Você está na página 1de 41

- 1 -

Uanderson Rebula de Oliveira Probabilidade & Estatstica





Universidade Estcio de S
Probabilidade e Estatstica
Aplicada Engenharia de Produo












Uanderson Rebula de Oliveira
uanderson@csn.com.br
www.uandersonrebula.blogspot.com | www.iluminaconsultoria.com.br































- 2 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica







EMENTA:
Conceitos Preliminares. Sries Estatsticas. Medidas de posio e de variao.


OBJETIVO:
Refletir a partir da Estatstica Bsica sobre as ferramentas consolidadas pelo uso e
pela cincia, disponveis a todos, que auxiliam na tomada de deciso.








Curso de Engenharia de Produo

UANDERSON REBULA DE OLIVEIRA
Ps-graduado em Controladoria e Finanas-Universidade Federal de Lavras-UFLA
Ps-graduado em Logstica Empresarial-Universidade Estcio de S-UNESA
Graduado em Cincias Contbeis-Universidade Barra Mansa-UBM
Tcnico em Metalurgia-Escola Tcnica Pandi Calgeras-ETPC
Tcnico em Segurana do Trabalho-ETPC
Operador Siderrgico e Industrial-ETPC

Professor na UNIFOA no curso de Ps graduao em Engenharia de Segurana do Trabalho. Ex-Professor na
Universidade Barra Mansa UBM nos cursos de Engenharia de Produo e de Petrleo. Professor da
Universidade Estcio de S - UNESA nas disciplinas de Gesto Financeira de Empresas, Fundamentos da
Contabilidade e Matemtica Financeira, Probabilidade e Estatstica para o curso de Engenharia de Produo,
Estatstica I e II para o curso de Administrao, Ergonomia, Higiene e Segurana do Trabalho, Gesto de
Segurana e Anlise de Processos Industriais (Gesto Ambiental), Gesto da Qualidade: programa 5S (curso de
frias). Professor na Associao Educacional Dom Bosco para os cursos de Adminitrao e Logstica. Ex-professor
Conteudista na UNESA (elaborao de Planos de Ensino e de Aula, a nvel nacional). Professor em escolas tcnicas
nas disciplinas de Estatstica Aplicada, Estatstica de Acidentes do Trabalho, Probabilidades, Contabilidade Bsica
de Custos, Metodologia de Pesquisa Cientfica, Segurana na Engenharia de Construo Civil e Higiene do
Trabalho. Ex-professor do SENAI. Consultor interno, desenvolvedor e instrutor de cursos corporativos na CSN, a
nveis Estratgicos, Tticos e Operacionais. Membro do IBSInstituto Brasileiro de Siderurgia.
Resende - RJ 2012.2
ESTATSTICA

- 3 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

APRESENTAO
DA DISCIPLINA














Uma das ferramentas mais utilizadas hoje em dia
pelos cientistas, analistas financeiros, mdicos, engenheiros,
jornalistas etc. a Estatstica, que descreve os dados observados e
desenvolve a metodologia para a tomada de deciso em presena
da incerteza. O verbete estatstica foi introduzido no sculo XVIII,
tendo origem na palavra latina status (Estado), e serviu
inicialmente a objetivos ligados organizao poltico-social, como
o fornecimento de dados ao sistema de poder vigente. Hoje em dia,
os modelos de aplicao da Teoria Estatstica se estendem por todas
as reas do conhecimento, como testes educacionais, pesquisas
eleitorais, anlise de riscos ambientais, finanas, controle de
qualidade, anlises clnicas, ndices de desenvolvimento,
modelagem de fenmenos atmosfricos etc. Podemos
informalmente dizer que a Teoria Estatstica uma ferramenta que
ajuda a tomar decises com base na evidncia disponvel, decises
essas afetadas por margens de erro, calculadas atravs de modelos
de probabilidade.

No entanto, a probabilidade se desenvolveu muito
antes de ser usada em aplicaes da Teoria Estatstica. Um dos
marcos consagrados na literatura probabilstica foi a
correspondncia entre B. Pascal (1623-1662) e P. Fermat (1601-
1665), onde o tema era a probabilidade de ganhar em um jogo
com dois jogadores, sob determinadas condies. Isso mostra que o
desenvolvimento da teoria de probabilidades comeou com uma
paixo humana, que so os jogos de azar, mas evoluiu para uma
rea fortemente terica, em uma perspectiva de modelar a
incerteza, derivando probabilidades a partir de modelos
matemticos.

A anlise combinatria deve grande parte de seu
desenvolvimento necessidade de resolver problemas
probabilsticos ligados contagem, mas hoje h diversas reas em
que seus resultados so fundamentais para o desenvolvimento de
teorias, como, por exemplo, a rea de sistemas de informao.

Nesta apostila encontraremos as definies de
Estatstica, vocabulrio bsico, populao e amostra, sries
estatsticas, medidas de tendncia central e medidas de
variabilidade.






- 4 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica





















Falou mais o Senhor a Moiss, no deserto de Sinai, na tenda da
congregao, no primeiro dia do ms segundo, no segundo ano da sua
sada da terra do Egito, dizendo:
Tomai a soma de toda a congregao dos filhos de Israel, segundo as
suas geraes, segundo a casa dos seus pais, conforme o nmero dos
nomes de todo o varo, cabea por cabea;
Da idade de vinte anos e para cima, todos os que saem guerra em
Israel; a estes contareis segundo os seus exrcitos, tu e Aaro.
Estar convosco, de cada tribo, um homem que seja cabea da casa dos
seus pais.
Todos os contados, pois, foram seiscentos e trs mil, quinhentos e
cinquenta.

Nmeros 1: 1-4; 46







- 5 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

Sumrio


1 CONCEITOS PRELIMINARES

1.1 CONCEITO E IMPORTNCIA DA ESTATSTICA, 7
1.2 FASES DO ESTUDO ESTATSTICO, 11
1.3 VOCABULRIO BSICO DE ESTATSTICA, 12
1.4 POPULAO E AMOSTRA, 14
1.5 ESTATSTICA DESCRITIVA E INFERENCIAL , 16

2 SRIES ESTATSTICAS

2.1 CONCEITOS E TIPOS DE SRIES ESTATSTICAS, 18
Tabelas, 18
Grficos, 19

2.2 DISTRIBUIO DE FREQUNCIA, 22
Freqncia absoluta e histograma, 22
Freqncia relativa, absoluta acumulada e
relativa acumulada, 23
Agrupamento em classes, 24
Polgono de frequncia e ogiva, 25

3 MEDIDAS

3.1 MEDIDAS DE POSIO, 27
MDIA, 27
Mdia simples, 27
Mdia ponderada, 27
Mdia de distribuio de frequncia, 28
MEDIANA, 29
MODA, 30
RELAO ENTRE MDIA, MEDIANA E MODA, 32

3.2 MEDIDAS DE VARIAO (OU DISPERSO), 33
Varincia e Desvio Padro, 34
Coeficiente de Variao, 36
Desvio padro de Distribuio de frequncia, 37

REFERNCIAS BIBLIOGRFICAS, 38

ANEXO I LIVROS RECOMENDADOS, 39
ANEXO II Software BIOESTAT , 40
ANEXO III ESTATSTICA NO EXCEL, 41














- 6 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica


















































CONCEITOS PRELIMINARES


- 7 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

1.1 CONCEITO E IMPORTNCIA DA ESTATSTICA

ESTATSTICA NA PRTICA
Analise as informaes abaixo para melhor compreenso do conceito de Estatstica.

ACIDENTES DO TRABALHO NO BRASIL 1970 a 2005
Conceito de Acidente: Leso corporal ou doena, relacionada com o exerccio do trabalho. (Lei 8.213/91 art. 19 a 21)
INSS: rgo pblico responsvel pela coleta, organizao e representao dos dados.

Coleta: Por meio de um formulrio eletrnico denominado CAT Comunicao de Acidente do Trabalho, enviado
pelas empresas quando da ocorrncia, conforme determina o art. 22 da Lei 8.213/91.
Organizao: Atravs de um grande banco de dados do INSS.
Representao: Atravs de um documento denominado Anurio Estatstico de Acidentes do Trabalho, contendo
tabelas, grficos e diversas anlises. Disponvel no site www.previdencia.gov.br, na seo Estatstica.

Motivo: Quando o trabalhador se afasta por motivo de acidente, o INSS concede benefcios acidentrios, como auxlio
doena acidentrio, auxlio acidente, aposentadoria por invalidez, penso por morte, reabilitao entre outros.

COMPILAO E ANLISE DE DADOS (INFORMAES) sobre acidentes do trabalho, de 1970 a 2005:













Observa-se ao longo dos anos o aumento gradativo da quantidade de trabalhadores no Brasil, de 7.284.022 chegando a 33.238.617,
reflexo do crescimento econmico do Pas. Essas informaes (dados) so importantes para fins de comparao com a evoluo da
quantidade de acidentes do trabalho no mesmo perodo, como segue abaixo:















No perodo de 1970 a 1976 a quantidade de acidentes foi alta, comparando-se com a pequena quantidade de trabalhadores no
mesmo perodo. Somente a partir de 1978 os acidentes comearam a reduzir, em razo da aprovao das Normas
Regulamentadoras NRs (disponvel no www.mte.gov.br), tornando-se de aplicao obrigatria em todo o Pas. Esta reduo pode
ser vista como positiva, entretanto, no podemos comemorar esses nmeros, pois a quantidade de acidentes ainda alarmante e
est praticamente estagnada, desde 1994.
7.284.022
8.148.987
11.537.024
14.945.489
16.638.799
18.686.355
19.476.362
19.673.915
22.163.827
23.661.579
23.198.656
22.272.843
23.667.241
23.830.312
24.491.635
26.228.629
27.189.614
28.683.913
29.544.927
31.407.576
33.238.617
0
5.000.000
10.000.000
15.000.000
20.000.000
25.000.000
30.000.000
35.000.000
1970 1972 1974 1976 1978 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2001 2002 2003 2004 2005
Evoluo da QUANTIDADE de TRABALHADORES
no Brasil - 1970 a 2005.
FONTE: Revista Proteo Anos

1.220.111
1.504.723
1.796.671
1.743.825
1.551.461
1.464.211
1.178.472
961.575
1.207.859
991.581
693.572
532.514
388.304
395.455
414.341
363.868
340.251
393.071 399.077
465.700
491.711
0
250.000
500.000
750.000
1.000.000
1.250.000
1.500.000
1.750.000
2.000.000
1970 1972 1974 1976 1978 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2001 2002 2003 2004 2005
Involuo da QUANTIDADE de ACIDENTES DO
TRABALHO no Brasil - 1970 a 2005.
Anos
FONTE: Revista Proteo
Aprovao das NRs
- 8 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

E as regies? Como esses acidentes esto distribudos nas regies do pas? Qual a pior regio? Vejamos abaixo em um
Cartograma (mapa com dados), REFERENTE AO ANO DE 2005 (491.711 acidentes):





















Observa-se que a regio em 1 lugar em nmero de acidentes a Sudeste, em 2 est a regio Sul, em 3 a regio Nordeste, em 4 a regio
Centro-Oeste e por ltimo a Norte. Ao analisarmos este grfico podemos tomar diversas concluses, porm, tais concluses somente so
possveis atravs de um estudo, o que demanda tempo. Todavia, observa-se que a quantidade de acidentes acompanha a porcentagem da
participao do PIB da regio. Esta correlao pode ser resultado do reflexo da economia da regio. Ora, a regio Sudeste, por exemplo,
corresponde a 56,5% do PIB do Pas. Logicamente esta regio possui um maior nmero de empresas e, consequentemente, maior nmero de
mo-de-obra e atividades produtivas, fato que pode justificar a enorme quantidade de acidentes comparada com as demais regies. Esses
dados tambm podem estar relacionados com as polticas dos estados e das empresas, a atuao das fiscalizaes do Ministrio do Trabalho,
as culturas das regies, os investimentos empresariais, a capacitao de mo de obra (treinamentos) entre outros fatores. Entende-se por
Produto Interno Bruto (PIB) a soma, em valores monetrios, de todos os bens e servios finais produzidos em uma determinada regio.

Tradicionalmente, no Brasil, as polticas de desenvolvimento tm se restringido aos aspectos econmicos e vm sendo traadas
de maneira paralela ou pouco articuladas com as polticas sociais, cabendo a estas ltimas arcarem com os nus dos possveis
danos gerados sobre a sade da populao, dos trabalhadores em particular e a degradao ambiental. Para que o Estado
cumpra seu papel para a garantia desses direitos, mister a formulao e implementao de polticas e aes de governo.

POSSVEIS SOLUES PARA REDUZIR OS ACIDENTES

A partir da anlise dos dados podemos concluir que a poltica de segurana do trabalho adotada no Pas est estagnada. A
simples aplicao da norma regulamentadora no est sendo suficiente para reduzir o ndice de acidentes. Os dados nos
mostram que no haver mudanas significativas se no forem feitas alteraes nessa poltica.

Para contornar a situao, os Ministrios do Trabalho, da Sade e da Previdncia Social publicaram, para consulta pblica, em
29.12.2004 a PNSST - POLTICA NACIONAL DE SEGURANA E SADE DO TRABALHADOR, com a finalidade de promover a
melhoria da qualidade de vida e da sade do trabalhador.

Os Ministrios reconheceram a deficincia da segurana do trabalho no pas, carecendo de mecanismos que:

Incentivem medidas de preveno;
Responsabilizem os empregadores;
Propiciem o efetivo reconhecimento dos direitos do trabalhador;
Diminuam a existncia de conflitos institucionais;
Tarifem de maneira mais adequada as empresas e
Possibilite um melhor gerenciamento dos fatores de riscos ocupacionais.
Distribuio da quantidade e porcentagem de acidentes de trabalho no Brasil por Regies,
correlacionados com o Produto Interno Bruto - PIB - ano 2005.
FONTE: Adaptado da Revista Proteo e do IBGE (www.ibge.gov.br)
NORDESTE
Acidentes: 49.010 (10% do total)
PIB: 13,1% de participao
SUDESTE
Acidentes: 279.689 (57% do total)
PIB: 56,5% de participao
NORTE
Acidentes: 19.117 (4% do total)
PIB: 5% de participao
CENTRO-OESTE
Acidentes: 31.470 (6% do total)
PIB: 8,9% de participao
SUL
Acidentes: 112.425 (23% do total)
PIB: 16,6% de participao
Esprito Santo - 11.039 acidentes
Minas Gerais - 52.335 acidentes
Rio de Janeiro - 34.610 acidentes
So Paulo - 181.705 acidentes
campeo de acidentes no Brasil, participando com
181.705, o que corresponde a 37% do total; por conseguinte
o seu PIB tambm o maior do Pas, com 33,9% de
participao.
- 9 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

Face ao exposto, a PNSST prope, dentre outras, as seguintes aes a serem desenvolvidas pelos trs Ministrios:

rea Aes



Tributos
1
,
financiamentos
e licitaes.
Estabelecer poltica tributria que privilegie empresas com menores ndices de acidentes e que
invistam na melhoria das condies de trabalho;
Criar linhas de financiamento para a melhoria das condies de trabalho, incluindo mquinas e
equipamentos, em especial para as pequenas e mdias empresas;
Incluir requisitos de SST para concesso de financiamentos pblicos e privados;
Incluir requisitos de SST nos processos de licitao dos rgos pblicos;
Instituir a obrigatoriedade de publicao de balano de SST para as empresas, a exemplo do que j
ocorre com os dados contbeis;



Educao e
pesquisa
Incluir conhecimentos bsicos em SST no currculo do ensino fundamental e mdio;
Incluir disciplinas em SST no currculo de ensino superior, em especial nas carreiras de profissionais
de sade, engenharia e administrao;
Estimular a produo de estudos e pesquisas na rea de interesse desta Poltica;
Articular instituies de pesquisa e universidades para a execuo de estudos e pesquisas em SST,
integrando uma rede de colaboradores para o desenvolvimento tcnico - cientifico na rea;
Desenvolver um amplo programa de capacitao dos profissionais, para o desenvolvimento das
aes em segurana e sade do trabalhador;
Ambientes
nocivos
Eliminar as polticas de monetarizao dos riscos (adicionais de riscos).
Outras aes
Coleta de dados
Compatibilizar os instrumentos de coleta de dados e fluxos de informaes.
Incluir nos Sistemas e Bancos de Dados as informaes contidas nos relatrios de intervenes e
anlises dos ambientes de trabalho, elaborados pelos rgos de governo envolvidos nesta Poltica.

CONSIDERAES FINAIS SOBRE O ESTUDO DE ACIDENTES.
O que acabamos de ver um estudo estatstico. Como vimos, os dados sobre acidentes do trabalho no Brasil so controladas
pelo INSS. A comunicao de acidentes permite ao INSS estimar e acompanhar o real impacto do trabalho sobre a sade e a
segurana da populao brasileira. O INSS coleta, organiza, apresenta e publica as estatsticas de acidentes do trabalho no
Brasil. Conforme observado, quando ocorre um acidente, a empresa, por fora de lei, obrigada a
enviar a CAT ao INSS, alimentando, assim, o seu grande banco de dados.

importante ressaltar que os dados de acidentes de trabalho no se constituem, to somente, num
importante registro histrico, mas sim numa ferramenta inestimvel para os profissionais que
desempenham atividades nas reas de sade e segurana do trabalhador, assim como
pesquisadores e demais pessoas interessadas no tema. A anlise desses dados possibilita a
construo de um diagnstico mais preciso acerca da epidemiologia dos acidentes, propiciando,
assim, a elaborao de polticas mais eficazes para as reas relacionadas com o tema.

TPICO PARA REFLEXO Acidente do Trabalho: o problema do Brasil.
Os acidentes de trabalho afetam a produtividade econmica, so responsveis por um impacto substancial sobre o sistema de proteo
social e influenciam o nvel de satisfao do trabalhador e o bem estar geral da populao.

Estima-se que a ausncia de segurana nos ambientes de trabalho no Brasil tenha gerado, no ano de 2003, um custo de cerca de R$32,8
bilhes para o pas. Deste total, R$ 8,2 bilhes correspondem a gastos com benefcios acidentrios e aposentadorias especiais, equivalente a
30% da necessidade de financiamento do Regime Geral de Previdncia Social - RGPS verificado em 2003, que foi de R$ 27 bilhes. O restante
da despesa corresponde assistncia sade do acidentado, indenizaes, retreinamento, reinsero no mercado de trabalho e horas de
trabalho perdidas.

Isso sem levar em considerao o sub-dimensionamento na apurao das contas da Previdncia Social, que desembolsa e contabiliza como
despesas no acidentrias os benefcios por incapacidade, cujas CAT no foram emitidas. Ou seja, sob a categoria do auxlio doena no
ocupacional, encontra-se encoberto um grande contingente de acidentes que no compem as contas acidentrias.

Parte deste custo segurana no trabalho afeta negativamente a competitividade das empresas, pois ele aumenta o preo da mo-de-obra,
o que se reflete no preo dos produtos. Por outro lado, o incremento das despesas pblicas com previdncia, reabilitao profissional e
sade reduz a disponibilidade de recursos oramentrios para outras reas ou induz o aumento da carga tributria sobre a sociedade.

De outro lado, algumas empresas afastam trabalhadores, e muitas vezes os despedem logo aps a concesso do beneficio. Com isso, o
trabalhador se afasta, j sendo portador de doena crnica contrada no labor, e o desemprego poder se prolongar na medida em que, para
obter o novo emprego, ser necessria a realizao do exame admissional, no qual sero eleitos apenas aqueles considerados como aptos
e, portanto, no portadores de enfermidades.

Fonte: RESOLUO CNPS N 1.269, DE 15 DE FEVEREIRO DE 2006
_________________
1. Tributo: Impostos; taxas e contribuies de melhoria, devida ao poder pblico.
- 10 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

CONCEITO DE ESTATSTICA

A CINCIA QUE SE DEDICA EM COLETAR, ORGANIZAR, APRESENTAR, ANALISAR E INTERPRETAR DADOS
(INFORMAES) PARA TOMADA DE DECISO.

Estatstica a cincia dos dados. A Estatstica lida com a coleta, o
processamento e disposio de dados (informaes), atuando como
ferramenta crucial nos processos de solues de problemas. A Estatstica
facilita o estabelecimento de concluses confiveis sobre algum fenmeno
que esteja sendo estudado (WERKEMA, 1995).

por meio da anlise e interpretao dos dados estatsticos que possvel o
conhecimento de uma realidade, de seus problemas, bem como, a
formulao de solues apropriadas por meio de um planejamento objetivo
da ao, para alm dos achismos e casuismos comuns.

No uso dirio o termo estatstica refere-se a fatos numricos. Tenha em
mente, entretanto, que estatstica bem diferente de matemtica. Estatstica
, antes de qualquer coisa, um mtodo cientfico que determina questes de
pesquisa; projeta estudos e experimentos; coleta, organiza, resume e analisa dados; interpreta resultados e esboa
concluses. Ou seja, utiliza-se dados como evidncias para responder a interessantes questes sobre o mundo. A
matemtica s utilizada para calcular a estatstica e realizar algumas das anlises, mais isso apenas uma pequena parte
do que realmente a estatstica. Portanto, a estatstica mantm com a matemtica uma relao de dependncia,
solicitando-lhe auxlio, sem o qual no poderia desenvolver-se.

A Estatstica uma cincia interdisciplinar, ou seja, comum a duas ou mais disciplinas ou ramos de conhecimento.
Assim, a Estatstica aplicada na Medicina, Administrao, Engenharias, Economia, Contabilidade, Direito, Segurana do
Trabalho, Qualidade, Marketing entre outras reas. Veja abaixo.



Medicina. Estudos de epidemiologia,
inter-relaes dos determinantes da
freqncia e distribuio de doenas
populacionais
*Engenharia de Produo. Estudos de
um conjunto de dados de todas as
fases de um processo produtivo.
Segurana do Trabalho. Estudos de
acidentes e doenas, suas causas,
quantidade, parte atingida, setores, %
de afastamentos etc.
Contabilidade. Estudos das
informaes financeiras das empresas
pblicas e privadas.
Finanas. Estudos de uma srie de
informaes estatsticas para orientar
investimentos.
Economia. Estudos de taxas de
inflao, ndice de preos, taxa de
desemprego, futuro da economia.

*Engenharia de Produo A aplicao da Estatstica na produo merece especial ateno. A atual nfase na qualidade
torna o controle da qualidade uma importante aplicao da estatstica na rea da produo. Usa-se uma srie de mapas
estatsticos de controle de qualidade para monitorar o resultado (output) de um processo de produo. Suponha, por
exemplo, que uma mquina preencha recipientes com 2 litros de determinado refrigerante. Periodicamente, um operador
do setor de produo seleciona uma quantidade de recipientes e verifica a exatido, ou seja, se no h desvios. A
Estatstica tambm usada na Engenharia de Produo para Estratificao, que consiste no agrupamento da informao
(dados) sob vrios pontos de vista, de modo a focalizar a ao, considerando os fatores equipamento, tempo entre outros.
Exemplo:

Tipo de dano: Operador: Mquina de lavar: Roupas danificadas
em uma lavanderia Tipo de roupa: Marca do sabo: Mquina de secar:




- 11 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

1.2 FASES DO ESTUDO ESTATSTICO

Um estudo estatstico confivel depende do planejamento e da correta execuo das seguintes etapas:

1. Definir o que ser estudado e a natureza dos dados, como exemplo:

ESTUDO NATUREZA DOS DADOS
Acidentes do
Trabalho no Brasil
Quantidade e perodo
Por regies, estados ou municpios
Por atividade econmica
Por idade dos acidentados
Por parte do corpo atingida
Por causas dos acidentes etc.
Peas danificadas na
linha A
Tipo de pea | Tipo de defeito
Quantidade
Perodo e Turnos
Mquinas e Operadores
Matria prima etc.



Defina com clareza os objetivos da
pesquisa, ou seja, o que se pretende
apurar, que tipo de problema
buscar detectar.



2. Coletar dados

Aps definir o que ser estudado e o estabelecimento do planejamento do trabalho (forma de coleta dos dados,
cronograma das atividades, custos envolvidos, levantamento das informaes disponveis), o passo seguinte o
da coleta de dados, que consiste na busca ou compilao dos dados, componentes do fenmeno a ser
estudado. Nessa etapa recolhem-se os dados tendo o cuidado de controlar a qualidade da informao.
O sucesso de uma pesquisa depende muito da qualidade dos dados recolhidos. Podem ser por meio
de Criao de Softwares, a exemplo da CAT; Uso de Softwares da empresa; Dados histricos
da empresa (fsicos); Pesquisas com questionrios etc.

3. Organizar e contar dados

procura de falhas e imperfeies, os dados devem ser cuidadosamente organizados e contados, a fim de no incorrermos
em erros grosseiros que possam influenciar nos resultados. No exemplo da Estatstica na prtica, aps a coleta da quantidade
de acidentes por meio da CAT, organiza-os por perodo, regies etc. Da mesma maneira, se voc usa um questionrio para
coletar dados na empresa, organiza-os da forma necessria pesquisa, alm da contagem a ser feita.

4. Apresentao de dados













5. Anlise dos dados e tomada de deciso

Chegamos fase mais complexa do processo estatstico, que consiste na anlise dos dados. Por fim, a
partir da anlise realizada, poderemos chegar a uma tomada de deciso. Observe o estudo
Estatstica na prtica. O que resultou a anlise dos acidentes no Brasil, no perodo de 1970 a
2005? Veja que os Ministrios do Trabalho, Previdncia Social e da Sade se mobilizaram para
resolverem essa questo de sade pblica, com diversas aes a serem implementadas no pas. A
partir dessa discusso, fica claro que um profissional com conhecimentos de Estatstica ter maior
facilidade em identificar um problema em sua rea de atuao, determinar os tipos de dados que
iro contribuir para sua anlise, coletar esses dados e a seguir estabelecer concluses e determinar
um plano de ao para a soluo do problema detectado.
Os dados devem ser
apresentados sob a
forma de tabelas ou
grficos, a fim de
tornar mais fcil e
rpido o exame
daquilo que est
sendo estudado.
1.220.111
1.504.723
1.796.671
1.743.825
1.551.461
1.464.211
1.178. 472
961.575
1.207.859
991.581
693. 572
532.514
388.304
395.455
414.341
363.868
340.251
393.071 399.077
465.700
491.711
0
250.000
500.000
750.000
1.000.000
1.250.000
1.500.000
1.750.000
2.000.000
1970 1972 1974 1976 1978 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2001 2002 2003 2004 2005
Involuo da QUANTIDADE de ACIDENTES DO
TRABALHO no Brasil - 1970 a 2005.
Anos
FONTE: Revista Proteo
Aprovao das NRs
- 12 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

1.3 VOCABULRIO BSICO DE ESTATSTICA

O vocabulrio utilizado em estudos estatsticos teve sua origem nos primeiros estudos feitos pela humanidade e que eram
relativos demografia (estudo estatstico das populaes). Por isso a Estatstica emprega termos prprios dessa rea de
conhecimento, mas com um sentido diferenciado. Assim, para dar prosseguimento, de extrema importncia destacar alguns
termos utilizados no jargo estatstico.

VARIVEL o termo usado para aquilo que voc est pesquisando, estudando, analisando.
,
No estudo representado no grfico abaixo a varivel o acidente do trabalho. Utilizada como um adjetivo do
vocabulrio do dia-a-dia, varivel sugere que alguma coisa se modifica ou varia.
















So exemplos de Variveis
Doenas, Sexo, Estaturas, Peso, Idade, Renda, Natalidade, Mortalidade, PIB, Inflao, Exportaes brasileiras,
Produo de caf, Alimentao, Peas produzidas por hora, Paradas de produo no ms, Rotatividade de
estoque por ano, Poluio, Clima na regio sudeste, Consumo de energia no ms, Vendas mensais de uma
empresa, Produo diria de automveis etc.


EXEMPLO DE APLICAO:
A associao dos moradores de um bairro queria traar um perfil dos frequentadores de um parque ali situado. Uma equipe
de pesquisa elaborou questes a fim de reunir as informaes procuradas. Numa manh de quarta-feira, 6 pessoas foram
entrevistadas e cada uma respondeu a questes para identificar idade, nmero de vezes que freqenta o parque por semana,
estado civil, meio de transporte utilizado para chegar ao parque, tempo de permanncia no parque e renda familiar mensal. Os
resultados so mostrados na tabela a seguir:




Cada um dos aspectos investigados os quais permitiro fazer a anlise desejada denominado varivel.


1.220.111
1.504.723
1.796.671
1.743.825
1.551.461
1.464.211
1.178.472
961.575
1.207.859
991.581
693.572
532.514
388.304
395.455
414.341
363.868
340.251
393.071 399.077
465.700
491.711
0
250.000
500.000
750.000
1.000.000
1.250.000
1.500.000
1.750.000
2.000.000
1970 1972 1974 1976 1978 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2001 2002 2003 2004 2005
Involuo da QUANTIDADE de ACIDENTES
DO TRABALHO no Brasil - 1970 a 2005.
FONTE: Revista Proteo
Anos
VARIVEL
Variveis
- 13 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

TIPOS DE VARIVEIS

H, pois, uma diviso principal para as variveis estatsticas, que consiste em consider-las como Variveis Quantitativas
(discretas ou contnuas) e Variveis Qualitativas (nominal ou ordinal). Esta diviso de faclima compreenso!


Ento, os tipos de Variveis da pesquisa do parque sero:






PARA LEITURA
Se a dvida persiste, voc pode observar no quadro abaixo mais esclarecimentos sobre esses conceitos.

Tipo de VARIVEL Resposta fornecida pesquisa
Quantitativa
(Em nmeros)
Ser Quantitativa a varivel para a qual se possa atribuir um valor numrico. Se a resposta fornecida pesquisa estiver expressa
por um nmero, ento a varivel quantitativa. Por exemplo: quantos livros voc l por ano? A resposta um nmero? Ento,
varivel quantitativa. Quantas pessoas moram em sua casa? A resposta um nmero? Ento, novamente, varivel quantitativa.
No caso do estudo ACIDENTE DO TRABALHO, uma varivel quantitativa, pois estudamos a quantidade de acidentes no perodo
de 1970 a 2005
Discreta
(nmeros inteiros)
(contagem)
Varivel Quantitativa Discreta a varivel quantitativa que assume somente nmeros inteiros. Resulta, geralmente, de
contagem. Esta varivel no pode assumir qualquer valor, dentro de um intervalo de valores de resultados possveis. Por
exemplo, se eu pergunto quantos irmos voc tem, a resposta jamais poderia ser tenho 3,75 irmos, ou tenho 4,8 irmos, ou
seja, a resposta no poderia assumir todos os valores de um intervalo! Este acima o conceito formal de varivel discreta! O
conceito para memorizar o seguinte: aquela varivel obtida por meio de uma contagem. Em outras palavras: a varivel
discreta voc conta!. Exemplos: quantas pessoas moram na sua casa? Quantos livros voc tem? Quantos carros voc tem? Se,
para responder pergunta, voc faz uma contagem, ento est diante de uma varivel quantitativa discreta.
Contnua
(Nmeros no inteiros)
(medio)
Varivel Quantitativa Contnua aquela que pode assumir qualquer valor dentro de um intervalo de resultados possveis. Se eu
pergunto quantos quilos voc pesa, a resposta pode ser 65,35kg. Se eu pergunto qual a temperatura na cidade hoje, a resposta
pode ser 27,35C. Para facilitar a memorizao, basta lembrar que a varivel quantitativa contnua pode ser obtida por uma
medio, ou seja, a varivel contnua voc mede! Exemplos: peso, altura, durao de tempo para resoluo de uma prova,
presso, temperatura etc.
Qualitativa
(nomes, atributos)
Se a pergunta qual a sua cor preferida?, logicamente a resposta no ser um nmero, da estaremos tratando de uma
varivel qualitativa, ou seja, aquela para a qual no se atribui um valor numrico. Exemplos: Sexo: masculino ou feminino

VARIVEL
QUANTITATIVA
QUALITATIVA
DISCRETA
CONTNUA
Quando no possvel ordenar as categorias.
Ex.: sexo (masculino ou feminino), Cor dos olhos (preto ou verde),
campo de estudo (Engenharia, Direito etc)
No possvel estabelecer uma ordem, uma gradao, o mais ou
menos importante, prioritrio etc.
ORDINAL
NOMINAL
Quando as variveis forem em nmeros
inteiros, obtido por contagem:
0 1 2 3 4 55 77 987 etc.

Ex.: Idade (anos), gols de futebol, etc
Quando as variveis forem em nmeros
no inteiros, assumem qualquer valor:
0,2 1,12 3,77 4,768 etc.

Ex.: Altura (cm), peso (kg), tempo (hh:mm)
Nmeros
Nome
Inteiro
No inteiros
Quando possvel ordenas as categorias.
Pesquisa de alimentao:
[1] timo [2] Bom [3] Regular [4] ruim
Grau de instruo de funcionrios de uma empresa
1 grau 2 grau Superior Mestrado Doutorado
Ordenvel
No ordenvel
Qualitativa nominal
Quantitativa discreta Quantitativa contnua
- 14 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

1.4 POPULAO E AMOSTRA

Quando voc quer saber se a sopa ficou boa, o que voc faz? Mexe a panela, retira um pouco com uma colher
e prova. Depois tira uma concluso sobre todo o contedo da panela sem, na verdade, ter provado tudo.
Portanto, possvel ter uma idia de como a sopa est sem ter que comer tudo. Isso o que se faz em
estatstica.

A estatstica deixou de ser a simples catalogao de dados numricos e se tornou o estudo de como chegar a
concluses sobre o todo (populao), partindo da observao e anlise de partes desse todo (amostra). Essa
sua maior riqueza. Assim, podemos conceituar populao e amostra como:

POPULAO UM CONJUNTO DE TODOS OS ELEMENTOS EM ESTUDO.
AMOSTRA UMA PARTE DA POPULAO (ou subconjunto).

















Muitas vezes quando queremos fazer um estudo estatstico, no possvel analisar toda a populao envolvida com o
fato que pretendemos investigar, como exemplo o sangue de uma pessoa ou a poluio de um rio. impossvel o
teste do todo. H situaes tambm em que invivel o estudo da populao, por exemplo, a pesquisa com todos os
torcedores em um estdio de futebol durante uma partida. Nesses casos, o estatstico recorre a uma amostra que,
basicamente, constitui uma reduo da populao a dimenses menores, sem perda das caractersticas essenciais.

Os resultados fundamentados em uma amostra no sero exatamente os mesmos que voc encontraria se estudasse
toda a populao, pois, quando voc retira uma amostra, voc no obtm informaes a respeito de todos em uma
dada populao. Portanto, importante entender que os resultados da amostra fornecem somente estimativas dos
valores das caractersticas populacionais. Com mtodos de amostragens apropriados, os resultados da amostra
produziro boas estimativas da populao, ou seja, um estudo bem feito no elimina o erro, mas limita-o a uma
margem, procurando torn-la o menor possvel. Quando aprendemos estatstica inferencial, tambm aprendemos
tcnicas para controlar esses erros de amostragem.

4 razes para selecionar uma amostra
O nmero de elementos em uma populao muito grande;
Demanda menos tempo do que selecionar todos os itens de uma populao;
menos dispendioso (caro) do que selecionar todos os itens de uma populao;
Uma anlise amostral menos cansativa e mais prtica do que uma anlise da populao inteira.

So exemplos de Populao e Amostra:
MEDICINA. Pretende-se estudar o efeito de um novo medicamento para curar determinada doena. selecionado um grupo
de 50 doentes, administrando-se o novo medicamento a 10 desses doentes escolhidos ao acaso e o medicamento habitual
aos restantes.
Populao: Todos os 50 doentes com a doena que o medicamento a estudar pretende tratar.
Amostra: Os 10 doentes selecionados.
CONTROLE DE QUALIDADE. O Gerente de Produo de uma fbrica de parafusos pretende assegurar-se de que a
porcentagem de peas defeituosas no excede um determinado valor, a partir do qual determinada encomenda poderia ser
rejeitada.
Populao: Todos os parafusos fabricados ou a fabricar, utilizando o mesmo processo.
Amostra: Parafusos escolhidos ao acaso entre os lotes produzidos.
Podemos visualizar o conceito
de populao e amostra na
figura ao lado.

Quando pesquisamos toda a
populao, damos o nome de
censo.

A preciso depende do
tamanho da amostra, e
quanto maior o tamanho
amostral, maior ser a
preciso das informaes.
AMOSTRA
(uma parte da populao)
POPULAO
(todos os elementos em estudo)
AMOSTRA
(uma parte da populao)
POPULAO
(todos os elementos em estudo)
N designado para Populao
n designado para Amostra
N
n
- 15 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

ESTUDOS DE MERCADO. O gerente de uma fbrica de produtos desportivos pretende lanar uma nova linha de esquis, pelo
que encarrega uma empresa especialista em estudos de mercado de estimar a porcentagem de potenciais compradores
desse produto.
Populao: conjunto de todos os praticantes de desportos de neve.
Amostra: conjunto de alguns praticantes inquiridos pela empresa.
SISTEMAS DE PRODUO. Um fabricante de pneus desenvolveu um novo tipo de pneu e quer saber o aumento da
durabilidade em termos de kilometragem em relao atual linha da empresa. Produz diariamente 1000 pneus e selecionou
120 para testes.
Populao: 1000 pneus.
Amostra: 120 pneus.

OUTROS EXEMPLOS DE AMOSTRAS:















- 16 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

1.5 ESTATSTICA DESCRITIVA E ESTATSTICA INFERENCIAL

Estatstica Descritiva o ramo da estatstica que envolve a
organizao, o resumo e a representao dos dados para tomada de
deciso.

Estatstica Inferencial o ramo da estatstica que envolve o uso da
amostra para chegar a concluses sobre a populao. o caso das
pesquisas eleitorais feita pelo IBOPE. Entrevistam uma parte da
populao para tirar concluses sobre o eleitorado brasileiro. Uma
ferramenta bsica no estudo da estatstica inferencial a
probabilidade.



Algumas ferramentas aplicadas Estatstica Inferencial:

Probabilidades
Uma Probabilidade uma medida numrica que representa a chance de um evento ocorrer. Ex.: Ao lanar um dado, qual a
probabilidade de obter o valor 4? R =
1
/
6
= 16%

Estimao, margem de erro e intervalo de confiana
Suponha que o tempo mdio que voc leva para chegar ao trabalho de carro de 35, com uma margem de erro de 5 para
mais ou para menos. A estimativa de que o tempo mdio gasto at chegar ao trabalho fica em algum ponto entre 30 e 40.
Esta estimativa um intervalo de confiana, pois leva em considerao o fato de que os resultados da amostra iro variar e d
uma indicao de uma variao esperada.


A margem de erro uma medida de quo prximo voc espera que seus resultados representem toda a populao que est sendo estudada.
Vrios fatores influenciam a amplitude de um intervalo de confiana, tais como o tamanho amostral, a variabilidade da populao e o quanto
voc espera obter de preciso. A maioria dos pesquisadores contenta-se com 95% de confiana em seus resultados. Estar 95% confiante indica
que se voc coletar muitas, mas muitas amostras e calcular o intervalo de confiana para todas, 95% dessas amostras tero intervalos de
confiana que abrangero o alvo.

Teste de hiptese
Teste de hiptese um procedimento estatstico em que os dados so coletados e medidos para comprovar uma alegao feita
sobre uma populao. Por exemplo, se uma pizzaria alega entregar as pizzas dentro de 30 a partir do pedido, voc pode
testar se essa alegao verdadeira, coletando uma amostra aleatria do tempo de entrega durante um determinado
perodo de tempo e observar o tempo mdio de entrega para essa amostra.












AMOSTRA
(uma parte da populao)
POPULAO
(todos os elementos em estudo)
AMOSTRA
(uma parte da populao)
POPULAO
(todos os elementos em estudo)

Inferncia
- 17 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica















































SRIES ESTATSTICAS
- 18 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

2.1 CONCEITOS E TIPOS DE SRIES

As tabelas e grficos constituem um importante instrumento de anlise e interpretao de um conjunto de dados.
Diariamente possvel encontrar tabelas e grficos nos mais variados veculos de comunicao (jornais, revistas, televiso,
Internet), associadas a assuntos diversos do nosso dia-a-dia, como resultados de pesquisas de opinio, sade e
desenvolvimento humano, economia, esportes, cidadania, etc. A importncia das tabelas e dos grficos est ligada sobretudo
facilidade e rapidez na absoro e interpretao das informaes por parte do leitor e tambm s inmeras possibilidades de
ilustrao e resumo dos dados apresentados.

TABELAS

So quadros que resumem um conjunto de dados.



Tipos de Tabelas

SRIE HISTRICA
Descreve os valores da varivel,
discriminados por TEMPO (anos,
meses, dias, horas, etc.



SRIE GEOGRFICA
Descreve os valores da varivel,
discriminados por REGIES (pases,
cidades, bairros, ruas, layout, etc)


SRIE ESPECFICA
Descreve os valores da varivel,
discriminados por temas
ESPECIFICOS.




SRIE CONJUGADA
utilizado quando temos a necessidade de apresentar em uma nica
tabela a variao de valores DE MAIS DE UMA VARIVEL, isto ,
fazer de forma conjugada de duas ou mais sries.

Esta srie, por exemplo, GEOGRFICA HISTRICA





Ttulo conjunto de informaes sobre o estudo.
Cabealho especifica o contedo das colunas
Coluna indicadora especifica o contedo das linhas
Coluna numrica -especifica a quantidade das linhas
Linhas retas imaginrias de dados
Clula espao destinado a um s nmero
Rodap simplesmente a fonte dos dados
- 19 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

GRFICOS

A importncia dos grficos est ligada facilidade e rapidez na absoro e interpretao das informaes e
tambm s inmeras possibilidades de ilustrao e resumo dos dados apresentados. Eis os mais usados:

Grfico em Linha
a representao dos valores por meio de linhas. Usamos quando precisamos de uma informao rpida de um
valor ao longo do tempo.

































Grfico em Colunas
a representao dos valores por meio de retngulos, dispostos verticalmente. Utiliza-se muito quando
necessitamos saber a quantidade de valor.















ACIDENTES DO TRABALHO EM
SO PAULO: 1989 - 1991
0
500
1000
1500
2000
2500
1989 1990 1991
anos
Q
u
a
n
t
i
d
a
d
e
So Paulo
Guarulhos
Campinas
Osasco
Santos
FONTE: Dados fictcios
QUANTIDADE DE ACIDENTES DO TRABALHO
SO PAULO: 1989 - 1994
6254
7265
6325
5458
8658
9578
0
2000
4000
6000
8000
10000
12000
1989 1990 1991 1992 1993 1994
Anos
Q
u
a
n
t
i
d
a
d
e
FONTE: Dados fictcios
ACIDENTES DO TRABALHO
SO PAULO: 1989 - 1994
6254
7265
6325
5458
8658
9578
0
2000
4000
6000
8000
10000
1989 1990 1991 1992 1993 1994
Anos
Q
u
a
n
t
i
d
a
d
e
FONTE: Dados fictcios
- 20 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

Grfico em Barras
o mesmo conceito que o de Colunas, porm utiliza-se sempre que os dizeres a serem inscritos so extensos.
















Grfico em Setores
Este grfico construdo com base em um crculo, e empregado sempre que desejamos ressaltar a participao
de um dado no total, geralmente na forma de porcentagem.













Grfico de Pareto
um grfico de colunas na qual a altura de cada barra representa os dados, porm na ordem de altura
decrescente, com a coluna mais alta posicionada esquerda. Tal posicionamento ajuda a enfatizar dados
importantes e frequentemente usado nos negcios.

Os cinco veculos mais vendidos
no Brasil em janeiro de 1995

Veculo
Quantidade
(milhes)
mega 34
Monza 30
Gol 25
Corsa 22
Fusca 15
FONTE: dados fictcios



















QUANTIDADE DE ACIDENTES DO TRABALHO
EM SO PAULO - POR TIPO - 1989
55
1396
698
3578
598
0 1000 2000 3000 4000
Impacto
Perfurao
Atrito
Queda
Corte
T
i
p
o
Quantidade
FONTE: Dados fictcios
ACIDENTES DO TRABALHO
SO PAULO - 1989
FONTE: Dados fictcios
Os cinco veculos mais vendidos
no Brasil em janeiro de 1995
15
22
25
30
34
0
10
20
30
40
mega Monza Gol Corsa Fusca
Veculos
Q
u
a
n
t
i
d
a
d
e

(
m
i
l
h

e
s
)
FONTE: Dados fictcios
- 21 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

Nmero de cada
Delegacia
Grfico Cartograma
Este grfico empregado quando o objetivo o de figurar os dados estatsticos diretamente relacionados com
reas geogrficas ou polticas (mapas), corpo humano entre outras figuras.












































FONTE: SSP/SP
- 22 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

2.2 DISTRIBUIO DE FREQUNCIA

Frequncia absoluta e Histograma


Ao se trabalhar com grandes conjuntos de dados, em geral til organiz-los e resumi-los em uma
tabela, chamada Distribuio de frequncia.

Na distribuio de frequncia listamos todos os valores coletados, um em cada linha, marcam-se as vezes em que eles
aparecem, incluindo as repeties, e conta-se a quantidade de ocorrncias de cada valor. Por este motivo, tabelas
que apresentam valores e suas ocorrncias denominam-se distribuio de freqncias.
O termo freqncia indica o nmero de vezes que um dado aparece numa observao estatstica.

EXEMPLO

Um professor organizou os resultados obtidos em uma prova com 25 alunos da seguinte forma:

Notas dos 25 alunos Comentrio
4,0 5,0 7,0 9,0 9,0
4,0 5,0 7,0 9,0 9,0
4,0 5,0 7,0 9,0 9,0
4,0 6,0 8,0 9,0 9,0
4,0 6,0 8,0 9,0 9,0

Agora ele pode fazer uma representao grfica para analisar o
desempenho da turma. Em primeiro lugar, o professor pode fazer uma
tabulao dos dados, ou seja, organiz-los de modo que a consulta a eles
seja simplificada. Ento, faremos a distribuio de freqncia destas
notas, por meio da contagem de dados.

Distribuio de freqncia Comentrio
Nota
Freqncia, f
(n de alunos)
4,0 5
5,0 3
6,0 2
7,0 3
8,0 2
9,0 10
f=25
Esta forma de organizar dados conhecida como distribuio de
frequncia, e o nmero de vezes que um dado aparece chamado de
frequncia absoluta, representado por f. Exemplos:

A frequncia absoluta da nota 4,0 5.
A freqncia absoluta da nota 9,0 10.

O smbolo grego sigma significa somatrio, muito usado em
Estatstica. Portanto, f=25 significa a soma de 5+3+2+3+2+10.

Representamos a freqncia por um grfico, chamado Histograma.


HISTOGRAMA Comentrio


ESTA FREQUNCIA QUE ACABAMOS DE ESTUDAR DENOMINADA FREQUENCIA
ABSOLUTA (f), QUE SIMPLESMENTE A CONTAGEM DOS DADOS.

Em Estatstica no trabalhamos somente com frequncia absoluta (f), mas tambm com outros tipos de freqncias,
que so: freqncia relativa (fr), frequncia absoluta acumulada (Fa) e frequncia relativa acumulada (FRa).

Estudaremos agora cada uma delas.

Quando os dados numricos so organizados, eles geralmente so
ordenados do menor para o maior, divididos em grupos de tamanho
razovel e, depois, so colocados em grficos para que se examine sua
forma, ou distribuio (no exemplo: 4,0 5,0 6,0 7,0 8,0 9,0). Este
grfico chamado de Histograma.

Um histograma um grfico de colunas juntas. Em um histograma no
existem espaos entre as colunas adjacentes, como ocorre em um grfico
de colunas. No exemplo, a escala horizontal () representa as notas e a
escala vertical () as freqncias.

O histograma ao lado indica que cinco alunos tiraram a nota 4,0; trs alunos tiraram
a nota 5,0; dois alunos tiraram a nota 6,0; trs alunos tiraram a nota 7,0; dois alunos
tiraram 8,0 e dez alunos tiraram 9,0.
5
3
2
3
2
10
0
2
4
6
8
10
12
N

m
e
r
o

d
e

a
l
u
n
o
s
4,0 5,0 6,0 7,0 8,0 9,0
Nota
Desempenho dos alunos na prova
- 23 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

Frequncia Relativa fr (%)

Conceito. Representado por fr(%), significa a relao existente entre a frequncia absoluta f e a soma das freqncias f. a
porcentagem (%) do nmero de vezes que cada dado aparece em relao ao total.

EXEMPLO

5
/
25
* 100 = 20%.
freqncia relativa fr (%) Comentrios aos clculos
Nota f fr(%)
4,0 5 20%
5,0 3 12%
6,0 2 8%
7,0 3 12%
8,0 2 8%
9,0 10 40%
f=25 100%

A frequncia relativa fr(%) obtida por
f
/
f
* 100, conforme abaixo:

A fr(%) da nota 4,0
5
/
25
* 100 = 20%.
A fr(%) da nota 5,0
3
/
25
* 100 = 12%
A fr(%) da nota 6,0
2
/
25
* 100 = 8%
A fr(%) da nota 7,0
3
/
25
* 100 = 12%
A fr(%) da nota 8,0
2
/
25
* 100 = 8%
A fr(%) da nota 9,0
10
/
25
* 100 = 40%.

Frequncia Absoluta Acumulada Fa

Conceito. Representado por Fa, significa a soma das freqncias absolutas at o elemento analisado.

EXEMPLO
Fa
2
=5+3 = 8
frequncia absoluta acumulada (Fa) Comentrios aos clculos
Nota f fr(%) Fa
4,0 5 20% 5
5,0 3 12% 8
6,0 2 8% 10
7,0 3 12% 13
8,0 2 8% 15
9,0 10 40% 25
f=25 100% -
A frequncia absoluta acumulada Fa obtida conforme abaixo:

A Fa da nota 4,0 5 (sempre repete a primeira).
A Fa das notas 4,0 e 5,0 5+3=8.
A Fa das notas 4,0, 5,0 e 6,0 5+3+2=10.
A Fa das notas 4,0, 5,0, 6,0 e 7,0 5+3+2+3=13.
A Fa das notas 4,0, 5,0, 6,0, 7,0 e 8,0 5+3+2+3+2=15.
A Fa das notas 4,0, 5,0, 6,0, 7,0, 8,0 e 9,0 5+3+2+3+2+10=25


Frequncia Relativa Acumulada FRa (%)

Conceito. Representado por FRa (%), significa a soma das freqncias relativas fr(%) at o elemento analisado.

EXEMPLO
20% + 12% = 32%
frequncia relativa acumulada (FRa) Comentrios aos clculos
Nota f fr(%) Fa FRa(%)
4,0 5 20% 5 20%
5,0 3 12% 8 32%
6,0 2 8% 10 40%
7,0 3 12% 13 52%
8,0 2 8% 15 60%
9,0 10 40% 25 100%
f=25 100% - -
A frequncia relativa acumulada FRa(%) obtida conforme abaixo:

A FRa(%) de 4,0 20% (sempre repete a primeira).
A FRa(%) de 4,0 e 5,0 20+12 = 32%
A FRa(%) de 4,0, 5,0 e 6,0 20+12+8 = 40%
A FRa(%) de 4,0, 5,0, 6,0 e 7,0 20+12+8+12 = 52%
A FRa(%) de 4,0, 5,0, 6,0, 7,0 e 8,0 20+12+8+12+8 = 60%
A FRa(%) de 4,0, 5,0, 6,0, 7,0, 8,0 e 9,0 20+12+8+12+8+40=100%



NOTA IMPORTANTE SOBRE DISTRIBUIO DE FREQUNCIA:

Nota f fr(%) Fa FRa(%)
25 100%

f=25
100% - -
Para saber se o desenvolvimento da distribuio de freqncia por completo est
correto, os valores ao lado, em vermelho, devero coincidir.

- 24 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

Agrupamento em Classes

Em uma distribuio de frequncia, ao se trabalhar com grandes conjuntos de dados e com valores
dispersos, podemos agrup-los em classes.

Se um conjunto de dados for muito disperso, uma representao melhor seria atravs do agrupamento dos dados
com a construo de classes de frequncia. Caso isso no ocorresse, a tabela ficaria muito extensa. Veja abaixo:

EXEMPLO

Um radar instalado na Dutra registrou a velocidade (em Km/h) de 40 veculos, indicadas abaixo:

Velocidade de 40 veculos (Km/h)

Distribuio de frequncia





































fcil ver que a distribuio de frequncias
diretamente obtida a partir desses dados
dada uma tabela razoavelmente extensa.


70 90 100 110 123
71 93 102 115 123
73 95 103 115 123
76 97 105 115 123
80 97 105 117 124
81 97 109 117 124
83 99 109 121 128
86 99 109 121 128
Nota f
70 1
71 1
73 1
76 1
80 1
81 1
83 1
86 1
90 1
93 1
95 1
97 3
99 2
100 1
102 1
103 1
105 2
109 3
110 1
115 3
117 2
121 2
123 4
124 2
128 2
f=40
Distribuio de frequncia com classes
i Velocidade (Km/h) f
1 70 | 80 4
2 80 | 90 4
3 90 | 100 8
4 100 | 110 8
5 110 | 120 6
6 120 | 130 10
f=40

A distribuio em classes como se fosse uma compresso dos dados. Imagine se
fizssemos uma distribuio de frequncia de todas velocidades (de 70 a 128). A tabela
ficaria imensa! Por este motivo existe a distribuio de frequncia com classes.

Como criar uma Distribuio de Freqncia com classes

1. Calcule a quantidade de classes (i), pela raiz da quantidade de dados. So
40 veculos. Ento, 40 = 6,3 i = 6 classes.

2. Calcule a amplitude de classe (h) que o tamanho da classe, sendo:

Maior valor Menor valor = 128 70 = 9,6 h=10
quantidade de classes (i) 6

Nota: o Maior valor (128) e o Menor valor (70) so obtidos da lista dos registros das
velocidades dos 40 veculos.

3. Montar as classes a partir do Menor valor (70), somando com a
amplitude de classe (10) at que se chegue na 6 classe, assim:






TIPOS DE INTERVALOS DE CLASSE






No Brasil usa-se o intervalo | (Resoluo 866/66 do IBGE). J na literatura estrangeira
utiliza-se comumente com intervalo fechado.

CONCEITOS IMPORTANTES
LIMITES DE CLASSE - So os valores extremos de cada classe. No exemplo 70 | 80,
temos que o limite inferior 70 e o limite superior 80.

AMPLITUDE TOTAL DA DISTRIBUIO (AT) a diferena entre o limite superior da
ltima classe e o limite inferior da primeira classe, no exemplo 130 70 = 60.

AMPLITUDE AMOSTRAL (AA) a diferena entre o valor mximo e o valor mnimo
da amostra, no exemplo 128 70 = 58.

i Velocidade (Km/h)
1 70 +10 80
2... 80 +10 90
...6 120 +10 130
Tipo Representao Dados do intervalo
Aberto 70 80 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80
Fechado esquerda 70 | 80
70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80
Fechado 70 || 80 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80
Fechado direita 70 | 80 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80
Classes
Limite
inferior
Limite
superior
- 25 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

0
2
4
6
8
10
12
Q
u
a
n
t
i
d
a
d
e

d
e

v
e

c
u
l
o
s
Resultados dos registros
de um radar
70 75 80 85 90 95 100 105 110 115 120 125 130

Velocidade (Km/h)
Abaixo vemos as distribuies de frequncias absoluta f, relativa fr(%), absoluta acumulada Fa e relativa acumulada FRa(%),
bem como o Histograma desta distribuio.

Distribuio de freqncia com classes f, fr(%), Fa e FRa (%)












OUTRAS REPRESENTAES GRFICAS DE UMA DISTRIBUIO DE FREQUNCIA

Polgono de frequncia um grfico em linha que representa os pontos centrais dos intervalos de classe.

Para construir este grfico, voc deve calcular o ponto central de classe (xi), que o ponto que divide o intervalo de classe em
duas partes iguais. Por exemplo, a velocidade dos veculos da 1 classe pode ser representada por 70 + 80 = 75Km/h
2












A construo de um polgono de frequncias muito simples. Primeiro,
construmos um histograma; depois marcamos no telhado de cada
coluna o ponto central e unimos sequencialmente esses pontos.

Ogiva (pronuncia-se ojiva). Conhecida tambm por polgono de frequncia acumulada. um grfico em linha que
representa as freqncias acumuladas (Fa), levantada nos pontos correspondentes aos limites superiores dos intervalos de
classe. Para constru-la, voc deve elaborar o histograma de freqncia f em uma escala menor, considerando o ltimo valor a
freqncia acumulada da ltima classe, no caso, 40.



















i
Velocidade (Km/h)
f Fr(%) Fa FRa(%)
1 70 | 80
4 10% 4 10%
2 80 | 90
4 10% 8 20%
3 90 | 100
8 20% 16 40%
4 100 | 110
8 20% 24 60%
5 110 | 120
6 15% 30 75%
6 120 | 130
10 25% 40 100%
f=40 100%
i Velocidade (Km/h) f xi
1 70 | 80
4 75
2 80 | 90
4 85
3 90 | 100
8 95
4 100 | 110
8 105
5 110 | 120
6 115
6 120 | 130
10 125
f=40
i Velocidade (Km/h) f Fa
1 70 | 80
4 4
2 80 | 90
4 8
3 90 | 100
8 16
4 100 | 110
8 24
5 110 | 120
6 30
6 120 | 130
10 40
f=40
4 4
8 8
6
10
0
2
4
6
8
10
12
Q
u
a
n
t
i
d
a
d
e

d
e

v
e

c
u
l
o
s
Resultados dos registros
de um radar
70 80 90 100 110 120 130

Velocidade (Km/h)
70 | 80
Ponto central
75Km/h
Velocidade (Km/h)
4
4
8
8
6
10
0
5
10
15
20
25
30
35
40
Q
u
a
n
t
i
d
a
d
e

d
e

v
e

c
u
l
o
s
Resultados dos registros
de um radar
70 80 90 100 110 120 130
4
8
16
24
30
40
- 26 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica



MEDIDAS



O que podemos dizer se um professor quer saber sobre as notas dos alunos de uma sala? Poderamos,
talvez, utilizar para resposta uma tabela com as frequncias das notas. Porm, o professor gostaria de
uma resposta rpida, que sintetize a informao que se tem, e no uma distribuio de frequncia das
notas coletadas.

Para resumir a quantidade de informao contida em um conjunto de dados, utilizamos, em estatstica,
medidas que descrevem, POR MEIO DE UM S NMERO, caractersticas desses dados.

Notas dos alunos
4,0 4,0 4,0 4,0 4,0 5,0 5,0 5,0 6,0 6,0 7,0 7,0 7,0 8,0 8,0 9,0 9,0 9,0 9,0 9,0 9,0 9,0 9,0 9,0 9,0

Medidas estatsticas
Mdia das notas = 6,9 (valor ponto de equilbrio desse conjunto de dados)
Nota Mediana = 8,0 (valor que est no meio)
Nota Moda = 9,0 (valor mais frequente)






- 27 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

3.1 MEDIDAS DE POSIO

Agora voc vai trabalhar com medidas de posio que, como o prprio nome indica, so medidas que indicam a localizao dos
dados. O objetivo no o clculo das medidas, mas, sim, explorar propriedades e relaes entre trs das principais medidas de
posio: Mdia, Mediana e Moda.

MDIA

MDIA SIMPLES - uma medida que representa o ponto de equilbrio num conjunto de dados.

A mdia simples uma medida considerada como um valor normal ou tpico em um conjunto de dados. Cada dado tem
igual importncia e peso. Sofre a influncia de todos os dados.

A Mdia simples obtida pela seguinte equao:
x = x soma dos valores dos dados
n quantidade de dados

A Mdia representada por x
(l-se x barra)


EXEMPLO. Supondo que uma escola adote como critrio de aprovao a Mdia 7,0 e, considerando as quatro
notas de Joo e Maria durante o ano, informe se foram aprovados.


Notas de Joo: 3,5 | 6,0 | 9,5 | 9,0 |

x = x 3,5 + 6,0 + 9,5 + 9,0
n 4

x = 7,0 aprovado





MDIA PONDERADA. Semelhante a Mdia simples, porm, atribuindo-se a cada dado um peso que
retrate a sua importncia.

O termo ponderao sinnimo de peso, importncia, relevncia. Sugere, ento, a atribuio de um peso a um determinado dado.
Em alguns casos, os valores variam em grau de importncia, de modo que podemos querer ponder-los apropriadamente. calculada
multiplicando-se um peso por cada valor, fazendo com que alguns valores influenciem mais fortemente a mdia do que outros.

A Mdia ponderada obtida pela seguinte equao:

p x = (x . p) soma dos valores . pesos
p soma dos pesos
Vamos representar a
Mdia ponderada por
p x


EXEMPLO Supondo que uma escola adote como critrio de aprovao a Mdia 7,0, sendo que as provas bimestrais
so ponderadas com pesos 1, 2, 3 e 4, respectivamente para o 1 bim, 2 bim, 3 bim e 4 bim. Considerando as
notas de Joo (na ordem bimestral crescente), informe se foi aprovado.

Notas de Joo: | 9,0 | 8,0 | 6,0 | 5,0
Pesos 1 2 3 4

p x = (x . p)
p

p x = (9,0 . 1) + (8,0 . 2) + (6,0 . 3) + (5,0 . 4)
1+2+3+4

p x = 6,3 reprovado

Nota. Em uma mdia simples ele seria aprovado por 7,0.


Importante: Os pesos so representados pela quantidade (frequncia). A atribuio de pesos visa fazer com que certos valores
tenham mais influncia no resultado do que outros.
Mdia de Joo
3.5
6.0
7,0
9.5
9.0
0.0
2.0
4.0
6.0
8.0
10.0
N
o
t
a
s
1 Bim 2 Bim Mdia 3 Bim 4 Bim
Bimestres
Mdia das notas de Joo
9,0
1
8,0
2
6,3
6,0
3
5,0
4
0,0
2,0
4,0
6,0
8,0
10,0
N
o
t
a
s

e

p
e
s
o
s
1 Bim 2 Bim Mdia 3 Bim 4 Bim
Bimestres
Mdia ponderada das notas de Joo
Mdia ponderada
- 28 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

MDIA DE DISTRIBUIO DE FREQUNCIA aplica-se quando no se tem a lista original dos dados

Quando trabalhamos com uma distribuio de frequncia, no sabemos os valores exatos que caem em
determinada classe. Para tornar possveis os clculos, consideramos que, em cada classe, todos os valores
amostrais sejam iguais ao ponto central de classe. Por exemplo, considere o intervalo de classe 70 | 80, com
uma frequncia de 4. Admitimos que todos os 4 valores sejam iguais a 75 (o ponto central de classe). Com o total
de 75 repetido 4 vezes, temos um total de 75 x 4 = 300. Podemos, ento, somar esses produtos obtidos de cada
classe para encontrar o total de todos os valores, os quais, ento, dividimos pela quantidade de dados.


importante salientar que a distribuio de frequncia resulta em uma aproximao da mdia
porque no se baseia na lista original exata dos valores amostrais.

CALCULANDO A MDIA DE DISTRIBUIO DE FREQUNCIA COM INTERVALO DE CLASSE



i Velocidade (Km/h) f x f . x
1 70 | 80 4 75 300
2 80 | 90 4 85 340
3 90 | 100 8 95 760
4 100 | 110 8 105 840
5 110 | 120 6 115 690
6 120 | 130 10 125 1250
f=40 - (f.x) = 4180
Procedimento:
1. Multiplicar as frequncias f pelos pontos centrais
de classe x e adicionar os produtos.
2. Somar as frequncias f;
3. Somar os produtos (f.x);
4. Aplicar a frmula abaixo:

x = (f.x) 4180 = 104,5 Km/h
f 40
Mdia a partir de um HISTOGRAMA COM INTERVALOS DE CLASSE:

No necessrio montar tabela. Veja na figura ao lado
que basta multiplicar a frequncia pelo ponto mdio e
adicionar os produtos. Depois, divida pela soma das
freqncias.

(4*75)+(4*85)+(8*95)+(8*105)+(6*115)+(10*125)
4+4+8+8+6+10

x = (f.x) 4180 = 104,5 Km/h
f 40


CALCULANDO A MDIA DE DISTRIBUIO DE FREQUNCIA SEM INTERVALO DE CLASSE


Nota
(x)
f
(n de alunos)
f . x
4,0 5 20
5,0 3 15
6,0 2 12
7,0 3 21
8,0 2 16
9,0 10 90
f=25 (f.x) = 174
Quando a distribuio no tem agrupamento de classes,
consideraremos as frequncias como sendo os pesos
dos elementos correspondentes:

(5*4,0)+(3*5,0)+(2*6,0)+(3*7,0)+(2*8,0)+(10*9,0)
5+3+2+3+2+10

x =(f.x) 174 = 6,96
f 25

Mdia a partir de um HISTOGRAMA SEM INTERVALO DE CLASSE

Multiplique a freqncia por x (notas) e adicione os
produtos. Depois, divida pela soma das freqncias.

(5*4,0)+(3*5,0)+(2*6,0)+(3*7,0)+(2*8,0)+(10*9,0)
5+3+2+3+2+10

x =(f.x) 174 = 6,96
f 25


Ponto central de classe

x =
4 4
8
8
6
10
0
2
4
6
8
10
12
Q
u
a
n
t
i
d
a
d
e

d
e

v
e

c
u
l
o
s
Resultados dos reg istros de um radar
70 80 90 100 110 120 130

Velocidade (Km/h)

X =
5
3
2
3
2
10
0
2
4
6
8
10
12
N

m
e
r
o

d
e

a
l
u
n
o
s
4.0 5.0 6.0 7.0 8.0 9.0
Nota
Desempenho dos alunos na prova
x

75 85 95 105 115 125

x
x
+
(4*75)+(4*85) ...
- 29 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

MEDIANA

Medida que representa o valor que est no MEIO de um conjunto de dados.

Uma desvantagem da mdia simples que ela sensvel a qualquer valor, de modo que um valor
excepcional pode afetar drasticamente a mdia. A Mediana supera grandemente essa
desvantagem, pois no afetada por valores extremos, de tal modo que voc pode utilizar a
mediana quando esto presentes valores extremos.

Como achar a mediana de um conjunto de dados
Para quantidade MPAR de valores

A Posio do termo central dada por:
2
1 n
P
+
=


Ex.: 12, 78, 69, 75, 80, 71, 82, 73, 785. n=9

2
1 9
P
+
=
= 5 5 posio

A Md o valor da 5 posio. Ordenando os dados, temos:

12, 69, 71, 73, 75 ,78, 80, 82, 785
1 2 3 4 5 6 7 8 9
Mediana


Para quantidade PAR de valores

As posies dos termos
centrais so dadas por:
2
n
P1 =
e P
2
= a que sucede P
1



Ex.: 12, 78, 69, 75, 80, 71, 82, 73, 785, 995. n=10


2
10
P1 =
= 5 posio e P
2
= 6 posio

A Md o valor entre a 5 e 6 posio. Ordenando os dados, temos:

12, 69, 71, 73, 75, 78 80, 82, 785, 995
1 2 3 4 5 6 7 8 9 10
Mediana
A Md a Mdia dos dois termos centrais.
2
78 75
Md
+
=
= 76,5

MEDIANA de uma distribuio de freqncia e Histograma SEM INTERVALOS DE CLASSE


Nota
f

Fa Observaes
4,0 4 4
Da 1 at a 4
5,0 3 7
Da 5 at a 7
6,0 2 9
Da 8 at a 9
7,0 3 12
Da 10 at a 12
8,0 2 14
Da 13 at a 14
9,0 11 25
Da 15 at a 25
f = n = 25 mpar

2
1 n
P
+
=

2
1 25 +
= 13

Os dados j esto ordenados. Ento a
Md o valor da 13 posio. Atravs da
Fa fica fcil identificar a posio central:

Ento, a nota Md = 8,0
f=25


MEDIANA de uma distribuio de freqncia e Histograma COM INTERVALOS DE CLASSE

Acumule Fa e ache a posio da Md
i Velocidades f Fa
1 70 | 80
4 4
2 80 | 90
4 8
3 90 | 100
8 16
4 100 | 110
8 24
5 110 | 120
6 30
6 120 | 130
10 40
f=40
Independente se n mpar ou par usa-se a equao
n
/
2.
Ento,
40
/
2
= 20
A Md est na 20 posio e ser algum valor da classe mediana 100 | 110. A
partir da equao abaixo podemos achar uma aproximao da Md.

f
h * Fa -
2
n
l Md
ant
inf

+ =

l
inf
= limite inferior da classe mediana
Fa
ant
= Fa da classe anterior
h = amplitude do intervalo de classe
f = freqncia da classe mediana
Resolvendo a equao, temos:


8
10 * 16 -
2
40
Md

+ =100


Md = 105 Km/h, aproximadamente










O total das freqncias 40. Ento, a Md ser
40
/
2
= 20 posio. Observe
pelo Fa que a classe mediana 100 | 110. Tambm possvel
determinar l
inf
, Fa
ant
, h e f. Ento, aplicando a equao, temos:

8
10 * 16 -
2
40
Md

+ =100
= 105 km/h, aproximadamente


0% 50% 100%
Mediana
4 4
8 8
6
10
0
2
4
6
8
10
12
Q
u
a
n
t
i
d
a
d
e

d
e

v
e

c
u
l
o
s
Resultados dos registros
de um radar
70 80 90 100 110 120 130

Velocidade (Km/h)
Fa
20
Fa
ant
= 16
(4+4+8)
h
10
f = 8
l
inf



20
Md = 8,0
4
3
2
3
2
11
0
2
4
6
8
10
12
N

m
e
r
o

d
e

a
l
u
n
o
s
4.0 5.0 6.0 7.0 8.0 9.0
Nota
Desempenho dos alunos na prova
Fa 13
- 30 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

5
3
2
3
2
10
0
2
4
6
8
10
12
N

m
e
r
o

d
e

a
l
u
n
o
s
4,0 5,0 6,0 7,0 8,0 9,0
Nota
Desempenho dos alunos na prova
NOTA SOBRE A MEDIANA. A mediana menos utilizada do que a mdia simples. A mediana pode ser aplicada quando existem
valores discrepantes em um conjunto de dados. Por exemplo, se a renda per capita de sete famlias fosse: $240; $370; $410; $520; $630; $680 e
$820, a mediana seria $520 e a mdia $524. Essas duas medidas poderiam representar este conjunto de dados. Mas se a renda de sete famlias
fosse: $240; $370; $410; $520; $630; $680 e $10.000, o valor da mediana manter-se-ia o mesmo, enquanto a mdia simples passaria a ser
$1.836, pois foi influenciada pelo valor discrepante ($10.000), que no uma medida ideal para representar este conjunto de dados. A medida
ideal seria a mediana. Note que os valores discrepantes tem, pois, muito menor influncia sobre a mediana do que sobre a mdia.

Em relao mediana na distribuio de freqncia com intervalos de classe, admite-se que as velocidades dos veculos se distribuem
continuamente. Nesse caso, a mediana a velocidade para o qual a metade da freqncia total
40
/
2
= 20 fica situada abaixo e a outra acima
dele. Ora, a soma das trs primeiras freqncias de classe 4+4+8 = 16. Ento, para obter a 20 velocidade desejada, so necessrios mais 4
dos 8 casos existentes na 4 classe. Como o quarto intervalo de classe, 100 | 110, a mediana situa-se a 4/8 de distncia, e : 100 +
4
/
8
(110
100) = 105 km/h. Com a equao fica mais fcil encontrar a mediana pois no exige este tipo de raciocnio.

MODA

Medida que representa o valor que mais se REPETE em um conjunto de dados.

Na linguagem coloquial, moda algo que est em evidncia, ou seja, algo que se v bastante! Em estatstica a moda o valor que detm
o maior nmero de observaes, ou seja, o valor ou valores mais frequentes em uma srie de dados. A moda no necessariamente
nica, ao contrrio da mdia simples ou da mediana. especialmente til quando os valores ou observaes no so numricos, uma vez
que a mdia e a mediana podem no ser bem definidas.


Exemplos:

A srie {1, 3, 5, 5, 5, 6, 6, 7} apresenta moda = 5, pois o nmero que mais se repete.
A srie {1, 3, 5, 5, 6, 6, 7, 8} apresenta duas modas (Bimodal): 5 e 6, pois so os que mais se repetem.
A srie {1, 3, 5, 5, 6, 6, 7, 7} apresenta mais do que duas modas (Polimodal): 5, 6 e 7
A srie {1, 3, 2, 5, 8, 7, 9, 10} no apresenta moda = amodal, pois nenhum nmero se repete.

MODA de uma distribuio de freqncia e Histograma SEM INTERVALOS DE CLASSE

Notas dos alunos

A Moda ser a nota 9,0, pois
a que mais se repete no
conjunto de dados
4,0 5,0 8,0 9,0
4,0 6,0 9,0 9,0
4,0 6,0 9,0 9,0
4,0 7,0 9,0 9,0
4,0 7,0 9,0
5,0 7,0 9,0
5,0 8,0 9,0


Nota
f
(n de alunos)
4,0 5
5,0 3
6,0 2
7,0 3
8,0 2
9,0 10
f=25


MODA de uma distribuio de frequncia e Histograma COM INTERVALOS DE CLASSE

a) Moda Bruta



i Velocidade (Km/h) f
1 70 | 80
4
2 80 | 90
4
3 90 | 100
8
4 100 | 110
8
5 110 | 120
6
6 120 | 130
10
f=40
A Moda Bruta ser o ponto
mdio de classe modal, que a
classe que apresenta a maior
frequncia. Ento:

Mo = 120 + 130 = 125Km/h
2















NOTAS SOBRE A MODA. Na distribuio de freqncia em classes, o mtodo utilizado para encontrar a moda por meio do ponto
mdio de classe chamado de moda bruta, e apenas uma aproximao pois no foi baseada na lista original de dados. Existem outros
mtodos para encontrar a Moda de uma distribuio de freqncia com intervalo de classe: Mtodo de Czuber, Mtodo de King e Mtodo de
Pearson, normalmente exigidos em concursos pblicos.


Moda
Nota
9,0
4 4
8 8
6
10
0
2
4
6
8
10
12
Q
u
a
n
t
i
d
a
d
e

d
e

v
e

c
u
l
o
s
Resultados dos registros
de um radar
70 80 90 100 110 120 130

Velocidade (Km/h)
120+130 = 125Km/h
2
Classe modal (tem maior frequncia)
- 31 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

b) Moda de czuber

h
2
D
1
D
1
D
Czuber
Mo *
+
+ = l
= l limite inferior da classe modal
D
1
= f* f(ant)
D
2
= f* f(post)
h = amplitude da classe modal
f* = frequncia da classe modal
f(ant) = frequncia da classe anterior classe modal
f(post) = frequncia da classe posterior classe modal

Exemplo de clculo da Moda de Czuber (pela Distribuio de Freqncia e pelo Histograma)

Registro das velocidades de
veculos em uma rodovia
i Velocidade (Km/h) f
1 70 | 80 4
2 80 | 90 4
3 90 | 100 8
4 100 | 110 8
5 110 | 120 6
6 120 | 130 10
f=40































h
D D
D
l Mo *
2 1
1
+
+ =

10
10 4
4
120 *
+
+ = Mo
85 122, = Mo

Nota: Como no existe frequncia simples da classe posterior classe modal, ento f- f(post) = 10 - 0.

- FUNDAMENTOS DA EQUAO DE CZUBER
Pode-se determinar graficamente a posio da Moda no histograma representativo de uma distribuio de frequncias. O
mtodo descrito abaixo o equivalente geomtrico da equao de Czuber.


1 - A partir dos vrtices superiores do retngulo correspondente classe modal (A e B), traamos os seguimentos concorrentes
AC e BD, ligando cada um deles ao vrtice superior adjacente do retngulo correspondente a uma classe vizinha, conforme
ilustrado na figura acima.
2 - A partir da interseo dos segmentos AC e BD, baixamos uma perpendicular ao eixo horizontal, determinando o ponto que
indica a Moda, que 122,85.




(10 - 6)






(10 - 6) (10 - 0)
4 4
8 8
6
10
0
2
4
6
8
10
12
Q
u
a
n
t
i
d
a
d
e

d
e

v
e

c
u
l
o
s
Resultados dos registros
de um radar
70 80 90 100 110 120 130

Velocidade (Km/h)
f*
f(ant)
h*
f(post)
Classe
modal
Classe modal
(tem maior frequncia)
- 32 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

RELAO ENTRE MDIA, MEDIANA E MODA.

Pelo formato da distribuio dos dados, sempre existir uma relao emprica (baseado na experincia) entre a
mdia, mediana e a moda. Atravs dessa relao podemos saber, aproximadamente, onde se encontram essas
medidas, sem necessidade de clculos.

Quando a Mdia, Mediana e Moda se coincidem, chamamos a distribuio dos dados de Simtrica ou Normal.

Mdia = mediana = moda













SIMTRICA ou NORMAL ou FORMA DE SINO
Quando a distribuio tem a forma de sino (linha tracejada), a
quantidade de dados vai aumentando, atinge um pico, e depois
diminui. Se dividssemos em duas metades, a partir do centro,
note que os dois lados seriam iguais. O calculo abaixo confirma a
afirmativa que numa distribuio normal a mdia, mediana e
moda se coincidem.

Mdia = 70(3) + 80(4) + 90(7) + 100(4) + 110(3) = 90 Km/h
3+4+7+4+3

Mediana = 90 Km/h


Moda = 90 Km/h

Quando a Mdia, Mediana e Moda no se coincidem, chamamos a distribuio dos dados de assimtrica.

Mdia < mediana < moda












Assimtrica esquerda (ou negativa)
Neste tipo de distribuio, a mdia, mediana e a moda estaro
aproximadamente conforme grfico ao lado. A mdia ser menor
que a mediana e a moda. O clculo abaixo confirma a afirmativa:

Mdia = 70(1) + 80(3) + 90(6) + 100(9) + 110(2) = 94 Km/h
1+3+6+9+2

Mediana = 100 Km/h


Moda = 100 Km/h


Mdia > mediana > moda













Assimtrica direita (ou positiva)
Neste tipo de distribuio, a mdia, mediana e a moda estaro
aproximadamente conforme grfico ao lado. A mdia ser maior
que a mediana e a moda. O clculo abaixo confirma a afirmativa:

Mdia = 70(2) + 80(9) + 90(6) + 100(3) + 110(1) = 86Km/h
2+9+6+3+1

Mediana = 80 Km/h


Moda = 80 Km/h

1
3
6
9
2
0
2
4
6
8
10
12
Q
u
a
n
t
i
d
a
d
e

d
e

v
e

c
u
l
o
s
Resultados dos registros
de um radar
70 80 90 100 110
Velocidade (Km/h)
Mediana
Moda
Mdia
2
9
6
3
1
0
2
4
6
8
10
12
Q
u
a
n
t
i
d
a
d
e

d
e

v
e

c
u
l
o
s
Resultados dos registros
de um radar
70 80 90 100 110
Velocidade (Km/h)
Mediana
Moda
Mdia

3
4
7
4
3
0
2
4
6
8
10
Q
u
a
n
t
i
d
a
d
e

d
e

v
e

c
u
l
o
s
Resultados dos registros
de um radar
70 80 90 100 110

Velocidade (Km/h)
Mdia
Mediana
Moda
Me Md Mo
94 < 100 100
Me Mo Md
86 > 80 80
90=90=90
- 33 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

3.2 MEDIDAS DE VARIAO (OU DISPERSO)

O termo variao sugere tornar vrio ou diverso; alterar, diversificar; mudar; ser inconstante; no ser conforme,
discrepar. Na maioria dos casos existir variao em um conjunto de dados, independente da caracterstica que
voc esteja medindo, pois nem todos os indivduos tero o mesmo exato valor para todas as variveis.

EXEMPLO


Durante o ano letivo a Mdia das notas de Joo, Mrio, Maria e Jos foi 7,0. Se considerarmos apenas a
Mdia, no notaremos qualquer diferena entre os quatro alunos. No entanto, observa-se que as notas so
muito diferentes em relao a Mdia. H variao de notas e, no caso de Joo e Jos, bem discrepante:



















Diante deste contexto, podemos questionar: qual o aluno mais estvel? Qual teve melhor
desempenho? Qual o aluno com pior desempenho? Notadamente o aluno de melhor desempenho o
Mrio, pois todas as suas notas foram 7,0 e, portanto, no houve nenhuma variao em relao a Mdia.
J Jos e Joo tiveram o pior desempenho pois suas notas estiveram muito distantes da Mdia.

Neste captulo vamos desenvolver maneiras especficas de realmente medirmos a variao, de modo
que possamos usar nmeros especficos em lugar de julgamento subjetivo.

Outros exemplos de variaes:

Os preos das casas variam de casa para casa, de ano para ano e de estado para estado.
Os preos de um produto variam de supermercado para supermercado.
O tempo que voc leva para chegar ao trabalho varia dia a dia.
O tamanho das peas produzidas em uma empresa tambm varia.
A renda familiar varia de famlia para famlia, de pas para pas e de ano para ano.
Os resultados das partidas de futebol, de temporada para temporada, variam.
As notas que voc tira nas provas, no diferente, tambm variam.
Seu saldo bancrio tambm varia, podendo ser de hora em hora, dia a dia, ms a ms.



3,5
6,0
7,0
9,5
9,0
0,0
2,0
4,0
6,0
8,0
10,0
N
o
t
a
s
1 Bim 2 Bim Mdia 3 Bim 4 Bim
Bimestres
Mdia das notas de Joo
7,0 7,0 7,0
7,0 7,0
0,0
2,0
4,0
6,0
8,0
10,0
N
o
t
a
s
1 Bim 2 Bim Mdia 3 Bim 4 Bim
Bimestres
Mdia das notas de Mrio
6,5 6,5
7,0 7,5 7,5
0,0
2,0
4,0
6,0
8,0
10,0
N
o
t
a
s
1 Bim 2 Bim Mdia 3 Bim 4 Bim
Bimestres
Mdia das notas de Maria
4,0
9,5
7,0
8,5
6,0
0,0
2,0
4,0
6,0
8,0
10,0
N
o
t
a
s
1 Bim 2 Bim Mdia 3 Bim 4 Bim
Bimestres
Mdia das notas de Jos
Sem variao a
partir da Mdia
Grande variao
a partir da Mdia
Pequena variao a
partir da Mdia
Grande variao a
partir da Mdia
- 34 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

VARINCIA E DESVIO PADRO (amostral)

So medidas que representam um valor mdio de variao em torno da mdia.

O desvio padro um modo que se usa para medir a variao entre os nmeros em um conjunto de dados. Assim como o termo sugere,
um desvio padro um padro (ou seja, algo tpico) de desvio (ou distncia) da mdia. O desvio padro uma estatstica importante,
mas, frequentemente, omitida quando a mdia relatada. Sem ele, voc est recebendo apenas uma parte da histria sobre os dados.
Os estatsticos gostam de contar a histria do homem que estava com um dos ps em um balde de gua gelada e o outro em um balde de
gua fervendo. O homem dizia que, na mdia, ele estava se sentindo timo! Mas imagine a variao da temperatura para cada um dos
ps. Agora, colocando os ps no cho, o preo mdio de uma casa, por exemplo, no lhe diz nada sobre a variedade de preos de casas
com a qual voc pode se deparar enquanto estiver procurando uma casa para comprar. A mdia dos salrios pode no representar o que
realmente est se passando em sua empresa se os salrios forem discrepantes.

Entendendo a Varincia e o Desvio Padro Calculando a Varincia e o Desvio Padro

Desvios em torno da Mdia das notas de Joo














No grfico percebemos que o desvio determina o quanto cada
elemento do conjunto de dados se distancia da mdia 7,0. No 1
Bim. faltam -3,5 para se chegar a Mdia e no 2 Bim. -1,0. J nos
3 e 4 Bim. temos +2,5 e +2,0 acima da mdia, respectivamente.
Transpondo essas informaes para uma tabela, temos:

Notas
(x)
Mdia
( x )
Desvios
(x - x )
3,5 7,0 -3,5
6,0 7,0 -1,0
9,5 7,0 2,5
9,0 7,0 2,0
- - =0

Perceba que a soma dos desvios igual a zero. Esta
caracterstica no exclusiva deste exemplo. Ela sempre ocorre e
prende-se ao fato de que a mdia o ponto de equilbrio em um
conjunto de dados.

Como os desvios indicam o grau de variao dos valores em
relao mdia, seria interessante poder encontrar um nico
nmero que o representasse. Algo como a mdia dos desvios.
Mas, para fazer essa mdia, precisamos somar os desvios e
acabamos de ver que essa soma sempre igual a zero.



O problema da soma dos desvios foi resolvido pelos matemticos:
basta elevar cada desvio ao quadrado antes de som-los. Um
nmero ao quadrado sempre positivo, portanto a soma no se
anula mais, e a mdia dos desvios ao quadrado pode ser calculada:

Notas
(x)
Mdia
( x )
Desvios
(x - x )
Desvios elevado ao
quadrado (x - x )
2

3,5 7,0 -3,5 (-3,5)
2
= 12,25
6,0 7,0 -1,0 (-1,0)
2
= 1
9,5 7,0 +2,5 (2,5)
2
= 6,25
9,0 7,0 +2,0 (2,0)
2
= 4
n=4 - =0

=23,5

Varincia
Agora, podemos calcular a mdia dos quadrados dos desvios,
chamada de Varincia, representada por S
2
:

S
2
=

) ( x x
2


n - 1

23,5 = 7,8
4 - 1
A diviso por n1 (grau de liberdade) aparece por fornecer um
melhor resultado do que a diviso por n. Para entender melhor
o grau de liberdade pesquise: distribuio t de Student.

Desvio padro

Mas, se elevamos os desvios ao quadrado para poder calcular sua
mdia, no seria correto que agora fizssemos a raiz quadrada
dessa mdia, para desfazer a potenciao? Sim, e o valor dessa raiz
chamado Desvio padro, representado por S:

Desvio padro
S =
8 , 7
= 2,8

Interpretao: O desvio padro indica que a maioria das notas de
Joo est concentrada dentro dos limites de 2,8 em torno da
mdia 7,0. Ou seja, se concentrando entre 4,2 e 9,8 (veja abaixo).







O entendimento completo da interpretao do desvio padro
ser estudado em distribuio Normal.

Equao da Varincia e Desvio padro
Podemos concluir, ento, o uso das equaes:

Varincia

S
2
=

) ( x x

2
n - 1
Desvio padro

S =
2
S


7,0
4,2 -2,8 +2,8 9,8
3,5
6,0
7,0
9,5
9,0
0,0
2,0
4,0
6,0
8,0
10,0
N
o
t
a
s
1 Bim 2 Bim Mdia 3 Bim 4 Bim
Bimestres
-3,5
-1,0

+ 2,5

+2,0
Desvios
da mdia
- 35 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

Calculando a Varincia e o Desvio padro das notas de Maria, Jos e Mrio passo a passo.

Notas de Maria: 6,5 6,5 7,5 7,5
1 Calcular a Mdia


n
x x

=


x = 6,5+6,5+7,5+7,5 = 7,0
4
2 Calcular a Varincia

S
2
=
1
) ( 2

n
x x


S
2
= (6,5 7,0)
2
+ (6,5 7,0)
2
+ (7,5 7,0)
2
+ (7,5 7,0)
2
= 0,33
4 1
3 Calcular o Desvio padro

S =
2
S
33 , 0


S = 0,5
Interpretao: O resultado indica que a maioria das notas de Maria est
concentrada dentro dos limites de 0,5 em torno da Mdia 7,0. Ou seja,
se concentrando entre 6,5 e 7,5.

Notas de Jos: 4,0 9,5 8,5 6,0
1 Calcular a Mdia


n
x x

=


x = 4,0+9,5+8,5+6,5 = 7,0
4
2 Calcular a Varincia

S
2
=
1
) ( 2

n
x x


S
2
= (4,0 7,0)
2
+ (9,5 7,0)
2
+ (8,5 7,0)
2
+ (6,0 7,0)
2
= 6,16
4 - 1
3 Calcular o Desvio padro

S =
2
S
16 , 6


S = 2,5
Interpretao: O resultado indica que a maioria das notas de Maria est
concentrada dentro dos limites de 2,5 em torno da Mdia 7,0. Ou seja,
se concentrando entre 4,5 e 9,5.

Notas de Mrio: 7,0 7,0 7,0 7,0
1 Calcular a Mdia


n
x x

=


x = 7,0+7,0+7,0+7,0 = 7,0
4
2 Calcular a Varincia

S
2
=
1
) ( 2

n
x x


S
2
= (7,0 7,0)
2
+ (7,0 7,0)
2
+ (7,0 7,0)
2
+ (7,0 7,0)
2
= 0
4 - 1
3 Calcular o Desvio padro

S =
2
S S = 0
O resultado indica que todas as notas de Mrio esto dentro dos limites de 0 em torno da Mdia 7,0. Ou seja, se concentrando exatamente
na mdia 7,0. Portanto, sem variao.



NOTAS SOBRE O DESVIO PADRO. O desvio
padro sempre um valor que est na mesma unidade dos dados
originais. Um desvio padro pequeno, basicamente, significa que os
valores do conjunto de dados esto, na mdia, prximos do centro
desse conjunto, enquanto um desvio padro grande significa que os
valores do conjunto de dados esto, na mdia, mais afastados do
centro. Ento, quanto mais espalhados ou dispersos forem os dados,
maior ser o desvio padro e, quanto mais concentrados ou
homogneos forem os dados, menor ser o desvio padro. Se os
valores forem iguais, ou seja, sem variao, o desvio padro ser
zero.

Um desvio padro pequeno pode ser um bom objetivo em
determinadas situaes, onde os resultados so restritos, como exemplo, na produo e no controle de qualidade de uma indstria. Uma
determinada pea de carro que deve ter centmetros de dimetro para encaixar perfeitamente no pode apresentar um desvio padro grande,
nesse caso, significaria que acabariam sendo jogadas fora, pois ou no se encaixariam adequadamente ou os carros teriam problemas.

Observe que o desvio padro das notas de Joo indica que esto concentradas dentro dos limites de 2,8 em torno da mdia 7,0. Ou seja, se
concentrando entre 4,2 e 9,8. Isto representa um desvio padro grande.

7,0
6,5 -0,5 +0,5 7,5
7,0
4,5 -2,5 +2,5 9,5
mdia
desvios
Desvio padro
- 36 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

COEFICIENTE DE VARIAO - CV

a medida relativa do desvio padro que expressa sob a forma de porcentagem (%).

Em algumas situaes, podemos estar interessados em uma estatstica que indique qual o tamanho do desvio padro em relao
mdia. A melhor forma de represent-la atravs do coeficiente de variao por ser expressa na forma de porcentagem.

Equao do Cv:

Cv = S x 100
x

Ou seja: Cv = Desvio padro x 100
Mdia
Exemplo: Com a mdia 7,0 de Joo e Desvio padro de 2,8, temos:

Cv = 2,8 x 100 40%
7,0

O resultado indica que a Mdia 7,0 de Joo teve um Desvio padro em torno de 40%.

Interpretao estatstica do Cv:

Cv 15% = pequena variao em torno da mdia
15% < Cv < 30% = moderada variao em torno da mdia
Cv 30% = grande variao em torno da mdia

Fazendo a Distribuio de Variabilidade das notas de Joo, Maria, Jos e Mrio, temos:

Alunos x
S
Cv (%) Clculo do Cv (%) Interpretao do Cv
Joo 7,0 2,8 40%
2,8
/
7,0
x 100 Grande variao
Maria 7,0 0,5 7%
0,5
/
7,0
x 100 Pequena variao
Jos 7,0 2,5 36%
2,5
/
7,0
x 100 Grande variao
Mrio 7,0 0 0%

- Nenhuma variao

VANTAGEM DO CV.
O Cv til para compararmos a variabilidade de variveis que tm desvios padro diferentes e mdias diferentes
Exemplo: Suponha que o lote A de peas tenha mdia de
40 cm de comprimento com desvio padro de 5 cm; e o
lote B tenha mdia de 55 cm com desvio padro de 6 cm.
QUAL LOTE TEM MENOR VARIAO E MAIS CONSISTENTE?

Lote A

Cv = 5 x 100 = 12,5%
40
Lote B

Cv = 8 x 100 = 14,54%
55


DESVIO PADRO DE DISTRIBUIO DE FREQUNCIA

Quando no temos a lista original dos dados, da mesma forma que a mdia, podemos encontrar o desvio padro aproximado
de uma distribuio de frequncia. Neste caso, usamos a equao do desvio padro estudado, adicionado de f, como abaixo.

Desvio padro SEM INTERVALO DE CLASSE











1 - Clculo da mdia

x = (f.x) 2.900 = 72,5 Km/h
f 40
2 - Clculo do desvio padro

S =
1 f
)2 x (x f *


1 - 40
2100
= 7,3 km/h










i Velocidade (Km/h)
f f . xi
(xi x )
2 *
f
1 60 x 4 = 240 (60 72,5)
2
* 4 = 625
2 65 6 390 (65 72,5)
2
* 6 = 337
3 70 11 770 (70 72,5)
2
* 11 = 69
4 75 8 600 (75 72,5)
2
* 8 = 50
5 80 7 560 (80 72,5)
2
* 7 = 394
6 85 4 340 (85 72,5)
2
* 4 = 625
f=40 (f.xi) = 2.900 = 2.100
- 37 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

Desvio padro COM INTERVALO DE CLASSE









Clculo da mdia

x = (f. x) 4180 = 104,5 Km/h
f 40
Clculo do desvio padro

S =
1 f
)2 x (x f *


1 - 40
10.589
= 16,47 km/h

Clculo do Desvio padro a partir de um Histograma em classes:
















Primeiramente, voc deve calcular a mdia:

(75*4) + (85*4) + ... + (125*10) = 104,5 Km/h
4 + 4 + 8 + ... + 10

S =
1 f
)2 x (x f *



Depois, calcule o Desvio padro, observando os dados circulados no grfico acima:

(75-104,5)
2
* 4 + (85-104,5)
2
* 4 + ... + (125-104,5)
2
* 10 = 10.589 26 271, = 16,47Km/h
40 1 40-1





































i Velocidade (Km/h)
f xi f . xi
(xi x )
2 *
f
1 70 | 80 4 x 75 = 300 (75 104,5)
2
* 4 = 3.481
2 80 | 90 4 85 340 (85 104,5)
2
* 4 = 1.521
3 90 | 100 8 95 760 (95 104,5)
2
* 8 = 722
4 100 | 110 8 105 840 (105 104,5)
2
* 8 = 2
5 110 | 120 6 115 690 (115 104,5)
2
* 6 = 661
6 120 | 130 10 125 1250 (125 104,5)
2
* 10 = 4.202
f=40 - (f.xi) = 4180 = 10.589
4 4
8 8
6
10
0
2
4
6
8
10
12
Q
u
a
n
t
i
d
a
d
e

d
e

v
e

c
u
l
o
s
Re s u l t a d o s d o s r e gi s t r o s d e u m r a d a r
70 80 90 100 110 120 130

Velocidade (Km/h)

75 85 95 105 115 125

x
x
+
(4*75)+(4*85) ...
- 38 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

REFERNCIAS BIBLIOGRFICAS


ANDERSON, David R.; SWEENEY, Dennis J.; WILLIANS, Thomas A. Estatstica aplicada administrao e economia. 2
ed. So Paulo: Cengage Learning, 2009. 597 p.

BRUNI, Adriano Leal. Estatstica para concursos. So Paulo: Atlas, 2008. 197p.

COSTA, Srgio Francisco. Introduo ilustrada estatstica. 4 ed. So Paulo: Harbra, 2005. 399 p.

CRESPO, Antnio Arnot. Estatstica fcil. 17 ed. So Paulo: Saraiva, 1999. 224 p.

FARIAS, Alfredo Alves et al. Introduo estatstica. 2 ed. Rio de Janeiro: LTC, 2003, 320 p.

GIOVANNI Jos Ruy; BONJORNO, Jos Roberto; GIOVANNI JR., Jos Rui. Matemtica fundamental: uma nova
abordagem volume nico. So Paulo: FTD, 2002. 712 p.

HAZZAN, Samuel. Fundamentos da matemtica elementar: Matemtica financeira, comercial e estatstica descritiva.
Volume 11. 1 ed. So Paulo: Atual editora, 2004. 230p.

Instituto Brasileiro de Geografia e Estatstica IBGE. A instituio. Disponvel em
<http://www.ibge.gov.br/home/disseminacao/eventos/missao/default.shtm>. Acesso em 06 abr 2010.

LAPPONI, Juan Carlos. Estatstica usando o Excel. 4 ed. Rio de Janeiro: Elsevier, 2005. 476 p.

LARSON, Ron; FARBER, Betsy. Estatstica aplicada. 4 ed. So Paulo: Pearson, 2010. 637 p.

LEVINE, David M. et al. Estatstica: teoria e aplicaes. 5 ed. Rio de Janeiro: LTC, 2008. 752 p.

LOPES, Paulo Afonso. Probabilidade e estatstica: conceitos, modelos e aplicaes em Excel. Ernesto Reichmann, 1999.
174 p.

MANDIN, Daniel. Estatstica descomplicada. 9 ed. Braslia: Vestcon, 2002. 227 p.

MONTGOMERY, Douglas C.; RUNGER, George C. Estatstica aplicada e probabilidade para engenheiros. 2 ed. Rio de
Janeiro: LTC, 2003. 465 p.

OLIVEIRA, Uanderson Rebula de. Ergonomia, higiene e segurana do trabalho. Resende-RJ: Apostila. Universidade
Estcio de S, 2009. 199 p.

RUMSEY, Deborah. Estatstica para leigos. Rio de Janeiro: Alta books, 2009. 350 p.

SILVA, Ermes Medeiros et al. Estatstica: para os cursos de Economia, Administrao e Cincias Contbeis - volume 1. 2
ed. So Paulo: Atlas, 1996. 189 p.

SMOLE, Ktia Stocco; DINIZ, Maria Ignez. Matemticaensino mdio. 5 ed. So Paulo: Saraiva, 2005. 558p.

SPIEGEL, Murray R. Estatstica: resumo da teoria, 875 problemas resolvidos, 619 problemas propostos. So Paulo:
McGraw-Hill do Brasil, 1977. 580 p.

TRIOLA, Mario F. Introduo estatstica. 10 ed. Rio de Janeiro: LTC, 2008. 696 p.

URBANO, Joo. Estatstica: uma nova abordagem. Rio de Janeiro: Cincia moderna, 2010. 530p.

VASCONCELLOS, Maria Jos Couto; SCORDAMAGLIO, Maria Terezinha; CNDIDO, Suzana Laino. Coleo
Matemtica. 1 e 3 srie do ensino mdio. So Paulo: Editora do Brasil, 2004. 232 p.

WERKEMA, Maria Cristina Catarino. As ferramentas da qualidade no gerenciamento dos processos. Belo Horizonte:
EDG, 1995. 128 p.





- 39 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

SITES PARA CONSULTA
www.brasilescola.com
Instituto de pesquisa econmica aplicada - http://www.ipea.gov.br
Instituto brasileiro de geografia e estatstica - http://www.ibge.gov.br
Associao Brasileira de Estatstica - http://www.ime.usp.br/~abe/
www.ibope.com.br

ANEXO I - LIVROS RECOMENDADOS



Um livro introdutrio de estatstica que inclui um estilo de escrita
amigvel, contedo que reflete as caractersticas importantes de um
curso introdutrio moderno de estatstica, o uso da tecnologia
computacional mais recente, de conjuntos de dados interessantes e
reais, e abundncia de componentes pedaggicos. O CD-ROM inclui
os conjuntos de dados do Apndice B do livro. Esses conjuntos de
dados encontram-se armazenados em formato texto, planilhas do
Minitab, planilhas do Excel e uma aplicao para a calculadora TI-83.
Inclui tambm programas para a calculadora grfica TI-83 Plus, o
Programa Estatstico STATDISK (Verso 9.1) e um suplemento do
Excel, desenvolvido para aumentar os recursos dos programas
estatsticos do Excel.



Este livro diferencia-se dos tradicionais livros,
materiais de referncia e manuais de estatsticas,
pois possui: Explicaes intuitivas e prticas sobre
conceitos estatsticos, ideias, tcnicas, frmulas e
clculos. Passo a passo conciso e claro de
procedimentos que intuitivamente explicam
como lidar com problemas estatsticos. Exemplos
interessantes do mundo real relacionados ao
cotidiano pessoal e profissional. Respostas
honestas e sinceras para perguntas como O que
isso realmente significa? e Quando e como eu
vou usar isso?
Neste livro voc encontrar:
Explicaes em portugus de fcil entendimento.
Informaes fceis de localizar e passo-a-passo.
cones e outros recursos de identificao e
memorizao. Folha de cola para destacar com
informaes prticas. Listas dos 10 melhores
relacionados ao assunto. Um toque de humor e
diverso.
Onde comprar: www.submarino.com.br



- 40 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica



ANEXO II - SOFTWARE BIOESTAT


Texto extrado da tese de doutorado em Engenharia de Ualison Rebula de Oliveira


Existem inmeros recursos tecnolgicos para a anlise estatstica de dados, que vo desde
calculadoras, a exemplo da TI 83 PLUS, a aplicativos especficos, tais como o STATDISK e o
MINITAB (TRIOLA, 2005). Assim, buscando-se recursos computacionais que facilitassem o
tratamento de dados, vrios aplicativos e softwares estatsticos foram pesquisados, dos quais se
destacam a planilha Excel, o STATDISK, o MINITAB, o BioEstat, o SPSS e algumas pginas na
Internet que oferecem programas em Javascript para clculos on-line, a exemplo da pgina na
Internet www.stat.ucla.edu.

Aps anlise de ps e contras de cada aplicativo pesquisado, selecionou-se o pacote estatstico
BioEstat, disponvel para download no site www.mamiraua.org.br, por possuir as seguintes
caractersticas positivas: i) serventia tanto para a Estatstica descritiva como para testes estatsticos
no-paramtricos; ii) ser em portugus; iii) possuir manual em PDF com diversos exemplos; iv) ser
de fcil utilizao; v) ser gratuito; vi) ser referenciado em vrios livros, sites e entidades de
pesquisa conforme Siegel & Castellan Junior (2006), o BioEstat o melhor programa disponvel
na atualidade para o clculo do qui-quadrado; vii) possuir apoio do CNPQ; e viii) estar na verso 5.0
e possuir mais de 20 anos de criao.



INTERFACE BIOESTAT























Baixar software:
www.mamiraua.org.br


- 41 -


Uanderson Rebula de Oliveira Probabilidade & Estatstica

Anexo III - ESTATSTICA NO EXCEL
O Excel dispe da funo Estatstica. Assim, tudo que vimos poder ser desenvolvido pelo
excel, bastando inserir os valores da varivel de interesse.






















Para saber mais, basta adquirir o livro Estatstica usando o excel, de Juan Carlos
Lapponi. WWW.SUBMARINO.COM.BR

4 Edio, Edio 2005, 496 pgs. Editora Elsevier Campus - Acompanha CD-ROM com Planilhas, Modelos,
Simuladores etc. para Excel.

O contedo deste livro til para: Estudantes que cursam Estatstica nas diversas reas do conhecimento e
em diferentes nveis de graduao como, em ordem alfabtica, Administrao, Biologia, Contabilidade,
Economia, Engenharia, Finanas, Marketing, Medicina, etc. Estudantes que necessitam aprimorar ou
complementar seus conhecimentos de Estatstica utilizando o Excel. Profissionais das diversas reas que
utilizam os conceitos de Estatstica e necessitam, ou gostariam, de utilizar as funes estatsticas, as
ferramentas de anlise, planilhas, modelos e simuladores de estatstica em Excel. Todos aqueles que podero
utilizar as planilhas, modelos e simuladores de estatstica em Excel da forma como esto no CD-Rom, ou
modificando-os, para atender s suas necessidades. Alunos de reas correlatas que utilizaro estatstica e
desejam antecipar seu aprendizado e agregar valor ao seu conhecimento visando o mercado de trabalho. Usurios de Excel que desejam
conhecer e aprender a utilizar os recursos de Estatstica disponveis.

TPICOS
DADOS, VARIVEIS E AMOSTRAS
DESCRIO DE AMOSTRAS COM TABELAS E GRFICOS
MEDIDAS DE TENDNCIA CENTRAL
MEDIDAS DE DISPERSO/VARIAO
PROBABILIDADE
CORRELAO
VARIVEIS ALEATRIAS E DISTRIBUIES DISCRETAS
DISTRIBUIES CONTNUAS
COMBINAO LINEAR DE VARIVEIS ALEATRIAS
DISTRIBUIO AMOSTRAL
ESTIMAO
TESTE DE HIPTESES
TESTES DE HIPTESES COM DUAS AMOSTRAS
ANLISE DA VARINCIA
REGRESSO LINEAR
AJUSTE NO LINEAR