Você está na página 1de 106

Estatstica I

JAIR CROCE FILHO


PGINA 2
MEMRI A
01. Memria afiada. No assobie e chupe cana: bombardear a ateno com
muitas informaes juntas s atrapalha. Depois de alguns minutos, o crebro acaba
por dispersar. No d para ler e assistir TV ao mesmo tempo. Voc ter de decidir
entre uma e outra ou perder informaes dos dois casos.
02. Faa uma coisa de cada vez: Evite estudar diversos conceitos novos em se-
qncia, tudo no mesmo dia. A mente precisa de tempo para absorver novas infor-
maes. Quando ainda no dominamos um assunto e tentamos passar para outro
desconhecido, o crebro no tem tempo para codificar tantas mensagens. Assim,
corremos o risco de no memorizarmos nenhuma das duas.
03. Evite tudo aquilo que lhe cause desconforto: Estudar com fome, atrapalha a
concentrao. Ansiedade, depresso e tenso, tambm. Ao perceber que a ateno
est pouca, tente descobrir o motivo e elimine-o, se o problema for difcil de resol-
ver, pea ajuda mdica, se for o caso.
04. Estabelea associaes: o modo mais simples de guardar conceitos recm-
aprendidos associ-los a algo que j sabemos. mais fcil aprender uma novida-
de quando j temos conhecimento prvio do assunto, como um quebra-cabea:
as primeiras peas so difceis de encaixar mas, medida que juntamos blocos, o
processo de encaixe vai ficando rpido.
05. Esquematize seus estudos: Em matemtica, estatstica, portugus, etc. ao es-
quematizar o que aprendeu, voc reorganiza o conhecimento com base em um
conceito ou em um perodo da histria. Isso significa trabalhar a mesma informao
de forma diferente, o que ajuda a ret-la.
06. Faa a retrospectiva do dia: Antes de dormir, tente repassar seu dia de estu-
dos. Que aulas voc teve? Qual foi o contedo de cada uma delas? Parta do mais
para o menos genrico, lembrando, por exemplo que parte ou captulo da estatstica
foi estudado no dia, qual o conceito explicado, que tipo de exerccio foi feito. Faa
isso de forma leve, sem a preocupao de se recordar de tudo, porque as lembran-
as emergem como um novelo que se desenrola.
07. Evite "decoreba": repetir informaes em bloco sem compreend-las faz com
que percamos todo o conjunto. A maneira ideal de reter um conceito entend-lo.
08. No esquea o "corpore sano": Exerccios fsicos ajudam o corpo a liberar en-
dorfina, o estimulante produzido pelo organismo que melhora a ateno. Atividade
ao ar livre tambm colabora para diminuir a tenso, que um dos fatores que mais
atrapalham a concentrao.
09. Sistematize seu dia: o local onde guarda seus objetos. Guard-los sempre no
mesmo local no ajuda a memria, mas faz com que no precise acion-la, por
exemplo, para encontrar um lpis, reservando-a para coisas mais importantes.
10. Elimine todas as drogas: Incluindo lcool e medicamentos como tranqilizantes
e sonferos, a menos que sejam prescritos por mdico. Tudo isso age no sistema
nervoso central, podendo, a longo prazo, afetar sua memria; cocana e maconha,
por exemplo, deixam voc mais esquecido.
PGINA 3
N D I C E N D I C E
- CAP TULO I - Evoluo Histrica
Pgina 8
- CAP TULO I I - Introduo
Pgina 10
- CAP TULO I I I - Fases do Mtodo Estatstico (Estat. Descriti va)
Pgina 21
- CAP TULO I V - Sries e Tabelas Estatsticas
Pgina 26
- CAP TULO V - Representao Grfica
Pgina 33
- CAP TULO VI - Medidas de Tendncia Central
Pgina 43
- CAP TULO VI I - Medidas de Disperso ou de Flutuao
Pgina 59
- CAP TULO VI I I - Momentos
Pgina 69
- CAP TULO I X - Medidas de Assimetria e Curtose
Pgina 73
- CAP TULO X - Probabilidades
Pgina 82
PGINA 4
S U M R I O S U M R I O
- CAPTULO i CAPTULO i
EVOLUO HISTRICA 8
1.1. Preparao dos Fatos - 8
1.2. Preparao das Teorias - 8
1.3. Aperfeioamento - 9
- CAPTULO CAPTULO iI iI
INTRODUO 10
2.1. A Natureza da Estatstica - 10
Cincia - 11
Mtodo - 11
2.2. Origem da Palavra - 11
OBSERVAES - 12
1 ) A Estatstica nas Empresas - 12
2 ) Campos de Aplicao - 12
3 ) Resumo da Profisso - 13
2.3. Estatstica Descritiva e Indutiva - 15
2.3.1. Estatstica Descritiva ou Dedutiva - 15
2.3.2. Estatstica Indutiva ou Inferncia Estatstica - 15
2.4. Populao, Amostra e Amostragem - 16
2.4.1.Populao ou Universo Estatstico - 16
2.4.2.Amostra - 16
2.4.3.Amostragem - 17
a) Amostragem Intencional - 17
b) Amostragem Voluntria - 17
1. Amostragem Casual ou Aleatria Simples - 17
2. Amostragem Proporcional ou Estratificada - 18
3. Amostragem Sistemtica - 18
4. Amostragem Conglomerado - 18
OBSERVAES - 19
1 ) Parmetros - 19
2 ) Estimativa - 19
3 ) Atributo - 19
4 ) Varivel - 19
2.5. Fenmenos Estatsticos - 19
2.5.1. Fenmenos Coletivos ou Fenmenos de Massa - 19
2.5.2. Fenmenos Individuais ou Particulares - 19
2.5.3. Fenmenos de Multido - 20
a) Fenmenos Tpicos - 20
b) Fenmenos Atpicos - 20
2.6. Aspecto Qualitativo e Aspecto Quantitativo - 20
2.6.1.Aspecto Qualitativo - 20
a) Nominais - 20
b) Por Postos - 20
2.6.2.Aspecto Quantitativo - 20
a) Varivel Contnua - 20
b) Varivel Descontnua ou Discreta - 20
- CAPTULO CAPTULO iII iII
FASES DO MTODO ESTATSTICO (Estatstica Descritiva) 21
3.1. Definio do Problema - 21
3.2. Planejamento - 21
3.3. Coleta dos Dados - 22
3.3.1. Origem dos Dados - 22
a) Dados Primrios - 22
b) Dados Secundrios - 22
3.3.2. Como os Dados So Encontrados na Natureza - 22
a) Enumerados (Enumerao) - 22
b) Mensurados (Mensurao) - 22
c) Avaliados (Avaliao) - 23
PGINA 5
3.3.3. Tipos de Coleta de Dados - 23
a) Coleta Direta -23
1 Coleta Contnua ou Automtica - 23
2 Coleta Peridica - 23
3 Coleta Ocasional - 23
b) Coleta Indireta - 23
1 Coleta por Analogia - 23
2 Coleta por Proporcionalizao - 23
3 Coleta por Indcios - 24
4 Coleta por Avaliao - 24
3.4. Apurao dos Dados - 24
3.5. Crtica dos Dados - 24
3.5.1. Crtica Interna - 25
3.5.2. Crtica Externa - 25
3.6. Apresentao dos Dados - 25
3.6.1. Apresentao Tabular - 25
3.6.2. Apresenta Grfica - 25
3.7. Anlise e Interpretao dos Dados - 25
- CAPTULO CAPTULO iV iV
SRIES E TABELAS ESTATSTICAS 26
4.1. Sries Estatsticas - 26
4.1.1. Tipos de Sries Estatsticas - 27
a) Cronolgica - 27
b) Geogrfica - 27
c) Especificativa - 27
d) Distribuio de (ou por) Freqncias - 27
4.2. Tabelas Estatsticas - 27
4.2.1. Caractersticas Bsicas das Tabelas - 28
4.2.2. Regras Gerais Para Apresentao de Tabelas - 28
4.2.3. Arredondamento de Nmeros - 29
4.3. Combinao de Sries Estatsticas - 29
4.3.1. Cronolgica e Geogrfica - 29
4.3.2. Geogrfica e Distribuio - 29
4.3.3. Distribuio e Distribuio - 29
4.3.4. Geogrfica e Geogrfica - 30
4.3.5. Especificativa, Cronolgica e Geogrfica - 30
4.4. Distribuio de Freqncias - 30
4.4.1. Dados Brutos - 30
4.4.2. Dados Ordenados - 30
4.4.3. Formao da Srie - 30
4.5. Determinao do Nmero de Classes - 31
4.5.1. Frmula de Sturges - 31
4.6. Algumas Abreviaturas Usadas nas Distribuies - 31
- CAPTULO V CAPTULO V
REPRESENTAO GRFICA 33
5.1. Vantagens - 33
5.2. Desvantagens - 33
5.3. Tipos e Utilizao - 33
a) Diagramas - 33
b) Cartogramas - 33
c) Estereogramas - 33
5.4. Classificao dos Grficos - 33
5.4.1. Grficos de Informao - 33
5.4.2. Grficos de Anlise - 34
5.5. Construo de Grficos - 34
a) Grfico de Colunas ou Barras - 34
b) Grfico em Colunas Bidirecionais - 35
c) Grfico em Setores - 35
d) Grfico Linear ou Grfico em Linhas ou Diagrama Cartesiano - 35
e) Histograma - 36
f) Poligonal Caracterstica - 37
g) Polgono de Freqncias - 37
PGINA 6
h) Polgono de Freqncias Acumuladas ou Ogiva de Galton - 37
* Resoluo dos Exemplos de Grficos - 39
Exerccios - 42
- CAPTULO Vi CAPTULO Vi
MEDIDAS DE TENDNCIA CENTRAL 43
6.1. Mdias Simples e Ponderada - 43
a) Mdia Aritmtica Simples para Dados no Agrupados em Classes de Freqncias - 43
b) Mdia Aritmtica Para Valores Isolados Ponderados no Agrupados em Classes de Freqncias - 43
c) Propriedades da Mdia - 44
1 Propriedade - 44
2 Propriedade - 44
3 Propriedade - 44
4 Propriedade - 45
d) Mdia Aritmtica para Dados Agrupados em Classes de Freqncias (Processo Longo) - 45
e) Mdia Aritmtica para Dados Agrupados em Classes de Freqncias (Processo Breve) - 45
Exerccio - 47
6.2. Mediana - 48
6.2.1. Mediana para Dados no Agrupados em Classes de Freqncias - 48
6.2.2. Mediana para Dados Agrupados em Classes de Freqncias - 48
1 Processo - 48
2 Processo - 49
Exerccio - 50
6.3. Moda ou Norma ou Modo ou Tipo Dominante ou Mdia Densa - 51
6.3.1. Moda para Dados no Agrupados em Classes de Freqncias - 51
6.3.2. Moda para Valores Isolados Ponderados no Agrupados em Classes de Freqncias - 51
6.3.3. Moda para Dados Agrupados em Classes de Freqncias - 51
a) Moda Bruta - 51
b) Moda de Czuber - 52
c) Moda de King - 52
d) Moda de Pearson - 53
Exerccio - 54
6.4. Separatrizes - 55
6.4.1. Quartil - 55
a) Quartil para Dados no Agrupados em Classes de Freqncias - 55
b) Quartil para Valores Isolados Ponderados no Agrupados em Classes de Freqncias - 55
c) Quartil para Dados Agrupados em Classes de Freqncias - 55
6.4.2. Decil - 56
a) Decil para Dados no Agrupados em Classes de Freqncias - 56
b) Decil para Valores Isolados Ponderados no Agrupados em Classes de Freqncias - 56
c) Decil para Dados Agrupados em Classes de Freqncias - 56
6.4.3. Centil ou Percentil - 57
a) Percentil para Dados no Agrupados em Classes de Freqncias - 57
b) Percentil para Valores Isolados Ponderados no Agrupados em Classes de Freqncias - 57
c) Percentil para Dados Agrupados em Classes de Freqncias - 57
Exerccio - 58
- CAPTULO CAPTULO VIi VIi
MDIDAS DE DISPERSO OU DE FLUTUAO 59
7.1. Amplitude ou Intervalo Total Para Dados No Agrupados em Classes de Freqncias - 59
7.2. Desvio Quartil ou Amplitude Semi-Interquatlica Para Dados no Agrupados em Classes - 60
7.2.1. Grfico Blox Plot - 60
7.3. Desvio Mdio - 61
a) Desvio Mdio para Dados no Agrupados em Classes de Freqncias - 61
b) Desvio Mdio para Dados Agrupados em Classes de Freqncias - 61
7.4. Desvio Padro - 62
a) Desvio Padro para Dados no Agrupados em Classes de Freqncias - 62
b) Desvio Padro para Valores Isolados Ponderados no Agrupados em Classes de Freqncias - 62
c) Desvio Padro para Dados Agrupados em Classes de Freqncias - 63
c.1. Processo Longo - 63
c.2. Processo Breve - 63
d) Caractersticas do Desvio Padro - 64
7.5. Coeficiente de Variao - 66
7.6. Erro Padro da Mdia - 67
PGINA 7
Exerccio - 68
- CAPTULO CAPTULO VIIi VIIi
MOMENTOS - 69
8.1. Momentos - 69
8.1.1. Momento Natural (Absoluto) de Ordem r - 69
8.1.2. Momento de Ordem r em Relao a uma Origem Qualquer X
o


- 70
8.1.3. Momento Centrado na Mdia de Ordem r - 70
Exerccio - 72
- CAPTULO CAPTULO ix ix
MEDIDAS DE ASSIMETRIA E CURTOSE - 73
9.1. Medidas de Assimetria ou Enviesamento - 73
9.1.1. Distribuio com Assimetria Positiva - 73
9.1.2. Distribuio com Assimetria Negativa - 73
9.1.3. Distribuio Simetria - 74
9.1.4. Coeficiente de Assimetria - 74
a) Primeiro Coeficiente - 74
b) Segundo Coeficiente - 74
9.2. Coeficiente Momento de Assimetria - 76
Exerccio - 77
9.3. Medidas de Curtose - 79
9.3.1.Clculo do Coeficiente de Curtose - 79
9.4. Coeficiente Momento de Curtose - 79
Exerccio - 81
- CAPTULO x CAPTULO x
PROBABILIDADES - 82
10.1. Conceito e Caracterizao - 82
10.2. Terminologias - 82
a) Experimento - 82
b) Espao Amostral ou Conjunto Universo - 82
c) Evento Elementar - 82
1) Evento Simples - 83
2) Evento Composto - 83
3) Evento Certo - 83
4) Evento Impossvel - 83
5) Evento Complementar - 83
6) Evento Mutuamente Exclusivo - 83
7) Evento Independente - 83
8) Evento Condicional - 84
10.3. Regras para Combinao de Probabilidades - 84
10.3.1. Teorema da Adio - 84
10.3.2. Teorema da Multiplicao - 84
10.4. Axiomas das Probabilidades - 84
10.5. Anlise Combinatria - 85
10.5.1. Permutao - 85
a) Permutao Sem Repetio - 85
b) Permutao Com Repetio - 86
10.5.2. Arranjo - 86
10.5.3. Combinao - 86
10.6. Diagrama da rvore - 87
10.7. Teorema de Bayes - 88
Exerccios - 89
Respostas - 94
- ANEXOS: ANEXOS: * Glossrio de Frmulas - 95
* Bibliografia - 100
* Gramtica Grega Smbolos Utilizados na Estatstica - 101
* Respostas dos Exerccios Sobre Grficos da Pgina 42 - 102
* Resoluo Correta do Exerccio da Pgina 77 - 105
* Resoluo dos Exerccios Sugeridos da Pgina 78 - 106
PGINA 8
CAPTULO 1
Evoluo Histrica
Todas as Cincias tm suas razes na histria do homem.
A Matemtica, que considerada a cincia que une clareza do raciocnio a sntese da lingua-
gem, originou-se do convvio social, das trocas, da contagem, com carter prtico, utilitrio,
emprico.
A Estatstica, ramo da Matemtica Aplicada, teve origem semelhante.
1.1 Preparao dos Fatos
- Abrange a idade antiga, idade mdia e parte da idade contempornea
- Caracterstica principal - registro estatal - estatstica administrativa
- Livro Sacro (Chouking Vedas) - escrito por Confcio (Sbio Chins t t 2.230 a.C.)
- Censos de 2.275 e 2.238 a.C. (feito pelo Rei Yao)
Idade Antiga
- Vrios povos j registravam o nmero de habitantes, de nascimentos, de bitos, faziam
estimativas das riquezas individual e social, distribuam eqitativamente terras ao povo,
cobravam impostos e realizavam inquritos qualitativos por processos que hoje, chamar-
amos de estatsticas.
- Perodo Romano
. Census Romanus realizado por Srvio Tlio 6 rei de Roma 556 a.C.
. Csar Augusto convoca os Judeus para o recenseamento (Bblia - Nascimento de Jesus )
Idade Mdia
- Colhiam-se informaes, geralmente com finalidades tributrias ou blicas.
- Havia coleta numrica de pessoas, cidades, fbricas e produtos alimentcios para controle
das terras conquistadas
- Comeam a surgir as primeiras anlises sistemticas de fatos sociais, como batizados, ca-
samentos, funerais, originando as primeiras tbuas e tabelas e os primeiros nmeros rela-
tivos.
- Carlos Magno - Rei dos Francos - Imperador do Ocidente - 800 d.C.
. Com finalidades financeiras e administrativas estabeleceu o organismo do estado. Sua
base foi a parte financeira.
- Guilherme - O Conquistador 1083 a 1086 d.C.
. Doomsday Book (Livro do Dia do Juzo) - organizao de registros sistemticos de in-
formaes e cadastros de interesse do Estado, com finalidade guerreira ou fiscal.
. Ordenou a elaborao de um cadastro dividindo o solo da Inglaterra entre vrias classe
sociais, para fins de arrecadao de impostos.
1.2 Preparao das Teorias
- No sculo XVI o estudo de fatos sociais foi adquirindo, aos poucos, feio verdadeira-
mente cientfica.
- As tabelas tornaram-se mais completas, surgiram as representaes grficas e o clculo
das probabilidades, e a Estatstica deixou de ser simples catalogaes de dados numricos
PGINA 9
coletivos para se tornar o estudo de como chegar a concluses sobre o todo (populaes),
partindo da observao de partes desse todo (amostra).
- Caracteriza-se pelo aparecimento de crticas polmicas em torno da estatstica como dis-
ciplina independente do estado.
Hermann Conring (16001681) d.C. (Alemo)
- Primeiro a fazer distino entre estatstica e Estado
Estado = Governo = Territrio
Estatstica = parte da matemtica necessria na administrao
John Graunt (16201674) d.C. (Ingls) Vendedor de tecidos de Londres.
- Inicia o trabalho de estatstica demogrfica. Publicou um estudo analtico sobre o registro
de batismos, casamentos e enterros que h um sculo eram feitos, descobrindo certas re-
gularidades nesses fatos.
Willian Petty (16231687) d.C. (Ingls)
- Criador do termo aritmtica poltica (fixar os fenmenos sociais por meio dos nmeros
e pelas relaes numricas entre os mesmos, dando-lhes caractersticas de preciso ma-
temtica com fundamentao terica.
- Foi o primeiro a fazer conjeturas baseadas em informaes estatsticas, utilizando tabelas
e nmeros relativos.
Blaise Pascal (1623-1662) d.C. (Francs)
- Surgem os primeiros clculos de probabilidade. (Chevalier de Mr). Dvidas Pacioli.
Edmund Halley (16561742) d.C. (Ingls) Astrnomo e gemetra Cont. Newton.
- Inicia o trabalho estatstico no campo social com o clculo da mortalidade mdia de uma
regio. Ele notou que a morte, muito irregular e imprevisvel para os casos considerados
individualmente, seguia uma lei razoavelmente fixa se fosse computado um grande n-
mero de pessoas - da se originando a primeira tbua de mortalidade. (Usada em seguros).
John Peter Sussmilch (17071767) d.C. (Alemo) - Pastor
- Aritmtico poltico, em sua obra A ordem divina nas mutaes do gnero humano
(1741), deu um aspecto verdadeiramente cientfico estatstica, procurando demonstrar
relaes entre causa e efeito no seu estudo. Demonstrou que o nmero de nascimentos e
bitos obedecia a certa ordem divina regular, que regia as manifestaes naturais.
Gottfried Achenwall (17191772) d.C. (Alemo)
- Batizou a nova cincia (ou mtodo) com o nome de Estatstica, determinando o seu obje-
tivo e suas relaes com as cincias. Portanto, o primeiro a utilizar a palavra Estatstica.
Lamber Adolph Jacques Quetelet (1796-1874) d.C. (Belga)
- Com sua obra Fsica Social, acabou por confirmar a regularidade com que os fatos de-
mogrficos, sociais e at morais se manifestam, aproximando a estatstica do terreno ma-
temtico e como se desenvolve atualmente.
1.3 Aperfeioamento Tcnico e Cientfico
- Inicia-se em 1853 com a reunio do Primeiro Congresso de Estatstica. Dessa data at
hoje o mtodo estatstico vem sendo cada vez mais inteligentemente aplicado e em cam-
pos os mais diversos, e os processos de elaborao estatstica mais aperfeioados.
- Um grande intercmbio de informaes e idias, reunies de congressos, unificao de
pontos de vista, concepo da estatstica como um mtodo destinado a pesquisar as rela-
es de causa e efeito dos fenmenos so caractersticas desse perodo, abrangendo at a
idade contempornea.
-Passou a ser usada em todos os campos de atividade humana (Francis Galton).
PGINA 10
CAPTULO 2
Introduo
2.1A Natureza da Estatstica
A utilizao da Estatstica cada vez mais acentuada em qualquer atividade profissional da vida
moderna. Nos seus diversificados ramos de atuao, as pessoas esto freqentemente expostas
Estatstica, utilizando-a com maior ou menor intensidade. Isto se deve s mltiplas aplicaes
que o mtodo proporciona queles que dele necessitam.
Geralmente, quando apresentamos uma citao estatstica, somos levados, de pronto, a desacre-
ditar em qualquer argumentao em contrrio destituda de base numrica.
Devemos ser frontalmente contra os que afirmam que a Estatstica capaz de provar qualquer
coisa, o que implica, consequentemente, em querer dizer que a Estatstica no prova coisa al-
guma.
Aquele que aceita dados estatsticos indiscriminadamente muitas vezes se deixar enganar, sem
necessidade; tambm aquele que rejeita qualquer informe estatstico de pronto, estar dando pro-
va de ignorncia.
Atualmente, o pblico leigo (leitor de jornais e revistas) posiciona-se em dois extremos diver-
gentes e igualmente errneos quanto validade das concluses estatsticas: ou cr em sua infali-
bilidade ou afirma que elas nada provam. Os que assim pensam ignoram os objetivos, o campo e
o rigor do mtodo estatstico; ignoram a Estatstica quer terica quer prtica, ou a conhecem
muito superficialmente.
H, evidentemente, a necessidade de especiais cuidados no manejo e na interpretao da Estats-
tica; a interpretao no monoplio dos estatsticos, sendo natural que, possuindo um maior
conhecimento das tcnicas estatsticas, levem vantagens no tocante apreciao, anlise e inter-
pretao dos dados estatsticos. O raciocnio claro indispensvel para interpretar estatsticas,
requerendo uma disposio mental receptiva e crtica.
Raramente, ou nunca, os dados estatsticos falam por si mesmos. A coisa mais importante acerca
da interpretao dos dados estatsticos saber que, se forem habilmente coletados e criticamente
analisados podem ser extremamente teis.
Infelizmente os maus empregos so to numerosos quanto os usos vlidos da Estatstica. Nin-
gum - administrador, executivo, cientista ou pesquisador social deve deixar-se enganar pelas
ms Estatsticas, embora os casos de emprego indevido da Estatstica sejam tantos que possam
gerar a falsa impresso de que a Estatstica , raras vezes ou nunca, digna de confiana.
Como j dito, existem muitas concepes errneas acerca da natureza desta disciplina. A idia
que um leigo possa fazer da Estatstica difere em muito da de um profissional. comum, por
exemplo, as pessoas formarem conceitos distorcidos a respeito de um estatstico profissional.
Para alguns, trata-se de um indivduo que tem a capacidade de manipular nmeros para demons-
trar seus pontos de vista. Alguns estudantes, por outro lado, tendem a admiti-lo como algum
que, auxiliado por sua calculadora, tem a faculdade de converter qualquer assunto em um estudo
cientfico. Toda essa aura criada em torno da disciplina tem provocado, em estudantes e pro-
fissionais, uma dupla atitude: de apreenso, quanto dificuldade de absoro de seu contedo, e
de expectativa, quanto sua potencialidade como instrumento auxiliar de resoluo de proble-
mas.
Na era da energia nuclear, os estudos estatsticos tm avanado rapidamente e, com seus proces-
PGINA 11
sos e tcnicas, tm contribudo para a organizao dos negcios e recursos do mundo moderno.
Por essa razo, extremamente difcil apresentar uma definio de Estatstica, alm do que
muitos de seus conceitos fundamentais no apresentam uma definio explcita, ou, se a apre-
sentam, esta no se revela suficientemente clara para dar uma idia definitiva de seu significado.
Algumas definies:
a) uma coleo de mtodos para planejar experimentos, obter dados e organiz-los, resumi-los,
analis-los, interpret-los e deles extrair concluses;
b) a cincia dos dados. Envolve a coleta, a classificao, o resumo, a organizao, a anlise e a
interpretao da informao numrica;
c) um conjunto de mtodos e processos quantitativos que serve para estudar e medir os fen-
menos coletivos;
d) o mtodo que estuda os fenmenos de massa;
e) um mtodo de trabalho que auxilia todas as outras cincias, no seu campo de ao;
f) porm, de um ponto de vista muito geral, mtodos estatsticos so mtodos de se tratar dados
numricos.
OBS.: Cincia - Conjunto de conhecimentos exatos racionais relativos as causas das realiza-
es e suas dedues, portanto, cincia tudo que tem objetivo fixo.
Ex: Matemtica, Fsica, Qumica, etc.
Mtodo - Conjunto de meios, processos e instrumentos usados pelos cientistas e es-
tudiosos, para formularem seus princpios, teorias e normas.
Muitos dos conhecimentos que temos foram obtidos na antigidade por
acaso e, outros por necessidades prticas, sem aplicao de um mtodo.
Atualmente, quase todo acrscimo de conhecimento resulta da observao e
do estudo. Se bem que muito desse conhecimento possa ter sido observado
inicialmente por acaso, a verdade que desenvolvemos processos cientfi-
cos para seu estudo e para adquirirmos tais conhecimentos.
- Mtodo cientfico observa
- Mtodo experimental faz experincia
- Mtodo estatstico relaciona fatos
2.2Origem da Palavra
Vem do Latim Status ou do Grego Statizen (ESTADO)
ABUSOS DA ESTATSTICA
No de hoje que ocorrem abusos com a estatstica. Assim que, a cerca de um sculo, o
estadista Benjamin Disraeli disse:
h trs tipos de mentira: as mentiras, as mentiras srias e a estatstica. J se disse tam-
bm que os nmeros no mentem; mas os mentirosos forjam nmeros e que se tort u-
rarmos os dados por bastante tempo, eles acabaro por admitir qualquer coisa.
O historiador Andrew Lang disse que algumas pessoas usam a estatstica como um bbado
utiliza um poste de iluminao para servir de apoio e no para iluminar.
PGINA 12
Todas essas informaes se referem aos abusos da estatstica, quando os dados so apresen-
tados de forma enganosa. Alguns dos que abusam da estatstica o fazem simplesmente por
descuido ou ignorncia; outros porm, tm objetivos pessoais, pretendendo suprimir dados
desfavorveis enquanto do nfase aos dados que lhes so favorveis.
OBSERVAES:
1 ) A ESTATSTICA NAS EMPRESAS
No mundo atual, a empresa e uma das vigas-mestras da Economia dos povos.
A direo de uma empresa, de qualquer tipo, incluindo as estatais e governamentais, exige de seu
administrador a importante tarefa de tomar decises, e o conhecimento e o uso da Estatstica fa-
cilitaro seu trplice trabalho de organizar, dirigir e controlar a empresa.
Por meio da sondagem, de coletas de dados e de recenseamento de opinies, podemos conhecer a
realidade geogrfica e social, os recursos naturais, humanos e financeiros disponveis, as expec-
tativas da comunidade sobre a empresa, e estabelecer suas metas, seus objetivos com maior pos-
sibilidade de serem alcanados a curto, mdio ou longo prazos.
A Estatstica ajudar em tal trabalho, como tambm na seleo e organizao da estratgica a ser
adotada no empreendimento e, ainda, na escolha das tcnicas de verificao e avaliao da
quantidade e da qualidade do produto e mesmo dos possveis lucros e/ou perdas.
Tudo isso que se pensou, que se planejou, precisa ficar registrado, documentado para evitar es-
quecimentos, a fim de garantir o bom uso do tempo, da energia e do material e, ainda, para um
controle eficiente do trabalho.
O esquema do planejamento o plano, que pode ser resumido, com auxlio da Estatstica, em
tabelas e grficos, que facilitaro a compreenso visual dos clculos matemtico-estatstico que
lhes deram origem.
O homem de hoje, em suas mltiplas atividades, lana mo de processos e tcnicas estatsticas, e
s estudando-os evitaremos o erro das generalizaes apressadas a respeito de tabelas e grficos
apresentados em jornais, revistas e televiso, freqentemente cometido quando se conhece ape-
nas por cima um pouco de Estatstica.
2 ) CAMPOS DE APLICAO
A Estatstica encontra-se em quase todos os campos da atividade humana.
O Estado e a Sociologia tm necessidade de conhecer as populaes por seus efetivos, por sexo,
idade, estado civil, profisso, nacionalidade, etc.
Os servios de meteorologia to importantes para a navegao area e martima, so essencial-
mente estatsticos, com seus estudos de temperaturas, presses, quedas de chuvas, umidades,
ventos, etc.
Na agricultura, a estatstica serve como orientador seguro fornecendo informaes sobre colhei-
tas, rendimento das terras, valores da produo e outros.
Na indstria e no comrcio podem-se comparar produes e volumes de vendas em relao ao
total por regio, estudar a situao dos mercados e suas tendncias.
PGINA 13
Grandes servios a Estatstica presta Biologia desde o homem mdio de Quetelet passando
pela teoria da hereditariedade de Mendel, at as infinitas aplicaes de hoje.
A Geografia conclui atravs de estudos estatsticos as densidades demogrficas, correntes mi-
gratrias, clima, etc.
Na Informtica tambm encontramos importantes aplicaes, entre elas: avaliao de desempe-
nho de redes de computadores, etc..
Na Inteligncia Artificial, usam aplicaes em redes neurais, artificiais e minerao de dados.
E ainda na Histria e Literatura, onde trabalhos estatsticos estudam a extenso dos perodos,
coincidncias, pontuaes e estilos e, muitos outros.
3 ) RESUMO DA PROFISSO
O Estatstico promove levantamento de pesquisas estatsticas em suas aplicaes tcnicas e cien-
tficas, investigando, elaborando e testando mtodos matemticos e sistemas em amostragem,
bem como coletando, analisando e interpretando os dados relacionados com os fenmenos esta-
tsticos, e ainda estuda e renova a metodologia estatstica a fim de estabelecer a sua evoluo e
desenvolvimento.
fcil mentir com estatsticas
Antes de aceitar a verdade de um nmero, pergunte
de onde veio e se no existe outro mais significativo
JORNAL DO BRASIL
12/03/97
Nunca fomos um povo com vocao cientfica. No temos base, nem pacincia, nem muito inte-
resse pelos nmeros. Num exame vestibular, feito a algum tempo, por exemplo, a mdia das no-
tas das provas de matemtica dos candidatos ao curso de administrao foi 1,4. Como se trata
de mdia, pode-se imaginar o nmero de zeros.
Por culpa do ensino, dos maus professores ou da nossa formao cultural, o fato que a maio-
ria das pessoas, no Brasil, tem dificuldades permanentes com a matemtica, desde o curso pri-
mrio at a universidade.
No entanto, somos diariamente bombardeados pela mdia com informaes estatsticas (que so
um ramo da matemtica): o sabo em p X lava mais branco (do que o qu?). O candidato B
lidera as pesquisas de opinio (qual a amostra? como foram feitas as perguntas?). Cai o poder
aquisitivo da classe mdia (de quanto? onde? por qu? classe mdia na classificao de
quem?). Sobe o poder aquisitivo da classe mdia. Os juros so de 500% ao ano (mas a taxa
usada foi ao ms). Aumenta o rombo da previdncia. As contas da previdncia foram saneadas.
Qual a maior ameaa sade pblica: a AIDS (mil casos verificados) ou a doena de Chagas
(vrios milhes de doentes?).
Foram provas dessa incompetncia matemtica as grandes decepes com os muitos planos de
estabilidade da economia brasileira, porque aceitvamos, sem questionamento, planos de esta-
bilidade econmica que simplesmente congelavam o resultado de uma complexa equao, sem
que fossem tomadas as medidas necessrias para controlar cada um dos termos que a compu-
nha, como os gastos governamentais e as emisses de moeda, por exemplo.
PGINA 14
A informao de que h 10 milhes de menores abandonados no Brasil freqentemente menci-
onada como um dado real. Mas a composio etria da populao, cruzada com a estratifica-
o scio-econmica da ABA/ABIPEME indica que o total de crianas com menos de 15 anos
pertencente s classes D e E de cerca de 17 milhes, o que indica que cerca de 60% deles so
abandonados, ou ento que h menores abandonados na classe mdia (o que , no mnimo, in-
verossmil). Alm disso, o que um menor abandonado? Certamente um menino ou menina de 9
a 10 anos que perambula pelas ruas da cidade sem ter para onde ir: mas o mesmo no se pode
afirmar de um jovem de 15 anos, que pode ter sado de casa por vontade prpria. Existe a in-
formao que mais de 2/3 dos jovens que perambulam pelas ruas da cidade do Rio durante o dia
voltam para suas casas noite... o que, alis, no significa que o problema dos menores no
seja motivo de srias preocupaes de todos ns.
Outro exemplo marcante a renda per capita, ou salrio mdio. So mais de 2000 dlares, no
Brasil. Existem, contudo, trs taxas de cmbio diferentes: o comercial, o de turismo e o paralelo.
Qual o que vale? E deve-se dividir o total anual por 12 meses? Ou por 13 salrios?
Para complicar, existem, em estatstica, trs tipos de mdia: a mdia aritmtica, que comu-
mente usada, soma todos os salrios e divide pelo nmero de pessoas. Assim, a mdia de ganho
de duas pessoas: um banqueiro que ganha 20 mil reais por ms e de um servente de pedreiro
com salrio de 200 reais de 10 mil e 100 reais para cada um, divididos na tabela estatstica,
mas no na vida real. Mas existe uma outra mdia, denominada mediana, que estabelece o nvel
salarial mediano, isto , um certo salrio, onde h tantas pessoas que ganham mais do que
aquele nmero, quantas pessoas que ganham menos. Tal clculo (bastante democrtico) no
feito no Brasil. Finalmente, existe a moda ou modal, que o salrio de maior incidncia (ou fre-
qncia) na populao e, que no Brasil, indiscutivelmente o salrio mnimo, hoje de pouco
mais de R$100... Qual dos trs clculos de converso e qual das trs mdias devem ser utiliza-
das para os estudos sociais e os planos econmicos?
Resta o consolo de que a confuso matemtica e estatstica no privilgio do Brasil. Faz pouco
tempo, uma revista americana publicou um artigo sobre acidentes de trnsito nos Estados Uni-
dos, comentando que a maioria dos acidentes com vtimas era causada por motoristas com me-
nos de 30 anos e que, portanto, as pessoas mais jovens eram mais imprudentes ao dirigir. Um
professor de Estatstica escreveu revista para observar que o simples registro numrico dos
acidentes no era suficiente para apoiar a concluso do editor. Para fazer a inferncia correta
(explicava) necessrio conhecer o nmero de motoristas habilitados com menos de 30 anos,
em relao ao total de motoristas de todas as idades: determinar o nmero de horas por ano que
cada faixa etria dedica a dirigir e os tipos de acidentes, para estabelecer suas reais causas.
Afinal, ponderava, alm do provvel fato de que as pessoas mais jovens dirigem com mais fre-
qncia, um motorista idoso conduzindo um carro a cinqenta por hora numa auto-estrada pode
ser o verdadeiro causador de um acidente, ainda que, tecnicamente, o culpado seja quem bate...
claro que esse exemplo no significa que as pessoas mais jovens no possam ser mais impru-
dentes e provocar, proporcionalmente, mais acidentes que os mais velhos. Apenas serve para
ilustrar o fato de que as afirmaes feitas em cima de estatsticas frgeis tendem a merecer mais
crdito quando esto de acordo com as opinies e preceitos de quem as ouve.
Para se conhecer a verdade atravs dos nmeros, no basta que eles existam e no sejam falsos.
preciso saber de onde vieram, quais os disfarces que podem estar usando e se no existem
outros nmeros mais importantes que estejam sendo (talvez deliberadamente) escondidos ou
omitidos por quem os apresenta. Especialmente se for para provar alguma coisa ou tentar
convencer algum.
J. ROBERTO WHITAKER PENTEADO - Vice-presidente da mantenedora e diretor-geral da Escola
Superior de Propaganda e Marketing do Rio de Janeiro.
PGINA 15
2.3Estatstica Descritiva e Estatstica Indutiva
2.3.1 Estatstica Descritiva ou Dedut iva
a parte da estatstica referente a coleta e tabulao de dados.
Utiliza mtodos numricos e grficos para mostrar os padres de comportamento dos dados, para
resumir a informao contida nesses dados e para apresentar a informao de forma conveniente.
aquela que tem por objetivo descrever e analisar determinada populao, sem pretender tirar
concluses de carter mais genrico.
Dado um conjunto de elementos, podemos em relao a um certo fenmeno estudar todos os
seus elementos, classificando-os, fornecendo nmeros indicativos que sumariem, certas caracte-
rsticas dos dados; so nmeros sumariantes, que fornecem descries de todo o conjunto sem a
apresentao total dos elementos, ou mesmo medidas e relaes do conjunto, no perceptveis
com a pura apresentao do rol de dados. A este setor da Estatstica denomina-se Estatstica
Descritiva.
Principalmente em pesquisa social, o analista defronta-se amide com a situao de dispor de
tantos dados que se toma difcil absorver completamente a informao que est procurando in-
vestigar. extremamente difcil captar intuitivamente todas as informaes que os dados con-
tm. necessrio, portanto, que as informaes sejam reduzidas at o ponto em que se possa in-
terpret-las mais claramente. Em outras palavras, indispensvel resumi-las, atravs do uso de
certas medidas-snteses, mais comumente conhecidas como estatsticas descritivas ou simples-
mente estatsticas. Por conseguinte, a estatstica descritiva um nmero que sozinho descreve
uma caracterstica de um conjunto de dados. Trata-se, portanto, de um nmero-resumo que pos-
sibilita reduzir os dados a propores mais facilmente interpretveis. Evidentemente, ao resumir
os dados atravs do uso de estatsticas descritivas, muita informao ir necessariamente se per-
der, alm de ser provvel a obteno de resultados distorcidos, a menos que eles sejam inter-
pretados com muita precauo.
Em um sentido mais amplo, a Estatstica Descritiva pode ser interpretada como uma funo cujo
objetivo a observao de fenmenos de mesma natureza, a coleta de dados numricos referen-
tes a esses fenmenos, a organizao e a classificao desses dados observados e a sua apresen-
tao atravs de grficos e tabelas, alm do clculo de coeficientes (estatsticas) que permitem
descrever resumidamente os fenmenos.
2.3.2 Estatstica Indutiva ou Inferncia Estatstica (induo, conseqncia, concluso)
a parte da estatstica que, baseando-se em resultados obtidos da anlise de uma amostra da po-
pulao, procura inferir, induzir ou estimar as leis de comportamento da populao da qual a
amostra foi retirada.
Portanto, a estatstica indutiva refere-se a um processo de generalizao, a partir de resultados
particulares. Consiste em obter e generalizar concluses, ou seja, inferir propriedades para o todo
com base na parte, no particular. A inferncia estatstica implica, pois, um raciocnio muito mais
complexo do que o que preside a Estatstica Descritiva. Entretanto, bem compreendida e utiliza-
da, pode converter-se em um instrumento muito importante para o desenvolvimento de uma dis-
ciplina cientfica.
O processo de generalizao, que caracterstico do mtodo indutivo, est associado a uma mar-
gem de incerteza. A existncia da incerteza deve-se ao fato de que a concluso, que se pretende
obter para o conjunto de todos os indivduos analisados quanto a determinadas caractersticas
PGINA 16
comuns, baseia-se em uma parcela do total de observaes. A medida da incerteza tratada me-
diante tcnicas e mtodos que se fundamentam na Teoria da Probabilidade.
2.4Populao, Amostra e Amostragem
2.4.1 Populao ou Universo Estatstico
O conjunto da totalidade dos indivduos sobre o qual se faz uma inferncia recebe o nome de po-
pulao ou universo. A populao congrega todas as observaes que sejam relevantes para o
estudo de uma ou mais caractersticas dos indivduos, os quais podem ser concebidos tanto como
seres animados ou inanimados. Em linguagem mais formal, a populao o conjunto constitudo
por todos os indivduos que apresentem pelo menos uma caracterstica comum, cujo comporta-
mento interessa analisar (inferir).
Pode-se classificar pelo tamanho, sendo finita, quando a populao possui um nmero determi-
nado de elementos e infinita, quando possui um nmero infinito de indivduos, mas tal definio
s existe na teoria, pois na prtica, nunca encontraremos populaes com infinitos elementos,
mas sim, populaes com um grande nmero de componentes, por isso, tais populaes so tra-
tadas como se fossem infinitas. Quanto maior a populao, mais difcil a observao dos aspec-
tos que se deseja estudar, devido ao alto custo, ao intenso trabalho e ao tempo gasto para tal.
Assim sendo, o objetivo das generalizaes estatsticas (induo estatstica) est em dizer-se algo
acerca de diversas caractersticas da populao estudada, com base em fatos conhecidos. Essas
caractersticas da populao so comumente chamadas de parmetros (valores singulares), os
quais so valores fixos e ordinariamente desconhecidos.
2.4.2 Amostra
A amostra pode ser definida como um subconjunto, uma parte selecionada da totalidade de ob-
servaes abrangidas pela populao, atravs da qual se faz um juzo ou inferncia sobre as ca-
ractersticas da populao. As caractersticas da amostra so chamadas de estatsticas (descrit i-
vas), sendo simbolizadas por caracteres latinos, enquanto que os parmetros da populao tero
como smbolos, via de regra, os caracteres gregos.
A amostra um subconjunto, representativo ou no, da populao em estudo. Essa represernta-
tividade da amostra, ocorre quando ela apresenta as mesmas caractersticas gerais da populao
da qual foi extrada (Milone, Angelini, 1993:16)
Ex.:Suponha-se, que se pretenda conhecer o contedo de ferro natural a ser exportado por um
navio. O agregado ou populao consiste em todo o minrio de ferro a ser exportado por
esse navio. Parte do minrio examinada, a fim de determinar seu teor de ferro, com o ob-
jetivo de tirar uma concluso a respeito do teor de ferro natural do embarque completo. A
parte de mineral selecionado constitui a amostra do embarque. Uma vez que se far infern-
cia sobre todo o minrio embarcado a partir de apenas uma poro dele, a base do processo
a informao incompleta ou de amostra.
IMPORTANTE
possvel mentir usando estatsticas, mas se mente mais, e melhor, sem estatsticas. pre-
ciso entender que as amostras podem levar a concluses erradas. Contudo, as opinies pes-
soais, sem base em dados, levam, em geral, a concluses muito mais erradas.
Frederick Mosteller
Professor em Harvard
PGINA 17
2.4.3 Amostragem
um artifcio ou uma tcnica estatstica que possibilita realizar a pesquisa em universos infini-
tos, quanto aos aspectos de custo e de tempo. Desta forma, a Estatstica pode ser estendida ao
estudo das populaes chamadas infinitas nas quais no temos a possibilidade de observar to-
dos os elementos do universo.
Mesmo no caso das populaes finitas passou-se a empregar o estudo por amostragem, pela eco-
nomia e rapidez dos resultados. Assim o estudo da qualidade dos produtos de uma partida indus-
trial passou a ser feito a partir dos resultados obtidos pela inspeo dos elementos de uma amos-
tra.
A teoria da amostragem til para determinar se as diferenas observadas entre duas amostras
so realmente devidas a uma variao casual ou se so verdadeiras.
No geral, ao estudo da inferncia de uma pesquisa a respeito de uma populao mediante a utili-
zao de amostras delas extradas, junto com a preciso das inferncias usando a teoria da pro-
babilidade, denominamos inferncia estatstica.
Enfim, amostragem o estudo das relaes existentes entre a populao e as amostras dela ex-
tradas. o conjunto de tcnicas utilizadas para a seleo de uma amostra.
Este conjunto de tcnicas pode ser subdividido em dois grupos bsicos: a amostragem no alea-
tria e a amostragem aleatria.
A amostragem no aleatria inclu tcnicas como:
a) Amostragem intencional
Ocorre quando o pesquisador seleciona intencionalmente os componentes da amostra.
b) Amostragem voluntria
Ocorre quando o componente da populao se oferece voluntariamente para participar da amos-
tra independentemente do julgamento do pesquisador.
Estas amostras no permitem o controle da variabilidade amostral, o que inviabiliza o controle da
qualidade da estimao.
A amostragem aleatria inclu tcnicas como:
1) Amostragem casual ou aleatria simples
Este tipo de amostragem equivalente a um sorteio lotrico. Ela pode ser realizada numerando-
se a populao de 1 a n e sorteando por meio de um dispositivo aleatrio qualquer, K nmeros
dessa populao que corresponder aos elementos pertencentes amostra.
Ex.: obter uma amostra representativa de 10% para a pesquisa de estatura de 70 alunos:
- numeramos os alunos de 01 a 70;
- escrevem-se os nmeros de 01 a 70 em pedaos iguais de papis, coloque-os dentro de
uma caixa e proceda ao sorteio, tirando um a um, sete nmeros que formaro a amostra.
Quando o nmero de elementos da amostra muito grande, nestes casos utiliza-se uma Tabela
de Nmeros Aleatrios, constituda de modo que os algarismos so distribudos ao acaso nas li-
nhas e colunas. Para obtermos os elementos da amostra usando a tabela, sorteamos um algaris-
PGINA 18
mo, a partir do qual iremos considerar nmeros de dois, trs ou mais algarismos, conforme a ne-
cessidade.
Medindo as alturas dos alunos correspondentes aos nmeros sorteados, obteremos uma amostra
das estaturas dos 70 alunos.
2) Amostragem proporcional ou estratificada
quando a populao se subdivide em sub-populaes (estratos)
Quando a populao se divide em estratos, convm que o sorteio dos elementos da amostra leve
em considerao tais estratos, da obtm-se os elementos da amostra proporcional ao nmero de
elementos desse estrato.
Ex.: Se considerarmos o exemplo anterior, que, dos 70 alunos, 40 sejam meninas e 30 meninos,
vamos obter amostra proporcional estratificada.
Temos dois estratos (sexo masculino e feminino) se queremos uma amostra de 10%, tere-
mos 3 homens (10% de 30) e 4 mulheres (10% de 40).
3) Amostragem sistemtica
Quando os elementos da populao j se encontram ordenados, no h necessidade construir um
sistema de referncia.
Esta amostragem semelhante aleatria simples, mas a listagem ordenada. Devemos seguir
os seguintes passos:
1) divide-se o tamanho da populao (N) pelo tamanho da amostra (n), obtendo um intervalo
de retirada (k).
2) sorteia-se o ponto de partida.
3) a cada k elementos retira-se uma para amostra.
Ex.: - no caso de uma linha de produo, podemos a cada 10 itens produzidos, retirar 01 para
amostra de produo diria. Neste caso estaramos fixando o tamanho da amostra em 10%
da populao.
- uma avenida contendo 800 prdios, dos quais desejamos obter uma amostra formada de
quarenta prdios. Pode-se usar o seguinte procedimento: 800 : 40 = 20, escolhemos por
um sorteio casual um nmero de 1 a 20, o qual indicaria o primeiro elemento sorteado
para a amostra; os demais elementos sero periodicamente considerados de 20 em 20. Se
o nmero sorteado fosse 06, por exemplo, tomaramos pelo lado direito da avenida, o 6
prdio, o 26, o 46, o 66, etc., at voltarmos ao incio da rua, pelo lado esquerdo.
4) Amostragem por conglomerados
Em algumas situaes, podemos identificar um grupo de elementos que tenha aproximadamente
a mesma composio de populao. Neste caso, pode ser interessante realizar a amostragem
usando somente os elementos desse grupo.
Algumas empresas, quando pretendem avaliar a aceitao de um produto no eixo Rio-So Paulo,
lanam o produto em Curitiba, cuja populao se comporta com uma miniatura desse mercado.
Ex.: Dependendo da situao poderemos consultar todos os moradores de um nico prdio para
conhecer o pensamento de todo o bairro.
PGINA 19
OBSERVAES:
1 ) PARMETROS:so valores singulares que existem na populao e que servem para caracte-
riz-la. Para definirmos um parmetro devemos examinar toda a populao.
Ex.: Os alunos do 2 ano de uma Faculdade tm em mdia 1,68 metros de estatura.
2 ) ESTIMATIVA: um valor aproximado do parmetro e calculado com o uso da amostra.
3 ) ATRIBUTO: quando os dados estatsticos apresentam um carter qualitativo, o levant a-
mento e os estudos necessrios ao tratamento desses dados so designados
genericamente de estatstica de atributo.
Ex.: de classificao dicotmica do atributo:
a classificao dos alunos da Faculdade quanto ao sexo.
Atributo: sexo
Classe: alunos da faculdade
Dicotomia: duas subclasses (Masculino e Feminino)
de classificao policotmica do atributo:
alunos da Faculdade quanto ao estado civil.
Atributo: estado civil
Classe: alunos da faculdade
Dicotomia: mais de duas subclasses (solteiro, casado, divorciado, vivo, etc.)
4 ) VARIVEL: convencionalmente, o conjunto de resultados possvel de um fenmeno.
2.5Fenmenos Estatsticos
O fenmeno em estatstica relaciona-se com qualquer evento que se pretenda analisar, cujo estu-
do seja passvel da aplicao da tcnica estatstica. A Estatstica dedica-se ao estudo dos fen-
menos de massa, que so resultantes do concurso de um grande nmero de causas, total ou parci-
almente desconhecidas, que sero chamadas de fenmenos estatsticos.
possvel no se conhecerem exatamente as causas subjacentes aos fenmenos, pois pode-se
estud-los atravs de suas manifestaes, descobrindo-se neles alguns aspectos globais, sem re-
montar a essas causas. O que caracteriza tais fenmenos (sociais, biolgicos, etc.) o fato de se-
rem eles provenientes de um concurso de causas nem sempre totalmente conhecidas pelo analis-
ta. Os fenmenos classificam-se em trs tipos:
2.5.1 Fenmenos Coletivos ou Fenmenos de Massa
Os fenmenos coletivos so aqueles que no podem ser definidos por uma simples observao.
A natalidade, a mortalidade, a nupcialidade, o preo mdio de veculos usados, vendidos diaria-
mente em uma grande cidade, so fenmenos coletivos.
2.5.2 Fenmenos individuais ou Particulares
Os fenmenos individuais so aqueles que iro compor os fenmenos coletivos. Cada nasci-
mento, cada indivduo que morre, cada casamento que ocorre, cada veculo usado que se vende
diariamente em uma grande cidade, so fenmenos individuais.
PGINA 20
2.5.3 Fenmenos de Multido
Os fenmenos de multido distinguem-se dos fenmenos coletivos pelo fato de as caractersticas
observadas para a massa no se verificarem para o particular, para o indivduo isoladamente.
De acordo com a forma como se manifestam, os fenmenos podem ser classificados sob dois as-
pectos:
a) Fenmenos Tpicos
Os fenmenos tpicos so aqueles que se manifestam de forma regular, revelan-
do um comportamento definido.
Ex.: eleio, dia e noite, mars, censo, balano, balancete, etc..
b) Fenmenos Atpicos
Os fenmenos atpicos referem-se queles fenmenos cuja manifestao se d
atravs de um comportamento irregular, no revelando uma tendncia definida.
Ex.: epidemias, avalanches, chuva, etc..
2.6Aspecto Qualitativo e Aspecto Quantitativo (Varivel Discreta e Contnua)
2.6.1 Aspecto Qualitativo (Varivel Categrica)
o que representa qualidade, atributo, caracterstica, etc.. Considera-se um carter como quali-
tativo quando as modalidades que o compem formam um conjunto amorfo (sem forma defini-
da), no estruturado numericamente, ou seja, quando no h ligao entre essas modalidades,
independentemente do fato de constiturem um conjunto completo. Se subdividem em:
A) Nominais - Ex.: sexo, cor, raa, etc.
B) Por Postos - Ex.: lista de concursos, tabela de campeonato, etc.
2.6.2 Aspecto Quantitativo (Varivel Numrica)
Os resultados das observaes sero expressos sempre atravs de valores numricos. Os dados
so de carter nitidamente quantitativo, e o conjunto dos resultados possui uma estrutura numri-
ca. Dir-se-, ento, que se trata de estatstica quantitativa ou estatstica de varivel. Se subdivi-
dem em:
A)Varivel Contnua: a que permite subdivises intermedirias entre dois pontos,
ou seja, pode assumir qualquer valor num certo intervalo de
medida. (Conjunto R dos nmeros naturais).
Ex.: um pacote de arroz, dimetro de um rolamento, mercrio no termmetro, etc.
B) Varivel Descontnua ou Discreta: a que no permite valores intermedirios
entre dois pontos, ou seja, s pode assumir
determinado valor num certo intervalo de
medida. (Valores inteiros, inclusive zero).
x.: uma pessoas, um carro, uma consulta, um computador, etc.
PGINA 21
CAPTULO 3
Fases do Mtodo Estatstico (Estatstica Descritiva)
Quando se pretende empreender um estudo estatstico completo, existem diversas fases do tra-
balho que devem ser desenvolvidas para se chegar aos resultados finais do estudo. Essas etapas
ou operaes so chamadas fases do trabalho estatstico.
3.1Definio do Problema
A primeira fase do trabalho estatstico consiste em uma definio ou formulao correta do pro-
blema a ser estudado. Alm de considerar detidamente o problema objeto do estudo, o analista
dever examinar outros levantamentos realizados no mesmo campo e anlogos, uma vez que
parte da informao de que necessita pode, muitas vezes, ser encontrada nesses ltimos.
Ex.:Um fabricante de sabonete, que deseja lanar um produto novo no mercado, poderia estar
interessado em um estudo sobre as caractersticas dos consumidores atuais. No havendo
estudos semelhantes, ele dever formular o problema com base em sua prpria experincia.
Uma lista de fatores relevantes dever resultar dessa investigao preliminar:
nmero de unidades consumidas por famlia em cada ano;
nmero mdio de pessoas que compe cada famlia;
nmero de membros adultos da famlia, as marcas preferidas e assim por diante.
Saber exatamente aquilo que se pretende pesquisar o mesmo que definir corretamente o
problema.
3.2Planejamento
O passo seguinte, aps a definio do problema, compreende a fase do planejamento, que con-
siste em se determinar o procedimento necessrio para resolver o problema e, em especial, como
levantar informaes sobre o assunto objeto do estudo.
Que dados devero ser obtidos?
Como obt-los?
O que ser pesquisado?
Quem participar da pesquisa? (Critrios de incluso e excluso)
Em que setores geogrficos ser feita a pesquisa?
Qual o grau de preciso exigido na pesquisa?
Qual o tipo de amostragem?
Qual o tamanho da amostra?
Quais materiais sero necessrios para realizar a pesquisa?
Qual o tempo disponvel para fazer a pesquisa?
Qual o custo previsto?
Qual a verba destinada ao projeto? Etc.
preciso planejar o trabalho a ser realizado, tendo em vista o objetivo que se pretende atingir.
Mais especificamente, na fase do planejamento a preocupao maior reside na escolha das per-
guntas, bem como sua correta formulao, qualquer que seja a modalidade de coleta dos dados.
O planejamento pode ser dividido em: censitrio que utilizado quando a contagem for com-
pleta, ou por amostragem quando for parcial.
Ex.: Censitrio levantamento do IBGE
Amostragem opinio dos eleitores sobre o presidente.
PGINA 22
ATENO:
um mal planejamento pode comprometer, no s as diversas fases da anlise mas tambm a pr-
pria anlise, levando a concluses ou a decises erradas, podendo vir a prejudicar os resultados
do negcio como um todo (processo, empresa, etc.).
3.3Coleta dos Dados
O terceiro passo essencialmente operacional, compreendendo a coleta das informaes propri-
amente ditas. Formalmente, a coleta de dados se refere obteno, reunio e registro sistemtico
de dados, com um objetivo determinado.
Antes de se tecer qualquer outra considerao sobre esta fase do mtodo estatstico, convm es-
tabelecer uma distino entre os dados estatsticos.
3.3.1 Origem dos Dados
A) Dados Primrios
Os dados so primrios quando so publicados ou comunicados pela prpria
pessoa ou organizao que os haja recolhido.
B) Dados Secundrios
Os dados so secundrios quando so publicados ou comunicados por outra or-
ganizao.
OBS.: Um conjunto de dados , pois, primrio ou secundrio em relao a algum. As tabelas do
Censo Demogrfico so fontes primrias. Quando determinado jornal publica estatsticas
extradas de vrias fontes e relacionadas com diversos setores industriais, os dados so se-
cundrios para quem desejar utilizar-se deles em alguma pesquisa que esteja desenvol-
vendo. Embora muitas vezes possa ser conveniente recorrer a fontes secundrias, mais
seguro trabalhar com fontes primrias, por vrias razes:
1. uma fonte primria oferece, em geral, informao mais detalhada do que uma fonte se-
cundria;
2. mais provvel que as definies de termos e de unidades figurem somente nas fontes
primrias;
3. o uso da fonte secundria traz o risco adicional de erros de transcrio;
4. uma fonte primria poder vir acompanhada de cpias dos impressos utilizados para
coletar as informaes, juntamente com o procedimento adotado na pesquisa, a meto-
dologia seguida e o tipo e tamanho da amostra.
Essas informaes proporcionam ao usurio uma idia do grau de garantia que os dados
oferecem.
3.3.2 Como os Dados so Encontrados na Natureza (em quantidade)
A) Enumerados (Enumerao)
So aqueles que podem ser contados ou contabilizados.
Ex.: contagem fsica de objetos, levantamento de estoque, etc.
B) Mensurados (Mensurao)
So aqueles que podem ser obtidos atravs do uso de instrumentos de medida.
Ex.: balana, metro, litro, etc.
PGINA 23
C) Avaliados (Avaliao)
So aqueles que no podem ser contados ou mensurados. uma maneira emp-
rica de se determinar quant idade.
Ex.: uma sala com + 100 pessoas.
3.3.3 Tipos de Coleta de Dados
A) Coleta Direta
A coleta direta quando obtida diretamente da fonte, como no caso da empre-
sa que realiza uma pesquisa para saber a preferncia dos consumidores pela sua marca.
A coleta direta de dados pode ser classificada relativamente ao fator tempo em
contnua, peridica e ocasional.
1 - Coleta Contnua ou Automtica
A coleta de dados contnua quando estes so obtidos ininterruptamente,
automaticamente e na vigncia de um determinado perodo: um ano, por exemplo. aquela em
que feito o registro to logo se verifique o fato.
Ex.: Registros de nascimento, de casamento, de bito, baixa automtica de estoque, etc..
2 - Coleta Peridica
A coleta de dados peridica quando realizada em perodos determina-
dos, de tempos em tempos, com repeties cclicas.
Ex.: recenseamento a cada dez anos, o censo industrial, anualmente, balano, etc..
3 - Coleta Ocasional
A coleta de dados ocasional quando os dados forem colhidos espora-
dicamente, ocasionalmente, atendendo a uma conjuntura qualquer ou a uma emergncia.
Ex.: coleta de casos fatais em um surto epidmico, registro de pedidos de um determinado artigo
que uma grande empresa recebe em um dia de greve, etc..
B) Coleta Indireta
A coleta dos dados indireta quando inferida a partir dos elementos conse-
guidos pela coleta direta, ou atravs do conhecimento de outros fenmenos que, de algum
modo, estejam relacionados com o fenmeno em questo. feita, portanto, por dedues e con-
jeturas (sem fundamento preciso, suposio), podendo ser realizada:
1 - Coleta por Analogia
A coleta de dados feita por analogia quando o conhecimento de um fen-
meno induzido a partir de outro que com ele guarda relaes de casualidade.
Ex.:No carnaval do ano passado 10.000 pessoas visitaram a cidade, espera-se a mesma quanti-
dade este ano.
2 - Coleta por Proporcionalizao
A coleta de dados feita por proporcionalizao, quando o conhecimento
de um fato se induz das condies quantitativas de uma parte dele. feito atravs de uma regra
de trs, em que se mede um elemento bsico. Nada mais que uma porcentagem.
Ex.:uma pea ocupa um espao de 3m
2
, tenho um espao de 30m
2
, portanto coloco 10 peas
neste espao.
PGINA 24
3 - Coleta por Indcios
A coleta por indcios se d quando so escolhidos fenmenos sintomticos
para discutir um aspecto geral da vida social.
Ex.: reunio de elementos como prova de um crime para a descoberta dos culpados
4 - Coleta por Avaliao
A coleta feita por avaliao quando, atravs de informaes fidedignas ou
estimativas cadastrais, se presume o estado quantitativo de um fenmeno.
Ex.: supor que existam 150 pessoas numa sala.
Resumo da Coleta de Dados
- Coleta Contnua ou Automtica Ex.: Registro de bitos
- Coleta Direta - Coleta Peridica Ex.: Censo
- Coleta Ocasional Ex.: Epidemias
- Coleta por Analogia Ex.: Pessoas no carnaval
- Coleta por Proporcionalizao Ex.: Regra de trs
- Coleta por Indcios Ex.: Elementos de um crime
- Coleta por Avaliao Ex.: Produo de um perodo
3.4Apurao dos Dados
Antes de comear a analisar os dados, conveniente que lhes seja dado algum tratamento pr-
vio, a fim de torn-los mais expressivos.
A quarta etapa do processo , ento, a da apurao ou sumarizao, que consiste em resumir os
dados, atravs de sua contagem e agrupamento. um trabalho de condensao e de tabulao
dos dados, que chegam ao analista de forma desorganizada, tornando impossvel a tarefa de
apreender todo o seu significado pela simples leitura.
H vrias formas de se fazer a apurao, dependendo das necessidades e dos recursos dispon-
veis do interessado: manual (sem mquinas), mecnica (mquinas de somar manual), eletrome-
cnica (mquinas de somar eltricas) ou eletrnica (computador).
Por conseguinte, atravs da apurao, tem-se a oportunidade de condensar os dados, de modo a
obter um conjunto compacto de nmeros, o qual possibilita distinguir melhor o comportamento
do fenmeno na sua totalidade.
Entretanto, a contrapartida da melhor apreciao dos dados em seu conjunto a perda corres-
pondente de detalhes, uma vez que se trata de um processo de sintetizao.
3.5Crtica dos Dados
Obtidos os dados, eles devem ser cuidadosamente criticados, procura de possveis falhas e im-
perfeies, a fim de no incorrermos em erros grosseiros ou de certo vulto, que possam influir
sensivelmente nos resultados. As crticas podem ser:
- Coleta Indireta
{
{
PGINA 25
3.5.1 Crtica Interna
a crtica feita sobre os dados originais da coleta.
Ex.: soma de nmeros.
3.5.2 Crtica Externa
aquela que visa a causa dos erros por parte do informante, por distrao ou m in-
terpretao das perguntas que foram feitas.
Ex.: perguntas mal formuladas ou indiscretas, respostas com duplo sentido, etc.
3.6Apresentao dos Dados
Por mais diversa que seja a finalidade que se tenha em vista, os dados devem ser apresentados
sob forma adequada, tornando mais fcil o exame daquilo que est sendo objeto de tratamento
estatstico e ulterior obteno de medidas tpicas.
H duas formas de apresentao dos dados, que no se excluem mutuamente:
3.6.1 Apresentao Tabular
A apresentao tabular uma apresentao numrica dos dados. Consiste em dispor
os dados em linhas e colunas distribudas de modo ordenado, segundo algumas regras prticas
adotadas pelos diversos sistemas estatsticos.
De maneira mais formal, define-se como tabela, a disposio escrita que se obtm,
fazendo-se referir uma coleo de dados numricos a uma determinada ordem de classificao.
3.6.2 Apresentao Grfica
A apresentao grfica dos dados numricos constitui uma apresentao geomtrica.
Embora a apresentao tabular seja de extrema importncia, no sentido de facilitar a anlise
numrica dos dados, no permite ao analista obter uma viso to rpida, fcil e clara do fenme-
no e sua variao como a conseguida atravs de um grfico.
3.7Anlise e Interpretao dos Dados
A ltima fase do trabalho estatstico a mais importante e tambm a mais delicada. Nesta etapa,
o interesse maior reside em tirar concluses que auxiliem o pesquisador a resolver seu proble-
ma. A anlise dos dados estatsticos est ligada essencialmente ao clculo de medidas, cuja fi-
nalidade principal descrever o fenmeno. Assim, o conjunto de dados a ser analisado pode ser
expresso por nmeros-resumos, as estatsticas, que evidenciam caractersticas particulares desse
conjunto. O significado exato de cada um dos valores obtidos atravs do clculo das vrias me-
didas estatsticas disponveis deve ser bem interpretado. possvel mesmo, nesta fase, arriscar
algumas generalizaes, as quais envolvero, naturalmente, algum grau de incerteza, porque no
se pode estar seguro de que o que foi constatado para aquele conjunto de dados (a amostra) se
verificar igualmente para a populao.
PGINA 26
CAPTULO 4
Sries e Tabelas Estatsticas
4.1Srie Estatstica
Uma vez coletados os dados, no conveniente apresent-los para anlise, sob a forma a que se
chegou pela simples apurao. Muitas vezes o conjunto de valores extenso e desorganizado, e
seu exame requer maior ateno. Alm disso, como j foi salientado, h o perigo de se perder a
viso global do fenmeno analisado, quando a lista de dados for extensa e desordenada.
Por outro lado, se a lista original de valores puder ser apresentada de uma forma mais simples e
compacta, haver menor dificuldade em interpretar os dados e trabalhar com eles. Reunindo,
pois, os valores em tabelas compactas, consegue-se apresent-los e descrever-lhes a variao
mais eficientemente. Essa condensao dos valores permite ainda a utilizao de representao
grfica, que normalmente representa uma forma mais til e elegante de apresentao da caracte-
rstica analisada.
Enfim, qualquer processo de representao que contribua para proporcionar uma viso mais
sinttica do fenmeno estudado, sem tirar-lhe a preciso primitiva, contribuir igualmente para
facilitar e encaminhar qualquer desses estudos, quer seja o de caracterizao de um conjunto, o
de comparao com outros semelhantes ou ainda o de previso de valores possveis. o caso,
por exemplo, da srie estatstica.
Uma srie estatstica define-se como toda e qualquer coleo de dados estatsticos referidos a
uma mesma ordem de classificao: quantitativa. No sentido mais amplo, srie uma sucesso
de nmeros referidos a qualquer varivel. Se os nmeros expressarem dados estatsticos, a srie
ser chamada de srie estatstica. Em sentido mais estreito, pode-se dizer que uma srie esta-
tstica uma sucesso de dados estatsticos, referido a caracteres quantitativos, ao passo que su-
cesso de dados estatsticos configurar uma seriao. Em outros termos, a srie usada nor-
malmente para designar um conjunto de dados dispostos de acordo com caracter varivel, resi-
dindo a qualidade serial na disposio temporal ou espacial de indivduos.
Para diferenciar uma srie estatstica de outra, h que se levar em conta, ento os trs caracteres
presentes na tabela que apresenta:
1. a poca (fator temporal ou cronolgico) a que se refere o fenmeno analisado;
2. o local (fator espacial ou geogrfico) onde o fenmeno acontece;
3. o fenmeno (espcie do fato ou fator especificativo) que descrito.
As sries estatsticas podem ser de quatro tipos, conforme varie seus caracteres ou fatores. Em-
bora seja a variao desses elementos a caracterstica diferenciadora das sries, costuma-se divi-
di-las em dois gr upos:
1 - Srie Homgrada
Srie homgrada aquela em que a varivel descrita apresenta variao discreta ou des-
contnua. So sries homgradas a srie temporal, a srie geogrfica e a srie especfica.
2 - Srie Hetergrada
A srie hetergrada aquela na qual o fenmeno ou o fato apresenta gradaes ou subdivi-
ses. Embora fixo, o fenmeno varia em intensidade. A distribuio de freqncias ou seriao
uma srie hetergrada.
PGINA 27
4.1.1 Tipos de Sries Estatstica
A)- Cronolgica - ou Temporal, ou Marcha, ou Histrica, ou de Andamento.
Elemento varivel: poca
Elementos fixos: local e fenmeno
So constitudas por dados produzidos e monitorados ao longo do tempo (anos,
meses, dias, semanas, horas, minutos, semestres, bimestres, etc.).
Ex.: O Diretor de Marketing de uma empresa fabricante de componentes ele-
trnicos, deseja examinar a evoluo de suas vendas durante o ltimo ano,
ms a ms. Para tanto solicita ao Departamento de Anlise de Mercado
uma tabela na qual conste os valores das vendas no perodo desejado.
B)- Geogrfica - ou Espacial, ou Territorial, ou de Localizao
Elemento varivel: local
Elementos fixos: poca e fenmeno
So constitudas por dados provenientes de diferentes regies geogrficas:
Continentes: Europa, frica, sia, etc..
Localidades: Juiz de Fora, Matias Barbosa, Belo Horizonte, Bicas, etc..
Ex.: O Diretor de Marketing dessa empresa desejar saber agora, o comporta-
mento das vendas efetuadas nos vrios Estados do Brasil..
C)- Especificativa - ou Categrica, ou por Categoria.
Elemento varivel: fenmeno
Elementos fixos: poca e local
So constitudas por dados obtidos nas diferentes categorias de uma mesma va-
rivel. Varia o fenmeno:
Cores: Vermelha, Amarela, Branca, etc..
Produtos: Caf, Arroz, Feijo, etc..
Ex.: O Diretor de Marketing est interessado em conhecer o comportamento
das vendas de cada um de seus produtos.
D)- Distribuio de (ou por) Freqncias - ou Seriao.
Elementos fixos: local, poca e fenmeno
Embora fixo o fenmeno apresenta-se agora atravs de gradaes, isto , os da-
dos referentes ao fenmeno que se est representando so reunidos de acordo
com sua magnitude.
Ex.: Metros: 0 a 10, 10 a 20, 20 a 30, 30 a 40, 40 a 50.
Notas: 0 a 2, 2 a 4, 4 a 6, 6 a 8, 8 a 10.
4.2Tabelas Estatsticas
As tabelas podem apresentar um grau considervel de organizao dos dados. Sua utilidade no
se restringe apresentao organizada e resumida dos valores absolutos coletados segundo uma
ordem previamente estabelecida. Em muitos casos se presta a anlises de diversos tipos, como
avaliaes de desempenho no passado e estimativas e projees para o futuro.
PGINA 28
4.2.1 Caractersticas Bsicas das Tabelas
TTULO
CABEALHO
TIPO
UNIDADE
A 12
LINHAS B 18
C 10
RODAP LINHA GRS
COLUNAS
1Ttulo
a parte superior da tabela, na qual se indicam a natureza do fato, o local e a poca em
que o fenmeno foi observado. (Responder: o que?, quando? e onde?)
Ex.: Produo Brasileira de Trigo - Perodo 1986 a 2000
2Cabealho
a parte da tabela que indica a natureza do fenmeno. Especifica o contedo das colunas
Ex.: tipo, unidade, quantidade, salrio, idade, tonelada, metro, etc..
3Rodap
Localiza-se logo aps a linha grs que encerra a tabela. Espao destinado colocao da
fonte de tais informaes.
4Fonte
a origem das informaes da tabela. Localiza-se no rodap da mesma.
Ex.: IBGE, FGV, Secretaria da Faculdade, etc..
4.2.2 Regras Gerais para Apresentao de Tabelas
1 Cada tabela deve ter significao prpria de modo a favorecer a interpretao.
2 Nenhuma casa deve ficar em branco.
3 Evitar a apresentao de tabelas com poucas informaes.
4 Nenhuma tabela dever ser disposta de maneira que a leitura exija a mudana de
posio do papel.
5 As tabelas no so fechadas lateralmente.
6 Quando em uma tabela, mais de uma coluna for apresentada sob a mesma especifi-
cao, esta dever ser separada por um conjunto de linhas diferentes.
7 A espessura das linhas do corpo da tabela proporcional sua ordem de grandeza
8 No existem linhas horizontais
9 Sinais:( - )quando o valor numrico nulo, zero
(...)quando no se dispe de dados no momento
( ? )quando h dvidas sobre a exatido de determinado valor
( 0 )quando o valor numrico bem menor do que a unidade utilizada
}
CORPO DA
TABELA
CASA OU
CELULA
PGINA 29
4.2.3 Arredondamento de Nmeros
Se o nmero a ser eliminado for 0, 1, 2, 3 ou 4 , arredondamento por falta (permanece o
mesmo)
Ex.: 4,273 = 4,27
Se o nmero a ser eliminado for 6, 7, 8 ou 9, arredondamento por excesso (passa para o se-
guinte)
Ex.: 4,278 = 4,28
O caso do nmero 5 (Res. 886 de 06/10/66 - IBGE)
Se o nmero antecessor referncia 5 for par, ele mantido. Se for mpar, ser aumentado
de uma unidade.
Esta regra s se aplica se o nmero 5, que ser eliminado, vier seguido de zeros ou desa-
companhado de valor.
Exs: 3,455 = 3,46
3,465 = 3,46
4.3Combinaes de Sries Estatsticas
4.3.1 Cronolgica e Geogrfica:
MUNICIPIOS
JUIZ DE FORA UB
1
2
3
4.3.2 Geogrfica e Distribuio:
PRODUO
0 a 10 10 a 20
NORTE
SUL
LESTE
4.3.3 Distribuio e Distribuio:
ALTURA (m)
0 a 10 10 a 20
10 a 20
20 a 30
30 a 40
PESO (KG)
ZONA
DIA
PGINA 30
4.3.4 Geogrfica e Geogrfica:
ZONAS
NORTE SUL
MG
RJ
SP
4.3.5 Especificativa, Cronolgica e Distribuio:
1995 1996
500 a 700 700 a 900
ADM. EMPRESA
CONTADOR
ADVOGADO
4.4Distribuio por Freqncias
Freqentemente, o estudo de um determinado fenmeno requer a coleta de uma grande massa de
dados numricos. Difcil de ser tratada se esses dados no forem organizados e condensados em
uma tabela. Acontece normalmente que, ao coletar os dados referentes ao fenmeno objeto de
estudo, o analista se defronta com valores que se repetem algumas vezes. Por isso necessrio
agrupar os dados em tabelas de distribuio de freqncias, que uma das formas mais usadas
para sintetizar os dados.
Para a construo de uma tabela de freqncias, conveniente adotar-se um roteiro que, embora
baseado em critrios relativamente arbitrrios, facilita e torna mais operacional o trabalho de
quem ir montar a tabela. O roteiro proposto consta dos seguintes passos:
4.4.1 Dados Brutos Ex.: 13, 18, 10, 10, 17, 07, 12, 13, 00, 19, 01, 18, 02, 08, 04
13, 19, 05, 07, 14, 19, 02, 03, 10, 02, 09, 12, 08, 18.
4.4.2 Dados Ordenados Ex.: 00, 01, 02, 02, 02, 03, 04, 05, 07, 07, 08, 08, 09, 10, 10,
(Rol) 10, 12, 12, 13, 13, 13, 14, 17, 18, 18, 18, 19, 19, 19.
4.4.3 Formao da Srie
METRO
fi
00 a 05 7
Classes de Freqncia 05 a 10 6 Freqncias de Classes
(CLASSES)
10 a 15 9
(FREQNCIAS)
15 a 20 7
Limites de Classes 29
PROFISSES
ESTADOS
ou N ou n
PGINA 31
OBS.: Simbologias usadas nas distribuies por freqncias, para determinao da amplitude de
classe:
1 | 5 ou 1 a 5 - O limite inferior pertence classe e o superior no
1 | 5 - O limite inferior no pertence classe e o superior sim
1 || 5 - Os dois limites pertencem a classe
1 5 - Os dois limites no pertencem a classe
4.5Determinao do Nmero de Classes.
O nmero de classes numa distribuio de freqncias representado por K. importante que a
distribuio conte com um nmero adequado de classes. Se esse nmero for escasso, os dados
originais ficaro to condensados que pouca informao se poder extrair da tabela. Se, por outro
lado, forem utilizadas muitas classes, haver algumas com freqncias nulas ou muito pequena,
e o resultado ser uma distribuio irregular e prejudicial interpretao do fenmeno como um
todo.
Para determinar o nmero de classe h diversos mtodos. A regra de Sturges, um dos mtodos,
estabelece que o nmero de classes igual a:
4.5.1 Frmula de Sturges: K = N log . 3,3 + 1
10
onde: N = Nmero de observaes
K = Nmero de classes
Exemplos:
a- Foram realizados 100 testes de medidas lineares observando-se que o menor valor encontrado
foi 2 m e o maior 49 m. Atravs da frmula de Sturges determine o nmero de classes e
monte uma tabela.
b- Foram realizados 100 testes de medidas lineares observando-se que o menor valor encontrado
foi 2 m e o maior 53 m. Atravs da frmula de Sturges determine o nmero de classes e
monte uma tabela.
c- Fazer a letra a do exerccio da pgina 81.
Observao: O nmero de classes (determinado pela frmula de Sturges) e a amplitude, so
usados como base para a montagem de uma tabela.
Podemos aumentar ou diminuir o nmero de classes e arredondar uma amplitude
decimal. Use o bom senso
4.6 Algumas Abreviaturas Usadas nas Distribuies
Xi fi PM Ic =c =h fiac fiac fr frac frac fi % fi%ac fi%ac
00 a 05 15 2,5 5 15 140 0,1071 0,1071 1,0000 10,71 10,71 100,00
05 a 10 20 5
10 a 15 30 5
15 a 20 40 5
20 a 25 25 5
25 a 30 10 5
140 - - - - - - - - 1,0000 1,0000 - - 100,00 100,00 - - - -
PGINA 32
fi = Freqncia absoluta simples
PM = Ponto Mdio
PM =
Limite inferior + Limite superior
2

*CUI DADO*
Ex: PM =
+
=
5 10
2
7 5 , ou metade da amplitude + Limite inferior
h = Ic = c = Intervalo de classe
h = Limite superior - Limite inferior *CUI DADO*
Ex.: 10 5 = 5 (amplitude tambm vista no sentido vertical)
fac = Freqncia absoluta acumulada crescente
fac = Freqncia absoluta acumulada decrescente
fr = Freqncia relativa simples
fr
fi
fi
=

Ex: fr = =
15
140
0 1071 ,
fi % = Freqncia absoluta percentual
fi
fi
fi
% =

100 Ex: fi % , = =
15
140
100 1071%
PGINA 33
CAPTULO 5
Representao Grfica
5.1Vantagens
a- Causam melhor impresso visual
b- Em conjunto com as tabelas, facilitam a anlise e a interpretao
5.2Desvantagens
a- Demora na confeco
b- Valores arredondados
c- Pequeno nmero de elementos
5.3Tipos e Utilizao
Existem trs tipos de grficos, classificados quanto ao critrio da forma:
a) Diagramas
Os diagramas so grficos geomtricos dispostos em duas dimenses. Os diagramas so os
grficos mais usados na representao de sries estatsticas e se apresentam atravs de uma
grande variedade de ttulos.
b) Cartogramas
Os cartogramas so ilustraes relativas a cartas geogrficas, largamente difundidas em Geo-
grafia, Histria e Demografia.
c) Estereogramas
Os estereogramas representam volumes e so apresentados em trs dimenses. Muitas vezes
so confeccionados em cartolina ou madeira, quando no desenhados em perspectiva.
5.4Classificao dos Grficos
possvel distinguir, de certo modo arbitrariamente, doisobjetivos que justificariam o emprego
de grficos:
1- os grficos so usados para apresentar visualmente dados numricos, proporcionando maior
facilidade e rapidez de compreenso dos mesmos;
2- apresentar concluses ou resultados de uma anlise.
5.4.1 Grficos de Informao
So grficos destinados principalmente ao pblico em geral, objetivando proporcionar uma vis u-
alizao rpida e clara da intensidade das modalidades e dos valores relativos ao fenmeno ob-
servado. So grficos tipicamente expositivos, devendo, por conseguinte, ser o mais completo
possvel, dispensando comentrios explicativos adicionais. Nesses grficos, no se deve prescin-
dir dos ttulos, escritos em letra de forma. J as legendas podem ser omitidas, desde que as in-
formaes desejadas estejam presentes, possibilitando a completa interpretao do grfico.
Alguns tipos de grficos de informao (Vamos confeccionar os que esto em negrito)
Grfico de Barras
Grfico de Barras Compostas
Grfico de Barras Agrupadas
Grfico de Barras Bidirecionais
Grfico em Colunas
Grfico em Colunas Remontadas
PGINA 34
Grfico em Colunas Bidirecionais
Grfico em Colunas Superpostas
Grficos Lineares
Grfico de Porcentagem Complementar
Grficos em Faixas
Grficos em Coordenadas Polares
Grficos Pictricos (Pictogramas)
Estereogramas
Grficos em Setores
Grficos Triangulares
5.4.2 Grficos de Anlise
Os grficos de anlise prestam-se melhor ao trabalho estatstico, fornecendo elementos teis
fase de anlise dos dados, sem deixar de ser tambm informativos.
Quando se usam grficos para apresentar os resultados de uma anlise, esses freqentemente
vm acompanhados de uma tabela. Inclui-se, muitas vezes, um texto dissertativo, chamando a
ateno do leitor para os pontos principais revelados pelo grfico ou pela tabela. Muitos relatri-
os administrativos, econmicos ou de qualquer outra natureza combinam as trs formas de apre-
sentao de dados. Isto porque, na prtica, poucas pessoas tm habilidade com nmeros, e as que
tm dificuldade consultaro, via de regra, apenas o grfico.
Alguns tipos de grficos de anlise. (Vamos confeccionar os que esto em negrito)
Histogramas
Poligonal Caracterstica
Polgono de Freqncias
Polgono Freq. Acumuladas (Ogiva de Galton)
Grfico em Hastes (Basto)
Grfico em Escala
Curvas de Freqncias (Assimetrias)
Curva de Lorenz (ndice de Gini)
5.5Construo de Grficos
a) Grfico de Colunas ou Barras
Tm por finalidade comparar grandezas, por meio de retngulos de igual largura, porm
de alturas proporcionais s respectivas grandezas. Cada coluna (ou Barra) representa a intensida-
de de uma modalidade do atributo.
So empregados nas sries especificativas geogrficas e cronolgicas.
Caractersticas
1- Formato de retngulos cujas alturas so proporcionais aos dados da tabela
2- Bases com qualquer dimenso desde que haja proporcionalidade/harmonia no grfico
Observao: Todas as bases devem ser iguais inclusive os intervalos de separao que
podem ser de 1/2 a 2/3 da base.
3- O grfico pode ou no ser fechado por um quadro denominado cercadura
4- O ttulo e a fonte podem ser colocados em qualquer posio.
Exemplo:
INDSTRIA NU - JUIZ DE FORA -200X
PADRO PEAS FABRICADAS
A 7
B 5
C 10
D 4
E 6
F 8
G 3
43
PGINA 35
b) Grfico em Colunas Bidirecionais
Este grfico muito utilizado quando se deseja representar, graficamente, quantidades
positivas e negativas. Sua principal caracterstica a analise de dados opostos.
Ex.: Ativo e passivo dbito e crdito importao e exportao entrada e sada
Exemplo:
MOVIMENTO DE VECULOS - PEDGIO
MATIAS BARBOSA - MG - RODOVIA BR 040 200X
SENTIDO
MS JUIZ TRS
DE FORA RIOS
JAN 600 300
FEV 680 200
MAR 750 150
ABR 540 800
MAI 390 900
JUN 450 100
3410 2450
c) Grficos em Setores (Circular ou Retangular)
Os grficos em setores ou setogramas so usados para representar valores absolutos ou
porcentagens complementares.
Usado quando se pretende comparar as diversas partes de um todo.
Empregados para sries especificativas e geogrficas.
Caractersticas
1- construdo em uma circunferncia de raio qualquer
2- Os valores so proporcionais aos setores circulares.
3- permitido inscries nos setores.
Observaes: - Neste Grfico no se utiliza escala, pois totaliza 360
- Acima de 5 subdivises a comparao torna-se muito difcil.
Exemplo:
TECELAGEM MARIMAR LTDA - SO PAULO - SP - JAN/0X
COR DO TECIDO METROS GRAUS GRAUS
VERMELHO 480
VERDE 320
AZUL 260
AMARELO 220
VIOLETA 160
1.440 360 360
FONTE: TINTURARIA
d) Grfico Linear ou Grfico em Linhas ou Diagrama Cartesiano
Os grficos lineares so freqentemente usados para a representao de sries de tempo,
quando um dos fatores for o tempo.
As linhas so particularmente mais eficientes do que as colunas, quando existem intensas flutua-
es nas sries ou quando h necessidade de se representarem vrias sries em um mesmo grfi-
co.
PGINA 36
Caractersticas
1- Representa a srie cronolgica, requerendo, entretanto, que a srie apresente 5 ou mais in-
formaes para que ocorra uma melhor visualizao.
2- A abscissa dividida segundo os intervalos de tempo.
3- A altura funo dessa largura, que foi escolhida arbitrariamente.
EXEMPLO 1:
MATRCULAS INICIAIS DO COLGIO NAVAL - R. JANEIRO BRASIL
PERODO N DE MATRCULAS
1990 816
1991 904
1992 1203
1993 1147
1994 1239
1995 1565
1996 1620
1997 1833
1998 1910
1999 1890
2000 1903
Planejamento do Grfico:
Exemplo 2:
TEMPERATURA DO AR - NITERI - RJ - BRASIL 200X
TEMPERATURA MDIA
MS MDIA DAS MDIA DAS
MXIMAS MNIMAS
JAN 32,6 23,3
FEV 35,0 23,5
MAR 32,2 22,1
ABR 28,5 20,2
MAI 26,5 18,6
JUN 27,3 16,6
JUL 26,5 16,5
AGO 25,7 16,2
SET 26,5 17,6
OUT 27,8 20,0
NOV 28,3 20,7
DEZ 31,9 22,6
e) Histograma
Empregado na srie distribuio por freqncia.
representado na distribuio pelos limites de classes (inferior e superior).
um grfico formado por um conjunto de retngulos (colunas) justapostos, prprio das
sries distribuio por freqncias, de forma que a rea de cada retngulo seja proporcio-
nal freqncia da classe que ele representa. Assim sendo, a soma dos valores correspon-
dentes s reas dos retngulos ser sempre igual freqncia total.
PGINA 37
Exemplo:
COLGIO FRANCISCA XAVIER - CLASSES DE NOTAS - 2 ANO - 200X
NOTAS fi
0 | 1 5
1 | 2 9
2 | 3 13
3 | 4
17
4 | 5 32
5 | 6 45
6 | 7 28
7 | 8
16
8 | 9 11
9 | 10 4
180
f) Poligonal Caracterstica
a representao do contorno do histograma.
g) Polgono de Freqncias
Empregado na srie distribuio por freqncia.
a linha poligonal fechada que une ordenadas traadas dos pontos mdios das classes.
Sua construo feita, quase sempre, acompanhando a do histograma.
Exemplo 1:
MALHARIA MIRASOL LTDA - NMERO DE EMPREGADOS POR CLASSES SALARIAIS - 200X
SALRIOS N DE EMPREGADOS
125 || 149 76
150 || 174 149
175 || 199
51
200 || 224 38
225 || 249 27
250 || 274 12
275 || 299 7
360
Exemplo 2:
Com base na tabela anterior, construa, no mesmo grfico, um histograma e um polgono
de freqncia.
h) Polgono de Freqncias Acumuladas ou Ogiva de Galton (Sir Francis Galton 1822-1911)
Empregado na srie distribuio por freqncia.
A Ogiva de Galton ou Polgono de Freqncias Acumuladas tem por finalidade a repre-
sentao grfica das tabelas de freqncias acumuladas.
Na Ogiva, podemos representar qualquer tipo de freqncia acumulada, quer seja relativa
ou percentual, crescente ou decrescente, mantendo sempre o eixo das abscissas e alteran-
do a escala do eixo das ordenadas, conforme o tipo dessa freqncia.
Para sua construo, marcamos na abscissa os valores da varivel e na ordenada as fr e-
qncias acumuladas.
PGINA 38
Observaes:
A ogiva a unio dos pontos mximos em facou mnimos em fac que formam uma curva.
Na intercesso dos polgonos temos um valor central representativo da distribuio, demons-
trando que 50% dos valores observados esto acima e 50% abaixo deste ponto.
EXEMPLO:
ESTATURA DOS ALUNOS DA 2 SRIE DO COLGIO MADRE CABRINI - J. DE FORA - 200X
ESTATURA (cm) fi
150 | 156 5
156 | 162
4
162 | 168 19
168 | 174 18
174 | 180 14
180 | 186
12
186 | 192 4
76
- -
PGINA 39
RESOLUO DOS EXEMPLOS DE GRFICOS
PADRO
A
B
C
D
E
F
G
TOTAL
JUIZ DE FORA TRS RIOS
JAN 600 300 300
FEV 680 200 480
MAR 750 150 600 Ms
ABR 540 800 -260
MAI 390 900 -510
JUN 450 100 350
TOTAL 3410 2450
C.TECIDO METROS Graus
Vermelho 480 120=34%
Verde 320 80=22%
Azul 260 65=18%
Amarelo 220 55=15%
Violeta 160 40=11%
TOTAL 1.440 360=100%
N Matrculas
PERODO N Matriculas ESC. 1 : 200
1990 816 4,1 cm
1991 904 4,5 cm
1992 1203 6,0 cm
1993 1147 5,7 cm
1994 1239 6,2 cm
1995 1565 7,8 cm
1996 1620 8,1 cm
1997 1833 9,2 cm
1998 1910 9,6 cm
1999 1890 9,4 cm Ano
2000 1903 9,5 cm
TECELAGEM MARIMAR LTDA
So Paulo - SP - JAN/02
MATRCULAS INICIAIS DO COLGIO NAVAL
RIO DE JANEIRO - BRASIL
Veculos
MOVIMENTO DE VECULOS - PEDGIO
MATIAS BARBOSA - MG - RODOVIA BR 040 - 200X
MS
SENTIDO
DIFERENA
8
3
43
Padro
5
10
4
6
INDSTRIA NU - JUIZ DE FORA - 200X
Peas
PEAS FABRICADAS
7
7
5
10
4
6
8
3
0
1
2
3
4
5
6
7
8
9
10
A B C D E F G
34%
22%
18%
15%
11%
Vermelho
Verde
Azul
Amarelo
Violeta
300
480
600
-260
-510
350
-600
-500
-400
-300
-200
-100
0
100
200
300
400
500
600
JAN FEV MAR ABR MAI JUN
0
200
400
600
800
1000
1200
1400
1600
1800
2000
1
9
9
0
1
9
9
1
1
9
9
2
1
9
9
3
1
9
9
4
1
9
9
5
1
9
9
6
1
9
9
7
1
9
9
8
1
9
9
9
2
0
0
0
PGINA 40
ESC 1 : 3
M. Mx.
MDIA DAS MDIA DAS MDI AS
MXIMAS MNIMAS MX. MN.
JAN 32,6 23,3 10,9 7,8 M. Mn.
FEV 35,0 23,5 11,7 7,8
MAR 32,2 22,1 10,7 7,4
ABR 28,5 20,2 9,5 6,7
MAI 26,5 18,6 8,8 6,2
JUN 27,3 16,6 9,1 5,5
JUL 26,5 16,5 8,8 5,5
AGO 25,7 16,2 8,6 5,4
SET 26,5 17,6 8,8 5,9
OUT 27,8 20,0 9,3 6,7
NOV 28,3 20,7 9,4 6,9 Ms
DEZ 31,9 22,6 10,6 7,5
NOTAS fi ESC 1 : 5
0 1 5 1,0 cm
1 2 9 1,8 cm
2 3 13 2,6 cm
3 4 17 3,4 cm
4 5 32 6,4 cm
5 6 45 9,0 cm
6 7 28 5,6 cm
7 8 16 3,2 cm
8 9 11 2,2 cm Notas
9 10 4 0,8 cm
TOTAL 180 -
SALRI OS N EMPREG.
PM ESC 1 : 20
125 149 76 137 3,8 cm
150 174 149 162 7,4 cm
175 199 51 187 2,6 cm
200 224 38 212 1,9 cm
225 249 27 237 1,4 cm
250 274 12 262 0,6 cm Salrios
275 299 7 287 0,4 cm
TOTAL 360 - -
SALRI OS N EMPREG. PM ESC 1 : 20
125 149 76 137 3,8 cm
150 174 149 162 7,4 cm
175 199 51 187 2,6 cm
200 224 38 212 1,9 cm
225 249 27 237 1,4 cm
250 274 12 262 0,6 cm
275 299 7 287 0,4 cm
TOTAL 360 - -
Colgio Franscisca Xavier
Classes Notas - 2 Ano - 200X Alunos
Salrios
MALHARIA MIRASOL LTDA
EMPREGADOS / CLASSES SALARIAIS - 200X
MALHARIA MIRASOL LTDA
EMPREGADOS / CLASSES SALARIAIS - 200X
Empregados
Empregados
TEMP. AR-NITERI - RJ - BRASIL 200X Temper at ur a
MS
TEMPERATURA MDIA
0
3
6
9
1 2
1 5
1 8
2 1
2 4
2 7
3 0
3 3
3 6





J
A
N





F
E
V





M
A
R





A
B
R





M
A
I





J
U
N





J
U
L





A
G
O
S
E
T





O
U
T





N
O
V
D
E
Z
0
5
1 0
1 5
2 0
2 5
3 0
3 5
4 0
4 5
0 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10
1 2 3 4 5 6 7 8 9 10
0
20
40
60
80
100
120
140
160
1
125 150 175 200 225 250 275 300
0
20
40
60
80
100
120
140
160
137 162 187 212 237 262 287
PGINA 41
Estatura (cm) fi fiac fiac Esc.1:10 (fiac ) Esc.1:10 (fiac )
150 a 156 5 5 76 0,5 7,6
156 a 162 4 9 71 0,9 7,1
162 a 168 19 28 67 2,8 6,7
168 a 174 18 46 48 4,6 4,8
174 a 180 14 60 30 6,0 3,0
180 a 186 12 72 16 7,2 1,6
186 a 192 4 76 4 7,6 0,4
TOTAL 76 - - - -
Alunos
Mediana
Estatura
CM
Valor da Mediana
Estatura dos alunos da 2 srie do Colgio Madre Cabrini
Rio Pomba - MG - 200X
76
71
67
30
16
4
48
5
9
28
60
72
76
46
150 156 162 168 174 180 186 192
80
70
60
50
40
30
20
10
00
EM
PGINA 42
Exerccios:
1 - Grfico de Colunas
FGTS - ARRECADAO BRUTA - 200X
MS
R$
(MILHES)
MAR
34.888
ABR
52.334
MAI
85.023
JUN
95.254
JUL
136.126
AGO
162.643
566.268
2 - Grfico em Setor - Circular
CONSUMO INDUSTRIAL DE ENERGIA ELTRICA DO BRASIL - 200X
EMPRESAS KWH(Milhes) GRAUS GRAUS
SP Light 13.617
Cemig 6.763
RJ Light 3.226
Chesf 1.183
Cesp 1.258
26.047
360 360
3 - Grfico Linear
PRODUO DE PNEUMTICOS - SO PAULO - 1997 A 2002
PERODO PNEUS (1000)
1997 176
1998 152
1999 183
2000 171
2001 195
2002 294
1.171 - -
4 - Histograma e Polgono de Freqncia (Separados e juntos no mesmo grfico)
ESTATURA DOS ALUNOS DO COLGIO DOS CAPUCHINHOS - J. FORA - 200X
ESTATURA (cm) ALUNOS
150 || 155 05
156 || 161 09
162 || 167 19
168 || 173 18
174 || 179 14
180 || 185 12
186 || 191 04
81
5 - Ogiva de Galton
NMERO DE EMPREGADOS POR CLASSE SALARIAL - ALFA BETA LTDA - J. FORA - 200X
SALRIOS
(Em Reais)
NMERO DE
FUNCIONRIOS
125 | 150 76
150 | 175 149
175 | 200 51
200 | 225 38
225 | 250 27
250 | 275 12
275 | 300 7
360
PGINA 43
CAPTULO 6
Medidas de Tendncia Central
Vimos, nos captulos precedentes, que atravs de uma distribuio de freqncias se estabelece
um sistema de classificao que descreve o padro de variao de um determinado fenmeno
estatstico. Ocorre, todavia, que poderia ser muito difcil trabalhar com a distribuio de freqn-
cias completa, razo pela qual costuma-se lanar mo de determinadas medidas. Essas medidas
sumarizam certas caractersticas importantes da distribuio de freqncias. H diversas medidas
que possibilitam condensar as informaes dentro da fase analtica da Estatstica Descritiva.
6.1Mdia Aritmtica Me) ou X (
A medida de tendncia central mais comumente usada para descrever resumidamente uma distri-
buio de freqncias a mdia, ou mais propriamente, a mdia aritmtica.
o valor nico que representa todos os demais valores de uma srie.
Pode ser:Simples e
Ponderada.
OBS.: Existem vrias tipos de mdias:
aritmtica, geomtrica, harmnica, quadrtica, cbica e biquadrtica.
a) Mdia Aritmtica Simples Para Dados No Agrupados em Classes de Freqncias
Seja o conjunto X = {
n 3 2 1
..., , , }
onde n = nmero de valores assumidos pela varivel.

n
Xi
X


Ex.: X = { 2, 5, 7, 6 }
b) Mdia Aritmtica Para Valores Isolados Ponderados No Agrupados em Classes de Fre-
qncias
Quando
n 3 2 1
..., , , tiverem, respectivamente, os pesos f f
n 1
, f , f
2 3
. . . , , a ser:
X
f f f
n n
n
=
+ + + +
+ + + +
[ ( ) ( ) ( ) ... ( ) ]
...
f X f X f X f
f

1 1 2 2 3 3
1 2 3

fi
Xifi
X



Ex.: X = { 6, 5, 5, 5, 3, 3, 3, 3, 3, 2, 2, 2, 1, 1, 1 }
PGINA 44
c) Propriedades da Mdia Aritmtica
1 Propriedade- A soma algbrica dos desvios de um conjunto de nmeros tomados
em relao mdia aritmtica nula ( zero).
seja o conjunto X = {
1 2 3
, , . .. ,
n
}
= Mdia Aritmtica
di = Diferena entre cada valor e sua mdia aritmtica.
1
1
d =
1
-
2
d =
2
- e etc.
Somando membro a membro, temos:
0 = n ... d ... d d d
n 3 2 1 n 3 2 1
+ + + + = + + + +
Exemplo:
Xi
di = (Xi - )
2
5
7
6
= 20
2 Propriedade- Multiplicando-se ou dividindo-se cada elemento de um conjunto de
nmeros por um valor constante e arbitrrio, a mdia aritmtica fica
multiplicada ou dividida por essa constante.
Seja o conjunto X = {
1
, , ...,
2 3 n
}
K uma constante qualquer.
fi
Xi
K X K

=
Ex.: X = { 2, 5, 7, 6 }
= 5
K = 6
3 Propriedade- Somando-se ou subtraindo-se um valor constante e arbitrrio a cada
um dos elementos de um conjunto de nmeros, a mdia aritmtica
fica somada ou subtrada por essa constante.
Seja o conjunto X = {
1
, ,
2 3
...,
n
}
K = constante qualquer
( )

=
( ) Xi
fi
Ex.: X = { 2, 5, 7, 6 }
= 5
K = 6
PGINA 45
4 Propriedade - A soma dos quadrados dos desvios, tomados em relao mdia
aritmtica, um mnimo ( o menor valor possvel de se encontrar)
(Xi - )
2
fi < (Xi - K)
2
fi
onde: K = uma constante qualquer
Ex.: Xi = { 2, 5, 7, 6 }
= 5
K = 4
Xi X Xi ( ( ) )
2
i K Xi
2
5
7
6
= 20
d) Mdia Aritmtica Para Dados Agrupados em Classes de Freqncias (Processo Longo)
definido como sendo o quociente entre a soma dos produtos das freqncias pelos pontos m-
dios de cada classe e a soma de todas as freqncias.

fi
fiPM




Exemplo:
ESTATURA (cm) fi
150 | 156 05
156 | 162 04
162 | 168 19
168 | 174
18
174 | 180 14
180 | 186 12
186 | 192 04
76
e) Mdia Aritmtica Para Dados Agrupados em Classes de Freqncias (Processo Breve)
Com base na segunda e terceira propriedades possvel se calcular a mdia aritmtica por este
processo. Usado somente quando os intervalos de classe (h) forem constantes.

fi
difi
h
0

, ,
_ _





+ +
( ( ) )
2
i
PGINA 46
onde:
0
= ponto mdio da classe escolhida (prefira o PM da classe de maior freqncia)
h = amplitude de classe
di
PM
h
=

0
Exemplo:
ESTATURA (cm) fi
150 | 156 05
156 | 162 04
162 | 168 19
168 | 174
18
174 | 180 14
180 | 186 12
186 | 192 04
76
Observaes: Seqncia de passos para clculo da mdia pelo processo breve:
1 - imaginar um dos pontos mdios (PM) como se fosse a mdia falsa;
2 - em uma coluna qualquer (di) colocar "0" na casa cuja linha corresponda ao
PM escolhido;
3 - completar a coluna (di) inscrevendo abaixo do "0" a seqncia crescente de
nmeros positivos (1, 2, 3, 4 ...) e acima os negativos (-1, -2, -3, -4...);
4 - efetuar os produtos das freqncias pelos valores da coluna (di);
5 - somar estes produtos e aplicar a frmula.
Feito apenas para explicar.
No necessrio aplicar a frmula do d
i
e to pouco abrir uma coluna para PM.
PGINA 47
Exerccio:
Com base na tabela abaixo calcule:
a) , pelo Processo Longo R.: 5,18
b) , pelo Processo Breve R.: 5,18
NOTAS fi
0 | 1 05
1 | 2 09
2 | 3 13
3 | 4 17
4 | 5 32
5 | 6 45
6 | 7 28
7 | 8 16
8 | 9 11
9 |10 04

180
PGINA 48
6.2Mediana
( )
Md ou X
~
o valor central de um rol (amontoado de valores organizados).
a medida que divide um conjunto de dados em duas partes iguais.
6.2.1 Mediana para Dados No Agrupados em Classes de Freqncias
Primeiro ordenamos os valores de forma crescente ou decrescente.
O elemento mediano ser dado pela seguinte expresso:

2
1 N
EM
+ +

onde: EM = elemento mediano (indica a posio da mediana)
N = nmero de elementos do conjunto observado.
1 Ex.: X = { 3, 5, 7, 10, 15, 20, 23 }
2 Ex.: Y = { 3, 5, 15, 10, 7, 20 }
6.2.2 Mediana Para Dados Agrupados em Classes de Freqncias
a) 1 Processo:
Utiliza-se o modelo:

fi
fac ' EM
h Li
~



, ,
_ _




+ +
onde:
Li = limite inferior da classe mediana.
h = amplitude da classe mediana.
EM = elemento mediano =
fi fi
2
1
2
=
+
{Posio em que se encontra a
mediana dentro das classes (olhar a
'fac)}
'fac = freqncia absoluta acumulada crescente anterior classe mediana.
fi = freqncia absoluta simples da classe mediana.
PGINA 49
Exemplo:
NOTAS
fi
0 | 2 27
2 | 4 16
4 | 6 34
6 | 8 17
8 | 10
16
110 -
b) 2 Processo:
possvel calcular a mediana pela representao geomtrica as curvas de fre-
qncias absolutas acumuladas (Ogiva de Galton).
De uma maneira geral, deve-se seguir os seguintes critrios:
b.1-constroi-se um diagrama de linhas sendo que, no eixo das ordenadas (Y) se-
ro representadas as freqncias acumuladas e, no eixo das abscissas (X) as classes correspon-
dentes varivel.
b 2-a partir do EM, traa-se uma paralela ao eixo das abscissas (X) at que esta
se intercepte com a linha do diagrama.
b.3-deste ponto de interseo, projeta-se uma perpendicular s abscissas (X) e,
neste ponto, onde ela se intercepta o eixo horizontal, chamar-se- Mediana.
Exemplo: Com base na tabela abaixo, ache a mediana utilizando-se do 2
o
Processo
NOTAS fi
0 | 2 27
2 | 4 16
4 | 6
34
6 | 8 17
8 | 10 16
110
PGINA 50
Exerccio:
Com base na tabela abaixo, calcule:
a) , pelo Processo Longo R.: 54,010 kg
b) , pelo Processo Breve R.:
c)
~
, pela frmula R.: 53,375 kg
Peso (kg) fi
39 | 44 03
44 | 49
08
49 | 54
16
54 | 59 12
59 | 64 07
64 | 69 03
69 | 75
01

50
PGINA 51
6.3- Moda ou Norma ou Modo ou Tipo Dominante ou Mdia Densa, Etc.. ( ( ) ) Mo ou


Com base no significado, Karl Pearson a introduziu na estatstica no sculo XIX.
definida como sendo o valor ou valores que ocorrem com maior freqncia, ou seja, o valor
em torno do qual mais densa a concentrao de observaes.
Um conjunto de valores pode apresentar mais de uma moda, neste caso dizemos plurimodal,
caso contrrio, ser unimodal, ou ainda, amodal, quando todos os valores das variveis apresen-
tarem uma mesma freqncia.
6.3.1 Moda para Dados No Agrupados em Classes de Freqncias
Basta verificar aquele valor que aparece com mais freqncia.
Ex.:
1
= { 1, 2, 3, 4, 5, 6, 7, 8 } Conjunto amodal

2
= { 5, 10, 10, 15, 20, 25, 30 } Conjunto unimodal:

= 10

3
= { 5, 10, 10, 15, 20, 20, 25 } Conjunto plurimodal ou bimodal:

a = 10

b = 20
6.3.2 Moda Para Valores Isolados Ponderados No Agrupados em Classes de Fre-
qncias
Quando os dados estiverem dispostos em uma tabela de freqncia, no agrupados
em classes, a localizao da moda imediata, bastando para isto, verificar na tabela o valor pre-
dominante.
Exemplo:
ESTATURA
(cm)
QUANTIDADE
DE ALUNOS
170 3
172 5
175 7
178 10
180 15
185 11
190 4
55
6.3.3 Moda Para Dados Agrupados em Classes de Freqncias
Por no ser identificada facilmente, utilizamos vrios processos para sua obteno.
Primeiro identificamos a classe que contm a maior freqncia (classe modal).
a) Moda Bruta ( ( ) )
B

: consiste em se tomar o ponto mdio da classe de maior fre-


qncia
=

PGINA 52
Exemplo:
NOTAS
fi
0 | 2 27
2 | 4 16
4 | 6 34
6 | 8 17
8 | 10
16
110
b) Moda de Czuber ( ( ) )
C

: a abscissa do ponto que divide a classe modal em 2


partes proporcionais s diferenas entre a freqncia
da classe modal e a das respectivas classes adjacentes.
h Li

2 1
1
C


, ,
_ _




+ +

+ +
ou
( ( ) )

fpost fant max f 2
fant max f
h Li

C 1 1
] ]
1 1



+ +

+ +
onde:
Li = limite inferior da classe modal
h = amplitude da classe modal

1
= fmx - fant = freqncia absoluta simples mxima, menos a
freqncia absoluta simples anterior classe modal

2
= fmx - fpost = freqncia absoluta simples mxima, menos a
freqncia absoluta simples posterior classe modal
Exemplo:
NOTAS
fi
0 | 2 27
2 | 4 16
4 | 6
34
6 | 8 17
8 | 10 16
110
c) Moda de King ( ( ) )
K



fpost fant
fpost
h Li

K


, ,
_ _




+ +
+ +
(fmx - fant) + (fmx - fpost)

B

PGINA 53
Exemplo:
NOTAS
fi
0 | 2 27
2 | 4
16
4 | 6 34
6 | 8 17
8 | 10 16
110
Observao: Moda de Czuber e de King - Processo Grfico (HISTOGRAMA)
Exemplo:
NOTAS fi
0 | 2 27
2 | 4 16
4 | 6 34
6 | 8 17
8 | 10
16
110
d) Moda de Pearson ( ( ) )
P

: uma relao emprica entre a Mdia, a Mediana e a


Moda.
OBS.: Pressupe uma distribuio fracamente assimtrica, unimodal, com grande
nmero de observaes e pequena amplitude.
( ( ) ) ( ( ) ) 2
~
3

P

Exemplo:
NOTAS fi
0 | 2 27
2 | 4
16
4 | 6 34
6 | 8 17
8 | 10 16
110
PGINA 54
Exerccios:
1- Com base na tabela abaixo calcule:
a) a Moda Bruta; R.: 56,500 kg
b) a Moda de Czuber (pela frmula); R.: 56,963 kg
c) a Moda de King (pela frmula); R.: 56,838 kg
d) a Moda de Pearson. Mdia = 57,450 kg
Mediana = 57,438 kg
R.: 57,414 kg
Peso (kg) fi
39 | 44 04
44 | 49
08
49 | 54
16
54 | 59
32
59 | 64 21
64 | 69 15
69 | 74 04

100
2- Com base na tabela abaixo, faa o que se pede:
a) calcule a Moda de Czuber (pela frmula); R.: 59,000 kg
b) demonstre a moda de Czuber atravs de grfico;
c) calcule a Moda de King (pela frmula); R.: 57,077 kg e R.: 60,596 kg
d) demonstre a moda de King atravs de grfico.
Peso (kg) fi
39 | 44 04
44 | 49 08
49 | 54 20
54 | 59
32
59 | 64
32
64 | 69
15
69 | 74 04
115
PGINA 55
6.4Separatrizes:
So valores que ocupam determinados lugares em uma srie ordenada.
Seu clculo semelhante ao da mediana, substituindo na frmula somente a posio do elemento
a ser estudado.
Classificam-se em:
6.4.1 Quartil - so os trs valores que dividem a distribuio em quatro partes iguais
Q
1
(primeiro quartil) = valor que dele antecede 25% e sucede 75% de todos os
itens da distribuio.
Q
2
(segundo quartil) = valor igual ao da mediana, 50% para cada lado.
Q
3
(terceiro quartil) = valor que dele antecede 75% e sucede 25% de todos os
itens da distribuio.
a) Quartil Para Dados No Agrupados em Classes de Freqncias:
Observao: A primeira providncia colocar os elementos em ordem crescente
ou decrescente.

4
1 N
i q
i

, ,
_ _


+ +

onde:
i
q = posio do elemento quartlico
i = 1, 2 ou 3
N = nmero de observaes do conjunto de dados
Exemplos: 1- X = {80, 107, 93, 97, 102, 85, 110} Calcular os valores de Q
1
Q
2
e Q
3
2- Y = {80, 85, 93, 97, 102, 107} Calcular os valores de Q
1
Q
2
e Q
3
b) Quartil Para Valores Isolados Ponderados No Agrupados em Classes de
Freqncias
Exemplos: Com base nas tabelas abaixo, calcule as idades para o Q
1
Q
2
e Q
3
IDADE fi
20 10
23 26
25 08
27 04
29 03
30 03
35 01
55
c) Quartil Para Dados Agrupados em Classes de Freqncias

fi
fac ' q
h Li Q
i
i


, ,
_ _




+ +
e

4
fi
i q
i

, ,
_ _




onde: Q
i
= valor de cada quartil
i = 1, 2 ou 3
Li = limite inferior da classe quartlica
h = amplitude da classe quartlica
q
i
= posio do elemento quartlico
' fac = freqncia absoluta acumulada crescente anterior classe quartlica
fi = freqncia absoluta simples da classe quartlica
PGINA 56
Exemplo: Calcule os valores de Q
1
Q
2
e Q
3
, baseando-se na tabela abaixo:
NOTAS fi
0 | 2 27
2 | 4 16
4 | 6
34
6 | 8 17
8 | 10 16
110
6.4.2 Decil - So os nove valores que dividem a distribuio em dez partes iguais.
a) Decil Para Dados No Agrupados em Classes de Freqncias:
Observao: A primeira providncia colocar os elementos em ordem crescente
ou decrescente.

10
1 N
i d
i

, ,
_ _


+ +

onde:
i
d = posio do elemento declico
i = 1, 2, 3, 4 , 5, 6, 7, 8 ou 9
N = nmero de observaes do conjunto de dados
Exemplos: 1- X = {80, 107, 93, 97, 102, 85, 110} Calcular os valores de D
2
, D
5
e D
7
2- Y = {80, 85, 93, 97, 102, 107} Calcular os valores de D
2
, D
5
e D
7
b) Decil Para Valores Isolados Ponderados No Agrupados em Classes de Fre-
qncias
Exemplos: Com base nas tabelas abaixo, calcule as idades para o D
2
, D
5
e D
7
IDADE fi
20 10
23 26
25 08
27 04
29 03
30 03
35 01
55
c) Decil Para Dados Agrupados em Classes de Freqncias

fi
fac ' d
h Li D
i
i


, ,
_ _




+ +
e

10
fi
i d
i

, ,
_ _




Exemplo: Calcule os valores de D
2
D
5
e D
7
, baseando-se na tabela abaixo:
NOTAS fi
0 | 2 27
2 | 4
16
4 | 6 34
6 | 8 17
8 | 10 16
110
PGINA 57
6.4.3- Centil ou Percentil - So os noventa e nove valores que dividem a distribuio em
cem partes iguais.
a) Percentil Para Dados No Agrupados em Classes de Freqncias:
Observao: A primeira providncia colocar os elementos em ordem cres-
cente ou decrescente.

100
1 N
i c
i

, ,
_ _


+ +

onde:
i
c = posio do elemento percentlico
i = 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, ... ou 99
N = nmero de observaes do conjunto de dados
Exemplos: 1- X = {80, 107, 93, 97, 102, 85, 110} Calcular os valores de C
12
, C
50
e C
75
2- Y = {80, 85, 93, 97, 102, 107} Calcular os valores de C
25
, C
50
e C
95
b) Percentil Para Valores Isolados Ponderados No Agrupados em Classes de
Freqncias
Exemplos: Com base nas tabelas abaixo, calcule as idades para o C
25
, C
50
e C
75
IDADE fi
20 10
23 26
25 08
27 04
29 03
30 03
35 01
55
c) Percentil Para Dados Agrupados em Classes de Freqncias

fi
fac ' c
h Li C
i
i


, ,
_ _




+ +
e

100
fi
i c
i

, ,
_ _




Exemplo: Calcule os valores de C
25
C
50
e C
75
, baseando-se na tabela abaixo:
NOTAS fi
0 | 2 27
2 | 4 16
4 | 6 34
6 | 8 17
8 | 10 16
110
PGINA 58
Exerccios:
1 - Dado os conjuntos abaixo calcule:
a) a Mdia Aritmtica R.: 10 e 14,63
b) a Mediana R.: 10 e 14,5
c) a Moda (identifique o conjunto) R.: Amodal e Amodal
d) o valor do Primeiro Quartil R.: 6,5 e 11,475
e) o valor do Oitavo Decil R.: 14,4 e 18,6
f) o valor do Septuagsimo Sexto Centil R.: 13,68 e 17,62
Y = { 6, 12, 15, 7, 10 }
Z = { 10,5; 11,8; 15,4; 16,5; 20,0; 13,6 }
2 - Dada a distribuio abaixo calcule:
a) a Mdia Aritmtica; R.: 153,55 154 cm
b) a Mediana; R.: 153,25 153 cm
c) as Modas: Bruta; R.: 152,50 152 cm
de Czuber; R.: 152,91 153 cm
de King; R.: 152,97 153 cm
de Pearson); R.: 152,65 153 cm
d) o valor do: Primeiro Quartil; R.: 150,12 150 cm
Terceiro Quartil; R.: 157,50 158 cm
e) o valor do: Quinto Decil; R.: 153,25 153 cm
Stimo Decil; R.: 156,36 156 cm
f) o valor do: Sexagsimo Centil; R.: 154,50 154 cm
Octogsimo Oitavo Centis. R.: 161,00 161 cm
Estatura (cm) fi
140 | 145 09
145 | 150 15
150 | 155 40
155 | 160 22
160 | 165 10
165 | 170 04

100
PGINA 59
CAPTULO 7
Medidas de Disperso ou de Flutuao
Muitas vezes somente os clculos ou apresentaes de um valor especfico para um conjunto
qualquer no so suficientes para caracterizar uma distribuio ou um conjunto de valores.
Exemplo:
SEGUNDA TERA QUARTA QUINTA SEXTA TOTAL DA MDIA DA
FEIRA FEIRA FEIRA FEIRA FEIRA PRODUO PRODUO
I 150 150 150 150 150 750 150
II 70 130 150 180 220 750 150
III 15 67 117 251 300 750 150
Se basearmos na produo mdia diria, no teremos como identificar o grau de relacionamento
entre as variveis, visto ser a mdia semanal nos trs turnos igual a 150 peas.
Algumas perguntas so fundamentais para o entendimento das variveis.
a) A produo homognea ?
b) A produo mdia semanal suficiente para uma anlise estatstica ?
c) A produo diria dos trs turnos compatvel com a produo mdia semanal ?
Tais informaes so obtidas atravs do estudo das medidas de disperso que permitem a anlise
de at que ponto estes valores apresentam oscilaes para mais ou para menos, em relao a uma
medida de posio fixada.
7.1Amplitude Total ou Intervalo Total Para Dados No Agrupados em Classes de Fre-
qncias (AT ou IT)
a diferena entre o maior e o menor valor de uma distribuio ou de um conjunto de valores.
Xi Xi IT AT
min max

Exemplo: X = { 67, 117, 35, 15, 42, 20, 231, 300 } AT =
Observao: Quando os dados estiverem agrupados em classes de freqncia utiliza-se os se-
guintes processos:
a)
Li Ls AT
min mx

b)
PM PM = AT
Classe imeira Pr Classe ltima

Exemplo:
Xi fi PM PM
05 | 10 05 7,5
10 | 15 10 12,5
15 | 20 20 17,5
20 | 25 10 22,5
25 | 30 05 27,5
50 - -
AT = 30 5 = 25 OU AT = 27,5 7,5 = 20
DIAS
TURNOS
PGINA 60
7.2Desvio Quartil ou Amplitude Semi-interquartlica Para Dados Agrupados em Classes
de Freqncias ( ( ) ) D
q
Esta medida calculada pela semi-diferena entre Q
3
e Q
1
cuja amplitude em torno da mediana
abrange 50% dos valores mais centrais da distribuio e ser mais exata quanto mais simtrica
for a distribuio

2
Q Q
D
1 3
q


Exemplo: Com base na tabela abaixo calcule o desvio quartlico:
Xi fi
05 | 10 05
10 | 15 10
15 | 20 20
20 | 25
10
25 | 30 05
50
7.2.1 Grfico BOX PLOT ou Diagrama de Tukey (Grfico-Caixa)
OBS.: John Wilder Tukey (1915 / jul-2000)
A introduo do box plot na metodologia de descrio de dados relativamente re-
cente, embora esse grfico seja baseado nos quartis, que so medidas muito antigas.
Mas, antes de definir box plot, preciso definir mnimo e mximo, valores essenciais
para o desenho do grfico
Para desenhar um box plot:
a) desenhe um segmento de reta em posio vertical, para representar a amplitude dos
dados;
b) marque, nesse segmento, o primeiro, o segundo e o terceiro quartis;
c) desenhe um retngulo (box) de maneira que o lado superior e o lado inferior pas-
sem exatamente sobre os pontos que marcam o primeiro e o terceiro quartis;
d) marque com um ponto o local da mediana.
Ex.: Com base no exemplo anterior, Q
1
= 13,75 Q
2
= 17,50 Q
3
= 21,25
DISTRIBUIO
SIMTRICA
35
30
25
20
15
10
05
00
X
~
PGINA 61
IMPORTANTE
O retngulo do box plot dado pela distncia interquartlica; contm 50% dos dados do
conjunto. Esses dados se distribuem em torno da mediana.
7.3Desvio Mdio (DM)
O desvio mdio ou mdia dos desvios igual mdia aritmtica dos valores absolutos dos des-
vios tomados em relao a mdia ou mediana
a) Desvio Mdio Para Dados No Agrupados em Classes de Freqncias

n
di
DM


onde: X Xi di =
n = nmero de observaes
Exemplo: X = {2, 15, 8, 5, 20}
b) Desvio Mdio Para Dados Agrupados em Classes de Freqncias

fi
fi di
DM



onde: di PM X =
Exemplo:
Xi fi
05 | 10
05
10 | 15 10
15 | 20 20
20 | 25
10
25 | 30 05
50
Observao: Caractersticas do Desvio Mdio
1- Depende de todos os valores da distribuio
2- Seu clculo pode ser efetuado a partir da mdia ou da mediana
3- No leva em considerao a existncia de desvios negativos
PGINA 62
7.4Desvio Padro ( S da letra Sigma )
a medida de disperso mais usada, porm no tem uma interpretao fsica, como ocorre com a
mdia, mediana, moda e os quantis. Contudo, possvel interpret-lo de forma analtica.
a raiz quadrada da mdia aritmtica dos quadrados dos desvios, estes tomados a partir da m-
dia aritmtica.
Desvio padro mede a disperso absoluta ou a variabilidade de uma distribuio.
a) Desvio Padro Para Dados No Agrupados em Classes de Freqncias
( ( ) )

1 n
n
Xi
Xi
S
2
2




onde: di Xi =
Exemplo: X = {5, 8, 10, 12, 15}
Xi
5
8
10
12
15
= 50
b) Desvio Padro Para Valores Isolados Ponderados No Agrupados em Classes de Fre-
qncias
( ( ) )

1 n
n
Xifi
fi Xi
S
2
2




onde: di Xi =
Exemplo:
Xi fi
5 7
8 10
10 20
12 15
15 5
57
ou
ou

1 n
di
S
2




1 n
fi di
S
2



PGINA 63
c) Desvio Padro Para Dados Agrupados em Classes de Freqncias
c.1 Processo Longo
( ( ) )

1 n
n
PMfi
fi PM
S
2
2




onde: di PM =
Exemplo:
PESO (KG)
fi
39,5 | 44,5 3
44,5 | 49,5 8
49,5 | 54,5 16
54,5 | 59,5 12
59,5 | 64,5
7
64,5 | 69,5 3
69,5 | 74,5 1
50
c.2 Processo Breve
Usado somente quando os intervalos de classe forem constantes. (h iguais)
( ( ) )

1 n
n
difi
fi di
h S
2
2




onde:di
PM K
h
=

0
(este di o do clculo da mdia pelo processo breve)
Exemplo:
PESO (KG) fi
39,5 | 44,5 3
44,5 | 49,5
8
49,5 | 54,5 16
54,5 | 59,5 12
59,5 | 64,5 7
64,5 | 69,5
3
69,5 | 74,5 1
50
ou
1 n
fi di
S
2



PGINA 64
d) Caractersticas do Desvio Padro
Observao: Considere toda distribuio como sendo NORMAL (terica); aquela que sim-
trica e mesocrtica, ou seja, tem o coeficiente de curtose igual a 0,263.
PRIMEIRO CASO
-1S 1S
SEGUNDO CASO
-2S 2S
TERCEIRO CASO
-3S 3S
t t 1S = 68,27% dos itens da distribuio
t t 3S = 99,73% dos itens da distribuio
t t 2S = 95,45% dos itens da distribuio
PGINA 65
RESUMO DAS CARACTER STI CAS DO DESVI O PADRO
-3S -2S -1S 1S 2S 3S
Exemplo de Aplicao da Zona de Normalidade
100 recm nascidos - sexo masculino
= 48 cm
S = 2 cm
Altura normal = 1S = 48 2 ou seja, uma criana com estatura variando de
46 a 50 cm ser considerada de estatura normal.
Demonstrao do Primeiro Caso das Caractersticas do Desvio Padro
PESO (KG) fi di difi di
2
di
2
fi
39,5 | 44,5 3 -2 -6 4 12
44,5 | 49,5 8 -1 -8 1 8
49,5 | 54,5 16 0 0 0 0
54,5 | 59,5
12 1 12 1 12
59,5 | 64,5 7 2 14 4 28
64,5 | 69,5 3 3 9 9 27
69,5 | 74,5 1 4 4 16 16
50 - - 25 25 - - 103 103
kg 500 , 54
50
25
5 + 52 = =


( )
kg 795 , 6 359 , 1 5 84694 , 1 5
49
50
25
103
5 S
2
= =

=
Zona de
Normalidade
68,27%
95,45%
99,73%
PGINA 66
1S = 68,27% ( o que queremos provar)
No exemplo a 1S igual a 54,500 kg + 6,795 kg = 61,295 kg e
54,500 kg - 6,795 kg = 47,705 kg
Portanto 47,705 kg o incio do intervalo e 61,295 kg o fim
49,500 kg (Ls da 2 classe) - 47,705 kg (incio do intervalo) = 1,795 kg
61,295 kg (final do intervalo) - 59,500 kg (Li da 5 classe) = 1,795 kg
Utilizando-se uma regra de trs, teremos:
8 pessoas esto para 5 quilos, (que a amplitude de classe), assim como
X pessoas esto para 1,795 kg, (que a quantidade em quilos utilizados da 2 classe
Portanto X = 2,872 pessoas (quantidade de freqncia, da 2 classe que ser usada)
7 pessoas esto para 5 quilos, (que a amplitude de classe), assim como
X pessoas esto para 1,795 kg, (que a quantidade em quilos utilizados da 5 classe
Portanto X = 2,513 pessoas (quantidade de freqncia, da 5 classe que ser usada)
Concluindo, no intervalo compreendido entre a 1S existem 33,385 pessoas
(2,872 da 2 classe + 16 da 3 classe + 12 da 4 classe + 2,513 da 5 classe) que repre-
senta, aproximadamente, 66,8%, do total de pessoas da distribuio.
DEMONSTRANDO: 50 pessoas = 100%
33,385pessoas = X% donde X = 66,8%
Repare que no encontramos 68,27%, pois a distribuio no
NORMAL.
7.5Coeficiente de Variao
uma medida de disperso relativa que indica a relao percentual entre o desvio padro e a
mdia dos dados. Serve de termo de comparao entre duas ou mais situaes diferentes.
100
S
CV

, ,
_ _





Exemplo: S = 8,795 Kg
= 54,500 Kg
S = R$ 81.473,39
= R$541.326,53
}
}
% 14 , 16 100
500 , 54
795 , 8
CV = =
% 05 , 15 100
53 , 326 . 541
39 , 473 . 81
CV = =
PGINA 67
7.6Erro Padro da Mdia
O Erro Padro da amostra definido como:
n
S
S
X

O Erro Padro da Mdia uma estatstica que corrige a inexatido da mdia como caracteriza-
dora de um conjunto. Pela expresso acima, podemos perceber que:
a) quanto maior o desvio padro, pior a mdia como medida caracterstica da amostra;
b) quanto maior a amostra, menor ser o erro padro e, teoricamente, a mdia torna-se, para
grandes amostras, uma medida caracterstica da tendncia central dos dados.
A expresso acima traduz matematicamente que a mdia pode no ser caracterstica de um con-
junto, em termos de representatividade, se o conjunto no for homogneo. A Irregularidade do
conjunto expressa pelo desvio padro quanto maior o desvio padro, menos homognea a
amostra. Por outro lado, conjuntos maiores tendem a possuir mdias mais caractersticas, embora
isso no seja aplicvel a todos os casos.
Exemplo: Com base nos dados da ltima tabela, calcule o erro padro da mdia.
S = 6,795 kg
n = 50 unidades
kg 96 , 0
07 , 7
795 , 6
50
795 , 6
S
X
= = =
PGINA 68
Exerccio:
Dada a tabela abaixo, pede-se:
a) a receita mdia;
b)a receita mediana;
c)o desvio mdio;
d)a receita na faixa de 25% a 75% dos itens da distribuio;
e)a variabilidade da receita em torno da mdia para um desvio padro;
f) a quantidade de empresas cuja receita esteja compreendida entre a 1S (Suponha
que a distribuio seja NORMAL);
g)o percentual de empresas cuja receita situa-se entre a 1DM;
h)a variao percentual da receita;
i) o erro padro da mdia.
Receita
(em 1.000 R$)
fi
350 | 400 05
400 | 450 09
450 | 500 15
500 | 550 25
550 | 600 18
600 | 650 16
650 | 700 10
98
RESPOSTAS:
a) R$ 541.330,00;
b) R$ 540.000,00;
c) R$ 66.970,00;
d) Q
1
= R$ 485.000,00 e Q
3
= R$ 604.690,00, portanto,
a receita que varia de R$ 485.000,00 a R$ 604.690,00;
e) S = 81,47
A variabilidade da receita em torno da mdia para um desvio padro a que oscila entre
R$459.860,00 e R$ 622.800,00;
f) 67 empresas;
g) 54,44%;
h) 15,05%;
i) R$ 8.230,00
PGINA 69
CAPTULO 8
Momentos
Os momentos podem ser caracterizados como quantidades numricas, calculadas a partir de uma
distribuio de freqncias (ou de probabilidades), e que so utilizadas para fornecer descries
resumidas da distribuio estudada. Dentro da ampla classe dos momentos esto includas trs
importantes medidas estudadas anteriormente: a mdia, a varincia (que desvio padro ao qua-
drado) e, por conseqncia, o prprio desvio padro.
Como vemos, a noo de momento genrica e abrange igualmente aquelas trs medidas. Ape-
nas ns as tratamos separadamente devido sua grande importncia no contexto da Estatstica
Descritiva.
8.1Momentos
8.1.1 Momento Natural (Absoluto) de Ordem r
O momento natural de ordem r de um conjunto de nmeros definido da seguinte
forma:
fi
fi PM
m
r
,
r



onde: r um nmero inteiro e positivo
Ex.: 1 = Momento natural de primeira ordem (ou primeiro momento natural).
2 = Momento natural de segunda ordem (ou segundo momento natural)...
Exemplo: Dada a tabela abaixo, calcular os momentos de primeira, segunda, terceira e quarta
ordens da seguinte distribuio de freqncias:
Classes fi PM PM
1
fi PM
2
fi PM
3
fi PM
4
fi
10 | 20 2
15 30 450 6.750 101.250
20 | 30 4
25 100 2.500 62.500 1.562.500
30 | 40
5 35 175 6.125 214.375 7.503.125
40 | 50 8
45 360 16.200 729.000 32.805.000
50 | 60 5
55 275 15.125 831.875 45.753.125
60 | 70 4 65 260 16.900 1.098.500 71.402.500
70 | 80 2
75 150 11.250 843.750 63.281.250
30
- 1350 68.550 3.786.750 222.408.750
m
1
1350
30
45
,
.
= = m
2
68550
30
2 285
,
.
. = =
m
3
3786 750
30
126225
,
. .
. = = m
4
222 408750
30
7 413625
,
. .
. . = =
PGINA 70
8.1.2 Momento de Ordem r em Relao a uma Origem Qualquer X
o

O momento de ordem r em relao origem arbitrria X


o
de um conjunto de n-
meros definido da seguinte forma:
( ( ) )
fi
fi X PM
m
r
o
r x
o



onde: r um nmero inteiro e positivo
X
o
uma constante qualquer
Ex.: 1 = Momento de primeira ordem em relao origem X
0
= 40.
2 = Momento de segunda ordem em relao origem X
0
= 40...
Exemplo: Dada a tabela abaixo, calcular os momentos de primeira, segunda e terceira ordens
em relao origem X
o
= 40.
Classes fi PM (PM-X
o
) (PM-X
o
)fi (PM-X
o
)
2
fi (PM-X
o
)
3
fi
10 | 20 2
15 15-40=-25 -50 1.250 -31.250
20 | 30 4
25 25-40=-15 -60 900 -13.500
30 | 40 5
35 35-40=-05 -25 125 -625
40 | 50 8
45 45-40= 05 40 200 1.000
50 | 60 5
55 55-40= 15 75 1.125 16.875
60 | 70
4 65 65-40= 25 100 2.500 62.500
70 | 80 2
75 75-40= 35 70 2.450 85.750
30
- - 150 8.550 120.750
8.1.3 Momento Centrado na Mdia de Ordem r
O momento de ordem r centrado na de um conjunto de nmeros definido fa-
zendo X
o
= , ou seja:
( ( ) )
fi
fi X PM
m
r
r



onde: r um nmero inteiro e positivo
Ex.: 1 = Momento centrado de primeira ordem.
2 = Momento centrado de segunda ordem...
OBS.: Para r =2, o momento centrado na mdia, corresponde varincia da distribuio (S
2
).
40 1
150
30
5 m = =
40 2
8550
30
285 m = =
.
40 3
120750
30
4 025 m = =
.
.
PGINA 71
Exemplo: Usando os dados da distribuio de freqncias abaixo, calcular os quatro primeiros
momentos centrados na mdia.
Classes fi PM PMfi (PM- )fi (PM- )
2
fi (PM- )
3
fi (PM- )
4
fi
10 | 20 2
15 30 (-30).2=-60 1.800 -54.000 1.620.000
20 | 30 4
25 100 (-20).4=-80 1.600 -32.000 640.000
30 | 40 5
35 175 (-10).5=-50 500 -5.000 50.000
40 | 50
8 45 360 0.8 = 0 0 0 0
50 | 60 5
55 275 10.5 = 50 500 5.000 50.000
60 | 70 4
65 260 20.4 = 80 1.600 32.000 640.000
70 | 80 2
75 150 30.2 = 60 1.800 54.000 1.620.000
30
- 1.350 0 7.800 0 4.620.000
X X X X
X = =
1350
30
45
.
m
1
0
30
0 = =
m
2
7800
30
260
= =
.
m
3
0
30
0 = =
m
4
4 620 000
30
154 000
= =
. .
.
PGINA 72
Exerccio:
Dada a tabela abaixo, calcule:
A) os momentos naturais de primeira e segunda ordens;
B) os momentos de segunda e terceira ordens em relao origem X
o
= 10;
C) os momentos de segunda, terceira e quarta ordens centrados na mdia.
Classes fi
00 | 04 1
04 | 08 4
08 | 12 5
12 | 16 7
16 | 20 8
20 | 24 6
24 | 28 3
28 | 32 2
36
RESPOSTAS:
A)
'
1
m
= 16,33;
'
2
m
= 315,11;
B)
10
m
2
= 88,44;
10
m
3
= 1.178,67;
C) m
2
= 48,44; m
3
= 54,67; m
4
= 5.548,44; (Fazendo a mdia = 16)
PGINA 73
CAPTULO 9
Medidas de Assimetria e Curtose
As medidas de assimetria e curtose so as que restam para completarmos o quadro das estatsti-
cas descritivas, que proporcionam, juntamente com as medidas de posio e de disperso, a des-
crio e compreenso completas da distribuio de freqncias estudada.
Como j foi dito anteriormente, as distribuies de freqncias no diferem apenas quanto ao
valor mdio e variabilidade, como tambm quanto sua forma. Do ponto de vista desse ltimo
aspecto, as caractersticas mais importantes so o grau de deformao (assimetria) e o grau de
achatamento ou afilamento (curtose) da curva de freqncias ou do histograma. Porm, para
estudar as medidas de assimetria e curtose, necessrio o conhecimento de certas quantidades
conhecidas como momentos. (OBS.: Obrigatoriamente, no)
9.1Medidas de Assimetria ou Enviesamento (Relao entre

e
~
, )
Assimetria, como o prprio nome insinua, significa desvio ou afastamento da simetria. Em ou-
tros termos, assimetria o grau de deformao de uma curva de freqncias.
Para dados agrupados, representados por uma curva de freqncia, as diferenas entre os valores
da mdia, da mediana e da moda, so indicadores da forma da curva em termos de assimetria, ou
seja:
9.1.1 Distribuio Com Assimetria Positiva ou Distribuio Unimodal Positiva-
mente Assimtrica
Neste caso a mdia apresenta um valor maior do que a mediana, e esta ser maior do
que a moda.
Graficamente, tende direita:
9.1.2 Distribuio Com Assimetria Negativa ou Distribuio Unimodal Negativamen-
te Assimtrica.
Neste caso a mdia apresenta um valor menor do que a mediana e esta ser menor do
que a moda.
X
fi
O
< < < <
PGINA 74
Graficamente tende esquerda
9.1.3 Distribuio Simtrica ou Distribuio Unimodal Simtrica.
Neste caso, mdia, mediana e moda apresentam o mesmo valor.
Graficamente proporcional
9.1.4 Coeficiente de Assimetria
Mede o grau de deformao da curva de distribuio por freqncia.
Segundo Pearson podemos avaliar este grau de deformao pelos seguintes proces-
sos:
a) Primeiro Coeficiente:mede a distncia, em nmero de Desvios Padro, da mdia
at a moda.

S

AS
P


b) Segundo Coeficiente: mede a distncia, em nmero de Desvios Padro, da mdia
at a mediana.
( ( ) )

S
~
3
AS


fi
X
O
< < < <
X
fi
O

~

= =
PGINA 75
Em funo do resultado possvel determinar o comportamento de cada curva, portanto, se:
AS = 0, ento a distribuio simtrica
AS > 0, ento a distribuio positivamente assimtrica
AS < 0, ento a distribuio negativamente assimtrica
Exemplo: A
Primeiro Coeficiente de Assimetria
=5,00
P

=5,00 00 , 0
70 , 2
00 , 5 00 , 5
AS =

= (AS = 0; a distribuio simtrica)


S = 2,70
Segundo Coeficiente de Assimetria
=5,00
~
=5,00
( )
AS =

=
3 5 00 5 00
2 70
0 00
, ,
,
, (AS = 0; a distribuio simtrica)
S = 2,70
Exemplo: B
Primeiro Coeficiente de Assimetria
=3,89
P

=2,72 AS =

=
3 89 2 72
2 70
0 43
, ,
,
, (AS > 0; distribuio assimtrica positiva)
S = 2,70
Segundo Coeficiente de Assimetria
=3,89
~
=3,50
( )
AS =

=
3 3 89 3 50
2 70
0 43
, ,
,
, (AS > 0; distribuio assimtrica positiva)
S = 2,70
Exemplo: C
Primeiro Coeficiente de Assimetria
=6,11
P

=7,28 AS =

=
6 11 7 28
2 70
0 43
, ,
,
, (AS < 0; distribuio assimtrica negativa)
S = 2,70
Segundo Coeficiente de Assimetria
=6,11
~
=6,50
( )
AS =

=
3 6 11 6 50
2 70
0 43
, ,
,
, (AS < 0; distribuio assimtrica negativa)
S = 2,70
PGINA 76
9.2Coeficiente Momento de Assimetria (e
M
)
Outra medida utilizada par avaliar a assimetria de uma distribuio de freqncias o coeficiente
momento de assimetria, calculado com base nos momentos centrados da segunda, terceira, e
quarta ordens, que definido por:
( ( ) )
( ( ) ) 9 b 6 b 5 2
3 b b
e
1 2
2 1
M
1

+ +

ou
( ( ) )
3
3
3
2
3
1 M
S
m
m
m
b e
2

Exemplo: (Os momentos abaixo j foram calculados anteriormente pgina 71)
Classes fi
PM PMfi (PM- )fi (PM- )
2
fi (PM- )
3
fi (PM- )
4
fi
10 | 20 2
15 30 (-30).2=-60 1.800 -54.000 1.620.000
20 | 30 4
25 100 (-20).4=-80 1.600 -32.000 640.000
30 | 40 5
35 175 (-10).5=-50 500 -5.000 50.000
40 | 50 8
45 360 0.8 = 0 0 0 0
50 | 60
5 55 275 10.5 = 50 500 5.000 50.000
60 | 70 4
65 260 20.4 = 80 1.600 32.000 640.000
70 | 80 2
75 150 30.2 = 60 1.800 54.000 1.620.000
30
- 1.350 0 7.800 0 4.620.000
( )
( ) ( ) ( )
0
78 , 4
0
39 , 2 2
0
9 0 39 , 11 2
0
9 0 6 278 , 2 5 2
3 278 , 2 0
e
1
M
= =

=

=

+
=
( )
0
260
0
0 e
3
M
2
= = =
Onde: b
m
m
m
m
1
3
2
2
3 2
4
2
2
= = e b
X X X X
Onde: m e m
2 2
= = S S
2
X = =
1350
30
45
.
m
1 2 3 4
0
30
0
7 800
30
260
0
30
0
4 620 000
30
154 000 = = = = = = = = m m m
. . .
.
b
1 3 2
0
260
0
154 000
260
154 000
67 600
2 278 = = = = = e b
2
. .
.
,
PGINA 77
Exerccios:
1) Calcular o momento de assimetria (pelas duas frmulas) da distribuio dos coeficientes de
inteligncia, da tabela abaixo:
Quoc. Int. fi PM PM.fi PM- (PM- ).fi (PM- )
2
.fi (PM- )
3
.fi (PM- )
4
.fi
68 a 72 4 70 280 -25,97 -103,87 2.697,07 -70.033,95 1.818.548,14
72 a 76 9 74 666 -21,97 -197,70 4.342,81 -95.397,06 2.095.555,41
76 a 80 16 78 1.248 -17,97 -287,47 5.164,82 -92.794,56 1.667.208,917
80 a 84 28 82 2.296 -13,97 -391,07 5.461,90 -76.284,51 1.065.440,26
84 a 88 45 86 3.870 -9,97 -448,50 4.470,05 -44.551,50 444.029,93
88 a 92 66 90 5.940 -5,97 -393,80 2.349,67 -14.019,72 83.650,98
92 a 96 85 94 7.990 -1,97 -167,17 328,76 -646,56 1.271,57
96 a 100 72 98 7.056 2,03 146,40 297,68 605,28 1.230,74
100 a 104 54 102 5.508 6,03 325,80 1.965,66 11.859,48 71.552,21
104 a 108 38 106 4.028 10,03 381,27 3.825,38 38.381,27 385.092,06
108 a 112 27 110 2.970 14,03 378,90 5.317,23 74.618,46 1.047.145,74
112 a 116 18 114 2.052 18,03 324,60 5.853,62 105.560,28 1.903.603,73
116 a 120 11 118 1.298 22,03 242,37 5.340,15 117.661,21 2.592.468,60
120 a 124 5 122 610 26,03 130,17 3.388,67 88.218,43 2.296.619,89
124 a 128 2 126 252 30,03 60,07 1.804,00 54.180,20 1.627.212,01
480 46.064 30,50 0,00 52.607,47 97.356,76 17.100.630,18
Respostas:Mdia = 95,9667
Momento Centrado na Mdia de primeira ordem (m
1
) = Zero
Momento Centrado na Mdia de segunda ordem (m
2
) = 119,5989
Momento Centrado na Mdia de terceira ordem (m
3
) = 202,8266
Momento Centrado na Mdia de quarta ordem (m
4
) = 35.625,3129
Valor de b
1
= 0,0332487
Valor de b
2
= 2,9659141
Valor do C. Momento de Assimetria 1 frmula = 0,0835952
Valor do C. Momento de Assimetria 2 frmula = 0,1967829
2) Com base nas tabelas da pgina seguinte, calcule:
a) Mdia
b) Mediana
c) Moda de Pearson
d) Desvio Padro
e) Momento absoluto de 1 ordem
f) Momento de 2 ordem em relao origem X
o
= 15
g) Momento centrado de 1 ordem
h) Momento centrado de 2 ordem
i) Momento centrado de 3 ordem
j) Momento centrado de 4 ordem
k) Coeficiente de Variao
l) Coeficiente de Assimetria
m)Coeficiente Momento de Assimetria 1 frmula
n) Coeficiente Momento de Assimetria 2 frmula
X X X
X X
PGINA 78
Tabela A
Receita fi
150 a 200 2
200 a 250 6
250 a 300 7
300 a 350 12
350 a 400 10
400 a 450 8
450 a 500 5
50
Tabela B
Peso (kg) fi
2 a 4 2
4 a 6 6
6 a 8 14
8 a 10 10
10 a 12 8
12 a 14 6
14 a 16 4

50
Tabela C
Classes fi
10 a 20 2
20 a 30 6
30 a 40 7
40 a 50 12
50 a 60 10
60 a 70 8
70 a 80 5
50
PGINA 79
9.3Medidas de Curtose
A curtose ou excesso indica at que ponto a curva de freqncias de uma distribuio se apre-
senta mais afilada ou mais achatada do que uma curva-padro, denominada curva normal.
Observao: A curva normal (curva padro), apresenta um coeficiente de curtose igual a 0,263
e recebe o nome de mesocrtica. Se o coeficiente for maior que 0,263 recebe o
nome de platicrtica e se menor que 0,263 chamar leptocrtica.
Graficamente:
Normal ou Mesocrtica Platicrtica ou Achatada Leptocrtica ou Afilada
C = 0,263 C > 0,263 C < 0,263
9.3.1 Clculo do Coeficiente de Curtose
ou

C C
D
= C
10 90
q

ou
( ( ) )

C C 2
Q Q
= C
10 90
1 3


Exemplo: Com os dados abaixo calcule o coeficiente de curtose
Q
3
6 75 = , C
90
8 20 = ,
Q
1
3 25 = , C
10
180 = ,
( )
C =


=
6 75 3 25
2 8 20 1 80
0 273
, ,
, ,
, portanto, curva platicrtica
9.4Coeficiente Momento de Curtose
O coeficiente momento de curtose utiliza-se do quociente entre o momento centrado de quarta
ordem e o quadrado do momento centrado de segunda ordem (varincia), ou seja:
2
2
4
2
m
m
b
ou
4
4
2
S
m
b
10 90
1 3
C C
2
Q Q



X
O
O
X
fi
X
fi
O
C =
PGINA 80
Observao: A quantidade b
2
aparece na frmula do coeficiente momento de assimetria apre-
sentado anteriormente (item 9.2)
Se b
2
= 3 distribuio ou curva mesocrtica
Se b
2
< 3 distribuio ou curva platicrtica
Se b
2
> 3 distribuio ou curva leptocrtica
Exemplo: Calcular o coeficiente momento de curtose da distribuio dos coeficientes de inteli-
gncia (pgina 77)
Recorreremos aos seguintes valores j calculados (pgina 77)
m
4
= 35.626,31
m
2
= S
2
= 109,60 = 12.012,16
Ento,
A curtose pode ser medida igualmente pelo coeficiente c
2
:
3 b c
2 2

Teramos ento:
c
2
= 0 distribuio ou curva mesocrtica
c
2
< 0 distribuio ou curva platicrtica
c
2
> 0 distribuio ou curva leptocrtica
m
2
2
b
m
m
2
4
2
2
35626 31
12 012 16
2 96 3 0 = = =
. ,
. ,
, , Distribuio Mesocrtica
PGINA 81
Exerccio
Os dados abaixo referem-se a renda nominal de 60 famlias (valores em R$1,00)
400 350 370 375 399 405 360 408 430 385
390 390 385 360 397 400 406 440 415 410
400 410 382 340 360 370 380 370 413 390
400 390 355 375 427 397 413 430 357 340
350 410 420 360 403 382 390 425 420 404
420 410 411 404 397 420 404 421 440 380
Pede-se:
a) montar uma tabela de distribuio por freqncia usando a frmula de Sturges;
b) a mdia aritmtica; (R$ 395,75)
c) a mediana; (R$ 400,00)
d) a moda de Karl Pearson; (R$ 408,50)
e) o primeiro e o terceiro quartis; o dcimo e o nonagsimo percentis; (R$ 378,33; R$412,50;
R$ 360,00; R$ 426,25)
f) o desvio mdio; (R$ 19,75)
g) o desvio quartlico; (R$ 17,09)
h) construir um grfico box plot;
i) o desvio padro (processo longo e breve); (R$ 24,09)
j) o percentual de famlias cujas rendas situam-se entre a 1 DM; (56,67%)
q) o nmero de famlias cujas rendas situam-se entre a 1 S (suponha que a distribuio seja
normal). ( 41 famlias)
l) coeficiente de variao; (6,09%)
m) o erro padro da mdia; (R$ 3,11)
n) os momentos de primeira, segunda, terceira e quarta ordens centrados na mdia; (R$ 0,00;
R$ 570,69; R$ 4.192,28; R$ 776.752,02)
o) o coeficiente de assimetria de Pearson (primeiro e segundo). Faa a curva e determine o seu
comportamento; ( 0,529; Assimetria Negativa)
p) o coeficiente momento de assimetria; (0,09)
q) determinar o grau de achatamento da curva, identificando-a pelo nome e pela curva; (0,258;
Leptocrtica)
r) o coeficiente momento de curtose; (R$ 2,38)
OBSERVAO: Trabalhe sempre com duas casas depois da vrgula, fazendo arredonda-
mento estatstico, onde for possvel.
PGINA 82
CAPTULO 10
Probabilidade
10.1- Conceito e Caracterizao
A Teoria das Probabilidades estuda os fenmenos aleatrios com vrios resultados possveis,
quantificando as suas possibilidades de ocorrncia. Com base na teoria das probabilidades, ja-
mais ser possvel dizer o que vai ocorrer num experimento aleatrio pois isso depender sem-
pre do acaso; no entanto, ela permite prever o que pode ocorrer e ainda dimensiona a chance de
ocorrncia de cada uma das possibilidades. Entende-se por chance a medida da ocorrncia das
circunstncias favorveis.
A utilizao de probabilidades indica que existe um elemento do acaso, ou de incerteza, quanto
ocorrncia ou no de um evento futuro. Assim que, em muitos casos, pode ser praticamente
impossvel afirmar por antecipao o que ocorrer; mas possvel dizer o que pode ocorrer. As-
sim sendo, as probabilidades servem para exprimir a chance de ocorrncia de um determinado
evento.
O termo probabilidade usado de modo muito amplo na conversao diria para sugerir um
certo grau de incerteza sobre o que ocorreu no passado, o que ocorrer no futuro ou o que est
ocorrendo no presente. O torcedor de certo time pode apostar contra ele porque sua probabili-
dade de ganhar pequena. O aluno poder ficar contente porque acha que sua probabilidade
de obter bons resultados nas provas grande.
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 sucesso para seu novo produto.
10.2- Terminologias
Toda teoria est fundamentada numa terminologia prpria. No caso da teoria das probabilidades,
so usadas as seguintes expresses:
a) Experimento
o fato ou fenmeno que est sendo estudado.
Ex.: O lanamento de uma moeda; a extrao de uma carta de um baralho; a anlise do clima e
o estudo da economia.
b) Espao Amostral ou Conjunto Universo ( = S = Space)
o conjunto de todos os resultados possveis de um certo experimento.
Ex.: 1) Se o evento consistir no lanamento de um dado, qual ser o espao amostral?
= {1, 2, 3, 4, 5, 6} ou seja =
2) Se o experimento consistir no lanamento de 3 moedas consecutivas, qual ser o es-
pao amostral?
c) Evento Elementar
cada um dos resultados possveis do espao amostral do experimento.
Ex.: Cara, num lanamento de moeda; s, numa extrao de carta.
PGINA 83
Classificao dos eventos:
Dois ou mais eventos elementares de certo espao amostral so ditos:
1) Evento Simples
Formado por um nico elemento do espao amostral ( = S ).
Ex.: ocorrncia da face 3 no lanamento de um dado.
2) Evento Composto
Formado por mais de um elemento do espao amostral ( = S ).
Ex.: ocorrncia de face par no lanamento de um dado.
3) Evento Certo
aquele que ocorre em qualquer realizao do experimento.
Ex.: no lanamento de um dado fatalmente sair a face 1, 2, 3, 4, 5 ou 6
4) Evento Impossvel
aquele que no ocorre em qualquer realizao do experimento.
Ex.: No lanamento de um dado sair a face 7
5) Evento Complementar
Para um evento A qualquer, o complementar de A, denotado por A dado por A = S A,
ou seja, um outro conjunto formado pelos elementos que pertencem a S e no pertencem a
A. O resultado da reunio de A e A exatamente o espao amostral.
Ex.: Coroa complementar de cara (e vice-versa); o conjunto de cartas de paus, ouros e
copas complementar do conjunto de espadas.
6) Evento Mutuamente Exclusivo
Caracteriza-se quando dois ou mais eventos no podem ocorrer simultaneamente, ou seja, a
ocorrncia de um exclui a possibilidade de ocorrncia do outro e vice-versa.
Ex.: 1) Se a carta de copas, ento ela no de ouro; se o tempo est nublado, ento no
h sol.
Ex.: 2) Ocorrncia de face menor que 2 ou maior que 5 no lanamento de um dado.
P (face menor que 2) =
6
1
= 0,167 ou 16,7%
P (face maior que 5) =
6
1
= 0,167 ou 16,7%
Observe que os eventos face menor que 2 ou face maior que 5 so mutuamente excluden-
tes, pois a ocorrncia de um, impossibilita a ocorrncia do outro. Porm, no so comple-
mentares, pois no esgotam todos os resultados possveis do experimento.
Eventualmente podero esgotar todos os resultados possveis, nesse caso sero chamados de
mutuamente excludentes e exaustivos.
7) Evento Independente
Dizemos que dois ou mais eventos so independentes quando no exercem aes recprocas,
comportando-se cada um de maneira que lhe prpria sem influenciar os demais.
Caracteriza-se, portanto, quando a ocorrncia de um evento no for afetada pela ocorrncia
do outro, sendo a recproca verdadeira.
PGINA 84
Ex.: Consideremos o lanamento de duas moedas:
Temos: S = {Ca, Ca; Ca, Co; Co, Co; Co, Ca}
Os resultados dos eventos so independentes de uma moeda para outra.
8) Evento Condicionado
Quando associados dois ou mais eventos a um experimento aleatrio qualquer dizemos que
eles so condicionados a outro evento B do mesmo experimento.
Caracteriza-se quando a ocorrncia de um evento A qualquer dependa da ocorrncia de ou-
tro evento B.
Ex.: 1) retirada, sem reposio, de duas cartas vermelhas de um baralho completo.
Ex.: 2) uma caixa contm 20 bolas numeradas de 1 a 20. Pretendo sortear a bola 5 e a bola
8. Tiro uma bola e verifico que a bola 8, ________________________________
__________________________________________________________________
__________________________________________________________________
10.3- Regras para combinao de Probabilidades
Todos os problemas que envolvem probabilidades podem ser resolvidos, basicamente a partir de
dois teoremas fundamentais.
10.3.1-Teorema da adio ( ou )
a) para eventos mutuamente exclusivos
P (A ou B) = P (A) + P (B)
Ex.: Qual a probabilidade de ocorrer dama ou valete ao retirarmos uma nica
carta de um baralho completo ?
b) para eventos no mutuamente exclusivos
P (A ou B) = P (A) + P (B) P (A . B)
Ex.: Qual a probabilidade de ocorrer s ou carta de ouros ao retirarmos um
nica carta de um baralho completo ?
10.3.2-Teorema da multiplicao ( e )
a) para eventos condicionados
P (A e B) = P (A) . [P (A) . P (B / A)]
Ex.: Retira-se, sem reposio, duas cartas de um baralho completo, qual a proba-
bilidade de ambas serem espadas ?
b) para eventos independentes
P (A e B) = P (A) . P (B)
Ex.: Qual a probabilidade de acertarmos os dois primeiros jogos da loteria esporti-
va utilizando palpite simples ?
10.4- Axiomas das Probabilidades
A probabilidade de um evento A qualquer, denotada por P (A), dada por um quociente em
que o numerador o nmero de casos favorveis ocorrncia do evento, e o denominador o n-
PGINA 85
mero de casos possveis (espao amostral), ou seja, a probabilidade simples de um evento acon-
tecer a razo entre o nmero de casos favorveis e o nmero de casos possveis

n
h
P ) e ( P ) A ( P Pr
onde:
h = nmero de casos favorveis
n = nmero de casos possveis
Ex.: Joga-se um dado uma vez, qual a probabilidade de sair a face 2 ?
P ( ) , , 2
1
6
0 1666 16 67% = =
Observao: a) A probabilidade de um evento certo igual a 1 ou 100%
Ex.: P E ( ) = = =
6
6
1 100%
b) A probabilidade (P) de sair face 2 no lanamento de um dado 1/6, obviamente,
a probabilidade contrria (q), ou seja, a de no sair a face 2 5/6, portanto:
1 = q + Pr Pr 1 = q
n
h
n
n
q
6
5
n
h n
q

= =

=
Logo: 1 Axioma 0 Pr 1
2 Axioma Pr(S) = 1
3 Axioma Se A e B so eventos mutuamente exclusivos, ento:
P(A B) = P(A) + P(B)
Exerccios de aplicao:
01) Uma caixa contm bolas numeradas de 1 a 15. Retira-se uma bola ao acaso, qual a probabili-
dade de se obter uma bola cujo nmero seja mltiplo de 4?
02) Retira-se uma carta de um baralho de 52 cartas. Qual a probabilidade de se obter um rei de
ouros?
03) Joga-se um dado duas vezes. Qual a probabilidade de se obter a face 5 em ambas as jogadas?
04) Uma caixa contm 100 peas das quais 5 so defeituosas. Seleciona-se ao acaso uma pea,
que no recolocada e, seleciona-se outra pea. Qual a probabilidade de que ambas as peas
retiradas sejam defeituosas?
10.5- Anlise Combinatria
Quando a contagem direta do nmero de possibilidades muito trabalhosa, podemos nos valer
da anlise combinatria para determinar os nmeros de casos favorveis e/ou possveis dos expe-
rimentos estudados. Para tanto, necessrio primeiro classificar adequadamente o agrupamento e
depois aplicar a frmula correta.
10.5.1-Permutao
Permutar (re)ordenar os elementos de um conjunto numa seqncia previamente
definida. As permutaes podem ser:
PGINA 86
a) Permutao sem Repetio
Conjuntos com elementos distintos
Ex.: Trs membros de uma organizao social se ofereceram como voluntrios, para compor a
diretoria, para o prximo ano, assumindo as funes de Presidente, Tesoureiro e Secretrio.
Qual o nmero de maneiras pelas quais os trs podem assumir tais cargos ?
b) Permutao com Repetio
Conjuntos com alguns elementos iguais entre si.
Ex.: Quantos anagramas distintos tm na palavra MISSISSIPI? (MILONE: 120)
Exerccio de aplicao:
Quantos nmeros de 4 algarismos podem ser formados com os 10 algarismos 0, 1, 2, 3, 4, 5, 6, 7,
8 e 9: (SPIEGEL:31)
a) admitindo-se repeties;
b) no se admitindo repeties;
c) no se admitindo repeties e o ltimo algarismo devendo ser zero.
10.5.2-Arranjo
Quando a permutao feita com apenas uma parte dos elementos do espao amos-
tral, ou seja, por arranjo se entende o nmero total de permutaes possveis nos subconjuntos de
r elementos de um conjunto composto por n elementos. Os arranjos so calculados pela se-
guinte expresso:

)! r n (
! n
A
r
n


Onde: n = nmero total de elementos
r = o que se pretende agrupar
Ex.: Com base no exemplo anterior, suponha que existam 10 membros na organizao social e
que nenhuma indicao tenha sido feita para os cargos de Presidente, Tesoureiro e Secret-
rio. Qual o nmero, de diferentes disposies de 3 membros eleitos entre os 10 membros
do clube, que podero ser formadas?
Exerccio de aplicao:
Cinco pessoas constituem a junta diretora de uma empresa. Suponha que somente trs destes di-
retores sejam convidados a representar a empresa num banquete.
Quantos arranjos diferentes seriam possveis para compor este trio?
10.5.3-Combinao
Quando as escolhas se distinguem s pela qualidade e no pela ordem dos elementos.
Para se calcular o nmero de combinaes possveis de n elementos, tomando-se
r de cada vez, usa-se a expresso:

)! r n ( ! r
! n
C
r
n


Ex.: Suponhamos que 3 membros de uma pequena organizao social, de 10 membros, venham a
ser escolhidos para formar uma comisso.
Qual o nmero, de diferentes grupos de 3 pessoas, que pode ser escolhido ?
PGINA 87
Exerccio de aplicao:
De 5 matemticos e 7 fsicos deve-se constituir uma comisso de 2 matemticos e 3 fsicos. De
quantas maneiras podemos formar a comisso se: (SPIEGEL:33)
a) qualquer matemtico e qualquer fsico pode ser includo;
b) determinado fsico deve fazer parte da comisso;
c) dois determinados matemticos no devem pertencer comisso.
10.6- Diagrama da rvore
Quando o nmero de pontos do espao amostral relativamente pequeno, possvel a sua
contagem direta, utilizando o chamado diagrama da rvore (ou de deciso), que consiste em re-
presentar graficamente todas as possveis variantes de uma dada situao. Recebe esse nome
porque sua figura caracterstica se assemelha a uma rvore, com suas ramificaes partindo de
cada uma das possibilidades originais e intermedirias. Apesar de ser um processo grfico facil-
mente mecanizvel, sua aplicao se restringe a eventos simples, uma vez que a sua complexi-
dade diretamente proporcional ao nmero de possibilidades de ramificao.
Ex.: Um estudante deve responder um teste do tipo verdadeiro (V) ou falso (F). Se considerar-
mos apenas trs questes, qual a probabilidade dele acertar todo o teste?
Questes 1 2 3 Resultados
O diagrama nos diz que ele tem uma chance a favor e sete contra, se considerarmos apenas trs
questes, portanto, 1/8 = 12,5%.
Outra forma, partir da definio de probabilidade. Com base nela podemos esboar a seguinte
soluo analtica:
Nmero de Questes Respostas Possveis Probabilidade de Acerto
1 V ou F 1/2 = 50,0%
2 VV, VF, FV ou FF 1/4 = 25,0%
3 VVV, VVF, VFF, VFV, FVF, FVV, FFV ou FFF 1/8 = 12,5%
Como se v, a resposta do diagrama foi aqui confirmada.
Exerccio de aplicao:
Uma caixa A contm 10 peas perfeitas e 3 defeituosas. Outra caixa B contm 8 peas perfeitas e
5 defeituosas. Sorteando-se uma das caixas ao acaso, qual a probabilidade de que seja retirada
uma pea defeituosa?
F
F
V
V
V
F
VVV
VVF
VFV
VFF
F
F
V
V
V
F
FVV
FVF
FFV
FFF
V
F
PGINA 88
10.7- Teorema de Bayes (Reverendo Thomas Bayes 1702 / 1761)
Com base na probabilidade condicional, possvel calcular a probabilidade de um dado evento B
ocorrer aps certo evento A ter ocorrido. O que o teorema de Bayes possibilita a quantificao
de certo evento A ter sido provocado por B, C ou D. Assim, se A pode ter sido provocado por B,
C ou D e quer-se quantificar a chance dele ter sido produzido por D em particular, basta relacio-
nar as chances de produo por D em relao chance de ter sido produzido por B, C ou D.
) C / D ( P ) C ( P ) B / D ( P ) B ( P ) A / D ( P ) A ( P
) A / D ( P ) A ( P
) D / A ( P
+ + + +


Exerccio de aplicao:
Uma pea manufaturada por 3 fbricas.
- A fbrica 1 produz o dobro da 2.
- 2% das peas da fbrica 1 so defeituosas.
- 2% das peas da fbrica 2 so defeituosas.
- 4% das peas da fbrica 3 so defeituosas.
- As fbricas 2 e 3 produzem o mesmo nmero de peas.
Uma pea extrada ao acaso e defeituosa.
Qual a probabilidade da pea ser da fbrica 3?
PGINA 89
EXERCCIOS
ESPAO AMOSTRAL
1) Se o experimento consistir em acertar um alvo com 3 tiros consecutivos, qual ser o espao
amostral? (Demonstre como chegar ao resultado)
EVENTOS
2) A probabilidade de um indivduo A estar vivo daqui a 10 anos de 70%. A probabilidade de
outro indivduo B estar vivo daqui a 10 anos 20%. Qual a probabilidade de que daqui a 10
anos:
a) ambos estejam vivos?;
b) ambos estejam mortos?;
c) pelo menos 1 esteja vivo?;
d) pelo menos 1 esteja morto?
3) Uma caixa contm 100 peas das quais 5 so defeituosas. Seleciona-se ao acaso uma pea e
depois de recolocada seleciona-se outra. Qual a probabilidade de que ambas as peas retira-
das sejam defeituosas?
4) Uma sala tem 12 moas e 4 rapazes. Sorteando-se ao acaso uma comisso de 3 pessoas, qual
a probabilidade de que a comisso seja formada s por moas?
5) Retira-se, ao acaso, uma carta de um baralho de 52 cartas. Qual a probabilidade de se obter
um s ou um rei?
6) Retira-se, ao acaso, uma carta de um baralho de 52 cartas. Qual a probabilidade de se obter
um valete ou uma carta de copas?
7) De um baralho comum de 52 cartas retirou-se uma carta, verificando-se que vermelha.
Qual a probabilidade de essa carta ser uma figura?
8) Uma urna possui 8 bolas, sendo 6 azuis e 2 verdes.
Sorteando-se uma bola ao acaso, qual a probabilidade de se retirar:
a- uma bola azul;
b- uma bola verde.
9) Na jogada de um dado honesto determine a probabilidade de se obter:
a- um nmero par;
b- um nmero menor do que 3;
c- um nmero maior ou igual a 3;
d- um nmero maior do que 6;
e- um nmero menor do que 10.
10) Determine a probabilidade de se jogar um dado e se obter:
a- um nmero par ou mltiplo de 3;
b- um nmero mpar ou mltiplo de 6.
11) Extraindo uma carta de um baralho honesto, determine a probabilidade de se obter:
a- um rei ou uma carta de ouros;
b- uma figura ou uma carta de ouros;
c- uma figura ou um sete;
d- um sete de ouros, ou um rei ou uma dama vermelha.
PGINA 90
12) Uma urna contm 20 bolas (10 azuis, 6 verdes e 4 vermelhas).
Sorteando-se bolas sucessivamente, determine a probabilidade de se obter:
a- a 1 azul, a 2 verde sem reposio da 1 ;
b- a 1 azul, a 2 verde com reposio da 1 ;
c- a 1 azul, a 2 verde, a 3 vermelha, com reposio da 1 e da 2 .
13) Um casal pretende ter 4 filhos. Considere iguais a a probabilidade de se ter um filho do
sexo masculino ou do sexo feminino.
Determine a probabilidade do casal ter:
a- 4 Mulheres
b- 3 Mulheres e 1 Homem em qualquer ordem
c- 2 Mulheres e 2 Homens em qualquer ordem
d- 1 Mulher e 3 Homens em qualquer ordem
e- 4 Homens
f- Homem, Mulher, Homem, Mulher, nesta ordem
14) Uma urna contm 15 bolas numeradas de 1 a 15. Retira-se uma bola.
Qual a probabilidade de se obter uma bola cujo nmero seja mltiplo de 3 ou 7?
15) Numa caixa contendo 4 bolas vermelhas, 3 bolas azuis e 3 bolas brancas, queremos saber
qual a probabilidade de retirarmos 1 bola vermelha, e sem reposio uma bola branca?
16) Uma rifa composta por 15 nmeros ir definir o ganhador de dois prmios sorteados um de
cada vez.
Se voc adquiriu trs nmeros, qual a probabilidade de ganhar os dois prmios?
17) Duas bolas so retiradas, sem reposio, de uma urna que contm duas bolas brancas, trs
bolas pretas e cinco bolas vermelhas.
Determine a probabilidade de que:
a- ambas sejam pretas;
b- ambas sejam vermelhas;
c- ambas sejam da mesma cor;
d- ambas sejam de cores diferentes.
18) Um piloto de Frmula Um tem 50% de probabilidade de vencer determinada corrida, quan-
do esta se realiza sob chuva. Caso no chova durante a corrida, sua probabilidade de vitria
de 25%. Se o Servio de Meteorologia estimar em 30% a probabilidade de que chova du-
rante a corrida, qual a probabilidade deste piloto ganhar esta corrida?
19) Um aluno prope-se a resolver uma questo de um trabalho.
A probabilidade de que consiga resolver a questo sem necessidade de uma pesquisa de
40%. Caso faa a pesquisa, a probabilidade de que consiga resolver a questo de 70%.
Se a probabilidade do aluno fazer a pesquisa de 80%, calcule a probabilidade de que con-
siga resolver a questo.
20) Um pesquisador desenvolve sementes de quatro tipos de plantas, P1, P2, P3 e P4.
Plantados canteiros-pilotos destas sementes, a probabilidade de todas germinarem de 40%
para P1, 30% para P2, 25% para P3 e 50% para P4.
Um canteiro-piloto selecionado ao acaso. Qual a probabilidade de que todas as sementes
plantadas tenham germinado?
21) Lana-se um par de dados no viciados. Achar a probabilidade da soma ser maior ou igual a
10, se ocorrer face 5 no primeiro dado?
PGINA 91
22) Um lote contm 50 peas boas e 10 defeituosas. Uma pea escolhida ao acaso e, sem re-
posio desta, outra pea escolhida. Determine a probabilidade das duas peas serem de-
feituosas.
23) Em uma urna, existem 10 bolas, sendo 3 vermelhas. Em outra urna, existem 12 bolas, sendo
4 vermelhas. Retira-se uma bola de cada urna. Determine a probabilidade de:
a- ambas serem vermelhas;
b- ao menos uma ser vermelha.
24) Em um lote de 12 objetos existem 4 defeituosos. Seja o experimento retirar-se 2 objetos
quaisquer e verificar se so ou no defeituosos. Determine as probabilidades de que:
a- ambos os objetos sejam defeituosos;
b- ambos os objetos no sejam defeituosos;
c- pelo menos um objeto seja defeituoso.
25) Lanam-se trs moedas no viciadas. Encontre a probabilidade de ocorrer trs caras se:
a- no se tem nenhuma informao;
b- ocorre cara na primeira;
c- ocorre cara numa das moedas.
26) So dadas trs caixas, com os seguintes contedos:
a- a caixa I tem 10 lmpadas, das quais 4 so defeituosas
b- a caixa II tem 6 lmpadas, das quais 1 defeituosa
c- a caixa III tem 6 lmpadas, das quais 3 so defeituosas
Uma caixa selecionada ao acaso e desta escolhida uma lmpada. Determine a probabili-
dade desta lmpada ser defeituosa.
27) A probabilidade que o aluno A resolva um certo problema P(A) = 1/2, a que o aluno B o
resolva P(B) = 1/3, e a que o aluno C resolva P(C) = 1/4. Qual a probabilidade de que:
a- os trs resolvam o problema;
b- ao menos um resolva o problema.
28) Um grupo de 50 moas classificado de acordo com a cor dos cabelos e dos olhos de cada
uma, segundo a tabela:
a- Se voc marca encontro com uma dessas garotas, escolhida ao acaso, qual a probabilida-
de dela ser:
I- loira;
II- morena de olhos azuis;
III- morena ou ter olhos azuis.
b- Est chovendo quando voc encontra a garota. Seus cabelos esto completamente cober-
tos, mas voc percebe que ela tem olhos castanhos. Qual a probabilidade de que ela seja
morena?
CASTANHOS AZUIS
CABELOS
LOIRA
MORENA
RUIVA
OLHOS
17
4
3
9
14
3
PGINA 92
29) Escolhido ao acaso um elemento do conjunto dos divisores positivos de 60, qual a probabi-
lidade de que seja primo?
30) Trs pessoas A, B e C vo participar de um concurso num programa de televiso. O apre-
sentador faz um sorteio entre A e B e, em seguida, faz um sorteio entre C e o vencedor do 1
sorteio, para decidir quem iniciar o concurso. Se em cada sorteio as duas pessoas tm a
mesma chance de ganhar, qual a probabilidade de A iniciar o concurso?
ANLISE COMBINATRIA
31) Um representante de vendas deve visitar seis cidades durante uma viagem.
a- Se h dez cidades na rea geogrfica que vai visitar, quantos grupos diferentes de seis ci-
dades pode ele visitar?
b- Suponhamos que existam dez cidades na regio que ele visitar e suponhamos, tambm,
que a seqncia das visitas programadas s cidades selecionadas seja importante.
Quantas diferentes seqncias existem de seis cidades escolhidas de um grupo de dez?
c- Suponhamos que as seis cidades a visitar j tenham sido escolhidas, mas ainda no se te-
nha determinado a seqncia na qual sero feitas as visitas. Quantas seqncias existem
para as seis cidades escolhidas?
32) Das dez cidades descritas no problema anterior, suponhamos que seis sejam de fato merca-
dos primrios para o produto em questo, enquanto as outras quatro so mercados se-
cundrios.
Se o vendedor escolhe aleatoriamente as seis cidades para visitar, qual a probabilidade de
que:
a- quatro das cidades sejam mercados primrios e dois secundrios;
b- que todas as seis cidades sejam mercados primrios?
33) Quatro atletas participam de uma corrida. Quantos resultados existem para o 1, 2 e 3 luga-
res?
34) Dez pessoas, entre elas Antnio e Beatriz, devem ficar em fila. De quantas formas isto pode
ser feito se Antnio e Beatriz devem ficar sempre juntos?
35) Num determinado setor de um hospital, trabalham cinco mdicos e dez enfermeiros. Quan-
tas equipes distintas, construdas cada uma de um mdico e quatro enfermeiros, podem ser
formados nesse setor?
36) Em um teste de mltipla escolha, com cinco alternativas distintas, sendo uma nica correta,
o nmero de modos distintos de ordenar as alternativas de maneira que a nica correta no
seja nem a primeira nem a ltima :
37) Numa prova oficial, de Frmula Um, participaro 25 pilotos e, apenas os 6 primeiros colo-
cados ganharo pontos. Considerando que todos os pilotos tero a mesma chance de classi-
ficao, qual o nmero de maneiras diferentes que poder ser formado o grupo daqueles
que obtero pontos, sem levar em considerao a posio dos 6 primeiros colocados?
38) Uma urna contm 10 bolas: 6 pretas iguais e 4 brancas iguais. Quantas so as maneiras dife-
rentes de se extrair, uma a uma, as 10 bolas da urna?
39) De quantas maneiras podemos dispor em uma fileira 5 fichas de cores distintas?
(SPIEGEL:30)
PGINA 93
40) De quantas maneiras 10 pessoas podem sentar-se em um banco que s tem 4 lugares?
(SPIEGEL:31)
41) Deseja-se dispor 5 homens e 4 mulheres em fila, de modo que as mulheres ocupem os luga-
res pares. Quantos so os arranjos possveis? (SPIEGEL:31)
42)Suponhamos que 3 membros de uma pequena organizao social, de 10 membros, venham a
ser escolhidos para formar uma comisso. Se o grupo contm 6 mulheres e 4 homens, qual a
probabilidade de que uma comisso escolhida, aleatoriamente, seja composta por 2 mulheres
1 homem?
43)Uma sala tem 12 moas e 4 rapazes. Sorteando-se ao acaso uma comisso de 3 pessoas, qual
a probabilidade de que a comisso seja formada s por moas?
DIAGRAMA DA RVORE
44)Trs mquinas: A, B e C produzem, respectivamente, 50%, 30% e 20% do total de peas
fabricadas na indstria.
As porcentagens de peas defeituosas dessas mquinas so, respectivamente, 3%, 4% e 5%.
Se uma pea selecionada ao acaso de uma das mquinas, qual a probabilidade de que a
pea seja defeituosa?
TEOREMA DE BAYES
45) Temos 3 urnas:
- A contm 3 bolas vermelhas e 5 brancas
- B contm 2 bolas vermelhas e 1 branca
- C contm 2 bolas vermelhas e 3 brancas
Uma urna sorteada ao acaso e uma bola retirada.
Se a bola for vermelha, qual a probabilidade de que ela tenha vindo da urna A?
46) Um pesquisador desenvolve sementes de quatro tipos de plantas, P1, P2, P3 e P4.
Plantados canteiros-pilotos destas sementes, a probabilidade de todas germinarem de
40% para P1, 30% para P2, 25% para P3 e 50% para P4.
a- Escolhido um canteiro ao acaso, verificou-se que nem todas as sementes haviam germi-
nado.
Calcule a probabilidade de que o canteiro escolhido seja o de sementes de P3.
b- Escolhido um canteiro ao acaso, verificou-se que todas as sementes haviam germinado.
Calcule a probabilidade de que o canteiro escolhido seja o de sementes de P1.
PGINA 94
RESPOSTAS
1) 8
2) a) 14% b) 24% c) 76% d) 86%
3) 0,25%
4) 39,29%
5) 15,38%
6) 30,77%
7) 11,54%
8) a) 75% b) 25%
9) a) 50% b) 33,33% c) 66,67% d) 0% e) 100%
10) a) 66,67% b) 66,67%
11) a) 30,77% b) 42,31% c) 30,77% d) 13,46%
12) a) 15,79% b) 15% c) 3%
13) a) 6,25% b) 25% c) 37,50% d) 25% e) 6,25% f) 6,25%
14) 46,67%
15) 13,33%
16) 2,86%
17) a) 6,67% b) 22,22% c) 31,11% d) 68,89%
18) 32,50%
19) 64%
20) 36,25%
21) 5,56%
22) 2,54%
23) a) 10% b) 53,33%
24) a) 9,09% b) 42,42% c) 57,58%
25) a) 12,50% b) 25% c) 25%
26) 35,56%
27) a) 4,17% b) 75%
28) a) I) 52% II) 8% III) 76% b) 53,85%
29) 25%
30) 25%
31) a) 210 b) 151.200 c) 720
32) a) 43% b) 0,5%
33) 24
34) 362.880
35) 1.050
36) 60
37) 177.100
38) 210
39) 120
40) 5.040
41) 2.880
42) 50%
43) 39,29%
44) 3,7%
45) 26,01%
46) a) 29,41% b) 27,59%
PGINA 95
GLOSSRI O DE FRMULAS
E S T A T S T I C A E S T A T S T I C A
01 FRMULA DE STURGES PARA DETERMINAO DO NMERO DE CLASSES
N log . 3,3 + 1 K
10

02 MDIA ARITMTICA SIMPLES PARA DADOS NO AGRUPADOS EM CLASSES DE
FREQNCIAS

n
Xi
X


03 MDIA ARITMTICA PARA VALORES ISOLADOS PONDERADOS NO AGRUPADOS
EM CLASSES DE FREQNCIAS

fi
Xifi
X



04 MDIA ARITMTICA PARA DADOS AGRUPADOS EM CLASSES DE FREQNCIAS
(Processo Longo)

fi
fiPM




05 MDIA ARITMTICA PARA DADOS AGRUPADOS EM CLASSES DE FREQNCIAS
(Processo Breve)

fi
difi
h
0

, ,
_ _





+ +
onde

h
K PM
di
0


06 MEDIANA PARA DADOS NO AGRUPADOS EM CLASSES DE FREQNCIAS

2
1 N
EM
+ +

07 MEDIANA PARA DADOS AGRUPADOS EM CLASSES DE FREQNCIAS

fi
fac ' EM
h Li
~



, ,
_ _




+ +
onde

2
fi
EM


08 MODA BRUTA
B

= PM da Classe de Maior Freqncia


PGINA 96
09 MODA DE CZUBER
h Li

2 1
1
C


, ,
_ _




+ +

+ +
OU
( ( ) )

fpost fant max f 2
fant max f
h Li

C 1 1
] ]
1 1



+ +

+ +
ONDE:
1
= f f
ant max

2
= f f
post max
10 MODA DE KING

fpost fant
fpost
h Li

K


, ,
_ _




+ +
+ +
11 MODA DE KARL PEARSON
( ( ) ) ( ( ) ) 2
~
3

P

12 QUARTIL PARA DADOS NO AGRUPADOS EM CLASSES DE FREQNCIAS

4
1 N
i q
i

, ,
_ _


+ +

13 QUARTIL PARA DADOS AGRUPADOS EM CLASSES DE FREQNCIAS

fi
fac ' q
h Li Q
i
i


, ,
_ _




+ +
onde

4
fi
i q
i

, ,
_ _




14 DECIL PARA DADOS NO AGRUPADOS EM CLASSES DE FREQNCIAS

10
1 N
i d
i

, ,
_ _


+ +

15 DECIL PARA DADOS AGRUPADOS EM CLASSES DE FREQNCIAS

fi
fac ' d
h Li D
i
i


, ,
_ _




+ +
onde

10
fi
i d
i

, ,
_ _




16 CENTIL PARA DADOS NO AGRUPADOS EM CLASSES DE FREQNCIAS

100
1 N
i c
i

, ,
_ _


+ +

17 CENTIL PARA DADOS AGRUPADOS EM CLASSES DE FREQNCIAS

fi
fac ' c
h Li C
i
i


, ,
_ _




+ +
onde

100
fi
i c
i

, ,
_ _




(fmx - fant) + (fmx - fpost)
PGINA 97
18 AMPLITUDE TOTAL OU INTERVALO TOTAL PARA DADOS NO AGRUPADOS DE
FREQNCIAS
Xi Xi IT AT
min max

19 AMPLITUDE TOTAL OU INTERVALO TOTAL PARA DADOS AGRUPADOS EM CLAS-
SES DE FREQNCIAS
Li Ls AT
min mx

ou
PM PM = AT
Classe a imeir Pr Classe ltima

20 DESVIO QUARTLICO PARA DADOS AGRUPADOS EM CLASSES DE FREQNCIAS

2
Q Q
D
1 3
q


21 DESVIO MDIO PARA DADOS NO AGRUPADOS EM CLASSES DE FREQNCIAS

n
di
DM


onde
X X di
i

22 DESVIO MDIO PARA DADOS AGRUPADOS EM CLASSES DE FREQNCIAS

fi
fi di
DM



onde
X PM di
23 DESVIO PADRO PARA DADOS NO AGRUPADOS EM CLASSES DE FREQNCIAS

1 n
di
S
2



ou
( ( ) )

1 n
n
Xi
Xi
S
2
2




onde
X X di
i

24 DESVIO PADRO PARA VALORES ISOLADOS PONDERADOS NO AGRUPADOS EM
CLASSES DE FREQNCIAS

1 n
fi di
S
2



ou
( ( ) )

1 n
n
Xifi
fi Xi
S
2
2




onde
X X di
i

25 DESVIO PADRO PARA DADOS AGRUPADOS EM CLASSES DE FREQNCIAS (Pro-
cesso Longo)

1 n
fi di
S
2



ou
( ( ) )

1 n
n
PMfi
fi PM
S
2
2




onde
X PM di
26 DESVIO PADRO PARA DADOS AGRUPADOS EM CLASSES DE FREQNCIAS (Pro-
cesso Breve)
( ( ) )

1 n
n
difi
fi di
h S
2
2




onde

h
K PM
di
0


PGINA 98
27 COEFICIENTE DE VARIAO
100
S
CV
, ,
_ _





28 ERRO PADRO DA MDIA
n
S
S
X

29 MOMENTO NATURAL (ABSOLUTO) DE ORDEM r
fi
fi PM
m
r
,
r



30 - MOMENTO DE ORDEM r EM RELAO A UMA ORIGEM QUALQUER X
o

( ( ) )
fi
fi X PM
m
r
o
r x
o



31 MOMENTO CENTRADO NA MDIA DE ORDEM r
( ( ) )
fi
fi X PM
m
r
r



32 PRIMEIRO COEFICIENTE DE ASSIMETRIA DE KARL PEARSON

S

AS
P


33 SEGUNDO COEFICIENTE DE ASSIMETRIA DE KARL PEARSON
( ( ) )

S
~
3
AS


34 COEFICIENTE MOMENTO DE ASSIMETRIA
( ( ) )
( ( ) ) 9 b 6 b 5 2
3 b b
e
1 2
2 1
M
1

+ +

ou
( ( ) )
3
3
3
2
3
1 M
S
m
m
m
b e
2

35 COEFICIENTE DE CURTOSE

C C
2
Q Q
C
10 90
1 3



ou

C C
D
= C
10 90
q

ou
( ( ) )

C C 2
Q Q
= C
10 90
1 3


36 COEFICIENTE MOMENTO DE CURTOSE
2
2
4
2
m
m
b
ou
4
4
2
S
m
b
ou
3 b c
2 2

b
m
m
m
m
1
3
2
2
3 2
4
2
2
= = e b Onde: Onde: m e m
2 2
= = S S
2
PGINA 99
37 ESPAO AMOSTRAL
k
n S
38 FRMULA GERAL DE PROBABILIDADES

n
h
P ) e ( P ) A ( P Pr
39 PROBABILIDADE CONTRRIA OU NO EVENTO
P 1 q
40 PERMUTAO
n! p
n

41 ARRANJO

) ! r n (
! n
A
r
n


42 COMBINAO

)! r n ( ! r
! n
C
r
n


43 TEOREMA DE BAYES
) C / D ( P ) C ( P ) B / D ( P ) B ( P ) A / D ( P ) A ( P
) A / D ( P ) A ( P
) D / A ( P
+ + + +


PGINA 100
BI BLI OGRAFI A
BUSSAB, Wilton O.; MORETTIN, Pedro A.. Estatstica bsica mtodos quantitativos. 4. ed. So
Paulo: Saraiva, 1999.
CUNHA, Suzana Ezequiel; COUTINHO, Maria Tereza Cunha. Iniciao estatstica. 4. ed. Belo Hori-
zonte: L, 1979.
CRESPO, Antnio Arnot. Estatstica fcil. 17. ed. So Paulo: Saraiva, 1999.
DOWNING, Douglas; CLARK, Jeffrey. Estatstica aplicada. So Paulo: Saraiva, 1998.
FONSECA, Jairo Simon da; MARTINS, Gilberto de Andrade. Curso de estatstica. 6. ed. So Paulo:
Atlas, 1996.
FONSECA, Jairo Simon da; MARTINS, Gilberto de Andrade; TOLEDO, Geraldo de Andrade. Estatsti-
ca aplicada. 2. ed. So Paulo: Atlas, 1985.
HOFFMANN, Rodolfo. Estatstica para economistas. 3. ed. So Paulo: Pioneira, 1998.
KASMIER, Leonardo J.. Estatstica aplicada a economia e administrao. So Paulo: McGraw-Hill,
1982.
KUME, Hitoshi. Mtodos estatsticos para melhoria da qualidade. 2. ed. Rio de Janeiro: Gente, 1989.
LOPES, Paulo Afonso. Probabilidades e estatstica. Rio de Janeiro: Reichmann & Affonso Editores,
1999.
MAIA, Paulo B. et al. Controle estatstico do processo CEP. So Paulo: SHARP, 1992.
MARTINS, Gilberto de Andrade; DONAIRE, Denis. Princpios de estatstica. 4. ed. So Paulo: Atlas,
1979.
MILONE, Giuseppe; ANGELINI, Flvio. Estatstica geral. So Paulo: Atlas, 1993.
SILVA, Elio Medeiros da et al. Estatstica (Vol. 1, 2 e 3). So Paulo: Atlas, 1995.
SPIEGEL, Murray Ralph. Estatstica. 3. ed. So Paulo: Makron Books, 1993. (Coleo Schaum)
SPIEGEL, Murray Ralph. Probabilidade e estatstica. So Paulo: McGraw-Hill, 1978. (Coleo
Schaum)
SPINELLI, Walter; SOUZA, Maria Helena S. de. Introduo estatstica. 3. ed. So Paulo: tica,
1997.
TOLEDO, Geraldo Luciano; OVALLE, Ivo Izidoro. Estatstica bsica. 2. ed. So Paulo: Atlas, 1995.
TRIOLA, Mrio F. Introduo estatstica. Rio de Janeiro: LTC Livros Tcnicos e Cientficos Editora,
1999.
VIEIRA, Sonia. Princpios de estatstica. So Paulo: Pioneira, 1999.
PGINA 101
GRAMTICA GREGA
SMBOLOS UTILIZADOS NA ESTATSTICA
ALFABETO (
1
) - O Alfabeto grego consta de 24 (vinte e
quatro) letras:
(
1
)A palavra Alfabeto deriva das 2 (duas) primeiras letras gregas:
alfa e beta.
PGINA 102
Respostas dos exerccios sobre grficos: (Pg. 42)
1 - Grfico de Colunas
FGTS - ARRECADAO BRUTA - 200X
R$
(MILHES)
ESCALA ESCALA
1:20.000 1:20.000
MAR
34.888 1,7
ABR
52.334
2,6
MAI
85.023 4,3
JUN
95.254 4,8
JUL
136.126
6,8
AGO
162.643 8,1
566.268
- -
2 - Grfico em Setor - Circular
CONSUMO INDUSTRIAL DE ENERGIA ELTRICA
BRASIL - 200X
EMPRESAS KWH(Milhes) GRAUS GRAUS % %
SP Light 13.617 188 52
Cemig 6.763
94 26
RJ Light 3.226 45 13
Chesf 1.183 16 4
Cesp 1.258
17 5
26.047 360 360 100 100
52%
26%
5%
4%
13%
SP - Light
Cemig
RJ - Light
Chesf
Cesp
0
20000
40000
60000
80000
100000
120000
140000
160000
180000
MAR ABR MAI JUN JUL AGO
MS
Reais
Ms
PGINA 103
3 - Grfico Linear
PRODUO DE PNEUMTICOS
SO PAULO - 1997 A 2002
PERODO PNEUS (1000) ESCALA 1:50 ESCALA 1:50
1997 176 3,5
1998 152
3,0
1999 183 3,7
2000 171 3,4
2001 195
3,9
2002 294 5,9
1.171
- -
4 - Histograma e Polgono de Freqncia
ESTATURA DOS ALUNOS DO COLGIO DOS CAPUCHINHOS - J. FORA - 200X
ESTATURA (cm) ALUNOS PM PM ESCALA 1:3 ESCALA 1:3
150 || 155 05 152,5 1,7
156 || 161 09 158,5 3,0
162 || 167 19 164,5 6,3
168 || 173 18 170,5 6,0
174 || 179 14 176,5 4,7
180 || 185 12 182,5 4,0
186 || 191 04 188,5 1,3
81 - - - -
POLGONO DE
FREQNCIA
Estatura
Alunos
152,5 158,5 164,5 170,5 176,5 182,5 188,5 0
21
18
15
12
9
6
3
0
50
100
150
200
250
300
1997 1998 1999 2000 2001 2002
Perodo
Pneus
Estatura
Alunos
150 156 162 168 174 180 186 192 0
21
18
15
12
9
6
3
HISTOGRAMA
PGINA 104
5 - Ogiva de Galton
NMERO DE EMPREGADOS POR CLASSE SALARIAL - ALFA BETA LTDA - J. FORA - 200X
SALRIOS
(Em Reais)
NMERO DE
FUNCIONRIOS
ESCALA 1:45 ESCALA 1:45
(fac )
ESCALA 1:45 ESCALA 1:45
(fac )
125 150 76
76 360 1,7 8,0
150 175
149 225 284 5,0 6,3
175 200 51 276 135 6,1 3,0
200 225 38
314 84 7,0 1,9
225 250 27
341 46 7,6 1,0
250 275
12 353 19 7,8 0,4
275 300 7 360 7 8,0 0,2
360 - - - - - - - -
fac fac
Salrios
Empregados
125 150 175 200 225 250 275 300
0
315
270
225
180
135
90
45
360
Estatura
Alunos
150 156 162 168 174 180 186 192 0
21
18
15
12
9
6
3
HISTOGRAMA
COM
POLGONO
PGINA 105
Resoluo correta do exerccio da pgina 77
1 Exerccio: Calcular o momento de assimetria (pelas duas frmulas) da distribuio dos
coeficientes de inteligncia, da tabela abaixo:
Quoc. Int. fi PM PM.fi PM- (PM- ).fi (PM- )
2
.fi (PM- )
3
.fi (PM- )
4
.fi
68 A 72 4 70 280 -25,97 -103,87 2.697,07 -70.033,95 1.818.548,14
72 A 76 9 74 666 -21,97 -197,70 4.342,81 -95.397,06 2.095.555,41
76 A 80 16 78 1.248 -17,97 -287,47 5.164,82 -92.794,56 1.667.208,917
80 A 84 28 82 2.296 -13,97 -391,07 5.461,90 -76.284,51 1.065.440,26
84 A 88 45 86 3.870 -9,97 -448,50 4.470,05 -44.551,50 444.029,93
88 A 92 66 90 5.940 -5,97 -393,80 2.349,67 -14.019,72 83.650,98
92 A 96 85 94 7.990 -1,97 -167,17 328,76 -646,56 1.271,57
96 A 100 72 98 7.056 2,03 146,40 297,68 605,28 1.230,74
100 A 104 54 102 5.508 6,03 325,80 1.965,66 11.859,48 71.552,21
104 A 108 38 106 4.028 10,03 381,27 3.825,38 38.381,27 385.092,06
108 A 112 27 110 2.970 14,03 378,90 5.317,23 74.618,46 1.047.145,74
112 A 116 18 114 2.052 18,03 324,60 5.853,62 105.560,28 1.903.603,73
116 A 120 11 118 1.298 22,03 242,37 5.340,15 117.661,21 2.592.468,60
120 A 124 5 122 610 26,03 130,17 3.388,67 88.218,43 2.296.619,89
124 A 128 2 126 252 30,03 60,07 1.804,00 54.180,20 1.627.212,01
480 46.064 30,50 0,00 52.607,47 97.356,76 17.100.630,18
Respostas:Mdia = 95,9667
Momento de primeira ordem (m
1
) = Zero
Momento de segunda ordem (m
2
) = 109,5989
Momento de terceira ordem(m
3
) = 202,8266
Momento de quarta ordem (m
4
) = 35.626,3129
Valor de b
1
= 0,0312487
Valor de b
2
= 2,9659141
Valor do C. Momento de Assimetria 1 frmula = 0,0935952
Valor do C. Momento de Assimetria 2 frmula = 0,1767729
Desvio Padro = 10,469
X X X X X
PGINA 106
RESOLUO DOS EXERCCIOS SUGERIDOS DA PGINA 78
Tabela "A"
Receita fi fac PM PM.fi X PM ( ( ) ) f i X PM ( ( ) ) f i
2
X PM ( ( ) ) f i
3
X PM ( ( ) ) f i
4
X PM ( ( ) ) f i
2
15 PM
150 a 200 2 2 175 350 -166 -332 55.112 -9.148.592 1.518.666.272 51.200
200 a 250 6 8 225 1.350 -116 -696 80.736 -9.365.376 1.086.383.616 264.600
250 a 300 7 15 275 1.925 -66 -462 30.492 -2.012.472 132.823.152 473.200
300 a 350 12 27 325 3.900 -16 -192 3.072 -49.152 786.432 1.153.200
350 a 400 10 37 375 3.750 34 340 11.560 393.040 13.363.360 1.296.000
400 a 450 8 45 425 3.400 84 672 56.448 4.741.632 398.297.088 1.344.800
450 a 500 5 50 475 2.375 134 670 89.780 12.030.520 1.612.089.680 1.058.000
Soma 50 - - 17.050 -112 0 327.200 -3.410.400 4.762.409.600 5.641.000
Calcular: Mdia, Mediana, Moda de Pearson, Desvio Padro, CV, AS, m1, m2, m3, m4, b1, b2, em1 e em2.
mdia mediana m1 m2 m3 m4
341,00 341,67 0,00 6.544,00 -68.208,00 95.248.192,00
moda S b1 b2 em1 em2
343,00 80,89 81,72 0,01660124 2,224181168 0,1665053498 0,128845834
AS 1 AS 2 CV 15 m2
-0,025 -0,025 23,96% 112.820,00
Tabela "B"
Peso (kg) fi fac PM PM.fi X PM
( ( ) ) f i X PM
( ( ) ) f i
2
X PM ( ( ) ) f i
3
X PM ( ( ) ) f i
4
X PM ( ( ) ) f i
2
15 PM
2 a 4 2 2 3 6 -6 -12 72 -432 2592 288
4 a 6 6 8 5 30 -4 -24 96 -384 1536 600
6 a 8 14 22 7 98 -2 -28 56 -112 224 896
8 a 10 10 32 9 90 0 0 0 0 0 360
10 a 12 8 40 11 88 2 16 32 64 128 128
12 a 14 6 46 13 78 4 24 96 384 1536 24
14 a 16 4 50 15 60 6 24 144 864 5184 0
Soma 50 - - 450 0 0 496 384 11200 2296
Calcular: Mdia, Mediana, Moda de Pearson, Desvio Padro, CV, AS, m1, m2, m3, m4, b1, b2, em1 e em2.
Mdia Mediana m1 m2 m3 m4
9,000 8,600 0,00 9,920 7,680 224,000
Moda S b1 b2 em1 em2
7,800 3,150 3,182 0,06042093 2,276274714 0,3212088475 0,245806697
AS 1 AS 2 CV 15 m2
0,381 0,381 35,36% 45,920
Tabela "C"
Classes fi fac PM PM.fi X PM
( ( ) ) f i X PM
( ( ) ) f i
2
X PM ( ( ) ) f i
3
X PM ( ( ) ) f i
4
X PM ( ( ) ) f i
2
15 PM
10 a 20 2 2 15 30 -33,20 -66,40 2.204,48 -73.188,74 2.429.866,04 0,00
20 a 30 6 8 25 150 -23,20 -139,20 3.229,44 -74.923,01 1.738.213,79 600,00
30 a 40 7 15 35 245 -13,20 -92,40 1.219,68 -16.099,78 212.517,04 2.800,00
40 a 50 12 27 45 540 -3,20 -38,40 122,88 -393,22 1.258,29 10.800,00
50 a 60 10 37 55 550 6,80 68,00 462,40 3.144,32 21.381,38 16.000,00
60 a 70 8 45 65 520 16,80 134,40 2.257,92 37.933,06 637.275,34 20.000,00
70 a 80 5 50 75 375 26,80 134,00 3.591,20 96.244,16 2.579.343,49 18.000,00
Soma 50 - - 2.410 -22,40 0,00 13.088,00 -27.283,20 7.619.855,36 68.200,00
Calcular: Mdia, Mediana, Moda de Pearson, Desvio Padro, CV, AS, m1, m2, m3, m4, b1, b2, em1 e em2.
mdia mediana m1 m2 m3 m4
48,200 48,333 0,000 261,760 -545,664 152397,107
moda S b1 b2 em1 em2
48,600 16,179 16,343 0,01660125 2,224181168 0,1665053498 0,128845834
AS 1 AS 2 CV 15 m2
-0,025 -0,025 33,91% 1.364