UNIVERSIDADE ANHANGUERA

Sistemas de Informao
Disciplina: Probabilidade e Estatstica
Alan !rancisco da Sil"a # RA: $%&'&(()(&
*oo Vitor Alencar de +ar"al,o # RA: $'$'(&-.()
/0i1 A020sto Gomes Andr3 # RA: $'%-&$-)4&
/0i1 +arlos da Sil"a # RA: $'$)5%45'-
/0i1 !ernando 6otarelli # RA: (5&&5).%--
Rafael Rodri20es Pinto # RA: $%4.$)$44(
Introd0o ao Est0do Estatstico
Santo Andr3
5%('
Introduo
Populao a totalidade de pessoas, animais, plantas ou objetos, da qual se podem
recolher dados. um grupo de interesse que se deseja descrever ou do qual se deseja
tirar concluses.
Amostra um subconjunto de uma populao ou. A amostra deve ser obtida de uma
populao especfica por um processo aleatrio. A aleatori!ao condio necess"ria
para que a amostra seja representativa Amostra o conjunto de elementos e#trados da
populao. um conjunto constitudo de acontecimentos ou outros objetos de estudo.
6ipos de amostras
Amostra simples sem reposio
um processo simples onde cada unidade amostral, antes da tomada da amostra, tem
igual probabilidade de pertencer a ela. $eja uma populao numerada de %, &, ... , ', e
deseja(se obter uma amostra de tamanho n. )nto, cada unidade amostral ter"
probabilidade n*' de pertencer a amostra.

Amostra estratificada simples
+uitas ve!es uma populao composta de subpopulaes ,estratos- bem definidos,
havendo maior homogeneidade entre as unidades amostrais dentro de cada estrato do
que entre as unidades amostrais de estratos diferentes. $e#o, idade, condio scio(
econ.mica so e#emplos tpicos. 'estas condies, tais estratos devem ser levados em
considerao e o sorteio da amostra deve ser feito em cada um deles
independentemente/ da o nome de amostragem estratificada.
0eralmente, a amostra de cada estrato proporcional ao n1mero de indivduos que
compem a populao do mesmo. )ssa amostragem chamada de amostragem
estratificada proporcional.

Amostra sistem7tica
possvel colher uma amostra utili!ando a ordenao natural dos indivduos, como
prontu"rios, quarteires de uma cidade e etc. $endo ' o total de unidades amostrais e n
o tamanho da amostra desejada, define(se a quantidade '*n 2 3, a que se d" o nome de
intervalo de amostragem/ admitindo(se que 3 seja um n1mero inteiro, fa!(se ento um
sorteio entre os n1meros %, &, ..., 3, podendo ser obtido, por e#emplo, o valor i, que ser"
chamado de incio casual. A partir da, toda a amostra definida4 o segundo termo ser" i
3, o terceiro termo ser" i &3 e assim por diante.
'esse tipo de amostragem, deve(se ter o cuidado de verificar se a ordenao das
unidades amostrais no apresenta periodicidade, com certas caractersticas se repetindo
em intervalos iguais.

Amostra por con2lomerados
5hama(se conglomerado ,ou cluster- um conjunto de unidades elementares da
populao. $e as unidade amostrais definidas na populao, para efeito do sorteio para
obteno da amostra, forem conglomerados, ter(se(" uma amostragem por
conglomerados.
'a amostra por conglomerados, cada conglomerado visuali!ado como uma espcie de
miniatura da populao/ portanto, ser" tanto melhor quanto maior a heterogeneidade da
populao. 5onglomerados podem ser quarteires, domiclio e etc.

Amostra por etapa d0pla
uma modificao da amostragem por conglomerados. 'a primeira etapa so
selecionados conglomerados, e na segunda etapa so sorteadas as unidades amostrais
que se encontram dentro de cada conglomerado selecionado.

Preciso
6m processo de amostragem pode gerar v"rias possveis amostras, das quais somente
uma utili!ada. 5ada uma dessas possveis amostras forneceria uma determinada
estimativa do valor mdio da populao. A variabilidade que seria encontrada se todas
as possveis amostras fossem observadas medida pelo respectivo desvio padro do
estimador proposto. A preciso de um processo de amostragem dada pelo inverso
desse desvio padro/ assim, quanto menor a variabilidade em torno da mdia das
possveis amostras, maior a preciso. )m geral, aumentando(se o tamanho da amostra,
aumenta(se a preciso.
Gr7ficos
Gr7ficos de barra 8,ori1ontal e "ertical9
7s gr"ficos de barras so muito usados para comparar quantidades. As barras podem
aparecer na vertical ou na hori!ontal, quando tambm so chamadas de colunas. $eja na
hori!ontal ou na vertical, quanto maior o comprimento de uma barra, maior o valor que
representa. 8uanto menor o comprimento de uma barra menos valor ela tem. A no ser
que esteja representando n1meros negativos, esta regra aplic"vel.
Gr7fico de pi11a
6m gr"fico de rosca ilustra a relao entre as partes e um todo/ entretanto, ele pode
conter mais de uma srie. 7s dados de valor so e#ibidos como porcentagem do todo.
As categorias so representadas por fatias individuais. 7s gr"ficos de rosca so usados
geralmente para mostrar porcentagens. )les so funcionalmente id9nticos aos gr"ficos
de pi!!a.
Gr7fico de setor
7s gr"ficos de setor so representados por crculos divididos proporcionalmente de
acordo com os dados do fen.meno ou do processo a ser representado. 7s valores so
e#pressos em n1meros ou em percentuais ,:-.
Gr7fico de lin,a
7 gr"fico de linha composto por dois ei#os, um vertical e outro hori!ontal, e por uma linha que
mostra a evoluo de um fen.meno ou processo.
Gr7fico de radar
6m gr"fico de radar, tambm conhecido como gr"fico de aranha ou gr"fico de estrela
devido ; sua apar9ncia, coloca os valores de cada categoria ao longo de um ei#o
separado que inicia no centro do gr"fico e termina no anel e#terno.
Escol,a do setor de at0ao da Empresa
<ara a escolha do ramo de atuao da nossa empresa fi!emos uma pesquisa contendo as
seguintes opes4 Alimentcio: est3tico: ,oteleiro: inform7tica: farmac;0tico:
esportes ,pesquisa reali!ada com %%= pessoas-
<0estion7rio de pes=0isa para escol,a do ramo e at0ao no mercado:
%- 'ome.
&- >dade
?- )stado civil
@- <rofisso
=- A quanto tempo mora na cidade
A- 8ual setor comercial gostaria que tivesse perto de sua casaB
,a- Alimentcio
,b- )sttico
,c- Coteleiro
,d- >nform"tica
,e- )sportes
,f-Darmac9utico
Eesultado da pesquisa4
Alimentcio 5%
Est3tico -
Hoteleiro (5
Inform7tica 5)
Ind>stria (&
Esportes ($
!armac;0tico (-
Distrib0io de fre=?;ncia:
Gr7fico:
5om base nos dados acima resolvemos criar a empresa de tecnologia S@!6E+,
especiali!ada em desenvolver sistemas operacionais, desenvolver sites, fa!er
manuteno em computadores resolver chamados urgentes, alm de vender peas e
acessrios para computador.
+ontrole Estatstico de Processo
5ontrole )statstico de processo, uma importante ferramenta em qualquer processo
produtivo, tem como seu objetivo recolher informaes para um diagnostico claro, com
o objetivo de prevenir e detectar futuros erros nos processos produtivos, evitar
retrabalhos e desperdcios de matria prima.
'a dissertao de +arcelo Fueno de Eos"rio, o mesmo aborda a importGncia da
implatano do 5)< e de ferramentas de qualidades de forma correta na empresa em
questo, o te#to da 9nfase na importGncia de sempre oferecer produtos e servios de
qualidade e de como o 5)< ajudou a empresa nessa questo, melhorando o controle de
qualidade como um todo.
Etapa 5
5om base nos dados levantados resolvemos criar a empresa de tecnologia S@!6E+,
especiali!ada em desenvolver sistemas operacionais, desenvolver sites, fa!er
manuteno em computadores resolver chamados urgentes, alm de vender peas e
acessrios para computador.
As nossa matria prima so apenas peas de repasse, nosso quadro de funcion"rios so
de uma totalidade de %HH colaboradores.
Amostragem
5omo podemos determinar quantas pessoas em uma populao apresentam certa
caractersticaB <or e#emplo, quantos eleitores apiam um candidato ; presid9nciaB 7u
ento, da populao de determinado estado, quantas pessoas so crianas, quantas
vivem em centros urbanos, quantas esto desempregadasB
6ma forma de responder a essas questes consiste em entrevistar todas as pessoas. +as
este um processo demorado e caro.
7utro processo possvel consiste ento em consultar um grupo de pessoas, que
constituem um amostra. $e a amostra representa de fato toda a populao, podemos
utili!ar as caractersticas dos seus elementos para estimar as caractersticas de toda
populao.
Iistinguiremos dois tipos de amostragem4 a probabilstica e a no(probabilstica. A
amostragem ser" probabilstica se todos os elementos da populao tiverem
probabilidade conhecida, e diferente de !ero, de pertencer ; amostra. 5aso contr"rio, a
amostragem ser" no probabilstica.
$egundo essa definio, a amostragem probabilstica implica um sorteio com regras
bem determinadas, cuja reali!ao s ser" possvel se a populao for finita e totalmente
acessvel.
)#emplo4 'uma empresa deseja(se escolher ? diretores entre seus chefes e#ecutivos. A
escolha aleatria e no depende do prestgio, da capacidade, dos anos de servio, etc.
Jemos uma amostragem probabilstica.
As tcnicas da estatstica pressupem que as amostras utili!adas sejam probabilsticas, o
que muitas ve!es no se pode conseguir. 'o entanto o bom senso ir" indicar quando o
processo de amostragem, embora no sendo probabilstico, pode ser, para efeitos
pr"ticos, considerado como tal. >sso amplia consideravelmente as possibilidades de
utili!ao do mtodo estatstico em geral.
A utili!ao de uma amostragem probabilstica a melhor recomendao que se deve
fa!er no sentido de se garantir a representatividade da amostra, pois o acaso ser" o 1nico
respons"vel por eventuais discrepGncias entre populao e amostra, o que levado em
considerao pelos mtodos de an"lise da )statstica >ndutiva.
A seguir algumas tcnicas de amostragem probabilstica4
K Amostragem por conglomerado4 A populao dividida em diferentes conglomerados
,grupos-, e#traindo(se uma amostra apenas dos conglomerados selecionados, e no de
toda a populao. 7 ideal seria que cada conglomerado representasse tanto quanto
possvel o total da populao. 'a pr"tica, selecionam(se os conglomerados
geograficamente. )scolhem(se aleatoriamente algumas regies, em seguida algumas
sub(regies e finalmente, alguns lares. )sse processo possibilita ao pesquisador
entrevistar apenas poucas pessoas.
K Amostragem )stratificada4 $e a populao pode ser dividida em subgrupos que
consistem, todos eles, em indivduos bastante semelhantes entre si, pode(se obter uma
amostra aleatria de pessoas em cada grupo. )sse processo pode gerar amostras bastante
precisas, mas s vi"vel quando a populao pode ser dividida em grupos homog9neos.
K Amostragem Aleatria $imples4 A amostragem aleatria simples a maneira mais
f"cil para selecionarmos uma amostra probabilstica de um populao. 5omecemos
introdu!indo o conceito de AA$ de uma populao finita, para a qual temos uma
listagem de todas as unidades elementares. <odemos obter uma amostra nessas
condies, escrevendo cada elemento num carto, misturando(os numa urna e sorteando
tantos cartes quantos desejarmos na amostra. )sse procedimento torna(se invi"vel
quando a populao muito grande. 'esse caso, usa(se um processo alternativo, no qual
os elementos so numerados e em seguida sorteados por meio de uma tabela de n1meros
aleatrios.
6tili!ando(se um procedimento aleatrio, sorteia(se um elemento da populao, sendo
que todos os elementos t9m a mesma probabilidade de ser selecionados. Eepete(se o
procedimento at que sejam sorteadas as unidades da amostra.
<odemos ter uma AA$ com reposio, se for permitido que uma unidade possa ser
sorteada mais de uma ve!, e sem reposio, se a unidade sorteada for removida da
populao.
Io ponto de vista da quantidade de informao contida na amostra, amostrar sem
reposio mais adequado. 5ontudo, a amostragem com reposio condu! a um
tratamento terico mais simples, pois ela implica que tenhamos independ9ncia entre as
unidades selecionadas. )ssa independ9ncia facilita o desenvolvimento das propriedades
dos estimadores que sero considerados.
$e a populao for infinita ento as retiradas com e sem reposio sero equivalentes,
isto , se a populao for infinita ,ou ento muito grande-, o fato de se recolocar o
elemento retirado de volta na populao no vai afetar em nada a probabilidade de
e#trao do elemento seguinte.
Etapa .
Etapa . # Passo (
7 Administrador de +ar3eting da empresa condu!iu uma pesquisa para determinar se
e#iste uma relao linear entre o dinheiro gasto em propagandas e as vendas e obteve os
seguintes dados4
A;s Gastos com
propa2anda 8em
mil,ares de
reais9
Vendas da empresa
8em mil,ares de
reais9
( L,% A&,=
5 M,H AN,H
. %&,H NH,H
' %&,= AM,=
- %?,H N&,H
7bservando o gr"fico a cima podemos notar que e#iste uma correlao linear positiva,
entre os gastos e o faturamento da empresa, no passo abai#o iremos achar o coeficiente
desta correlao e determinar se uma correlao positiva forte ou fraca.
Passo 5
Gastos com
propa2anda
8em mil,ares
de reais9: B
Vendas da
empresa 8em
mil,ares de
reais9: C
BC BD CD
( L,% A&,= =HA,&= A=,A% ?MHA,&=
5 M,H AN,H AH? L% @@LM
. %&,H NH,H L@H %@@ @MHH
' %&,= AM,= LAL,N= %=A,&= @L?M,&=
- %?,H N&,H M?A %AM =%L@
E O# 2 =@,A OP 2 ?@% O#P 2 ?N=@ O#Q 2 A%=,LA OPQ 2 &??%L,=
5om os dados obtidos a cima usaremos a seguinte formula4

r 2 =R,?N=@- S ,=@,A- S ,?@%-
T=RA%=,LA(,=@,A-QT=R&??%L,=(,?@%-Q
r 2 H,LN o que sugere uma correlao linear positiva forte, e com isso interpretamos que
conforme aumenta o gasto com propaganda na empresa, as vendas da empresa tambm
aumentam.
Passo .
Jabela dos funcion"rios4
5argo $al"rio,Eeais
-
'umero de
funcion"rios
Uebdesigner %LHH @
Analista de $istemas Vunior %=HH ?
Analista de $istemas $9nior ?=HH %
Analista de $uporte &HHH &
)stagi"rio N=H &
5lasse dos funcion"rios4
5lasse $al"rio ,Eeais- 'umero de funcion"rios
% =HH Sl %HHH &
& %HHH Sl %=HH H
? %=HH Sl &HHH N
@ &HHH Sl &=HH &
= &=HH Sl ?HHH H
A ?HHH Sl ?=HH %
A partir dos dados a cima se sorteamos ao acaso um funcion"rio qualquer, a
probabilidade de seu sal"rios estar entre os %H mais altos da empresa de L?,??:, e
desse funcion"rios ter o sal"rio entre EW%HHH e EW&HHH de =L,??:
Etapa '
Passo (
+9s 0astos
% @@HHH
& @@&HH
? @@HHH
@ @@%HH
= @AHHH
A @=HHH
N @==HH
L @=LHH
M @AHHH
%H @A=HH
%% @NLHH
%& @MHHH
%? @LHHH
%@ @L%HH
%= @NHHH
%A @=HHH
%N @A=HH
%L @AHHH
%M @=MHH
&H @@LHH
&% @@NHH
&& @@HHH
&? @@%HH
&@ @?MHH
5om os dados da tabela a cima, somamos os gastos de todos os meses e dividimos por
&@, assim chegando na media de EW @=.A&&,=
$abendo a mdia, subtramos o gasto de cada m9s pela mdia, assim chegando ao valor do
desvio mdio de cada m9s, ento calculamos a variante, e elevamos a variante " rai! quadrada,
chegando ao desvio padro de EW&MM,N=
$abendo esses valores podemos fa!er o gr"fico de distribuio normal.
Passo 5
$upor que a distribuio normal do passo anterior tenha mdia EW @=.A&&,= e desvio
padro EW EW&MM,N=. 6ma despesa mensal de sua empresa selecionada ao acaso.
7bter4
a- A probabilidade de a despesa ser inferior a ,#(&s- de &,?=:
b- A probabilidade de a despesa estar entre EW ,# S ?s- e ,# X ?s- de %HH:
c- A probabilidade de a despesa ser superior a EW ,# X %,&=s- de %&,@L:
Passo .
a- A mdia EW @=.A&&,=, $endo assim a tera parte EW%=.&HN,=H, )nto a
porcentagem de H:, pois nenhuma superou EWAH.L?H
b- A quinta parte da mdia EWM.%&@,=H, sendo assim novamente da H:, pois nenhuma
superou EW=@.N@N
+oncl0so
'o desenvolvimento desta AJ<$, conhecemos e aprendemos varias partes da estatstica
descritiva e inferencial que essencial para a organi!ao, descrio, analise e
interpretao dos dados para chegarmos a uma concluso
7s e#erccios contidos na AJ<$ foram importantes para ns conhecermos muitas
maneiras de utili!ar as varias formas de estatstica no dia(a(dia, assim aprendendo a
identificar, analisar e aplic"(las em uma empresa.