Você está na página 1de 32

RACIOCNIO LGICO

Didatismo e Conhecimento
1
RACIOCNIO LGICO
1) AVALIAR A HABILIDADE DO
CANDIDATO EM ENTENDER A
ESTRUTURA LGICA DE RELAES
ARBITRRIAS ENTRE PESSOAS,
LUGARES, OBJETOS, EVENTOS OU
SITUAES FICTCIAS, BEM COMO
DEDUZIR NOVAS INFORMAES DAS
RELAES FORNECIDAS;
Anlise combinatria uma parte da matemtica que estuda,
ou melhor, calcula o nmero de possibilidades, e estuda os mtodos
de contagem que existem em acertar algum nmero em jogos de
azar. Esse tipo de clculo nasceu no sculo XVI, pelo matemtico
italiano Niccollo Fontana (1500-1557), chamado tambm de
Tartaglia. Depois, apareceram os franceses Pierre de Fermat (1601-
1665) e Blaise Pascal (1623-1662). A anlise desenvolve mtodos
que permitem contar, indiretamente, o nmero de elementos de um
conjunto. Por exemplo, se quiser saber quantos nmeros de quatro
algarismos so formados com os algarismos 1, 2, 3, 4, 5, 6, 7 e 9,
preciso aplicar as propriedades da anlise combinatria. Veja quais
propriedades existem:
- Princpio fundamental da contagem
- Fatorial
- Arranjos simples
- Permutao simples
- Combinao
- Permutao com elementos repetidos
Princpio fundamental da contagem: o mesmo que a Regra
do Produto, um princpio combinatrio que indica quantas vezes
e as diferentes formas que um acontecimento pode ocorrer. O
acontecimento formado por dois estgios caracterizados como
sucessivos e independentes:
O primeiro estgio pode ocorrer de m modos distintos.
O segundo estgio pode ocorrer de n modos distintos.
Desse modo, podemos dizer que o nmero de formas diferente
que pode ocorrer em um acontecimento igual ao produto m . n
Exemplo: Alice decidiu comprar um carro novo, e inicialmente
ela quer se decidir qual o modelo e a cor do seu novo veculo. Na
concessionria onde Alice foi h 3 tipos de modelos que so do
interesse dela: Siena, Fox e Astra, sendo que para cada carro h
5 opes de cores: preto, vinho, azul, vermelho e prata. Qual o
nmero total de opes que Alice poder fazer?
Resoluo: Segundo o Principio Fundamental da Contagem,
Alice tem 35 opes para fazer, ou seja,ela poder optar por 15
carros diferentes. Vamos representar as 15 opes na rvore de
possibilidades:
Generalizaes: Um acontecimento formado por k estgios
sucessivos e independentes, com n
1
, n
2
, n
3
, , n
k
possibilidades para
cada. O total de maneiras distintas de ocorrer este acontecimento
n
1
, n
2
, n
3
, , n
k
Tcnicas de contagem: Na Tcnica de contagem no importa
a ordem.
Considere A = {a; b; c; d; ; j} um conjunto formado por 10
elementos diferentes, e os agrupamentos ab, ac e ca.
ab e ac so agrupamentos sempre distintos, pois se diferenciam
pela natureza de um dos elemento.
ac e ca so agrupamentos que podem ser considerados
distintos ou no distintos pois se diferenciam somente pela ordem
dos elementos.
Quando os elementos de um determinado conjunto A forem
algarismos, A = {0, 1, 2, 3, , 9}, e com estes algarismos
pretendemos obter nmeros, neste caso, os agrupamentos de 13
e 31 so considerados distintos, pois indicam nmeros diferentes.
Quando os elementos de um determinado conjunto A
forem pontos, A = {A
1
, A
2
, A
3
, A
4
, A
5
, A
9
}, e com estes
pontos pretendemos obter retas, neste caso os agrupamentos
so iguais, pois indicam a mesma reta.
Concluso: Os agrupamentos...
1. Em alguns problemas de contagem, quando os agrupamentos
se diferirem pela natureza de pelo menos um de seus elementos, os
agrupamentos sero considerados distintos.
ac = ca, neste caso os agrupamentos so denominados
combinaes.
Pode ocorrer: O conjunto A formado por pontos e o problema
saber quantas retas esses pontos determinam.
Didatismo e Conhecimento
2
RACIOCNIO LGICO
2. Quando se diferir tanto pela natureza quanto pela ordem
de seus elementos, os problemas de contagem sero agrupados e
considerados distintos.
ac ca, neste caso os agrupamentos so denominados arranjos.
Pode ocorrer: O conjunto A formado por algarismos e o
problema contar os nmeros por eles determinados.
Fatorial: Na matemtica, o fatorial de um nmero natural n,
representado por n!, o produto de todos os inteiros positivos
menores ou iguais a n. A notao n! foi introduzida por Christian
Kramp em 1808. A funo fatorial normalmente defnida por:
Por exemplo, 5! = 1 . 2 . 3 . 4 . 5 = 120
Note que esta defnio implica em particular que 0! = 1,
porque o produto vazio, isto , o produto de nenhum nmero 1.
Deve-se prestar ateno neste valor, pois este faz com que a funo
recursiva (n + 1)! = n! . (n + 1) funcione para n = 0.
Os fatoriais so importantes em anlise combinatria. Por
exemplo, existem n! caminhos diferentes de arranjar n objetos
distintos numa sequncia. (Os arranjos so chamados permutaes)
E o nmero de opes que podem ser escolhidos dado pelo
coefciente binomial.
Arranjos simples: so agrupamentos sem repeties em que
um grupo se torna diferente do outro pela ordem ou pela natureza
dos elementos componentes. Seja A um conjunto com n elementos
e k um natural menor ou igual a n. Os arranjos simples k a k dos
n elementos de A, so os agrupamentos, de k elementos distintos
cada, que diferem entre si ou pela natureza ou pela ordem de seus
elementos.
Clculos do nmero de arranjos simples:
Na formao de todos os arranjos simples dos n elementos de
A, tomados k a k:
n possibilidades na escolha do 1 elemento.
n - 1 possibilidades na escolha do 2 elemento, pois um
deles j foi usado.
n - 2 possibilidades na escolha do 3 elemento, pois dois
deles j foi usado.
.
.
.
n - (k - 1) possibilidades na escolha do k elemento, pois
l-1 deles j foi usado.
No Princpio Fundamental da Contagem (A
n, k
), o nmero total
de arranjos simples dos n elementos de A (tomados k a k), temos:
A
n,k
= n (n - 1) . (n - 2) . ... . (n k + 1)

( o produto de k fatores)
Multiplicando e dividindo por (n k)!
Note que n (n 1) . (n 2). ... .(n k + 1) . (n k)! = n!
Podemos tambm escrever
Permutaes: Considere A como um conjunto com n
elementos. Os arranjos simples n a n dos elementos de A, so
denominados permutaes simples de n elementos. De acordo com
a defnio, as permutaes tm os mesmos elementos. So os n
elementos de A. As duas permutaes diferem entre si somente
pela ordem de seus elementos.
Clculo do nmero de permutao simples:
O nmero total de permutaes simples de n elementos
indicado por Pn, e fazendo k = n na frmula A
n,k
= n (n 1) (n 2)
. . (n k + 1), temos:
P
n
= A
n,n
= n (n 1) (n 2) . . (n n + 1) = (n 1) (n 2)
. .1 = n!
Portanto: P
n
= n!
Combinaes Simples: so agrupamentos formados com
os elementos de um conjunto que se diferenciam somente pela
natureza de seus elementos. Considere A como um conjunto com
n elementos k um natural menor ou igual a n. Os agrupamentos
de k elementos distintos cada um, que diferem entre si apenas
pela natureza de seus elementos so denominados combinaes
simples k a k, dos n elementos de A.
Exemplo: Considere A = {a, b, c, d} um conjunto com
elementos distintos. Com os elementos de A podemos formar 4
combinaes de trs elementos cada uma: abc abd acd bcd
Se trocarmos ps 3 elementos de uma delas:
Exemplo: abc, obteremos P
3
= 6 arranjos disdintos.
abc abd acd bcd
acb
bac
bca
cab
cba
Se trocarmos os 3 elementos das 4 combinaes obtemos
todos os arranjos 3 a 3:
Didatismo e Conhecimento
3
RACIOCNIO LGICO
abc abd acd bcd
acb adb adc bdc
bac bad cad cbd
bca bda cda cdb
cab dab dac dbc
cba dba dca dcb
(4 combinaes) x (6 permutaes) = 24 arranjos
Logo: C
4,3
. P
3
= A
4,3
Clculo do nmero de combinaes simples: O nmero total
de combinaes simples dos n elementos de A representados por C
n,k
, tomados k a k, analogicamente ao exemplo apresentado, temos:
a) Trocando os k elementos de uma combinao k a k, obtemos
P
k
arranjos distintos.
b) Trocando os k elementos das C
n,k
. P
k
arranjos distintos.
Portanto: C
n,k
. P
k
= A
n,k
ou
n,k
n,k
k
A
C =
P
Lembrando que:

Tambm pode ser escrito assim:
Arranjos Completos: Arranjos completos de n elementos, de k
a k so os arranjos de k elementos no necessariamente distintos.
Em vista disso, quando vamos calcular os arranjos completos,
deve-se levar em considerao os arranjos com elementos distintos
(arranjos simples) e os elementos repetidos. O total de arranjos
completos de n elementos, de k a k, indicado simbolicamente por
A*
n,k
dado por: A*
n,k
= n
k
Permutaes com elementos repetidos
Considerando:
elementos iguais a a,
elementos iguais a b,
elementos iguais a c, ,
elementos iguais a l,
Totalizando em + + + = n elementos.
Simbolicamente representado por P
n

, , , , o nmero
de permutaes distintas que possvel formarmos com os n
elementos:
Combinaes Completas: Combinaes completas de
n elementos, de k a k, so combinaes de k elementos no
necessariamente distintos. Em vista disso, quando vamos calcular
as combinaes completas devemos levar em considerao as
combinaes com elementos distintos (combinaes simples) e
as combinaes com elementos repetidos. O total de combinaes
completas de n elementos, de k a k, indicado por C*
n,k
QUESTES
01. Quantos nmeros de trs algarismos distintos podem ser
formados com os algarismos 1, 2, 3, 4, 5, 7 e 8?
02. Organiza-se um campeonato de futebol com 14 clubes,
sendo a disputa feita em dois turnos, para que cada clube enfrente
o outro no seu campo e no campo deste. O nmero total de jogos
a serem realizados :
(A)182
(B) 91
(C)169
(D)196
(E)160
03. Deseja-se criar uma senha para os usurios de um sistema,
comeando por trs letras escolhidas entre as cinco A, B, C, D e
E, seguidas de quatro algarismos escolhidos entre 0, 2, 4, 6 e 8. Se
entre as letras puder haver repetio, mas se os algarismos forem
todos distintos, o nmero total de senhas possveis :
(A) 78.125
(B) 7.200
(C) 15.000
(D) 6.420
(E) 50
04. (UFTM) Joo pediu que Cludia fzesse cartes com
todas as permutaes da palavra AVIAO. Cludia executou
a tarefa considerando as letras A e como diferentes, contudo,
Joo queria que elas fossem consideradas como mesma letra. A
diferena entre o nmero de cartes feitos por Cludia e o nmero
de cartes esperados por Joo igual a
(A) 720
(B) 1.680
(C) 2.420
(D) 3.360
(E) 4.320
05. (UNIFESP) As permutaes das letras da palavra PROVA
foram listadas em ordem alfabtica, como se fossem palavras de
cinco letras em um dicionrio. A 73 palavra nessa lista
(A) PROVA.
(B) VAPOR.
(C) RAPOV.
(D) ROVAP.
(E) RAOPV.
Didatismo e Conhecimento
4
RACIOCNIO LGICO
06. (MACKENZIE) Numa empresa existem 10 diretores,
dos quais 6 esto sob suspeita de corrupo. Para que se analisem
as suspeitas, ser formada uma comisso especial com 5 diretores,
na qual os suspeitos no sejam maioria. O nmero de possveis
comisses :
(A) 66
(B) 72
(C) 90
(D) 120
(E) 124
07. (ESPCEX) A equipe de professores de uma escola
possui um banco de questes de matemtica composto de 5
questes sobre parbolas, 4 sobre circunferncias e 4 sobre retas.
De quantas maneiras distintas a equipe pode montar uma prova
com 8 questes, sendo 3 de parbolas, 2 de circunferncias e 3 de
retas?
(A) 80
(B) 96
(C) 240
(D) 640
(E) 1.280
08. Numa clnica hospitalar, as cirurgias so sempre assistidas
por 3 dos seus 5 enfermeiros, sendo que, para uma eventualidade
qualquer, dois particulares enfermeiros, por serem os mais
experientes, nunca so escalados para trabalharem juntos. Sabendo-
se que em todos os grupos participa um dos dois enfermeiros mais
experientes, quantos grupos distintos de 3 enfermeiros podem ser
formados?
(A) 06
(B) 10
(C) 12
(D) 15
(E) 20
09. Seis pessoas sero distribudas em duas equipes para
concorrer a uma gincana. O nmero de maneiras diferentes de
formar duas equipes
(A) 10
(B) 15
(C) 20
(D) 25
(E) 30
10. Considere os nmeros de quatro algarismos do sistema
decimal de numerao. Calcule:
a) quantos so no total;
b) quantos no possuem o algarismo 2;
c) em quantos deles o algarismo 2 aparece ao menos uma vez;
d) quantos tm os algarismos distintos;
e) quantos tm pelo menos dois algarismos iguais.
Resolues
01.
02. O nmero total de jogos a serem realizados A
14,2
= 14 .
13 = 182.
03.
Algarismos
Letras
As trs letras podero ser escolhidasde 5 . 5 . 5 =125 maneiras.
Os quatro algarismos podero ser escolhidos de 5 . 4 . 3 . 2 =
120 maneiras.
O nmero total de senhas distintas, portanto, igual a 125 .
120 = 15.000.
04.
I) O nmero de cartes feitos por Cludia foi
II) O nmero de cartes esperados por Joo era
Assim, a diferena obtida foi 2.520 840 = 1.680
05. Se as permutaes das letras da palavra PROVA forem
listadas em ordem alfabtica, ento teremos:
P
4
= 24 que comeam por A
P
4
= 24 que comeam por O
P
4
= 24 que comeam por P
A 73. palavra nessa lista a primeira permutao que comea
por R. Ela RAOPV.
06. Se, do total de 10 diretores, 6 esto sob suspeita de
corrupo, 4 no esto. Assim, para formar uma comisso de 5
diretores na qual os suspeitos no sejam maioria, podem ser
escolhidos, no mximo, 2 suspeitos. Portanto, o nmero de
possveis comisses

07. C
5,3
. C
4,2
. C
4,3
= 10 . 6 . 4 = 240
08.
I) Existem 5 enfermeiros disponveis: 2 mais experientes e
outros 3.
II) Para formar grupos com 3 enfermeiros, conforme o
enunciado, devemos escolher 1 entre os 2 mais experientes e 2
entre os 3 restantes.
III) O nmero de possibilidades para se escolher 1 entre os 2
mais experientes
Didatismo e Conhecimento
5
RACIOCNIO LGICO
IV) O nmero de possibilidades para se escolher 2 entre 3
restantes
V) Assim, o nmero total de grupos que podem ser formados
2 . 3 = 6
09.
10.
a) 9 . A*
10,3
= 9 . 10
3
= 9 . 10 . 10 . 10 = 9000
b) 8 . A*
9,3
= 8 . 9
3
= 8 . 9 . 9 . 9 = 5832
c) (a) (b): 9000 5832 = 3168
d) 9 . A
9,3
= 9 . 9 . 8 . 7 = 4536
e) (a) (d): 9000 4536 = 4464
2) AVALIAR NOES BSICAS DOS
SEGUINTES ASSUNTOS: SUCESSES,
MXIMO DIVISOR COMUM E MNIMO
MLTIPLO COMUM; TEORIA DOS
CONJUNTOS; ANLISE COMBINATRIA;
ESTATSTICA E PROBABILIDADE.
MDC e MMC
MDC O mximo divisor comum de dois ou mais nmeros
o maior nmero que divisor comum de todos os nmeros dados.
Consideremos:
- o nmero 18 e os seus divisores naturais:
D
+
(18) = {1, 2, 3, 6, 9, 18}.
- o nmero 24 e os seus divisores naturais:
D
+
(24) = {1, 2, 3, 4, 6, 8, 12, 24}.
Podemos descrever, agora, os divisores comuns a 18 e 24:
D
+
(18) D
+
(24) = {1, 2, 3, 6}.
Observando os divisores comuns, podemos identifcar o maior
divisor comum dos nmeros 18 e 24, ou seja: MDC (18,24) = 6.
Outra tcnica para o clculo do MDC:
Decomposio em fatores primos
Para obtermos o mdc de dois ou mais nmeros por esse
processo, procedemos da seguinte maneira:
- Decompomos cada nmero dado em fatores primos.
- O mdc o produto dos fatores comuns obtidos, cada um
deles elevado ao seu menor expoente.
Exemplo
Achar o mdc entre 300 e 504.
300 2 504 2 300 = 2
2
. 3 . 5
2
150 2 252 2 504 = 2
3
. 3
2
. 7
75 3 126 2
25 5 63 3 mdc (300, 504) = 2
2
. 3 = 4 . 3 = 12
5 5 21 3
1 7 7
1
MMC
O mnimo mltiplo comum de dois ou mais nmeros o
menor nmero positivo que mltiplo comum de todos os nmeros
dados. Consideremos:
- O nmero 6 e os seus mltiplos positivos:
M*
+
(6) = {6, 12, 18, 24, 30, 36, 42, 48, 54, ...}
- O nmero 8 e os seus mltiplos positivos:
M*
+
(8) = {8, 16, 24, 32, 40, 48, 56, 64, ...}
Podemos descrever, agora, os mltiplos positivos comuns:
M*
+
(6) M*
+
(8) = {24, 48, 72, ...}
Observando os mltiplos comuns, podemos identifcar o
mnimo mltiplo comum dos nmeros 6 e 8, ou seja: MMC (6,8)
= 24
Outra tcnica para o clculo do MMC:
Decomposio isolada em fatores primos
Para obter o mmc de dois ou mais nmeros por esse processo,
procedemos da seguinte maneira:
- Decompomos cada nmero dado em fatores primos.
- O mmc o produto dos fatores comuns e no-comuns, cada
um deles elevado ao seu maior expoente.
Exemplo
Achar o mmc entre 18 e 120.
18 2 120 2 18 = 2 . 3
2

9 3 60 2 120 = 2
3
. 3 . 5
3 3 30 2
1 15 3 mmc (18, 120) = 2
3
. 3
2
. 5 = 8 . 9 . 5 = 360
5 5
1
Conjunto
Nmero de Elementos da Unio e da Interseco de Conjuntos
Dados dois conjuntos A e B, como vemos na fgura abaixo,
podemos estabelecer uma relao entre os respectivos nmeros de
elementos.
Note que ao subtrairmos os elementos comuns
evitamos que eles sejam contados duas vezes.
Didatismo e Conhecimento
6
RACIOCNIO LGICO
Observaes:
a) Se os conjuntos A e B forem disjuntos ou se mesmo um
deles estiver contido no outro, ainda assim a relao dada ser
verdadeira.
b) Podemos ampliar a relao do nmero de elementos para
trs ou mais conjuntos com a mesma efcincia.
Observe o diagrama e comprove.
Conjuntos
Conjuntos Primitivos
Os conceitos de conjunto, elemento e pertinncia so
primitivos, ou seja, no so defnidos.
Um cacho de bananas, um cardume de peixes ou uma poro
de livros so todos exemplos de conjuntos.
Conjuntos, como usualmente so concebidos, tm elementos.
Um elemento de um conjunto pode ser uma banana, um peixe ou
um livro. Convm frisar que um conjunto pode ele mesmo ser
elemento de algum outro conjunto.
Por exemplo, uma reta um conjunto de pontos; um feixe de
retas um conjunto onde cada elemento (reta) tambm conjunto
(de pontos).
Em geral indicaremos os conjuntos pelas letras maisculas A,
B, C, ..., X, e os elementos pelas letras minsculas a, b, c, ..., x, y,
..., embora no exista essa obrigatoriedade.
Em Geometria, por exemplo, os pontos so indicados por
letras maisculas e as retas (que so conjuntos de pontos) por
letras minsculas.
Outro conceito fundamental o de relao de pertinncia que
nos d um relacionamento entre um elemento e um conjunto.
Se x um elemento de um conjunto A, escreveremos xA
L-se: x elemento de A ou x pertence a A.
Se x no um elemento de um conjunto A, escreveremos x
A
L-se x no elemento de A ou x no pertence a A.
Como representar um conjunto
Pela designao de seus elementos: Escrevemos os elementos
entre chaves, separando os por vrgula.
Exemplos
- {3, 6, 7, 8} indica o conjunto formado pelos elementos 3,
6, 7 e 8.
{a; b; m} indica o conjunto constitudo pelos elementos a, b
e m.
{1; {2; 3}; {3}} indica o conjunto cujos elementos so 1, {2;
3} e {3}.
Pela propriedade de seus elementos: Conhecida uma
propriedade P que caracteriza os elementos de um conjunto A, este
fca bem determinado.
P termo propriedade P que caracteriza os elementos de um
conjunto A signifca que, dado um elemento x qualquer temos:
Assim sendo, o conjunto dos elementos x que possuem a
propriedade P indicado por:
{x, tal que x tem a propriedade P}
Uma vez que tal que pode ser denotado por t.q. ou | ou ainda
:, podemos indicar o mesmo conjunto por:
{x, t . q . x tem a propriedade P} ou, ainda,
{x : x tem a propriedade P}
Exemplos
- { x, t.q. x vogal } o mesmo que {a, e, i, o, u}
- {x | x um nmero natural menor que 4 } o mesmo que
{0, 1, 2, 3}
- {x : x em um nmero inteiro e x2 = x } o mesmo que {0, 1}
Pelo diagrama de Venn-Euler: O diagrama de Venn-Euler
consiste em representar o conjunto atravs de um crculo de tal
forma que seus elementos e somente eles estejam no crculo.
Exemplos
- Se A = {a, e, i, o, u} ento
- Se B = {0, 1, 2, 3 }, ento
Didatismo e Conhecimento
7
RACIOCNIO LGICO
Conjunto Vazio
Conjunto vazio aquele que no possui elementos. Representa-
se pela letra do alfabeto noruegus 0/ ou, simplesmente { }.
Simbolicamente: x, x 0/
Exemplos
- 0/ = {x : x um nmero inteiro e 3x = 1}
-
0/ = {x | x um nmero natural e 3 x = 4}
- 0/ = {x | x x}
Subconjunto
Sejam A e B dois conjuntos. Se todo elemento de A tambm
elemento de B, dizemos que A um subconjunto de B ou A a
parte de B ou, ainda, A est contido em B e indicamos por A B.
Simbolicamente: AB( x)(x xB)
Portanto, A B signifca que A no um subconjunto de B
ou A no parte de B ou, ainda, A no est contido em B.
Por outro lado, A B se, e somente se, existe, pelo menos,
um elemento de A que no elemento de B.
Simbolicamente: AB( x)(xA e xB)
Exemplos
- {2 . 4} {2, 3, 4}, pois 2 {2, 3, 4} e 4 {2, 3, 4}
- {2, 3, 4} {2, 4}, pois 3 {2, 4}
- {5, 6} {5, 6}, pois 5 {5, 6} e 6 {5, 6}
Incluso e pertinncia
A defnio de subconjunto estabelece um relacionamento
entre dois conjuntos e recebe o nome de relao de incluso ( ).
A relao de pertinncia () estabelece um relacionamento
entre um elemento e um conjunto e, portanto, diferente da
relao de incluso.
Simbolicamente
xA {x} A
xA {x} A
Igualdade
Sejam A e B dois conjuntos. Dizemos que A igual a B e
indicamos por A = B se, e somente se, A subconjunto de B e B
tambm subconjunto de A.
Simbolicamente: A = B AB e BA
Demonstrar que dois conjuntos A e B so iguais equivale,
segundo a defnio, a demonstrar que A B e B A.
Segue da defnio que dois conjuntos so iguais se, e somente
se, possuem os mesmos elementos.
Portanto A B signifca que A diferente de B. Portanto A B
se, e somente se, A no subconjunto de B ou B no subconjunto
de A. Simbolicamente: A B AB ou BA
Exemplos
- {2,4} = {4,2}, pois {2,4} {4,2} e {4,2} {2,4}. Isto
nos mostra que a ordem dos elementos de um conjunto no deve
ser levada em considerao. Em outras palavras, um conjunto
fca determinado pelos elementos que o mesmo possui e no pela
ordem em que esses elementos so descritos.
- {2,2,2,4} = {2,4}, pois {2,2,2,4} {2,4} e {2,4}
{2,2,2,4}. Isto nos mostra que a repetio de elementos
desnecessria.
- {a,a} = {a}
- {a,b = {a} a= b
- {1,2} = {x,y} (x = 1 e y = 2) ou (x = 2 e y = 1)
Conjunto das partes
Dado um conjunto A podemos construir um novo conjunto
formado por todos os subconjuntos (partes) de A. Esse novo
conjunto chama-se conjunto dos subconjuntos (ou das partes) de A
e indicado por P(A).
Simbolicamente: P(A)={X | X

A} ou XP(A) XA
Exemplos
a) = {2, 4, 6}
P(A) = { 0/ , {2}, {4}, {6}, {2,4}, {2,6}, {4,6}, A}
b) = {3,5}
P(B) = { 0/ , {3}, {5}, B}
c) = {8}
P(C) = { 0/ , C}
d) = 0/
P(D) = { 0/ }
Propriedades
Seja A um conjunto qualquer e 0/ o conjunto vazio. Valem as
seguintes propriedades
0/ ( 0/ ) 0/ 0/ 0/ 0/ 0/ { 0/ }
0/ A 0/ P(A)
AAAP(A)
Se A tem n elementos ento A possui 2
n
subconjuntos e,
portanto, P(A) possui 2
n
elementos.
Unio de conjuntos
A unio (ou reunio) dos conjuntos A e B o conjunto formado
por todos os elementos que pertencem a A ou a B. Representa-se
por AB.
Simbolicamente: AB = {X | XA ou XB}
Didatismo e Conhecimento
8
RACIOCNIO LGICO
Exemplos
- {2,3} {4,5,6}={2,3,4,5,6}
- {2,3,4} {3,4,5}={2,3,4,5}
- {2,3} {1,2,3,4}={1,2,3,4}
- {a,b}

{a,b}
Interseco de conjuntos
A interseco dos conjuntos A e B o conjunto formado por
todos os elementos que pertencem, simultaneamente, a A e a B.
Representa-se por AB. Simbolicamente: AB = {X | XA
ou XB}
Exemplos
- {2,3,4} {3,5}={3}
- {1,2,3} {2,3,4}={2,3}
- {2,3} {1,2,3,5}={2,3}
- {2,4} {3,5,7}=
Observao: Se AB= , dizemos que A e B so conjuntos
disjuntos.
Subtrao
A diferena entre os conjuntos A e B o conjunto formado
por todos os elementos que pertencem a A e no pertencem a B.
Representa-se por A B. Simbolicamente: A B = {X | X A e
XB}
O conjunto A B tambm chamado de conjunto
complementar de B em relao a A, representado por C
A
B.
Simbolicamente: C
A
B = A - B{X | XA e XB}
Exemplos
- A = {0, 1, 2, 3} e B = {0, 2}
C
A
B = A B = {1,3} e C
B
A = B A =
- A = {1, 2, 3} e B = {2, 3, 4}
C
A
B = A B = {1} e C
B
A = B A = {14}
- A = {0, 2, 4} e B = {1 ,3 ,5}
C
A
B = A B = {0,2,4} e C
B
A = B A = {1,3,5}
Observaes: Alguns autores preferem utilizar o conceito de
completar de B em relao a A somente nos casos em que B A.
- Se B A representa-se por B o conjunto complementar
de B em relao a A. Simbolicamente: BA B = A B =
C
A
B`
Exemplos
Seja S = {0, 1, 2, 3, 4, 5, 6}. Ento:
a) A = {2, 3, 4} A = {0, 1, 5, 6}
b) B = {3, 4, 5, 6 } B = {0, 1, 2}
c) C = C = S
Nmero de elementos de um conjunto
Sendo X um conjunto com um nmero fnito de elementos,
representa-se por n(X) o nmero de elementos de X. Sendo, ainda,
A e B dois conjuntos quaisquer, com nmero fnito de elementos
temos:
n(AB)=n(A)+n(B)-n(AB)
AB= n(AB)=n(A)+n(B)
n(A -B)=n(A)-n(A B)
BAn(A-B)=n(A)-n(B)
Exerccios
1. Assinale a alternativa a Falsa:
a)


{3}
b)(3) {3}
c)


{3}
d)3{3}
e)3={3}
2. Seja o conjunto A = {1, 2, 3, {3}, {4}, {2, 5}}. Classifque
as afrmaes em verdadeiras (V) ou falsas (F).
a) 2 A
b) (2) A
c) 3A
d) (3) A
e) 4A
3. Um conjunto A possui 5 elementos . Quantos subconjuntos
(partes) possuem o conjunto A?
Didatismo e Conhecimento
9
RACIOCNIO LGICO
4. Sabendo-se que um conjunto A possui 1024 subconjuntos,
quantos elementos possui o conjunto A?
5. 12 - Dados os conjuntos A = {1; 3; 4; 6}, B = {3; 4 ; 5; 7} e
C = {4; 5; 6; 8 } pede-se:
a) AB
b) AB
c) AC
d) AC
6. Considere os conjuntos: S = {1,2,3,4,5} e A={2,4}.
Determine o conjunto X de tal forma que: XA= e XA = S.
7. Seja A e X conjuntos. Sabendo-se que AX e A
X={2,3,4}, determine o conjunto X.
8. Dados trs conjuntos fnitos A, B e C, determinar o nmero
de elementos de A (BC), sabendo-se:
a) AB tem 29 elementos
b) AC tem 10 elementos
c) AB tem 7 elementos.
9. Numa escola mista existem 42 meninas, 24 crianas ruivas,
13 meninos no ruivos e 9 meninas ruivas. Pergunta-se
a) quantas crianas existem na escola?
b) quantas crianas so meninas ou so ruivas?
10. USP-SP - Depois de n dias de frias, um estudante observa
que:
- Choveu 7 vezes, de manh ou tarde;
- Quando chove de manh no chove tarde;
- Houve 5 tardes sem chuva;
- Houve 6 manhs sem chuva.
Podemos afrmar ento que n igual a:
a)7
b)8
c)9
d)10
e)11
Respostas
1) Resposta E.
Soluo: A ligao entre elemento e conjunto estabelecida
pela relao de pertinncia () e no pela relao de igualdade
(=). Assim sendo, 3{3} e 3{3}. De um modo geral, x {x},
x.
2) Soluo:
a) Verdadeira, pois 2 elemento de A.
b) Falsa, pois {2} no elemento de A.
c) Verdadeira, pois 3 elemento de A.
d) Verdadeira, pois {3} elemento de A.
e) Falsa, pois 4 no elemento de A.
3) Resposta 32.
Soluo: Lembrando que: Se A possui k elementos, ento
A possui 2
k
subconjuntos, conclumos que o conjunto A, de 5
elementos, tem 2
5
= 32 subconjuntos.
4) Resposta 10.
Soluo: Se k o nmero de elementos do conjunto A, ento
2
k
o nmero de subconjuntos de A.
Assim sendo: 2
k
=1024 2
k
=2
10
k=10.
5) Soluo: Representando os conjuntos A, B e C atravs do
diagrama de Venn-Euler, temos:
a)
A

B={1,3,4,5,6,7}
b)
A

B={3,4}
c)
A

C={1,3,4,5,6,8}
d)
A

C={4,6}
6) Resposta X={1;3;5}.
Soluo: Como XA= e XA=S, ento X= A
=S-A=C
s
A X={1;3;5}
Didatismo e Conhecimento
10
RACIOCNIO LGICO
7) Resposta X = {2;3;4}
Soluo: Como AX, ento AX = X = {2;3;4}.
8) Resposta A.
Soluo: De acordo com o enunciado, temos:
n(ABC) = 7
n(AB) = a + 7 = 26 a = 19
n(AC) = b + 7 = 10 b = 3
Assim sendo:
e portanto n[A (BC)] = a + 7 + b = 19 + 7 + 3
Logo: n[A (BC)] = 29.
9) Soluo:
Sejam:
A o conjunto dos meninos ruivos e n(A) = x
B o conjunto das meninas ruivas e n(B) = 9
C o conjunto dos meninos no-ruivos e n(C) = 13
D o conjunto das meninas no-ruivas e n(D) = y
De acordo com o enunciado temos:

= = + = + =
= = + = + =
15 24 9 ) ( ) ( ) (
33 42 9 ) ( ) ( ) (
x x B n A n D A n
y y D n B n D B n
Assim sendo
a) O nmero total de crianas da escola :
70 33 13 9 15 ) ( ) ( ) ( ) ( ) ( = + + + = + + + = D n C n B n A n D C B A n
b) O nmero de crianas que so meninas ou so ruivas :
57 33 9 15 ) ( ) ( ) ( )] ( ) [( = + + = + + = D n B n A n D B B A n
10) Resposta C.
Soluo:
Seja M, o conjunto dos dias que choveu pela manh e T o
conjunto dos dias que choveu tarde. Chamando de M e T os
conjuntos complementares de M e T respectivamente, temos:
n(T) = 5 (cinco tardes sem chuva)
n(M) = 6 (seis manhs sem chuva)
n(M T) = 0 (pois quando chove pela manh, no chove
tarde)
Da:
n(M T) = n(M) + n(T) n(M T)
7 = n(M) + n(T) 0
Podemos escrever tambm:
n(M) + n(T) = 5 + 6 = 11
Temos ento o seguinte sistema:
n(M) + n(T) = 11
n(M) + N(T) = 7
Somando membro a membro as duas igualdades, vem:
n(M) + n(M) + n(T) + n(T) = 11 + 7 = 18
Observe que n(M) + n(M) = total dos dias de frias = n
Analogamente, n(T) + n(T) = total dos dias de frias = n
Portanto, substituindo vem:
n + n = 18
2n = 18
n = 9
Logo, foram nove dias de frias, ou seja, n = 9 dias.
Conceitos Bsicos de Estatstica
A estatstica , hoje em dia, um instrumento til e, em alguns
casos, indispensvel para tomadas de deciso em diversos campos:
cientfco, econmico, social, poltico
Todavia, antes de chegarmos parte de interpretao para
tomadas de deciso, h que proceder a um indispensvel trabalho
de recolha e organizao de dados, sendo a recolha feita atravs
de recenseamentos (ou censos ou levantamentos estatsticos) ou
sondagens.
Existem indcios que h 300 mil anos a.C. j se faziam censos
na China, Babilnia e no Egito. Censos estes que se destinavam
taxao de impostos.
Estatstica pode ser pensada como a cincia de aprendizagem
a partir de dados. No nosso quotidiano, precisamos tomar decises,
muitas vezes decises rpidas.
Em linhas gerais a Estatstica fornece mtodos que auxiliam
o processo de tomada de deciso atravs da anlise dos dados que
possumos.
Em Estatstica, um resultado signifcante, portanto, tem
signifcncia estatstica, se for improvvel que tenha ocorrido por
acaso (que em estatstica e probabilidade tratado pelo conceito de
chance), caso uma determinada hiptese nula seja verdadeira, mas
no sendo improvvel caso a hiptese base seja falsa. A expresso
teste de signifcncia foi cunhada por Ronald Fisher.
Didatismo e Conhecimento
11
RACIOCNIO LGICO
Mais concretamente, no teste de hipteses com base em
frequncia estatstica, a signifcncia de um teste a probabilidade
mxima de rejeitar acidentalmente uma hiptese nula verdadeira
(uma deciso conhecida como erro de tipo I). O nvel de
signifcncia de um resultado tambm chamado de e no deve
ser confundido com o valor p (p-value).
Por exemplo, podemos escolher um nvel de signifcncia de,
digamos, 5%, e calcular um valor crtico de um parmetro (por
exemplo a mdia) de modo que a probabilidade de ela exceder esse
valor, dada a verdade da hiptese nulo, ser 5%. Se o valor estatstico
calculado (ou seja, o nvel de 5% de signifcncia anteriormente
escolhido) exceder o valor crtico, ento signifcante ao nvel
de 5%.
Se o nvel de signifcncia (ex: 5% anteriormente dado)
menor, o valor menos provavelmente um extremo em relao
ao valor crtico. Deste modo, um resultado que signifcante
ao nvel de 1% mais signifcante do que um resultado que
signifcante ao nvel de 5%. No entanto, um teste ao nvel de 1%
mais susceptvel de padecer do erro de tipo II do que um teste de
5% e por isso ter menos poder estatstico.
Ao divisar um teste de hipteses, o tcnico dever tentar
maximizar o poder de uma dada signifcncia, mas ultimamente
tem de reconhecer que o melhor resultado que se pode obter um
compromisso entre signifcncia e poder, em outras palavras, entre
os erros de tipo I e tipo II.
importante ressaltar que os valores p Fisherianos so
flosofcamente diferentes dos erros de tipo I de Neyman-Pearson.
Esta confuso infelizmente propagada por muitos livros de
estatstica.
Diviso da Estatstica:
- Estatstica Descritiva: Mdia (Aritmtica, Geomtrica,
Harmnica, Ponderada) - Mediana - Moda - Varincia - Desvio
padro - Coefciente de variao.
- Inferncia Estatstica: Testes de hipteses - Signifcncia
- Potncia - Hiptese nula/Hiptese alternativa - Erro de tipo I -
Erro de tipo II - Teste T - Teste Z - Distribuio t de Student -
Normalizao - Valor p - Anlise de varincia.
- Estatstica No-Paramtrica: Teste Binomial - Teste Qui-
quadrado (uma amostra, duas amostras independentes, k amostras
independentes) - Teste Kolmogorov-Smirnov (uma amostra, duas
amostras independentes) - Teste de McNemar - Teste dos Sinais -
Teste de Wilcoxon - Teste de Walsh - Teste Exata de Fisher - Teste
Q de Cochran - Teste de Kruskal-Wallis - Teste de Friedman.
- Anlise da Sobrevivncia: Funo de sobrevivncia -
Kaplan-Meier - Teste log-rank - Taxa de falha - Proportional
hazards models.
- Amostragem: Amostragem aleatria simples (com reposio,
sem reposio) - Amostragem estratifcada - Amostragem por
conglomerados - Amostragem sistemtica - estimador razo -
estimador regresso.
- Distribuio de Probabilidade: Normal - De Pareto - De
Poisson - De Bernoulli - Hipergeomtrica - Binomial - Binomial
negativa - Gama - Beta - t de Student - F-Snedecor.
- Correlao: Varivel de confuso - Coefciente de correlao
de Pearson - Coefciente de correlao de postos de Spearman -
Coefciente de correlao tau de Kendall).
Regresso: Regresso linear - Regresso no-linear -
Regresso logstica - Mtodo dos mnimos quadrados - Modelos
Lineares Generalizados - Modelos para Dados Longitudinais.
- Anlise Multivariada: Distribuio normal multivariada -
Componentes principais - Anlise fatorial - Anlise discriminante
- Anlise de Cluster (Anlise de agrupamento) - Anlise de
Correspondncia.
- Sries Temporais: Modelos para sries temporais - Tendncia
e sazonalidade - Modelos de suavizao exponencial - ARIMA -
Modelos sazonais.
Panorama Geral:
Variveis: So caractersticas que so medidas, controladas
ou manipuladas em uma pesquisa. Diferem em muitos aspectos,
principalmente no papel que a elas dado em uma pesquisa e na
forma como podem ser medidas.
Pesquisa Correlacional X Pesquisa Experimental:
A maioria das pesquisas empricas pertencem claramente a uma
dessas duas categorias gerais: em uma pesquisa correlacional
(Levantamento) o pesquisador no infuencia (ou tenta no
infuenciar) nenhuma varivel, mas apenas as mede e procura por
relaes (correlaes) entre elas, como presso sangnea e nvel
de colesterol. Em uma pesquisa experimental (Experimento) o
pesquisador manipula algumas variveis e ento mede os efeitos
desta manipulao em outras variveis; por exemplo, aumentar
artifcialmente a presso sangnea e registrar o nvel de colesterol.
A anlise dos dados em uma pesquisa experimental tambm calcula
correlaes entre variveis, especifcamente entre aquelas
manipuladas e as que foram afetadas pela manipulao. Entretanto,
os dados experimentais podem demonstrar conclusivamente
relaes causais (causa e efeito) entre variveis. Por exemplo,
se o pesquisador descobrir que sempre que muda a varivel A
ento a varivel B tambm muda, ento ele poder concluir que
A infuencia B. Dados de uma pesquisa correlacional podem
ser apenas interpretados em termos causais com base em outras
teorias (no estatsticas) que o pesquisador conhea, mas no
podem ser conclusivamente provar causalidade.

Variveis dependentes e variveis independentes: Variveis
independentes so aquelas que so manipuladas enquanto que
variveis dependentes so apenas medidas ou registradas. Esta
distino confunde muitas pessoas que dizem que todas variveis
dependem de alguma coisa. Entretanto, uma vez que se esteja
acostumado a esta distino ela se torna indispensvel. Os termos
varivel dependente e independente aplicam-se principalmente
pesquisa experimental, onde algumas variveis so manipuladas,
e, neste sentido, so independentes dos padres de reao
inicial, intenes e caractersticas dos sujeitos da pesquisa
(unidades experimentais).Espera-se que outras variveis sejam
dependentes da manipulao ou das condies experimentais.
Ou seja, elas dependem do que os sujeitos faro em resposta.
Contrariando um pouco a natureza da distino, esses termos
tambm so usados em estudos em que no se manipulam variveis
independentes, literalmente falando, mas apenas se designam
sujeitos a grupos experimentais baseados em propriedades pr-
existentes dos prprios sujeitos. Por exemplo, se em uma pesquisa
compara-se a contagem de clulas brancas (White Cell Count em
ingls, WCC) de homens e mulheres, sexo pode ser chamada de
varivel independente e WCC de varivel dependente.
Didatismo e Conhecimento
12
RACIOCNIO LGICO
Nveis de Mensurao: As variveis diferem em quo bem
elas podem ser medidas, isto , em quanta informao seu nvel
de mensurao pode prover. H obviamente algum erro em cada
medida, o que determina o montante de informao que se pode
obter, mas basicamente o fator que determina a quantidade de
informao que uma varivel pode prover o seu tipo de nvel de
mensurao. Sob este prisma as variveis so classifcadas como
nominais, ordinais e intervalares.
- Variveis nominais permitem apenas classifcao
qualitativa. Ou seja, elas podem ser medidas apenas em termos
de quais itens pertencem a diferentes categorias, mas no se pode
quantifcar nem mesmo ordenar tais categorias. Por exemplo, pode-
se dizer que 2 indivduos so diferentes em termos da varivel A
(sexo, por exemplo), mas no se pode dizer qual deles tem mais
da qualidade representada pela varivel. Exemplos tpicos de
variveis nominais so sexo, raa, cidade, etc.
- Variveis ordinais permitem ordenar os itens medidos
em termos de qual tem menos e qual tem mais da qualidade
representada pela varivel, mas ainda no permitem que se diga
o quanto mais. Um exemplo tpico de uma varivel ordinal o
status scio-econmico das famlias residentes em uma localidade:
sabe-se que mdia-alta mais alta do que mdia, mas no se
pode dizer, por exemplo, que 18% mais alta. A prpria distino
entre mensurao nominal, ordinal e intervalar representa um bom
exemplo de uma varivel ordinal: pode-se dizer que uma medida
nominal prov menos informao do que uma medida ordinal,
mas no se pode dizer quanto menos ou como esta diferena se
compara diferena entre mensurao ordinal e intervalar.
- Variveis intervalares permitem no apenas ordenar em
postos os itens que esto sendo medidos, mas tambm quantifcar
e comparar o tamanho das diferenas entre eles. Por exemplo,
temperatura, medida em graus Celsius constitui uma varivel
intervalar. Pode-se dizer que a temperatura de 40C maior do que
30C e que um aumento de 20C para 40C duas vezes maior do que
um aumento de 30C para 40C.

Relaes entre variveis: Duas ou mais variveis quaisquer
esto relacionadas se em uma amostra de observaes os valores
dessas variveis so distribudos de forma consistente. Em
outras palavras, as variveis esto relacionadas se seus valores
correspondem sistematicamente uns aos outros para aquela amostra
de observaes. Por exemplo, sexo e WCC seriam relacionados se
a maioria dos homens tivesse alta WCC e a maioria das mulheres
baixa WCC, ou vice-versa; altura relacionada ao peso porque
tipicamente indivduos altos so mais pesados do que indivduos
baixos; Q.I. est relacionado ao nmero de erros em um teste se
pessoas com Q.I.s mais altos cometem menos erros.

Importncia das relaes entre variveis: Geralmente
o objetivo principal de toda pesquisa ou anlise cientfca
encontrar relaes entre variveis. A flosofa da cincia ensina
que no h outro meio de representar signifcado exceto em
termos de relaes entre quantidades ou qualidades, e ambos
os casos envolvem relaes entre variveis. Assim, o avano da
cincia sempre tem que envolver a descoberta de novas relaes
entre variveis. Em pesquisas correlacionais a medida destas
relaes feita de forma bastante direta, bem como nas pesquisas
experimentais. Por exemplo, o experimento j mencionado de
comparar WCC em homens e mulheres pode ser descrito como
procura de uma correlao entre 2 variveis: sexo e WCC. A
Estatstica nada mais faz do que auxiliar na avaliao de relaes
entre variveis.
Aspectos bsicos da relao entre variveis: As duas
propriedades formais mais elementares de qualquer relao entre
variveis so a magnitude (tamanho) e a confabilidade da
relao.
- Magnitude muito mais fcil de entender e medir do que a
confabilidade. Por exemplo, se cada homem em nossa amostra
tem um WCC maior do que o de qualquer mulher da amostra,
poderia-se dizer que a magnitude da relao entre as duas variveis
(sexo e WCC) muito alta em nossa amostra. Em outras palavras,
poderia-se prever uma baseada na outra (ao menos na amostra em
questo).
- Confabilidade um conceito muito menos intuitivo, mas
extremamente importante. Relaciona-se representatividade
do resultado encontrado em uma amostra especfca de toda a
populao. Em outras palavras, diz quo provvel ser encontrar
uma relao similar se o experimento fosse feito com outras
amostras retiradas da mesma populao, lembrando que o maior
interesse est na populao. O interesse na amostra reside na
informao que ela pode prover sobre a populao. Se o estudo
atender certos critrios especfcos (que sero mencionados
posteriormente) ento a confabilidade de uma relao observada
entre variveis na amostra pode ser estimada quantitativamente e
representada usando uma medida padro (chamada tecnicamente
de nvel-p ou nvel de signifcncia estatstica).

Signifcncia Estatstica (nvel-p): A signifcncia estatstica
de um resultado uma medida estimada do grau em que este
resultado verdadeiro (no sentido de que seja realmente o que
ocorre na populao, ou seja no sentido de representatividade da
populao). Mais tecnicamente, o valor do nvel-p representa um
ndice decrescente da confabilidade de um resultado. Quanto mais
alto o nvel-p, menos se pode acreditar que a relao observada
entre as variveis na amostra um indicador confvel da relao
entre as respectivas variveis na populao. Especifcamente, o
nvel-p representa a probabilidade de erro envolvida em aceitar o
resultado observado como vlido, isto , como representativo da
populao. Por exemplo, um nvel-p de 0,05 (1/20) indica que h
5% de probabilidade de que a relao entre as variveis, encontrada
na amostra, seja um acaso feliz. Em outras palavras, assumindo
que no haja relao entre aquelas variveis na populao, e o
experimento de interesse seja repetido vrias vezes, poderia-se
esperar que em aproximadamente 20 realizaes do experimento
haveria apenas uma em que a relao entre as variveis em questo
seria igual ou mais forte do que a que foi observada naquela
amostra anterior. Em muitas reas de pesquisa, o nvel-p de 0,05
costumeiramente tratado como um limite aceitvel de erro.
Como determinar que um resultado realmente
signifcante: No h meio de evitar arbitrariedade na deciso
fnal de qual nvel de signifcncia ser tratado como realmente
signifcante. Ou seja, a seleo de um nvel de signifcncia acima
do qual os resultados sero rejeitados como invlidos arbitrria.
Na prtica, a deciso fnal depende usualmente de: se o resultado
foi previsto a priori ou apenas a posteriori no curso de muitas
anlises e comparaes efetuadas no conjunto de dados; no total
de evidncias consistentes do conjunto de dados; e nas tradies
existentes na rea particular de pesquisa. Tipicamente, em muitas
cincias resultados que atingem nvel-p 0,05 so considerados
estatisticamente signifcantes, mas este nvel ainda envolve uma
Didatismo e Conhecimento
13
RACIOCNIO LGICO
probabilidade de erro razovel (5%). Resultados com um nvel-p
0,01 so comumente considerados estatisticamente signifcantes,
e com nvel-p 0,005 ou nvel-p 0,001 so freqentemente
chamados altamente signifcantes. Estas classifcaes, porm,
so convenes arbitrrias e apenas informalmente baseadas em
experincia geral de pesquisa. Uma conseqncia bvia que um
resultado considerado signifcante a 0,05, por exemplo, pode no
s-lo a 0,01.
Signifcncia estatstica e o nmero de anlises realizadas:
Desnecessrio dizer quanto mais anlises sejam realizadas em
um conjunto de dados, mais os resultados atingiro por acaso
o nvel de signifcncia convencionado. Por exemplo, ao calcular
correlaes entre dez variveis (45 diferentes coefcientes de
correlao), seria razovel esperar encontrar por acaso que cerca de
dois (um em cada 20) coefcientes de correlao so signifcantes
ao nvel-p 0,05, mesmo que os valores das variveis sejam
totalmente aleatrios, e aquelas variveis no se correlacionem
na populao. Alguns mtodos estatsticos que envolvem muitas
comparaes, e portanto uma boa chance para tais erros, incluem
alguma correo ou ajuste para o nmero total de comparaes.
Entretanto, muitos mtodos estatsticos (especialmente anlises
exploratrias simples de dados) no oferecem nenhum remdio
direto para este problema. Cabe ento ao pesquisador avaliar
cuidadosamente a confabilidade de descobertas no esperadas.
Fora X Confabilidade de uma relao entre variveis:
Foi dito anteriormente que fora (magnitude) e confabilidade
so dois aspectos diferentes dos relacionamentos entre variveis.
Contudo, eles no so totalmente independentes. Em geral, em
uma amostra de um certo tamanho quanto maior a magnitude da
relao entre variveis, mais confvel a relao.
Assumindo que no h relao entre as variveis na populao,
o resultado mais provvel deveria ser tambm no encontrar
relao entre as mesmas variveis na amostra da pesquisa. Assim,
quanto mais forte a relao encontrada na amostra menos provvel
a no existncia da relao correspondente na populao. Ento
a magnitude e a signifcncia de uma relao aparentam estar
fortemente relacionadas, e seria possvel calcular a signifcncia a
partir da magnitude e vice-versa. Entretanto, isso vlido apenas
se o tamanho da amostra mantido constante, porque uma relao
de certa fora poderia ser tanto altamente signifcante ou no
signifcante de todo dependendo do tamanho da amostra.
Por que a signifcncia de uma relao entre variveis
depende do tamanho da amostra: Se h muito poucas observaes
ento h tambm poucas possibilidades de combinao dos
valores das variveis, e ento a probabilidade de obter por acaso
uma combinao desses valores que indique uma forte relao
relativamente alta. Considere-se o seguinte exemplo:
H interesse em duas variveis (sexo: homem, mulher; WCC:
alta, baixa) e h apenas quatro sujeitos na amostra (2 homens e 2
mulheres). A probabilidade de se encontrar, puramente por acaso,
uma relao de 100% entre as duas variveis pode ser to alta quanto
1/8. Explicando, h uma chance em oito de que os dois homens
tenham alta WCC e que as duas mulheres tenham baixa WCC, ou
vice-versa, mesmo que tal relao no exista na populao. Agora
considere-se a probabilidade de obter tal resultado por acaso se
a amostra consistisse de 100 sujeitos: a probabilidade de obter
aquele resultado por acaso seria praticamente zero.
Observando um exemplo mais geral. Imagine-se uma
populao terica em que a mdia de WCC em homens e mulheres
exatamente a mesma. Supondo um experimento em que se retiram
pares de amostras (homens e mulheres) de um certo tamanho da
populao e calcula-se a diferena entre a mdia de WCC em cada
par de amostras (supor ainda que o experimento ser repetido vrias
vezes). Na maioria dos experimento os resultados das diferenas
sero prximos de zero. Contudo, de vez em quando, um par
de amostra apresentar uma diferena entre homens e mulheres
consideravelmente diferente de zero. Com que freqncia isso
acontece? Quanto menor a amostra em cada experimento maior a
probabilidade de obter esses resultados errneos, que, neste caso,
indicariam a existncia de uma relao entre sexo e WCC obtida
de uma populao em que tal relao no existe. Observe-se mais
um exemplo (razo meninos para meninas, Nisbett et al., 1987):
H dois hospitais: no primeiro nascem 120 bebs a cada dia
e no outro apenas 12. Em mdia a razo de meninos para meninas
nascidos a cada dia em cada hospital de 50/50. Contudo, certo
dia, em um dos hospitais nasceram duas vezes mais meninas do
que meninos. Em que hospital isso provavelmente aconteceu?
A resposta bvia para um estatstico, mas no to bvia para
os leigos: muito mais provvel que tal fato tenha ocorrido no
hospital menor. A razo para isso que a probabilidade de um
desvio aleatrio da mdia da populao aumenta com a diminuio
do tamanho da amostra (e diminui com o aumento do tamanho da
amostra).
Por que pequenas relaes podem ser provadas como
signifcantes apenas por grandes amostras: Os exemplos dos
pargrafos anteriores indicam que se um relacionamento entre
as variveis em questo (na populao) pequeno, ento no
h meio de identifcar tal relao em um estudo a no ser que a
amostra seja correspondentemente grande. Mesmo que a amostra
seja de fato perfeitamente representativa da populao o efeito
no ser estatisticamente signifcante se a amostra for pequena.
Analogamente, se a relao em questo muito grande na
populao ento poder ser constatada como altamente signifcante
mesmo em um estudo baseado em uma pequena amostra. Mais um
exemplo:
Se uma moeda ligeiramente viciada, de tal forma que
quando lanada ligeiramente mais provvel que ocorram caras
do que coroas (por exemplo uma proporo 60% para 40%). Ento
dez lanamentos no seriam sufcientes para convencer algum de
que a moeda viciada, mesmo que o resultado obtido (6 caras
e 4 coroas) seja perfeitamente representativo do viesamento da
moeda. Entretanto, dez lanamentos no so sufcientes para
provar nada? No, se o efeito em questo for grande o bastante, os
dez lanamentos sero sufcientes. Por exemplo, imagine-se que a
moeda seja to viciada que no importe como venha a ser lanada
o resultado ser cara. Se tal moeda fosse lanada dez vezes, e cada
lanamento produzisse caras, muitas pessoas considerariam isso
prova sufciente de que h algo errado com a moeda. Em outras
palavras, seria considerada prova convincente de que a populao
terica de um nmero infnito de lanamentos desta moeda teria
mais caras do que coroas. Assim, se a relao grande, ento
poder ser considerada signifcante mesmo em uma pequena
amostra.
Didatismo e Conhecimento
14
RACIOCNIO LGICO
Pode uma relao inexistente ser um resultado
signifcante: Quanto menor a relao entre as variveis maior
o tamanho de amostra necessrio para prov-la signifcante. Por
exemplo, imagine-se quantos lanamentos seriam necessrios para
provar que uma moeda viciada se seu viesamento for de apenas
0,000001 %! Ento, o tamanho mnimo de amostra necessrio
cresce na mesma proporo em que a magnitude do efeito a ser
demonstrado decresce. Quando a magnitude do efeito aproxima-se
de zero, o tamanho de amostra necessrio para prov-lo aproxima-
se do infnito. Isso quer dizer que, se quase no h relao entre duas
variveis o tamanho da amostra precisa quase ser igual ao tamanho
da populao, que teoricamente considerado infnitamente
grande. A signifcncia estatstica representa a probabilidade de
que um resultado similar seja obtido se toda a populao fosse
testada. Assim, qualquer coisa que fosse encontrada aps testar
toda a populao seria, por defnio, signifcante ao mais alto
nvel possvel, e isso tambm inclui todos os resultados de relao
inexistente.
Como medir a magnitude (fora) das relaes entre
variveis: H muitas medidas da magnitude do relacionamento
entre variveis que foram desenvolvidas por estatsticos: a escolha
de uma medida especfca em dadas circunstncias depende do
nmero de variveis envolvidas, nveis de mensurao usados,
natureza das relaes, etc. Quase todas, porm, seguem um
princpio geral: elas procuram avaliar a relao comparando-a de
alguma forma com a mxima relao imaginvel entre aquelas
variveis especfcas. Tecnicamente, um modo comum de realizar
tais avaliaes observar quo diferenciados so os valores das
variveis, e ento calcular qual parte desta diferena global
disponvel seria detectada na ocasio se aquela diferena fosse
comum (fosse apenas devida relao entre as variveis) nas
duas (ou mais) variveis em questo. Falando menos tecnicamente,
compara-se o que comum naquelas variveis com o que
potencialmente poderia haver em comum se as variveis fossem
perfeitamente relacionadas. Outro exemplo:
Em uma amostra o ndice mdio de WCC igual a 100 em
homens e 102 em mulheres. Assim, poderia-se dizer que, em
mdia, o desvio de cada valor da mdia de ambos (101) contm
uma componente devida ao sexo do sujeito, e o tamanho desta
componente 1. Este valor, em certo sentido, representa uma
medida da relao entre sexo e WCC. Contudo, este valor uma
medida muito pobre, porque no diz quo relativamente grande
aquela componente em relao diferena global dos valores de
WCC. H duas possibilidades extremas: S
- Se todos os valore de WCC de homens so exatamente
iguais a 100 e os das mulheres iguais a 102 ento todos os desvios
da mdia conjunta na amostra seriam inteiramente causados pelo
sexo. Poderia-se dizer que nesta amostra sexo perfeitamente
correlacionado a WCC, ou seja, 100% das diferenas observadas
entre os sujeitos relativas a suas WCCs devem-se a seu sexo.
- Se todos os valores de WCC esto em um intervalo de 0 a
1000, a mesma diferena (de 2) entre a WCC mdia de homens
e mulheres encontrada no estudo seria uma parte to pequena
na diferena global dos valores que muito provavelmente seria
considerada desprezvel. Por exemplo, um sujeito a mais que
fosse considerado poderia mudar, ou mesmo reverter, a direo da
diferena. Portanto, toda boa medida das relaes entre variveis
tem que levar em conta a diferenciao global dos valores
individuais na amostra e avaliar a relao em termos (relativos) de
quanto desta diferenciao se deve relao em questo.
Formato geral de muitos testes estatsticos: Como o
objetivo principal de muitos testes estatsticos avaliar relaes
entre variveis, muitos desses testes seguem o princpio exposto no
item anterior. Tecnicamente, eles representam uma razo de alguma
medida da diferenciao comum nas variveis em anlise (devido
sua relao) pela diferenciao global daquelas variveis. Por
exemplo, teria-se uma razo da parte da diferenciao global dos
valores de WCC que podem se dever ao sexo pela diferenciao
global dos valores de WCC. Esta razo usualmente chamada
de razo da variao explicada pela variao total. Em estatstica
o termo variao explicada no implica necessariamente que tal
variao compreendida conceitualmente. O termo usado
apenas para denotar a variao comum s variveis em questo, ou
seja, a parte da variao de uma varivel que explicada pelos
valores especfcos da outra varivel e vice-versa.
Como calculado o nvel de signifcncia estatstico:
Assuma-se que j tenha sido calculada uma medida da relao entre
duas variveis (como explicado acima). A prxima questo quo
signifcante esta relao? Por exemplo, 40% da variao global
ser explicada pela relao entre duas variveis sufciente para
considerar a relao signifcante? Depende. Especifcamente,
a signifcncia depende principalmente do tamanho da amostra.
Como j foi explicado, em amostras muito grandes mesmo relaes
muito pequenas entre variveis sero signifcantes, enquanto que
em amostras muito pequenas mesmo relaes muito grandes no
podero ser consideradas confveis (signifcantes). Assim, para
determinar o nvel de signifcncia estatstica torna-se necessria
uma funo que represente o relacionamento entre magnitude e
signifcncia das relaes entre duas variveis, dependendo do
tamanho da amostra. Tal funo diria exatamente quo provvel
obter uma relao de dada magnitude (ou maior) de uma amostra
de dado tamanho, assumindo que no h tal relao entre aquelas
variveis na populao. Em outras palavras, aquela funo
forneceria o nvel de signifcncia (nvel-p), e isso permitiria
conhecer a probabilidade de erro envolvida em rejeitar a idia de
que a relao em questo no existe na populao. Esta hiptese
alternativa (de que no h relao na populao) usualmente
chamada de hiptese nula. Seria ideal se a funo de probabilidade
fosse linear, e por exemplo, apenas tivesse diferentes inclinaes
para diferentes tamanhos de amostra. Infelizmente, a funo
mais complexa, e no sempre exatamente a mesma. Entretanto,
em muitos casos, sua forma conhecida e isso pode ser usado para
determinar os nveis de signifcncia para os resultados obtidos
em amostras de certo tamanho. Muitas daquelas funes so
relacionadas a um tipo geral de funo que chamada de normal
(ou gaussiana).
Por que a distribuio normal importante: A distribuio
normal importante porque em muitos casos ela se aproxima bem
da funo introduzida no item anterior. A distribuio de muitas
estatsticas de teste normal ou segue alguma forma que pode ser
derivada da distribuio normal. Neste sentido, flosofcamente,
a distribuio normal representa uma das elementares verdades
acerca da natureza geral da realidade, verifcada empiricamente,
e seu status pode ser comparado a uma das leis fundamentais
das cincias naturais. A forma exata da distribuio normal (a
caracterstica curva do sino) defnida por uma funo que tem
apenas dois parmetros: mdia e desvio padro.
Didatismo e Conhecimento
15
RACIOCNIO LGICO
Uma propriedade caracterstica da distribuio normal que
68% de todas as suas observaes caem dentro de um intervalo
de 1 desvio padro da mdia, um intervalo de 2 desvios padres
inclui 95% dos valores, e 99% das observaes caem dentro de
um intervalo de 3 desvios padres da mdia. Em outras palavras,
em uma distribuio normal as observaes que tem um valor
padronizado de menos do que -2 ou mais do que +2 tem uma
freqncia relativa de 5% ou menos (valor padronizado signifca
que um valor expresso em termos de sua diferena em relao
mdia, dividida pelo desvio padro).
Ilustrao de como a distribuio normal usada em
raciocnio estatstico (induo): Retomando o exemplo j
discutido, onde pares de amostras de homens e mulheres foram
retirados de uma populao em que o valor mdio de WCC em
homens e mulheres era exatamente o mesmo. Embora o resultado
mais provvel para tais experimentos (um par de amostras por
experimento) que a diferena entre a WCC mdia em homens
e mulheres em cada par seja prxima de zero, de vez em quando
um par de amostras apresentar uma diferena substancialmente
diferente de zero. Quo freqentemente isso ocorre? Se o tamanho
da amostra grande o bastante, os resultados de tais repeties
so normalmente distribudos, e assim, conhecendo a forma da
curva normal pode-se calcular precisamente a probabilidade de
obter por acaso resultados representando vrios nveis de desvio
da hipottica mdia populacional 0 (zero). Se tal probabilidade
calculada to pequena que satisfaz ao critrio previamente aceito
de signifcncia estatstica, ento pode-se concluir que o resultado
obtido produz uma melhor aproximao do que est acontecendo
na populao do que a hiptese nula. Lembrando ainda que
a hiptese nula foi considerada apenas por razes tcnicas
como uma referncia contra a qual o resultado emprico (dos
experimentos) foi avaliado.
Todos os testes estatsticos so normalmente distribudos:
No todos, mas muitos so ou baseados na distribuio normal
diretamente ou em distribuies a ela relacionadas, e que podem ser
derivadas da normal, como as distribuies t, F ou Chi-quadrado
(Qui-quadrado). Tipicamente, estes testes requerem que as
variveis analisadas sejam normalmente distribudas na populao,
ou seja, que elas atendam suposio de normalidade. Muitas
variveis observadas realmente so normalmente distribudas, o
que outra razo por que a distribuio normal representa uma
caracterstica geral da realidade emprica. O problema pode
surgir quando se tenta usar um teste baseado na distribuio
normal para analisar dados de variveis que no so normalmente
distribudas. Em tais casos h duas opes. Primeiramente, pode-
se usar algum teste no paramtrico alternativo (ou teste livre
de distribuio); mas isso freqentemente inconveniente porque
tais testes so tipicamente menos poderosos e menos fexveis em
termos dos tipos de concluses que eles podem proporcionar.
Alternativamente, em muitos casos ainda se pode usar um teste
baseado na distribuio normal se apenas houver certeza de que
o tamanho das amostras sufcientemente grande. Esta ltima
opo baseada em um princpio extremamente importante que
largamente responsvel pela popularidade dos testes baseados
na distribuio normal. Nominalmente, quanto mais o tamanho
da amostra aumente, mais a forma da distribuio amostral (a
distribuio de uma estatstica da amostra) da mdia aproxima-
se da forma da normal, mesmo que a distribuio da varivel em
questo no seja normal. Este princpio chamado de Teorema
Central do Limite.
Como se conhece as consequncias de violar a suposio de
normalidade: Embora muitas das declaraes feitas anteriormente
possam ser provadas matematicamente, algumas no tm provas
tericas e podem demonstradas apenas empiricamente via
experimentos Monte Carlo (simulaes usando gerao aleatria
de nmeros). Nestes experimentos grandes nmeros de amostras
so geradas por um computador seguindo especifcaes pr-
designadas e os resultados de tais amostras so analisados usando
uma grande variedade de testes. Este o modo emprico de avaliar
o tipo e magnitude dos erros ou viesamentos a que se expe o
pesquisador quando certas suposies tericas dos testes usados
no so verifcadas nos dados sob anlise. Especifcamente, os
estudos de Monte Carlo foram usados extensivamente com testes
baseados na distribuio normal para determinar quo sensveis
eles eram violaes da suposio de que as variveis analisadas
tinham distribuio normal na populao. A concluso geral destes
estudos que as conseqncias de tais violaes so menos severas
do que se tinha pensado a princpio. Embora estas concluses no
devam desencorajar ningum de se preocupar com a suposio
de normalidade, elas aumentaram a popularidade geral dos testes
estatsticos dependentes da distribuio normal em todas as reas
de pesquisa.
Objeto da Estatstica: Estatstica uma cincia exata que
visa fornecer subsdios ao analista para coletar, organizar, resumir,
analisar e apresentar dados. Trata de parmetros extrados da
populao, tais como mdia ou desvio padro. A estatstica
fornece-nos as tcnicas para extrair informao de dados, os
quais so muitas vezes incompletos, na medida em que nos do
informao til sobre o problema em estudo, sendo assim,
objetivo da Estatstica extrair informao dos dados para obter uma
melhor compreenso das situaes que representam. Quando se
aborda uma problemtica envolvendo mtodos estatsticos, estes
devem ser utilizados mesmo antes de se recolher a amostra, isto
, deve-se planejar a experincia que nos vai permitir recolher os
dados, de modo que, posteriormente, se possa extrair o mximo de
informao relevante para o problema em estudo, ou seja, para a
populao de onde os dados provm. Quando de posse dos dados,
procura-se agrup-los e reduzi-los, sob forma de amostra, deixando
de lado a aleatoriedade presente. Seguidamente o objetivo do
estudo estatstico pode ser o de estimar uma quantidade ou testar
uma hiptese, utilizando-se tcnicas estatsticas convenientes,
as quais realam toda a potencialidade da Estatstica, na medida
em que vo permitir tirar concluses acerca de uma populao,
baseando-se numa pequena amostra, dando-nos ainda uma medida
do erro cometido.
Exemplo: Ao chegarmos a uma churrascaria, no precisamos
comer todos os tipos de saladas, de sobremesas e de carnes
disponveis, para conseguirmos chegar a concluso de que a
comida de boa qualidade. Basta que seja provado um tipo de
cada opo para concluirmos que estamos sendo bem servidos e
que a comida est dentro dos padres.
Mdias
Noo Geral de Mdia
Considere um conjunto numrico A = {x
1
; x
2
; x
3
; ...; x
n
} e
efetue uma certa operao com todos os elementos de A.
Se for possvel substituir cada um dos elementos do conjunto A
por um nmero x de modo que o resultado da operao citada seja
o mesmo diz-se, por defnio, que x ser a mdia dos elementos
de A relativa a essa operao.
Didatismo e Conhecimento
16
RACIOCNIO LGICO
Mdia Aritmtica
Defnio
A mdia dos elementos do conjunto numrico A relativa
adio chamada mdia aritmtica.
Clculo da mdia aritmtica
Se x for a mdia aritmtica dos elementos do conjunto
numrico A = {x
1
; x
2
; x
3
; ...; x
n
}, ento, por defnio:
n parcelas
e, portanto,
x =
x
1
; x
2
; x
3
;...; x
n
n
Concluso
A mdia aritmtica dos n elementos do conjunto numrico A
a soma de todos os seus elementos, dividida por n.
Exemplo
Calcular a mdia aritmtica entre os nmeros 3, 4, 6, 9, e 13.
Resoluo
Se x for a mdia aritmtica dos elementos do conjunto (3, 4, 6,
9, 13), ento x ser a soma dos 5 elementos, dividida por 5. Assim:
x =
3+ 4 + 6 + 9 +13
15
x =
35
5
x = 7
A mdia aritmtica 7.
Mdia Aritmtica Ponderada
Defnio
A mdia dos elementos do conjunto numrico A relativa
adio e na qual cada elemento tem um determinado peso
chamada mdia aritmtica ponderada.
Clculo da mdia aritmtica ponderada
Se x for a mdia aritmtica ponderada dos elementos do
conjunto numrico A = {x
1
; x
2
; x
3
; ...; x
n
} com pesos P
1
; P
2
; P
3
;
...; P
n
, respectivamente, ento, por defnio:
P
1
. x + P
2
. x + P
3
. x + ... + P
n
. x =
= P
1
. x
1
+ P
2
. x
2
+ P
3
. x
3
+ ... + P
n
. x
n

(P
1
+ P
2
+ P
3
+ ... + P
n
) . x =
= P
1
. x
1
+ P
2
. x
2
+ P
3
. x
3
+ ... + P
n
. x
n
e, portanto,
x =
P
1
.x
1
; P
2
.x
2
; P
3
.x
3
;...P
n
x
n
P
1
+ P
2
+ P
3
+... + P
n
Observe que se P
1
= P
2
= P
3
= ... = P
n
= 1, ento:
x =
x
1
; x
2
; x
3
;...; x
n
n
que a mdia aritmtica simples.
Concluso
A mdia aritmtica ponderada dos n elementos do conjunto
numrico A a soma dos produtos de cada elemento multiplicado
pelo respectivo peso, dividida pela soma dos pesos.
Exemplo
Calcular a mdia aritmtica ponderada dos nmeros 35, 20 e
10 com pesos 2, 3, e 5, respectivamente.
Resoluo
Se x for a mdia aritmtica ponderada, ento:
x =
2.35 + 3.20 + 5.10
2 + 3+ 5
x =
70 + 60 + 50
10
x =
180
10
x =18
A mdia aritmtica ponderada 18.
Observao: A palavra mdia, sem especifcar se aritmtica,
deve ser entendida como mdia aritmtica.
Exerccios
1. Determine a mdia aritmtica entre 2 e 8.
2. Determine a mdia aritmtica entre 3, 5 e 10.
3. Qual a mdia aritmtica simples dos nmeros 11, 7, 13
e 9?
4. A mdia aritmtica simples de 4 nmeros pares distintos,
pertences ao conjunto dos nmeros inteiros no nulos igual a
44. Qual o maior valor que um desses nmeros pode ter?
5. Calcule a mdia aritmtica simples em cada um dos seguin-
tes casos:
a) 15; 48; 36
b) 80; 71; 95; 100
c) 59; 84; 37; 62; 10
d) 1; 2; 3; 4; 5; 6; 7; 8; 9
6. Qual a mdia aritmtica ponderada dos nmeros 10, 14,
18 e 30 sabendo-se que os seus pesos so respectivamente 1, 2, 3
e 5?
7. Calcular a mdia ponderada entre 3, 6 e 8 para os respecti-
vos pesos 5 , 3 e 2.
Didatismo e Conhecimento
17
RACIOCNIO LGICO
8. Numa turma de 8 srie 10 alunos possuem 14 anos, 12
alunos possuem 15 anos e oito deles 16 anos de idade. Qual ser
a idade mdia dessa turma?
9. Determine a mdia salarial de uma empresa, cuja folha de
pagamento assim discriminada:
Profssionais Quantidade Salrio
Serventes 20 profssionais R$ 320,00
Tcnicos 10 profssionais R$ 840,00
Engenheiros 5 profssionais R$ 1.600,00
10. Calcule a mdia ponderada entre 5, 10 e 15 para os respec-
tivos pesos 10, 5 e 20.
Respostas
1) Resposta 5.
Soluo:
M.A. ( 2 e 8 ) = 2 + 8 / 2 = 10 / 2 = 5 M.A. ( 2 e 8 ) = 5.
2) Resposta 6.
Soluo:
M.A. ( 3, 5 e 10 ) = 3 + 5 + 10 / 3 = 18 / 3 = 6 M.A. ( 3, 5
e 10 ) = 6.
3) Resposta 10.
Soluo: Para resolver esse exerccio basta fazer a soma dos
nmeros e dividi-los por quatro, que a quantidade de nmeros,
portanto:
M.A =
11+ 7 +13+ 9
4
=
40
4
=10
Logo, a mdia aritmtica 10.
4) Resposta 164.
Soluo: Quando falamos de mdia aritmtica simples, ao di-
minuirmos um dos valores que a compe, precisamos aumentar
a mesma quantidade em outro valor, ou distribu-la entre vrios
outros valores, de sorte que a soma total no se altere, se quisermos
obter a mesma mdia.
Neste exerccio, trs dos elementos devem ter o menor valor
possvel, de sorte que o quarto elemento tenha o maior valor dentre
eles, tal que a mdia aritmtica seja igual a 44. Este ser o maior
valor que o quarto elemento poder assumir.
Em funo do enunciado, os trs menores valores inteiros, pa-
res, distintos e no nulos so:2, 4 e 6. Identifcando como x este
quarto valor, vamos montar a seguinte equao:
2 + 4 + 6 + x
4
= 44
Solucionando-a temos:
Logo, o maior valor que um desses nmeros pode ter 164.
5) Soluo:
a) (15 + 48 + 36)/3 =
99/3 = 33
b) (80 + 71 + 95 + 100)/4=
346/4 = 86,5
c) (59 + 84 + 37 + 62 + 10)/5=
= 252/5
= 50,4
d) (1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9)/9=
45/9 =
= 5
6) Resposta 22.
Soluo: Neste caso a soluo consiste em multiplicarmos
cada nmero pelo seu respectivo peso e somarmos todos estes pro-
dutos. Este total deve ser ento dividido pela soma total dos pesos:
10.1+14.2 +18.3+ 30.5
1+ 2 + 3+ 5
=
10 + 28 + 54 +150
11
=
242
11
= 22
Logo, a mdia aritmtica ponderada 22.
7) Resposta 4,9.
Soluo:
MP =
3.5 + 6.3+ 8.2
5 + 3+ 2
=
15 +18 +16
10
=
49
10
= 4, 9
8) Resposta
14, 93

Soluo:
MP =
14.10 +15.12 +16.8
10 +12 + 8
=
140 +180 +128
30
=
448
30
= 14, 93
9) Resposta R$651, 43
Soluo: Estamos diante de um problema de mdia aritmtica
ponderada, onde as quantidades de profssionais sero os pesos. E
com isso calcularemos a mdia ponderada entre R$ 320,00 , R$
840,00 e R$ 1 600,00 e seus respectivos pesos 20 , 10 e 5. Portanto:
MP =
320.20 + 840.10 +1600.5
20 +10 + 5
=
22.800
35
R$651, 43
10) Resposta 11,42.
Soluo:
MP =
5.10 +10.5 +15.20
10 + 5 + 20
=
50 + 50 + 300
35
=
400
35
=11, 42
Mdia Geomtrica
Este tipo de mdia calculado multiplicando-se todos os valo-
res e extraindo-se a raiz de ndice n deste produto.
Digamos que tenhamos os nmeros 4, 6 e 9, para obtermos o
valor mdio geomtrico deste conjunto, multiplicamos os elemen-
tos e obtemos o produto 216.
Didatismo e Conhecimento
18
RACIOCNIO LGICO
Pegamos ento este produto e extramos a sua raiz cbica,
chegando ao valor mdio 6.
Extramos a raiz cbica, pois o conjunto composto de 3 ele-
mentos. Se fossem n elementos, extrairamos a raiz de ndice n.
Neste exemplo teramos a seguinte soluo:
4.6.9
3
216
3
6
Utilidades da Mdia Geomtrica
Progresso Geomtrica
Uma das utilizaes deste tipo de mdia na defnio de uma
progresso geomtrica que diz que em toda PG., qualquer termo
mdia geomtrica entre o seu antecedente e o seu consequente:
a
n
= a
n1
.a
n+1
Tomemos como exemplo trs termos consecutivos de uma
PG.: 7, 21 e 63.
Temos ento que o termo 21 mdia geomtrica dos termos
7 e 63.
Vejamos:
7.63 441 21
Variaes Percentuais em Sequncia
Outra utilizao para este tipo de mdia quando estamos tra-
balhando com variaes percentuais em sequncia.
Exemplo
Digamos que uma categoria de operrios tenha um aumento
salarial de 20% aps um ms, 12% aps dois meses e 7% aps
trs meses. Qual o percentual mdio mensal de aumento desta ca-
tegoria?
Sabemos que para acumularmos um aumento
de 20%, 12% e 7% sobre o valor de um salrio, devemos
multiplic-lo sucessivamente por 1,2, 1,12 e 1,07 que so os
fatores correspondentes a tais percentuais.
A partir dai podemos calcular a mdia geomtrica destes
fatores:
1, 2.1,12.1, 07
3
1, 43808
3
1,128741
Como sabemos, um fator de 1, 128741 corresponde a 12,
8741% de aumento.
Este o valor percentual mdio mensal do aumento salarial,
ou seja, se aplicarmos trs vezes consecutivas o percentual 12,
8741%, no fnal teremos o mesmo resultado que se tivssemos
aplicado os percentuais 20%, 12% e 7%.
Digamos que o salrio desta categoria de operrios seja
de R$ 1.000,00, aplicando-se os sucessivos aumentos temos:
Salrio
Inicial
+ %
Informado
Salrio
fnal
Salrio
inicial
+ %
mdio
Salrio
fnal
R$
1.000,00
20%
R$
1.200,00
R$
1.000,00
12, 8417
R$
1.128,74
R$
1.200,00
12%
R$
1.334,00
R$
1.287,74
12, 8417
R$
1.274,06
R$
1.334,00
7%
R$
1.438,00
R$
1.274,06
12, 8417
R$
1.438,08
Observe que o resultado fnal de R$ 1.438,08 o mesmo nos
dois casos. Se tivssemos utilizado a mdia aritmtica no lugar da
mdia geomtrica, os valores fnais seriam distintos, pois a mdia
aritmtica de 13% resultaria em um salrio fnal de R$ 1.442,90,
ligeiramente maior como j era esperado, j que o percentual
de 13% utilizado ligeiramente maior que os 12, 8417% da mdia
geomtrica.
Clculo da Mdia Geomtrica
Em uma frmula: a mdia geomtrica de a
1
, a
2
, ..., a
n

a
i
i=1
n

1/n
= (a
1
.a
2
...a
n
)
1/n
= a
1
.a
2
...a
n
n
A mdia geomtrica de um conjunto de nmeros sempre
menor ou igual mdia aritmtica dos membros desse conjunto
(as duas mdias so iguais se e somente se todos os membros do
conjunto so iguais). Isso permite a defnio da mdia aritmtica
geomtrica, uma mistura das duas que sempre tem um valor inter-
medirio s duas.
A mdia geomtrica tambm a mdia aritmtica harmni-
ca no sentido que, se duas sequncias (a
n
) e (h
n
) so defnidas:
a
n+1
=
a
n
+ h
n
2
, a1=
x + y
2
E
h
n+1
=
2
1
a
n
+
1
h
n
, h
1
=
2
1
x
+
1
y

ento a
n
e h
n
convergem para a mdia geomtrica de x e y.
Clculo da Media Geomtrica Triangular
Bom primeiro observamos o mapa e somamos as reas dos
quadrados catetos e dividimos pela hipotenusa e no fnal pegamos
a soma dos ngulos subtraindo o que esta entre os catetos e dividi-
mos por PI(3,1415...) assim descobrimos a media geomtrica dos
tringulos.
Exemplo
A mdia geomtrica entre os nmeros 12, 64, 126 e 345,
dada por:
G = R
4
[12 64126345] = 76,013
Didatismo e Conhecimento
19
RACIOCNIO LGICO
Aplicao Prtica
Dentre todos os retngulos com a rea igual a 64 cm, qual
o retngulo cujo permetro o menor possvel, isto , o mais
econmico? A resposta a este tipo de questo dada pela mdia
geomtrica entre as medidas do comprimento a e da largura b, uma
vez que a.b = 64.
A mdia geomtrica G entre a e b fornece a medida desejada.
G = R[a b] = R[64] = 8
Resposta
o retngulo cujo comprimento mede 8 cm e lgico que
a altura tambm mede 8 cm, logo s pode ser um quadrado! O
permetro neste caso p = 32 cm. Em qualquer outra situao em
que as medidas dos comprimentos forem diferentes das alturas,
teremos permetros maiores do que 32 cm.
Interpretao grfca
A mdia geomtrica entre dois segmentos de reta pode ser
obtida geometricamente de uma forma bastante simples.
Sejam AB e BC segmentos de reta. Trace um segmento de reta
que contenha a juno dos segmentos AB e BC, de forma que eles
formem segmentos consecutivos sobre a mesma reta.
Dessa juno aparecer um novo segmento AC. Obtenha o
ponto mdio O deste segmento e com um compasso centrado em
O e raio OA, trace uma semi-circunferncia comeando em A e
terminando em C. O segmento vertical traado para cima a partir
de B encontrar o ponto D na semi-circunferncia. A medida do
segmento BD corresponde mdia geomtrica das medidas dos
segmentos AB e BC.
Exerccios
1. Determine a mdia proporcional ou geomtrica entre 2 e 8.
2. Determine a mdia geomtrica entre 1, 2 e 4.
3. Determine a mdia geomtrica entre dois nmeros sabendo
que a mdia aritmtica e a mdia harmnica entre eles so, respec-
tivamente, iguais a 4 e 9.
4. A mdia geomtrica entre 3 nmeros 4. Quanto devo
multiplicar um desses nmeros para que a mdia aumente 2 uni-
dades ?
5. Qual a mdia geomtrica dos nmeros 2, 4, 8, 16 e 32?
6. Dados dois nmeros quaisquer, a mdia aritmtica simples
e a mdia geomtrica deles so respectivamente 20 e 20,5. Quais
so estes dois nmeros?
7. A mdia geomtrica entre dois nmeros igual a 6. Se a eles
juntarmos o nmero 48, qual ser a mdia geomtrica entre estes
trs nmeros?
8. Calcule a mdia geomtrica entre 4 e 9.
9. Calcule a mdia geomtrica entre 3, 3, 9 e 81
10. Calcule a mdia geomtrica entre 1, 1, 1, 32 e 234.
Respostas
1) Resposta 4.
Soluo:
M.G.(2e8) = 2 8
2
= 16 = 4 M.G.(2e8) = 4
2) Resposta 2.
Soluo:
M.G.(1, 2e4) = 1 2 4
3
= 8
3
= 2 M.G.(1, 2e4) = 2
Observao: O termo mdia proporcional deve ser, apenas,
utilizado para a mdia geomtrica entre dois nmeros.
3) Resposta 6.
Soluo: Aplicando a relao: g
2
= a.h, teremos:
g
2
= 4.9 g
2
= 36 g = 6 MG. (4, 9) = 6.
4) Resposta
27
8

Soluo: Se a mdia geomtrica entre 3 nmeros 4, pode-


mos escrever:
M.G. = x.y.z
3
4 = x.y.z
3
x.y.z = 64
Se multiplicarmos um deles por m, a nova mdia ser:
4 + 2 = x.y.z.m
3
6 = x.y.z.m
3
x.y.z.m = 216
e como x . y . z = 64 64 . m = 216
m =
216
64
=
27
8
5) Resposta 8.
Soluo: Se dispusermos de uma calculadora cientfca, este
exerccio pode ser solucionado multiplicando-se todos os nmeros
e extraindo-se do produto fnal, a raiz de ndice cinco, pois se tra-
tam de cinco nmeros:
2.4.8.16.32
5
32768
5
8
Se no dispusermos de uma calculadora cientfca esta soluo
fcaria meio invivel, pois como iramos extrair tal raiz, isto sem
contar na difculdade em realizarmos as multiplicaes?
Didatismo e Conhecimento
20
RACIOCNIO LGICO
Repare que todos os nmeros so potncia de 2, podemos en-
to escrever:
2.4.8.16.32
5
2.2
2
.2
3
.2
4
.2
5 5
Como dentro do radical temos um produto de potncias de
mesma base, somando-se os expoentes temos:
2.2
2
.2
3
.2
4
.2
5 5
2
15 5
Finalmente dividindo-se o ndice e o expoente por 5 e resol-
vendo a potncia resultante:
2
15 5
2
3 1
2
3
8
Logo, a mdia geomtrica deste conjunto 8.
6) Resposta 16, 25.
Soluo: Chamemos de a e b estes dois nmeros. A mdia
aritmtica deles pode ser expressa como:
a + b
2
= 20, 5
J mdia geomtrica pode ser expressa como:
a.b = 20
Vamos isolar a na primeira equao:
a + b
2
= 20, 5 a + b = 20, 5.2 a = 41 b
Agora para que possamos solucionar a segunda equao, ne-
cessrio que fquemos com apenas uma varivel na mesma. Para
conseguirmos isto iremos substituir a por 41 - b:
a.b = 20 (41 b).b = 20 41b b
2
( )
2
= 20
2
41b b
2
= 400 b
2
+ 41b 400 = 0
Note que acabamos obtendo uma equao do segundo grau:
-b
2
+ 41b - 400 = 0
Solucionando a mesma temos:
b
2
+ 41b 400 = 0 b =
41 41
2
4.(1).(400)
2.(1)

b
1
=
41+ 81
2
b
1
=
41+ 9
2
b
1
=
32
2
b
1
=16
b
2
=
41 81
2
b
2
=
41+ 9
2
b
2
=
50
2
b
2
= 25

O nmero b pode assumir, portanto os valores 16 e 25. de


se esperar, portanto que quando b for igual a 16, que a seja igual
a 25 e quando b for igual a 25, que a seja igual a 16. Vamos con-
ferir.
Sabemos que a = 41 - b, portanto atribuindo a b um de seus
possveis valores, iremos encontrar o valor de a.
Para b = 16 temos:
a = 41 - b 41 - 16 a = 25
Para b = 25 temos:
a = 41 - b a = 41 - 25 a = 16
Logo, os dois nmeros so 16, 25.
7) Resposta 12.
Soluo: Se chamarmos de P o produto destes dois nmeros,
a partir do que foi dito no enunciado podemos montar a seguinte
equao:
P = 6
Elevando ambos os membros desta equao ao quadrado, ire-
mos obter o valor numrico do produto destes dois nmeros:
P = 6 ( P)
2
= 6
2
P = 36
Agora que sabemos que o produto de um nmero pelo outro
igual 36, resta-nos multiplic-lo por 48 e extramos a raiz cbica
deste novo produto para encontrarmos a mdia desejada:
M = 36.48
3
M = (2
2
.3
2
).(2
4
.3)
3
M = 2
6
.3
3 3
M = 2
2
.3M = 4.3M =12
Note que para facilitar a extrao da raiz cbica, realizamos
a decomposio dos nmeros 36 e 48 em fatores primos. Acesse
a pgina decomposio de um nmero natural em fatores primos
para maiores informaes sobre este assunto.
Logo, ao juntarmos o nmero 48 aos dois nmeros iniciais, a
mdia geomtrica passar a ser 12.
8) Resposta 6.
Soluo: G = 4.9
2
= 6
9) Resposta 9.
Soluo: G = 3.3.9.81
4
= 9
10) Resposta 6.
Soluo:
G = 1.1.1.32.243 = 6
5
Mediana, Moda e Quartis
Mediana: o valor que tem tantos dados antes dele, como
depois dele. Para se medir a mediana, os valores devem estar por
ordem crescente ou decrescente. No caso do nmero de dados
ser mpar, existe um e s um valor central que a mediana. Se
o nmero de dados par, toma-se a mdia aritmtica dos dois
valores centrais para a mediana.
Didatismo e Conhecimento
21
RACIOCNIO LGICO
uma medida de localizao do centro da distribuio dos
dados, defnida do seguinte modo: Ordenados os elementos da
amostra, a mediana o valor (pertencente ou no amostra) que a
divide ao meio, isto , 50% dos elementos da amostra so menores
ou iguais mediana e os outros 50% so maiores ou iguais
mediana.
Para a sua determinao utiliza-se a seguinte regra, depois de
ordenada a amostra de n elementos: Se n mpar, a mediana o
elemento mdio. Se n par, a mediana a semi-soma dos dois
elementos mdios.
A mediana, m, uma medida de localizao do centro da
distribuio dos dados, defnida do seguinte modo:
Ordenados os elementos da amostra, a mediana o valor
(pertencente ou no amostra) que a divide ao meio, isto , 50%
dos elementos da amostra so menores ou iguais mediana e os
outros 50% so maiores ou iguais mediana.
Para a sua determinao utiliza-se a seguinte regra, depois de
ordenada a amostra de n elementos:
- Se n mpar, a mediana o elemento mdio.
- Se n par, a mediana a semi-soma dos dois elementos
mdios.
Se se representarem os elementos da amostra ordenada com
a seguinte notao: X
1:n
, X
2:n
, ..., X
n:n;
ento uma expresso para o
clculo da mediana ser:
Como medida de localizao, a mediana mais robusta do
que a mdia, pois no to sensvel aos dados. Consideremos o
seguinte exemplo: um aluno do 10 ano obteve as seguintes notas:
10, 10, 10, 11, 11, 11, 11, 12. A mdia e a mediana da amostra
anterior so respectivamente.
=10.75 e =11
Admitamos que uma das notas de 10 foi substituda por uma
de 18. Neste caso a mediana continuaria a ser igual a 11, enquanto
que a mdia subiria para 11.75.
Mdia e Mediana: Se se representarmos os elementos da
amostra ordenada com a seguinte notao: X1:n, X2:n, ..., Xn: n
ento uma expresso para o clculo da mediana ser:
Como medida de localizao, a mediana mais robusta do
que a mdia, pois no to sensvel aos dados.
- Quando a distribuio simtrica, a mdia e a mediana
coincidem.
- A mediana no to sensvel, como a mdia, s observaes
que so muito maiores ou muito menores do que as restantes
(outliers). Por outro lado a mdia refete o valor de todas as
observaes.
A mdia ao contrrio da mediana, uma medida muito
infuenciada por valores muito grandes ou muito pequenos,
mesmo que estes valores surjam em pequeno nmero na amostra.
Estes valores so os responsveis pela m utilizao da mdia em
muitas situaes em que teria mais signifcado utilizar a mediana.
A partir do exposto, deduzimos que se a distribuio dos
dados:
- for aproximadamente simtrica, a mdia aproxima-se da
mediana.
- for enviesada para a direita (alguns valores grandes como
outliers), a mdia tende a ser maior que a mediana.
- for enviesada para a esquerda (alguns valores pequenos
como outliers), a mdia tende a ser inferior mediana.
Dado um histograma fcil obter a posio da mediana, pois
esta est na posio em que passando uma linha vertical por esse
ponto o histograma fca dividido em duas partes com reas iguais.
Como medida de localizao, a mediana mais resistente do
que a mdia, pois no to sensvel aos dados.
- Quando a distribuio simtrica, a mdia e a mediana
coincidem.
- A mediana no to sensvel, como a mdia, s observaes
que so muito maiores ou muito menores do que as restantes
(outliers). Por outro lado a mdia refete o valor de todas as
observaes.
Assim, no se pode dizer em termos absolutos qual destas
medidas de localizao prefervel, dependendo do contexto em
que esto a ser utilizadas.
Exemplo: Os salrios dos 160 empregados de uma
determinada empresa, distribuem-se de acordo com a seguinte
tabela de frequncias:
Didatismo e Conhecimento
22
RACIOCNIO LGICO
Salrio (em euros) 75 100 145 200 400 1700
Frequncia absoluta 23 58 50 20 7 2
Frequncia acumulada 23 81 131 151 158 160
Calcular a mdia e a mediana e comentar os resultados
obtidos.
Resoluo: = = (75.23+100.58+...+400.7+1700.2)/160 =
156,10
Resoluo: euros. m = semi-soma dos elementos de ordem 80
e 81 = 100 euros.
Comentrio: O fato de termos obtido uma mdia de 156,10 e
uma mediana de 100, refexo do fato de existirem alguns, embora
poucos, salrios muito altos, relativamente aos restantes. Repare-se
que, numa perspectiva social, a mediana uma caracterstica mais
importante do que a mdia. Na realidade 50% dos trabalhadores
tm salrio menor ou igual a 100 , embora a mdia de 156,10
no transmita essa ideia.
Vejamos de uma outra forma: Sabes, quando a distribuio
dos dados simtrica ou aproximadamente simtrica, as medidas
de localizao do centro da amostra (mdia e mediana) coincidem
ou so muito semelhantes. O mesmo no se passa quando a
distribuio dos dados assimtrica, fato que se prende com a
pouca resistncia da mdia.
Representando as distribuies dos dados (esta observao
vlida para as representaes grfcas na forma de diagramas de
barras ou de histograma) na forma de uma mancha, temos, de um
modo geral:
Moda: o valor que ocorre mais vezes numa distribuio, ou
seja, o de maior efetivo e, portanto, de maior frequncia. Defne-
se moda como sendo: o valor que surge com mais frequncia se os
dados so discretos, ou, o intervalo de classe com maior frequncia
se os dados so contnuos. Assim, da representao grfca dos
dados, obtm-se imediatamente o valor que representa a moda ou
a classe modal. Esta medida especialmente til para reduzir a
informao de um conjunto de dados qualitativos, apresentados
sob a forma de nomes ou categorias, para os quais no se pode
calcular a mdia e por vezes a mediana.
Para um conjunto de dados, defne-se moda como sendo: o
valor que surge com mais frequncia se os dados so discretos,
ou, o intervalo de classe com maior frequncia se os dados so
contnuos. Assim, da representao grfca dos dados, obtm-se
imediatamente o valor que representa a moda ou a classe modal.
Esta medida especialmente til para reduzir a informao de
um conjunto de dados qualitativos, apresentados sob a forma de
nomes ou categorias, para os quais no se pode calcular a mdia
e por vezes a mediana (se no forem susceptveis de ordenao).
Quartis: Generalizando a noo de mediana m, que como
vimos anteriormente a medida de localizao, tal que 50% dos
elementos da amostra so menores ou iguais a m, e os outros 50%
so maiores ou iguais a m, temos a noo de quartil de ordem p,
com 0<p<1, como sendo o valor Q
p
tal que 100p% dos elementos
da amostra so menores ou iguais a Q
p
e os restantes 100 (1-p)%
dos elementos da amostra so maiores ou iguais a Q
p
.
Tal como a mediana, uma medida que se calcula a partir da
amostra ordenada.
Um processo de obter os quartis utilizando a Funo
Distribuio Emprica.
Generalizando ainda a expresso para o clculo da mediana,
temos uma expresso anloga para o clculo dos quartis:
Q
p
=
onde representamos por [a], o maior inteiro contido em a.
Aos quartis de ordem 1/4 e 3/4 , damos respectivamente o
nome de 1 quartil e 3 quartil. Exemplo: Tendo-se decidido
registrar os pesos dos alunos de uma determinada turma prtica do
10 ano, obtiveram-se os seguintes valores (em kg):
52 56 62 54 52 51 60 61
56 55 56 54 57 67 61 49
a) Determine os quantis de ordem 1/7, 1/2 e os 1 e 3 quartis.
b) Um aluno com o peso de 61 kg, pode ser considerado
normal, isto nem demasiado magro, nem demasiado gordo?
Resoluo: Ordenando a amostra anterior, cuja dimenso 16,
temos:
49 51 52 52 54 54 55 56
56 56 57 60 61 61 62 67
a) 16 . 1/7 = 16/7, onde [16/7] = 2 e Q
1/7
= x
3 : 16
= 52
16 . 1/4 = 4, onde Q
1/2
= [x
8 : 16
+ x
9 : 16
]/2 = 56
16 . 1/2 = 8, onde Q
1/4
= [x
4 : 16
+ x
5 : 16
]/2 = 53
16 . 3/4 = 12, onde Q
3/4
= [x
12 : 16
+ x
13 : 16
]/2 = 60.5
Didatismo e Conhecimento
23
RACIOCNIO LGICO
b) Um aluno com 61 kg pode ser considerado um pouco
forte, pois naquela turma s 25% dos alunos que tm peso
maior ou igual a 60.5 kg.
Escalas Tabelas Grfcos
Tipos de grfcos: Os dados podem ento ser representados
de vrias formas:
Diagramas de Barras
Diagramas Circulares
Histogramas
Pictogramas
1 (10)
2 (8)
3 (4)
4 (5)
5 (4)
= 1 unidade
Tabela de Frequncias: Como o nome indica, conter os
valores da varivel e suas respectivas contagens, as quais so
denominadas frequncias absolutas ou simplesmente, frequncias.
No caso de variveis qualitativas ou quantitativas discretas, a
tabela de freqncia consiste em listar os valores possveis da
varivel, numricos ou no, e fazer a contagem na tabela de dados
brutos do nmero de suas ocorrncias. A frequncia do valor i ser
representada por ni, a frequncia total por n e a freqncia relativa
por f = ni/n.
Para variveis cujos valores possuem ordenao natural
(qualitativas ordinais e quantitativas em geral), faz sentido
incluirmos tambm uma coluna contendo as frequncias
acumuladas f ac, obtidas pela soma das frequncias de todos os
valores da varivel, menores ou iguais ao valor considerado.
No caso das variveis quantitativas contnuas, que podem
assumir infnitos valores diferentes, invivel construir a tabela de
frequncia nos mesmos moldes do caso anterior, pois obteramos
praticamente os valores originais da tabela de dados brutos. Para
resolver este problema, determinamos classes ou faixas de valores
e contamos o nmero de ocorrncias em cada faixa. Por ex., no
caso da varivel peso de adultos, poderamos adotar as seguintes
faixas: 30 | 40 kg, 40 | 50 kg, 50 | 60, 60 | 70, e assim
por diante. Apesar de no adotarmos nenhuma regra formal para
estabelecer as faixas, procuraremos utilizar, em geral, de 5 a 8
faixas com mesma amplitude.
Eventualmente, faixas de tamanho desigual podem ser
convenientes para representar valores nas extremidades da tabela.
Exemplo:
Grfco de Barras: Para construir um grfco de barras,
representamos os valores da varivel no eixo das abscissas e
suas as frequncias ou porcentagens no eixo das ordenadas.
Para cada valor da varivel desenhamos uma barra com altura
correspondendo sua freqncia ou porcentagem. Este tipo de
grfco interessante para as variveis qualitativas ordinais ou
quantitativas discretas, pois permite investigar a presena de
tendncia nos dados. Exemplo:
Didatismo e Conhecimento
24
RACIOCNIO LGICO
Diagrama Circular: Para construir um diagrama circular
ou grfco de pizza, repartimos um disco em setores circulares
correspondentes s porcentagens de cada valor (calculadas
multiplicando-se a frequncia relativa por 100). Este tipo de grfco
adapta-se muito bem para as variveis qualitativas nominais.
Exemplo:
Histograma: O histograma consiste em retngulos contguos
com base nas faixas de valores da varivel e com rea igual
frequncia relativa da respectiva faixa. Desta forma, a altura de cada
retngulo denominada densidade de frequncia ou simplesmente
densidade defnida pelo quociente da rea pela amplitude da faixa.
Alguns autores utilizam a frequncia absoluta ou a porcentagem
na construo do histograma, o que pode ocasionar distores
(e, consequentemente, ms interpretaes) quando amplitudes
diferentes so utilizadas nas faixas. Exemplo:
Grfco de Linha ou Sequncia: Adequados para apresentar
observaes medidas ao longo do tempo, enfatizando sua tendncia
ou periodicidade. Exemplo:
Polgono de Frequncia:
Semelhante ao histograma, mas construdo a partir dos pontos
mdios das classes. Exemplo:
Grfco de Ogiva:
Apresenta uma distribuio de frequncias acumuladas,
utiliza uma poligonal ascendente utilizando os pontos extremos.
Probabilidade
Ponto Amostral, Espao Amostral e Evento
Em uma tentativa com um nmero limitado de resultados,
todos com chances iguais, devemos considerar:
Ponto Amostral: Corresponde a qualquer um dos resultados
possveis.
Espao Amostral: Corresponde ao conjunto dos resultados
possveis; ser representado por S e o nmero de elementos do
espao amostra por n(S).
Didatismo e Conhecimento
25
RACIOCNIO LGICO
Evento: Corresponde a qualquer subconjunto do espao
amostral; ser representado por A e o nmero de elementos do
evento por n(A).
Os conjuntos S e tambm so subconjuntos de S, portanto
so eventos.
= evento impossvel.
S = evento certo.
Conceito de Probabilidade
As probabilidades tm a funo de mostrar a chance
de ocorrncia de um evento. A probabilidade de ocorrer um
determinado evento A, que simbolizada por P(A), de um espao
amostral S , dada pelo quociente entre o nmero de elementos
A e o nmero de elemento S. Representando:
Exemplo: Ao lanar um dado de seis lados, numerados de 1 a
6, e observar o lado virado para cima, temos:
- um espao amostral, que seria o conjunto S {1, 2, 3, 4, 5, 6}.
- um evento nmero par, que seria o conjunto A1 = {2, 4, 6}
C S.
- o nmero de elementos do evento nmero par n(A
1
) = 3.
- a probabilidade do evento nmero par 1/2, pois
Propriedades de um Espao Amostral Finito e No Vazio
- Em um evento impossvel a probabilidade igual a zero. Em
um evento certo S a probabilidade igual a 1. Simbolicamente:
P() = 0 e P(S) = 1.
- Se A for um evento qualquer de S, neste caso: 0 P(A) 1.
- Se A for o complemento de A em S, neste caso: P(A) = 1 -
P(A).
Demonstrao das Propriedades
Considerando S como um espao fnito e no vazio, temos:
Unio de Eventos
Considere A e B como dois eventos de um espao amostral S,
fnito e no vazio, temos:
A
B
S
Logo: P(A B) = P(A) + P(B) - P(A B)
Eventos Mutuamente Exclusivos
A
B
S
Considerando que A B, nesse caso A e B sero denominados
mutuamente exclusivos. Observe que A B = 0, portanto: P(A
B) = P(A) + P(B). Quando os eventos A
1
, A
2
, A
3
, , A
n
de S
forem, de dois em dois, sempre mutuamente exclusivos, nesse
caso temos, analogicamente:
P(A
1
A
2
A
3
A
n
) = P(A
1
) + P(A
2
) + P(A
3
) + ... +
P(A
n
)
Eventos Exaustivos
Quando os eventos A
1
, A
2
, A
3
, , A
n
de S forem, de dois em
dois, mutuamente exclusivos, estes sero denominados exaustivos
se A
1
A
2
A
3
A
n
= S
Ento, logo:
Portanto: P(A
1
) + P(A
2
) + P(A
3
) + ... + P(A
n
) = 1
Didatismo e Conhecimento
26
RACIOCNIO LGICO
Probabilidade Condicionada
Considere dois eventos A e B de um espao amostral S, fnito
e no vazio. A probabilidade de B condicionada a A dada pela
probabilidade de ocorrncia de B sabendo que j ocorreu A.
representada por P(B/A).
Veja:
Eventos Independentes
Considere dois eventos A e B de um espao amostral S, fnito
e no vazio. Estes sero independentes somente quando:
P(A/N) = P(A) P(B/A) = P(B)
Interseco de Eventos
Considerando A e B como dois eventos de um espao amostral
S, fnito e no vazio, logo:
Assim sendo:
P(A B) = P(A) . P(B/A)
P(A B) = P(B) . P(A/B)
Considerando A e B como eventos independentes, logo
P(B/A) = P(B), P(A/B) = P(A), sendo assim: P(A B) = P(A) .
P(B). Para saber se os eventos A e B so independentes, podemos
utilizar a defnio ou calcular a probabilidade de A B. Veja a
representao:
A e B independentes P(A/B) = P(A) ou
A e B independentes P(A B) = P(A) . P(B)
Lei Binominal de Probabilidade
Considere uma experincia sendo realizada diversas vezes,
dentro das mesmas condies, de maneira que os resultados de cada
experincia sejam independentes. Sendo que, em cada tentativa
ocorre, obrigatoriamente, um evento A cuja probabilidade p ou o
complemento A cuja probabilidade 1 p.
Problema: Realizando-se a experincia descrita exatamente n
vezes, qual a probabilidade de ocorrer o evento A s k vezes?
Resoluo:
- Se num total de n experincias, ocorrer somente k vezes
o evento A, nesse caso ser necessrio ocorrer exatamente n k
vezes o evento A.
- Se a probabilidade de ocorrer o evento A p e do evento A
1 p, nesse caso a probabilidade de ocorrer k vezes o evento A e
n k vezes o evento A, ordenadamente, :
- As k vezes em que ocorre o evento A so quaisquer entre as
n vezes possveis. O nmero de maneiras de escolher k vezes o
evento A , portanto C
n,k
.
- Sendo assim, h C
n,k
eventos distintos, mas que possuem
a mesma probabilidade p
k
. (1 p)
n-k
, e portanto a probabilidade
desejada : C
n,k
. p
k
. (1 p)
n-k
QUESTES
01. A probabilidade de uma bola branca aparecer ao se retirar
uma nica bola de uma urna que contm, exatamente, 4 bolas
brancas, 3 vermelhas e 5 azuis :
(A) (B) (C) (D) (E)
02. As 23 ex-alunas de uma turma que completou o Ensino
Mdio h 10 anos se encontraram em uma reunio comemorativa.
Vrias delas haviam se casado e tido flhos. A distribuio das
mulheres, de acordo com a quantidade de flhos, mostrada no
grfco abaixo. Um prmio foi sorteado entre todos os flhos dessas
ex-alunas. A probabilidade de que a criana premiada tenha sido
um(a) flho(a) nico(a)

(A) (B) (C) (D) (E)
03. Retirando uma carta de um baralho comum de 52 cartas,
qual a probabilidade de se obter um rei ou uma dama?
04. Jogam-se dois dados honestos de seis faces, numeradas
de 1 a 6, e l-se o nmero de cada uma das duas faces voltadas para
cima. Calcular a probabilidade de serem obtidos dois nmeros
mpares ou dois nmeros iguais?
Didatismo e Conhecimento
27
RACIOCNIO LGICO
05. Uma urna contm 500 bolas, numeradas de 1 a 500. Uma
bola dessa urna escolhida ao acaso. A probabilidade de que seja
escolhida uma bola com um nmero de trs algarismos ou mltiplo
de 10
(A) 10%
(B) 12%
(C) 64%
(D) 82%
(E) 86%
06. Uma urna contm 4 bolas amarelas, 2 brancas e 3 bolas
vermelhas. Retirando-se uma bola ao acaso, qual a probabilidade
de ela ser amarela ou branca?
07. Duas pessoas A e B atiram num alvo com probabilidade
40% e 30%, respectivamente, de acertar. Nestas condies, a
probabilidade de apenas uma delas acertar o alvo :
(A) 42%
(B) 45%
(C) 46%
(D) 48%
(E) 50%
08. Num espao amostral, dois eventos independentes A e B
so tais que P(A U B) = 0,8 e P(A) = 0,3. Podemos concluir que o
valor de P(B) :
(A) 0,5
(B) 5/7
(C) 0,6
(D) 7/15
(E) 0,7
09. Uma urna contm 6 bolas: duas brancas e quatro pretas.
Retiram-se quatro bolas, sempre com reposio de cada bola antes
de retirar a seguinte. A probabilidade de s a primeira e a terceira
serem brancas :
(A) (B) (C) (D) (E)
10. Uma lanchonete prepara sucos de 3 sabores: laranja,
abacaxi e limo. Para fazer um suco de laranja, so utilizadas 3
laranjas e a probabilidade de um cliente pedir esse suco de 1/3.
Se na lanchonete, h 25 laranjas, ento a probabilidade de que,
para o dcimo cliente, no haja mais laranjas sufcientes para fazer
o suco dessa fruta :
(A) 1 (B) (C) (D) (E)
Respostas
01.
02.
A partir da distribuio apresentada no grfco:
08 mulheres sem flhos.
07 mulheres com 1 flho.
06 mulheres com 2 flhos.
02 mulheres com 3 flhos.
Como as 23 mulheres tm um total de 25 flhos, a probabilidade
de que a criana premiada tenha sido um(a) flho(a) nico(a)
igual a P = 7/25.
03. P(dama ou rei) = P(dama) + P(rei) =
04. No lanamento de dois dados de 6 faces, numeradas de 1 a
6, so 36 casos possveis. Considerando os eventos A (dois nmeros
mpares) e B (dois nmeros iguais), a probabilidade pedida :
05. Sendo , o conjunto espao amostral, temos n() = 500
A: o nmero sorteado formado por 3 algarismos;
A = {100, 101, 102, ..., 499, 500}, n(A) = 401 e p(A) = 401/500
B: o nmero sorteado mltiplo de 10;
B = {10, 20, ..., 500}.
Para encontrarmos n(B) recorremos frmula do termo geral
da P.A., em que
a
1
= 10
a
n
= 500
r = 10
Temos a
n
= a
1
+ (n 1) . r 500 = 10 + (n 1) . 10 n = 50
Dessa forma, p(B) = 50/500.
A B: o nmero tem 3 algarismos e mltiplo de 10;
A B = {100, 110, ..., 500}.
De a
n
= a
1
+ (n 1) . r, temos: 500 = 100 + (n 1) . 10 n =
41 e p(A B) = 41/500
Por fm, p(A.B) =
06.
Sejam A
1
, A
2
, A
3
, A
4
as bolas amarelas, B
1
, B
2
as brancas e V
1
,
V
2
, V
3
as vermelhas.
Temos S = {A
1
, A
2
, A
3
, A
4
, V
1
, V
2
, V
3
B
1
, B
2
} n(S) = 9
A: retirada de bola amarela = {A
1
, A
2
, A
3
, A
4
}, n(A) = 4
B: retirada de bola branca = {B
1
, B
2
}, n(B) = 2
Como A B = , A e B so eventos mutuamente exclusivos;
Logo: P(A B) = P(A) + P(B) =
Didatismo e Conhecimento
28
RACIOCNIO LGICO
07.
Se apenas um deve acertar o alvo, ento podem ocorrer os
seguintes eventos:
(A) A acerta e B erra; ou
(B) A erra e B acerta.
Assim, temos:
P (A B) = P (A) + P (B)
P (A B) = 40% . 70% + 60% . 30%
P (A B) = 0,40 . 0,70 + 0,60 . 0,30
P (A B) = 0,28 + 0,18
P (A B) = 0,46
P (A B) = 46%
08.
Sendo A e B eventos independentes, P(A B) = P(A) . P(B) e
como P(A B) = P(A) + P(B) P(A B). Temos:
P(A B) = P(A) + P(B) P(A) . P(B)
0,8 = 0,3 + P(B) 0,3 . P(B)
0,7 . (PB) = 0,5
P(B) = 5/7.
09. Representando por a
probabilidade pedida, temos:
=
=
10. Supondo que a lanchonete s fornea estes trs tipos de
sucos e que os nove primeiros clientes foram servidos com apenas
um desses sucos, ento:
I- Como cada suco de laranja utiliza trs laranjas, no
possvel fornecer sucos de laranjas para os nove primeiros clientes,
pois seriam necessrias 27 laranjas.
II- Para que no haja laranjas sufcientes para o prximo
cliente, necessrio que, entre os nove primeiros, oito tenham
pedido sucos de laranjas, e um deles tenha pedido outro suco.
A probabilidade de isso ocorrer :

ANOTAES

ANOTAES

Didatismo e Conhecimento
29
RACIOCNIO LGICO
ANOTAES

Didatismo e Conhecimento
30
RACIOCNIO LGICO
ANOTAES