Apostila Prob e Estatistica - Sistemas e Ciencias - 2013

APOSTILA APOSTILA
de de
Probabilidade e Estatstica Probabilidade e Estatstica
Adriane Guarienti
adrig.sm@terra.com.br
adriane@unifra.br
2012
Professora Adriane Guarienti
UNIFRA Disciplina: Probabilidade e Estatistica
MTODOS ESTATSTICOS
1 CONCEITO
1.1 - Estatstica
A Estatstica um conjunto de mtodos destinados coleta, organizao, resumo, apresentao e
anlise de dados de observao, bem como da tomada de decises razoveis baseadas em tais
anlises.
A Estatstica um conjunto de processos ou tcnicas empregadas na investigao e anlise de
fenmenos coletivos ou de massa.
1.2 Diviso da Estatstica
A Estatstica divide-se em duas partes Geral e Aplicada.
Descritiva
Geral ou metodolgica Indutiva ou inferencial
Biometria
Econometria
Mecnica estatstica
Aplicada Demografia
Psicometria
Sociometria
1.2.1 Estatstica geral ou metodolgica
Visa elaborar mtodos gerais aplicveis a todas as fases do estudo dos fenmenos de massa. tendo
por finalidade o estudo das propriedades matemticas desses fenmenos e a deduo e
demonstrao rigorosa dos procedimentos e frmulas usadas freqentemente.
Estatstica Descritiva
Suponha que se tenha informaes de um conjunto de notas de estudantes matriculados em
uma disciplina de Estatstica. Na terminologia estatstica, o conjunto de notas desses
estudantes chamado de conjunto de dados, e a nota individual de cada estudante
chamada de observao.
Dessa maneira reduz-se o conjunto de dados, tornando-o mais malevel, constituindo tabelas,
grficos ou sumarizando os seus valores atravs de medidas descritivas, como a mdia. A
parte da estatstica que nos ajuda neste tipo de anlise chamada de estatstica descritiva.
Estatstica Inferencial
O conjunto de todos os elementos de interesse chamado de populao. A retirada de uma
parte dessa populao chamada de amostra.
A maior parte dos objetivos estatsticos, como decises, inferncias e previses sobre
populaes so baseadas em resultados obtidos de amostras.
2
A rea da estatstica que tem por objetivo tomar decises, com base em amostras, chamada
de estatstica inferencial ou estatstica indutiva.
1.2.2 Estatstica aplicada
A diversidade de atuao um dos grandes atrativos da Estatstica, que pode promover a melhoria
da eficincia e tambm, a soluo de vrios problemas prticos importantes em quase todas as
reas do saber: das Cincias Naturais s Sociais.
O que modernamente se conhece como Estatstica, um conjunto de tcnicas e mtodos de
pesquisa que, entre outros tpicos, envolve o planejamento do experimento a ser realizado, a coleta
qualificada dos dados, a inferncia, o processamento e anlise das informaes e a disseminao
dessas informaes.
O desenvolvimento e o aperfeioamento de tcnicas estatsticas, de obteno e de anlise de
informaes, permitem o controle e o estudo adequado de fenmenos, fatos, eventos e ocorrncias,
em diversas reas do conhecimento. A Estatstica tem por objetivo fornecer mtodos e tcnicas para
lidarmos, racionalmente, com situaes sujeitas a incertezas.
2 DEFINIES
2.1 - Populao x Amostra
Populao (N): Conjunto de todos os elementos relativos a um determinado fenmeno que
possuem pelo menos uma caracterstica em comum, a populao o conjunto Universo,
podendo ser finita ou infinita.
Finita - apresenta um nmero limitado de observaes, que passvel de contagem.
Infinita - apresenta um nmero ilimitado de observaes que impossvel de contar e
geralmente esta associada a processos.
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.
2.2 - 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: o processo de retirada de informaes dos "n" elementos amostrais, no qual
deve seguir um mtodo criterioso e adequado (tipos de amostragem).
2.3 - Parmetros x Estatsticas
Parmetros: so medidas populacionais quando se investiga a populao em sua totalidade,
neste caso impossvel fazer inferncias, pois toda a populao foi investigada.
Estatsticas ou Estimadores: so medidas obtidas da amostra, torna-se possvel neste caso
utilizarmos as teorias inferncias para que possamos fazer concluses sobre a populao.
3
2.4 - Dado x Varivel
Dados estatsticos: qualquer caracterstica que possa ser observada ou medida de
alguma maneira. As matrias-primas da estatstica so os dados observveis.
Varivel: aquilo que se deseja observar para se tirar algum tipo de concluso, geralmente as
variveis para estudo so selecionadas por processos de amostragem. Os smbolos 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:
- Qualitativas (ou atributos): So caractersticas de uma populao que no pode ser medidas.
- 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
conjunto 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.
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
volume de gua em um reservatrio ou o peso de um pacote de cereal.
2.5 - Arredondamento de Dados
1) Se o primeiro algarismo aps aquele que formos arredondar for de 0 a 4, conservamos o
algarismo a ser arredondado e desprezamos os seguintes.
Ex.: 7,34856 (para dcimos) 7,3
2) Se o primeiro algarismo aps aquele que formos arredondar for de 6 a 9, acrescenta-se uma
unidade no algarismo a ser arredondado e desprezamos os seguintes.
3) Se o primeiro algarismo aps aquele que formos arredondar for 5, seguido apenas de zeros,
conservamos o algarismo se ele for par ou aumentamos uma unidade se ele for mpar,
desprezando os seguintes.
12,350 (para dcimos) 12,4
Se o 5 for seguido de outros algarismos dos quais, pelo menos um diferente de zero,
aumentamos uma unidade no algarismo e desprezamos os seguintes.
8,4503 (para dcimos) 8,5
2.6 Fases do mtodo estatstico
4
O mtodo estatstico abrange as seguintes fases:
a) Definio do Problema
Consiste na:
- formulao correta do problema;
- examinar outros levantamentos realizados no mesmo campo (reviso da literatura);
- saber exatamente o que se pretende pesquisar definindo o problema corretamente (variveis,
populao, hipteses, etc.)
b) Planejamento
Determinar o procedimento necessrio para resolver o problema:
- Como levantar informaes;
- Tipos de levantamentos: Por Censo (completo); Por Amostragem (parcial).
- Cronograma , Custos, etc.
c) Coleta ou levantamento dos dados
Consiste na obteno dos dados referentes ao trabalho que desejamos fazer.
A coleta pode ser: Direta - diretamente da fonte;
Indireta - feita atravs de outras fontes.
Os dados podem ser obtidos pela prpria pessoa (primrios) ou se baseia no registro de terceiros
(secundrios).
d) Apurao dos Dados ou sumarizao
Consiste em resumir os dados, atravs de uma contagem e agrupamento. um trabalho de
coordenao e de tabulao.
Apurao: manual, mecnica, eletrnica e eletromecnica.
e) Apresentao dos dados
a fase em que vamos mostrar os resultados obtidos na coleta e na organizao.
Esta apresentao pode ser: Tabular ou Grfica
f) Anlise e interpretao dos dados
a fase mais importante e tambm a mais delicada. Tira concluses que auxiliam o pesquisador a
resolver seu problema.
3 APRESENTAO DE DADOS
5
Quando se realiza um estudo e se quer apresentar os resultados, pode-se optar por trs maneiras:
tabelas, quadros e/ou grficos. Cada um destes tipos de apresentao possui suas caractersticas
prprias, as quais sero mostrados no decorrer do captulo.
3.1 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 Conselho Nacional de Estatstica.
As normas de apresentao so editadas pelo Instituto Brasileira de Geografia e Estatstica (IBGE).
3.1.1 Representao
Exemplo:
Estrutura Empresarial, cidade de Santa Maria, ano de 2006
Ramo de Atividade n de unidades
Agricultura, pecuria, silvicultura e explorao florestal 52
Indstrias de transformao 934
Indstrias extrativas 13
Construo 380
Produo e distribuio de eletricidade, gs e gua 15
Comrcio, reparao de veculos, objetos pessoais e domsticos 7485
Alojamento e alimentao 813
Transporte, armazenagem e comunicaes 521
Intermediao financeira, seguros, previdncia complementar 163
Atividades imobilirias e servios prestados s empresas 1573
Administrao pblica, defesa e seguridade social 71
Educao 215
Sade e servios sociais 282
Outros servios coletivos, sociais e pessoais 1007
Fonte: IBGE,Cadastro Central de Empresas 2006
3.1.2 Elementos de uma tabela
Ttulo
Estrutura Empresarial, cidade de Santa Maria, ano de 2006
O ttulo a parte superior da tabela e deve conter um contedo suficiente para responder trs
perguntas:
- O que? Assunto a ser representado: Estrutura Empresarial
- Onde? O lugar onde ocorreu o fenmeno: Santa Maria
- Quando? A poca que ocorreu o fenmeno: 2006
Cabealho
a parte da tabela na qual se indica a natureza do contedo de cada coluna.
Ramo de Atividade n de unidades
Corpo
a parte da tabela composta por linhas e colunas.
Casa ou clula
a parte da tabela formada pelo cruzamento de uma linha com uma coluna.
Rodap
o espao aproveitado abaixo na tabela, onde so colocados detalhes do contedo da tabela de
natureza informativo (fonte, notas de observaes).
Fonte: IBGE,Cadastro Central de Empresas 2006
6
3.2 Distribuio de Freqncia
Os dados so colocados em classes pr calculadas, registrando a freqncia de ocorrncia. Uma
distribuio de freqncia pode ser classificada em discreta (pontual) e intervalar.
3.2.1 Distribuio de Freqncia Discreta ou Pontual
uma srie de dados agrupados na qual o nmero de observaes est relacionado com um
nmero real.
Idade de 15 alunos da ADM, 1 semetre da UNIFRA, 2010/1
Idade (xi) N alunos (fi)
17 2
18 3
19 5
20 2
21 3
15
Fonte: Dados Hipotticos
3.2.2 Distribuio de Freqncias Intervalar
Na distribuio de freqncia, os intervalos parciais devero ser apresentados de maneira a evitar
dvidas quanto classe a que permanece determinado elemento.
O tipo de intervalo mais usado do tipo fechado a esquerda e aberto a direita, representado pelo
smbolo: |---.
Altura dos dos Alunos da ADM, 1 semetre da UNIFRA, 2010/1
Altura (cm) Ponto mdio (xi) n alunos (fi)
150 |--- 158 154 4
158 |--- 166 162 12
166 |--- 174 170 20
174 |--- 182 178 13
182 |--- 190 186 5
---- 54
Etapas para a construo de uma distribuio de freqncias:
1) Coleta dos dados
Consiste em obter os dados brutos, que so os dados coletados na ordem na qual aparecem e que
ainda no esto prontos para que se realize uma anlise mais detalhada.
2) Formao do rol
a organizao dos dados brutos, em uma determinada ordem, que poder ser crescente ou
decrescente.
3) Determinar o nmero de classes (k)
aconselhvel usar de 4 a 20 classes.
Para se determinar o nmero de classes (k), a partir do rol, usa-se a Frmula de Sturges ou o
Mtodo da Raiz.
7
Frmula de Sturges
n > 40
n log 3 , 3 1 k +
Mtodo da Raiz
n 40
n k
onde n o no de observaes coletadas.
4) Amplitude do intervalo de classe
k
H
h

H = (X mximo X mnimo) / k
onde: H = Maior valor coletado menor valor coletado (amplitude total)
Obs.: A amplitude do intervalo de classe poder sofrer um arredondamento adequado em funo do
tipo de dado coletado. Esse valor geralmente ser arredondado para cima, de preferncia na
casa decimal dos dados. O intervalo de classe dever ser preferencialmente constante em
toda a distribuio de freqncia.
5) Intervalo de classe
Consiste em definir a simbologia de representao do intervalo de classe, bem como os limites de
classe, em funo do nmero de classes estabelecidas. (|--- , ---|, |---| e ---)
6) Ponto mdio de classe (Xi)
a mdia aritmtica simples do limite inferior com o limite superior de uma mesma classe.
2
L l
X
i i
i
+
7) Freqncia absoluta (fi)

a nmero de indivduos por classe. Deve-se cuidar a contagem dos indivduos nas classes, em
funo do tipo de intervalo utilizado.
8) Freqncia absoluta acumulada (Fi)
o somatrio da freqncia absoluta da i-sima classe com a freqncia absoluta das classes
anteriores, ou a freqncia acumulada da classe anterior.
9) Freqncia Relativa (fr):
o quociente entre a freqncia absoluta da i-sima classe pelo somatrio das freqncias.
10) Freqncia Relativa Acumulada (Fr):
o somatrio da freqncia relativa da i-sima classe com as freqncias relativas das classes
anteriores.
8
Lista de exercicios:
Faa uma tabela com intervalos de classe com a tabela primitiva abaixo:
166 160 161 150 162 160 165 167 164 160
162 161 168 163 156 173 160 155 164 168
155 152 163 160 155 155 169 151 170 164
154 161 156 172 153 157 156 158 158 161
1) Dado o rol do nmero de erros de impresso da primeira pgina de um jornal durante 50
dias, obteve-se os seguintes resultados:
5 5 5 6 6 6 7 7 7 7
7 8 8 8 8 8 8 8 9 9
10 10 10 10 10 11 11 11 11 12
12 12 12 12 12 12 12 12 13 14
14 14 14 14 14 14 15 16 19 22
Complete a tabela de distribuio de freqncia:
Segundo nos mostra a tabela acima responda:
i) Qual o valor de k (nmero de classe)?
ii) Qual o intervalo de cada classe (h)?
iii) Qual o valor das freqncias acima pedidas?
iv) Qual a mediana?
v) Faa o hitosgrama da tabela encontrada.
2) Uma empresa automobilstica selecionou ao acaso, uma amostra de 40 revendedores
autorizados em todo o Brasil e anotou em determinado ms o nmero de unidades
adquiridas por estes revendedores. Obteve os seguintes dados e monte a tabela de
distribuio de freqncia com intervalos
10 -15 -25 -21 -6 -23 -15 -21 -26 -32 -9 -14 -19 -20 -32 -18 -16 -26 -24 - 20 -7 -18 -17 -28 -35-
22 -19 -39 -18 -21 -15 -18 -22 -20 -25 -28 -30 16 -12 -20
3) Conhecidas as notas de 55 alunos: e monte a tabela de distribuio de freqncia com
intervalos.
33 -33 -35 -35 -39 -41 -41 -42 -45 -45 -47 -48 -50 -52 -53 -54 -55 -55 -56 -57-59 -60 -61 -64
-65 -65 -65 -66 -67- 68 -68 -69 -71 -73 -73 -73 -74 -74 -76 -77-78 -80 -81 -84 -85 -85 -88 -89
-91 -94 -94 -98 -98 -98 -98
4) Monte a tabela de distribuio de freqncia com intervalos com os resultados do
lanamento de um dado 50 vezes foram os seguintes:
6 -5 -2 -6 -4 -3 -6 -2 -6 -5 -1 -6 -3 -3 -5 -1 -3 -6 -3 -4 -5 -4 -3 -1 -3-5 -4 -4 -2 -6 -2 -2 -5 -2-5 -1
-3 -6 -5 -1 -5 -6 -2 -4 -6 -1 -5 -2 -4 -3
5) Considerando as notas de um teste de inteligncia aplicado a 55 alunos: Monte a tabela de
distribuio de freqncia com intervalos
64 -64 -64 -66 -66 -70 -70 -73 -73 -73 -73 -74 -75 -76 -76 -76 -78 -78 -78 -78-79 -80 -80 -81
-82 -82 -83 -84 -84- 85 -85 -85 -85 -86 -86 -86 -86 -86 -86 -87-87 -89 -90 -90 -92 -92 -93 -95
-98 -101 -102 -103 -103 -103 -103
9
3.3 Apresentao grfica
A representao grfica uma forma de apresentao visual dos dados. Normalmente, contm
menos informaes que as tabelas, mas so de fcil leitura. O tipo de grfico depende da varivel
em estudo.
a) Grficos de Linhas
Serve para representar sries simples ou compostas, geralmente utilizado para ilustrar uma srie
temporal. Quando se utiliza um grfico de linhas compostas, ele servir tanto para informao
quanto para se fazer comparaes.
Exemplo 1:
Venda de Combustvel Automotivo, cidade de Santa Maria,
perodo de 2001 2007
40.000.000
41.000.000
42.000.000
43.000.000
44.000.000
45.000.000
46.000.000
47.000.000
48.000.000
49.000.000
50.000.000
2001 2002 2003 2004 2005 2006 2007
l
i
t
r
o
s
Fonte: www.fee.rs.gov.br
Exemplo 2:
Venda de Combustvel Automotivo, cidade de Santa Maria e Passo Fundo,
perodo de 2001 2007
30.000.000
32.000.000
34.000.000
36.000.000
38.000.000
40.000.000
42.000.000
44.000.000
46.000.000
48.000.000
50.000.000
2001 2002 2003 2004 2005 2006 2007
l
i
t
r
o
s
Santa Maria Passo Fundo
Fonte: www.fee.rs.gov.br
b) Grficos de Colunas
Os grficos de colunas so formados por retngulos no eixo horizontal. Pode-se construir grficos de
colunas simples, que serve para a representao de uma srie simples e o grfico de colunas
compostas, que indicado para sries compostas, podendo ser de colunas justapostas ou
sobrepostas. Esses tipos de grficos compostos so utilizados para ilustrar qualquer tipo de srie e
tambm servem para comparao.
b.1) Colunas simples
10
Exemplo:2
Emprego no Brasil, jan/2009
0
5.000
10.000
15.000
20.000
25.000
30.000
35.000
40.000
45.000
Populao em
Idade Ativa
Populao
Economicamente
Ativa
Populao
Ocupada
Populao
Desocupada
P opulao no
Economicamente
Ativa
n

d
e

p
e
s
s
o
a
s

(
1
.
0
0
0
)
Fonte: www.sidra.ibge.gov.br
As larguras das colunas devem ser todas iguais e no tm nenhum significado neste caso, podendo
ser adotada qualquer dimenso conveniente, desde que no se superponham.
b.2) Colunas justapostas
Exemplo:
Poupalao em Idade Ativa e Economicamente Ativa no Brasil, jan/2009
0
5.000
10.000
15.000
20.000
25.000
Populao em Idade Ativa Populao Economicamente
Ativa
N

d
e

p
e
s
s
o
a
s

(
1
.
0
0
0
)
Homem
Mulher
Fonte: www.sidra.ibge.gov.br
c) Grfico de barras
As regras usadas para o grfico de barras so iguais quelas usadas no grfico de colunas, porm
com a inverso dos eixos.
Exemplo: Estrutura Empresarial no municpio de Santa Maria RS, 2006
0 1000 2000 3000 4000 5000 6000 7000 8000
Outros servios coletivos, sociais e pessoais
Agricultura, pecuria, silvicultura e explorao florestal
Indstrias de transformao
Construo
Comrcio, reparao de veculos, objetos pessoais e domsticos
Alojamento e alimentao
Transporte, armazenagem e comunicaes
Intermediao financeira, seguros, previdncia complementar
Atividades imobilirias, aluguis e servios prestados s empresas
Administrao pblica, defesa e seguridade social
Educao
Sade e servios sociais
n de unidades locais
2
11
Fonte: www.ibge.gov.br
d) Grfico de setores (pizza)
a representao grfica da freqncia relativa (percentagem) de cada categoria dos dados. Este
grfico utilizado para variveis nominais e ordinais. Poder ser uma opo ao grfico de barras,
quando se pretende dar nfase comparao das percentagens de cada categoria.
Exemplo:Tipo de Frota no municpio de Santa Maria RS, 2007
Automvel
73%
Caminhonete
3%
nibus/Micro-nibus
2%
Motocicleta
22%
Fonte: www.ibge.gov.br
Caractersticas:
- A rea do grfico equivale totalidade de casos (100%);
- Cada 'fatia' representa a percentagem de cada categoria representada.
e) Grficos pictoriais
Tipo de grfico cuja caracterstica principal a analogia entre o dado representado e o tipo de figura
utilizado na sua representao. bastante utilizado na propaganda, fazendo o apelo visual e
percepo imediata do que se est falando. Tem por objetivo despertar a ateno do pblico em
geral. Muitos desses grficos apresentam grande dose de originalidade e de habilidade na arte de
apresentao dos dados.
Evoluo da frota nacional de carros a lcool,
de 1979 1987
9.645
1979
1.277.107
1983
2.473.581
1985
3.631.647
1987
Fonte: Anfavea
Os mtodos mais eficientes para deixar de fumar segundo 30.000 fumantes
entrevistados no Canad - 2000
30%
27%
19,5%
18,5%
Goma de mascar com nicotina
mais sesses de apoio psicolgico
Internamento em hospital
e uso de drogas relaxantes
Acupuntura
Hipnose
Injeo de Clonidina, droga que
reduz os efeitos da abstinncia
34%
Fonte: Sem origem da informao
Devastao Selvagem: extrao de madeiras
no Brasil - 2000
12
Eucalipto
Madeira
nativa
Pinus
24,4%
68,8%
6,8%
Fonte: Sociedade Brasileira de Silvicultura
f) Histograma
Destina-se a representar uma distribuio de freqncia intervalar. Os dados so representados por
colunas justapostas. Onde a base representa os intervalos e altura apresenta as freqncias
absolutas ou freqncias relativas dentro de cada intervalo.
Altura dos dos Alunos da Sistemas da Inf. 1 semetre da UNIFRA, 2012/1
0
5
10
15
20
25
f
i
158 166 174 182 190 150
3 - MEDIDAS ESTATSTICAS
Tem por objetivo descrever um conjunto de dados de forma organizada e compacta que possibilita a
visualizao do conjunto estudado por meio de suas medidas estatsticas.
3.1 - Mdias
So medidas descritivas que tem por finalidade representar um conjunto de dados.
3.1.1. - Mdia Aritmtica
Smbolo: Amostral ( x ); Populacional ()
a) Dados No Tabelados
N
X
= ou
n
X
x
N
1 i
i
n
1 i
i

Exemplo:
Idade de cinco alunos da ADM, 1 semetre da UNIFRA, 2010/2:
19 22 20 16 26
13
b) Dados Tabelados
b.1) Tabela de frequncias
Mdia Aritmtica Ponderada (
x
), (onde fi a frequencia)

f
f X
X
n
1 i
i
n
1 i
i i

Exemplo: Altura dos dos Alunos UNIFRA, 1 semetre, 2012/1
Altura (cm) xi fi
150 |--- 158 154 4
158 |--- 166 162 12
166 |--- 174 170 20
174 |--- 182 178 13
182 |--- 190 186 5
---- 54
b.1) Tabela com Valores Ponderados
Mdia Aritmtica Ponderada ( X
w
), (onde Wi o peso)

W
W X
X
n
1 i
i
n
1 i
i i
w
Exemplo:
Nota do aluno "X" 1 semestre de 2008
Notas (X
i
) Pesos (W
i
)
7,8 2
8,3 3
9,2 2
5,8 3
10
Exercicios:
1) Considerando as distribuies de frequencia seguinte, ache a media aritmtica:
i PESOS (kg) fi
1 40 |----- 44 2
2 44 |----- 48 5
3 48 |------52 9
4 52 |------56 6
5 56 |------60 4
= 26
14

2 )
3)
REAS (m
2
) 300 |---400 |---500 |---600 |---700 |---800 |---900 |---1000 |--- 1100 |---1200
N de lotes 14 46 58 76 68 62 48 22 6
4) Conhecidas as notas de 50 alunos:
68 85 33 52 65 77 84 65 74 57
71 35 81 50 35 64 74 47 54 68
80 61 41 91 55 73 59 53 77 45
41 55 78 48 69 85 67 39 60 76
94 98 66 66 73 42 65 94 88 89
Determine:
a) a distribuio de frequencia comeando por 30 e adotando o intervalo de classe de amplitude
igual a 10;
b) as frequencias acumuladas
c) as frequencias relativas
d) o histograma
3- Separatrizes (Mediana)
So medidas de posio que divide o conjunto de dados em partes proporcionais, quando os
mesmos so ordenados.
i ESTATURAS
(cm)
fi
1 150 |----- 156 1
2 156 |----- 162 5
3 162 |------168 8
4 168 |------174 13
5 174 |------180 3
= 30
15
Antes de determinarmos a MEDIANA devemos em primeiro lugar encontrar a posio da mesma.
A Mediana ser o elemento de ordem:
2
1
) (
+
n
md P
Exemplos:
1) Idade de cinco alunos da ADM, 1 semetre da UNIFRA, 2010/1:
19 22 20 16 26
2) Idade de seis alunos da ADM, 1 semetre da UNIFRA, 2010/1:
19 22 20 16 26 23
b) Dados Tabelados
b.1) Distribuio de freqncias pontual
Segue a mesma regra usada para dados no tabelados.
Exemplo:
Idade de 15 alunos da ADM, 1 semetre da UNIFRA, 2010/1
Idade (xi) N alunos (fi)
17 2
18 3
19 5
20 2
21 3
15
b.2) Distribuio de freqncias intervalar

2
) (
n
md P
Mediana ->
*
* . ) (
2
*
f
h ant F
f
l
md
i
1
1
]
1
Quartil 1 ->
*
* . ) (
4
*
1
f
h ant F
f
l
q
i
1
1
]
1
Quartil 3 ->
*
* . ) (
4
3
*
3
f
h ant F
f
l
q
i
1
1
]
1
onde:
md
l limite inferior da classe que contm a separatriz;
2
n
posio da separatriz;
F
ant
freqncia acumulada da classe anterior a que contm a mediana;
md
f freqncia absoluta da classe que contm a mediana;
h amplitude do intervalo de classe;
Exemplo:
Altura dos dos Alunos de SI, 1 semetre da UNIFRA, 2012/1
Altura (cm) xi fi
16
Sendo: l* = limite inferior
L* = limite superior
F(ant) = freq. acumulada
anterior
h*= amplitude de classe
f* = freqncia simples da
150 |--- 158 154 4
158 |--- 166 162 12
166 |--- 174 170 20
174 |--- 182 178 13
182 |--- 190 186 5
---- 54
3.3 - Moda (Mo)
definida como sendo a observao de maior freqncia.
Exemplo:
3 4 4 4 5 5 6 6 7 8 9 Mo = 4 (unimodal)
5 6 7 8 9 10 11 12 13 Mo = / (amodal)
1 1 2 2 3 3 3 4 5 5 5 Mo1 = 3 Mo2 = 5 (bimodal)
5 5 6 6 7 7 8 8 Mo = / (amodal)
5 5 6 6 7 7 8 Mo1 = 5 Mo2 = 6 Mo3 = 7 (trimodal)
Obs.: Acima de 4 modas usamos o termo polimodal.
b) Dados Tabelados
b.1) Distribuio de freqncias pontual
Moda ->
2
* * l L
mo
+
- Moda Bruta (Mob): o ponto mdio da classe de maior freqncia

b.2) Distribuio de freqncias intervalar
- Moda de Czuber (Moc)
O processo para determinar a moda usado por Czuber leva em considerao as freqncias
anteriores e posteriores classe modal.
'
,
_
+
pos Mo 2
ant Mo 1
2 1
1
Mo c
f f
f f
.h l Mo
onde:
l
Mo
limite inferior da classe modal;
f
Mo
freqncia absoluta da classe modal;
h amplitude do intervalo de classe;
f
ant
freqncia absoluta da classe anterior a classe modal;
f
pos
freqncia absoluta da classe posterior a classe modal;
Exemplo:
Altura dos dos Alunos de SI, 1 semetre da UNIFRA, 2012/1
Altura (cm) xi fi
17
150 |--- 158 154 4
158 |--- 166 162 12
166 |--- 174 170 20
174 |--- 182 178 13
182 |--- 190 186 5
---- 54
Exercicios:
1) Ache a mediana e moda na tabela abaixo e seu histograma:
a) Um grau de nebulosidade, registrano em dcimos, ocorre de acordo com a distribuio abaixo:
NEBUL 0 |--- 0,5 |---1,5 |---2,5 |---3,5 |--- 4,5 |---5,5 |---6.5 |---7,5 |--- 8,5 |--- 9,5 |--- 10,5
fi 320 125 75 65 45 45 55 65 90 145 676
b) Ache a media aritmtica e moda na tabela abaixo:
Peso
(Kg)
Freqnc
ia
4,0 2
4,3 3
4,5 5
4,6 8
4,7 6
4,8 5
4,9 4
5,0 3
5,1 3
5,5 2
total 41
18
c)

d)

4 - MEDIDAS DE VARIABILIDADE OU DISPERSO
Visam descrever os dados no sentido de informar o grau de disperso ou afastamento dos valores
observados em torno de um valor central (representativo) chamado mdia. Informa se um conjunto
de dados homogneo (pouca variabilidade) ou heterogneo (muita variabilidade).
4.1 - Desvio Quadrtico ou Varincia - S
2
(amostra) ou
2
(populacional)
a) para dados no tabelados: (Frmula sem freqncia)
Varincia ->
2
2
2
,
_

n
x
n
x
s
i i

Desvio Padro ->
2
2
,
_

n
x
n
x
s
i i
Exemplo:
19
Idade de cinco alunos de SI. 1 semetre da UNIFRA, 2012/1:
19 22 20 16 26
Exercicios:
Ache a varincia e o Desvio Padro dos dados abaixo: Sem intervalo de freqncia.
a) 40 , 45, 48 , 52 , 54 , 62 , 70
b) 21,25, 28,29, 30, 33, 35, 40, 41, 50
c) 10,12,13,14,18,19,21,25
b) para dados tabelados (Frmula com freqncia)
Varincia ->
2
2
2
,
_

n
x f
n
x f
s
i i i i

Desvio Padro ->
2
2
,
_

n
x f
n
x f
s
i i i i
Exemplo:
Altura dos dos Alunos da ADM, 1 semetre da UNIFRA, 2010/1
Altura (cm) xi fi
150 |--- 158 154 4
158 |--- 166 162 12
166 |--- 174 170 20
174 |--- 182 178 13
182 |--- 190 186 5
---- 54
Exercicios:
1) A tabela abaixo apresenta a distribuio de freqncia dos salrios mensais em reais, de 65
empregados da companhia P & R. Calcule a variancia e o desvio padro.
Salrios (R$) N de Empregados
5.000 ---- 6.000 8
6.000 ---- 7.000 10
7.000 ---- 8.000 16
8.000 ---- 9.000 14
9.000 ---- 10.000 10
10.000 ---- 11.000 5
11.000 ---- 12.000 2
Total
65
2) Foi feito um inqurito a 40 pessoas que compraram carro novo com o objetivo de se saber
quantas reparaes, ou substituies de peas, foram feitas durante o primeiro ano utilizao dos
veculos. Obtiveram:
20
1 4 1 2 2 3 3 2 1 2
3 2 3 1 0 1 2 7 4 3
5 1 2 4 2 1 3 1 0 1
2 1 1 3 1 0 4 2 3 5
Organize os dados numa tabela de freqncias. (freqncias absolutas, relativas, e freqncias
acumuladas, absolutas e relativas), ache a Mediana os Quartis (Q1 e Q3) o desvio padro e a
varincia.
4.2 - Desvio Padro [S (amostra) ou (populao)]
Varincia S ou
Exemplos:
19 22 20 16 26
2) Altura dos dos Alunos de SI, 1 semetre da UNIFRA, 2012/1
Altura (cm) xi fi
150 |--- 158 154 4
158 |--- 166 162 12
166 |--- 174 170 20
174 |--- 182 178 13
182 |--- 190 186 5
---- 54
4.3 - Medidas de Disperso Relativa
4.3.1 - Coeficiente de Variao de Pearson
a medida de variabilidade em geral expressa em porcentagem, e tem por funo determinar o grau
de concentrao dos dados em torno da mdia.
100 . . x V C
Populao
100
S
. . x
X
V C Amostra
Obs.: 0% C.V.P. 100%
C.V.P 50% a mdia representativa
C.V.P. 0 a maior representatividade da mdia (S = 0)
21
Exemplos:
19 22 20 16 26
2) Altura dos dos Alunos da ADM, 1 semetre da UNIFRA, 2010/1
Altura (cm) xi fi
150 |--- 158 154 4
158 |--- 166 162 12
166 |--- 174 170 20
174 |--- 182 178 13
182 |--- 190 186 5
---- 54
5 NOES DE AMOSTRAGEM
5.1 - Conceitos em Amostragem
Inferncia Estatstica - o processo de obter informaes sobre uma populao a partir de
resultados observados ma Amostra.
Amostragem - o processo de retirada de informaes dos "n" elementos amostrais, na qual deve
seguir um mtodo adequado (tipos de amostragem).
FIGURA 1 Inferncia e amostragerm
5.2 - Plano de Amostragem
1) Definir os Objetivos da Pesquisa
2) Populao a ser Amostrada
Parmetros a ser Estimados (Objetivos)
22
3) Definio da Unidade Amostral
Seleo dos Elementos que faro parte da amostra
4) Forma de seleo dos elementos da populao
Tipo de Amostragem:
'
dos conglomera
ada estratific
a sistemtic
simples aleatria
5) Tamanho da Amostra
Exemplo: Moradores de uma Cidade (populao alvo)
Objetivo: Tipo de Residncia
'

emprestada
alugada
prpria
Unidade Amostral: Domiclios (residncias)
Elementos da Populao: Famlia por domiclio
Tipo de Amostragem:
'
ada estratific
a sistemtic
simples aleatria
5.3 - Tipos de Amostragem
5.3.1 - Amostragem Simples ou Ocasional
o processo mais elementar e freqentemente utilizado. Todos os elementos da populao tem
igual probabilidade de serem escolhidos. Para uma populao finita o processo deve ser sem
reposio. Todos os elementos da populao devem ser numerados. Para realizar o sorteio dos
elementos da populao pode-se usar a Tabela de Nmeros Aleatrios ou gerar nmeros aleatrios
por meio de um software;
5.3.2 - Amostragem Sistemtica
Trata-se de uma variao da Amostragem Aleatria Ocasional, conveniente quando a populao
est naturalmente ordenada, como fichas em um fichrio, lista telefnica, etc.
Ex.: N = 500 (Populao)
n = 50 (Amostra)
ento 100
n
N
r , (teremos uma Progresso Aritmtica (PA) de razo 10)
Sorteia-se usando a Tabela de Nmeros Aleatrios um nmero entre 1 e 10, (x=3), o nmero
sorteado refere-se ao 1o elemento da amostra, logo os elementos da amostra sero:
3 13 23 33 43 ......
Para determinar qualquer elemento da amostra podemos usar a frmula do termo geral de uma P.A.
23
r n a a
n
). 1 (
1
+
5.3.3 - Amostragem Estratificada
um processo de amostragem usado quando nos depararmos com populaes heterogneas, na
qual pode-se distinguir subpopulaes mais ou menos homogneas, denominados estratos.
Aps a determinao dos estratos, seleciona-se uma amostra aleatria de cada uma subpopulao
(estrato).
As diversas subamostras retiradas das subpopulaes devem ser proporcionais aos respectivos
nmeros de elementos dos estratos, e guardarem a proporcionalidade em relao a variabilidade de
cada estrato, obtendo-se uma estratificao tima.
Tipos de variveis que podem ser usadas em estratificao: idade, classes sociais, sexo, profisso,
salrio, procedncia, etc.
5.3.4 - Amostragem por Conglomerados (ou Agrupamentos)
Algumas populaes no permitem, ou tornam-se extremamente difcel que se identifiquem seus
elementos, mas podemos identificar subgrupos da populao. Em tais casos, uma amostra aleatria
simples desses subgrupos (conglomerados) podem ser escolhida, e uma contagem completa deve
ser feita no conglomerado sorteado.
Agregados tpicos so: quarteires, famlias, organizaes, agncias, edifcios, etc.
5.4 Tamanho da Amostra
5.4.1 - Introduo
Os pesquisadores de todo o mundo, na realizao de pesquisas cientficas, em qualquer setor da
atividade humana, utilizam as tcnicas de amostragem no planejamento de seus trabalhos, no s
pela impraticabilidade de poderem observar, numericamente, em sua totalidade determinada
populao em estudo, como devido ao aspecto econmico dessas investigaes, conduzidos com
um menor custo operacional, dentro de um menor tempo, alm de possibilitar maior preciso nos
respectivos resultados, ao contrrio, do que ocorre com os trabalhos realizados pelo proceso
censitrio.
A tcnica da amostragem, a despeito de sua larga utilizao, ainda necessita de alguma didtica
mais adequada aos pesquisadores iniciantes.
Na teoria da amostragem, so consideradas duas dimenses:
1) Dimensionamento da Amostra;
2) Composio da Amostra.
Tabela utilizada para saber sem fazer calculos quantas amostras podemos utilizar para n
populao:
24

Tamanho da Amostra
Obs.: um passo importante antes de iniciar o clculo do tamanho da amostra definir qual o
erro amostral tolervel para o estudo que ser realizado.
Observe a seguinte frmula:
, onde:
n0 a primeira aproximao do tamanho da amostra
E0 o erro amostral tolervel (Ex.: 2% = 0,02 )
, onde:
N o nmero de elementos da populao
n o tamanho da amostra
Observe o seguinte exemplo para compreender melhor:
Exemplo
1) Em uma empresa que contm 2000 colaboradores, deseja-se fazer uma pesquisa de satisfao.
Quantos colaboradores devem ser entrevistados para tal estudo?
25
Resoluo
N = 2000
Definindo o erro amostral tolervel em 2%
E0 = 0,02
n0 = 1 / (E0)
2

n0 = 1 / (0,02)
2

n0 = 2500
n = (N . n0) / (N + n0)
n = (2000 . 2500) / (2000 + 2500)
n = 1111 colaboradores
2) Com o erro amostral tolervel em 2%, 1111 colaboradores devem ser entrevistados para a
pesquisa.
Vamos repetir os clculos, definindo o erro amostral tolervel em 4%.
N = 2000
E0 = 0,04
n0 = 1 / (E0)
2

n0 = 1 / (0,04)
2

n0 = 625
n = (N . n0) / (N + n0)
n = (2000 . 625) / (2000 + 625)
Atravs deste segundo clculo, possvel observar que, quando aumentamos a margem de
erro, o tamanho da amostra reduz.
3) E se houvesse 300.000 colaboradores na empresa?
N = 300.000
E0 = 0,04
n0 = 1 / (E0)
2

n0 = 1 / (0,04)
2

n0 = 625
n = (N . n0) / (N + n0)
n = (300.000 . 625) / (300.000 + 625)
Observe que a diferena entre n e n0, neste ltimo clculo, muito pequena.
Portanto: se o nmero de elementos da populao (N) muito grande, a primeira aproximao
do tamanho da amostra j suficiente.
Frmula para populaes finitas( revisando)

2
0
0
1
E
n
Primeira aproximao

0
0
.
n N
n N
n
+
Tamanho da amostra pedida

Exerccios:
1) Temos 200 famlias com erro amostral de 4% qual deve ser o tamanho da minha
amostra?
2) E para N = 20.000 famlias?
3) Numa pesquisa para uma populao presidencial, qual deve ser o tamanho de uma
amostra aleatria simples, se deseja garantir um erro amostral no superior a 2%?
26
4) Numa escola com 1000 alunos, deseja-se estimar a percentagem dos que esto
satisfeitos com a direo. Qual deve ser o tamanho da amostra aleatria simples que
garanta um erro amostral no superior a 5%?
5) Qual deve ser o tamanho mnimo de uma amostra aleatria simples tais que possamos
admitir com alta confiana, que os erros amostrais no ultrapassem 7%:
a) Para 5500 pessoas?
b) Para 25000 pessoas?
c) Para 100.000 pessoas?
6) Numa empresa de 10000 funcionrios, deseja-se estimar a percentagem de funcionrios
favorveis a certo programa de treinamento. Qual deve ser o tamanho da amostra
aleatria simples que garanta com alto nvel de confiana, com erro amostral no
superior a 4,3% ?
7) Numa pesquisa, queremos investigar informaes a respeito de 800 pessoas
pesquisando apenas parte destes, sem correr o risco de errar com mais de 3,7%.
Quantas pessoas devero consultar?
8) Para dar a porcentagem de defeitos das 3000 peas fabricadas por dia com um erro
amostral de 4,1 %, quantas peas devemos verificar?
Reviso para Probabilidade: ARRANJO
Arranjos simples de n elementos tomados s a s (s n) so os diferentes agrupamentos
ordenados que se podem formar com p dos n elementos dados. Indica-se por An,s ou o total
desses agrupamentos, que calculamos assim:
27
Exemplos:
A8,4 (onde n = 8 e p = 4)
Exemplo 1: Calcular
a) A
6,2
b)
1 , 2 2 , 4
2 , 3 4 , 5
A A
A A
+
Exemplo 2: Calcular E = A7,3 + A3,2 A5,4
Exemplo 3: Quantos nmeros de 3 algarismos podemos formar com os algarismos 1, 2, 3, 4, 5 e 7 ,
sem repeti-los?
Exemplo 4: Quantos nmeros pares de 4 algarismos podemos formar com os algarismos 0, 1, 2, 3,
4, 5 e 6, sem repeti-los?
Exemplo 5: Numa sala de 20 alunos, deseja-se formar grupos de estudos de trs elementos, que
tenham projetos diferentes.
a) De quantos modos diferentes se podem escolher os alunos?
b) De quantas maneiras se podem escolher os alunos sabendo que dois dos alunos no podem
pertencer ao mesmo grupo?
28
Exerccios:
Calcule:
1) Quantos nmeros de 5 algarismos distintos podemos formar com os algarismos 1, 2, 3, 4, 5,
6, 7, 8 e 9?
2) Quantos nmeros de 3 letras, sem repetio, podemos formar com as 9 primeiras letras do nosso
alfabeto?
3) Quantos nmeros de 3 algarismos, sem repetio, podemos formar com os algarismos 1, 2,
3, 4, 5, 6, 7, 8 e 9, incluindo sempre o algarismo 4?
4) Quantos nmeros de 4 algarismos distintos podemos formar com os algarismos 0,1, 2, 3, 4, 5, 6,
7, 8 e 9 ?
5) Quantos so os nmeros compreendidos entre 2 000 e 3 000, formados por algarismos distintos
escolhidos entre 1, 2, 3, 4, 5, 6, 7, 8 e 9 ?
6) Cinco homens e uma mulher pretendem utilizar um banco de cinco lugares. De quantas maneiras
diferentes podem sentar-se,nunca fincando em p a mulher?
PERMUTAO
Quando k = n, isto , quando os arranjos abrangem a totalidade dos elementos, temos o que se
chama PERMUTAO de n elementos, cuja representao simblica Pn.
Pn = n!
Exemplo:
29
Considere uma urna com 5 bolas numeradas de 1 a 5. De quantas maneiras diferentes
podemos retirar, sem reposio, as 5 bolas.
Soluo:
Aqui teremos uma seqncia de 5 bolas numeradas onde cada seqncia nos fornece um nmero
diferente e o quantitativo de bolas selecionada o quantitativo que se encontra na urna. Logo temos
uma permutao de 5 bolas ou um arranjo de 5 bolas tomadas 4 a 4:
P5 = 5 . 4 . 3 . 2 . 1 = 120 maneiras diferentes
Exerccios:
1) Calcular E, sendo E=
,
_

+
2
4 6
5
. 2
P
P P
P
2) Quantos nmeros de4algarismos distintos podem ser formados, usando-se os algarismos 1, 3, 5
e 7?
3) Considere os nmeros obtidos do nmero 12345, efetuando-se todas as permutaes de seus
algarismos. Colocando esses nmeros em ordem crescente, qual o lugar ocupado pelo nmero
43521?
4) Formados e dispostos em ordem alfabtica todos os anagramas da palavra ESAN, determine a
posio que ocupar apalavra NASE?
5) Calcule o nmero de permutao que podem ser feitas com as letras da palavra CAPITULO, de
forma que no fiquem juntas duas vogais e duas consoantes.
COMBINAO
Quando necessitamos formar conjuntos de k elementos no importando a ordem dos elementos, no
podemos utilizar a definio de arranjo onde a ordem relevante.
Temos ento a definio de combinao de n elementos tomados k a k, cuja definio :

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

,
_
30
Exemplo:
Considere o lanamento de 6 moedas. De quantas maneiras diferentes podemos obter 4 caras?
Soluo: Este experimento leva em considerao somente o total de caras e coroas, no
importando a ordem com que os resultados aparecem. Assim, estamos no mbito das combinaes,
ou seja,
Exerccios:
1) De quantas maneiras podemos escalar um time de futebol de salo disposto de 8 jogadores?
2) Numa sala, temos 5 rapazes e6moas.quantos grupos podemos formar de 2 rapazes e 3 moas?
3) Numa classe de10 estudantes, um grupo de 4 ser selecionada para uma excurso.De quantas
maneiras o grupo poder ser formado se dois dos 10 so marido e mulher e s iro juntos?
4) Numa turma de 30 alunos, 9 tem motocicleta e outros 8 tem bicicleta.quantos grupos diferentes
de 7 alunos se podem formar naquela turma, de modo a haver em cada grupo 4 motocicletas e
2 bicicletas?
5) Num plano temos 16 pontos; 9 deles pertencem a uma reta. Quantas circunferncias podem
passar por 3 quaisquer daqueles pontos?
6) Sobre uma reta, marcam-se 8 pontos e sobre uma outra reta, pararela a primeira marcam-se 5
pontos. Quantos tringulos obteremos unindo 3 quaisquer desses pontos?
31
Introduo Probabilidade
As origens da probabilidade remontam ao sculo XVI. As aplicaes iniciais referiam-se
quase todas, a jogos de azar. Os jogadores aplicavam o conhecimento da teoria das probabilidades
para planejar estratgias de apostas.
Atualmente a utilizao das probabilidades ultrapassou de muito o mbito desses jogos. Hoje
os governos, as empresas, as organizaes profissionais incorporam a teoria das probabilidades em
seus processos dirios de deliberaes. Independentemente de qual seja a aplicao em particular, a
utilizao das probabilidades indica que existe um elemento de acaso, ou de incerteza, quanto
ocorrncia ou no de um evento futuro. Assim que, em muitos casos, pode ser virtualmente
impossvel afirmar por antecipao o que ocorrer, mas possvel dizer o que pode ocorrer.
H numerosos exemplos de tais situaes no campo dos negcios e do governo. A previso
da procura de um novo produto, o clculo dos custos da produo, a previso das safras, a compra
de aplices de seguros, a avaliao da reduo de impostos sobre a inflao. As probabilidades so
teis, pois ajudam a desenvolver estratgias.
O ponto central em todas as situaes a possibilidade de quantificar quo provvel determinado
evento. As probabilidades so utilizadas para exprimir a chance de ocorrncia de determinado
evento. O estudo das probabilidades importante pois elas so a base para o estudo estatstico.
Experimento aleatrio
Experimentos aleatrios so aqueles que, mesmo repetidos vrias vezes sob condies
semelhantes, apresentam resultados imprevisveis.
Caractersticas dos experimentos aleatrios:
1. Podem ser repetidos indefinidamente sob as mesmas condies.
2. No se pode adiantar um resultado particular, mas podem-se descrever todos os resultados
possveis.
3. Se repetidos muitas vezes apresentaro uma regularidade em termos de freqncia de resultados.
Exemplos: lanamento de uma moeda, lanamento de um dado, aposta na loteria, ....
Ao descrever um experimento aleatrio deve-se especificar no somente que operao ou
procedimento deva ser realizado, mas tambm o que dever ser observado. (Note a diferena entre
o 2 e o 3)
Joga-se um dado e observa-se o nmero obtido na face superior.
Joga-se uma moeda 4 vezes e o observa-se o nmero de caras obtido.
Joga-se uma moeda 4 vezes e observa-se a seqncia de caras e coroas.
Um lote de 10 peas contm 3 defeituosas. As peas so retiradas uma a uma
(sem reposio) at que a ltima defeituosa seja encontrada. Conta-se o nmero de peas retiradas.
Uma lmpada nova ligada e observa-se o tempo gasto at queimar.
Lana-se uma moeda at que ocorra uma cara e conta-se ento o nmero de lanamentos
necessrios.
Lanam-se dois dados e anota-se o total de pontos obtidos.
Lanam-se dois dados e anota-se o par obtido.
Espao amostral
O espao amostral (S) de um experimento aleatrio o conjunto de todos os possveis resultados do
experimento.
n(S) o nmero de elementos do conjunto S, ou o nmero de resultados possveis.
Exemplo:
Um experimento o lanamento de uma moeda. Os possveis resultados so cara ou coroa, ento,
S={cara, coroa}.
32

Em dois lanamentos de uma moeda, sendo interessante observar a ordem dos resultados, os
possveis resultados so:
1) cara e cara, 2) cara e coroa, 3) coroa e cara e 4) coroa e coroa.
O espao amostral S={(Ca,Ca), (Ca,Co), (Co,Ca) e (Co,Co)}. n(S)=4
Eventos
Chama-se de evento qualquer subconjunto do espao amostral S de um experimento aleatrio, ou
seja, qualquer resultado do espao amostral.

n(A) o nmero de resultados associados ao evento A.
Exemplo: no lanamento de uma moeda S = {cara, coroa}. Um evento de interesse A pode ser
obter cara no lanamento de uma moeda e n (A) = 1.
No lanamento de um dado, o evento de interesse (A) pode ser obter face par e n(A)=3.
A probabilidade de um evento
Seja A um evento. A probabilidade de este evento ocorrer dada por P(A), que um nmero
entre 0 e 1. Quanto mais prxima a probabilidade estiver de 1, maior ser sua chance de ocorrncia.
A um evento impossvel atribui-se probabilidade 0, enquanto que um evento certo tem probabilidade
1.
H trs maneiras diferentes de calcular ou estimar probabilidades: o mtodo clssico, quanto o
espao amostral tem resultados igualmente provveis. O mtodo emprico, que se baseiam na
freqncia relativa de ocorrncia de um evento num grande nmero de provas repetidas e o mtodo
subjetivo, que utiliza estimativas pessoais de probabilidade, baseadas num certo grau de crena. Em
geral vamos utilizar o mtodo clssico de clculo de probabilidades.Quando os resultados so
equiprovveis, a probabilidade de cada resultado funo do nmero de resultados possveis:
nmero de resultados associados ao evento A
nmero total de resultados possveis
Exemplo:
Experimento: lanar um dado e observar a face superior
Espao amostral: S= {1,2,3,4,5,6} n(S) = 6
Evento A: face par n(A)=3
P(A)= 3/6 = = 0,5 ou 50%
Exerccios
1) No lanamento de um dado, determinar a probabilidade de se obter:
a) o nmero 2 b) um nmero par c) um nmero mltiplo de 3
33
P(A) =
2) De um baralho com 52 cartas tiram-se, sucessivamente, sem reposio, duas cartas. Determinar a
probabilidade dos eventos:
a) as duas cartas so damas, b) as duas cartas so de ouro.
3) Complete a tabela com os valores calculados da probabilidade dos eventos ocorrerem.
Experimento Evento P(Evento)
Lanar uma moeda uma vez
Cara
Lanar um dado uma vez
Face 3
Extrair uma carta de um baralho com 52
cartas
6 vermelho
Extrair uma carta de um baralho de 52
cartas
Valete de ouros
Clculo das probabilidades
Muitas aplicaes da estatstica exigem a determinao da probabilidade de combinaes dos
eventos. H duas caractersticas de combinaes. Pode ser necessrio determinar a probabilidade
de ambos os eventos acontecerem P(A e B) ou a probabilidade de um deles, A ou B, ou seja, P(A ou
B).
Em um prdio com 2 elevadores, poderamos perguntar: Qual a probabilidade de ambos elevadores
estarem em servio? Ou ento, Qual a probabilidade de um ou outro elevador estar em servio?
Ambos implica P(A e B)
Um ou outro implica P(A ou B)
Regra da adio:
A regra da adio leva em conta a ocorrncia do evento A ou do evento B ou de ambos os eventos e
denotada por P(AUB).
34
Quando os eventos so mutuamente excludentes (no tem elementos em comum), ento a
probabilidade de ambos nula e o termo P(A e B) ser zero.
Exerccios:
1. Numa urna existem 10 bolas numeradas de 1 a 10. Retira-se uma bola ao acaso. Qual a
probabilidade do nmero ser par ou maior que 4?
2. Numa urna existem 10 bolas numeradas de 1 a 10. Retira-se uma bola ao acaso. Qual a
probabilidade do nmero ser um nmero primo ou maior que 8?
3.Qual a probabilidade de se jogar um dado e se obter o nmero 3 ou o numero mpar?
4.Numa caixa esto 20 bolas numeradas de 1 a 20. Retira-se 1 bola ao acaso.qual a probabilidade
de se obter maior que o numero 16 ou um numero mltiplo de 4.
EVENTOS COMPLEMENTARES
Sabemos que um evento pode ocorrer ou no. Sendo p a probabilidade de que ele ocorra
(sucesso) e q a probabilidade de q ele no ocorra (insucesso), para que um mesmo evento existe
sempre a relao:

A
B
35
P(A ou B) = P(A) + P(B) P(A e B)
P(A U B) = P(A) + P(B) P(A
B)
P(A
B)
Se A e B so mutuamente excludentes P(A U B) = P(A) + P(B)
p + q = 1 => q = 1 p
Assim, se a probabilidade de se realizar um evento p=1/5, a probabilidade de que ele no
ocorra :
q = 1 p => q = 1 (1/5) = 4/5
Sabemos que a probabilidade de tirar o 4 no lanamento de um dado p = 1/6. logo a
probabilidade de no tirar o 4 no lanamento de um dado :
q = 1 (1/6) = > q = 5/6

Outro modo de aplicarmos a probabilidade de um evento completar quando que usar a frmula de
COMBINAO para resolvermos o exerccio:
Sejam A e A dois eventos de um espao amostral U; sendo A o evento complementar de A, temos:
P(A) + P(A) = 1
A + A = U
n(A) + n(A) = n(U) =>
1 ) ( ) (
) (
) (
) (
) (
) (
) (
+ + A P A P
U n
U n
U n
A n
U n
A n
Exemplo: Consideramos um conjunto de 10 frutas, das quais 3 esto estragadas.
Escolhendo-se aleatoriamente 2 frutas desse conjunto, determinar a probabilidade de que:
a) ambas no estejam estragadas b)pelo menos uma esteja estragada
Resoluo:
a) Calculo do nmero de maneiras pelas quais duas frutas podem ser escolhidas:
Clculo do nmero de maneiras pelas quais duas frutas podem se ser escolhidas sem
estarem estragadas:
b) A o evento: pelo menos uma fruta esta estragada
Exerccios:
1) De um lote de 14 peas, das quais 5 so defeituosas, escolhemos 2, aleatoriamente.
Determine:
a) a probabilidade de que ambas sejam defeituosas;
b) a probabilidade de que ambas no sejam defeituosas;
c) a probabilidade de que uma seja defeituosa.
2) Uma urna contm 3 bolas brancas e 4 pretas. Tiramos, sucessivamente, 2 bolas.
Determine a probabilidade de:
a) as bolas terem a mesma cor; b) as bolas terem cores diferentes.
36

U
A
A
EVENTOS INDEPENDENTES
Dizemos que dois eventos so independentes quando a realizao ou a no realizao de
um dos eventos afeta a probabilidade de realizao do outro e vice-versa.
Por exemplo, quando lanamos dois dados, o resultado obtido em um deles independe do
resultado obtido no outro.
Se dois eventos so independentes, a probabilidade de que eles se realizem
simultaneamente igual ao produto das probabilidades de realizao dos dois eventos.
Assim, sendo p1, a probabilidade de realizao do primeiro evento e p2 a probabilidade de
realizao do segundo evento, a probabilidade de que tais eventos se realizem simultaneamente
dada por:
p = p1 x p2
Exemplo: Lanamento de dois dados. A probabilidade de obtermos 1 no primeiro dado :
p1=1/6. A probabilidade de obtermos 5 no segundo dado : p2 = 1/6
Logo a probabilidade de obtermos simultaneamente, 1 no primeiro e 5 no segundo : p =
36
1
6
1
6
1
x
Eventos Mutuamente Exclusivos
Dizemos que dois ou mais eventos so mutuamente exclusivos quando a realizao de um
exclui a realizao do(s) outro(s).
Assim, no lanamento de uma moeda, o evento tirar cara e o evento tirar coroa, so
mutuamente exclusivos, j que, ao se realizar um deles, o outro no se realiza. Se dois eventos so
mutuamente exclusivos, a probabilidade de que um ou outro se realize igual soma das
probabilidades de que cada um deles se realize:
p = p1 + p2
Exemplo: Lanamos um dado. A probabilidade de se tirar o 3 ou o 5 :
p =
3
1
6
2
6
1
6
1
+ , pois, como vimos dois eventos so mutuamente exclusivos.
Exerccios:
1) De dois baralhos de 52 cartas retiram-se, simultaneamente, uma carta do primeiro baralho e uma
carta do segundo. Qual a probabilidade de a carta do primeiro baralho ser um rei e a segunda carta
ser 5 de paus?

2) Uma urna A contm: 3 bolas brancas, 4 pretas, 2 verdes; uma urna B contm: 5 bolas brancas, 2
pretas, 1 verde; uma urna C contm: 2 bolas brancas, 3 pretas, 4 verdes. Uma bola retirada de
cada urna. Qual a probabilidade de as trs bolas retiradas da primeira, segunda e terceira urnas
serem, respectivamente, branca , preta e verde?

37
3) No lanamento de um dado, qual a probabilidade de se obter um numero no inferior a 5?
4) So dados dois baralhos de 52 cartas. Tiramos, ao mesmo tempo, uma carta do primeiro baralho
e uma carta do segundo. Qual a probabilidade de tirarmos uma dama e um rei, no
necessariamente nessa ordem?
5) Dois dados so lanados conjuntamente. Determine a probabilidade de soma ser 10 ou mais que
10.

6) Uma moeda lanada 4 vezes. Qual a probabilidade de que aparea coroa nas quatro vezes?
7) Retirando-se duas cartas ao acaso, sem reposio, de um baralho de 52 cartas, qual a
probabilidade de ser a primeira de paus e a segunda de copas?
8) Considerem-se duas caixas, I e II. Na caixa I, h 4 bolas pretas e 6 bolas azuis, e na caixa II, h 8
bolas pretas e 2 bolas azuis. Escolhe-se ao acaso, uma caixa e, em seguida, dela se tira uma bola.
Qual a probabilidade de que esta bola seja : a) preta? b) azul?
Distribuies Discretas mais Importantes
As principais distribuies discretas so: Distribuio Binomial e Distribuio Poisson e Distribui.
Distribuio Binomial
Seja um processo composto de uma seqncia de observaes independentes, onde o resultado de
cada observao pode ser um sucesso ou uma falha. Se a probabilidade de sucesso constante e
igual a p, a distribuio do nmero de sucessos seguir o modelo Binomial.
A distribuio Binomial usada com freqncia no controle de qualidade. o modelo apropriado
quando a amostragem feita sobre uma populao infinita ou muito grande.
38
A distribuio binomial possui quatro propriedades essenciais:
1. As observaes possveis podem ser obtidas atravs de dois diferentes mtodos de amostragem.
Cada observao pode ser considerada como se tivesse sido selecionada a partir de uma populao
infinita sem reposio ou a partir de uma populao finita com reposio.
2. Cada observao pode ser classificada em uma de duas categorias mutuamente excludentes e
coletivamente exaustivas, usualmente chamadas sucesso ou falha.
3. A probabilidade de uma observao ser classificada como sucesso (p) constante de observao
para observao. Assim sendo, a probabilidade de fracasso 1-p tambm constante.
4. O resultado (isto , sucesso ou fracasso) de qualquer observao independe do resultado de
qualquer outra observao.
Em aplicaes de controle da qualidade, x em geral representa o nmero de defeituosos observados
em uma amostra de n itens.
2. Cada observao pode ser classificada em uma de duas categorias mutuamente excludentes e
coletivamente exaustivas, usualmente chamadas sucesso ou falha.
3. A probabilidade de uma observao ser classificada como sucesso (p) constante de observao
para observao. Assim sendo, a probabilidade de fracasso q =1-p tambm constante.
4. O resultado (isto , sucesso ou fracasso) de qualquer observao independe do resultado de
qualquer outra observao.
Em aplicaes de controle da qualidade, x em geral representa o nmero de defeituosos observados
em uma amostra de n itens.

,
_
x
n
, representa o nmero de combinaes de n objetos tomados x de cada vez.
P(x) = probabilidade de x sucessos uma vez que n e p so conhecidos
n = tamanho da amostra
p = probabilidade de sucesso => 1-p = probabilidade de falha
x = nmero de sucessos na amostra (x=0, 1, 2, ..., n)
Essa expresso conhecida como lei binomial das probabilidades. S pode ser aplicada a
experincias aleatrias com as seguintes caractersticas:
1) A experincia repetida um nmero n de vezes, nas mesmas condies.
2) Aps cada experincia ocorre evento A (sucesso) ou evento A (fracasso).
3) p constante em todas as n experincias.
4) As experincias so independentes uma da outra.
Exemplo:
1)Um dado lanado 6 vezes. Calcular a probabilidade de ocorrer um 3 ou um 4 duas vezes.
Resoluo: Quando lanamos um dado podemos obter 6 resultados possveis: 1,2,3,4,5 ou 6. a
probabilidade de ocorrer um 3 ou um 4 em cada lanamento :
P =
3
1
6
2
.
A probabilidade de no ocorrer um 3 ou um 4 q = 1-
3
2
3
1
. O numero de sucessos x=2 logo: =>
P(x) =
P(x) =
243
80
3
2
.
3
1
2
6
4 2

,
_
,
_
,
_
ou p= 32,92%
2) Um jogador de xadrez tem 2/5 de probabilidade de vitria quando joga. Na realizao de cinco
partidas, determinar a probabilidade de esse jogador vencer:
a) duas partidas
b) mais que a metade das partidas
39
3) Um processo industrial opera com mdia de 1% de defeituosos. Baseado em amostras de 100
unidades, calcule as probabilidades de uma amostra apresentar 0, 1, 2, 3 e 4 defeituosos. Plote a
distribuio de probabilidade correspondente.
4)Um processo opera segundo uma chance de falha de 2%. Coletando amostras de 25 unidades,
qual a probabilidade de uma amostra selecionada apresentar 2 defeituosos ou menos.
5) Imagine que para o processo anterior, fossem coletadas amostras de 50 unidades e o critrio para
parar o processo e procurar causas especiais fosse x = 1 ou mais. Calcule a percentagem de vezes
que o processo seria interrompido logo aps a amostragem.
Distribuio de Poisson
A aplicao tpica da distribuio de Poisson no controle da qualidade como um modelo para o
nmero de defeitos (no-conformidades) que ocorre por unidade de produto (por m
2
, por volume ou
por tempo).
Diz-se que existe um processo de Poisson se pudermos observar eventos discretos numa rea de
oportunidade um intervalo contnuo (de tempo, de comprimento, de rea,...) de maneira tal que, se
encurtarmos a rea de oportunidade ou intervalo suficientemente:
1. A probabilidade de se observar exatamente um sucesso no intervalo estvel;
2. A probabilidade de se observar mais de um sucesso no intervalo zero;
3. A ocorrncia de um sucesso em qualquer intervalo estatisticamente independente da ocorrncia
em qualquer outro intervalo.
40
A distribuio de Poisson tem um parmetro (lambda) que a mdia ou o nmero esperado de
sucessos por unidade. A varincia desta distribuio s
2
= . O nmero de sucessos x da varivel
aleatria de Poisson varia de 0 a .
A expresso matemtica para a distribuio de Poisson para se obterem x sucessos, dado que
sucessos so esperados :

!
.
) (
x
e
x P
x

onde x = 0,1,2,....
Sendo que:
P(x) = probabilidade de x sucessos, dado o conhecimento de .
= nmero esperado de sucessos
e = constante matemtica (aproximadamente 2,71828)
x = nmero de sucessos por unidade
Exemplos:
1) Suponha que o nmero de defeitos no cordo de solda de uma carroceria siga uma distribuio de
Poisson com = 2. Ento a probabilidade de uma carroceria apresentar mais de 3 defeitos ser:
Ento a probabilidade de uma carroceria apresentar mais de 3 defeitos ser:
P( x> 3) = 1 P( x < 3) = 1-[ P(x= 0) + P(x= 1) + P(x= 2) + P(x= 3)]
2) Se chegam em mdia 2 carros por minuto em um posto de gasolina, qual a probabilidade de que
cheguem exatamente 5 carros em dois minutos?
Neste caso o tempo diferente do tempo correspondente ao l. Ento se deve transformar o para
que ele corresponda ao tempo de 2 minutos. Chegam em mdia 2 carros por minuto => chegam em
mdia 4 carros em 2 minutos.
Exerccios:
1. O setor financeiro de uma loja de departamentos est tentando controlar o nmero de erros
cometidos na emisso das notas fiscais. Suponha que esses erros sigam o modelo de Poisson com
mdia l = 0,03. Qual a probabilidade de uma nota selecionada ao acaso conter 1 ou mais erros?
2. Em uma indstria automotiva, defeitos superficiais de pintura ocorrem a uma taxa de 0,15
defeitos/unidade. Encontre a probabilidade que uma unidade escolhida ao acaso apresente 1 ou mais
defeitos superficiais.
41
3. Em uma empresa industrial ocorrem, em mdia, 3 acidentes por ms. Qual a probabilidade de que
em um determinado ms, ocorra apenas um acidente?
4. Dez por cento das ferramentas produzidas por um certo processo de fabricao revelaram-se
defeituosas. Determinar a probabilidade de, em uma amostra de 10 ferramentas escolhidas ao
acaso, exatamente duas serem defeituosas mediante o emprego da distribuio de Poisson.
5. Se a probabilidade de um indivduo sofrer uma reao nociva, resultante da injeo de um
determinado soro 0,001, qual a probabilidade de, entre 2000 indivduos:
a) exatamente 3 sofrerem aquela reao?
b) Mais de 2 sofrerem a reao?
Distribuio Normal
A distribuio Normal a mais familiar das distribuies de probabilidade e tambm uma das mais
importantes em estatstica. Esta distribuio tem uma forma de sino.

42
A equao da curva Normal especificada usando 2 parmetros: a mdia populacional , e o
desvio padro populacional , ou equivalentemente a varincia populacional . Denotamos N(
) curva Normal com mdia e varincia . A mdia refere-se ao centro da distribuio e
o desvio padro ao espalhamento de curva. A distribuio normal simtrica em torno da mdia o
que implica que e mdia, a mediana e a moda so todas coincidentes. Para referncia, a equao da
curva
Felizmente, voc no tem que memorizar esta equao. O importante que voc entenda como a
curva afetada pelos valores numricos de e . isto mostrado no diagrama abaixo.

A rea sob a curva normal (na verdade abaixo de qualquer funo de densidade de probabilidade)
1. Ento, para quaisquer dois valores especficos podemos determinar a proporo de rea sob a
curva entre esses dois valores. Para a distribuio Normal, a proporo de valores caindo dentro de
um, dois, ou trs desvios padro da mdia so:
Range Proportion

68.3%

95.5%

99.7%
43
Este resultado usado da seguinte maneira. Suponha que os comprimentos de um particular tipo de
peixe podem ser descritos por uma distribuio normal, com mdia 140mm e desvio padro 15mm.
Podemos calcular a proporo dos peixes que tm comprimentos entre 110 e 170mm, por exemplo,
como a proporo da rea sob a curva entre 110 e 170mm.
Ento em nosso exemplo, cerca de 95% dos peixes tem comprimentos entre 110mm e 170mm.
Na prtica desejamos calcular probabilidades para diferentes valores de e . Para isso, a varivel
cuja distribuio transformada numa forma padronizada com distribuio
(distribuio normal padro) pois tal distribuio tabelada. A quantidade dada por:

Exemplo:
A concentrao de um poluente em gua liberada por uma fbrica tem distribuio N(8,1.5). Qual a
chance, de que num dado dia, a concentrao do poluente exceda o limite regulatrio de 10 ppm?
A soluo do problema resume-se em determinar a proporo da distribuio que est acima de 10
ppm, ie . Usando a estatstica z temos:
Portanto, espera-se que a gua liberada pela fbrica exceda os limites regulatrios cerca de 9% do
tempo.
44
Exerccio:
A concentrao de cadmio em cinzas de um certo lixo radioativo tem distribuio N(1,0.72). Quais
so as chances de que uma amostra aleatria das cinzas tenha uma concentrao de cadmio entre
0.5 e 1.75 ppm?
Aplicao
Ainda na Escala de X, o tempo central a mdia de 75 segundos Na Escala de Z, a mdia 0 e os
intervalos tem como base o desvio padro. Mas, assim como X, a varivl Z contnua
Pergunta: como 87, na Escala de X, pode ser relacionado a 2, na Escala de Z?
Na Escala de Z, 2 significa dois desvios padr s a partir da mdia (0+ 2= 2), na Escala de X,
este deslocamento annlogo (75+2*6=87)
Outra forma de relacionar estes valores atravs da frmula de transforma o apresentada
anteriormente:
Suponha agora, que o consultor queira saber qual a probabilidade de um trabalhador levar um tempo
entre 75 e 81 segundos para montar uma pe, ou seja, P(75X81). Como proceder?
Transformar as variveis X em varieis normais padronizadas Z:
45
Logo temos a probabilidade P(0Z1), que ilustrada a seguir, e cujo valor determinado
consultando a tabela:
Aplicao Significado prtico para o que aprendemos
4) Consultando a tabela, encontramos o valor da rea indicada, que significa a probabilidade
Este resultado nos informa que ha probabilidade de 0,3413 de um trabalhador levar um tempo entre
75 e 81 segundos para montar um pea.
Outra interpretao que 34,13% dos trabalhadores levaro um tempo dentro do intervalo de 75 a
81 segundos.
5) Um marinheiro recebe um telefonema avisando que sua esposa deu a luz naquele dia, 308 dias
aps sua ltima visita. Sendfo que os prazos de gravidez tem distribuio normal mdia de 268
dias e desvio padro de 15 dias, pergunta-se: o marinhieor deve se preocupar....?
Em anexo mais exerccios das Distribuies Binomial, Poisson e Normal.
46

Apostila Prob e Estatistica - Sistemas e Ciencias - 2013

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Apostila Prob e Estatistica - Sistemas e Ciencias - 2013

Enviado por

Direitos autorais:

Formatos disponíveis

APOSTILA APOSTILA

7) Freqncia absoluta (fi)

- Moda Bruta (Mob): o ponto mdio da classe de maior freqncia

Tamanho da amostra pedida

Você também pode gostar