Você está na página 1de 81

Ministrio da Educao - MEC

Secretaria de Educao Profissional e Tecnolgica (SETEC)


Instituto Federal de Educao, Cincia e Tecnologia do Cear























Curso Tcnico em Segurana do Trabalho
Disciplina: Estatstica Aplicada
Paulo Maia Ferreira

2


Ministrio da Educao - MEC
Secretaria de Educao Profissional e Tecnolgica (SETEC)
Instituto Federal de Educao, Cincia e Tecnologia do Cear

















CURSO TCNICO EM SEGURANA DO TRABALHO
ESTATSTICA APLICADA
PROF. PAULO MAIA FERREIRA
CURSO TCNICO






















3


CRDITOS

Presidente
Dilma Vana Rousseff

Ministro da Educao
Aloizio Mercadante Oliva

Secretaria de Educao Profissional e
Tecnolgica
Marco Antonio de Oliveira

Reitor do IFCE
Cludio Ricardo Gomes de Lima

Pr-Reitor de Extenso
Gutenberg Albuquerque Filho

Pr-Reitor de Ensino
Gilmar Lopes Ribeiro

Pr-Reitor de Administrao
Virgilio Augusto Sales Araripe

Diretor Geral Campus Fortaleza
Antonio Moises Filho de Oliveira Mota

Diretor de Ensino Campus Fortaleza
Jos Eduardo Souza Bastos

Coordenador Geral - Reitoria
Jose Wally Mendona Menezes
Coordenador Adjunto - Reitoria
Armnia Chaves Fernandes Vieira

Superviso - Reitoria
Daniel Ferreira de Castro
Andr Monteiro de Castro

Coordenador Adjunto - Campus
Fortaleza
Fabio Alencar Mendona

Elaborao do contedo
Paulo Maia Ferreira

Equipe Tcnica
Manuela Pinheiro dos Santos
Marciana Matos da Costa
Kaio Lucas Ribeiro de Queiroz
Vanessa Barbosa da Silva Dias
Edmilson Moreira Lima Filho
Vitor de Carvalho Melo Lopes
Rogers Guedes Feitosa Teixeira

Supervisor Curso Tcnico em
Segurana do Trabalho
Francisco Alexandre de Sousa

Orientadora
Barbara Luana Sousa Marques
4


O QUE O PRONATEC?

Criado no dia 26 de Outubro de 2011 com a sano da Lei n 12.513/2011 pela
Presidenta Dilma Rousseff, o Programa Nacional de Acesso ao Ensino Tcnico e
Emprego (Pronatec) tem como objetivo principal expandir, interiorizar e democratizar
a oferta de cursos de Educao Profissional e Tecnolgica (EPT) para a populao
brasileira. Para tanto, prev uma srie de subprogramas, projetos e aes de
assistncia tcnica e financeira que juntos oferecero oito milhes de vagas a
brasileiros de diferentes perfis nos prximos quatro anos. Os destaques do Pronatec
so:
Criao da Bolsa-Formao;
Criao do FIES Tcnico;
Consolidao da Rede e-Tec Brasil;
Fomento s redes estaduais de EPT por intermdio do Brasil Profissionalizado;
Expanso da Rede Federal de Educao Profissional Tecnolgica (EPT).

A principal novidade do Pronatec a criao da Bolsa-Formao, que permitir
a oferta de vagas em cursos tcnicos e de Formao Inicial e Continuada (FIC), tambm
conhecidos como cursos de qualificao. Oferecidos gratuitamente a trabalhadores,
estudantes e pessoas em vulnerabilidade social, esses cursos presenciais sero
realizados pela Rede Federal de Educao Profissional, Cientfica e Tecnolgica, por
escolas estaduais de EPT e por unidades de servios nacionais de aprendizagem como
o SENAC e o SENAI.

Objetivos

Expandir, interiorizar e democratizar a oferta de cursos de Educao
Profissional Tcnica de nvel mdio e de cursos e programas de formao inicial e
continuada de trabalhadores;
Fomentar e apoiar a expanso da rede fsica de atendimento da Educao
Profissional e Tecnolgica;
Contribuir para a melhoria da qualidade do Ensino Mdio Pblico, por meio da
Educao Profissional;
Ampliar as oportunidades educacionais dos trabalhadores por meio do
incremento da formao profissional.

Aes

Ampliao de vagas e expanso da Rede Federal de Educao Profissional e
Tecnolgica;
Fomento ampliao de vagas e expanso das redes estaduais de Educao
Profissional;
Incentivo ampliao de vagas e expanso da rede fsica de atendimento dos
Servios Nacionais de Aprendizagem;
Oferta de Bolsa-Formao, nas modalidades:
Bolsa-Formao Estudante; Bolsa-Formao Trabalhador.
Atendimento a beneficirios do Seguro-Desemprego;
5

[SUMRIO]



Apresentao...........................................................................................5


Sries estatsticas.................................................................6
Principais tipos de sries...............................................................7
Representao das sries estatsticas atravs de tabelas.........................10
Representao das sries atravs de grficos......................................15
Estatstica descritiva - medidas de posio e medidas de
disperso........................................22
Distribuies de frequncia...........................................................23
Medidas de posio ou de tendncia central....................................28
Medidas de disperso...................................................................41
Miscelnea de exerccios resolvidos.................................50
Exerccios: Sries estatsticas........................................51
Exerccios: Estatstica Descritiva.............................55
Inferncia estatstica.................................63
Estimao de mdias populacionais........................................63
Estimao de propores populacionais.............................69
Referncias..........................................................................................75
Currculo.............................................................................................76



6

APRESENTAO DA DISCIPLINA


Ol aluno!
A disciplina de Estatstica Aplicada ter dois focos temticos principais: a estatstica
descritiva e a inferncia estatstica. Na estatstica descritiva, primeiramente ,
conheceremos os principais tipos de sries estatsticas e suas formas de
representaes tabulares e grficas. Em seguida, voc ver que iremos organizar dados
em tabelas de distribuies de frequncias, diferenciando estes tipos de frequncias.
Encontraremos tambm os principais tipos de medidas estatsticas, para
posteriormente realizarmos leituras descritivas dos resultados obtidos.
No tocante inferncia estatstica, com base nas noes de probabilidade e do
conhecimento da estatstica descritiva, voc aprender como explorar resultados
populacionais. Neste foco, realizaremos estimaes de parmetros populacionais
desconhecidos.
Esperamos que voc compreenda os conceitos que permeiam a ideia de Estatstica e
que esses estudos tenham utilidade em suas vidas, assim como a Matemtica, como
um todo, tem a sua importncia na vida de todos ns. Desejo a voc um bom
aprendizado e um timo desempenho no curso.
Paulo Maia Ferreira
















7



AULA 1 SRIES ESTATSTICAS

Ol caro aluno(a),
Nesta aula, iremos iniciar a organizao de informaes que sero representadas por
variveis com as mais diversas caractersticas. Estas variadas formas de representaes
correspondero aos principais tipos de sries estatsticas, as quais voc ir aprender
como represent-las atravs de tabelas ou grficos da melhor forma possvel.
Vamos aula?


Objetivos

- Diferenciar os principais tipos de sries estatsticas.
- Conhecer os elementos mais importantes e alguns elementos complementares
que devero ser utilizados na representao das sries atravs de tabelas e
tambm atravs de grficos.














8


TPICO 1 PRINCIPAIS TIPOS DE SRIES

Objetivo
- Conhecer as sries cronolgica ou temporal; geogrfica ou de localizao;
especfica ou categrica; bem como as sries mistas.


No incio dessa aula, voc aprender a diferenciar os principais tipos de
agrupamentos das informaes e conhecer as principais sries estatsticas. Voc ir
perceber que, as sries estatsticas podem ser representadas atravs de tabelas ou
grficos. Vamos a estas sries.

1.1 SRIE TEMPORAL OU CRONOLGICA
Aluno, uma srie Temporal definida como sendo aquela que em sua representao
s ocorre variao da poca da ocorrncia.
Veja bem que, na srie temporal ou cronolgica, as informaes so agrupadas de
acordo com a poca da ocorrncia do fenmeno. A localidade da ocorrncia e o
fenmeno ocorrido permanecero fixos. Vejamos um exemplo.
Produo Brasileira de Trigo
2005-2010

Anos
Quantidade
(1000 t)
2005
(1)
6455
2006 6512
2007 6960
2008 7047
2009 7256
2010 7500
Fonte: Dados Fictcios
Nota: Produo voltada para o consumo interno.
(1) Parte da produo exportada.

9

Note aluno que na srie acima a localidade da produo apenas no Brasil e que
todas as quantidades da produo se refere apenas ao trigo. A nica variao na
informao refere-se a poca da produo que varia de 2005 a 2010

A seguir, voc ir conhecer um segundo modelo de srie estatstica. Vamos a ela.


1.2 SRIE GEOGRFICA OU DE LOCALIZAO
Chamaremos de srie Geogrfica ou de localizao, aquela em que na sua
representao s ocorre variao na localidade da ocorrncia. Ou seja, neste tipo de
srie os dados sero agrupados, segundo localidades distintas da ocorrncia.
Notaremos tambm que a poca da ocorrncia e o fenmeno ocorrido ficaro fixos.
Veja um exemplo.
Produo Brasileira de Trigo, por Unidade da Federao - 2010
Unidades da Federao
Quantidade
(1000 ton)
So Paulo 980
Santa Catarina 487
Paran 778
Gois 454
Rio de Janeiro 399
Rio Grande do Sul 870
Fonte: Fictcia

Voc nota no exemplo acima que a variao da informao s ocorre na
localidade da produo. A produo trata-se apenas do trigo, e todos os dados desta
produo tambm esto se referindo apenas ao ano de 2010
Veja a seguir um terceiro modelo de agrupamento de informaes.
1.3 SRIE ESPECFICA OU CATEGRICA
Agora aluno, chamaremos de srie Especfica ou Categrica aquela em que a
variao s ocorre no prprio fenmeno ocorrido. Ou seja, nesta srie estatstica, a
poca e o local da ocorrncia permanecero fixos, enquanto os dados que se referem
ao fenmeno ocorrido, sero agrupados de acordo com a modalidade da ocorrncia do
fenmeno. Veja a situao a seguir.
Rebanhos Brasileiros - 2009
10

Espcie
Quantidade
(1000 cabeas)
Bovinos 21000
Sunos 2 171
Caprinos 5 491
Equinos 6 200
Fonte: IBGE


Voc nota aluno, que no exemplo acima a produo se refere a um nico local
(Brasil) e a um nico perodo (2009), mas so apresentados resultados para mais de
uma categoria de produo.

Saiba Mais!
Ainda podemos combinar dois ou mais modelos de sries estatsticas,
formando as sries das quais chamamos de conjugadas ou mistas.
Como exemplo, teremos a situao abaixo:
Exportao Brasileira de alguns produtos agrcolas - 2007 - 2009
Produto
Quantidade
(1000 ton)
2007 2008 2009
Feijo

7700

8300

9400
Arroz 10700 12000 12300
Soja 6100 7100 8100

Fonte: Dados imaginrios
Nota: Produtos mais exportados no perodo.

Assim estaramos diante de uma srie estatstica que em sua informao
teramos a variao da poca da informao (2007 a 2009), caracterizando assim uma
srie cronolgica, e tambm teramos a variao das categorias do produto (feijo,
arroz e soja), caracterizando tambm uma srie categrica. Ou seja, teramos uma
variao simultnea de poca e categoria, identificando-se desta maneira como sendo
uma srie mista do tipo cronolgica-categrica.

11

Poderamos, at mesmo transformar a srie do exemplo acima numa srie que
se identificasse ao mesmo tempo como sendo uma Cronolgica, Geogrfica e
Categrica. Vejamos como seria:






Exportao Brasileira de alguns produtos agrcolas pelas regies
Norte e Sul(2007 2009)
Produto
Quantidade
(1000 ton)
2007 2008 2009
N S N S N S
Feijo

5200 8100

7300 10000

5400 4600
Arroz 8700 11040 9480 8000 8300 6750
Soja 6900 9700 11000 6990 8100 4700

Fonte: Dados imaginrios
Nota: Produtos mais exportados no perodo.


Note aluno que no exemplo acima, alm das variaes da poca da exportao
e das categorias dos produtos exportados, tambm ocorre a variao das localidades
destas exportaes por regies, caracterizando assim uma srie Cronolgica,
Categrica e tambm Geogrfica.

Neste tpico, abordamos os principais tipos de sries estatsticas, agora vamos
aprender quais so as formas corretas de represent-las. No prximo tpico, voc ver
algumas consideraes importantes para representao das sries estatsticas por
meio de tabelas.

TPICO 2 REPRESENTAO DAS SRIES ESTATSTICAS ATRAVS DE TABELAS
12


Objetivos:
- Identificar quais elementos so indispensveis a composio de uma tabela.
- Conhecer alguns elementos complementares, ou seja aqueles que sero
utilizados somente quando necessrio, pois no so de uso obrigatrio a
composio tabular.




Iniciaremos conhecendo elementos que so indispensveis s tabelas. Voc
identificar os elementos que compe uma tabela, e podemos cit-los aqui: ttulo;
corpo e fonte. E conhecer tambm, os elementos que so complementares (no
obrigatrios) e podero ser usados em uma tabela. Tais como: notas e sinais
convencionais. Ento, vamos estud-los?

2.1 ELEMENTOS FUNDAMENTAIS A COMPOSIO DE UMA TABELA
Quando estamos representando uma srie estatstica atravs de uma tabela,
devemos atentar para o fato de que existem elementos que so obrigatrios na sua
composio, como o ttulo e o corpo da tabela. Assim, podemos enunci-los a seguir:
2.1.1 TTULO
Toda tabela dever conter um ttulo, o qual dever informar o que ocorreu, quando
ocorreu e onde ocorreu.
2.1.2 CORPO
O corpo das tabelas dividido em zonas da seguinte maneira:
13


Figura 1: Detalhamento das caractersticas de uma tabela
- Zona designativa: situa-se logo abaixo do ttulo, compreendendo o que
chamamos de cabealho. Especifica os contedos das colunas.
- Zona indicativa: indica o tipo de srie simples que estamos informando.
Especifica os contedos das linhas.
- Zona enumerativa: tambm conhecida como zona de resultados. Nela
especificamos as grandezas ocorridas na srie.
2.1.3 FONTE
Situa-se logo abaixo das tabelas, informando o rgo responsvel pela divulgao
dos contedos da tabela.
O exemplo da Figura 2, mostra com detalhes, quais so os elementos essenciais na
14

composio de uma tabela. Veja que,
Figura 2: Exemplo de tabela - Fonte:
http://www.scielo.br/img/revistas/ea/v5n12/12a02t1.gif
A seguir voc ver que nem todos os elementos so obrigatrios nas tabelas.
Alguns so utilizados em algumas situaes especficas. Vamos a eles?
2.2 ELEMENTOS COMPLEMENTARES A COMPOSIO DE UMA TABELA
Existem alguns elementos que s deveremos usar em algumas situaes
especficas. Dentre esses elementos, podemos destacar:
2.2.1 NOTAS
S sero quando for necessrio esclarecer alguma composio que aparea na
tabela.

2.2.2 SINAIS CONVENCIONAIS
Existem algumas simbologias que seguem certa conveno, das quais servem
para esclarecer algumas informaes. As principais so trao, trs pontos e zero.
- Trao (): utilizado quando a informao inexistir.
- Trs pontos (...): so utilizados quando no dispomos da informao.
- Zero (C): usado quando o valor numrico for muito pequeno para ser expresso
na unidade de medida adotada.
Observao: O fechamento das tabelas s dever ocorrer na parte superior e
na parte inferior, nunca nas laterais, pois tecnicamente estaramos diante de um
quadro e no de uma tabela.


QUADRO
15








Vejamos ento a seguinte situao tabular:




N DE ANALFABETOS P/ SEXO DOS MUNICPIOS/ESTADO-X (2010 )

MUNICPIOS
SEXO
MASCULINO FEMININO
A
B
C
D
E
15.635
10.090
7*
5.489
...
18.324
7.034

7.543
8.423
FONTE: Fictcia
TABELA

16

NOTAS: (Nenhuma pessoa do sexo feminino do Municpio-C analfabeta)
... (No foi informada a quantidade de pessoas do Municpio-E do sexo
masculino que analfabeta)
*Poderamos substituir este valor pela simbologia , ressaltando em nota que
praticamente no existe ndice de analfabetismo de pessoas do sexo masculino do
Municpio-X.
Exerccio Resolvido 1
Crie uma tabela referente a uma srie estatstica mista, que se identifique como sendo
Categrico-Cronolgica e que contenha dois erros em sua composio. Em seguida
comente os erros.







Soluo:
N DE MATRCULAS EM DUAS DISCIPLINAS NA UNIVERSIDADE-X
(CEAR)

SEMESTRES
DISCIPLINA
A B
2008.2
2009.1
2009.2
112
132
126
87
91
88
17

2010.1
2010.2
145
164
100
95

ERRO-1: O ttulo est incompleto, pois no responde a uma das trs perguntas
bsicas, que obrigatria em todo ttulo (Quando ocorreu a informao?)
ERRO-2: A tabela no informa a fonte que obrigatria em toda composio de
tabela.
Desta forma aluno, conclumos neste tpico a maneira correta de
representarmos as sries estatsticas atravs de tabelas, no prximo tpico, veremos
as principais consideraes a respeito destas representaes de formas grficas.

TPICO 3 REPRESENTAO DAS SRIES ATRAVS DE GRFICOS
Objetivos:
- Conhecer todos os elementos obrigatrios a composio dos grficos, quando
estivermos representando sries estatsticas.
- Verificar que outros elementos tambm podero ser usados nas
representaes grficas, sem obrigatoriedade de utilizao.
Vamos primeiramente conhecer os elementos de uso obrigatrios aos
grficos.
3.1 ELEMENTOS FUNDAMENTAIS A COMPOSIO DE UM GRFICO
Igualmente as tabelas, os grficos possuem elementos que so indispensveis
sua composio. So eles o ttulo, o corpo e a fonte.
3.1.1 TTULO: Igualmente s tabelas, os grficos necessitam de um ttulo, o
qual, para estar completo, tambm dever responder quelas trs perguntas: o que?
Quando? Onde?
3.1.2 CORPO: Este se definir de acordo com o tipo de srie que ele esteja
representando. Veremos nos principais tipos de grficos, logo a seguir no item 3.3.
18

3.1.3 FONTE: A fonte indicar o rgo ou entidade responsvel pelo
fornecimento ou elaborao dos contedos apresentados. Assim, como o grfico
gerado a partir de um levantamento de dados, ento devemos responsabilizar algum
pelas informaes.
Voc ver a seguir que, em algumas situaes, existem elementos que iro
colaborar para esclarecer tipos especficos de situaes grficas, como as notas e as
legendas.
3.2 ELEMENTOS COMPLEMENTARES COMPOSIO DE UM GRFICO
Existem alguns elementos que devero ser utilizados somente em algumas
circunstncias. Vejamos os mais importantes:
3.2.1 NOTAS: Alguns grficos aparecem com composies, que necessitam ser
esclarecidas. Nestas situaes, podemos usar do recurso das notas. E,
preferencialmente, devem estar localizadas logo abaixo da fonte.
3.2.2 LEGENDAS: So utilizadas para diferenciar as notaes grficas. Na
maioria dos casos, diferenciamo-las por cores.
LEGENDA
19

FONTE: ARBITRRIA


Vamos conhecer agora os principais tipos de grficos.

3.3 PRINCIPAIS TIPOS DE GRFICOS
3.3.1 DIAGRAMAS: so considerados grficos de anlises, devido ao rigor e
exatido que eles apresentam. Atravs destes grficos, podemos realizar anlises
descritivas das informaes estatsticas com uma maior preciso. Os mais importantes
so por pontos, por linhas, por superfcie, setorial, polar, histograma e polgonos de
frequncia.
1) Por pontos: devero ser utilizados quando forem poucas as classes a serem
representadas.

FONTE: FICTCIA
2) Por linhas: mostram claramente a evoluo do fenmeno ocorrido, por
isso so indicados geralmente para realizar a representao das sries
cronolgicas.
20


FONTE: HIPOTTICA
3) Por Superfcie: so representados por reas. Dentre todos os grficos
tipo superfcie, iremos destacar os mais relevantes:
- Colunas ou barras: so os mais indicados para representar as sries
especficas. Eles tambm so bastante eficientes na representao
das sries mistas

FONTE: ARBITRRIA
21

- Setorial: so representados por setores circulares. Usamos quando
queremos ressaltar a participao de cada classe no total da
informao.
Ateno!
Na maioria dos softwares grficos, este grfico setorial conhecido pelo
nome popular como grfico em pizza.

FONTE: HIPOTTICA
- Polar: quando queremos comparar ocorrncias de dois ou mais ciclos
peridicos, a utilizao do grfico polar torna-se a melhor soluo.
Ateno!
Na maioria dos softwares grficos, este grfico polar conhecido pelo
nome popular como grfico radar.
Vamos conferir no exemplo a seguir:
22

FONTE: ARBITRRIA
- Histograma e Polgonos de frequncia: representam as distribuies
de frequncias.
Saiba Mais!
Para a estatstica descritiva, os grficos tipos Diagramas que vimos neste tpico so os
mais importantes. Vale salientar, porm, que existem outros tipos de grficos
conhecidos, tais como ORGANOGRAMAS, FLUXOGRAMAS, CARTOGRAMAS,
ESTEREOGRAMAS e PICTOGRAMAS. Mais informaes acerca destes grficos podem
ser vistas em http://www.crasp.com.br/index ou http://www.scribd.com. Veremos as
distribuies de frequncias na prxima aula.
Exerccio Resolvido 1
Qual seria o grfico ideal para representar a srie estatstica do Exerccio
Resolvido 1 do tpico 1?
Soluo: como estamos diante de uma srie estatstica mista, vimos que o grfico ideal
seria um grfico em colunas composta. Assim, a representao ficaria da seguinte
maneira:
23


FONTE: ARBITRRIA
Estudamos, nesta aula, a organizao de dados atravs das chamadas sries
estatsticas. Vimos que, de acordo com o agrupamento das informaes, estaremos
diante de diferentes modelos de sries. Aprendemos tambm a representar
corretamente as sries, de forma tabular e grfica. Iremos, na prxima aula, dar incio
ao estudo da estatstica descritiva. Primeiramente aprenderemos a organizar
informaes em tabelas de distribuies de frequncias, para em seguida encontrar
medidas estatsticas e realizar as anlises descritivas cabveis.
ATIVIDADES DE APROFUNDAMENTO
1. Crie um levantamento de dados que possa ser representado atravs de uma
srie Cronolgica
2. Acrescente, ao levantamento anterior, dados suficientes para que o novo
conjunto de dados passe a caracterizar uma srie mista
3. Crie um novo levantamento de dados para representar uma srie estatstica
Categrica
4. Acrescente, ao levantamento anterior, dados suficientes para que o novo
conjunto represente uma srie estatstica mista do tipo Cronolgica-
Categrica-Geogrfica
5. Diga qual seria o modelo de grfico ideal para representar as sries dos itens 1)
2) e 3)
24



Aula 2 ESTATSTICA DESCRITIVA - medidas de posio e
medidas de disperso


Saudaes aluno(a),
Antes de iniciarmos esta aula, julgamos relevante para a uma melhor compreenso de
nossa matria definir o conceito de estatstica descritiva. A estatstica descritiva
aquela que envolve a coleta, a organizao, a apurao e anlises descritivas de
resultados provenientes de dados que iro descrever os mais diversos tipos de
ocorrncias.
Nesta aula, iremos tratar primeiramente da organizao dessas ocorrncias,
para depois podermos apurar e analisar essas ocorrncias, atravs das principais
medidas estatsticas de posio e de disperso.
Vamos iniciar esta segunda aula fazendo um estudo da organizao de dados
em tabelas de distribuies de frequncias.
Ento, vamos iniciar a aula?

Objetivos:
- Conhecer a organizao de dados em tabelas de distribuies de frequncias
discretas e contnuas.
- Calcular e interpretar as principais medidas estatsticas referentes a variveis
discretas e contnuas.








25





TPICO 1 DISTRIBUIES DE FREQUNCIA
Objetivos:
- Organizar dados em tabelas de distribuies de frequncias.
- Diferenciar frequncia absoluta, frequncia acumulada e frequncia relativa.

Neste primeiro tpico, voc vai conhecer o que so as distribuies de frequncias.
Antes, porm, importante aprender a diferenciar os principais tipos de variveis.
Vamos l!!
1.1 PRINCIPAIS TIPOS DE VARIVEIS
1.1.1 VARIVEL QUALITATIVA: So variveis cujos valores so expressos por
certos atributos ou qualidades. Podem ser do tipo qualitativa nominal e ordinal.
- Qualitativa nominal: So variveis qualitativas que no so ordenveis.
Exemplo: sexo, raa, religio.
- Qualitativa ordinal: So variveis qualitativas que so ordenveis.
Exemplo: classe social, grau de instruo.
1.1.2 VARIVEL QUANTITATIVA: So variveis cujos valores so expressos por
nmeros, obtidos atravs de um processo de medio ou de contagem. Podem ser do
tipo discreta ou contnua.
-Quantitativa discreta: So variveis que s podem assumir valores inteiros em pontos
da reta real.
Exemplo: n de habitantes, n de filhos, n de alunos matriculados na EaD.
-Quantitativa contnua: So variveis que podem assumir qualquer valor entre dois
pontos da reta real.
Exemplo: peso dos alunos de uma turma de EaD, notas dos alunos de uma turma de
EaD.

26


Podemos tanto organizar todo tipo de levantamento de dados referentes aos
mais diversos tipos de variveis, atravs de distribuies de frequncias, como
condensar um conjunto de dados, tanto discretos como contnuos, conforme as
frequncias ou repeties de seus valores. Desta forma, estaremos construindo
tabelas de distribuies de frequncias.
Na distribuio de frequncia referente varivel discreta, os dados no so
agrupados em classes.
N de faltas N de alunos
0
1
2
3
4
5
13
7
8
5
4
3
40

Note voc aluno, que na tabela o n de faltas representa a varivel discreta e o
n de alunos, representa a frequncia com que cada resultado da varivel ocorre. Ou
seja, assim podemos notar que 13 alunos no tiveram faltas, 7 alunos tiveram apenas 1
falta, 8 alunos tiveram duas faltas, e assim por diante. Ok!
J na distribuio de frequncia referente varivel contnua, os dados devero
ser agrupados por intervalos de classe, por exemplo:



27


Notas N de alunos
0 2
2 4
4 6
6 8
8 10

03
05
11
15
06
40
Ou seja, neste exemplo teramos 3 alunos tiraram nota de 0 a 1,9 ; 5 alunos tiraram
nota de 2 a 3,9; 11 alunos tiraram nota de 4 a 5,9; e assim por diante.
Note, a notao diz que o limite inferior pertence ao intervalo e o limite superior
no pertence
Segundo Simon (1995, p.111), existe mais de uma metodologia para
determinarmos o nmero de classes e a amplitude ou tamanho de cada classe.
Poderemos aplicar a seguinte regra para se determinar o n de classes( k ):
Se 25 5 n k s =
25 n k n > ~ .
n n de observaes. Aps determinarmos o n de classes, poderamos encontrar o
h Amplitude ou tamanho de cada classe.
t
h A k ~ .
t
A Amplitude total (diferena entre a maior e a menor observao)
Tambm podemos aplicar a seguinte frmula de Sturges para determinarmos o n de
classes k .
28

1 3, 22log k n ~ + . Ex. se n=40 ento teramos:

1 mtodo:
40 40 7 n k > ~ ~
2 mtodo:
1 3, 22log40 7 k ~ + ~ . Nos dois mtodos o arredondamento dever ser sempre para o
maior inteiro , fugindo da regra de arredondamento convencional
Vamos diferenciar agora os principais tipos de frequncias existentes, para
posteriormente podermos aplica-las nos clculos de algumas medidas estatsticas.



1.2 FREQUNCIA ABSOLUTA, ACUMULADA E RELATIVA
Aluno, voc ir perceber que h diferena entre os trs tipos de frequncias.
Vamos descrever cada uma a seguir.
1.2.1 FREQUNCIA ABSOLUTA ( Fi ): o n de vezes que cada observao ocorre em
um levantamento de dados discretos e o n de observaes ocorridas dentro
de cada intervalo de observaes no caso contnuo. Sendo assim no ex. da
tabela abaixo, a coluna dos alunos representam as frequncias com que os
alunos tiram notas dentro de cada intervalo de notas.
Ateno !
Se somarmos todas as frequncias absolutas numa tabela de frequncia teremos o
total de observaes que estaremos trabalhando, ou seja,
1
n
i
Fi n
=
=


29

1.2.2 FREQUNCIA ACUMULADA (Fac): a soma das frequncias anteriores ou iguais a
uma determinada frequncia absoluta observada. Por exemplo, na tabela
abaixo o valor 8 da coluna das frequncias acumuladas(Fac), representa a soma
das frequncias absolutas(Fi) 3 e 5

Voc deve observar que a ltima frequncia acumulada dever ser igual ao n
de observaes. No Ex. das notas dos alunos, teramos
Notas N de alunos (Fi) Fac
0 2
2 4
4 6
6 8
8 10

03
05
11
15
06
03
08
19
34
40
40
Agora vejamos o que so frequncias relativas.
1.2.3.FREQUNCIA RELATIVA ( fi ): a porcentagem representativa de cada observao
ou intervalo de observaes. Ser obtida por .100
Fi
fi
n
= . Assim, no nosso exemplo, a
primeira frequncia relativa ao intervalo 0 2 , seria dada por
3
100 7, 5
40
fi = = .
Desta forma, aluno voc j poderia construir a tabela de distribuio de frequncia do
exemplo das notas, da seguinte forma:
Notas N de alunos (Fi) Fac fi(%)
30

0 2
2 4
4 6
6 8
8 10

03
05
11
15
06
03
08
19
34
40
7,5
12,5
27,5
37,5
15
40 100

Aps ter visto e aprendido a organizar os dados em tabelas de frequncias,
voc ir para o prximo tpico. E nesta segunda parte de nossa aula, voc aprender a
calcular e interpretar as principais medidas de posio, que so as medidas as quais
nos forneceram as primeiras informaes sobre o comportamento das variveis.
TPICO 2 MEDIDAS DE POSIO OU DE TENDNCIA CENTRAL
As medidas de posio podem apresentar-se de vrias formas, dependendo do
que se pretende conhecer a respeito dos dados. Geralmente os dados resultantes das
medidas de posio se concentram em torno do centro da distribuio, por isso so
tambm chamadas de medidas de tendncia central.
Objetivo:
- Encontrar e analisar o resultado da mdia aritmtica, mediana e moda, bem
como os resultados das separatrizes: quartis, decis e percentis.
Daremos incio ento com a mais conhecida das medidas de posio, que a mdia
aritmtica, vamos l ento:

2.1 MDIA ARITMTICA ( X )
: Definio
a representao de um conjunto de dados, o qual poder estar de forma
no-agrupada ou agrupada, atravs de um nico valor.
31

A seguir, voc ir ver as definies para o clculo de dados no-agrupados e
agrupados. Haver exemplos para melhor compreenso do assunto. Iniciaremos com o
clculo para dados no-agrupados.
2.1.1 MDIA ARITMTICA PARA DADOS NO-AGRUPADOS
Chamaremos de dados no-agrupados, ao conjunto de dados em que nenhum
elemento se repete, no havendo assim a necessidade de agrupar estes dados por
frequncias, visto que todos teriam frequncia igual a 1, conforme veremos no ex.
abaixo.
Assim, se X uma varivel quantitativa que assume os valores
1 2
, ,...,
n
X X X
no agrupados, poderemos encontrar a mdia aritmtica de X, atravs da seguinte
relao.

1 2 1
...
n
i
n i
X
X X X
X
n n
=
+ + +
= =




Exemplo: o n de jornais vendidos em uma determinada semana em uma banca ocorre
na seguinte grandeza: 39, 18, 24, 20, 27, 19, 25. Assim, teramos o seguinte n mdio
de jornais vendidos:

39 18 24 20 27 19 25 172
24, 6
7 7
X
+ + + + + +
= = =

Vejamos agora o clculo para dados agrupados. Voc ir perceber que, ao
contrrio dos dados no-agrupados, esses dados podero ser agrupados por
frequncias, visto que aparecem elementos repetidos dentro do conjunto.


2.1.2 MDIA ARITMTICA PARA DADOS AGRUPADOS
Se os valores da varivel forem agrupados em uma distribuio de frequncia,
usaremos
1
n
i
i
X Fi
X
n
=
=


32

Em que termos as seguintes legendas:
i
X : valores observados da varivel discreta, ou ponto mdio das classes no caso
contnuo.
Fi : frequncias absolutas simples
n (n de observaes)
1
n
i
Fi
=
=

.

Nos exemplos anteriores das variveis n de faltas e notas, teramos



N de faltas (Xi) N de alunos (Fi) XiFi
0
1
2
3
4
5
13
7
8
5
4
3
0
7
16
15
16
15

40 69

Obs: O preenchimento da terceira coluna foi resultante do produto entre cada
resultado da primeira e cada resultado da segunda. Ok! Aluno, assim poderemos
calcular o n mdio de faltas, da seguinte forma:
1
232
5,8
40
n
i
i
X Fi
X
n
=
= = =

. Ento, ocorreu em mdia 1,7 faltas por aluno



J no Ex. das notas dos alunos, teramos:


33

Notas N de alunos
(Fi)
Xi XiFi
0 2
2 4
4 6
6 8
8 10

3
5
11
15
6
1
3
5
7
9

3
15
55
105
54
40 232
Obs: Neste caso a coluna dos Xis preenchida calculando o ponto mdio de cada
intervalo. Por ex. o 1 valor Xi=1 resultante do ponto mdio do intervalo 0 2 . J os
resultados da coluna XiFi foram obtidos atravs do produto da coluna Xi pela coluna Fi.
Assim podemos calcular a nota mdia dos alunos, da seguinte maneira:
1
232
5,8
40
n
i
i
X Fi
X
n
=
= = =

. Verificamos, assim, que a nota mdia para os 40 alunos foi


de 5,8.

Voc Sabia?
Se somarmos, subtrairmos, multiplicarmos ou dividirmos uma srie de dados por uma
constante e calcularmos a mdia da nova srie obtida, esta tambm ficar acrescida,
subtrada, multiplicada ou dividida por essa constante.
Veja como exemplo a seguinte srie:
1, 4, 5, 7,8 sua mdia ser igual a 5 . Se somarmos a constante 2 k = aos termos da
srie teramos uma nova srie:
34

3, 6, 7, 9,10 cuja mdia seria igual a 7 5 2 = + . Se multiplicarmos a constante 2 k =
aos termos da srie inicial, teramos a seguinte srie resultante:
2,8,10,14,16 cuja mdia seria igual a 10 5 2 x =

Veja agora mais uma medida de posio: a mediana.


2.2 MEDIANA (Md)
: Definio A Mediana trata-se do elemento central de um conjunto de dados,
ou seja, um ponto de equilbrio do conjunto. Veja a Figura 1.

Figura 1 Mediana: ponto de equilbrio
Existem dois procedimentos, um para distribuio de frequncia discreta e
outro para distribuio contnua. Vejamos a seguir:
2.2.1 MEDIANA PARA VARIVEIS DISCRETAS

Teremos ainda duas situaes:
1 caso: Quando n (n de observaes) for impar a mediana ser o elemento de
ordem:
1
2
n +
.

Ex: Seja a seguinte srie de dados, referentes a uma determinada varivel discreta:
3, 5, 3, 2,5, 6,3, 4, 2, 7, 2. Ento teremos 11 n = (impar), assim a mediana ser o
elemento de ordem:

11 1
6
2
+
= elemento de ordem, ou seja:
2, 2, 2,3,3,3, 4,5,5, 6, 7 3 Md =
35

2caso: Quando n (n de observaes) for par a mediana ser a mdia aritmtica entre
os elementos de ordem:
2
n
e 1
2
n
+
.

Vejamos ento o exemplo a seguir.
Exemplo: Seja a seguinte srie de valores: 4, 2, 6, 3, 7, 5, 5, 4, 2, 3 . Ento 10 n = (par).
Assim, teramos
10
5
2
= e
10
1 6
2
+ = . Ou seja: 2, 2, 3, 3, 4, 4, 5, 5, 6, 7 . Desta forma a
mediana seria dada por
4 4
4
2
+
=
2.2.2 MEDIANA PARA VARIVEL CONTNUA
Usaremos o seguinte processo de identificao da mediana
2
n
f xh
Md
Fmd
| |

|
\ .
= +

,

em que teremos a seguinte legenda.
limite inferior da classe mediana.
2
n
elemento identificador da classe mediana.
f

soma das frequncias anteriores a classe mediana.


h amplitude da classe mediana.
Fmd frequncia da classe mediana.
Guarde bem isso!
Lembre-se que a amplitude a diferena entre os limites da classe.
Aluno, voltaremos ao exemplo das notas para vermos como funciona:


36

Notas N de alunos Fac
0 2
2 4
4 6
6 8
8 10

03
05
11
15
06
03
08
19
34
40
40

Ateno!
Como j vimos anteriormente, Fac a frequncia acumulada, obtida atravs do
acumulo das frequncias absolutas simples.
Assim, teramos
2
n
f xh
Md
Fmd
| |

|
\ .
= +

.

1) vamos identificar a classe mediana, pois todos os elementos se referem a ela.
0
40
20
2 2
n
= = O qual pela Fac podemos verificar que se encontra na classe 6 8.
2) a partir da classe mediana iremos identificar todos os elementos que compem a
frmula de identificao, da seguinte maneira:
( ) 20 19 2
6 6,13
15
x
Md

= + = . Ou seja, 50% dos alunos tiveram nota no mximo igual a
6,13 e outros 50% tiveram nota no mnimo igual a 6,13.
Agora voc vai conhecer mais um conceito de medida de posio: a moda.

37


2.3 MODA (Mo)
: Definio Trata-se do elemento mais comum em qualquer conjunto de dados, ou
seja aquele elemento que mais se repete neste conjunto.
Analogamente a mediana, teremos duas situaes: uma quando a varivel for
discreta e outra quando a varivel for contnua.
2.3.1 MODA PARA VARIVEL DISCRETA
Neste caso, iremos apenas identificar o elemento modal.
Exemplo: Seja a seguinte srie de dados, referentes a uma determinada varivel
discreta:1, 4, 2,5, 4, 6, 2, 4, 7, 5, 5, 4,1, 4
.

Teramos como resultado 4 Mo = , pois o valor mais frequente na srie.
Voc Sabia?
Uma srie de dados pode ser do tipo unimodal (uma nica moda), bimodal(duas
modas), trimodal (trs modas) e multimodal(a partir de quatro modas).
2.3.2 MODA PARA VARIVEL CONTNUA
Usaremos o seguinte processo de de identificao da moda:
1
1 2
Mo xh
A
= +
A + A
, na qual teremos as seguintes legendas:
limite inferior da classe modal.
1
A diferena entre a frequncia simples da classe modal e a frequncia simples da
classe anterior.
2
A diferena entre a frequncia simples da classe modal e a frequncia simples da
classe posterior.
h amplitude da classe modal.
Obs: Classe modal trata-se da classe de maior frequncia absoluta
38


Ento, vamos agora encontrar a nota modal no nosso Ex. das notas. Ok?
Notas N de alunos
0 2
2 4
4 6
6 8
8 10

3
5
11
15
6
40



1) vamos identificar a classe modal, pois todos os elementos se referem a ela.
Ateno!
A classe modal a classe de maior frequncia simples. Ento, no exemplo, a classe
modal ser de 6 8
2) a partir da classe modal iremos identificar todos os elementos que compem o
processo de Czuber, da seguinte maneira:
4
6 2 6, 6
4 9
Mo x = + =
+
.Ou seja, a nota mais comum entre os 40 alunos foi 6,6.
Vamos finalizar as medidas de posio, conhecendo as separatrizes.
2.3 SEPARATRIZES
39

Dependendo do elemento limite do conjunto de dados que estivermos querendo
encontrar, podemos necessitar dos quartis, decis ou dos percentis
2.3.1 QUARTIS
: Definio So medidas estatsticas que dividem um conjunto de dados em quatro
partes iguais.
Assim, temos o 1 , 2

e 3

quartil que podero ser encontrados atravs da seguinte


relao:
25% 50% 75%
--------
1
Q --------
2
Q --------
3
Q --------
4
in
f xh
Qi
FQi
| |

|
\ .
= +

, em que teremos as legendas a seguir:
limite inferior da classe quartlicaQi
4
in
elemento identificador da classe Qi
f

soma das frequncias anteriores a classe Qi


h amplitude da classe Qi
i
FQ frequncia da classe Qi .
Vejamos a aplicao, encontrando o resultado do terceiro quartil.
( )
3
3
3
30 19 2
4
6 7, 47
15
n
f xh
x
Q
FQ
| |

|

\ .
= + = + =

. Ou seja,
No exemplo das notas, podemos afirmar que 75% dos alunos tiraram no mximo nota
igual a 7,5 e que 25% da turma tirou nota no mnimo igual a 7,5.
2.3.2 DECIS

40

: Definio So medidas estatsticas que dividem um conjunto de dados em dez partes
iguais. Assim, teremos o 1 , 2 ,...., 9

decil ,ou seja:
10% 20% 30% 90%
------
1
D ------
2
D ------
3
D ....------
9
D ------

Todos os decis podero ser encontrados atravs da seguinte relao:
10
in
f xh
Di
FDi
| |

|
\ .
= +

, onde:

limite inferior da classe declica
i
D
.

10
in
elemento identificador da classe
i
D
.

f

soma das frequncias anteriores a classe


i
D
.

h amplitude da classe
i
D
.

i
FD frequncia da classe
i
D .
Como exemplo, vamos encontrar o oitavo decil das notas.
Exemplo: No Ex. das notas o oitavo decil, seria dado por:
( )
8
8
8
32 19 2
10
6 7, 7
11
n
f xh
x
D
FD
| |

|

\ .
= + = + =

. Ou seja,
No exemplo das notas, podemos afirmar que 80% dos alunos tiraram no mximo nota
igual a 7,7 e que 20% da turma tirou nota no mnimo igual a 7,7.
Finalizaremos as separatrizes, mostrando a voc o ltimo conceito estudado aqui: os
percentis. Veja a seguir.
41

2.3.3 PERCENTIS
: Definio So medidas estatsticas que dividem um conjunto de dados em cem
partes iguais.
Assim, teremos o 1 , 2 ,...., 99

percentil, ou seja:

1% 2% 3% 99%
---
1
P ---
2
P ---
3
P ....---
99
P ---
Assim, poderemos encontrar qualquer destes percentis atravs da seguinte relao:
100
in
f xh
Pi
FPi
| |

|
\ .
= +

.

Aplicaremos a seguir, encontrando no exemplo das notas o quadragsimo percentil.
( )
40
40
40
16 8 2
100
4 6, 4
11
n
f xh
x
P
FP
| |

|

\ .
= + = + =

. Ou seja, no exemplo das notas,


podemos afirmar que 80% dos alunos tiraram no mximo nota igual a 7,7 e que 20%
da turma tirou nota no mnimo igual a 7,7.
Ateno!!
Quando a varivel for discreta, poderemos encontrar qualquer percentil atravs
da ordem do elemento, da seguinte maneira:
( ) 1 1
100
p
X n x = + . Para tanto, devemos saber que:

X a ordem do elemento
n o n de elementos
p o percentil desejado. Veremos como funciona, aplicando o ex. a seguir.
42

Exemplo: No Ex. do n de faltas dos alunos, o sexagsimo terceiro percentil seria dado
por:



N de faltas (Xi) N de alunos (Fi) Fac
0
1
2
3
4
5
13
7
8
5
4
3
13
20
28
33
37
40
40
( ) ( )
63
1 1 40 1 1 25, 6 26
100 100
p
X n x x

= + = + = ~ elemento, o qual poderemos
identifica-lo atravs da Fac, e verificar que este elemento estar contido na frequncia
acumulada 28 que corresponde ao n de falta 2. Ou seja, 63% dos alunos tiveram no
mximo duas faltas e ainda 37% da turma tiveram no mnimo duas faltas.
Caro aluno(a), para fixarmos melhor todas as medidas estatsticas de posio que
conhecemos neste captulo, vamos observar o exerccio resolvidos a seguir.
EXERCCIO RESOLVIDO 1
Seja a seguinte distribuio de frequncia referente aos preos cobrados por uma
mercadoria em 50 estabelecimentos comerciais:
Preos N de
43

estabelecimentos
2 5
5 8
8 11
11 14
14 17

8
10
9
12
11
50
a) Qual o preo mdio cobrado pela mercadoria?
b) Interprete o resultado do preo mediano
c) Qual o preo cobrado pela maioria dos estabelecimentos?
d) 90% dos estabelecimentos cobram no mximo quanto pela mercadoria?
Soluo:
a)
Neste caso, teremos que encontrar a mdia aritmtica da distribuio:

Preos(R$) N de
estabelecimentos-Fi
Xi XiFi Fac
2 5
5 8
8 11
11 14
14 17

8
10
9
12
11
3,5
6,5
9,5
12,5
15,5
28
65
85,5
150
170,5
8
18
27
39
50
50 499

44

Usaremos a seguinte relao para dados agrupados:
499
9, 98
50
i i
X F
X
n
= = =


b) Como a varivel contnua, podemos encontrar o resultado da mediana da
maneira seguinte:
50
18 3
2 2
8 10, 3
9
n
f xh x
Md
FMd
| | | |

| |
\ . \ .
= + = + =

. Ou seja, 50% dos estabelecimentos


comerciais cobram, no mximo, R$ 10,3 pela mercadoria. Tambm os 50% dos
estabelecimentos que cobram mais pela mercadoria, no mnimo, cobram os mesmos
R$ 10,3.
c) Vimos que a moda por definio representa o elemento mais frequente, assim
o preo cobrado pela maioria dos estabelecimentos ser dado da seguinte
forma:
1
1 2
3
11 3 $15, 6
3 1
Mo xh x R
A
= + = + =
A + A +
= $13, 2 R

d) Este preo ser dado pela separatriz P90, ou seja:
( )
90
90
90
45 39 3
100
14 $15, 6
11
n
f xh
x
P R
FP
| |

|

\ .
= + = + =


Nesse tpico, voc conheceu as principais medidas de posio e agora
continuar a estudar as medidas estatsticas, conhecendo as principais medidas de
disperso. Vamos l?
TPICO 3 MEDIDAS DE DISPERSO
Objetivos:
- Encontrar e analisar o resultado do desvio-mdio, da varincia e do desvio-
padro.
45

- Com base nos resultados de algumas medidas de disperso iremos aprender
como verificar se um conjunto de dados possui uma baixa, uma mdia, ou uma
alta disperso.
Ento aluno, voc ir primeiramente reconhecer o desvio mdio como uma
importante medida de disperso.

3.1 DESVIO MDIO (DM)

: Definio
Podemos dizer que o desvio-mdio trata-se da mdia das distncias
que existe entre cada observao de um conjunto, e a mdia aritmtica deste
conjunto.

Poderemos encontrar o desvio-mdio, atravs da seguinte relao:
1
.
N
i
Xi X
DM Fi
N
=

.

Vejamos uma utilidade do desvio-mdio atravs do seguinte exerccio:
EXERCCIO RESOLVIDO 1
Qual das duas sries seguinte est sendo representada da melhor forma por
sua mdia aritmtica?
SRIE-A: 3, 5, 9, 3, 6, 6, 5, 3( 5
A
X =
).


SRIE-B: 7,8,8, 6, 9, 7, 7, 4 ( 8
B
X =
).
Soluo:
Atravs dos desvios-mdios iremos verificar qual das duas sries melhor representa a
sua mdia. Assim teremos:
Na Srie-A, a seguinte distribuio:

( )
i
X ( )
i
F |
i
X X
A
|
i
xF
3
5
3
2
6
0
46

6
9

2
1
2
4
8 12



Ento, turma, iremos encontrar o DM da srie-A, da seguinte forma:
1
.
N
i
Xi X
DM Fi
N
=

12
1, 5
8
= =






Na Srie-B, a seguinte distribuio:

( )
i
X ( )
i
F
i B
X X
i
xF
4
6
7
8
9

1
1
3
2
1
4
2
3
0
1
8 10

1
.
N
i
Xi X
DM Fi
N
=

10
1, 25
8
= = . Assim, como ( ) ( ) DM B DM A < , ento a srie B
melhor representa a sua mdia aritmtica.

A seguir conheceremos a varincia como uma das mais importantes medidas de
disperso
47

3.2 VARINCIA

: Definio
uma mdia dos quadrados dos desvios da mdia
X . O seu valor alm de
analisar a disperso de um conjunto, utilizado para realizar algumas inferncias
estatsticas.

Ateno!
Iremos ver o conceito de Inferncias Estatsticas com mais profundidade a partir da
aula 7.
Teoricamente, podemos encontrar a varincia tanto para uma populao, como
para uma amostra. Assim, podemos usar dos seguintes procedimentos:




3.2.1 VARINCIA POPULACIONAL (
2
o )

Usaremos:
2
o =
1
1
( )
1

N
N
i
i
XiFi
Xi Fi
N N
=
=
(
(
(
(
(


Voc Sabia?
Podemos calcular a varincia atravs de outros processos de frmulas tericas.
O modelo escolhido acima facilita os clculos se lembrarmos de que os dados, tanto
para variveis discretas como para variveis contnuas, estaro organizadas em tabelas
de distribuies de frequncias, as quais nos possibilitam encontrar os somatrios
necessrios com uma maior facilidade.

3.2.2 VARINCIA AMOSTRAL (S)

48

Usaremos: S =
1
1
( )
1

1
N
N
i
i
XiFi
Xi Fi
n n
=
=
(
(
(

(
(


Obs: Os somatrios que aparecem nas duas frmulas acima, sero encontrados
atravs das tabelas de distribuies de frequncias, conforme veremos no ex.abaixo
Exemplo: Considerando a srie de dados a seguir como sendo uma amostra de 14
valores referentes a uma varivel discreta qualquer: 4, 2, 5, 3, 4, 3, 3, 2, 5, 6, 5, 3, 2, 4;
poderemos encontrar a varincia desta srie da seguinte maneira:
(Xi) (Fi) XiFi

XiFi
2
3
4
5
6

3
4
3
3
1
6
12
12
15
6
12
36
48
75
36
14 10 207
Perceba aluno que:

i
X So os valores que apareceram na srie de dados
i
F So as frequncias com que cada observao aparece na srie
i i
X F So resultantes do produto entre a coluna do
i
X pela coluna do
i
F
2
i i
X F So resultantes do produto entre a coluna do
i
X pela coluna do
i i
X F
Assim, poderemos substituir na frmula os resultados dos somatrios
encontrados na tabela de distribuio de frequncia acima, da seguinte maneira:
S =
1
1
( )
1

1
N
i i N
i
i i
i
X F
X F
n n
=
=
(
(
(

(
(

=
1 (51)
207
14 1 14
(


=1,63
49

3.3 DESVIO PADRO
O desvio-padro um resultado consequente da varincia. uma das medidas
de disperso mais utilizadas. Atravs do desvio-padro, podemos ter algumas
informaes iniciais a partir de um conjunto de dados. Tambm poderemos ter o
desvio padro tanto para populao, como para amostra. Iniciaremos pelo desvio
padro populacional.

3.3.1 DESVIO PADRO POPULACIONAL (o )
Pela prpria representao do desvio-padro, percebemos que o desvio-padro
resultante da raiz quadrada da varincia, ou seja:
2
o o =

3.3.2 DESVIO PADRO AMOSTRAL ( S )
De maneira semelhante iremos encontrar o desvio padro amostral, atravs da
raiz quadrada da varincia amostral, ou seja:
2
S S =

Voc Sabia?
60% a 80% das observaes de um conjunto de dados encontram-se no intervalo de
um desvio padro em torno da mdia do conjunto. Ainda 100% das observaes do
conjunto se encontram no intervalo de trs desvios em torno da mdia aritmtica do
conjunto, ou seja, X
3S.

Finalizaremos as aplicaes das medidas de disperso, conhecendo o
coeficiente de variao, para que possamos atribuir uma classificao ao conjunto de
dados.
3.4 COEFICIENTE DE VARIAO (C.V)
: Definio
O Coeficiente de Variao trata-se da relao entre uma medida de
disperso (o desvio padro) e uma medida de posio (a mdia aritmtica).

Atravs do resultado do coeficiente de variao, poderemos ainda atribuir uma
classificao a um conjunto de dados da seguinte forma

Quando C.V 10% BAIXA DISPERSO
50

10% <C.V < 20% MDIA DISPERSO
C.V 20% ALTA DISPERSO

em que usaremos CV =
S
X
. 100. Aplicaremos a seguir esta medida.

EXERCCIO RESOLVIDO 3
Voltando ao Ex. dos preos da mercadoria cobradas em 50 estabelecimentos
comerciais:

Preos Fi Xi XiFi XiFi
2 5
5 8
8 11
11 14
14 17

8
10
9
12
11
3,5
6,5
9,5
12,5
15,5

28
65
85,5
150
170,5
98
422,5
812,25
1875
2642,75
50 496 5850,5

a) Classifique a disperso dos preos.
b) Encontre o intervalo que garante os preos cobrados por 60% a 80% dos
estabelecimentos.
Soluo:
a) Conforme vimos anteriormente, podemos classificar a disperso dos preos,
atravs do resultado do Coeficiente de Variao. Assim, teramos
51

C.V =
S
X
.100 . Sabemos que X . E ainda:
2
S S = . A varincia amostral ser dada por:

S =
1
1
( )
1

1
N
N
i
i
XiFi
Xi Fi
n n
=
=
(
(
(

(
(

=

=
1 (496)
5850, 5
49 50
(

(

= 18,98 S = 18, 98 = 4,4 .Assim, teramos:

CV =
4, 4
9, 98
100 44,1% x = (os preos so cobrados com uma alta disperso entre os
estabelecimentos comerciais).

b) Como vimos anteriormente, o intervalo que garante 60% a 80% ser dado por
| | 9, 98 4, 4 $5, 58 $14, 38 X S R R = =
.


Nesta aula, aprendemos a organizar dados quantitativos em tabelas de
distribuies de frequncias, para posteriormente usarmos diversos mtodos de
estatstica descritiva, para sintetizar a posio e a variabilidade da distribuio e
conseguirmos fazer uma leitura descritiva com uma maior qualidade.
Na aula3, aplicaremos exerccios que serviro para recordarmos o que foi visto
nas aulas anteriores, relembrando com detalhes os tpicos explorados nessas aulas.
Esta reviso com exerccios nos qualificar para uma melhor compreenso e facilitar
o incio do estudo da Inferncia Estatstica, assunto da aula 4.



52

ATIVIDADES DE APROFUNDAMENTO
01) Crie uma varivel discreta, simule 40 resultados dessa varivel e em seguida:
a) Organize os dados em uma tabela de frequncia absoluta, acumulada e relativa
b) Encontre e interprete o resultado de duas medidas de posio e duas de disperso
02) Considere os mesmos valores da questo anterior como sendo relativos a uma varivel
contnua e em seguida:
a) Organize os dados em uma distribuio de frequncia com amplitude de cada classe
com tamanho 3
b) Interprete o resultado do septuagsimo percentil
03) Qual das duas variveis criadas anteriormente melhor representam a sua mdia
aritmtica?
04) Qual das duas distribuies de frequncias anteriores possuem uma maior disperso?





























53

Aula 3 Miscelnea de exerccios resolvidos

Ol caro (a) aluno (a),
Nesta aula, recordaremos, atravs de exerccios resolvidos, as principais informaes
das ltimas duas aulas. Elas envolvero desde as sries estatsticas e suas
representaes at os conceitos e aplicaes da estatstica descritiva.

Ento, vamos fazer uma reviso?


Objetivos

- Diferenciar os principais tipos sries estatsticas e usar situaes para organizar dados
em distribuies de frequncias
- Calcular e interpretar as principais medidas estatsticas de posio e de disperso.

TPICO 1 EXERCCIOS: SRIES ESTATSTICAS
Objetivos
- Recordar a forma correta de representar as sries atravs de tabelas e de diferenciar
os principais tipos de sries estatsticas atravs de exerccios.
- Lembrara forma correta de escolher os grficos para realizar as representaes das
sries.
Aluno, iniciaremos este tpico com as aplicaes dos principais modelos de
sries, para posteriormente representarmos estes modelos atravs de tabelas e
grficos, assunto que foi estudado na aula 3. Aqui, veremos exerccios que nos
lembrem como diferenciar os principais tipos de sries estatsticas e como
represent-las atravs de tabelas ou grficos da melhor forma possvel.
Saiba Mais!
54

Para obter mais detalhes acerca desse assunto e estudar mais sobre grficos e
tabelas, visite o site http://www.somatematica.com.br/estat/basica/pagina5.php.
EXERCCIO RESOLVIDO 1
Crie uma situao que envolva o nosso curso a distncia. Ela deve ser identificada
como uma srie estatstica do tipo categrica-geogrfica.
Soluo:
Voc deve est lembrado que o conceito da srie estatstica geogrfica ou de
localizao foi definido como uma srie em que, na sua representao, s ocorre
variao na localidade da ocorrncia. Ou seja, neste tipo de srie, os dados sero
agrupados, segundo localidades distintas da ocorrncia. Notaremos tambm que a
poca da ocorrncia e o fenmeno ocorrido ficaro fixos (Aula 1 tpico 1).
E ainda, temos o conceito de srie categrica ou especfica em que: aquela em que a
variao s ocorre no prprio fenmeno ocorrido. Ou seja, nesta srie estatstica, a
poca e o local da ocorrncia permanecero fixos, enquanto os dados que se referem
ao fenmeno ocorrido sero agrupados de acordo com a modalidade da ocorrncia do
fenmeno
Sabemos que, podemos combinar as sries estatsticas. E como o enunciado pede para
fazer uma identificao das sries categrica-geogrfica. Ento teremos a seguinte
situao:
N DE ALUNOS POR CLASSIFICAO DAS NOTAS EM CADA POLO (2011.1)

CLASSIFICAO DAS
NOTAS
POLOS
A B C D E

BAIXA

... ... ... ... ...
55

MDIA
ALTA

... ... ... ... ...
... ... ... ... ...

Veja que, na srie existiriam alunos para as trs categorias de notas, por isso
ela categrica. E tambm existem resultados para mais de uma localidade(polos), por
isso ela tambm se classifica como Geogrfica.
EXERCCIO RESOLVIDO 2
Realize alterao na srie estatstica anterior, de tal forma que passemos a ter uma
srie que tambm assuma uma caracterstica de uma srie cronolgica.
Soluo:
N DE ALUNOS POR CLASSIFICAO DAS NOTAS EM CADA POLO
(2009-2010)

CLASSIFICAO
DAS NOTAS
POLOS
A B C D E
2009-2010 2009-2010 2009-2010 2009-2010 2009-2010

BAIXA
MDIA
ALTA

... ... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ... ..

56

Note que, agora alm da variao das categorias das notas e da localidade
destas, tambm temos na srie resultados para mais de um perodo, ou seja, tambm
temos uma variao de poca.
EXERCCIO RESOLVIDO 3
Simule valores para a srie estatstica anterior e escolha um grfico para em seguida
represent-la.

Vamos l!

N DE ALUNOS POR CLASSIFICAO DAS NOTAS EM CADA POLO
(2009-2010)

CLASSIFICAO
DAS NOTAS
POLOS
A B C D E
2009-2010 2009-2010 2009-2010 2009-2010 2009-2010

BAIXA
MDIA
ALTA

49 21 25 30 08 15 04 02 10 05
25 12 06 12 13 06 28 20 19 09
10 05 02 09 12 10 07 02 06 14
Como se trata de uma srie mista, usaremos o grfico de coluna para
representao mostrado na Figura 1.
57


Figura 1 - Grfico de coluna representando os dados da tabela
EXERCCIO RESOLVIDO 4
Verifique, na srie estatstica abaixo, quais foram os erros cometidos nas
representaes.
Soluo:
N DE VENDAS DO PRODUTO-X (2007-2010).
ANOS N DE VENDAS
2006
2007
2008
2009
2010
450
543
602
716
512

58


Figura 2 - Grfico representando os dados da tabela
Verificamos que o ttulo est incompleto tanto no quadro (visto que as tabelas
no devem conter o fechamento nas laterais), como no grfico. E ainda, por se tratar
de uma srie cronolgica, o grfico correto seria um grfico em linha.
Neste tpico, recordamos a forma correta de representarmos as sries
estatsticas, bem como as diferenas entre os principais tipos de sries. Os exerccios
resolvidos foram direcionados a grficos e tabelas, dos quais trabalhamos com dados
fictcios. No prximo e ltimo tpico, iremos abordar exerccios resolvidos que
envolvam o assunto de estatstica descritiva.

TPICO 2 EXERCCIOS: ESTATSTICA DESCRITIVA
Objetivos
- Lembrar, atravs de aplicaes, a forma correta de representarmos dados
quantitativos em tabelas de distribuies de freqncias.
- Aplicar problemas que envolvam as principais medidas de posio e de disperso.

Nesse tpico, voc ver a exposio de exerccios resolvidos que envolvam
conceitos como tipos de variveis, medidas de posio e de disperso que iro
descrever algum fenmeno estudado. Ento vamos aos exerccios.
59


EXERCCIO RESOLVIDO 1
Simule 35 valores referentes ao n de vendas realizadas em um determinado
estabelecimento comercial durante 40 dias observados, e em seguida:
a) Organize os dados em uma tabela de distribuio de freqncia.
b) Encontre o n mdio de vendas realizadas.
c) Interprete o resultado da mediana.
Faremos da seguinte forma:
a) Supondo que os 40 valores fossem os abaixo informados:
2, 5, 4, 1, 3, 2, 2, 7, 3, 5, 6, 2, 7, 2, 3, 1, 7, 5, 2, 6
5, 7, 4, 5, 3, 2, 5, 4, 1, 2, 4, 6, 7, 5, 4, 2, 1, 2, 1, 4.
Assim, poderemos dispor da seguinte forma:
N de vendas N de dias(Fi) Fac fi
1
2
3
4
5
6
7
5
10
4
6
7
3
5
5
15
19
25
32
35
40
0,125
0,250
0,100
0,150
0,175
0,075
0,125
35 1

b) Iremos encontrar o n mdio de vendas da seguinte forma:
60

1
n
i
i
X Fi
X
n
=
=

.
Na distribuio de frequncia, como a varivel discreta, chamaremos os valores da
varivel de Xi, ento iremos inserir uma nova coluna na tabela de distribuio:

N de vendas(Xi) N de dias(Fi) XiFi fi
1
2
3
4
5
6
7
5
10
4
6
7
3
5
5
20
12
24
35
18
35
0,143
0,286
0,114
0,171
0,200
0,085

40 149 1
1
n
i
i
X Fi
X
n
=
=

149
4, 2
35
= =
c) Como a varivel discreta e observamos um n impar de observaes, a mediana
ser o elemento que assuma a ordem
1
2
n +
, ou seja,
35 1
18
2
+
= o qual pela
coluna das frequncias acumuladas ser igual a 3, logo podemos dizer que em 50%
dos dias observados foram realizadas no mximo 3 vendas.

EXERCCIO RESOLVIDO 2
Tomando o exerccio1anteriormente resolvido como base , criamos esta nova situao:
qual seria o n de vendas mximo para 80% dos dias?
61

Aluno, como queremos um ponto que ir limitar um percentual, iremos aplicar
a separatriz. Para isso, deveremos calcular
80
? P =
Usaremos a seguinte relao:
( ) ( )
80
1 1 40 1 1 32, 2 32 5
100 100
p
X n x x

= + = + = ~ =
EXERCCIO RESOLVIDO 3
Supondo os dados do exerccio1 como sendo referentes s taxas de juros cobradas por
35 instituies financeiras e, em seguida, organize os dados em uma distribuio de
frequncia. Depois interprete o resultado do sexagsimo terceiro percentil.
Vamos resolver?
Os dados so os seguintes:
2, 5, 4, 1, 3, 2, 2, 7, 3, 5, 6, 2, 7, 2, 3, 1, 7, 5, 2, 6
5, 7, 4, 5, 3, 2, 5, 4, 1, 2, 4, 6, 7, 5, 4, 2, 1, 2, 1, 4.
Como a varivel Taxa de juros contnua, ento deveremos primeiro organizar
os dados em uma tabela de frequncia. Para isso, deveremos encontrar a amplitude
que definir os intervalos de classes. Usaremos o 1 mtodo visto na aula-4 da
seguinte forma: 40 25 40 7 n k = > ~ ~
t
h A k ~ 7 1 6
t
A = = 6 7 1 h ~ ~ . Assim, poderemos realizar a
representao:
Taxas N de instituies
(Fi)
Fac
62

1 2
2 3
3 4
4 5
5 6
6 7
7 8

5
10
4
6
7
3
5
5
15
19
25
32
35
40
40
Agora poderemos encontrar o sexagsimo terceiro percentil, assim:
63
100
63
n
f xh
Pi
FP
| |

|
\ .
= +

.
Iremos primeiramente identificar a classe percentlica, atravs do elemento
63 63 40
25, 2
100 100
n
= = . Pela coluna da Fac, vimos que esse elemento se encontra na
classe5 6
Ento agora iremos identificar na tabela de distribuio de frequncia todos os
elementos que compem a frmula. Assim, teramos
( ) 25, 2 25 1
63 5 5, 03
7
x
P

= + = .
Podemos dizer que 63% das instituies cobram no mximo 5,03% de juros ou
ainda que 37% das instituies possuem as maiores taxas de juros e cobram no
mnimo 5,03% de juros.
EXERCCIO RESOLVIDO 4
Seja a seguinte distribuio de frequncia das velocidades mdias apresentadas por 50
veculos em certo percurso observado:
63

Velocidade Fi
60 65
65 70
70 75
75 80
80 85

3
15
20
10
2
50
a) Qual a velocidade mdia apresentada pela maioria dos veculos?
b) As velocidades ocorreram com uma alta disperso?
Bom, caro aluno, vamos s solues:
Ateno!
Os conceitos de mediana; moda e separatrizes foram estudados por voc no tpico 2
da aula 4. Caso tenha alguma dvida, retorne a essa aula e estude com mais ateno
esses conceitos.
a) Vimos durante o estudo das principais medidas de posio que por definio a moda
o elemento que mais ocorre. Neste exemplo, a velocidade apresentada pela maioria
encontrada da seguinte maneira:
1
1 2
Mo xh
A
= +
A + A




Primeiro vamos identificar a classe modal, para depois encontrarmos os
elementos que compem a frmula. Assim, a classe modal a de maior frequncia
70 75. Ento teramos
1
1 2
5
70 5 71, 7
5 10
Mo xh
A
= + = + =
A + A +
, em que
64

limite inferior da classe
1 A 20-15=05
2 A 20-10=10
h Diferena entre os limites da classe(75-70=5)
b) Para classificarmos a disperso de uma distribuio, faz-se necessrio encontrar o
coeficiente de variao(CV), ento escreveremos


Velocidade Fi Xi XiFi
60 65
65 70
70 75
75 80
80 85

3
15
20
10
2
62,5
67,5
72,5
77,5
82,5
187,5
1012,5
1450
775
165
50 3590
C.V =
S
X
. 100, em que
1
n
i
XiFi
X
n
=
= =

3590
71,8
50
=
2
S s = , em que
2
S =
1
1
( )
1

1
N
N
i
i
XiFi
Xi Fi
n n
=
=
(
(
(

(
(

=
1 (496)
5850, 5
49 50
(

(

=18, 98
18, 98 4, 4 S = = . Assim,
4, 4
6,13%
71,8
CV = = .
65

Como 10% CV s , temos uma baixa disperso das velocidades mdias dos veculos.
EXERCCIO RESOLVIDO 5
Ainda com base nos dados do exerccio anterior, e sabendo-se que outro grupo de 30
veculos apresentou um desvio-mdio de 1,2,pergunta-se: qual dos dois grupos de
veculos melhor representa a sua velocidade mdia?
Vamos resposta:
Vimos no tpico3 da aula4 que ,quanto menor o resultado do desvio-mdio, melhor
ser a representao de seu resultado mdio, ento vamos calcular o desvio-mdio do
grupo dos 50 veculos:
Velocidade Fi Xi
Xi X Fi
60 65
65 70
70 75
75 80
80 85

3
15
20
10
2
62,5
67,5
72,5
77,5
82,5
27,9
64,5
14
57
21,4
50 184,8
1
.
N
i
Xi X
DM Fi
N
=


184,8
3, 7
50
= = .
Assim, como 1,2 <3,7, podemos dizer que o grupo de 30 veculos melhor representa a
sua velocidade mdia.
66

Bom, caro aluno, com esta aplicao, recordamos de toda parte da organizao
de dados em tabelas de distribuio de frequncia e tambm dos objetivos das
principais medidas de posio e de disperso.
Assim, com esta aula 3, fizemos um resumo das duas primeiras aulas que
envolveram desde as sries estatsticas at o resumo da estatstica descritiva, tais
como a organizao das informaes em tabelas de distribuies, os clculos de
medidas e as anlises destas medidas.
Na prxima aula, daremos incio ao estudo da inferncia estatstica que ir
inferir sobre parmetros populacionais, tomando por base as noes de probabilidade
e os conhecimentos da estatstica descritiva.










Aula 4 A INFERNCIA ESTATSTICA

Ol aluno(a),
67

At este momento, conseguimos realizar o estudo das sries estatsticas e da
estatstica descritiva, o qual ir contribuir bastante para uma melhor compreenso do
estudo da inferncia estatstica.
Com o apoio da estatstica descritiva e das noes de ocorrncias
probabilsticas realizaremos estimaes de parmetros populacionais com base em
levantamentos amostrais.

Objetivos

- Estimar propores populacionais desconhecidas.
- Estimar mdias populacionais desconhecidas

TPICO 1 ESTIMAES DE MDIAS POPULACIONAIS
Objetivo
- Investigar levantamentos amostrais, para realizarmos estimaes de mdias
populacionais desconhecidas com certa confiabilidade.

Iremos com base em levantamentos amostrais realizar estimaes de mdias
populacionais desconhecidas, atravs de intervalos que iro nos proporcionar
estas mdias estimadas

1.1 INTERVALO DE CONFIANA PARA MDIA
Uma maneira de expressarmos a preciso da estimao mostrarmos os limites
com os quais incluiro o verdadeiro valor do parmetro populacional. Chamamos esses
limites de limites de confiana, os quais iro determinar a formao do intervalo de
confiana. Na sequncia iremos aprender como construir estes intervalos, e
realizaremos exemplos de aplicaes dos mesmos
A aplicao do intervalo de confiana adequado se faz a partir de dois critrios:


1 critrio:
68

Quando conhecemos o valor da varincia populacional
2
o , iremos aplicar o seguinte
intervalo de confiana para estimao:
x
X Z
o
o , em que
X a mdia da amostra.
Z
o
o valor de Z da tabela da normal padro (estudado na aula 2 dessa disciplina),
cujo valor de probabilidade o mais prximo de 1
2
o
, no qual o nvel de
significncia.
Como ns estamos realizando estimao para um parmetro populacional,
atravs de dados amostrais, temos sempre uma margem probabilstica de confiana
para os limites de estimao do intervalo de estimao. Assim, chamaremos de nvel de
significncia o o complemento desta confiabilidade.
Por exemplo: se estivermos estimando com uma confiabilidade de 95%, o valor
do nvel de significncia o ser de 5%. Logo, neste caso, teramos que
1
2
o

0, 05
1 0, 975
2
= = .
Ento, olhando este valor na tabela da normal padro, veremos que o valor de
1, 96 Z
o
= .

x
o o desvio padro estimado para a mdia, que ser obtido da seguinte forma:
Quando ( ) 0, 05 n N s , ou seja, quando o tamanho da amostra que est sendo
trabalhada for menor do que 5% do tamanho da populao, teremos que
x
n
o
o = , em
queo o desvio padro populacional
Quando( ) 0, 05 n N > , ou seja, quando o tamanho da amostra for maior do que
5% do tamanho da populao, teremos que
1
x
N n
N n
o
o
| |
=
|

\ .
.




69

Ateno!
Quando no soubermos o tamanho da populao N, temos que considerar que a
amostra no ir ultrapassar 5% da populao.

Ateno!
Os parmetros que aparecem no texto X ,
2
o e o so medidas estatsticas que
voc, caro aluno(a), conheceu na Aula4.

Vamos ento a uma aplicao deste primeiro critrio:

Exerccio Resolvido 1
Desejando estimar o n mdio semanal de acesso ao sistema virtual Moodle dos alunos
da EaD do curso de Matemtica, selecionamos uma amostra de 40 alunos e verificamos
que estes tiveram um acesso mdio de 19,4 acessos ao sistema. Sabendo-se que os
acessos semanais de todos os alunos deste curso ocorrem com uma varincia de 2,2,
realize a estimao desejada com uma confiabilidade de 90%.

Soluo:
Primeiramente, vamos retirar do problema os dados fornecidos:
Tamanho da amostra 40 n =
Mdia da amostra 19, 4 X =
Varincia populacional
2
2, 2 o =
Nvel de significncia 10% 0,1 o = = .
Agora, vamos aplic-los no intervalo de confiana de estimao da mdia que
dado por
x
X Z
o
o .
Z
o
= ?
Primeiramente calcularemos a relao1
2
o

0,1
1 0, 95
2
= = .Depois iremos procurar na
tabela da normal padro (aula2) o valor de Z, cuja probabilidade seja a mais prxima de
70

0, 95. Assim teremos
0, 04
1 1 0, 98
2 2
o
= =

Tabela da Distribuio Normal Padro
P(Z<z)
0,0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0
0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1
0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2
0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3
0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4
0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5
0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6
0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7
0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8
0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9
0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0
0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1
0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2
0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3
0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4
0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5
0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6
0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7
0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
Fonte: www.pucrs.br/format/rossana/psicologia/tabela_normal.pdf
Ento, vimos que o valor de Z correspondente 1,65, logo 1, 65 Z
o
= .
Na sequncia, vamos encontrar o desvio padro estimado para mdia
x
o .
Considerando que a amostra no ultrapassa 5% do tamanho da populao, teremos
que
2, 2
0, 23
40
x
n
o
o = = = .
Agora vamos substituir os valores no intervalo de
estimao
x
X Z
o
o 19, 4 1, 65 0, 23 19, 4 0,38 = . Ento subtraindo e depois
somando 0, 38 de 19, 4 , teremos os seguintes limites do intervalo de estimao:
| | 19, 02 19, 78 at .
Assim, podemos concluir com 90% de confiana que o n mdio de acesso semanal ao
sistema virtual Moodle de no mnimo 19,02 e de no mximo 19,78.

2 critrio:
71

Quando no conhecemos o valor da varincia populacional
2
o e tivermos uma amostra
considerada pequena ( ) 30 n < ,iremos aplicar o seguinte intervalo de confiana para
estimao:

( 1) n
x
X T S
o
, em que

X a mdia amostral
( ) 1 n
T
o
o valor de T da tabela da distribuio T-Student, em que
o o nvel de significncia
( ) 1 n o grau de liberdade a ser visto na tabela
x
S o valor do desvio padro estimado da mdia quando no conhecemos o desvio
padro populacional o , e segue o mesmo critrio do
x
o .
Assim, quando ( ) 0, 05 n N s , ou seja, o tamanho da amostra que est sendo trabalhada
for menor do que 5% do tamanho da populao, teremos que
x
S
S
n
= , na qual S o
desvio padro populacional
Quando( ) 0, 05 n N > , ou seja, o tamanho da amostra for maior do que 5% do
tamanho da populao, teremos que
1
x
S N n
S
N n
| |
=
|

\ .
.
Vamos ento a uma aplicao desse critrio.

Exerccio Resolvido 2
Suponha agora que estamos interessados em estimar o n mdio semanal de acesso ao
sistema virtual Moodle dos alunos da EaD do curso de Matemtica com uma
confiabilidade de 90% e que, para isso, tivssemos apenas uma amostra de 26 alunos
acusando um acesso mdio ao sistema de 18,7 e um desvio padro do n de acesso
semanal de 1,35. Assim, realizemos a nova estimao intervalar.
Soluo:
Primeiro, retiremos as informaes do novo problema:
Nvel de significncia 0,1 o =
72

Tamanho da amostra 26 n =
Mdia amostral 18, 7 X =
Desvio padro amostral 1, 35 S = .
Assim, teremos
( 1) n
x
X T S
o
, em que
( )
0,1(26 1) 0,1(25) 1 n
T T T
o
= = .
Logo, poderemos encontrar na tabela da distribuio T- de Student abaixo
que
0,1(25)
1, 708 T =
Tabela t (student)
gl/o 0,90 0,80 0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,05 0,02 0,01 0,001
01 0,158 0,325 0,510 0,727 1,000 1,376 1,963 3,078 6,314 12,706 31,821 63,657 636,619
02 0,142 0,289 0,445 0,617 0,816 1,061 1,386 1,886 2,920 4,303 6,965 9,925 31,598
03 0,137 0,277 0,424 0,584 0,765 0,978 1,250 1,638 2,353 3,182 4,541 5,541 12,924
04 0,134 0,271 0,414 0,569 0,741 0,941 1,190 1,533 2,132 2,776 3,747 4,604 8,610
05 0,132 0,267 0,408 0,559 0,727 0,920 1,156 1,476 2,015 2,571 3,365 4,032 6,869
06 0,131 0,265 0,404 0,553 0,718 0,906 1,134 1,440 1,943 2,447 3,143 3,707 5,959
07 0,130 0,263 0,402 0,549 0,711 0,896 1,119 1,415 1,895 2,365 2,365 3,499 5,408
08 0,130 0,262 0,399 0,546 0,706 0,889 1,108 1,397 1,860 2,306 2,896 3,355 5,041
09 0,129 0,261 0,398 0,543 0,703 0,883 1,100 1,383 1,833 2,262 2,821 3,250 4,781
10 0,129 0,260 0,397 0,542 0,700 0,879 1,093 1,372 1,812 2,228 2,764 3,169 4,587
11 0,129 0,260 0,396 0,540 0,697 0,876 1,088 1,363 1,796 2,201 2,718 3,106 4,437
12 0,128 0,259 0,395 0,539 0,695 0,873 1,083 1,356 1,782 2,179 2,681 3,055 4,318
13 0,128 0,259 0,394 0,538 0,694 0,870 1,079 1,350 1,771 2,160 2,650 3,012 4,221
14 0,128 0,258 0,393 0,537 0,692 0,868 1,076 1,345 1,761 2,145 2,624 2,977 4,140
15 0,128 0,258 0,393 0,536 0,691 0,866 1,074 1,341 1,753 2,131 2,602 2,947 4,073
16 0,128 0,258 0,392 0,535 0,690 0,865 1,071 1,337 1,746 2,120 2,583 2,921 4,015
17 0,128 0,257 0,392 0,534 0,689 0,863 1,069 1,333 1,740 2,110 2,567 2,898 3,965
18 0,127 0,257 0,392 0,534 0,688 0,862 1,067 1,330 1,734 2,101 2,552 2,878 3,922
73

19 0,127 0,257 0,391 0,533 0,688 0,861 1,066 1,328 1,729 2,093 2,539 2,861 3,883
20 0,127 0,257 0,391 0,533 0,687 0,860 1,064 1,325 1,725 2,086 2,528 2,845 3,850
21 0,127 0,257 0,391 0,532 0,686 0,859 1,063 1,323 1,721 2,080 2,518 2,831 3,819
22 0,127 0,256 0,390 0,532 0,686 0,858 1,061 1,321 1,717 2,074 2,508 2,819 3,792
23 0,127 0,256 0,390 0,532 0,685 0,858 1,060 1,319 1,714 2,069 2,500 2,807 3,767
24 0,127 0,256 0,390 0,531 0,685 0,857 1,059 1,318 1,711 2,064 2,492 2,797 3,745
25 0,127 0,256 0,390 0,531 0,684 0,856 1,058 1,316 1,708 2,060 2,485 2,787 3,726
26 0,127 0,256 0,390 0,531 0,684 0,856 1,058 1,315 1,706 2,056 2,479 2,779 3,707
27 0,127 0,256 0,389 0,531 0,684 0,856 1,057 1,314 1,703 2,052 2,473 2,771 3,690
28 0,127 0,256 0,389 0,530 0,683 0,856 1,056 1,313 1,701 2,048 2,467 2,763 3,674
29 0,127 0,256 0,389 0,530 0,683 0,854 1,055 1,311 1,699 2,045 2,462 2,756 3,659
30 0,127 0,256 0,389 0,530 0,683 0,854 1,055 1,310 1,697 2,042 2,457 2,750 3,646
40 0,126 0,255 0,388 0,529 0,681 0,851 1,050 1,303 1,684 2,021 2,423 2,704 3,551
60 0,126 0,254 0,387 0,527 0,679 0,848 1,046 1,296 1,671 2,000 2,390 2,660 3,460
120 0,126 0,254 0,386 0,526 0,677 0,845 1,041 1,289 1,658 1,980 2,358 2,617 3,373
i 0,126 0,253 0,385 0,524 0,674 0,842 1,036 1,282 1,645 1,960 2,326 2,576 3,291

Fonte: http://www.somatematica.com.br/estat/tabelat.php

Agora, vamos encontrar o desvio padro estimado para mdia
x
S . Seguindo o mesmo
critrio de determinao de
x
o , encontraremos
x
S
S
n
=
1, 35
26
= 0, 265 = .
Substituindo os valores encontrados no intervalo de estimao para mdia,
teremos
( 1) n
x
X T S
o
| | 18, 7 1, 708 0, 265 18, 7 0, 4 18, 3 19,1 at = = = .
Assim, podemos concluir com 90% de confiana que o n mdio de acesso semanal ao
sistema virtual Moodle de no mnimo 18,3 e de no mximo 19,1.


74

TPICO 2 ESTIMAES DE PROPORES POPULACIONAIS

Objetivo
- Investigar levantamentos amostrais, para realizarmos estimaes de propores
populacionais desconhecidas com certa confiabilidade.

Iremos com base em levantamentos amostrais realizar estimaes de
porcentagens populacionais desconhecidas, atravs de intervalos que iro nos
proporcionar estas propores estimadas

1.1 INTERVALO DE CONFIANA PARA MDIA
Agora, iremos realizar estimaes de propores (porcentagens) populacionais
desconhecidas, atravs de levantamentos amostrais, que ser o nosso tema do
prximo tpico.


















75

TPICO 2 ESTIMAES DE PROPORES POPULACIONAIS
Objetivo
- Investigar levantamentos amostrais a fim de estimarmos propores
populacionais desconhecidas com certa confiabilidade.

Neste tpico aprenderemos a estimar propores populacionais
desconhecidas, atravs de intervalos de confianas, tomando por base
levantamentos amostrais. Vamos a aula do tpico!!

2.1 INTERVALO DE CONFIANA PARA PROPORO
Como geralmente no conseguimos investigar uma populao completa, iremos
com base em levantamentos amostrais, encontrar os limites de um intervalo que iro
incluir o verdadeiro valor da porcentagem populacional desconhecida. Para tanto,
aplicaremos o seguinte intervalo de confiana para a estimao:

p
p Z S
o
, em que

p a proporo amostral
x
p
n
= .
Saiba que

x o n de casos na amostra
n o tamanho da amostra
Z
o
o valor de Z da tabela normal padro
p
S o desvio estimado para proporo, obtido por
p
pq
S
n
= (para populaes infinitas)

Ou

76

1
p
pq N n
S
n N
| |
=
|

\ .
(para populaes finitas)

E ainda: 1 q p =


Ento, vamos ver como funciona esta estimao de propores populacionais
desconhecidas a partir do prximo exerccio resolvido:

Exerccio Resolvido 5
Em uma amostra de 400 famlias de uma cidade-X, verifica-se que 128 utilizam da
assinatura do servio de internet. Determine o intervalo de confiana de 90% para a
verdadeira proporo de famlias desta cidade que utilizam do servio de internet.
Soluo:
p
p Z S
o
.
Primeiro vamos encontrar os trs valores que compem o intervalo, ok?

1)
128
0, 32
400
x
p
n
= = =

2) ? Z
o
=

Como vimos no tpico1, devemos primeiro calcular
0,1
1 1 0, 95
2 2
o
= = . Agora iremos
procurar na tabela normal padro (visto no tpico passado) a probabilidade mais
prxima a 0,95, depois verificaremos que esta probabilidade assumida pelo o valor
1, 65 Z
o
=

3) Como no temos uma populao definida das famlias da cidade-X, iremos
considerar a populao como infinita, assim o desvio estimado para proporo
ser dado por
p
pq
S
n
=
77

0, 32 0, 68
0, 023
400
p
S

= =

Vamos ento substituir os trs valores no intervalo de estimao:

p
p Z S
o
| | 0, 32 1, 65 0, 023 0, 32 0, 04 0, 28 0, 36 at = = = , ou seja, a proporo de
famlias do municpio-X que possuem servio de internet, estimada com 90% de confiana,
de no mnimo 28% e de no mximo 36% das famlias do municpio.

Espero que tenha compreendido. Vejamos outro exemplo:

Exerccio Resolvido 6
Numa amostra de 310 escolas de uma cidade que possui um total de 1030 escolas,
verificamos que 97 delas contam exclusivamente com professores graduados ou ps-
graduados. Determine o intervalo de confiana de 95% para a real proporo de
escolas desta cidade, que possuem o seu quadro contando somente com professores
com as referidas qualificaes.

Soluo: Como a estimao de proporo usaremos o referido intervalo de estimao
p
p Z S
o
.
Primeiro vamos encontrar os trs valores que compem o referido intervalo:

1)
97
0, 31
310
x
p
n
= = =

2) ? Z
o
=

Como vimos no tpico1, devemos primeiro calcular
0, 05
1 1 0, 975
2 2
o
= = . Agora
iremos procurar na tabela normal padro (visto no tpico passado) a probabilidade
mais prxima a 0,975, ento poderemos observar que a referida probabilidade
assumida pelo o valor 1, 96 Z
o
=
78


3) Como temos uma populao definida de 1030 escolas na cidade, iremos
considerar a populao como finita, assim o desvio estimado para proporo
ser
dado por
0, 31 0, 69 1030 310
0, 022
1 310 1029
p
pq N n
S
n N
| | | |
= = =
| |

\ . \ .



Vamos ento substituir os trs valores no intervalo de estimao:

p
p Z S
o
| | 0, 31 1, 96 0, 022 0, 31 0, 04 0, 27 0, 35 at = = = , ou seja, a proporo de
escolas da cidade que contam com o quadro de professores possuidores de graduao ou de
ps-graduao, estimada com uma confiabilidade de 95%, de no mnimo 27% e de no
mximo 35% das escolas da cidade.

Ento, nesta aula voc conheceu e aplicou os mais importantes tipos de estimaes de
parmetros populacionais desconhecidos.

ATIVIDADES DE APROFUNDAMENTO
1. Em uma populao normal de uma varivel X com varincia populacional igual a 16,
retiramos uma amostra de 27 observaes, obtendo-se uma mdia de 8,03. Determine o
intervalo de confiana para a mdia populacional , adotando um nvel de significncia
de 90%.
2. Considere que a varincia informada no exerccio anterior tenha sido referente as 27
observaes. Encontre o novo intervalo de confiana ao nvel de 95%.
3. A durao de um equipamento de determinada marca ocorre com um desvio padro de
1,2 anos. Sabendo-se que foram amostrados 120 equipamentos desta marca, obtendo-se
uma mdia no tempo de durao de 13 anos, estime com 99% de confiabilidade o real
tempo de durao dos equipamentos desta marca.
4. Calcule um intervalo de confiana de 97% para a proporo de itens produzidos com
defeito por uma mquina, sabendo-se que uma amostra de 150 itens produzidos por esta
mquina apresentou 13 itens com defeitos.

79



Desta forma, finalizamos o estudo da inferncia estatstica, concluindo assim o nosso
material para disciplina de Estatstica e Probabilidade, a qual foi composta de trs partes: o
estudo dos clculos das probabilidades, o estudo da estatstica descritiva e o estudo da
inferncia estatstica.
Esperamos que aproveitem ao mximo todo o material elaborado e que obtenham sucesso no
decorrer da disciplina, na concluso de seu curso e no caminhar de sua vida






















80

REFERNCIAS

ANDERSON, David R; SWEENEY Dennis J; WILLIAMS Thomas A. Estatstica Aplicada Administ-
rao e Economia. 2 edio.
SPIEGEL, Murray R. Probabilidade e Estatstica, coleo Schaum, ed. Makron Books do Brasil,
1993.
HAZZAN, Samuel. Fundamentos de matemtica elementar: combinatria, probabilidade. Vol
5. So Paulo: Atual, 1993.
MORETTIN, Luiz Gonzaga. Estatstica Bsica. Vol 1. 7 Edio. So Paulo: Pearson Education do
Brasil, 1999.
SIMON, J. Fonseca. Curso de Estatstica. 5 Edio. So Paulo: Pioneira Thomson Learning,
1995.
WALPOLE, Ronald E; MYERS, Raymond H; MYERS, Sharon L; YE Keying. Probabilidade &
Estatstica para engenharia e cincias. 8 Ed.
EstatisticaeProbabilidade.

















81


CURRCULO
PAULO MAIA FERREIRA graduado em Estatstica pelo Departamento de Estatstica e
Matemtica Aplicada (DEMA) da Universidade Federal do Cear (UFC), ps-graduado em
Didtica do Ensino Superior pela Universidade de Fortaleza (Unifor). Atuou como estatstico na
Federao das Indstrias do Estado do Cear (FIEC), como professor de graduao na
Universidade de Fortaleza e na Universidade do Vale do Acara e de ps-graduao na
Universidade Federal do Cear em convnio com o Instituto Federal de Educao, Cincia e
Tecnologia do Cear (IFCE). Atualmente, professor de Estatstica e de Probabilidade no IFCE
campus Fortaleza.