam dados numricos para os anos de 1998, 1990 e
1991.
- Safra 91/92 = apresenta dados numricos de uma safra iniciada em 1991 e termi-
nada em 1992.

3.2.4 Apresentao de classe de freqncia deve ser apresentada em uma tabela
sem ambigidade, por extenso ou com notao.
W a menos de Z
w|---- z. = 15 a menos de 30 bovinos por km.
Mais de W a Z
w----| z. = Mais de a .
W|----| z. = 40 a 49 anos.
Arredondamento numrico os dados numricos devem ser arredondados, em uma
tabela, sempre que houver necessidade de apresent-los com um menor nmero de
algarismos. Isto deve ser indicado em nota geral ou nota especfica.

Notas Dados numricos arredondados.
Sinais convencionais utilizados:
0,00 Dado numrico igual a zero resultante de arredondamento de dado nu-
mrico originalmente positivo.

O arredondamento dos dados numricos deve respeitar as diferenas signi-
ficativas (absolutas e relativas) existentes entre eles.
9,2377 = arredondado para nmero inteiro resulta 9
9,2377 = arredondado para nmero com uma casa decimal resulta 9,2
9,2377 = arredondado para nmero com duas casas decimais resulta 9,24
399,85 = arredondado para nmero inteiro resulta 400
399,85 = arredondado para nmero com uma casa decimal resulta 399,9

Quando houver divergncia entre a soma das parcelas arredondadas e o total
arredondado, pode-se incluir uma nota geral esclarecendo a divergncia.

3.2.5 Arredondamento de dado numrico os dados numricos devem ser arre-
dondados, em uma tabela, sempre que houver necessidade de apresent-los
com um menor nmero de algarismos. Isto deve ser indicado em nota geral
ou nota especfica.
Exemplo
Nota: Dados numricos arredondados.
O arredondamento dos dados numricos deve respeitar as diferenas significati-
vas (absolutas e relativas) existentes entre eles.
No arredondamento do dado numrico, quando o primeiro algarismo a ser arre-
dondado for 0, 1, 2, 3 ou 4, deve ficar inalterado o ltimo algarismo a permane-
cer.
Exemplo
9,2377 arredondado para o nmero inteiro = 9
9,2377 - arredondado para nmero com casa decimal = 9,2
21,0509 - arredondamento para nmero com duas casas decimais = 21,05
No arredondamento do dado numrico, quando o primeiro algarismo a ser aban-
donado for 5, 6, 7, 8 ou 9, deve-se aumentar de uma unidade o ltimo algarismo a
permanecer
Exemplo
399,85 arredondado para o nmero inteiro = 400
399,85 - arredondado para nmero com casa decimal = 399,9
9,2377 - arredondamento para nmero com duas casas decimais = 9,24
Quando em uma tabela, depois de feito o arredondamento dos dados numricos,
houver divergncia entre a soma das parcelas arredondadas e o total arredonda-
do, deve ser adotado um dos seguintes procedimentos
Incluso de uma nota geral esclarecendo a divergncia
Exemplo
Nota: As diferenas entre a soma das parcelas e respectivos totais so proveni-
entes do critrio de arredondamento.
Correo na parcela (ou parcelas) em que for menor o valor absoluto da razo
entre a diferena de arredondamento (dado numrico original menos dado nu-
mrico corrigido) e o dado numrico original.
Exemplo:
Dado numrico original Dado numrico arredondado
7,6 7,6
11,6 11,6
20,2 20,2
--------- ----------
39,4 39
Porm: 8 + 12 + 20 = 40

3.2.6 Diagramao da tabela toda a tabela que ultrapassar as dimenses da pgi-
na deve obedecer a:
cada pgina deve ter o contedo do topo e o cabealho da tabela ou o cabealho
da parte
cada pgina deve ter uma das seguintes indicaes: continua para a primeira;
concluso para a ltima e continuao para as demais
cada pgina deve ter colunas indicadoras e seus respectivos cabealhos
o trao horizontal da moldura que separa o rodap deve ser apresentado somen-
te em cada pgina que contenha a ltima linha da tabela
o contedo do rodap s deve ser apresentado na pgina de concluso.

Quando a tabela ultrapassar a dimenso da pgina em nmero de linhas e tiver pou-
cas colunas, pode-se ter o centro apresentado em duas ou mais partes, lado a lado, na
mesma pgina, separando-se as partes por um trao vertical duplo e repetindo-se o ca-
bealho.
Quando for grande o nmero de colunas e poucas linhas pode-se ter o centro apre-
sentado em duas ou mais partes, uma em baixo da outra, na mesma pgina, repetindo-se
o cabealho das colunas indicadoras e os indicadores de linha.

3.3 Anlise e avaliao dos resultados obtidos

Depois de feitas a coleta e a apresentao dos dados, parte-se agora para a anlise
dos resultados.
Esta a fase mais importante do projeto de pesquisa: obter concluses a partir da
pesquisa, para:
1. Encaminhar solues para os problemas detectados. Por exemplo:
- o nmero de acidentes de trabalho num hotel maior em determinados setores.
2. Verificar a validade de hipteses. Por exemplo:
- um produto ser bem aceito pelos hospedes?
3. Estabelecer parmetros para a populao como concentrao de renda, nvel de
emprego, condies de moradia, sade, educao, etc.
3.4 Tomar as decises
Uma das etapas mais difceis de um trabalho de pesquisa, por isso requer que to-
dos os passos anteriores sejam bem aplicados e analisados.

3.5 Aplicao do mtodo estatstico atravs de um projeto de pesquisa

Nesta seo apresentaremos um exemplo de um projeto de pesquisa relativa-
mente bem simples, desenvolvido co a participao de launos da disciplina de Estatstica
do Curso de Gesto Ambiental do IFAL, semestre 2009-2, com finalidade puramente a-
cadmicas:
O problema de pesquisa: a relao de um estudante do IFAL e o curso que est fazendo.
Objetivo geral: Num curso do IFAL, conhecer melhor a relao entre o estudante e o cur-
so que esta fazendo. Em particular, no Curso de Gesto Ambiental do IFAL.
Objetivos especficos:
I. Avaliar o grau de satisfao do estudante com o curso que est realizando.
II. Verificar se existe associao entre o grau de satisfao do estudante com
o seu desempenho no curso.
III. Levantar os aspectos positivos e negativosdo curso, na viso do estudante.
Populao: Estudantes que estavam cursando as trs ltimas fases do Curso de Gesto
Ambiental do IFAL, semestre 2009-2.
Amostra: Optamos por um processo rpido e fcil para a seleo da amostra. Tomamos
trs disciplinas obrigatrias das trs ltimas fases e aplicamos o questionrio em sala de
aula. A amostra foi, ento, formada pelos estudantes presentes nos dia de aplicao dos
questionrios.

Forma de mensurao das variveis
1

Satisfao com o curso: uma avaliao numrica numa escala de 1 (um) a 5 (cin-
co), de acordo com o grau que o estudante julgar que melhor se adapte sua satisfao
com o curso em questo, complementando com avaliaes de aspectos especficos do
curso, como seu corpo docente, recursos materiais disponveis e sue contedo curricular.
Desempenho do estudante: ndice de aproveitamento acumulado, calculado pela
instituio, em funo dos conceitos (ou notas) obtidos pelo estudante nas disciplinas

1
Estatiistica Aplicada as Cincias Sociais. Pedro Alberto Barbetta, pagina 29
cursadas. Ento, os dados relativos a esta varivel so dados secundrios, isto , devem
ser solicitados da instituio.
Aspectos positivos e negativos do Curso: sero observados de duas maneiras:
I. Avaliaes numricas, numa escala de um (1) a cinco (5, de acordo com o grau
que o estudante julgar que lhe melhor se adapte a sua concordncia com alguns
aspectos do curso.
II. Deixar o estudante descrever livremente o principal aspecto positivo e negativo
do curso. Nesta segunda situao, as categorias destas duas variveis sero cria-
das aps a realizao de uma analise das repostas dos questionrios, isto , as
respostas similares sero agrupadas numa nica categoria.









Tcnicas de Amostragem










Neste capitulo apresentaremos as tcnicas de amostragem mais utilizadas no
cotidiano de estatistica. A amostragem bastante usada em nossa vida diaria, por
exemplo, para verificar o temprero de um alimento em preparao, podemos provar
(observar) uma pequena poro deste alimento. Estamos fazendo uma amostragem, ou
seja, extraindo do todo (populao) uma parte (amostra), com o proposito de avaliarmos
(inferirmos) sobre a qualidade de tempero de todo o alimento.
Num aeroporto internaciona, a escolha dos passageiros, para a revista da bagagem,
feita por amostragem.
Nas pesquisas cientificas, em que se quer conhecer algumas caracteristicas de
uma populao, tambm muito comum se observar apenas uma maostra de seus
elementos e, a partir dos resultados dessa amostra, obter valores aproximados, ou
estimativas, para as caracteristicas populacionais de interesse. Este tipo de pesquisa
usualmente cahmado de levantamento por amostragem.
Existem tcnicas adequadas para recolher amostras, de forma a garantir (tanto
quanto possivel) o sucesso da pesquisa que ser quer realizar e dos resultados esperados.
Num levantamento por amostragem, a seleo dos elementos que sero
efetivamente observados, deve ser feita sob uma metodologia bem adequada, de tral
forma que os resultados da amostra sejam informativos para avaliar caracteristicas de
toda a populao pesquisada.
Exemplos:
1. Numa pesquisa sobre lincenciados em biologia no Estado de Alagoas, a populao
pode ser definida como todas as pessoas que se formaram em biologia no estado,
no momento da pesquisa. O principal prametro a ser avaliado deve ser a
percentagem de pessoas que atuam no Estado.
2. Numa pesquisa eleitoral, a trs dias de uma eleio municipal, a populao pode
ser definida como todos eleitores com domicilio eleitoral no municipio. Os
principais parmetros devem ser as percentagens de votos de cada candidato
prefeitura, no momento da pesquisa.
3. Para planejar politicas de recursos humanos em empresas, com milhares de
funcionarios, podemos realizar uma pesquisa para avaliar alguns parmetros da
populao de funcionarios destas empresas, tais como: tempo mdio de servio
dos funcionrios na empresa, percentagem de funcionrios com nvel de
instruosuperior, percentagem de funcionrios com interesse num certo
programa de treinamento, etc..

Nos exemplos acima podemos perceber a dificuldade em pesquisar toda a populao.
So situaes tpicas em que se recomenda utilizar amostragem. Observe a figura abaixo.

FIG Ilustrao de um levantamento por amostragem exemplo 3
O termo inferencia estatistica refe-se ao uso apropriado dos dados da amostra para
se ter algum conhecimento sobre os parmetros da populao. Os valores calculados a
partir dos dados da amostra, com o objetivo de avaliar parmetros desconhecidos, so
chamados de estimativas desses parmetros.
Por que devemos estudar tcnicas de amostragem?
- Economia O levantamento de dados sobre uma parte da populao mais
econmico que o levantamento de dados sobre toda a populao.
- Tempo O levantamento de dados sobre uma parte da populao mais rpido
que o levantamento de dados sobre toda a populao.
- Confiabilidade dos dados Quando se pesquisa um nmero reduzido de
elementos, pode-se dar mais ateno aos casos individuais, evitando erros nas
rspostas
- Operacionalidade muito mais fcil realizar operaes de pequena escala. Um
dos problemas tpicos nos grandes censos o controle dos entrevistadores.
Um problema fundamental da amostragem garantir que as unidades escolhidas
representem a populao. Por exemplo, se a populao em foco so os turistas que
viajam ao exterior, um critrio de seleo que exclua pessoas com mais de 50 anos pode
produzir informaes no representativas, principalmente se a caracteristica em foco for
algo como a renda ou o consumo potencial do entrevistado ou de sua familia.

Estimativa de parmetros populacionais
- Tempo de servio no hotel
- Percentagem de funcionrios com nivel de instruo superior, etc.
A inferncia estatstica
O processo de amostragem
POPULAO:
Todos os funcionrios dos
hotis
AMOSTRA:
Alguns funcionrios do
hotel
Evidentemente, h vrias maneiras se se extrair uma maotra de n unidades de um
apopulao de N elementos ou objetos. No entanto, os vrios modos de seleo das
possveis unidades de analise so agrupadas em dois processos bsicos: o aleatrio e o
no-aleatrio (tambm denominados respectivamente de probabilistico e no-
probabilistico). Obviamente cada um deles tem suas vantagens e usos especificos.
Deve-se haver critrio para a seleo desses elementos; cada elemento da
populao deve ter a amesma chance de ser escolhido para garantir amostra o carter
de represenatividade.
As tcnicas para a determinao da amostragem so:
- Amostragem casula ou aleatria simples;
- Amostragem proporcional estratificada;
- Amostragem sistemtica.

4.1 Amostragem Casual ou Aleatria Simples
Para a seleo de uma amostra casual ou aleatria simples precisamos ter uma
lista completa dos elementos da populao (ou de unidades de amostragem
apropriadas). Este tipo de amostragem consiste em selecionar a amostra atravs de um
sorteio, sem restrio. sempre recomendavel que a amostra contenha no mnimo 10%
da populao pesquisada.
Inicialmente, devemos listar ou numerar de 1 a N a populao a ser analisada, e
posteriormente selecionar uma amostra de n elementos da populao mediante um
sorteio. Para evitar o desconforto de se escrever os nmeros em pedaos de papel (todos
iguais), dobr-los (todos iguais), coloc-los em uma urna e retir-los um a um, podemos
utilizar tabelas para esse fim; so as chamadas tabelas de nmeros aleatrios.
A amostargem aleatria simples tem a seguintes propriedade: qualquer
subconjunto da populao, com o mesmo nmero de elemntos, tem a mesma
probabilidade de fazer parte da amostra. Em aprticular, temos que cada elemento da
populao tem a mesma probabilidade de pesrtencer amostra.
2


2
Estas propriedades podem ser verificadas atravs do clculo de probabilidade. A probabilidade de um
elemento particular da populao pertencer amostra e dada por n/N.

As tabelas de nmeros aleatrios facilitam o processo de seleo de uma amostra
aleatria.Estas tabelas so formadas por sucessivos sorteios de algarismos do conjunto
{0, 1, 2, 3, 4, ..., 9}. A leitura da tabela pode ser da direita para esquerda ou vice-versa, de
cima para baixo ou vice-versa, na diogonal, ou formando um caminho qualquer. O
caminho sempre dever ser definido com antecedncia.
Exemplo: Com o objetivo de estudar algumas caracteristicas dos funcionrios de uma
escola, vamos extratir uma amostra aleatria simples de tamanho cinco. A listagem dos
funcionrios da escola apresentado a seguir.
3

Aristoteles Anastacia Arnaldo Bartolomeu
Bernardo Cardoso Carlito Claudia
Emilio Ercilio Ernesto Endevaldo
Francisco Felicio Fabricio Geraldo
Gabriel Getulio Heraldo Joo da Silva
Joana Joaquim Joaquina Jos da Silva
Jos de Souza Josefa Josefina Maria Jos
Maria Cristina Mauro Paula Paulo Cezar
Para utilizar uma tabela de nmeros aleatria, precisamos associar cada elemnto da
populao a um nmero. Vejamos
(1) Aristoteles (2) Anastacia (3) Arnaldo (4) Bartolomeu
(5) Bernardo (6) Cardoso (7) Carlito (8) Claudia
(9) Emilio (10) Ercilio (11) Ernesto (12) Endevaldo
(13) Francisco (14) Felicio (15) Fabricio (16) Geraldo
(17) Gabriel (18) Getulio (19) Heraldo (20) Joo da Silva
(21) Joana (22) Joaquim (23) Joaquina (24) Jos da Silva
(25) Jos de Souza (26) Josefa (27) Josefina (28) Maria Jos
(29) Maria Cristina (30) Mauro (31) Paula (32) Paulo Cezar
Para extrairmos uma amostra alaeatria simples de tamanho n=5, basta tomar cinco
nmeros aleatrios do conjunto {1, 2, ..., 32}.
Nmeros aleatrios extrados da tabela 8, 30, 16, 2, 9
Amostra da populao de funcionrios (Claudia, Mauro, Geraldo,
Anastacia,Emilio).

3
Para facilitar a exemplificao das tcnicas de amostragem, usaremos populaes pequenas. Contudo,
no se costuma usar amostragem aleatria em populao muito pequena
Na realidade, estamos interessados na observao de certas variveis associadas
aos elemntos da amostra. No exmplo, poderiamos estar interessados na varivel tempo
de servio no hotel, em anos completos. Denominaremos esta varivel de X. Para cada
funcionrio da amostra, temos um valor para a varivel X. O conjunto desse valores,
observado na amostra de funcionrios, chamada de amostra aleatria simples da
varivel X.
Amostra aleatria simples de funcionrios: {Claudia, Mauro,
Geraldo, Anastacia,
Emilio}
Amostra aleatria simples da varivel X
} , , , , {
5 4 3 2 1
X X X X X
etc. Mauro, do servio de tempo o X Claudia, da servio de tempo o
2 1
X
4.2 Amostragem Proporcional Estratificada
A amostragem prporcional estratificada considera a populao dividida em
subconjuntos, em que cada subconjunto recebe o nome de estrato. Cada subconjunto
(chamado estrato) tem uma caracteristica comum entre seus elementos. Estes estratos
devem ser internamente mais homogneos do que a populao toda, com respeito s
variveis em estudo. Por exemplo, para estudar o interesse dos funcionrios, de uma
grande empresa, em realizar um programa de treinamento, podemos estratificar esta
populao por nivel de instruo ou pelo nivel hierrquico, ou ainda, por setor de
trabalho.


Exemplo: Suponha uma escola com 84 funcionrio, em que 25 pessoas so do
sexo feminino e as 59 restantes so do sexo masculino. A populao constituida de pelo
menos 84 funcionrios: N=84 (100%). Um dos estratos constitudo pelos funcionrios
do sexo masculino: %) 70 ( 59
1
= N , o outro estrato constituido pelos funcionrios de
sexo feminino: %) 30 ( 25
1
= N .
A composio dos elementos da amostra deve manter a mesma proporcionalidade
dos estratos, do estrato
1
N sero retirados 70% dos elementos da amostra e o estrato
2
N sero retirados 30% dos elementos da amostra. Desta forma, tomaremos n=9. Assim,
Estrato Proporo da populao Sugrupo da amostra
Homens 59/84=0,70 (ou 70%) 6 9 70 , 0
1
= = x n
Mulheres 25/84=0,30 (ou 30%) 3 9 30 , 0
1
= = x n
Sendo dos nove elementos da amostra : 6 homens e 3 mulheres.

4.3 Amostragem de Conglomerados
Conglomerados so divises populacionais tendo em conta a proximidade fsica dos
elementos. Por exemplo, a populao brasileira pode ser conglomerada em Estados
(Alagoas, Bahia, Cear, etc.); a alagoana pode ser conglomerada em cidades de Alagaos
(Macei, Arapiraca, Maragogi e outras); a cidade de Maceio, em bairros (Tabuleiro,
Pajuara, Ponta Verde, etc.); os bairros so conglomerveis em quarteires etc.
A vantagem dos conglomerados a proximidade fisica dos individuos, fato que
facilita a coleta de dados (no se precisa ter uma listagem completa da populao).

Observe-se que estratificar e conglomerar so etapas facilitadoras da amostragem.
Definidos os estratos ou conglomerados, os elementos a inspecionar sero mais
representativos se escolhidos mediante os critrios estabelecidos para a amostragem
aleatria.
Exemplo: Considere o problema de selecionar uma amostra de domicilios de uma cidade.
Podemos tomar as ruas como conglomerados, como indicado no quadro abaixo, onde A1
representa o primeiro domicilio da rua A, A2 o segundo, e assim por diante.


4 Grupos
foram
escolhidos.
Ruas Domicilios
A A1, A2, A3, A4, A5, A6
B B1, B2, B3, B4, B5, B6, B7, B8, B9, B10, B11, B12, B13, B14
C C1, C2, C3, C4, C5, C6, C7, C8, C9, C10
D D1, D2, D3, D4
E E1, E2, E3, E4, E5, E6, E7, E8
Selecionar uma amostragem de conglomerados, selecionando trs ruas (primeiro
estagio) e, nas ruas selecionadas, uma frao de amostragem de 50% de domicilios
(segundo estagio).

4.4 Amostragem Sistemtica
A amostragem sistemtica toma por base de seleo algum critrio de escolha dos
elemntos. Exemplos que podem ser citados desta amostragem: os prdios de uma rua, os
funcionrios de um hotel, as linhas de produo, etc..
A amostragem sistematica adequada a situaes em que os individuos tendem a
se suceder no tempo, como clientes em filas de banco, espectadores em bilheterias de
teatros e eleitores aguardando sua vez de votar.





Exemplo: Uma empresa matm um arquivo contendo os registros de antigos parceiros.
Entre um total de 10.000 fichas, podemos tirar de forma sistemtica uma ficha a cada 10,
totalizando uma amostragem de 1.000 fichas. Para garantir a mesma probabilidade para
cada ficha da amostra, dever ser feito um sorteio da primeira ficha entre as 10
primeiras.




Intervalo de seleo: N/n
Nesse exemplo, o intervalo de seleo 10, de acordo com o clculo 10.000/1.000
= 10.
Supondo que a primeira ficha sorteada foi a de nmero 4, as fichas que compem a
amostra so:
{4, 14, 24, 34, 54, 64, ...., 9.984, 9.994}




















Atividade

1. Uma escola de ensino fundamental tem 1.000 alunos matriculados, sendo 200 na 1
srie, 150 na 2 srie, 150 na 3 srie, 120 na 4 srie, 110 na 5 srie, 100 na 6 s-
rie, 90 na 7 srie e 80 na 8srie. Obtenha uma amostra proporcional estratificada
de 60%.

2. Em uma academia h 450 pessoas matriculadas, sendo 220 no perodo da manh,
180 tarde e 50 noite. Obtenha uma amostra proporcional estratificada de 65%.










Sries Estatsticas
Uma srie estatstica um conjunto de dados ordenados segundo uma caracterstica
comum, as quais serviro posteriormente para se fazer anlises e inferncias.

6.1 Srie Temporal ou Cronolgica: a srie cujos dados esto dispostos em correspon-
dncia com o tempo, ou seja, varia o tempo e permanece constante o fato e o local.

Produo de Petrleo Bruto no Brasil de 1976 a 1980

Anos Produo
(1000 m)
1976 9 702
1977 9 332
1978 9 304
1979 9 608
1980 10 562

Fonte: Conjuntura Econmica (fev. 1983)


6.2 Srie Geogrfica ou Territorial: a srie cujos dados esto dispostos em correspon-
dncia com o local, ou seja, varia o local e permanece constante a poca e o fato.
Populao Urbana do Brasil em 1980

Regio Populao(x
1000)
Norte 3 037
Nordeste 17 568
Sudeste 42 810
Sul 11 878
Centro-Oeste 5 115
Total 80 408

Fonte: Anurio Estatstico (1984

6.3 Srie Especfica ou Qualitativa: a srie cujos dados esto dispostos em correspon-
dncia com a espcie ou qualidade, ou seja, varia o fato e permanece constante a -
poca e o local.


Populao Urbana e Rural do Brasil em 1980 (x 1000)

Localizao Populao
Urbana 80 408
Rural 38 566
Total 118 974

Fonte: Anurio Estatstico (1984)

Nmero de passageiros de cruzeiros que partiram do Cabo Canaveral Flrida, 1998

Cruzeiro Total de Passageiros
Canaveral 152.240
Carnival 480.924
Disney 73.504
Premier 270.361
Royal Caribbean 106.161
Sun Cruz Cassinos 453.806
Sterling Cruises 15.782
Topaz Internacional Ship-
ping
28.280

Fonte: McClave, 2001, p.61.

6.4 Srie Mista ou Composta: A combinao de duas ou mais sries estatsticas constitu-
em novas sries denominadas compostas e apresentadas em tabelas de dupla entra-
da. O nome da srie mista surge de acordo com a combinao de pelo menos dois e-
lementos

Local + poca = Srie Geogrfica Temporal
Local + Especifica = Srie Geogrfica Especifica










Populao Urbana do Brasil por Regio de 1940 a 1980 (x 1000)

Anos R E G I E S
N NE SE S CO
1940 406 3 381 7 232 1 591 271
1950 581 4 745 10 721 2 313 424
1960 958 7 517 17 461 4 361 1 007
1970 1 624 11 753 28 965 7 303 2 437
1980 3 037 17 567 42 810 11 878 5 115

Fonte: Anurio Estatstico (1984)

Nmero de Quartos e de Hotis em Cidades dos EUA-1995

Cidade Quartos Hotis
Las Vegas 93.719 231
Orlando 84.982 311
Los Angeles 78.597 617
Chicago 68.793 378
Washington D.C. 66.505 351
Nova York 61.512 230
Atlanta 58.445 370
So Diego 44.655 352
Anahein Santa
Ana
44.374 351
So Francisco 42.531 294

Fonte: McClave, 2001, p.64.


6.5 Srie de Distribuio de Freqncias: A Quarta e ltima espcie de srie estatstica
, de longe, a mais importante e a mais utilizada em estatstica. Na distribuio de
freqncia, os dados so ordenados segundo um critrio de magnitude, em classes
ou intervalos, permanecendo fixos o fato, o local e a poca. Isto , embora o fen-
meno estudado seja nico, este poder sofrer uma subdiviso em classes






Exemplo: Altura dos estudantes do Curso de Gesto Ambiental 2009

Altura (m) N de alunos
1,50 |--- 1,60 14
1,60 |--- 1,70 29
1,70 |--- 1,80 37
1,80 |--- 1,90 18
1,90 |--- 2,00 2

A quantidade de vezes que um determinado dado ou valor repetido na amostra
chamada de freqncia absoluta ou freqncia simples e ser indicada por f
i
.


















Atividade

Pesquise na internet ou em revistas sries estatsticas e classifique cada uma.








Distribuio de Frequncias
















Distribuio de Freqncias

Para que uma varivel estudada seja observada mais adequadamente, podemos
dispor ordenadamente seus valores em uma tabela. Essa tabela chamada de distribui-
o de freqncias ou tabela de freqncias.

6.1 Definies bsicas

Freqncia absoluta ou freqncia (

): a quantidade de vezes que um determinado


dado ou valor repetido na amostra.

Dados brutos: so valores ou os dados originais ainda no numericamente organi-
zados aps a coleta ou digitao.

Rol: a ordenao dos valores ou dados obtidos (dados brutos) em ordem cres-
cente ou decrescente de grandeza numrica ou qualitativa.
Distribuio de Freqncia uma srie estatstica onde os dados se encontram
dispostos em categorias ou classes juntamente com as respectivas freqncias. Dessa
forma, podemos dividir as distribuies de freqncias em dois tipos: distribuio de fre-
qncia de dados agrupados sem intervalo de classes e distribuio de freqncias de
dados agrupados em intervalos de classe.
Exemplo 6.1:
Construir a distribuio de freqncias para as idades, em anos, de um grupo de amigos
do IFAL.
Tabela 6.1 Idades de 20 amigos do IFAL- dados brutos
14 15 16 16 16 14 14 15 17 14
15 16 17 17 16 15 14 15 15 15

Colocando em ordem crescente (rol) as idades, temos
Tabela 6.2 Idades de 20 amigos do IFAL - rol
14 14 14 14 14 15 15 15 15 15
15 15 16 16 16 16 16 17 17 17

Tabela 6.3 - Distribuio de idade de 20 amigos do IFAL
Idade (em anos) Freqncia (fi)
14 5
15 7
16 5
17 3

Observao: De acordo com os dados organizados podemos ver facilmente que:
O grupo de amigos pesquisados formado de 20 pessoas;
A pessoa mais velha tem 17 anos e a mais nova tem 14 anos;
A maioria tem 15 anos (7 pessoas);
A minoria tem 17 anos (3 pessoas).

6.2 Tipos de freqncias

6.2.1 Freqncia relativa
O quociente obtido entre a freqncia absoluta (

) e o nmero de elementos (n) da


amostra chamado de freqncia relativa: =


Para que a interpretao dos dados se torne mais clara, a frequncia relativa,
geralmente, apresentada na forma de percentagem e indicada por (

) (%).
Exemplo 2: Os dados abaixo referem-se ao nmero de horas trabalhados por uma equipe
de enfermeiros em um hospital durante 2 fins de semana. Construir a tabela de
distribuio de freqncias com freqncias relativas em percentagem correspondente
aos dados fornecidos.
Tabela 6.4 Nmero de horas trabalhadas por uma equipe de 30 enfermeiros
6 8 2 7 10 5 6 7 2 10
6 8 7 7 6 5 2 7 8 10
8 7 7 7 6 10 5 5 5 5

Colocando os dados em ordem crescente, temos:
Tabela 6.5 Nmero de horas trabalhadas por uma equipe de 30 enfermeiros - Rol
2 2 2 5 5 5 5 5 5 6
6 6 6 6 7 7 7 7 7 7
7 7 8 8 8 8 10 10 10 10

Tabela 6.6 Distribuio de frequencias em horas trabalhadas (de 30 enfermeiros de um
hospital)
Tempo (em horas) Freqncia (

) Freqncia Relativa (

) (%)
2 3
=
3
30
= 0,10 10%
5 6
=
6
30
= 0,20 20%
6 5
=
5
30
= 0,1667 16,67%
7 8
=
8
30
= 0,2667 26,67%
8 4
=
4
30
= 0,1333 13,33%
10 4
=
4
30
= 0,1333 13,33%
Total (n) 30
O que diferencia a freqncia absoluta (

) da freqncia relativa (

) o fato de
que, na absoluta, trabalhamos com o nmero de elementos, enquanto que, na relativa,
trabalhamos com percentual de elementos.
6.2.2 Freqncias Acumuladas
A soma da freqncia absoluta do elemento considerado com todos os anteriores
chamada de freqncia absoluta acumulada e pode ser indicada por

ou

.
A soma da freqncia relativa do elemento considerado com todos os anteriores
chamada de freqncia relativa acumulada e pode ser indicada por

ou

.
As freqncias acumuladas tanto absolutas quanto relativas contribuem para a
interpretao dos dados organizados em uma tabela de distribuio de freqncias.
a soma da freqncia simples deste elemento com as freqncias simples ante-
riores da srie.
i 2 1 i
f f f F + + + =
a diviso da freqncia acumulada deste elemento, pelo nmero total de ele-
mentos da srie.
n
i
F
F
i
R
=

Observe que a soma das freqncias : =
1
+
2
+
3
+
4
+
5
+
6

= 3 +6 +5 +8 +4 +4 = 30 = 30
Vejamos com o exemplo anterior.
A tabela abaixo referem-se ao nmero de horas trabalhados por uma equipe de
enfermeiros em um hotel durante 2 fins de semana. Construir a tabela de distribuio de
freqncias acumuladas, tanto absoluta quanto relativa.
Tabela 6.7 Distribuio de frequencia acumulada (de horas trabalhadas por uma equipe
de 30 enfermeiros)
Tempo (em horas) Freqncia (

(Freqncia acumulada)
2 3 3
5 6 9 (=3+6)
6 5 14 (=3+6+5 ou =9+5)
7 8 22 (=3+6+5+8 ou =14+8)
8 4 26 (=3+6+5+8+4 ou =22+4)
10 4 30 (=3+6+5+8+4+4 ou =26+4)
Total n=30
Tabela 6.8 Distribuio de frequencias relativas (de horas trabalhadas por uma equipe
de 30 enfermeiros)
Tempo (em
horas)
Freqncia
Relativa (

)
(%)

(%) (Freqncia Relativa acumulada)


2 10 10 (= primeira

)
5 20 30 (=10+20)
6 16,67 46,67 (=10+20+16,67) ou (=30+16,67)
7 26,67 73,34 (=10+20+16,67+26,67) ou (=46,67+26,67)
8 13,33 86,67 (=10+20+16,67+26,67+13,33) ou
(=73,34+13,33)
10 13,33 100 (=10+20+16,67+26,67+13,33+13,33) ou
(=86,67+13,33)
Total 100%

Observando os dados das tabelas, podemos concluir que:
- A freqncia acumulada 14 poder ser encontrada fazendo a soma da freqncia
acumulada anterior (9) com a freqncia correspondente linha que queremos
encontrar (5).
- A maior freqncia relativa apresentada 26,67%, que corresponde a 8 enfermei-
ros que trabalharam 7 horas.
- A menor freqncia relativa apresentada 10%, que corresponde a 3 enfermeiros
que trabalharam 2 horas.
- 30% dos enfermeiros trabalharam menos do que 6 horas.
- 73,34% dos enfermeiros correspondem a 22 enfermeiros que trabalharam 7 ou
menos que 7 horas.


Exemplo 6.2: Considere a distribuio agrupada sem intervalo de classe:

Tabela 6.9 distribuio de frequencias sem intervalos
i
x
i
f
2 3
3 7
4 8
6 6
7 1
Total 25



Freqncia relativa do primeiro elemento
% 12 12 , 0
25
3
n
f
f
1
r
1
ou = = =
Freqncia relativa do segundo elemento
% 28 28 , 0
25
7
n
f
f
2
r
2
ou = = =

Da mesma forma determinamos a freqncia relativa dos outros elementos









6.3 Distribuio de Freqncia para dados agrupados em intervalos de
classe
Utiliza-se este tipo de distribuio quando o nmero de observaes grande e o
numero de valores distintos que assume a varivel tambm grande; os resultados obti-
dos devero ser dispostos em classes ou categorias que assumam amplitudes dentro das
quais se incluiro os dados. Devemos escolher apropriadamente o tamanho dos interva-
los
6.3.1 Elementos de uma Distribuio de Freqncia

6.3.1.1 Classes
So intervalos ou subdivises dos elementos do conjunto. As classes so sempre
definidas por dois limites inferior e superior.
Na tabela 6.1 as alturas de estudantes de um acampamento esta representada
por uma distribuio de cinco classes, isto ,
Tabela 6.10: Distribuio de freqncia das alturas de 50 estudantes
Altura dos estudantes (m) Freqncia (fi)
1,50 |--- 1,60 6 Primeira classe
1,60 |--- 1,70 11 Segunda classe
1,70 |--- 1,80 19 Terceira classe
1,80 |--- 1,90 10 Quarta classe
1,90 |--- 2,00 4 Quinta classe
Total 50
Vemos que a primeira classe a que vai de 1,50m a 1,60m; a segunda classe vai
de 1,60m a 1,70m e assim por diante. A quinta classe vai de 1,90m a 2,00m.
% 32 32 , 0
25
8
n
f
f
3
r
3
ou = = =
% 24 24 , 0
25
6
n
f
f
4
r
4
ou = = =
% 4 04 , 0
25
1
n
f
f
5
r
5
ou = = =
6.3.1.2 Intervalo de Classe
Existe uma diferena sutil entre o que entendemos por classe e por intervalo de
classe! Um exemplo simples elucidar o fato: se tomarmos, a quarta classe do nosso e-
xemplo (a altura dos estudantes) de distribuio de freqncias, vemos que esta classe
vai de 1,80m a 1,90m.
Tabela 6.11: Distribuio de freqncia das alturas de 50 estudantes

Altura dos estudantes (m) Freqncia (fi)
1,50 |--- 1,60 6 Primeira classe
1,60 |--- 1,70 11 Segunda classe
1,70 |--- 1,80 19 Terceira classe
1,80 |--- 1,90 10 Quarta classe
1,90 |--- 2,00 4 Quinta classe
Total 50
Eis a questo: um estudante que est medindo exatamente 1,90m integrar esta
quarta classe? Ora, se olharmos atentamente, vemos que este valor 1,90m tambm faz
parte da quinta classe (como limite inferior!). E ento? O estudante com 1,90m ser
computado na terceira ou na quarta classe? A que entra o conceito de intervalo de
classe! Dependendo da nomenclatura utilizada pela questo para construir as classes,
teremos definidos os intervalos de classe, e saberemos responder questo colocada.
So as seguintes
Limite inferior (Linf): o nmero menor o limite inferior da classe (1,50 |--- 1,60, em que

1
=1,50 o limite inferior da primeira classe).
Limite superior (Lsup): o nmero menor o limite inferior da classe (1,50 |--- 1,60, em
que
1
=1,60 o limite superior da primeira classe).
Este smbolo utilizado |--- estabelece a incluso do limite inferior e a excluso
do limite superior do intervalo de classe.
O intervalo 1,50 |--- 1,60 indicam incluso do limite inferior 1,50 (ou seja, a partir
da altura 1,50m exatos o estudante est includo nessa classe) e indica excluso do limite
superior (significa que a partir da altura 1,60m exatos a criana est excluda dessa clas-
se).
Segundo a resoluo 886/1966 do IBGE, os intervalos de classe devem empregar o
smbolo de incluso e excluso (|---) entre os valores extremos de um intervalo.
6.3.1.3 Amplitude de um intervalo de classe (

)
A amplitude de um intervalo de classe (

) a diferena entre o limite superior


(

) e o limite inferior (

) de uma classe.


Na tabela 6.1:
1
= 1,60 1,50 = 0,10

2
= 1,70 1,60 = 0,10

3
= 1,80 1,70 = 0,10

4
= 1,90 1,80 = 0,10

5
= 2,00 1,90 = 0,10
Neste caso, as amplitudes de cada intervalo so iguais, porm, no obrigatrio
que elas sejam; podemos ter eventualmente amplitudes diferentes
1

2

3

Embora as amplitudes possam ser diferentes, mais conveniente que as classes
mantenham amplitudes iguais, pois facilita a visualizao do fato pesquisado e agiliza os
clculos realizados.

6.3.1.4 Amplitude total da distribuio (

)
Amplitude total da distribuio (

) a diferena entre o Limite Superior da lti-


ma classe (

) e o Limite Inferior da primeira classe (

):


Na tabela 6.1 temos que:

= 2,00 1,50 = 0,50


6.3.1.5 Amplitude Amostral ()
Amplitude amostral () a diferena entre o Valor Mximo (

) e o Valor
Mnimo (

) dos dados colhidos na amostra:


=


No exemplo 2, observamos que o valor da amplitude amostral :
= =
6.3.1.6 Ponto Mdio de uma classe (

)
Ponto mdio de uma classe (

) o ponto que, por situar-se numa posio mdia


da distribuio de valores do intervalo de classe, divide o intervalo em duas partes iguais:

2

Na tabela 1 temos que:
O ponto mdio da primeira classe :
1
=
1,60+1,50
2
= 1,55
O ponto mdio da segunda classe :
2
=
1,70+1,60
2
= 1,65
O ponto mdio da quinta classe :
5
=
2,00+1,90
2
= 1,95

6.3.2 Construindo uma distribuio de freqncias com intervalos de classe
Quantas classes sero necessrias para representar o fato? Existem vrios crit-
rios que podem ser utilizados a fim de possuirmos uma idia do melhor nmero de clas-
ses, porm tais critrios serviro apenas como indicao e nunca como regra definitiva,
pois caber sempre ao pesquisador estabelecer o melhor nmero, levando-se em conta o
intervalo de classe apropriado e a facilidade para os posteriores clculos numricos.
importante a escolha do nmero de classes e da amplitude. Se o nmero de ob-
servaes pequeno, devemos restringir a amplitude; por outro lado, se o nmero de
observaes grande, as amplitudes tambm sero maiores.
Passaremos, por meio dos passos descritos abaixo, a conhecer a maneira conven-
cional utilizada na elaborao de uma distribuio de freqncias com intervalos de clas-
ses.
1Passo: Definir o nmero de classes.
Para se determinar o nmero de classe (k) a partir do nmero de elementos ob-
servados (), podemos citar duas maneiras distintas:
a) Regra de Sturges: = 1 + 3,3 log()
b) Regra da raiz quadrada: =
Empiricamente os agrupamentos devem definir a ordem de grandeza do nmero
de intervalos; o valor efetivo o nmero inteiro mais conveniente, em torno do valor
calculado.
2Passo: Definir a amplitude amostral.
A amplitude amostral, conforme visto anteriormente, nada mais seno o pr-
prio tamanho do conjunto. a diferena entre seu maior elemento (ou valor) e seu me-
nor elemento (ou valor).
Teremos que
=



3Passo: Definir a amplitude do intervalo de classe.
Teremos que:


Ou seja, a amplitude do intervalo de classe ser o quociente entre a amplitude
amostral (segundo passo) e o nmero de classes das distribuio (primeiro passo).
Como se verifica nestes passos, a forma usual de trabalharmos com distribuies
de freqncias agrupados em intervalos de classes so orientadas no sentido de termos
todas as suas classes com a mesma amplitude.

4Passo: Escolher os limites de classe
Os intervalos de classe so determinados da seguinte forma:
1: +


2: +

+2


3: +2

+3


E assim por diante

5Passo: Construir a tabela de distribuio de freqncias.
Exemplo 6.3: O quadro a seguir apresenta os dados de concentrao de progesterona em
exames de pacientes de um laboratrio, medida em ng/ml. Construir a distribuio de
freqncias em intervalos de classes e os pontos mdios de cada intervalo.
Tabela 6.12: concentrao de progesterona de pacientes de um laboratrio
7,62 25,14 9,07 6,33 11,57 11,31 52,22 36,25 15,12 8,38
11,44 7,80 17,85 7,57 7,74 6,73 29,53 8,96 60,50 12,49
8,88 10,99 12,01 12,61 19,80 7,90 19,01 57,05 39,00 17,48
5,94 15,65 8,22 71 6,93 8,70 8,56 19,80 15,38 7,54
7,60 9,00 12,00 70
Fazendo o rol, temos:
Tabela 6.13: concentrao de progesterona de pacientes de um laboratrio em ordem
crescente
5,94 7,57 7,9 8,88 11,31 12,49 17,48 25,14 57,05
6,33 7,6 8,22 8,96 11,44 12,61 17,85 29,53 60,5
6,73 7,62 8,38 9 11,57 15,12 19,01 36,25 70,00
6,93 7,74 8,56 9,07 12 15,38 19,8 39,00 71,00
7,54 7,8 8,7 10,99 12,01 15,65 19,8 52,22

1Passo: Iremos determinar o numero de classes utilizando a Regra de Sturges
= 1 +3,3 log44 = 1 +3,3 1,644439
= 1 +5,426647 = 6,426647
Como o nmero de classe sempre um nmero inteiro e utilizando os critrios de
arredondamento, ento = 6
2Passo: Iremos determinar a amplitude amostral da distribuio:
=

= , = ,

3Passo: Determinar a amplitude do intervalo de classe (

).

=
65,06
6
= 10,84
Convencionar como amplitude das classes o valor imediatamente superior ao en-
contrado, considerando o nmero de decimais dos dados. Desta forma,

= 10,90
4Passo: Escolher os limites de classe. Como so seis classes, temos ento:
1: +


5,94 5,94 + 10,90
5,94 16,84
2: +

+2


5,94 +10,90 5,94 +2 10,90
16,84 27,74
3: +2

+3


5,94 +2 10,90 5,94 +3 10,90
27,74 38,64
4: +3

+4


38,64 49,54
5: + 4 +5


49,54 60,44
6: +5

+6


60,44 71,34





5Passo: Construir a distribuio de freqncias.
Tabela 6.14 Distribuio de frequencias com intervalos de classes e ponto mdio
Intervalos de Classes Freqncia (

) Ponto Mdio (

)
5,94 16,84 30

1
=
5,94 +16,84
2
= 11,39
16,84 27,74 6
2
= 22,29
27,74 38,64 3
3
= 33,19
38,64 49,54 1
4
= 44,09
49,54 60,44 2
5
= 54,99
60,44 71,34 2
6
= 65,89
Total 44


Atividade

1. Os dados abaixo representam o nmero de filhos por famlia de 32 famlias entrevis-
tadas em um determinado hospital de Macei:

Tabela 6.15 Nmero de filhos de 32 familias

0 1 2 0 3 3 0 1 4 2
1 2 1 3 2 4 1 3 1 2
1 3 2 3 1 3 0 2 2 1
2 2
Organize os dados e construa a tabela de distribuio de freqncias com dados agru-
padas sem intervalos de classes.
2. O quadro a seguir apresenta as notas obtidas por 132 pessoas, em um exame de se-
leo para candidatos a professor de Biologia de uma determinada cidade. Agrupe-
as em ordem crescente e depois construa uma distribuio de freqncias com in-
tervalos de classe.

Tabela 6.16 Notas de 132 candidatos de um exame de seleo
78 83 77 74 79 77 76 82 75 77
74 80 76 80 75 84 77 76 81 79
83 76 81 82 79 75 78 82 79 81
79 81 85 78 78 75 85 79 80 79
76 75 85 80 82 84 75 79 78 87
77 80 78 75 72 79 78 71 81 70
85 79 80 73 76 75 85 80 82 84
75 79 76 78 80 82 76 80 76 71
77 79 78 74 84 76 74 79 73 73
74 76 88 74 77 84 77 83 78 79
77 74 82 80 74 73 80 75 79 78
77 84 76 77 74 77 77 72 79 80
86 76 79 76 70 73 76 71 79 89
86 85


Determine tambm;
a) A porcentagem de candidatos com nota abaixo de 79.
b) A porcentagem de candidatos com notas no intervalo 74 80.
c) O ponto mdio de cada intervalo de classe.
d) A freqncia relativa da quinta classe.


3. As notas obtidas por 50 alunos de uma classe foram:
1 2 3 4 5 6 6 7 7 8
2 3 3 4 4 6 6 7 8 8
2 3 4 4 5 6 6 7 8 9
2 3 4 5 5 6 6 7 8 9
2 3 4 5 5 6 7 7 8 9

a. Complete a distribuio de freqncia abaixo:
NOTAS x
i
f
i

0 2
2 4
4 6
6 8
8 10
1
....
....
....
....
1
....
....
....
....
f
i
= 50

b. Agora responda:
I. Qual a amplitude amostral?
II. Qual a amplitude da distribuio?
III. Qual o nmero de classes da distribuio?
IV. Qual o limite inferior da quarta classe?
V. Qual o limite superior da classe de ordem 2?
VI. Qual a amplitude do segundo intervalo da classe?

c. Complete:
I. h
3
= .... II. n = .... III. l
1
= .... IV. L
3
= .... V. x
2
= .... VI. f
5
= ....

4. Complete a distribuio abaixo, determinando as freqncias simples:

x
i
f
i
F
i



2
3
4
5
6
....
....
....
....
....
2
9
21
29
34

f
i
= 34











Grficos Estatsticos




Grfico uma forma de apresentao de dados estatsticos, com o objetivo de
produzir no investigador ou no pblico em questo uma impresso mais rpida e com-
preensvel do problema pesquisado, atravs dos grficos podemos interpretar melhor as
sries estatsticas.
O grfico deve ser composto de simplicidade, clareza e veracidade, ou seja deve
expressar a verdade e possibilitar um claro entendimento da pesquisa ao pblico inte-
ressado.
Diagramas: so grficos de no mximo duas dimenses; para sua construo, em
geral, fazemos uso do sistema cartesiano.
Vamos apresentar os grficos mais utilizados na hotelaria.

7.1 Grfico em linha

Constitui uma aplicao do processo de representao de funes num sistema de
coordenadas cartesianas.
Fazemos uso de duas retas perpendiculares; as retas so o eixo x (eixo das abscissas)
e o eixo y (eixo das ordenadas).
Exemplo 7.1: Para o melhor entendimento vamos considerar a seguinte srie estatstica:

Tabela 7.1 Entrada de turistas argentinos no Brasil.
ANOS QUANTIDADE (x1.000)
1994 787,117
1998 1.467,922
1999 1.548,571
Fonte: OMT


787,117
1.467,92
1.548,57
0
200
400
600
800
1000
1200
1400
1600
1800
1994 1998 1999

Grafico 7.1

Vamos considerar os anos como eixo x (abscissas) e as quantidades como orde-
nadas (eixo y). Assim um ano dado e sua respectiva quantidade formam um par ordena-
do.

7.2 Grfico em colunas ou em barras
a representao de uma srie por meio de retngulas, dispostos verticalmente
(grfico em colunas) ou na forma horizontal (grfico em barras).
Exemplo 7.2:
Tabela 4.2 Visita de Turistas Estrangeiros ao Brasil
ANOS Nmero de Turistas (em milhes)
1994 1,8
1998 4,8
1999 5,1
2000 5,2
Fonte: Embratur







Veja abaixo as representaes grficas em colunas e barras em duas e trs di-
menses:
1,8
4,8
5,1
5,2
0
1
2
3
4
5
6
1994 1998 1999 2000
Nmero de Turistas (em milhes)

Grfico 2
0
1
2
3
4
5
6
1994 1998 1999 2000
Nmero de Turistas (em milhes)
1994
1998
1999
2000

Grfico 3
1,8
4,8
5,1
5,2
0 1 2 3 4 5 6
1994
1998
1999
2000
Nmero de Turistas (em milhes)
1994
1998
1999
2000

Grfico 4

0 1 2 3 4 5 6
1994
1998
1999
2000
Nmero de Turistas (em milhes)
1994
1998
1999
2000

Grfico 5

7.3 Grficos em colunas ou em barras mltiplas

Este tipo de grfico geralmente empregado quando queremos representar dois
ou mais fenmenos estudados num mesmo grfico com a finalidade de comparao.
Exemplo 7.3:
Tabela 7.3 Clientes de um restaurante de um hotel
Idade (anos) Hspedes?
Sim No
At 25 20 31
De 31 at 45 49 70
Mais de 45 41 49

0
10
20
30
40
50
60
70
At 25 De 26 at 35 Mais de 35
Hspedes? Sim
Hspedes? No

Grafico 6
A construo do grfico em colunas (ou barras) associa a variao ocorrida em re-
lao a hspedes a uma cor de retngulos (azul), e a variao ocorrida a no hspedes a
outra cor (vermelha); dessa forma, possvel a visualizao e comparao das variaes
ocorridas nesses dois casos. Este grfico tambm poderia ter sido construdo em barras
mltiplas.

7.4 Grfico de colunas comparativas

a. Colunas Justapostas (grfico comparativo)
Exemplo 7.4: Populao Urbana do Brasil por Regio de 1940 a 1980 (x 1000)


Grfico 7















b. Colunas Sobrepostas (grfico comparativo)

Exemplo 7.5: Populao Urbana do Brasil por Regio de 1940 a 1980 (x 1000)


Grfico 8

7.5 Grficos em Setores

Grfico construdo com base em um crculo, e empregado sempre que deseja-
mos ressaltar a participao do dado no total.
O total representado pelo crculo, que fica dividido em tantos setores quantas
so as partes.
Obtemos cada setor por meio de uma regra de trs simples e direta, lembrando
que o total da srie corresponde a 360.
O grfico em setores s deve ser empregado , quando h, no mximo sete dados;
Se a srie j apresentada de forma percentual, obteremos os seguintes valores em
graus multiplicando por 3,6.







Exemplo 7.6: Criao de gado nos Estados da Regio Sudeste.
Tabela 7.4 Quantidade de cabeas de gado dos estados da regio Sudeste
ESTADOS QUANTIDADE (1.000 cabeas)
Minas Gerais 3.363,7
Esprito Santo 430,4
Rio de Janeiro 308,5
So Paulo 2.035,9
Total 6.138,5

Utilizando a regra de trs:
6.138 -------- 360
3.363,7-------- X

X 1 = 197
X 2 = 25
X3 = 18
X4 = 120

Com esses dados (valores em graus), marcamos num crculo de raio arbitrrio,
com um transferidor , os arcos correspondentes , obtendo o grfico abaixo:

QUANTIDADE (1.000 cabeas)
Minas Gerais
Esprito Santo
Rio de Janeiro
So Paulo

Grafico 9
7.6 Grfico Pictorial Pictograma

Tem por objetivo despertar a ateno do pblico em geral, muito desses grficos
apresentam grande dose de originalidade e de habilidade na arte de apresentao dos
dados. Podem ser representados por diferentes formas de figuras, tais como pessoas,
objetos, etc.
Exemplo 7.7:
a) Evoluo da matricula no Ensino Superior no Brasil de 1968 a 1994 (x 1000)

Grafico 10

b) Evoluo da frota nacional de carros lcool de 1979 1987


Grfico 11








c) Os mtodos mais eficientes para deixar de fumar segundo 30.000 fumantes entre-
vistados no Canad


Gfico 12

d) Devastao de Matas: extrao de madeiras no Brasil


Grafico 13


7.7 Grfico Polar

o tipo de grfico ideal para representar sries temporais cclicas, ou seja, toda a
srie que apresenta uma determinada periodicidade.
Como construir um grfico polar
a. Traa-se uma circunferncia de raio arbitrrio (preferencialmente, a um raio de
comprimento proporcional a mdia dos valores da srie);
b. Constri-se uma semi-reta (de preferncia horizontal) partindo do ponto 0 (plo) e
com uma escala (eixo polar);
c. Divide-se a circunferncia em tantos arcos forem as unidades temporais;
d. Traa - se semi-retas a partir do ponto 0 (plo) passando pelos pontos de diviso;
e. Marcam-se os valores correspondentes da varivel, iniciando pela semi-reta hori-
zontal (eixo polar);
f. Ligam-se os pontos encontrados com segmentos de reta;
g. Para fechar o polgono obtido, emprega-se uma linha interrompida.


Grafico 14

7.8 Cartograma

a representao de uma carta geogrfica. Este tipo de grfico empregado
quando o objetivo o de figurar os dados estatsticos diretamente relacionados com as
reas geogrficas ou polticas
Dados absolutos (populao) usam-se pontos proporcionais aos dados.
Dados relativos (densidade) usa-se hachaduras.


Tabela 7.5 Populao dos estados da Regio Sul
Estado Populao (hab.) rea (m) Densidade
Paran 9.137.700 199.324 45,8
Santa Catarina 4.461.400 95.318 46,8
Rio Grande do Sul 9.163.200 280.674 32,6
Fonte: IBGE


Grafico 15






















Atividade

1) Utilizar um grfico de setores e o grfico de colunas para representar a srie abaixo:
Tabela 7.6 Meios de transportes utilizados por estudantes do IFAL

Meio de transporte Nmero de estudan-
tes (%)
Automveis 20
nibus 58
Bicicletas 18
Moto 4
TOTAL 100

2. Represente a srie abaixo usando o grfico em linhas
Tabela 7.7 - Comrcio exterior Brasil 1984-1993

ANOS Exportao
1984 141.737
1985 146.351
1986 133.832
1987 142.378
1988 169.666
1989 177.033
1990 168.095
1991 165.974
1992 167.295
1993 182.561


3) Usando o grfico em barras, represente a tabela:
Tabela 7.8 - Produo de ovos de galinha Brasil 1992
Regies Quantidade (1.000 dzias)
Norte 57.297
Nordeste 414.804
Sudeste 984.659
Sul 615.978
Centro-Oeste 126.345

4) A tabela abaixo representa o desmatamento detectado pela Secretaria de Meio Am-
biente do Mato Grosso (SEMA), no perodo de 2003 a 2005, faa os grficos de seto-
res e de coluna:
Tabela 7.9

REGIES
REA DESMATADA
(
2
km )
Centro-Norte 13520
Noroeste 5792
Extremo Norte 5212
Nordeste 3575
Sudoeste 1791
Sudeste 1444
Sul 695
TOTAL




5) Os dados a seguir referem-se aos casos e incidncia (por 100.000 habitantes) de tu-
berculose pulmonar por faixa etria no municpio X em 2002. Desenhe o grafico de
colunas para essa distribuio.

Tabela 7.10
Faixa etria (anos) fi
0 4 8
5 14 7
15 24 7
25 44 19
45 64 22
65 + 9
Total 72























Medidas de Posio




Medidas de Posio
Vimos anteriormente a sintetizao de dados sob a forma de tabelas e grficos.
Agora vamos aprender o clculo de medidas que possibilitam representar um conjunto
de dados de forma reduzida, ressaltando as tendncias de cada conjunto isoladamente
ou em confronto com outros. Tais medidas so chamadas de Medidas de Posio.
As medidas de posies mais importantes so as medidas de tendncia central
que recebem tal dominao pelo fato de que os dados observados tenderem, em geral, a
se agrupar em torno de valores centrais. Dentre as medidas de tendncia central vere-
mos:
- Mdia Aritmtica
- Mediana
- Moda

8.1 Mdia Aritmtica Simples (dados no agrupados)

A mdia aritmtica simples de um conjunto de valores igual ao quociente entre
a soma desses valores e o nmero total deles.
Sendo
n
x x x x , , , ,
3 2 1

os n valores da varivel x, a mdia aritmtica simples
desses valores e representada por X definida por
n
x
X
i
=
Exemplo 8.1 Determine a mdia aritmtica simples dos conjuntos de valores 3, 4, 5, 6,
7.
5
5
25
5
7 6 5 4 3
= =
+ + + +
= X

8.2 Mdia Aritmtica Ponderada (dados agrupados)

Quando os dados estiverem agrupados numa distribuio de freqncia, usare-
mos a mdia dos valores
n
x x x x , , , ,
3 2 1

ponderados pelas respectivas freqncias
absolutas:
n
f f f f , , , ,
3 2 1




Assim:

=
i
i i
f
x f
X , onde n f
i
=



Exemplo 8.2 - Dados agrupados sem intervalos de classe
Os dados da distribuio de freqncias representam o nmero de filhos por famlia
de 32 famlias entrevistadas em um determinado ambulatrio mdico. Determine a m-
dia aritmtica dos dados da distribuio.
Tabela 8.1 Nmero de filhos por familia
N de filhos por
famlia (
i
x )
Famlias (
i
f )
i i
f x

0 4 0
1 8 8
2 10 20
3 7 21
4 3 12
Total N=32 61

9 , 1
32
61
= = =

i
i i
f
x f
X

Exemplo 8.3 - Dados agrupados com intervalo de classe
Foi feito um estudo sobre a concentrao de nitratos na gua de 100 bueiros que
desguam em uma lagoa. Os resultados so apresentados na Tabela 8.2. Determine a
mdia aritmtica dessa distribuio (nesse caso, o x
i
o ponto mdio da classe):
Tabela 8.2 Concentrao de nitrato na gua de 100 bueiros
Concentrao de Ni-
trato (mg/l)
Nmero de bueiros
(
i
f )
i
x
i i
f x

140 |--- 160 7 150 1050
160 |--- 180 20 170 3400
180 |--- 200 33 190 6270
200 |--- 220 25 210 5250
220 |--- 240 11 230 2530
240 |--- 260 4 250 1000
100 19500

195
100
19500
= = =

i
i i
f
x f
X
Logo, a mdia de concentrao de nitrato na gua de 195mg/l

8.3 Mediana

o elemento que ocupa a posio central de um conjunto de dados, cujos valores
esto colocados na ordem crescente. A mediana representada por Md.

8.3.1 Determinao da Mediana para dados no agrupados
Quando o nmero de elementos for mpar, a mediana ser o elemento de ordem
2
1 + n
, iso ,
2
1 +
=
n
posio na est que Elemento Md
Quando o nmero de elementos for par, a mediana ser a mdia aritmti-
ca dos elementos de ordem
2
n
e 1
2
+
n
.
2
1
2 2
|
.
|

\
|
+ +
=
n
posio na est que Elemento
n
posio na est que Elemento
Md

Exemplo 8.3 - Determine a mediana dos conjuntos de valores abaixo:
X (2, 3, 5, 6, 7, 8, 9)
Y (1, 2, 4, 5, 6, 7, 8, 9)
Como o nmero de elementos do conjunto X mpar (n = 7), a mediana o elemento de
ordem
4
2
8
2
1 7
2
1
= =
+
=
+ n
, isto , a mediana o 4 elemento do conjunto, logo Md=6
Observamos que 50% dos elementos esto abaixo da mediana e 50% esto acima.
No conjunto Y, o nmero de elementos par (n = 8), a mediana a mdia dos elemen-
tos de ordem
5 1 4 1
2
8
2
1
e 4
2
8
2
= + = + =
+
= =
n n

Tomando ento a mdia dos elementos que esto nas posies 4 e 5, respectivamente,
temos que a mediana
5 , 5
2
6 5
2
1
2 2
=
+
=
|
.
|

\
|
+ +
=
n
posio na est que Elemento
n
posio na est que Elemento
Md

8.3.2 Determinao da Mediana para dados agrupados sem intervalo de classe
Se os dados se agrupam em uma distribuio de freqncia, o clculo de mediana se
processa de modo semelhante a aquele dos dados no agrupados, implicando, porm, a
determinao prvia das freqncias acumuladas, pois ela que indica onde est a posi-
o da mediana.
Exemplo 8.4 - Determine a mediana da distribuio abaixo:
Tabela 8.3 - Distribuio de frequencia do nmero de filhos por familia

N de Filhos f
i
F
ac

0 3 3
1 2 5
2 4 9
3 6 15
4 3 18
5 2 20
20 -
Como n = 30, n par, logo a mediana ser a mdia aritmtica entre os elementos de or-
dem
10
2
20
2
= =
n
e 11 1
2
20
1
2
= + = +
n
.
Assim, o 10 elemento corresponde a 3 e o 11 elemento corresponde a 3, logo:
3
2
3 3
2
1
2 2
=
+
=
|
.
|

\
|
+ +
=
n
posio na est que Elemento
n
posio na est que Elemento
Md

8.3.3 Clculo da mediana para dados agrupados com intervalo de classe
Nesse caso a mediana determinada pela seguinte frmula:
i
i
ant ac
h
f
F
n
l Md
|
|
|
|
.
|

\
|

+ =
2
inf

Onde:
2
n
a posio da mediana
inf
l
Limite inferior da classe mediana
ant ac
F
Freqncia acumulada anterior a classe mediana
i
f
Freqncia absoluta da classe mediana
i
h
amplitude do Intervalo da classe mediana





Exemplo 8.5 - Determine a mediana da distribuio abaixo:
Tabela 8.4
Tempo de
Servio
f
i
F
ac

2 | 6 4 4
6 | 10 7 11
10 | 14 13 24
14 | 18 9 33
18 | 22 5 38
38

1 passo: calcular a posio da mediana, isto , 19
2
38
2
= =
n
, logo a mediana est na d-
cima nona posio.
2 passo: pela
ac
F
identifica-se a classe que contm a mediana (
ac
F
= 24, cuja clas-
se 10 | 14).
3 passo: Determinar a freqncia acumulada anterior a freqncia da classe da media-
na, isto ,
11 =
ant ac
F

4 passo: Limite inferior da classe mediana, isto ,
10
inf
= l

5 passo: Determinar a freqncia absoluta da classe mediana, isto ,
13 =
i
f

6 passo: Determinar a amplitude do intervalo da classe mediana, isto ,
4 10 14 = =
i
h

7 passo: utiliza-se a frmula
i
i
ant ac
h
f
F
n
l Md
|
|
|
|
.
|

\
|

+ =
2
inf
,
Logo,
7 , 12 7 , 2 10 4
13
11 19
10
2
inf
= + =
|
.
|

\
|
+ =
|
|
|
|
.
|

\
|

+ =
i
i
ant ac
h
f
F
n
l Md

Dizemos ento que 50% dos dados da distribuio est abaixo de 12,7 e os outros 50 %
esto acima.

8.4 Moda
a mais simples das medidas de centro: o valor que ocorre com maior freqn-
cia num conjunto de valores, isto , o valor que aparece em maior nmero de vezes .
representada por Mo.
8.4.1 Dados agrupados
Neste caso a moda facilmente reconhecida de acordo com a definio, basta procu-
rar o valor que mais se repete.
Exemplo 8.6 - Determine a moda no conjunto de valores: 2, 3, 4, 4, 5, 6, 7.
Como o nmero 4 ocorre mais vezes, ento a Mo = 4.

Quando na srie no existe valor que aparea mais vezes que outros, dizemos en-
to que a srie no possui moda, isto , ela amodal.
Quando existe uma nica moda, a srie modal.
Quando existem duas modas a srie bimodal.
Quando existe mais de duas modas a srie chamasse multimodal.

8.4.2 Dados agrupados sem intervalo de classe
A determinao da moda imediata, bastando localizar na tabela o valor que tem
maior freqncia.



Exemplo 8.7 - Vejamos: Determine a moda dos valores da tabela abaixo:
Tabela 8.5
Pontos f
i

0 2
1 5
2 9
3 7
5 6
6 4
33
Mo = 2, pois o valor 2 aparece nove vezes, isto , possui a maior freqncia (9).

8.4.3 Dados agrupados com intervalo de classe
A moda, nesse caso, determinada atravs do mtodo de CZUBER, cuja frmula a
seguinte:
i
h
d d
d
l Mo
+
+ =
2 1
1
inf
Onde:
inf
l
Limite inferior da classe modal
1
d
a diferena entre a frequencia simple da classe modal e a frequencia simples an-
terior a classe modal, isto ,
ant Mo
f f d =
1

2
d
a diferena entre a frequencia simple da classe modal e a frequencia simples pos-
terior a classe modal, isto ,
post Mo
f f d =
2

i
h
amplitude do Intervalo da classe modal

Exemplo 8.8 - Determine a moda para a distribuio abaixo:
Tabela 8.6
Idades f
i

20 | 25 5
25 | 30 8
30 | 35 11
35 | 40 6
40 | 45 3
n 33

1 passo: indica-se a classe modal. No caso, a 3 classe (30 | 35), pois, tem a maior
freqncia (11).
2 passo: Determinar a freqncia simples (ou absoluta) anterior a freqncia da classe
modal, isto ,
8 =
ant
f
, e a freqncia simples (ou absoluta) posterior a freqncia da
classe modal, isto ,
6 =
post
f
,
3 passo: Determinar
1
d
e
2
d
, isto
3 8 11
1
= = =
ant Mo
f f d
e
5 6 11
2
= = =
post Mo
f f d


4 passo: Limite inferior da classe modal, isto ,
30
inf
= l

5 passo: Determinar a amplitude do intervalo da classe modal, isto ,
5 30 35 = =
i
h

6 passo: aplica-se a frmula de CZUBER
i
h
d d
d
l Mo
+
+ =
2 1
1
inf
Logo,
9 , 1 30 5
5 3
3
30
2 1
1
inf
+ =
+
+ =
+
+ =
i
h
d d
d
l Mo

Portanto, Mo=31,9

8.5 Emprego das Medidas de Tendncia Central
A Mdia utilizada quando:
a) Desejamos obter a medida de posio que possui a maior estabilidade.
b) Houver necessidade de um tratamento ulterior.

A Mediana utilizada quando:
c) Desejamos obter o ponto que divide a distribuio em partes iguais.
d) H valores externos que afetam de uma maneira acentuada a mdia.
e) A varivel em estudo salrio.

A Moda utilizada quando:
a) Desejamos obter uma medida rpida e aproximada de posio.
b) A medida de posio deve ser o valor mais tpico da distribuio.


Atividade

1- O quadro a seguir apresenta a faixa de renda dos pescadores de Marechal Deodoro.
Determine a mdia de salrios, o salrio mais freqente e o salrio mediano dos pes-
cadores.

Faixa de Renda: f
i

de 50 R$200 32
de 201 R$350 24
de 351 R$500 7
de 501 R$700 1

Fonte: Alunos de Gesto Ambiental - 2007.1

2- Use a distribuio de freqncia dada abaixo, para determinar a idade mdia, a ida-
de mais freqente e a idade mediana dos habitantes de Medicine Bow,Wyoming.

Idade Freqncia
0 --- 9 57
10 --- 19 68
20 --- 29 36
30 --- 39 55
40 --- 49 71
50 --- 59 44
60 --- 69 36
70 --- 79 14
80 --- 89 8
(Fonte: U.S. Bureau of the Census)






3. A tabela abaixo apresenta a distribuio de freqncias dos dados de peso em kg de 20
crianas submetidas a um determinado tratamento no Hospital de clinicas de Uberln-
dia, MG, 2006. Determine a freqncia relativa e as freqncias acumuladas e o peso
mdio dessas crianas.

Pesos ( em kg) freqncia
38,5 | 43,5 3
43,5 | 48,5 4
48,5 | 53,5 7
53,5 | 58,5 4
58,5 | 63,5 2
Total
Fonte: Hospital de clinicas de Uberlndia, MG 2006

4. Os dados a seguir referem-se aos casos e incidncia (por 100.000 habitantes) de tu-
berculose pulmonar por faixa etria no municpio X em 2002. Determinar as fre-
qncias relativas e acumuladas, a idade mdia, a idade mais freqente e a idade
mediana dos habitantes com tuberculose desse municpio.

Faixa etria (anos) fi
0 4 8
5 14 7
15 24 7
25 44 19
45 64 22
65 + 9
Total 72





5. Os dados a seguir referem-se aos salrios de uma empresa. Determinar as freqn-
cias relativas e acumuladas e a mdia dos salrios dessa empresa.

Salrios (R$) f
i

500 | 700 18
700 | 900 31
900 | 1.100 15
1.100 | 1.300 3
1.300 | 1.500 1
1.500 | 1.700 1
1.700 | 1.900 1
Total E = 70











Medidas de Variabilidade






Medidas de Variabilidade
As medidas de tendencia central descritas anteriomente si uteis por identificarem
um valor tipico em um conjunto de dados. Por outro lado, as medidas de variabilidade
dizem respeito descrio d eum conjunto de valores em termos da variabilidade
existenet entre os itens incluidos dentro do conjunto. So diponiveis diversas tecnicas
para a medida da variabilidade em um conjunto de dados. Sero descritos neste capituo
a amplitude total, o desvio mdio, a varincia, o desvio-padro e o coeficeinte de
variao.

9.1 Amplitude total
A amplitude total, ou
T
A , a diferena entre o maior valor e o menor valor de uma
distribuio de freqncia ou de uma srie
min max
X X A
T
=
srie na observado valor maior X =
max

srie na observado valor menor X =
min

9.1.1 Amplitude total para dados no agrupados
Exemplo 9.1: O peso atingido por dois grupos de recm-nascidos prematuros de ex-
tremo baixo peso foi registrado em dez semanas consecutivas, conforme tabela abaixo.
Determinar a amplitude total de cada uma delas
Amplitude total de A = 670 560 = 110g
Amplitude total de B = 900 330 = 570g
A amplitude total fcil de calcular porque s usa dois nmeros do conjunto de da-
dos.




Tabela 9.1 Peso de dois grupos de recem-nascidos prematuros

9.1.2 Amplitude total para dados agrupados sem intervalo de classe
Exemplo 9.2: Os dados da distribuio de freqncias representam o nmero de fi-
lhos por famlia de 32 famlias entrevistadas em um determinado hospital. Vamos deter-
minar a amplitude total desta distribuio
Tabela 9.2 Distribuio do nmero de filhos por familia
N de filhos por famlia
(x
i
)
Famlias (
i
f )
0 4
1 8
2 10
3 7
4 3
Total N=32
Amplitude total = 4 - 0 = 4

9.1.3 Amplitude total para dados agrupados com intervalo de classe
Grupo B
560 330
560 420
570 480
580 520
610 570
630 670
630 670
670 770
670 820
670 900
Grupo A
Mdia = 615g
Mediana = 620g
Moda = 670g
Mdia = 615g
Mediana = 620g
Moda = 670g
A expresso
min max
X X A
T
= para os dados agrupados com intervalos de classe
escrita da seguinte forma:
min max
L L A
T
=
e L class ltima da superior Limite
max
=
classe primeira da inferior Limite
min
= L
Exemplo 9.3: Foi feito um estudo sobre a concentrao de nitratos na gua de 100
bueiros que desguam em uma lagoa. Os resultados so apresentados na Tabela:
Tabela 9.3 Concentrao de nitrato por bueiros
Concentrao de Nitrato
(mg/l)
Nmero de bueiros (
i
f )
140 |--- 160 7
160 |--- 180 20
180 |--- 200 33
200 |--- 220 25
220 |--- 240 11
240 |--- 260 4
n 100
120 140 260
min max
= = = L L A
T
mg/l
Conhecer apenas a amplitude total da distribuio levar em considerao somen-
te os extremos, sem considerar os termos internos, e, nesse caso, o resultado no repre-
senta se h equilbrio ou no na distribuio dos termos da srie.

9.2 Desvio
Para aprender a calcular medidas de variao que usem todos os valores do conjun-
to de dados, primeiro voc precisa saber o que um desvio
O desvio de cada valor x a diferena entre o valor de x e a mdia do conjunto de
dados.
Em uma populao, o desvio de cada valor x :
x

Em uma amostra, o desvio de cada valor x : x x
Exemplo 9.4: Do exemplo 9.1, temos que:
Tabela 9.4 Tabela de Desvios
x
x

x
x

560 -55 330 -285
560 -55 420 -195
570 -45 480 -135
580 -35 520 -95
610 -5 570 -45
630 15 670 55
630 15 670 55
670 55 770 155
670 55 820 205
670 55 900 285

= 0 ) ( x

A soma dos desvios sempre zero.

9.3 Desvio Mdio

9.3.1 Desvio Mdio para dados no agrupados
O desvio mdio, ou DM, baseado na diferena entre cada valor de um conjunto
de dados e a mdia do conjunto de dados. O que calculado a mdia destes desvios
em valores absolutos (mdulo).
Utilizando a populao temos:
N
x
DM


=


Utilizando a amostra temos:
n
x x
DM


=
Exemplo 9.5: Durante certo ms, foi feito um estudo para determinar a concentra-
o de progesterona na saliva de pacientes de determinado hospital, conformes os dados
a seguir: 8, 11, 5, 14, 8, 11, 16, 11. A mdia aritmtica 10,5 ng/ml. Assim, a tabela dos
desvios dada por:
Tabela 9.5 Concentrao de progesterona na saliva de pacientes
x
x

x

5 -5,5 5,5
8 -2,5 2,5
8 -2,5 2,5
11 0,5 0,5
11 0,5 0,5
11 0,5 0,5
14 3,5 3,5
16 5,5 5,5
Total 21,0
Utilizando os clculos da tabela, o desvio mdio calculado da seguinte forma:
ml ng
N
x
DM / 6 , 2 625 , 2
8
0 , 21
~ = =



Desta forma, podemos dizer que, em mdia, as concentraes de progesterona na
saliva de pacientes, diferem por 2,6 ng/ml da mdia aritmtica do grupo, em ambas as
direes.
9.3.2 Desvio Mdio para dados agrupados
Para dados agrupados em uma distribuio de freqncias, o desvio mdio dado
por:
:
N
x f
DM
i

=

se utilizarmos a populao;
n
x x f
DM
i

= se utilizarmos a amostra.
Exemplo 9.6: Os dados da distribuio de freqncias representam o nmero de fi-
lhos por famlia de 32 famlias entrevistadas em um determinado hospital. Vamos deter-
minar o desvio mdio desta distribuio.
Tabela 9.6 Nmero de filhos por familia
N de filhos por
famlia (x)
Famlias (
i
f )
i
xf
x

x f
i

0 4 0 1,9 7,6
1 8 8 0,9 7,2
2 10 20 0,1 1
3 7 21 1,1 7,7
4 3 12 2,1 6,3
Total N=32
61 =
i
xf
29,8
A mdia dada dividindo
i
xf por N, isto , 1,90625. Logo, o desvio mdio da-
do por:
93 , 0
32
8 , 29
= =

N
x f
DM
i


9.3.3 Desvio Mdio para dados agrupados em intervalos de classe
Para dados agrupados em uma distribuio de freqncias em intervalos de classe,
o ponto mdio de cada classe tomado pra representar todas as medidas includas no
intervalo de classe. Assim, o desvio mdio dado como a expresso anterior.
:
N
x f
DM
i

=

se utilizarmos a populao;
n
x x f
DM
i

= se utilizarmos a amostra.
Exemplo 9.7: Os dados, da distribuio de freqncias abaixo, representam o um
estudo sobre a concentrao de nitratos na gua de 100 bueiros que desguam em uma
lagoa. A mdia de concentrao de nitrato na gua 195mg/l. O desvio mdio calcula-
do da seguinte forma, partindo dos clculos da tabela:Os resultados so apresentados na
Tabela:
60 , 19
100
1960
= =

N
x f
DM
i


Tabela 9.7: Folha de calculo para determinar o desvio mdio para dados agrupados
em intervalos de classe
Concentrao
de nitrato
(mg/l)
N de bueiros
(
i
f )
Ponto Mdio
( x )
x

x f
i

140 |--- 160 7 150 45 315
160 |--- 180 20 170 25 500
180 |--- 200 33 190 5 165
200 |--- 220 25 210 15 375
220 |--- 240 11 230 35 385
240 |--- 260 4 250 55 220
100 1960

9.4 Varincia e Desvio Padro
A Varincia similar ao desvio mdio no sentido de que tambm baseado nas di-
ferenas entre cada valor do conjunto de dados e a mdia aritmtica do conjunto de da-
dos. Ela difere do desvio mdio uma vez que aquelas diferenas so elevadas ao quadra-
do antes de serem somadas. Para uma determinada populao, a varincia populacio-
nal: representada pela letra grega minscula
2
o (ler sigma quadrado ou sigma
dois), sendo dadas pelas formulas:
N
x


=
2
2
) (
o , para dados no agrupados.
N
x f
i

=
2
2
) (
o , para dados agrupados sem intervalos de classe.
N
x f
i i

=
2
2
) (
o ou
2
2
|
|
.
|

\
|
=

N
x f
N
x f
i i i i
o , para dados agrupados em in-
tervalos de classe, onde
i
x indica o ponto mdio de cada intervalo de classe.
Exemplo 9.8: Para os dados de concentrao de progesterona nos pacientes do e-
xemplo 9.2, a mdia aritmtica 10,5 ng/ml. Considerando os dados como sendo uma
populao estatstica de interesse, a varincia determinada como segue, a partir da
tabela 9.8.
75 , 10
8
86
) (
2
2
= =

N
x
o

Tabela 9.8 Calculo para determinar a Varincia para dados no agrupados
x
x

2
) ( x

5 -5,5 30,25
8 -2,5 6,25
8 -2,5 6,25
11 0,5 0,25
11 0,5 0,25
11 0,5 0,25
14 3,5 12,25
16 5,5 30,25
Total 86,00

Ao contrario da situao para outras estatsticas amostrais, a varincia para uma
amostra no , em termo computacional, exatamente equivalente varincia da popula-
o. Antes, o denominador da frmula da varincia da amostra ligeiramente diferente.
Essencialmente, introduzido um fator de correo nesta expresso, de tal forma que a
varincia amostral seja um estimador no tendencioso da varincia populacional. A vari-
ncia da amostra representada por s, e suas frmulas so dadas por:
1
) (
2
2

n
x x
s , para dados no agrupados
1
) (
2
2

n
x x f
s
i
ou
( )
|
|
.
|

\
|

n
x f
x f
n
s
i
i
2
2
2
1
1
, para dados agrupados
sem intervalo de classe.
1
) (
2
2

n
x x f
s
i i
ou
( )
|
|
.
|

\
|

n
x f
x f
n
s
i i
i i
2
2
2
1
1
,para dados agrupados
em intervalos de classe, onde
i
x indica o ponto mdio de cada intervalo de classe.
Exemplo 9.9: Para os dados, da distribuio de freqncias do exemplo 9.4, que re-
presentam a concentrao de nitratos na gua de 100 bueiros que desguam em uma
lagoa, a mdia do valor das concentraes de nitratos 195 mg/l. Considerando aqueles
dados como sendo uma amostra estatstica de interesse, a varincia determinada como
segue, a partir da tabela 9.9:
93 , 592
99
58700
1
) (
2
2
= =

n
x x f
s
i i

Tabela 9.9: Folha de calculo para determinar a varincia para dados agrupados em
intervalos de classe
Concentrao
de nitrato
(mg/l)
(
i
f )
Ponto Mdio
( x )
x x
2
) ( x x

2
) ( x x f
i


140 |--- 160 7 150 -45 2025 14.175
160 |--- 180 20 170 -25 625 12.500
180 |--- 200 33 190 -5 25 825
200 |--- 220 25 210 15 225 5.625
220 |--- 240 11 230 35 1225 13.475
240 |--- 260 4 250 55 3025 12.100
100 58.700

Em geral, difcil interpretar o significado do valor da varincia porque as unidades
nas quais tal valor expresso no so as mesmas do que as das observaes do conjunto
de dados. Por esta razo, a varincia no muito utilizada para representar algo que o-
correu com os dados pesquisados. Desta forma, a mais utilizada a medida relacionada
com a raiz quadrada da varincia, representada pela letra grega
o
para a populao (ou
s para a amostra) e chamada de desvio padro, o que se utiliza com mais freqncia. As
frmulas so:
Desvio padro populacional para dados no agrupados:
( )
N
x


=
2

o
Desvio padro amostral para dados no agrupados
( )
1
2

=

n
x x
s
Desvio padro populacional para dados agrupados:
( )
N
x f
i

=
2

o ou
2
2
|
|
.
|

\
|
=

N
x f
N
x f
i i i i
o
Desvio padro amostral para dados agrupados
( )
1
2

=

n
x x f
s
i
ou
( )
|
|
.
|

\
|

=


n
x f
x f
n
s
i i
i i
2
2
1
1


O desvio padro particularmente a medida mais usada na comparao de dife-
renas entre conjuntos de dados, por ter grande preciso, uma vez que utilizada em
conjuno com numerosos mtodos de inferncia estatstica. O desvio padro determina
a disperso dos valores em relao mdia.
Exemplo 9.10: Para os dados, da distribuio de freqncias do exemplo 9.1, temos
o peso atingido por dois grupos de recm-nascidos prematuros de extremo baixo peso,
que foram registrados em dez semanas consecutivas. A mdia 615g. Considerando a-
queles dados como sendo uma amostra estatstica de interesse, o desvio-padro de-
terminado como segue, a partir da tabela.
( )
73 , 13 50 , 188
10
18850
2
= = =

=

N
x
A

o g
( )
41 , 549 30185
10
301850
2
= = =

=

N
x
B

o g
Tabela 9.10: Indica os desvios padres de cada grupo de prematuros
Grupo A Grupo B
x
x
(
x
)
x
x
(
x
)
560 -55
3025
330 -285
81225
560 -55
3025
420 -195
38025
570 -45
2025
480 -135
18225
580 -35
1225
520 -95
9025
610 -5
25
570 -45
2025
630 15
225
670 55
3025
630 15
225
670 55
3025
670 55
3025
770 155
24025
670 55
3025
820 205
42025
670 55
3025
900 285
81225

18850

301850

9.5 Interpretao do Desvio Padro
H varias regras que permitem compreender o que revela o desvio-padro. A Figura
abaixo mostra que para dados distribudos de modo (pelo menos aproximadamente)
simtrico, tem-se:
68% das observaes feitas esto a um desvio padro da mdia (diz-se que
esto entre menos um e mais um desvio padro da mdia), denominada de
zona de neutralidade ou normalidade.
95% das observaes feitas esto a dois desvios padro da mdia (diz-se que
esto entre menos dois e mais dois desvios padro da mdia).
99% das observaes feitas esto a trs desvios padro da mdia (diz-se que
esto entre menos trs e mais trs desvios padro da mdia).




9.6 Coeficiente de Variao (C.V.)
Trata-se de uma medida relativa de disperso, til para a comparao em termos
relativos do grau de concentrao em torno da mdia de sries distintas. dado por:


4 3 2 1 0 1 2 3 4
100 . 100 . = =
x
s
V C ou V C

o
Exemplo 9.11: Num hospital, o salrio mdio dos homens de R$4.000,00, com
desvio-padro de R$1.500,00, e o das mulheres em mdia de R$3.000,00, com desvio-
padro de R$1.200,00. Ento:
Para os homens

Para as mulheres
Logo, podemos concluir que os salrios das mulheres apresentam maior disperso
relativa que os dos homens. Para obtermos o resultado do C.V. em porcentagens, basta
multiplicarmos o resultado por 100. No caso:
C.V. para homens 37,5%
C.V. para mulheres 40%
Exemplo 9.12: Para os dados, da distribuio de freqncias do exemplo 9.7, que a
mdia 615g e o desvio padro para A e B so, respectivamente, 13,73g e 549,41g. Con-
siderando esses dados como sendo uma amostra estatstica de interesse, o coeficiente
de variao determinado como segue,
% 24 , 2 100
615
75 , 13
= = =

o
A
CV
% 33 , 89 100
615
41 , 549
= = =

o
B
CV

Logo, o grupo mais homogneo o grupo A.

375 , 0
000 . 4
500 . 1
. = = =
x
s
V C
4 , 0
000 . 3
200 . 1
. = = =
x
s
V C
Atividade

1. O quadro a seguir apresenta a faixa de renda dos pescadores de Marechal Deodoro.
Determine o desvio mdio, varincia, desvio padro, coeficiente de variao e o in-
tervalo da zona de neutralidade.

Faixa de Renda: fi
de 50 R$200 32
de 201 R$350 24
de 351 R$500 7
de 501 R$700 1

2. O quadro a seguir apresenta a faixa etria dos pescadores de Marechal Deodoro. De-
termine o desvio padro, o coeficiente de variao, o intervalo da zona de neutrali-
dade e a amplitude dos 95% centrais desta distribuio.

Faixa Etria: fi
de 15 25: 6
de 26 30: 5
de 31 40: 17
de 41 50: 21
de 51 60: 13
de 61 70 13
Total 75










Introduo a Probabilidade
















10.1 Mtodos de Contagem

Os problemas de contagem so, em muitas vezes, considerados difceis entre es-
tudantes e professores, apesar das tcnicas matemticas necessrias serem bastante
elementares: essencialmente, o conhecimento das operaes aritmticas de soma, sub-
trao, multiplicao e diviso. O objetivo principal deste material levar o estudante a
trabalhar com problemas de contagem e a ver que, afinal de contas, tais problemas po-
dem ser resolvidos com raciocnios simples na grande maioria dos casos, sem exigir o uso
de frmulas complicadas. Veja os exemplos abaixo.
Exemplo 10.1. Um quadro com a forma abaixo vai ser pintado utilizando duas cores das
tres cores dadas.



Figura 10.1
a. Liste todos os possveis quadros. Quantos so eles?
Soluo. importante ter um procedimento sistemtico para listar todos os possveis
quadros, sem repeti-los. Desta forma, devemos identificar as diferentes decises a serem
tomadas e examinar todas as possibilidades para cada um deles. No caso deste proble-
ma, uma forma natural para planejar o preenchimento do quadro :
- Escolher a cor a ser utilizada para parte externa do circulo;
- Em seguida, escolher a cor interna para o crculo.
A primeira deciso pode ser feita de 3 modos diferentes, j que a cor externa po-
de ser qualquer uma das disponveis. Uma vez tomada esta deciso, a cor escolhida no
pode mais ser usada para o circulo interno. Por exemplo, se a cor amarela for escolhida
para a parte externa, a cor interna dever ser verde ou branca.
Ento, podemos listar todos os possveis quadros, que so 6, de acordo com a fi-
gura abaixo.



Cor externa amarela


Cor externa branca


Cor externa verde

Figura 10.2
Um fato importante, que pode ser explorado na contagem eficiente do nmero
possvel de quadro, o seguinte: as cores disponveis para pintar o circulo mudam de
acordo com a escolha da parte externa, mas a sua quantidade sempre a mesma, j que,
qualquer que seja a cor externa escolhida. Portanto, poderamos ter empregado o se-
guinte raciocnio para contar o nmero de possveis quadros. Sem list-los.
A cor externa pode ser escolhida de trs formas diferentes. Qualquer que seja es-
ta escolha, a cor do circulo pode ser escolhida de duas formas. Logo, o nmero total de
possibilidades 2+2+2=3x2=6.
procedimento acima nos mostra o Principio Multiplicativo ou Principio Funda-
mental da Contagem:
Se uma deciso
1
D pode ser tomada de p modos e, qualquer que seja esta escolha, a
deciso
2
D pode ser tomada de q modos, ento o nmero de maneiras de se tomarem
consecutivamente as decises
1
D e
2
D igual a pq.







Podemos ilustra o Principio Multiplicativo com o auxilio de uma rvore de enume-
rao como mostra a Figura 10.3 a seguir.





Figura 10.3

Problemas
1) De acordo com o quadro abaixo, quantos so os possveis quadros no caso em
que 4 cores esto disponveis?





2) Quantas so as formas de pintar o quadro a seguir utilizando 3 cores diferentes
dentre 4 dadas?










Cor externa
Cor do circulo
De acordo com o exemplo e os problemas acima, voc deve ter percebido qual a
estratgia para resolver problemas de contagem:
I. Postura: Devemos sempre nos colocar no papel da pessoa que est fazen-
do a ao solicitada pelo problema e ver que decises devemos tomar.
Nas diversas situaes, ns nos solocamos no papel da pessoa que deveria
colorir o quadro.
II. Diviso: devemos, sempre que possvel, dividir as decises a serem toma-
das em decises mais simples, correspondentes s diversas etapas do pro-
cesso de deciso. Colorir o quadro foi dividido em colorir cada regio.
III. No adiar dificuldades: Pequenas dificuldades adiadas costumam se trans-
formar em imensas dificuldades. Se uma das decises a serem tomadas for
mais restrita que as demais, essa a deciso que deve ser tomada em
primeiro lugar.

Uma das principais aplicaes das tcnicas de contagem a resoluo de proble-
mas simples de Probabilidade. O interesse dos matemticos no estudo sistemtico de
probabilidades relativamente recente e tem suas razes no estudo dos jogos de azar.
O termo probabilidade usado de modo muito amplo na conservao diria para
sugerir certo grau de incertezas sobre o que ocorreu no passado, o que ocorrer no futu-
ro ou o que est ocorrendo no presente. O estudante poder ficar contente porque acha
que sua probabilidade de passar nas provas grande. Os testes diagnsticos so uma
aplicao medicina de probabilidade e baseasse no seguinte: Uma suspeita de que um
paciente padea de certa enfermidade, que h uma incidncia da enfermidade na popu-
lao (probabilidade de que a enfermidade atinja uma pessoa escolhida ao acaso.. Como
ajuda ao diagnostico da enfermidade, fazemos o paciente passar por uma srie de provas
(testes) que do como resultado : Positivo(+) ou Negativo (-).
A idia de probabilidade desempenha papel importante em muitas situaes que
envolvam uma tomada de deciso. Suponhamos que um empresrio deseja lanar um
novo produto no mercado. Ele precisar de informaes sobre a probabilidade de su-
cesso para seu novo produto. Os modelos probabilsticos podem ser teis em diversas
reas do conhecimento humano, tais como: Biologia, Economia, Administrao, Enge-
nharia e outros ramos da cincia.
Para avaliar a probabilidade de um evento, podemos basear-nos em duas escolas
de pensamento.
1. A escola objetiva ou clssica, na qual as regras do calculo das probabilidades de-
vem ser aplicadas somente a eventos que podem ser repetidos indefinidamente
sob as mesmas condies. Tais fundamentos garantem que se duas pessoas, iso-
ladas e acuradamente, determinassem a probabilidade de certo evento, chegari-
am ao mesmo resultado. Por exemplo: Uma probabilidade associada ao fato de se
receberem duas figuras em um jogo de cartas, ou de ganhar numa loteria em que
15000 pessoas possuam bilhetes, pois os experimentos podem ser repetidos
sob as mesmas condies, e diferentes pessoas avaliariam com os mesmos valo-
res tais possibilidades. Adeptos dessa escola jamais cogitariam atribuir a proba-
bilidade de que o Flamengo ganhe no seu prximo jogo ou de que Joo seja pri-
meiro homem a pisar em Marte. Tais eventos no resultam de experimentos que
possam ser repetidos sob as mesmas condies.
2. Para a avaliao desses experimentos, deveremos valer-nos dos fundamentos da
escola subjetiva ou personalista. Tal escola considera que a probabilidade de
certo evento medida pelo grau de crena que cada pessoa atribui ocorrncia
desses eventos. Evidentemente, neste caso, teremos diferentes possibilidades
para um mesmo evento. Mesmo admitindo a dificuldade originada por diferentes
probabilidades ao mesmo evento, os defensores dessa escola crem que as pes-
soas que se utilizam sistematicamente das probabilidades subjetivas conseguem
tomar decises acertadas.

10.2 Conceitos bsicos

10.2.1 Experimento Aleatrio
Experimento Aleatrio aquele que poder ser repetido sob as mesmas condies
indefinidamente. Tal experimento apresenta variaes de resultados, no sendo possvel
afirmar a priori qual ser sua determinao antes que o mesmo tenha sido realizado.
possvel entretanto, descrever todos os possveis resultados as possibilidades.
A palavra Fenmeno significa experimento e a palavra aleatrio significa causal.
As principais caractersticas de um experimento aleatrio so:
- Pode ser repetido indefinidamente sob as mesmas condies;
- Em qualquer repetio do experimento, no sabemos, com certeza, qual particu-
lar resultado, de todos os possveis, ir ocorrer, embora posamos precisar quais
sejam esses possveis resultados.
Perguntas como as seguintes ilustram algumas situaes imprevisveis:
Quantas pessoas ganharo o premio da Mega Sena da prxima semana?
Lanando dois dados, qual ser a soma dos pontos das faces superiores?
Quantos automveis estaro circulando na cidade de Macei em 2015?
Lanando uma moeda, que face ficar para cima , cara ou coroa?
O sorteio dos nmeros das Mega Sena, o lanamento dos dois dados e da moeda e a
determinao do nmero de carros que circularo em Macei em 2015 so fenmenos
que podem apresentar dois ou mais resultados: eles so considerados fenmenos aleat-
rios.
10.2.2 Espao Amostral
Os resultados de uma experincia que envolve um fenmeno aleatrio dependem do
interesse do pesquisador, isto , e que o observador deseja focalizar sua ateno.
Como descrever matematicamente uma experincia desse tipo e seus resultados?
Parece natural ns falarmos de conjunto de resultados possveis para um experimen-
to aleatrio. Assim, utilizaremos conuntos para descrever esses possveis resultados.
O conjunto de todos os possveis resultados de um experimento aleatrio chamar
Espao Amostral e representaremos pela letra S.
Um espao amostral S associado a uma experincia um conjunto de tal modo
que:
1.) todo resultado possvel da experincia est em S;
2.) todo elemento de S algum resultado da experincia.
O nmero de elementos do espao amostral S ser indicado p n(S).
Exemplo 10.2: Uma letra da palavra honestidade sorteada ao acaso. Qual o espao a-
mostral desse experimento?
S={h, o, n, e , s, t, i , d, a}
Exemplo 10.3: Retirar uma carta de um baralho comum de 52 cartas. Se o interesse do
jogador for observar o naipe da carta, qual o espao amostarl?
S={ouros, copa, paus, espada}
10.2.3 Evento
comum os pesquisadores estarem interessados em avaliar um resultado ou grupo
de resultados possveis do espao amostral. Os grupos de resultados que podem interes-
sar a algum de algum modo so chamados Eventos. Podemos dizer tambm que, qual-
quer conjunto de resultados de um experimento ser denominado de evento. Como e-
vento um subconjunto de S, indicaremos os eventos por letras maisculas: A, B, C, etc.
Exemplo 10.4: Seja o experimento lanar um dado e seja A o evento sair um nmero par.
Assim,
Espao amostral S={1, 2, 3, 4, 5, 6}
Evento A={2, 4, 6}

Evento simples aquele formado por um nico elemento do espao amostral, en-
tretanto o evento que possui mais de um elemento denominado de composto.
Diante do que foi exposto sobre o conceito de eventos, notamos que S (espao
amostral) e o conjunto vazio tambm so eventos e so chamados respectivamente de
evento certo e evento impossvel. Assim, o evento obter um naipe na retirada de uma
carta um evento certo, enquanto que obter um oito no lanamento de uma dado cons-
titui um evento impossvel.
Como evento um conjunto, podemos realizar com eles as operaes de unio e
interseco de conjuntos. Logo,
B A - o evento que ocorre se A ocorrer ou B ocorrer ou ambos ocorrerem.
B A - o evento que ocorre se A e b ocorrerem.
A - (l-se A trao) o evento que ocorre se A no ocorrer.

Exemplo 10.5: Seja E o experimento sortear um carto dentre dez cartes numerados de
1 a 10. Sejam os eventos: A={sair o nmero cinco} e B={sair um nmero par}, ento:
S={1, 2, 3, 4, 5, 6, 7, 8, 9, 10}
A={5}, B={2, 4, 6, 8, 10}
} 10 , 8 , 6 , 4 , 2 , 5 { = B A
| = B A (evento impossvel)
} 10 , 9 , 8 , 7 , 6 , 4 , 3 , 2 , 1 { = A , } 9 , 7 , 5 , 3 , 1 { = B
Dois eventos A e B so denominados mutuamente exclusivos se eles no puderem
ocorrer simultaneamente, isto , | = B A . No exemplo anterior A e B so mutuamen-
te exclusivos, pois a ocorrncia de A impede a ocorrncia de B e vice-versa ( | = B A ).

10.3 Regra Bsica de Probabilidade
A preocupao maior ser avaliar a probabilidade dos eventos. Para isto, iremos
admitir que todos os elementos do espao amostral tm a mesma chance, ou seja, os
resultados so igualmente provveis. Insto significa que, se N for o nmero de elementos
de S, ento a probabilidade de cada evento simples ocorrer ser dada por
N
1
. Isto , se
} , , , , {
3 2 1 n
a a a a S = um espao amostral equiprovvel, ento a probabilidade de
cada evento simples
n
a p
i
1
) ( = .
Simbolizando um evento qualquer do espao amostral de um experimento pela
letra A, define-se a probabilidade desse evento ocorrer como:
N
n
A p
A
= ) ( ,
onde A um subconjunto do espao amostral,
A
n o nmero de modos como A pode
ocorrer (ou total de pontos da amostra designada A) e N o total de pontos possveis do
experimento em questo (ou total de elementos da populao que originou a amostra
A).
Exemplo 10.6: No lanamento de um dado se aposta na face mpar. Qual a probabilidade
de vitoria?
Soluo: No lanamento de um dado, o espao amostral :
S={1, 2, 3, 4, 5, 6}
Desse espao amostral, so impares os pontos do subconjunto
A={1, 3, 5}
Como o nmero de elementos de S 6 e o nmero de elementos de A 3. Temos
que, a probabilidade de vitoria :
% 50 5 , 0
2
1
6
3
) ( = = = = A p
Ou seja, obtm a chance de vitoria dividindo o total de nmeros mpares no lan-
amento de um dado isolado, pelo total de resultados que ele pode apresentar.
Exemplo 10.7: Em gentica utilizamos a mesma linha de raciocnio.Qual a probabilidade
de um casal ter dois filhos do sexo feminino?
Soluo: O nascimento da primeira filha no afeta a chance de o segundo filho ser
do sexo feminino, pois a segregao dos alelos de um gene to ao acaso quanto jogar
uma moeda para cima e obter cara ou coroa. Portanto:
Probabilidade de
ser menina
X Probabilidade
de ser menina

2
1

X
2
1

4
1
=

Resultado 1/4 ou 25%

10.4 Regras Bsicas do Calculo das Probabilidades
Para maior facilidade na soluo de problemas de probabilidades, devemos entender
as seguintes propriedades e regras:
1 A probabilidade de um evento A deve ser um nmero maior ou igual a zero e me-
nor ou igual a 1, isto , 1 ) ( 0 s s A P .
2 A probabilidade do evento certo igual a 1, isto , 1 ) ( = S P .
3 A probabilidade do evento impossvel igual a zero, isto , 0 ) ( = | P .
4 Regra da Soma das Probabilidades. Se A e B so dois eventos mutuamente exclu-
sivos (ou excludentes), isto , | = B A , ento
) ( ) ( ) ( ) ( B P A P B A P B A P + = + =
5 Se A e B no forem mutuamente exclusivos (ou no excludentes), ento:
) ( ) ( ) ( ) ( B A P B P A P B A P + =
6 Se A o evento complementar de A, ento:
) ( 1 ) ( A P A P =
Exemplo 10.8: Seja a experincia de lanar um dado. Dados os eventos A={sair o n-
mero 3}, b={sair o nmero par} e C={sair um nmero mpar}. Determinar:
a)
) (A P
;
b) ) (B P ;
c) ) (C P ;
d) ) ( B A P ;
e) ) ( C A P ;
f) ) (A P .
Soluo: Como S= {1, 2, 3, 4, 5, 6}; A={3}, B={2, 4, 6}; C={1, 3, 5}, ento:
a)
6
1
) ( = A P
b)
2
1
6
3
) ( = = B P
c)
2
1
6
3
) ( = = C P
d)
3
2
2
1
6
1
) ( ) ( ) ( = + = + = B P A P B A P , observe que | = B A .
e)
6
1
) ( =

=
S de elementos de numero
C A de elementos de numero
C A P , observe que
} 3 { = C A
f)
6
5
6
1
1 ) ( 1 ) ( = = = A P A P , observe que } 6 , 5 , 4 , 2 , 1 { = A .
Exemplo 10.9: Qual a probabilidade de um casal ter dois filhos, sendo um menino e
uma menina?
Soluo: Para responder esta questo, utilizaremos as duas regras
Probabilidade
de ser menina
(1Filho)

X
Probabilidade
de ser menina
(2Filho)

OU
Probabilidade
de ser menina
(1Filho)

X
Probabilidade
de ser menina
(2Filho)
2
1

x
2
1

+
2
1

x
2
1

2
1
4
2
4
1
4
1
= = +

Resultado 1/2 ou 50%
10.4.1 Probabilidade Condicional
Se A e B so eventos de um espao amostral S, com 0 ) ( = B P , ento a probabili-
dade condicional do evento A, tendo ocorrido o evento B, indicada por ) / ( B A P e
definida pela expresso:
) (
) (
) / (
B P
B A P
B A P

=
Podemos encontrar uma expresso mais pratica para o clculo da probabilidade con-
dicional:
B eevnto do elementos nmero
B A de elementos de numero
B A P

= ) / (
Exemplo 10.10: A tabela 1 apresenta o nmero de clientes de uma cantina de um
hospital. Qual a probabilidade de um cliente da cantina ser no-paciente do hospital,
dado que tem at 30 anos?
Tabela 10.1 Clientes de uma Cantina.

Idade
Paciente?
Total Sim No
At 30 anos 22 30 52
De 31 a 40 anos 49 70 119
Mais de 40 anos 29 40 69
Total 100 140 240

Soluo:
A={cliente da cantina com idade at 30 anos}
B={cliente do cantina no-paciente do hospital}
De acordo com a tabela 10.1, dos 240 clientes pesquisados, 140 so no-
pacientes, dos quais 30 tm at 30 anos. Isso significa que a probabilidade de se esco-
lher um cliente da cantina e ele:
a. No ser paciente do hospital, 140 (casos favorveis) dividido por 240 (to-
tal de possibilidades), isto , 140/240=7/12=0,5833=58,33%.
b. Alm de no ser paciente do hospital, ter idade at 30 anos, 30 (casos
favorveis) dividido por 240 (total de possibilidades), isto ,
30/240=1/8=0,125=12,5%.
Nestas condies, a probabilidade de um cliente da cantina no ser paciente
do hospital com idade de at 30 anos dada por:
% 43 , 21
14
3
140
30
140
240
240
30
240
140
240
30
) (
) (
) / ( = = = = =

=
B P
B A P
B A P
Em sntese, o que a probabilidade condicional revela quanto mais infor-
mao se tiver, menor ser o espao amostral de anlise. No exemplo, em vez de
considerar todos os 240 clientes da cantina, basta avaliar os 140 no-pacientes do
hospital.
10.4.2 Regra do produto
A partir da definio de probabilidade condicional, podemos explicitar ) ( B A P
e encontrar a regra do produto para dois eventos, assim:
) / ( ) ( ) ( B A P B P B A P = ou ) / ( ) ( ) ( A B P A P B A P =
Ento, a probabilidade da ocorrncia simultnea de dois eventos de um mesmo
espao amostral igual probabilidade de um deles ocorrer, pela probabilidade con-
dicional do outro, dado o primeiro.
Exemplo 10.11: Retirar sem reposio duas clulas de uma amostra de 10 clulas,
onde 4 so benignas. Qual a probabilidade de que ambas sejam malignas?
Soluo: Sejam os eventos
A={a 1 clula ser maligna}
B={a 2 clula ser maligna}
Desta forma, precisamos avaliar ) ( B A P .
3
1
9
5
10
6
) / ( ) ( ) ( = = = A B P A P B A P
Observe que ) / ( A B P a probabilidade de a 2 clula ser maligna, dado que a 1 foi
maligna.


10.4.3 Regra do produto para dois eventos independentes
Dois eventos so considerados de independentes se a probabilidade de ocorrn-
cia de um no altera a chance de ocorrncia do outro. Em termos matemticos,
isso permite escrever que ) ( ) / ( A P B A P = , assim como que ) ( ) / ( B P A B P = .
Por outro lado, fazendo algumas transformaes elementares em
) (
) (
) / (
B P
B A P
B A P

= permitem escrever ) / ( ) ( ) ( B A P B P B A P = . Nessa equa-
o, fazer ) ( ) / ( A P B A P = permite escrever que, para eventos independentes:
) ( ) ( ) ( A P B P B A P =
Exemplo 10.12: Retira-se com reposio duas cartas de um baralho com 52 cartas.
Qual a probabilidade de que ambas sejam de copas?
Soluo: Sejam os eventos:
A={a 1 carta de copas}
B={a 2 carta de copas}
Como A e b so independentes, a ocorrencia de um deles no est vinculado ocor-
rncia do outro. Veja que, o processo com reposio, desta forma, o espao amos-
tral no alterado para o clculo da probabilidade do outro evento. Assim,
6
1
52
13
52
13
) ( ) ( ) ( = = = A P B P B A P

10.5 Distribuio de Probabilidades
Apresentaremos trs modelos tericos de distribuio de probabilidade, aos quais
um experimento aleatrio estudado possa ser adaptado, o que permitir a soluo de
grande nmero de problemas prticos.
10.5.1 Variveis aleatrias
Suponhamos um espao amostral S e que a cada ponto amostral seja atribudo
um nmero. Fica, ento, definida uma funo chamada varivel aleatria.
Muitas vezes no estamos interessados propriamente no resultado de um expe-
rimento aleatrio, mas em alguma caracterstica numrica a ele associada. Essa caracte-
rstica ser chamada varivel aleatria.
Assim, se o espao amostral relativo ao "lanamento simultneo de duas moedas"
S = {(c,c), (c,k), (k,c), (k,k)} e se X representa o "nmero de caras" que aparecem, a cada
ponto amostral podemos associar um nmero para X, de acordo com a tabela abaixo (X
a varivel aleatria associada ao nmero de caras que foi observado):
Tabela 10.2 lanamento simultneo de duas moedas
Ponto Amostral X
( c,c ) 2
( c,k ) 1
( k,c ) 1
( k,k ) 0
Logo podemos escrever:
Tabela 10.3 Probabilidade de sair cara
Nmeros de caras ( X) Probabilidade (X)
2 1/4
1 2/4
0 1/4
Total 4/4 = 1

10.5.2 Varivel Aleatria Discreta
Uma varivel aleatria denominada discreta quando se refere a experimentos
dos quais resultam valores contveis ou pontos especficos em dado intervalo. Uma vari-
vel aleatria discreta conveniente o conjunto dos nmeros naturais, N={0, 1, 2, 3, ...,
n,...}.
A possibilidade de contar, de descrever variveis por nmeros, estatisticamente
muito relevante. Mas, felizmente ou infelizmente, nem tudo so nmeros. H coisas que
simplesmente no se pode expressar por nmeros. Como por exemplo, imagine se voc
perguntar a um visitante: Voc se lembra de algum comercial sobre roupas veiculados
na TV local? A resposta, nesse caso, no um nmero; um simples sim ou no. Voc
pode taquigrafar o no com n e o sim com um s, assim como pode atribuir zero a quem
diz no e um a quem diz sim. Cada uma dessas formas tem suas virtudes e defeitos. As
atribuies n e s so auto-explicveis; com os nmeros zero e um podem-se fazer contas.
10.5.3 Varivel Aleatria Continua
Diz-se que a varivel aleatrio continua quando relativa a coisas mensurveis, a
eventos que podem assumir qualquer valor numrico em dado intervalo. especialmen-
te adequada a medidas de tempo, distncias, velocidades, volumes e pesos.
Voc poder usar uma varivel continua para monitorar o tempo entre atendi-
mentos no laboratrio de analises clinicas, assim como pode para determinar a distancia
do ambulatrio mdico aos locais de exames.
Exemplo 10.3: Consideremos a distribuio de freqncias relativa ao nmero de aciden-
tes dirios na Rodovia do SOL durante o ms de nov/97:
Tabela 10.4 Distribuio do nmero de acidentes dirios na Rodovia do Sol
Nmero de acidentes Frequncia
0 22
1 5
2 2
3 1
Podemos ento escrever a tabela de distribuio de probabilidade:
Tabela 10.5 Probabilidade do numero de acidentes
Nmero de acidentes (X) Probabilidade (X)
0 0,73
1 0,17
2 0,07
3 0,03
Total 1,00
Construmos acima uma tabela onde aparecem os valores de uma varivel aleatria
X e as probabilidades de X ocorrer que a tabela de distribuio de probabilidades.
Atividade

Descreva o espao amostral para os experimentos das questes 1 e 2:
1 Escolher dois estudantes, entre 4, para serem o presidente e o tesoureiro da comis-
so de formatura. Se cada comisso representada por um para ordenado em que o
1 nome o do presidente e o 2 o do tesoureiro, o que significa o par (Maria, Jo-
o) nesse experimento?

2. Faz-se um levantamento em famlias com 3 crianas e registra-se o sexo (M ou F)
das crianas em ordem decrescente de idade. O que significa a seqncia (MFF) nes-
se experimento?

3. Estilo de vida um fator que agrega o modo como as pessoas vivem, como se vem
e como querem que os outros as vejam . tambm funo de variveis como renda,
ocupao, instruo e convivio social. Alguns estilos so especialmente interessan-
tes para quem gerencia atraes (ambientalistas gostam de zos e passeios ecolgi-
cos, etc). A tabela a seguir mostra o resultado de um teste de identificao de estilo
de vida com 150 pessoas aleatoriamente selecionadas.
Estilo de vida
Pesquisado Tipo A Tipo B Total
Homem 78 42 120
Mulher 19 11 30
Total 97 53 150
a) Escolhendo um dos questionrios preenchidos pelos entrevistados sobre prefe-
rncias por atraes tursticas, qual a probabilidade de ele se referir a algum:
i) Do estilo de vida A?
ii) Do sexo feminino?
iii) Do Estilo B, dado que mulher?
iv) Do sexo masculino ou que tenha estilo de vida Tipo B?
b) Os eventos sexo feminino e tipo A so mutuamente excludentes?
c) Os eventos tipo A e sexo masculino so independentes
2) Ao inspecionar 10.000 caixas de frutas recebidas dos produtores ECD e HND, um ata-
cadista constata o seguinte:
Caixas com Frutas
Fornecedor Caixas recebidas Danificadas Muito Maduras
ECD 6000 200 840
HND 4000 365 295
Total 10000 565 1135

Se o atacadista colocar venda as 10.000 caixas nas condies recebidas:
a) Qual a probabilidade de uma caixa selecionada ao acaso:
i) Conter frutas danificadas?
ii) Conter frutas muito maduras?
iii) Ser do fornecedor HND ou do ECD?
b) Selecionada uma caixa com frutas muito maduras , qual a probabilidade de ser de
HND?
c) Qual a probabilidade de uma caixa conter frutas danificadas ou muito maduras,
supondo esses eventos mutuamente excludentes?











Correlao e Regresso


Em muitas situaes do dia a dia, torna-se interessante e til estabelecermos uma re-
lao entre duas ou mais variveis. A matemtica estabelece vrios tipos de relaes en-
tre variveis, as relaes funcionais e as correlaes.
As relaes funcionais so relaes matemticas expressas por sentenas matemti-
cas. So exemplos j vistos anteriormente:
a) rea do retngulo (A = a.b) a relao entre os lados do retngulo;
b) Densidade de massa (d
m
= m/V) a relao entre a massa e o volume de um cor-
po;
c) Permetro de uma circunferncia (C = 2pi.R) a relao entre o cumprimento da
circunferncia e o valor do raio.
Pretende-se mostrar nesta unidade a natureza das relaes estatsticas e verificar
quais variveis explicam ou modificam os fenmenos estudados, onde se pode avaliar,
estimar e prever suas ocorrncias futuras. Em razo disto, temos como objetivos mostrar
como:
Relacionar variveis especificas, fato fundamental na tomada de decises;
Determinar e explicitar as relaes entre as variveis que caracterizam os even-
tos;
Avaliar a qualidade das relaes entre as variveis;
Obter equaes que relacionam as variveis;
Analisar estatisticamente as referidas equaes.
As analises em questo tero por base os modelos de regresso e seus coeficientes
de correlao. Observe-se que os referidos modelos so complementares, no antagni-
cos. Isto , enquanto o modelo de regresso define a relao matemtica entre as vari-
veis, o coeficiente de correlao simplesmente diz quo forte essa relao.
Relaes estatsticas e correlaes
So relaes estabelecidas aps uma pesquisa. Com base nos resultados da pesquisa,
fazem-se comparaes que eventualmente podem conduzir (ou no) ligao entre as
variveis.
Exemplo: relao entre a idade e a estatura de uma criana ou a relao entre a classe
social de uma pessoa e o atendimento num hospital particular.
Em se tratando de licenciatura em biologia, podemos estabelecer relaes que
envolvem variveis como classe social, idade, sexo, cultura, situao econmica, salrio,
peso, altura, etc.
No estudo estatstico, a relao entre duas ou mais variveis denomina-se corre-
lao.
A utilidade e importncia das correlaes entre duas variveis podem conduzir
descoberta de novas situaes e de novos mtodos, cujas estimativas so vitais em to-
madas de decises em pesquisas.

11.1 Correlao Linear

Correlao linear uma correlao entre duas variveis, cujo grfico aproxima-se
de uma linha reta. uma linha de tendncia, pois procura acompanhar a tendncia da
distribuio de pontos, que pode corresponder a uma reta ou uma curva. Por outro lado
, tambm, uma linha mdia, porque procura deixar a mesma quantidade de pontos a-
baixo e acima da linha reta.
O sinal positivo do coeficiente de correlao linera indica que o sentido da corre-
lao corresponde a uma reta de inclinao decrescente, e o sinal negativo corresponde
a uma reta de inclinao crescente.

Figura 11.1

0
1
2
3
4
5
6
7
8
1 2 3 4 5 6
Srie1





0
1
2
3
4
5
6
7
8
1 2 3 4 5 6
Srie1
0
1
2
3
4
5
6
7
8
0 1 2 3 4 5 6 7
Srie1
0
1
2
3
4
5
6
7
8
0 1 2 3 4 5 6 7
Srie1
Correlao linear perfeita
negativa, isto , r=-1

Fraca correlao negativa, r<0
Forte correlao positiva, r>0



11.2 Coeficiente de correlao de Pearson
O coeficiente de correlao linear pode ser apresentado como uma medida de
correlao, pois tem como objetivo indicar o nvel de intensidade que ocorre na correla-
o entre as variveis. O coeficiente de correlao linear pode ser positivo ou negativo.
Coeficiente de correlao de Pearson (r) dado por:

=



Onde:
r = o coeficiente de correlao de Pearson
n = o nmero de dados os de observaes

= a varivel independente

= a varivel dependente
O valor do coeficiente de correlao r tem variao entre +1 e -1, ou seja, est li-
mitado entre os valores do intervalo 1, +1.


0
0,5
1
1,5
2
2,5
3
3,5
4
4,5
0 1 2 3 4 5 6 7
Srie1
Ausncia de correlao
linear, r=0

Propriedades do Coeficiente de Correlao Linear
Carece de unidades de medidas (adimensional).
invariante para as transformaes lineares (mudana de origem e de escalas)
das variveis.
S assume valores compreendidos ente -1 e +1.
Quando |r| est prximo de um valor, afirma-se que h uma relao linear muito
forte entre as variveis.
Quando 0, pode-se afirmar que no h relao linear entre ambas as vari-
veis . Desta forma, diz-se que as variveis so no-correlacionadas.
Portanto, afirmar que = 1 o mesmo que dizer que as observaes de ambas as va-
riveis esto perfeitamente alinhadas.

11.3 Regresso Reta de Regresso (ou Reta de Mnimos Quadra-
dos ou Reta de Ajuste)

Um dos maiores problemas para o investigador de fenmenos humanos ou fsicos
o estabelecimento de um modelo matemtico que descreve e explique o fenmeno
ocorrido na vida real, com boa aproximao. A busca de uma relao funcional entre as
variveis observadas que descrevem o fato uma tarefa de muitos pesquisadores em
diversas reas do conhecimento. Assim, por exemplo, o pediatra tem interesse em esta-
belecer uma relao funcional entre o peso de a altura do beb; um economista busca
encontrar uma funo que explique o comportamento das vendas em funo do preo; o
mdico tem interesse em relacionar atravs de uma funo o volume do plasma sangu-
neo e a superfcie dos corpos dos pacientes, etc.
Seja Y uma varivel que queremos estudar e cujo comportamento futuro deseja-
mos descobrir. fcil identificarmos uma srie de variveis

: (
1
, X
2
, X
3
, , X
n
que
influenciar o comportamento de Y, a varivel dependente do modelo. A Estatstica ofe-
rece meios de chegarmos funo entre a varivel dependente (Y) e as variveis inde-
pendentes (
1
, X
2
, X
3
, , X
n
atravs da anlise de regresso. Quanto maior o numero
de variveis explicativas, mais completo ser o modelo. Todavia, sua soluo ser tam-
bm mais complexa e difcil. Em razo disso, ns apenas utilizaremos o modelo de duas
variveis: a varivel dependente Y e a varivel independente X. Portanto, apresentare-
mos o estudo da funo linear (ajustamento de uma reta) que dada por:
= +


Onde
= constante (ponto em que a reta corta o eixo dos y)
= constante = coeficiente de regresso.
Y = varivel dependente
X= varivel independente

Sendo a e b os parmetros da equao da reta , estes podem ser calculados por
meio das expresses:
( )
2
2


=
i i
i i i i
x x n
y x y x n
a
e
n
x
a
n
y
b
i i
=


Uma maneira simples para auxiliar na determinao da funo entre as variveis
dependentes e independentes a construo do grfico denominado diagrama de dis-
perso. Para construirmos o diagrama de disperso devemos coletar uma amostra de
valores X e Y:
1
,
1
,
2
,
2
,
3
,
3
, ,

, e depois marcar esses pontos no


sistema de coordenadas cartesianas.
Um exemplo simples consiste em considerar uma populao formada por estudantes do
curso de Biologia, definindo sobre ela as variveis
s centimetro em medida altura X
metros em medida altura Y
Veja que no necessrio fazer grandes esforo para intuir que a funo entre ambas
dada por:
100
X
Y =
Obter essa funo menos evidente quando o que medimos sobre o mesmo grupo de
estudantes :
s centimetro em medida altura X
quilos em medido peso Y
O fato que, uma vez conhecida a altura
i
x de um estudante, no certo que
possamos determinar, de modo exato, seu peso
i
y (por exemplo, dois estudantes que
medem 1,72 m podem pesar, respectivamente, 62 e 65 quilos). No entanto, alguma rela-
o entre eles devem existir, pois parece muito mais provvel que um individuo de 2 m
pese mais que outro cuja altura 1,30 m. Pode nos parecer mais ou menos aproximada
uma relao entre ambas as variveis.

Exemplo 11.1: Em um grupo de pacientes de um hospital, mediu-se as quantidades an-
tropomtricas peso e idade, obtendo-se os seguintes dados:
Tabela 11.1 - Resultados das medies
X (idade) 12 8 10 11 7 7 10 14
Y (peso) 58 42 51 54 40 39 49 56

Responda:
a) Existe uma relao linear importante entre essas variveis?
b) Calcule a reta de regresso da idade em funo do peso e a do peso em funo da
idade.

Soluo:
a) Para sabermos se h uma relao linear entre as variveis em estudo, calcularemos o
coeficiente de correlao de Pearson.
Para isto elaboraremos uma tabela contendo nas colunas as variveis dependentes (
i
y
),
as independentes (
i
x
) e os produtos
i i
y x
,
2
i
x
e
2
i
y
.
Tabela 11.2 Relao estre as variaveis X e Y
X (idade) (
i
x
)
Y (peso) (
i
y
),
i i
y x

2
i
x

2
i
y

12 58 696 144 3364
8 42 336 64 1764
10 51 510 100 2601
11 54 594 121 2916
7 40 280 49 1600
7 39 273 49 1521
10 49 490 100 2401
14 56 784 196 3136
79 389 3963 823 19303

Assim, o coeficiente de correlao de Pearson :

( ) | | ( ) | |
( ) | | ( ) | |
2 2 2
2
2
2
389 19303 8 79 823 8
389 79 3963 8


=


=


i i i i
i i i i
y y n x x n
y x y x n
r
9431 , 0
663 , 1031
973
1064329
973
3103 343
30731 31704
= = =

= r
Portanto o ajuste linear muito bom.
b) Iremos calcular agora os coeficientes da equao
= +

( )
( )
8367 , 2
343
973
79 823 8
389 79 3963 8
2 2
2
= =


=


=


i i
i i i i
x x n
y x y x n
a

6122 , 20 875 , 9 8367 , 2 625 , 48
8
79
8367 , 2
8
389
= = = =

n
x
a
n
y
b
i i
Logo, X Y 6122 , 20 8367 , 2 + =

Exemplo 11.2: Determine o coeficiente de correlao e a equao da reta de regresso
da tabela abaixo, que trata de uma pesquisa entre o peso total do lixo descartado por dia
com o peso do papel contido no lixo.



Tabela 11.2 Relao do peso total do lixo descartado por dia e o peso papel contido no
lixo
Peso to-
tal(
i
x
)
10,47 19,85 21,25 24,36 27,38 28,09 33,61 35,73 38,33 49,14
Peso do
papel (
i
y
)
2,43 5,12 6,88 6,22 8,84 8,76 7,54 8,47 9,35 11,43

Soluo:
Para calcularmos o coeficiente de correlao de Pearson, necessitamos elaborar uma
tabela contendo nas colunas as variveis dependentes (
i
y
), as independentes (
i
x
) e os
produtos
i i
y x
,
2
i
x
e
2
i
y
.

Tabela 11.3 Calculos para construo da reta de ajuste
(
i
x
) (
i
y
)
i i
y x

2
i
x

2
i
y

10,47 2,43
25,4421 109,621 5,9049
19,85 5,12
101,632 394,023 26,214
21,25 6,88
146,2 451,563 47,334
24,36 6,22
151,519 593,41 38,688
27,38 8,84
242,039 749,664 78,146
28,09 8,76
246,068 789,048 76,738
33,61 7,54
253,419 1129,63 56,852
35,73 8,47
302,633 1276,63 71,741
38,33 9,55
366,052 1469,19 91,203
49,14 11,43
561,67 2414,74 130,64
288,21 75,24 2396,68 9377,52 623,47

9206 , 0
57 , 2478
83 , 2281
6143317
83 , 2281
59 , 573 21 , 10710
92 , 21684 75 , 23966
= = =

= r
Portanto o ajuste linear muito bom.
Para encontrar a equao da reta precisamos determinar:
( )
213 , 0
21 , 10710
83 , 2281
0 , 83065 2 , 93775
92 , 21684 75 , 23966
2
2
= =


=


i i
i i i i
x x n
y x y x n
a


38 , 1 82 , 28 213 , 0 52 , 7 = = =

n
x
a
n
y
b
i i

Logo, 213 , 0 38 , 1 + = X Y


Referncias

BARBETTA, Pedro Alberto. Estatstico aplicado s Cincias Sociais, 2 Edio, Editora da
UFSC, Florianpolis SC, 1998.
BERQU, E. S.; SOUZA, J. M. P. e GOTLIEB, S. L. D.. Bioestatstica, Editora USP, So Paulo-
SP, 1981.
BRAULE, Ricardo. Estatstica aplicada com excell para cursos de administrao e econo-
mia, 1 edio, Editora Campus, Rio de Janeiro, 2001.
BUNCHAFT & KELLNER. Estatstica sem Mistrios, vol. 1, 1 edio, Editora Vozes, Petr-
polis - RJ, 1997.
BUSSAB, Wilton. Estatstica Bsica. Saraiva. 5a edio 2006. 540p. ISBN 8502034979
CRESPO, Antonio Arnot. Estatstica fcil, 11 edio, Editora Saraiva, So Paulo, 1994.
FONSECA, Jairo Simon e MARTINS, Gilberto de Andrade. Curso de Estatstica, 6 edio,
Editora Atlas, So Paulo, 1996.
KAZMIER, Leonard J. . Estatistica Aplicada Economia e Administrao. Coleo Schaum.
Editora McGraw-Hill do Brasil, So Paulo-SP, 1982
MANN, Prem S. Introduo Estatstica. LTC. 5a edio 2006, 774p. ISBN 852161506X
McCLAVE, J. T., BENSON, P. G., SINCICH, T. Statistics for Business and economics. 8 ed.
Nova Jersey: Prentice-Hall, 2001.
MILONE, Guiseppe. Estatstica Geral e Aplicada. Thomson Pioneira. 498p.1a edio 2003.
ISBN 8522103399
MOORE, David S. A Estatstica Bsica e sua Prtica. LTC. 3a edio 2005. 688p. ISBN
8521614438
PAGAMO, Marcello e GAUVREAU, Kimberlee. Principios de Bioestatstica, 1 edio, Edi-
tora Thomson, So Paulo-SP, 2004.
RIUS DIAZ, Francisca e LOPEZ, Francisco Javier Barn. Bioestatstica, 1 edio, Editora
Thomson, So Paulo-SP, 2007.
TRIOLA, Mrio F. Introduo Estatstica. LTC. 10a edio 2008. 722p. ISBN 8521615868
VIEIRA, S.. Introduo a Bioestatstica, Editora Campus Ltda, Natal-RN, 1991
VIEIRA, Snia. Princpios de Estatstica, 1 edio, Editora Pioneira, So Paulo, 1999.
WILLCOX, Walter. The Founder of Statistics. Review of the International Statistical Insti-
tute 5(4):321-328, (1938).
WITTE, John S.; WITTE, Robert S. Estatstica. LTC. 7a edio 2005. 506p. ISBN 8521614411