PDF AEP BancodoBrasil Estatistica WeberCampos

CONCURSO DO BANCO DO BRASIL
ESTATSTICA
- Estatstica Descritiva;
- Distribuio de Probabilidade Discreta.
Prof. Weber Campos

(webercampos@gmail.com)
Estatstica
NDICE
CONCEITOS INICIAIS
DISTRIBUIO DE FREQUNCIAS
REPRESENTAO GRFICA DOS DADOS ESTATSTICOS
MEDIDAS DE POSIO
Mdia Aritmtica
Mdia Geomtrica
Mdia Harmnica
Moda
Mediana
Quartil
MEDIDAS DE DISPERSO
Amplitude Total
Desvio Padro
Varincia
Coeficiente de Variao (A Disperso Relativa)
RESUMO DAS PROPRIEDADES DA SOMA, SUBTRAO, PRODUTO E DIVISO
CLCULO SIMPLIFICADO DA MDIA ARITMTICA
PROBABILIDADE
DISTRIBUIES DE PROBABILIDADES DISCRETAS
Distribuio Binomial
Distribuio de Poisson
EXERCCIOS
Prof. Weber Campos
Estatstica
CONCEITOS INICIAIS
1. Estatstica
No cremos que alguma prova venha a questionar o que a estatstica, contudo, imprescindvel
saber que se trata de um ramo da Matemtica Aplicada, uma metodologia, uma tcnica cientfica, adotada
para se trabalhar com dados, ou seja, com elementos de pesquisa. Esta metodologia, este mtodo, consiste
em uma srie de etapas, iniciando pela coleta das informaes (dos dados), passando por sua organizao
e descrio, para se chegar, enfim, a uma fase complementar, na qual se dar a anlise daqueles dados (j
organizados e descritos) e a utilizao desta anlise, culminando com uma concluso, a qual ensejar uma
tomada de deciso.
As fases de coleta, organizao e descrio so compreendidas pela Estatstica Descritiva, cujo
objetivo a utilizao de tabelas, grficos e o clculo de medidas estatsticas (mdia, mediana, moda,
desvio padro,...) para realizar a sntese dos dados.
A Estatstica Inferencial realiza a anlise e a interpretao dos dados em termos de Acurcia
(capacidade de prever aquilo que efetivamente se quer prever e no uma outra coisa qualquer) e Preciso
(a margem de erro das previses).
2. Populao ou Universo Estatstico
Conjunto constitudo por todos os elementos cujo comportamento interessa analisar.
Nem sempre possvel estudar exaustivamente todos os elementos da populao!
- Pode a populao ter dimenso infinita
Exemplo: Populao constituda pelas temperaturas, nos diferentes pontos de uma cidade.
- Pode o estudo da populao levar destruio da populao
Exemplo: Populao dos fsforos de uma caixa.
- Pode o estudo da populao ser muito dispendioso
Exemplo: Sondagens exaustivas de todos os eleitores, sobre determinado candidato.
3. Censo
o levantamento total da populao. Neste caso, procura-se analisar individualmente cada elemento
da populao.
4. Amostra
Quando no possvel estudar, exaustivamente, todos os elementos da populao, estudam-se s
alguns elementos, a que damos o nome de Amostra.
Definio: Conjunto de dados ou observaes, recolhidos a partir de um subconjunto da populao,
que se estuda com o objetivo de tirar concluses para a populao de onde foi recolhida.
A amostra deve ser to representativa quanto possvel da Populao que se pretende estudar, uma
vez que vai ser a partir do estudo da amostra, que vamos tirar concluses para a Populao.
Quando a amostra no representa corretamente a populao diz-se enviesada e a sua utilizao pode
dar origem a interpretaes erradas.
Vantagens da adoo de Amostras:
i. Conveniente no estudo de populaes grandes.
ii. Indispensvel no estudo de populaes infinitas.
iii. Indispensvel em estudos nos quais a coleta de dados implica na destruio do material utilizado.
iv. Custo reduzido
v. Maior rapidez
Prof. Weber Campos
Estatstica
5. Amostragem Aleatria Simples
uma tcnica de amostragem, onde cada elemento de uma populao tem a mesma
probabilidade de ser includo na amostra.
Um exemplo de obteno de uma amostragem aleatria simples atravs do sorteio dos
elementos.
6. Exemplos de aplicao da Estatstica
Medicina
Pretende-se estudar o efeito de um novo medicamento para curar determinada doena.
selecionado um grupo de 20 doentes, administrando-se o novo medicamento a 10 desses doentes
escolhidos ao acaso e o medicamento habitual aos restantes.
Populao: conjunto de todos os doentes com a doena que o medicamento a estudar pretende tratar.
Amostra: conjunto dos 20 doentes selecionados
Concluso: pretende-se, a partir dos resultados obtidos, realizar um "teste de hipteses" para tomar uma
deciso sobre qual dos medicamentos melhor.
Controle de Qualidade
O administrador de uma fbrica de parafusos pretende obter a percentagem de peas defeituosas
produzidas.
Populao: conjunto de todos os parafusos fabricados ou a fabricar pela fbrica, utilizando o mesmo
processo de produo.
Amostra: conjunto de parafusos escolhidos ao acaso dentre o lote de produzidos.
Concluso: pretende-se, a partir da percentagem de parafusos defeituosos presentes na amostra, "estimar"
a percentagem de defeituosos em toda a produo.
7. Classificao dos Dados Estatsticos:
Variveis Qualitativas:
So aquelas cujos valores so expressos por uma qualidade ou atributo!
Ex.: religio, cor, estado civil etc.
- Variveis Qualitativas Nominais ou Variveis Categricas:
No apresentam qualquer tipo de hierarquia.
Ex.: sexo, estado civil, cor da pele.
- Variveis Qualitativas Ordinais:
Podem ser ordenadas de forma hierrquica.
Ex.: grau de instruo, patente militar etc.
Variveis Quantitativas:
So aquelas que apresentam um nmero associado ao indivduo pesquisado.
- Variveis Quantitativas Discretas: so aquelas variveis que podem assumir somente
determinados valores num intervalo. Normalmente, so aquelas que podem ser contadas.
Ex.: nmero de filhos, nmero de livros em uma estante, nmero de alunos em uma sala de aula etc.
- Variveis Quantitativas Contnuas: so aquelas variveis que podem assumir qualquer valor
em um intervalo. Normalmente, so aquelas que podem ser medidas.
Ex.: altura, peso, temperatura etc.
Prof. Weber Campos
Estatstica
As distribuies de frequncias (ou tabelas de frequncias) so muito importantes na Estatstica.
Basicamente so utilizadas para se ter uma idia quantitativa sobre a distribuio dos dados, ou seja, como
os dados se manifestam.
Assim como existem dois tipos de dados quantitativos (discretos e contnuos) existem tambm dois
tipos de distribuies de frequncias.
1. DISTRIBUIO DE FREQUNCIAS PARA DADOS DISCRETOS

Neste caso a distribuio de freqncias se compe basicamente de duas informaes: as possveis
ocorrncias e a quantidade de vezes que cada uma ocorreu de fato.
Ex.: Imagine que voc lana um dado 20 vezes e anota, em cada lanamento, o valor da face voltada para
cima. Suponha que temos os seguintes resultados:
1
3
5
1
3
2
1
5
4
2
6
3
2
3
1
4
3
1
1
5
Para este exemplo temos a seguinte tabela de freqncias:

Valores
Observados (Xi)
1
2
3
4
5
6
Total
Freqncia
Observada (fi)
6
3
5
2
3
1
20
OBS.:
q
q
Na primeira coluna temos os valores das faces do dado e na segunda coluna temos o nmero de
vezes que cada face ocorreu no experimento.
A soma total da coluna das freqncias tem valor igual ao total de observaes do experimento.
2. DISTRIBUIO DE FREQUNCIAS PARA DADOS CONTNUOS

Para um melhor entendimento sobre o conceito de distribuio de freqncias para dados
contnuos usaremos o seguinte exemplo:
Um professor, ao aplicar um teste em uma turma, deseja fazer uma pesquisa completa
sobre o desempenho dos seus 50 alunos.
A lista dos resultados obtidos foi a seguinte (dados brutos):
5,5
7,8
7,0
4,4
3,0
2,0
0,5
0,0
9,5
5,0
2,4
3,5
4,0
4,0
1,5
1,0
6,0
2,5
8,0
3,2
5,0
5,3
5,5
4,0
4,5
6,5
2,5
1,0
4,8
5,0
3,0
1,9
1,5
7,5
5,0
5,1
4,0
4,5
5,5
5,5
0,0
0,5
2,2
3,6
0,5
9,5
5,0
3,7
4,0
2,0
Prof. Weber Campos
Estatstica
Agrupando os resultados por classes ou intervalos, obteremos a seguinte distribuio de
freqncias:
Notas
Freqncias
10
0 | 2
12
2 | 4
20
4 | 6
5
6 | 8
3
8 | 10
Total
50
O arranjo ou organizao dos dados brutos por classe, junto com as frequncias
correspondentes, chamado de Distribuio de Frequncias com intervalos de classe (ou Dados
tabulados agrupados em classes).
3. ELEMENTOS DE UMA DISTRIBUIO DE FREQUNCIA:
a) Classes: so os intervalos de variao da varivel. So representados por i = 1, 2, 3, ..., k; onde k o
nmero total de classes da distribuio.
Cada classe representada por um intervalo onde so indicados apenas os valores limites. Vejamos
quais so os tipos de intervalos de classe existentes:
i) 3 | 5 ou [3 ; 5) : fechado esquerda e aberto direita. Inclui o limite inferior e exclui o
limite superior.
ii) 3 | 5 ou (3 ; 5] : aberto esquerda e fechado direita. Exclui o limite inferior e inclui o
limite superior.
iii) 3 || 5 ou [3 ; 5]: fechado esquerda e direita. Inclui os dois limites.
iv) 3 5 ou (3 ; 5): aberto esquerda e direita. Exclui os dois limites.
b) Limites de Classe: so os extremos de uma classe.
linf = limite inferior
lsup = limite superior
c) Amplitude de Classe: a medida do intervalo que define a classe. obtida pela diferena entre os
limites superior e inferior dessa classe. indicada por h.
h = l sup- l inf
d) Ponto Mdio de uma Classe: aquele que divide o intervalo de classe em duas partes iguais.
Chamaremos Ponto Mdio de PM, e o calcularemos do seguinte modo:
PM =
l sup+ l inf
2
ou PM = l inf +
IMPORTANTE: O Ponto Mdio de uma classe o seu representante legtimo.

Outras Relaes:
1) O limite superior de uma classe o ponto mdio do intervalo dessa classe somado com a
metade da amplitude de classe.
h
l sup = PM +
2
2) O limite inferior de uma classe o ponto mdio do intervalo dessa classe subtrado da metade
da amplitude de classe.
h
l inf = PM -
2
Prof. Weber Campos
Estatstica
IMPORTANTE: Quando todas as classes de uma distribuio possuem mesmas amplitudes de
classe, teremos que:
- A diferena entre os pontos mdios constante e igual amplitude de classe. Portanto, para
calcular todos os pontos mdios de uma distribuio, calcule o primeiro ponto mdio pela frmula
e depois v somando a amplitude de classe para encontrar os outros pontos mdios.
e) Frequncia: existem vrios tipos de freqncias usadas em uma Distribuio de Freqncias com e
sem intervalos de classe, veja abaixo quais so elas.
4. TIPOS DE FREQUNCIAS:
As frequncias mencionadas abaixo esto definidas para uma distribuio de frequncia com
intervalos de classe. As definies dessas frequncias para uma distribuio sem intervalos de classe
so feitas de maneira anloga.
4.1. FREQUNCIA ABSOLUTA ( fi )
Indica quantos elementos pertencem a cada classe.
Obs.: A soma das freqncias absolutas corresponde ao nmero total de elementos da distribuio,
geralmente denotada por n, i.e., n =
fi .
(
4.2. FREQUNCIA ABSOLUTA ACUMULADA CRESCENTE fac

Indica a quantidade de elementos que menor ou igual ao limite superior da classe.
conhecida tambm, como freqncia abaixo de.
Obs.: A fac de uma classe igual a soma de sua freqncia absoluta com a fac da classe anterior, i.e.,
fac = fi + fac ant .

Importante: A fac da ltima classe dever coincidir com o nmero total de elementos n.
4.3. FREQUNCIA RELATIVA (Fi )
Indica a proporo de elementos em cada classe com relao ao total de elementos.
Obs.: determinada quando dividimos a frequncia absoluta de cada classe, pela frequncia total, isto
, pelo nmero total de elementos da distribuio.
Ou seja:
Fi =
fi
n
Importante: A soma das frequncias relativas deve ser igual a 100%.
4.4. FREQUNCIA RELATIVA ACUMULADA CRESCENTE Fac

Indica a proporo de elementos, em relao ao total de elementos, que menor ou igual ao
limite superior da classe. conhecida tambm, como freqncia relativa abaixo de.
Obs.: A Fac de uma classe igual a soma de sua freqncia relativa com a Fac da classe anterior,
i.e., Fac = Fi + Fac ant .
Importante: A Fac da ltima classe dever ser igual a 100%.
Prof. Weber Campos
Estatstica
REPRESENTAO GRFICA DOS DADOS ESTATSTICOS
1. INTRODUO
Grfico estatstico nada mais do que uma forma de apresentao dos dados estatsticos. Tem
como objetivo produzir, em quem o analisa, uma informao direta e objetiva do fenmeno em anlise.
claro que nenhuma prova de concurso pedir para voc desenhar o grfico, ento como ser
medido o nosso conhecimento sobre os grficos estatsticos? Poder ser feito de dois modos: 1) uma
questo terica para medir o conhecimento sobre os tipos de grficos estatsticos; e 2) a questo fornece
um determinado grfico pronto e pede que calculemos uma medida estatstica baseada nele.
Esse ltimo modo o mais frequente em provas, e para resolver as questes deste tipo, temos que
saber ler e retirar as informaes que so fornecidas no grfico.
Passemos agora a conhecer os principais tipos de grficos estatsticos. D uma ateno especial aos
grficos usados para a representao de uma Distribuio de Frequncias. E para esses grficos, procure
saber como montar a tabela de frequncias correspondente.
2. GRFICO DE COLUNAS
a representao de uma srie estatstica por meio de retngulos no contguos, dispostos
verticalmente. Os retngulos possuem a mesma base e as suas alturas so proporcionais aos respectivos
dados.
Exemplo 01:
Produo de Veculos no Brasil (1992 1996)
(em milhares de unidades)
1000
900
800
700
600
92
93
94
95
96
Exemplo 02:
Alunos Formados na UFPE em 1999
200
160
100
Advogados Mdicos Engenheiros
Prof. Weber Campos
Estatstica
3. GRFICO EM BARRAS
a representao de uma srie estatstica por meio de retngulos dispostos horizontalmente. Os
retngulos possuem mesma altura e os seus comprimentos so proporcionais aos respectivos dados.
Exemplo 03:
PRODUO DE CEBOLA
BRASIL 1992
So Paulo
R. G. do Sul
Sta Catarina
Pernambuco
Minas Gerais
0
40
80
120
160
200
240
280
(mil toneladas)
4. GRFICO EM LINHAS
Exemplo 04: Estudando a populao de um determinado pas, obtm-se os seguintes dados:
Ano
Populao
(em milhes)
1995
50
1996
55
1997
65
70
1998
70
65
1999
85
Populao
85
55
50
1995 1996 1997 1998
1999 Anos
5. GRFICO EM SETORES
designado por meio de um crculo, onde cada classe representada por um setor circular, cujo
ngulo proporcional ao tamanho da amostra.
utilizado quando se deseja mostrar as partes de um todo, ou seja, quando se deseja comparar
propores.
Exemplo 05:
Empresas
Produo
(unidades)
A
B
C
D
Total
100
30
60
10
200
Prof. Weber Campos
Produo
(percentagem do
total)
50%
15%
30%
5%
100%
9
Estatstica
As reas dos setores so proporcionais aos dados da srie, e so obtidas por meio de uma regra de
trs simples, na qual consideraremos que a rea total da circunferncia 100% corresponde a 360.
Da, como no exemplo a empresa A representa 50% do total da produo, faremos a seguinte regra
de trs:
360 --- 100%
XA --- 50%
Da, 10X A = 36 50
X A = 180o
Logo, encontraremos que este setor dever cobrir um ngulo de 180.

De forma semelhante, encontraremos os ngulos para o restante das empresas:
empresa B: X B = 54o
empresa C: X C = 108o
empresa D: X D = 18o
Com esse dados, marcamos num crculo, com um transferidor, os ngulos correspondentes a cada
setor, obtendo o grfico de setores:
50%
A
5%
B
C
15%
30%
6. GRAFICOS ESTATSTICOS PARA DISTRIBUIES DE FREQUNCIAS
Nesta seo, veremos os grficos utilizados para representar distribuies de frequncias. O mais
importante que se deve aprender aqui como montar a tabela de frequncias a partir do grfico dado na
questo, conhecimento este j exigido em algumas questes de prova.
6.1. GRFICO DE HASTES OU BASTES
Bastante utilizado para representar distribuio de frequncias sem classes, o que normalmente
ocorre com dados discretos. Neste caso, no h perda de informao, pois os valores da varivel aparecem
individualmente, como constam da amostra.
Observao: O Grfico de Hastes pode ser construdo utilizando-se, indistintamente, as frequncias simples
absolutas ou relativas de cada elemento.
Prof. Weber Campos
10
Estatstica
Exemplo 06: Num lanamento de um dado 30 vezes tivemos o seguinte resultado:
Xi
1
2
3
4
5
6
fi
6
5
8
2
4
5
O grfico de hastes correspondente a tabela o seguinte:

fi
8
6
5
4
2
Xi
Tente fazer a volta, ou seja, a partir do grfico monte a tabela.
6.2. HISTOGRAMA
Podemos afirmar seguramente que, entre todos os grficos estatsticos, este o de maior relevncia
na esfera dos concursos pblicos.
O Histograma destinado representao de Distribuies de Frequncias com classes.
Observao: O Histograma pode ser construdo utilizando-se, indistintamente, as frequncias simples
absolutas ou relativas de um intervalo de classe.
No Histograma, as classes estaro representadas por retngulos um para cada classe dispostos
vertical e contiguamente (sem espao entre eles), cujas bases sero margeadas pelos limites destas classes
(limites inferior e superior) e cujas alturas sero determinadas pelas frequncias absolutas ou relativas
de cada classe.
fi
Exemplo 07:
2
4
6
8
Notas
| 4
| 6
| 8
| 10
Total
fi
5
7
4
2
18
5
4
2
10
Classes
Tente fazer a volta, ou seja, a partir do grfico monte a tabela.
Prof. Weber Campos
11
Estatstica
6.3. POLIGONAL CARACTERSTICA
o grfico construdo a partir do Histograma, utilizando-se apenas dos contornos deste.
fi
7
5
4
2
2
10
Classes
6.4. POLGONO DE FREQUNCIAS

o grfico construdo unindo-se por linhas retas os pontos mdios das bases superiores dos
retngulos de um Histograma. Estes pontos mdios, conforme veremos no prximo captulo, so os
elementos que esto exatamente no meio de cada classe, dividindo-as em duas metades.
Exemplo 08:
2
4
6
8
fi
Notas
|
|
|
|
Total
4
6
8
10
fi
5
7
4
2
18
75420
10
Classes
6.5. CURVA DE FREQUNCIAS

A partir do Polgono de Frequncias podemos representar contornos mais suaves (polgono de
frequncia polido), utilizando-se curvas para chegarmos a uma das representaes de grande utilidade
para a Estatstica, a qual chamaremos de Curva de Frequncias.
Para o exemplo apresentado no item anterior, a respectiva curva de frequncia dada por:
fi
7542-
10
Classes
6.5.1. As Formas das Curvas de Frequncias

As curvas de frequncias podem assumir certas formas caractersticas. Citamos algumas delas:
Curva em foma de sino: estas apresentam um formato assemelhando-se ao contorno de um sino,
evidenciando uma forte concentrao dos valores em torno do centro da distribuio.
Prof. Weber Campos
12
Estatstica
So muitos os fenmenos que oferecem distribuies em forma de sino: a estatura dos adultos, o
peso dos adultos, a inteligncia medida em testes de Q.I., os preos de um produto, etc.
Na prtica, bem provvel que a curva apresente uma certa assimetria esquerda (cauda mais
alongada esquerda) ou direita (cauda mais alongada direita). Ento, possvel distinguir trs
configuraes para as curvas em forma de sino:
f
Curva Simtrica
Prof. Weber Campos
Curva Assimtrica Direita
Curva Assimtrica Esquerda
13
Estatstica
MEDIDAS DE POSIO
1. Conceito:
Medidas de Posio so aquelas que indicam, como o prprio nome sugere, a posio da distribuio
no eixo das abscissas.
Veremos as seguintes medidas de posio:
Mdia aritmtica, Mdia geomtrica, Mdia harmnica, Moda, Mediana e Quartil.
IMPORTANTE: Ao analisarmos cada uma das medidas de posio, deveremos levar em conta a forma de
como os nossos dados estaro apresentados.
So trs as formas possveis de apresentao dos dados em uma questo de concurso. So elas:
Conjunto de nmeros;
Distribuio de frequncias sem classes;
Distribuio de frequncias com classes.
Exemplo 01: Um enunciado de questo poderia solicitar que se calculasse a Mdia Aritmtica do seguinte
conjunto de dados:
0, 0, 1, 1, 1, 1, 3, 3, 4, 6, 6, 6, 6, 6, 6, 7, 7, 7, 8, 9, 9, 10
Logo, vemos que os dados esto apresentados na forma de um conjunto de nmeros, e saberemos
que vamos utilizar a forma de clculo da mdia aritmtica para um conjunto!
Exemplo 02: Agora, outro enunciado de questo poderia solicitar que se calculasse a Mdia Aritmtica da
seguinte distribuio de dados:
Xi
fi
0
2
1
5
2
7
3
4
4
3
5
1
Neste caso, notamos que os dados esto apresentados de forma tabulada, mas no agrupados
em intervalos de classes! Logo, iremos calcular a Mdia Aritmtica para esta forma de apresentao dos
dados!
Exemplo 03: Um terceiro anunciado solicita o clculo da Mdia Aritmtica para a distribuio de dados
abaixo:
classes
fi
0 | 2
20
2 | 4
100
4 | 6
200
6 | 8
150
8 | 10
30
Percebemos aqui, que os dados esto apresentados de forma tabular, estando ainda agrupados
em intervalos de classes! Logo, teremos que calcular a Mdia Aritmtica para esta forma de apresentao
dos dados!
Prof. Weber Campos
14
Estatstica
2. MDIA ARITMTICA X
2.1.
Para um conjunto de nmeros:

o quociente entre a soma dos valores observados e o seu nmero total de elementos (Mdia
Aritmtica Simples).
Xi
Teremos que: X =
n
Exemplo: Dados os seguintes elementos, calcule o a mdia aritmtica do conjunto:
{ 1, 3, 5, 7, 9, 11, 13}
Sol.: X = 1 + 3 + 5 + 7 + 9 + 11 + 13 X = 49 X = 7
7
7
2.2.
Para uma Distribuio de Frequncias sem classes:
o quociente entre a soma dos produtos dos valores da varivel pelas respectivas frequncias e a
soma das frequncias (Mdia Aritmtica Ponderada).
fi. Xi
Teremos que: X =
n
Exemplo: Calcular a mdia aritmtica dos dados abaixo:

Xi
fi
4
1
5
5
6
6
7
5
8
3
Soma
20
Sol.: O primeiro passo para resolvermos esta questo construirmos a coluna fi .Xi ! Obtendo o
somatrio desta coluna, precisaremos apenas dividi-lo pelo nmero total de elementos n . Notemos
que n = fi .
Da, faremos:
Xi
4
5
6
7
8
Soma
E, finalmente:
X = 124 / 20
Prof. Weber Campos
fi
1
5
6
5
3
20
fi .Xi
4x1=4
5x5=25
6x6=36
7x5=35
8x3=24
124
X = 6,2
15
Estatstica
2.3.
Para uma Distribuio de Frequncias com classes:
o quociente entre a soma dos produtos dos Elementos (geralmente, representados pelos Pontos
Mdios das Classes) pelas respectivas frequncias e a soma das frequncias (Mdia Aritmtica Ponderada).
fi. Xi
Teremos que: X =
n
Exemplo: Calcular a mdia aritmtica dos dados abaixo:
Classes
fi
2 | 4
3
4 | 6
5
10
6 | 8
5
8 | 10
3
10 | 12
Soma
26
Sol.: Neste caso, teremos de criar mais duas colunas para encontrar a soluo. A primeira ser a
coluna dos Xi, representados pelos Pontos Mdios! Faremos isso, porque o Ponto Mdio o valor mais
representativo de cada classe na distribuio de freqncias!
A segunda coluna que iremos construir ser a do produto (fi.Xi)!
Da, faremos:
Classes
fi
Xi
fi .Xi
2 | 4
3
3
9
4 | 6
5
5
25
6 | 8
10
7
70
8 | 10
5
9
45
3
11
33
10 | 12
Soma
26
182
X = 182 / 26
E, finalmente:
2.4.
X = 7,00
Propriedades da Mdia Aritmtica
a) A mdia aritmtica sempre existe e nica.

b) A mdia aritmtica sensvel a todos os valores do conjunto. Se um valor se modifica, a mdia
tambm se modifica.
c) Se n1 valores tm mdia X 1 e se n2 valores tm mdia X 2 , ento a mdia do conjunto formado por
todos os valores dada pela relao:
X=
X 1 n1 + X 2 n2
n1 + n2
A Mdia das Mdias!
Exemplo:
X1 = {1, 3, 5, 7, 9} n1= 5 X 1 = 5
X2 = {2, 4, 6, 8, 10, 12, 14} n2= 7 X 2 = 8
Da:
X = 5 x 5 + 8 x 7 X = 6,75
5+7
Prof. Weber Campos
16
Estatstica
d) Propriedade da Soma e da Subtrao: Se a cada elemento de um conjunto numrico qualquer
somarmos ou subtrairmos uma constante, a mdia ficar acrescida ou subtrada desta constante.
e) Propriedade do Produto e da Diviso: Se cada elemento de um conjunto numrico qualquer for
multiplicado ou dividido por uma constante, a mdia ficar multiplicada ou dividida por esta
constante.
3. MDIA GEOMTRICA X g
a raiz ensima (ou seja, ndice n) do produto (produtrio:
conjunto. Teremos que:
Xg = n
Exemplo: A = {2, 4, 8}
Xi =
) dos n elementos do
X1 X 2 X 3 K X n
Da: X g = 3 2 4 8 = 3 2 2 2 23 = 3 23 23 = 2 2 Xg = 4
4. MDIA HARMNICA X h
o inverso da mdia aritmtica dos inversos dos nmeros.
n
1

Xi
3
Exemplo: A = {1, 4, 9} X h =
= 2,2
1 1 1
+ +
1 4 9
encontrada por:
Xh =
5. Propriedades das Trs Mdias:

X X g X h (A igualdade entre as mdias ocorre somente quando o conjunto apresentar
todos os elementos iguais).
6. MODA Mo
uma medida de tendncia central que se caracteriza pelo elemento que possui a maior
freqncia!
6.1.
Para um Conjunto:
Para determinar a moda basta verificar qual o elemento que mais se repete!
Exemplo: A = {1, 2, 2, 2, 3, 3, 5, 6, 6, 7, 7, 7, 7, 7, 8, 8, 9, 9, 9, 10}
Ora, verificamos que o elemento que aparece mais vezes no conjunto o elemento 7, logo, a
Moda deste conjunto 7. Mo = 7
IMPORTANTE: Em relao moda, podemos classificar um conjunto da seguinte forma:
Amodal: Quando no possuir elemento repetido.
Exemplo: {1, 2, 3, 5, 8, 9, 11, 15}
Unimodal: Quando possuir um nica moda.
Exemplo: {2, 3, 4, 4, 4, 6, 6, 7, 8}
Prof. Weber Campos
17
Estatstica
Bimodal: Quando possuir duas modas.
Exemplo: {1, 2, 3, 3, 3, 4, 5, 6, 6, 7, 7, 7, 8, 9, 9}
Multimodal: Quando possuir mais de duas modas. Exemplo: {1, 2, 2, 3, 4, 5, 5, 7, 7, 8, 8, 9}

6.2. Para uma Distribuio de Frequncias sem classes:
Diante de dados tabulados no agrupados em classes, determinar a moda significa verificar o
elemento que possui maior freqncia simples (absoluta ou relativa)! S!
Exemplo:
Xi
fi
1
2
3
4
5
3
7
1
Total
10
Da, verificamos que a maior freqncia simples 4, referente ao elemento 3! Logo, nossa
moda ser o 3. Mo = 3.
6.3. Para uma Distribuio de Frequncias com classes:
H mais de uma forma de calcularmos a Moda para Dados Tabulados agrupados em classes, contudo
aprenderemos apenas uma a frmula de Czuber.
dada por:
Da
h
Mo = l inf +
Da + Dp
onde:
linf = limite inferior da classe modal
Da = diferena entre a freqncia da classe modal e da classe anterior
Dp = diferena entre a freqncia da classe modal e da classe posterior
h = amplitude do intervalo de classe
# Passos para utilizar a Frmula de Czuber:
1 Passo) Determinao da Classe Modal:
Para isso, basta verificar qual a classe da Distribuio de Freqncias que apresenta
maior freqncia simples. Esta ser a classe modal!
2 Passo) Aplicao da frmula!
Exemplo:
classes
2 | 4
4 | 6
6 | 8
8 | 10
10 | 12
fi
3
5
7
4
2
Qual a classe modal? Maior fi = 7 Da: Classe Modal = ( 6 | 8 )

Limite inferior da classe modal: li = 6
Diferena Anterior: (7 5 = 2) Da = 2
Diferena Posterior: (7 4 = 3) Dp = 3
Amplitude de classe: 2 h = 2
2
2
2 + 3
Aplicao da Frmula: Mo = 6 +
Prof. Weber Campos
Mo = 6,80
18
Estatstica
6.4.
Propriedades da Moda
a)
A moda pode no existir, mas sempre que existir estar dentro do intervalo do conjunto.
b)
Propriedade da Soma e da Subtrao: Se a cada elemento de um conjunto numrico qualquer

somarmos ou subtrairmos uma constante, a moda ficar acrescida ou subtrada desta constante.
c)
Propriedade do Produto e da Diviso: Se cada elemento de um conjunto numrico qualquer for

multiplicado ou dividido por uma constante, a moda ficar multiplicada ou dividida por esta
constante.
7. MEDIANA Md
a medida que divide os elementos ordenados (rol) de um conjunto em duas partes iguais. Dessa
maneira ela tambm considerada uma separatriz.
7.1.
Para um Conjunto:
Aqui, basta que localizemos o elemento central do conjunto! Haver uma diferenciao se o nmero
de elementos do conjunto for par ou mpar.
IMPORTANTE: O clculo da mediana para dados no tabulados exige que os elementos estejam ordenados
(rol).
# Clculo do Elemento Central:
Para n = nmero par.
Ora, quando o nmero de elementos do rol for um nmero par, teremos dois elementos centrais, em
vez de um.
O clculo simples: se n=6, por exemplo. Teremos que (6 / 2) = 3
Da, os elementos centrais sero o terceiro elemento e o seguinte (que o quarto elemento)!
Outros exemplos:
Se n=10, teramos que: (10/2)=5 Elementos centrais: 5 e 6 elementos
Uma vez determinadas as posies dos elementos centrais, localizamos os elementos que esto
nestas posies e extramos sua mdia aritmtica.
Exemplo: {2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24}
Temos que n=12 (par!).
Da: (12/2)=6 Logo, os elementos centrais so o 6 e o 7 elementos.
Os elementos que ocupam estas posies (6 e 7) so, respectivamente, o 12 e o 14.
Da, a Mediana ser a mdia aritmtica destes elementos:
Md = (12 + 14) / 2 Md = 13
Para n = nmero mpar.
Neste caso, teremos apenas um elemento central, o qual ser encontrado da seguinte forma:
posio do elemento central =
Prof. Weber Campos
(n + 1)
2
19
Estatstica
Exemplo: Se um conjunto tiver 9 elementos, ou seja, n=9, a posio do elemento central ser (9 +1)/ 2 = 5,
isto , ser o 5 elemento!
Outros exemplos:
Se n=5, teramos que (5+1)/2=3 Elemento central = 3 elemento
Uma vez determinado o elemento central, basta verificarmos qual o dado que se apresenta nesta
posio, e este ser a nossa Mediana!
Exemplo: {1, 3, 5, 7, 9, 11, 13}
Temos que n=7 (mpar!)
Da: (7+1)/2=4 Logo, o elemento central o 4 elemento.
O elemento que ocupa esta posio no rol exatamente o 7. Logo: Md=7
7.2.
Para uma Distribuio de Frequncias sem classes:
Neste caso, encontraremos a Mediana em dois passos: no primeiro, encontraremos as posies dos
elementos centrais do conjunto exatamente da mesma forma como o fizemos no caso anterior! O segundo
passo ser construirmos mais uma coluna na tabela, que ser exatamente a coluna da frequncia
acumulada crescente (fac)!
Exemplo:
Xi
fi
2
5
4
10
6
15
8
12
10
5
12
3
Total
50
Da: 1 Passo) n=50 (par!) Logo: 50/2=25 Da: posies dos elementos centrais: 25 e 26.
2 Passo)
Xi
2
4
6
8
10
12
Total
fi
5
10
15
12
5
3
50
fac
5
15
30
42
47
50
O prximo passo consiste apenas em comparar as posies dos elementos centrais com os valores
encontrados na coluna da freqncia acumulada!
Precisamos descobrir qual o elemento da tabela cuja freqncia acumulada seja imediatamente
superior ou igual s posies dos elementos centrais!
Da, notamos que 30 o primeiro valor da fac que maior ou igual a 25 e 26! Logo, verificamos
que o elemento que ocupa as 25 e 26 posies da tabela o elemento 6. Fazendo a mdia aritmtica,
encontraremos que:
Md = (6 + 6) /2 Md = 6
Prof. Weber Campos
20
Estatstica
7.3.
Para uma Distribuio de Frequncias com classes:
O clculo da Mediana poder ser realizado por meio de interpolao linear ou por meio da frmula
apresenta nos passos a seguir:
1 Passo) Determinao da Classe Mediana!
Para determinar a classe mediana, calcularemos o valor de n/2 (independentemente de n
ser par ou mpar), e compararemos este valor com os valores da coluna de freqncias acumuladas!
2 Passo) Aplicao da seguinte frmula:
n
2 - fac ANT
Md = l inf +
fi
onde:
linf = limite inferior da classe mediana.

facant = freqncia acumulada anterior da classe mediana.
fi = freqncia simples da classe mediana.
h = amplitude de classe
Exemplo:
classes
2 | 4
4 | 6
6 | 8
8 | 10
10 | 12
Total
fi
3
5
7
4
1
20
Sol: n / 2 = 20 / 2 = 10
Construindo a fac:
classes
2 | 4
4 | 6
6 | 8
8 | 10
10 | 12
Total
fi
3
5
7
4
1
20
fac
3
8
15
19
20
Vemos que, na fac, 15 o primeiro valor 10. Logo, a classe mediana ser a terceira classe, ou seja:
( 6 | 8 )
Da: linf = 6
facant = 8
fi = 7
h=2
E, aplicando a frmula, teremos que:
10 - 8
Md = 6 +
2
7
Prof. Weber Campos
Md = 6,57
21
Estatstica
Obs.: Se uma das frequncias acumuladas da distribuio for exatamente igual a n/2, a mediana ser o
limite superior da classe correspondente a esta freqncia acumulada!
7.4.
Propriedades da Mediana
Propriedade da Soma e da Subtrao: Se a cada elemento de um conjunto numrico qualquer

somarmos ou subtrairmos uma constante, a mediana ficar acrescida ou subtrada desta constante.
Propriedade do Produto e da Diviso: Se cada elemento de um conjunto numrico qualquer for
multiplicado ou dividido por uma constante, a mediana ficar multiplicada ou dividida por esta constante.
8. QUARTIL
O quartil divide a distribuio em quatro partes iguais. Temos, portanto, 3 quartis. Os quartis sero
representados por Qj , para j = 1, 2 e 3. (1o quartil: j=1; 2o quartil: j=2; 3o quartil: j=3)
Para um conjunto de valores (coloque em ordem crescente!)
O mtodo mais prtico para obter os 3 quartis utilizar o princpio do clculo da mediana. Na
realidade sero calculadas 3 medianas para um mesmo conjunto.
Exemplo: Calcule os quartis (Q1 , Q2 e Q3 ) do conjunto: {3, 8, 1, 0, 9, 6, 4}
1. O primeiro passo a ser dado o da ordenao (crescente) dos valores: {0, 1, 3, 4, 6, 8, 9}
2. Clculo do 2 quartil:
O 2 quartil ser a mediana do conjunto {0, 1, 3, 4, 6, 8, 9}.
A Md = 4 , ou seja, o 2 quartil: Q2 = 4 .
Grupo de valores esquerda do 2 Quartil: {0, 1, 3}
O 1 quartil ser a mediana desse grupo de valores.
Em {0, 1, 3} a mediana Md = 1. Ou seja, o 1 quartil: Q1 = 1
Grupo de valores direita do 2 Quartil: {6, 8, 9}
Em {6, 8, 9} a mediana Md = 8. Ou seja, o 3 quartil: Q3 = 8
Exemplo: Calcule os quartis (Q1 , Q2 e Q3) do conjunto: {1, 1, 3, 5, 6, 6, 7, 7, 7, 9, 9, 9} .
1. A srie j est em ordem crescente.
O 2 quartil ser a mediana do conjunto {1, 1, 3, 5, 6, 6, 7, 7, 7, 9, 9, 9} .
A Md = (6+7)/2 = 6,5 , ou seja, o 2 quartil: Q2 = 6,5 .
Grupo de valores esquerda do 2 Quartil: {1, 1, 3, 5, 6, 6} .
Em {1, 1, 3, 5, 6, 6} a mediana Md = (3+5)/2 = 4. Ou seja, o 1 quartil: Q1 = 4 .
Grupo de valores direita do 2 Quartil: {7, 7, 7, 9, 9, 9}
Em {7, 7, 7, 9, 9, 9} a mediana Md = (7+9)/2 = 8. Ou seja, o 3 quartil: Q3 = 8
Prof. Weber Campos
22
Estatstica
MEDIDAS DE DISPERSO
1. Conceito:
Disperso a maior ou menor diversificao dos valores de uma varivel, em torno de um valor de
tendncia central tomado como ponto de comparao.
Para qualificar os valores de uma varivel, mostrando a maior ou menor concentrao ou disperso
entre seus valores e a medida de posio tomada como referncia, no caso a mdia aritmtica, recorre-se
s medidas de disperso ou de variabilidade.
Portanto, a finalidade das medidas de disperso verificar a representatividade do grau de
concentrao ou disperso dos dados em torno da mdia.
2. AMPLITUDE TOTAL: AT
a diferena entre o maior valor e o menor valor dos dados apresentados.
Exemplo para um conjunto de valores:
Seja X = {1, 2, 3, 5, 7, 9} Teremos que: AT= 9 1 AT = 8
Exemplo de Dados Tabulados no agrupados em classes:
Seja:
Xi
fi
2
5
4
10
6
15
8
12
10
5
13
3
Total
50
Teremos que: AT = 13 2
AT = 11
Exemplo de Dados tabulados agrupados em classes:

Seja:
classes
fi
2 | 4
3
4 | 6
5
6 | 8
7
8 | 10
4
10 | 12
1
Total
20
Teremos que: AT = 12 2
AT = 10
Obs.: Note que a Amplitude Total tambm pode ser determinada pela diferena entre o Ponto Mdio da
ltima classe e o Ponto Mdio da primeira classe!
Obs.: Essa medida tem aplicaes muito limitadas pois s capta o que acontece com os valores extremos,
sendo completamente insensvel aos valores intermedirios.
Prof. Weber Campos
23
Estatstica
4. VARINCIA: V ou S2
a mdia dos quadrados dos desvios dos elementos tomados em relao mdia aritmtica.
4.1. Para um Conjunto:
(Xi - X )
V=
Teremos que:
Exemplo: Seja X = {1, 3, 5, 7, 9} A mdia : X = 5

Da:
Xi
(Xi X )2
Xi X
1
1 5 = -4
16
3
3 5 = -2
4
55=0
5
0
7
4
75=2
9
16
95=4
Total
40
40
Logo:
V=
V=8
5
4.2. Para uma Distribuio de Frequncias sem classes:

Teremos que:
fi.(Xi - X )
V=
Exemplo:
Xi
2
4
6
8
10
13
Total
Primeiramente, calcularemos a mdia.
Xi
fi
2
5
4
10
6
15
8
12
10
5
13
3
Total
50
fi
5
10
15
12
5
3
50
Xi.fi
10
40
90
96
50
39
325
Logo: X = 325/50 = 6,5

Para calcular a varincia preciso construir as seguintes colunas: Xi X , (Xi X )2 e fi.( Xi X )2.
Prof. Weber Campos
24
Estatstica
Da: V =
Xi
fi
2
4
6
8
10
13
Total
5
10
15
12
5
3
50
382,50
50
(Xi X )2
20,25
6,25
0,25
2,25
12,25
42,25
Xi X
2-6,5 = -4,5
4-6,5 = -2,5
6-6,5 = -0,5
8-6,5 = 1,5
10-6,5 = 3,5
13-6,5 = 6,5
fi. (Xi X )2
20,25x5 = 101,25
6,25x10 = 62,5
0,25x15 = 3,75
2,25x12 = 27
12,25x5 = 61,25
42,25x3 = 126,75
382,50
V = 7,65
4.3. Para uma Distribuio de Frequncias com classes:

Teremos tambm que:
fi.(Xi - X )
V=
Em relao a uma distribuio sem classes, a nica diferena que agora a coluna Xi X ser
encontrada pela diferena entre o Ponto Mdio de cada classe (Xi) e a Mdia Aritmtica da distribuio!
Portanto, devemos aqui encontrar primeiramente a coluna dos Pontos Mdios!
IMPORTANTE: As frmulas apresentadas para o clculo da Varincia sero alteradas no denominador de n
para n-1 caso estivermos trabalhando com uma amostra!
A outra expresso para o clculo da varincia, conforme mostrado a seguir:
Para um conjunto de valores:
1
Para a Populao: V =
n
( Xi)
-
Xi
( )
Xi
1
2
Xi Para a Amostra: V =
n - 1
n
Para a Distribuio de Frequncias:

2
fiXi
1
2
fiXi Para a Populao: V =
n
n
fiXi
1
2
fiXi Para a Amostra: V =
n
n -1
Lembre-se que em uma distribuio de frequncia com classes, os elementos Xi no so conhecidos, e

que estes so representados geralmente pelos pontos mdios das classes.
Prof. Weber Campos
25
Estatstica
4.4. Propriedades da Varincia:
A varincia de dados constantes zero;
A varincia utiliza o quadrado dos desvios em relao mdia, portanto ter o quadrado da
unidade dos dados, ou seja, m2, kg2, ...
Propriedade da Soma e da Subtrao: Somando-se (ou subtraindo-se) a cada elemento de um
conjunto de valores uma constante arbitrria, a varincia no se altera.
Essa propriedade pode ser utilizada para facilitar o clculo da varincia. Por exemplo, para o clculo
da varincia do conjunto {51, 53, 55, 57, 59}, podemos subtrair esse conjunto por uma constante
(por exemplo, 55). Desse modo, o novo conjunto ter valores menores: {-4, -2, 0, 2, 4}. Agora fica
mais fcil utilizar a ltima expresso dada para o clculo da varincia.
Propriedade do Produto e da Diviso: Multiplicando-se (ou dividindo-se) cada elemento de um
conjunto de valores por um valor constante, arbitrrio e diferente de zero, a varincia ficar
multiplicada (ou dividida) pelo quadrado desta constante.
5. DESVIO PADRO: S
a mais usada medida de disperso. a raiz quadrada da mdia dos quadrados dos desvios em
relao mdia aritmtica, ou seja, a raiz quadrada da varincia: S = V .
Assim, se uma questo pedir o desvio padro, voc primeiro calcula a varincia e depois tira a raiz
quadrada.
5.4. Propriedades do Desvio Padro:
O desvio padro de dados constantes zero;
O desvio padro uma medida que utiliza a mesma unidade dos dados.
Propriedade da Soma e da Subtrao: Somando-se (ou subtraindo-se) a cada elemento de um
conjunto de valores uma constante arbitrria, o desvio padro no se altera.
Propriedade do Produto e da Diviso: Multiplicando-se (ou dividindo-se) cada elemento de um
conjunto de valores por um valor constante, arbitrrio e diferente de zero, o desvio padro ficar
multiplicado (ou dividido) por esta constante.
6. COEFICIENTE DE VARIAO: CV (A Disperso Relativa)

Tambm conhecido por Coeficiente de Variao de Pearson. utilizada para fazer comparao da
disperso de duas sries distintas em torno de suas respectivas mdias.
definida como o quociente entre o Desvio Padro e a Mdia Aritmtica do conjunto de dados.
Ou seja:
CV =
S
X
Exemplo: Considere que tenhamos duas distribuies. A primeira com mdia 4 e desvio padro 1,5 e a
outra com mdia 3 e desvio padro 1,3. Neste caso temos os seguintes CV's:
1.5
1.3
CV1 =
= 0.375
CV 2 =
= 0.43
4
3
Prof. Weber Campos
26
Estatstica
logo conclui-se que, como CV2 maior que CV1 , a segunda distribuio tem uma disperso relativa maior
que a primeira.
Obs.: Quanto menor for o valor do CV, mais homogneo ser o conjunto de dados. Portanto, no exemplo
acima, a primeira distribuio mais homognea do que a segunda.
Obs.: Em geral CV maior ou igual a 50% considerado alto, sendo a mdia pouco representativa. Valores
menores que 50% implicam CV baixo e a mdia to mais representativa quanto menor for o valor do CV.
Prof. Weber Campos
27
Estatstica
RESUMO DAS PROPRIEDADES DA SOMA, SUBTRAO, PRODUTO E DIVISO
Se tomarmos todos os elementos de um conjunto e os...
...somarmos a
uma
constante
...subtrairmos
de uma
constante
...multiplicarmos por
uma constante
...dividirmos por
uma constante
As medidas: Mdia,
Tambm
Tambm
Tambm dividida
Tambm multiplicada
somada a esta subtrada desta
por esta
Mediana, Moda,
por esta constante
constante
Quartil estaro:
constante
constante
O Desvio Padro
ficar:
A Varincia ficar:
O Coeficiente de
Variao ficar:
Inalterado
Multiplicado pelo
mdulo desta
constante
Dividido pelo
mdulo desta
constante
Inalterada
Inalterada
Multiplicada pelo
quadrado desta
constante
Dividida pelo
quadrado desta
constante
Altera-se
Altera-se
Inalterado
Inalterado
Inalterado
(calcular
Prof. Weber Campos
S
)
X
(calcular
S
)
X
28
Estatstica
CLCULO SIMPLIFICADO DA MDIA ARITMTICA
Muitas vezes as contas que somos obrigados a fazer na construo da coluna (fi.Xi) para o clculo da
mdia Aritmtica so trabalhosas e poderiam vir a ser bastante demoradas, sobretudo se as classes tiverem
como Pontos Mdios valores no-inteiros, ou seja, valores quebrados, o que ocorre com frequncia nas
provas de concursos.
A sada inteligente para resolver este problema, transformar a varivel original Xi em uma outra
varivel, atravs de uma operao de subtrao e depois uma diviso, de forma que no calcularemos os
produtos fi.Xi, mas sim, os produtos fi.Yi que so mais fceis de obter.
Simbolizaremos a nova varivel (a varivel transformada) por uma outra letra, Yi por exemplo. Ou
Wi, ou Zi... fica a seu critrio. Iremos, portanto, no clculo da Mdia construir uma nova coluna, que ser
chamada Coluna da Varivel Transformada. Vejamos um exemplo retirado da prova AFRF 2002.2:
Xi
Yi = Xi 64,5_
Classes
fi
fi .Yi
(pontos mdios)
10
29,5 | 39,5
4
34,5
-3
-12
8
44,5
-2
-16
39,5 | 49,5
49,5 | 59,5
14
54,5
-1
-14
20
64,5
0
0
59,5 | 69,5
+26
26
74,5
1
69,5 | 79,5
+36
18
84,5
2
79,5 | 89,5
10
94,5
3
+30
89,5 | 99,5
n=100
+50
Os passos deste mtodo so os seguintes (Para distribuies com amplitudes de classes iguais):
Xi Yi Y X
1) Construir a coluna da varivel transformada (aqui chamada Y i), seguindo a sugesto:
i) Subtrairemos os Xi pelo ponto mdio de uma das classes da distribuio. Sugiro a classe central da
distribuio. Se a distribuio tiver um nmero par de classes, escolha a classe central com maior
frequncia. No exemplo acima escolhemos o PM da 4 Classe.
ii) Dividiremos o resultado pela Amplitude da Classe, o h (no exemplo: h=10).
IMPORTANTE: Quando construirmos a coluna da varivel transformada por meio da sugesto acima,
teremos como resultado uma sequencia de nmeros inteiros, iniciando por zero na classe escolhida no
item "i" acima e incrementando de +1 para baixo e de -1 para cima. (Veja a tabela acima).
2) Construir a coluna (fi.Yi) e calcular o seu somatrio;
3) Encontrar o valor da Mdia da Varivel Transformada, usando a frmula da mdia:
fi Yi
50
Neste exemplo: Y =
= 0,5
Y =
100
n
4) O Clculo da Mdia:
A relao entre X e Y dada por: Y = X 64,5_ ,
10
e ao isolarmos X obtemos: X = 10.Y + 64,5 .
Pelas propriedades da Mdia, sabemos que ao somar, subtrair, multiplicar ou dividir uma constante
por uma varivel, a mdia desta varivel se altera de forma igual. Portanto, como
X = 10 Y + 64,5 , ento X = 10 Y + 64,5
Substituindo o valor de Y igual a 0,5 , obtido no item 3, calcularemos a mdia da varivel X:
X = 10 . 0,5 + 64,5 = 69,5 (Resposta!)

Prof. Weber Campos
29
Estatstica
PROBABILIDADE
# AXIOMAS DA PROBABILIDADE
A probabilidade de um evento A ocorrer, simbolizada por P(A), de um experimento aleatrio de
espao amostral S, deve satisfazer as seguintes condies:
a) A probabilidade de ocorrncia de um evento SEMPRE um nmero real entre 0 e 1 (0% e 100%), ou seja:
0 P(A) 1
b) A soma das probabilidades de cada elemento do espao amostral igual a 1.
Ex.: Em um lanamento de uma moeda, temos dois resultados possveis: cara ou coroa. Desta forma,
podemos estabelecer que:
P(cara) + P(coroa) = 1
c) A probabilidade de ocorrncia do Espao Amostral igual a 1.
Pois, no experimento aleatrio, pelo menos um dos resultados do Espao Amostral (S) ocorrer.
Da: P(S)=1.
d) A probabilidade de ocorrncia do evento vazio zero.
Uma vez que no h resultados no conjunto vazio, ento nunca haver um resultado favorvel.
e) A probabilidade de ocorrncia de um evento qualquer ser igual a probabilidade do Espao Amostral (1
ou 100%) menos a probabilidade de seu evento complementar (formado por todos os outros resultados do
espao amostral). Ou seja:
P(A) = 1 P(no A)
Exemplo: Em um lanamento de um dado, o espao amostral {1,2,3,4,5,6}, ento teremos que:
P(face de cima par) = 1 P(face de cima impar)
P(face de cima maior ou igual a 2) = 1 P(face de cima igual a 1)
# FRMULA ELEMENTAR DA PROBABILIDADE
A probabilidade de ocorrncia de um evento X ser calculada por:
P(X) = nmero de resultados favorveis ao evento X
nmero de resultados possveis
# PROBABILIDADE DA INTERSECO DE EVENTOS (Regra do e)

Dados dois eventos, A e B, a probabilidade de ocorrncia simultnea dos eventos A e B igual a:
P(A e B) = P(A) x P(B|A)

Onde P(B|A) significa a probabilidade de ocorrer B sabendo que A j tenha ocorrido.
Se A e B forem eventos independentes (a ocorrncia de um deles no afeta a probabilidade de
ocorrncia do outro), ento a probabilidade de ocorrncia de A e B, ao mesmo tempo, ser encontrada
pelo produto das probabilidades individuais! Assim, a regra do e fica simplificada para:
P(A e B) = P(A) x P(B)

E ainda, caso os eventos A e B sejam mutuamente exclusivos (eventos que no podem ocorrer
simultaneamente, ou em termos de conjunto: AB=). Assim, no nascimento de uma criana, o evento
nascer menina e o evento nascer menino so mutuamente exclusivos, uma vez que ao se realizar um
Prof. Weber Campos
30
Estatstica
deles, o outro no se realiza. Desta forma, a probabilidade de ocorrncia de A e B, ao mesmo tempo, ser
igual a zero. Na notao simblica, teremos:
P(A e B) = 0.
# PROBABILIDADE DA UNIO DE EVENTOS (Regra do ou)
P(A ou B) = P(A) + P(B) P(A e B)

Reparemos bem na terceira parcela da frmula acima: P(A e B). Esta parcela trata acerca da
probabilidade de ocorrncia simultnea dos eventos A e B.
Aprendemos que, caso os eventos A e B sejam eventos independentes, ento a probabilidade de
ocorrncia de A e B, ao mesmo tempo, ser encontrada pelo produto das probabilidades individuais! Certo?
Desta forma, para os eventos independentes, a regra do ou fica simplificada para:
P(A ou B) = P(A) + P(B) P(A)xP(B)

E tambm sabemos que se os eventos A e B forem mutuamente exclusivos, a probabilidade de
ocorrncia desses dois eventos, ao mesmo tempo, ser igual a zero. Assim, para eventos mutuamente
exclusivos, a regra do ou fica simplificada para:
P(A ou B) = P(A) + P(B)
Prof. Weber Campos
31
Estatstica
DISTRIBUIES DISCRETAS DE PROBABILIDADE
1. DISTRIBUIO BINOMIAL
Em uma questo de distribuio binomial normalmente no vem explcito no enunciado que se
trata de tal distribuio, ento temos que saber reconhecer uma distribuio binomial, e faremos isso
verificando as seguintes caractersticas:
Ela tratar de um experimento que se repetir n vezes.
Este experimento s admite dois resultados: sucesso e fracasso.
A cada repetio do experimento, as probabilidades de sucesso p e de fracasso q se

mantm constantes.
A questo de distribuio binomial far a seguinte pergunta:

Qual a probabilidade de se obter exatamente S sucessos, em n tentativas?
A resposta ser encontrada a partir da seguinte frmula:
P(S sucessos) = Cn,S.(p)S.(q)F
Onde:
Cn,s=
n!
s!(n - s)!
n o nmero de repeties do experimento;

p a probabilidade de ocorrncia de sucesso;
q a probabilidade de ocorrncia de fracasso;
S o nmero de sucessos desejados;
F o nmero de fracassos.
2. DISTRIBUIO DE POISSON
empregada em experimentos nos quais no se est interessado no nmero de sucessos obtidos
em n tentativas, como ocorre no caso da distribuio binomial, mas sim no nmero de sucessos ocorridos
durante um intervalo contnuo, que pode ser um intervalo de tempo, espao etc.
Por exemplo:
- O nmero de vezes que o telefone toca em um dia.
- O nmero de acidentes automobilsticos ocorridos numa rodovia em um ms.
- O nmero de defeitos encontrados em um rolo de arame de 500m.
Note que nos exemplos acima, no h interesse em se determinar a probabilidade do telefone
tocar, ou do acidente ocorrer, ou do defeito existir... mas sim a frequncia de sua ocorrncia, como, por
exemplo, o telefone tocar 10 vezes no intervalo de duas horas.
Uma questo de probabilidade com a distribuio de Poisson far a seguinte pergunta:
Qual a probabilidade de se obter S sucessos, neste determinado intervalo (de tempo, de espao etc)?
E essa probabilidade obtida a partir da frmula:
P(S) =
Onde:
e-m m S
S!
P(S) a probabilidade de S ocorrncias no intervalo;

m o valor esperado ou nmero mdio de ocorrncias no intervalo;
e = 2,71828...
Prof. Weber Campos
32
Estatstica
EXERCCIOS DE ESTATSTICA DESCRITIVA E PROBABILIDADE
01. Seja a distribuio de frequncias abaixo, resultado da observao de pesos em kg de um grupo de 50
pessoas adultas, responda:
Pesos (Kg)
PMi
fi
fac
Fi
Fac
46 | 56
56 | 66
66 | 76
76 | 86
86 | 96
4
10
16
12
8
Total
a) Qual a interpretao da fi da terceira classe?
b) Qual a interpretao da fac da terceira classe?
c) Qual a interpretao da Fi da terceira classe?
d) Qual a interpretao da Fac da terceira classe?
02. (MPU 2007 FCC) Uma empresa procurou estudar a ocorrncia de acidentes com seus empregados e
realizou um levantamento por um perodo de 36 meses. As informaes apuradas esto na tabela a
seguir:
Nmero de
Nmero de
empregados acidentados
meses
1
1
2
2
3
4
4
5
5
7
6
6
7
5
8
3
9
2
10
1
A porcentagem de meses em que houve menos de 5 empregados acidentados de aproximadamente
(A) 50%
(D) 33%
(B) 45%
(E) 30%
(C) 35%
03. (Auditor Fiscal da Bahia 2004 FCC) A tabela abaixo, que mostra a distribuio de salrios (em reais) de
160 funcionrios de uma determinada empresa, com suas respectivas frequncias relativas
acumuladas.
Classes
Frequncia Relativa
(em reais)
Acumulada (%)
600 1000
10
1000 1400
30
1400 1800
70
1800 2200
95
2200 2600
100
Prof. Weber Campos
33
Estatstica
Utilizando interpolao linear, o nmero de funcionrios que ganham salrios menores ou iguais a
R$ 1.700,00
a) 96
d) 64
b) 84
e) 56
c) 72
04. (Agncia Nacional de Sade 2006 FCC) O histograma abaixo representa a distribuio das idades dos
pacientes atendidos no ano de 2000 em uma clnica infantil, expressa em anos.
A idade que separa os 30% mais jovens

(A) 3,5
(C) 4,4
(E) 5,0
(B) 4,2
(D) 4,6
MEDIDAS DE POSIO
05. Calcule a mdia aritmtica:
a) {-10, 0, 0, 0, 5, 15, 18}
b)
xi
2
3
5
fi
10
15
25
c)
Classes
0 - 10
10 - 20
20 - 30
fi
20
30
50
06. (Banco do Brasil 2011 FCC) Suponha que certa Agncia do Banco do Brasil tenha 25 funcionrios, cujas
idades, em anos, so as seguintes:
24 - 24 - 24 - 25 - 25 - 30 - 32 - 32 - 32
35 - 36 - 36 - 40 - 40 - 40 - 40 - 46 - 48
48 - 50 - 54 - 54 - 60 - 60 - 65
A mdia das idades dos funcionrios dessa Agncia, em anos, igual a
(A) 36.
(B) 38.
(C) 40.
(D) 42.
(E) 44.
Prof. Weber Campos
34
Estatstica
07. (Banco do Brasil 2011 FCC) Palmira faz parte de um grupo de 10 funcionrios do Banco do Brasil cuja
mdia das idades 30 anos. Se Palmira for excluda do grupo, a mdia das idades dos funcionrios
restantes passa a ser 27 anos. Assim sendo, a idade de Palmira, em anos,
(A) 60.
(B) 57.
(C) 54.
(D) 52.
(E) 48.
08. (Banco do Brasil 2006 FCC) Os salrios dos 40 empregados de uma empresa, em 31 de dezembro de
2005, estavam distribudos conforme a tabela abaixo:
Neste caso, tem-se que a mdia aritmtica dos salrios dos empregados
(A) R$ 1 400,00
(B) R$ 1 230,00
(C) R$ 1 150,00
(D) R$ 1 100,00
(E) R$ 1 050,00
acumuladas.
Classes
Frequncia Relativa
(em reais)
Acumulada (%)
600 1000
10
1000 1400
30
1400 1800
70
1800 2200
95
2200 2600
100
A mdia aritmtica dos salrios dessa empresa, em reais, :
a) 1460
d) 1700
b) 1520
e) 1900
c) 1580
10. (Analista BACEN 2005 FCC) A mdia aritmtica dos salrios dos 100 empregados em uma empresa de
R$ 1 500,00. Na hiptese de serem demitidos 20 empregados, que ganham cada um o salrio de R$ 2
500,00, e ser concedido, posteriormente, um aumento de 10% em todos os salrios dos
remanescentes, a nova mdia aritmtica dos salrios ser de
(A)R$ 1 375,00
(B) R$ 1 350,00
(C) R$ 1 345,00
(D) R$ 1 320,00
(E) R$ 1 300,00
Prof. Weber Campos
35
Estatstica
11. (Auditor do Tesouro Municipal - Recife 2003/ ESAF) Em uma amostra, realizada para se obter
informao sobre a distribuio salarial de homens e mulheres, encontrou-se que o salrio mdio vale
R$ 1.200,00. O salrio mdio observado para os homens foi de R$ 1.300,00 e para as mulheres foi de
R$ 1.100,00. Assinale a opo correta.
a) O nmero de homens na amostra igual ao de mulheres.
b) O nmero de homens na amostra o dobro do de mulheres.
c) O nmero de homens na amostra o triplo do de mulheres.
d) O nmero de mulheres o dobro do nmero de homens.
e) O nmero de mulheres o qudruplo do nmero de homens.
12. (MPOG/ENAP 2006 ESAF) O valor mais prximo da mdia harmnica do conjunto de dados: {10, 5, 5,
10, 2} igual a
a) 4,0.
d) 6,0.
b) 4,5.
e) 6,2.
c) 5,0
13. O valor da mdia geomtrica do conjunto de dados:
{4, 4, 32, 128}
igual a
a) 4.
d) 16.
b) 6.
e) 32.
c) 8
14. (AFRF 2005 ESAF) Assinale a opo que expresse a relao entre as mdias aritmtica ( X ), geomtrica
(G) e harmnica (H), para um conjunto de n valores positivos (X1, X2, ..., Xn):
a) G H X , com G = H = X somente se os n valores forem todos iguais.
b) G X H, com G = X = H somente se os n valores forem todos iguais.
c) X G H, com X = G = H somente se os n valores forem todos iguais.
d) H G X , com H = G = X somente se os n valores forem todos iguais.
e) X H G, com X = H = G somente se os n valores forem todos iguais.
acumuladas.
Classes
Frequncia Relativa
(em reais)
Acumulada (%)
600 1000
10
1000 1400
30
1400 1800
70
1800 2200
95
2200 2600
100
O valor modal dos salrios (desprezando os centavos), em reais, :
a) 1784
d) 1636
b) 1666
e) 1628
c) 1648
Prof. Weber Campos
36
Estatstica
16. (Banco do Brasil 2008 Cespe)
1. A mediana dos valores correpondentes aos nmeros de mulheres no mercado de trabalho mundial, nos
anos de 1989, 1991, 1993 e 1995, superior a 957.
17. (SEFAZ/SP APOFP 2009 ESAF) Determine a mediana das seguintes observaes: 17, 12, 9, 23, 14, 6, 3,
18, 42, 25, 18, 12, 34, 5, 17, 20, 7, 8, 21, 13, 31, 24, 9.
a) 13,5
b) 14
c) 17
d) 15,5
e) 14,5
18. (BANESE 2012 FCC) Um levantamento realizado em um setor de uma instituio financeira forneceu as
seguintes informaes com relao aos salrios dos seus 45 funcionrios:
Somando os valores da mdia aritmtica, da mediana e da moda destes salrios encontra-se

(A) R$ 7.600,00. (D) R$ 8.300,00.
(B) R$ 7.940,00. (E) R$ 8.600,00.
(C) R$ 8.100,00.
19. (Analista BACEN 2005 FCC) A tabela a seguir refere-se aos salrios dos empregados da empresa XYZ em
dezembro de 2005:
Salrios (R$)
Frequncias Simples Absolutas
2
1 000,00 | 2 000,00
8
2 000,00 | 3 000,00
16
3 000,00 | 4 000,00
10
4 000,00 | 5 000,00
4
5 000,00 | 6 000,00
O valor da mediana dos salrios dos empregados da empresa XYZ, obtida pelo mtodo da interpolao
linear, igual a
(A) R$ 3 500,00
(D) R$ 3 800,00
(B) R$ 3 625,00
(E) R$ 4 000,00
(C) R$ 3 650,00
Prof. Weber Campos
37
Estatstica
20. (Petrobrs 2001 CESPE)
amostra
A
B
21
17
22
19
23
21
observaes
24
25
23
25
26
27
27
29
Com base nas amostras A e B, cada uma com 7 observaes, dadas na tabela acima, julgue os seguintes
itens.
1. A mediana da amostra A maior que a mediana da amostra B.
2. Para a amostra A, a distncia entre o primeiro e o terceiro quartis igual a 6.
MEDIDAS DE DISPERSO
21. (AFC-94 ESAF) Entre os funcionrios de um rgo do governo, foi retirada uma amostra de dez
indivduos. Os nmeros que representam as ausncias ao trabalho registradas para cada um deles, no
ltimo ano, so: 0, 0, 0, 2, 2, 2, 4, 4, 6 e 10. Sendo assim, o valor do desvio padro desta amostra :
a)
b)
c)
10
d) 30
22. (AFTN-98 Esaf) Os dados seguintes, ordenados do menor para o maior, foram obtidos de uma amostra
aleatria, de 50 preos (Xi) de aes, tomada numa bolsa de valores internacional. A unidade
monetria o dlar americano.
4, 5, 5, 6, 6, 6, 6, 7, 7, 7, 7, 7, 7, 8, 8, 8, 8, 8, 8, 8, 8, 8, 9, 9, 9, 9, 9, 9, 10, 10, 10, 10, 10, 10, 10, 10, 11, 11, 12,
12, 13, 13,14, 15, 15, 15, 16, 16, 18, 23
Os valores seguintes foram calculados para a amostra:
Si Xi = 490 e Si Xi2 (Si Xi )2/ 50 = 668
Assinale a opo que corresponde varincia amostral, respectivamente (com aproximao de uma casa
decimal)
a) 13,6
c) 15,0
e) 14,0
b) 14,0
d) 13,8
23. (CEF 2008 Cesgranrio) A tabela abaixo apresenta as frequncias acumuladas das idades de 20 jovens
entre 14 e 20 anos.
Uma das medidas de disperso a varincia populacional, que calculada por:
Sabendo-se que m a mdia aritmtica dessas idades, qual a varincia das idades na populao formada
pelos 20 jovens?
(A) 0,15 (B) 0,20 (C) 1,78 (D) 3,20 (E) 3,35
Prof. Weber Campos
38
Estatstica
24. (MPU 2007 FCC) Uma empresa tem duas filiais Z e W. Um levantamento sobre os salrios dos
empregados dessas filiais revelou para a mdia e o desvio padro dos salrios das duas filiais os
seguintes valores:
Filial Z: X Z = R$ 400,00 e SZ = R$ 20,00
Filial W: X W = R$ 500,00 e SW = R$ 25,00
Com base nesses resultados verdade que
(A) as disperses absolutas dos salrios das filiais Z e W so iguais.
(B) o coeficiente de variao dos salrios das duas filiais no diferem.
(C) o coeficiente de variao dos salrios de Z menor que o coeficiente de variao dos salrios da filial W.
(D) o salrio mdio dos funcionrios dessa empresa de 450 reais.
(E) o salrio mdio dos funcionrios dessa empresa superior a 450 reais.
25. (Fiscal de Rendas SP 2006 FCC) Considerando as respectivas definies e propriedades relacionadas s
medidas de posio e de variabilidade, correto afirmar:
(A) Concedendo um reajuste de 10% em todos os salrios dos empregados de uma empresa, tem-se
tambm que a respectiva varincia fica multiplicada por 1,10.
(B) Definindo coeficiente de variao (CV) como sendo o quociente da diviso do desvio padro pela
respectiva mdia aritmtica (diferente de zero) de uma seqncia de valores, tem-se ento que CV
tambm poder ser obtido dividindo a correspondente varincia pelo quadrado da mdia aritmtica.
(C) Subtraindo um valor fixo de cada salrio dos funcionrios de uma empresa, tem-se que o respectivo
desvio padro dos novos valores igual ao valor do desvio padro dos valores anteriores.
(D) Dividindo todos os valores de uma seqncia de nmeros estritamente positivos por 4, tem-se que o
respectivo desvio padro fica dividido por 2.
(E) Em qualquer distribuio de valores em estudo, a diferena entre a mediana e a moda sempre
diferente de zero.
Prof. Weber Campos
39
Estatstica
PROBABILIDADE
26. (Banco do Brasil 2011 FCC) Suponha que certa Agncia do Banco do Brasil tenha 25 funcionrios, cujas
idades, em anos, so as seguintes:
24 - 24 - 24 - 25 - 25 - 30 - 32 - 32 - 32
35 - 36 - 36 - 40 - 40 - 40 - 40 - 46 - 48
48 - 50 - 54 - 54 - 60 - 60 - 65
A probabilidade de que, ao escolher-se aleatoriamente um desses funcionrios, a sua idade seja superior a
48 anos de
(A) 28%.
(B) 27,4%.
(C) 27%.
(D) 25,8%.
(E) 24%.
27. (CEF 2004 FCC) A tabela abaixo apresenta dados parciais sobre a folha de pagamento de um Banco
Um desses empregados foi sorteado para receber um prmio. A probabilidade desse empregado ter seu
salrio na faixa de R$ 300,00 a R$ 500,00
(A) 1/3
(D) 3/5
(B) 2/5
(E) 7/10
(C) 1/2
28. (Banco do Brasil 2006 FCC) O histograma de frequncias absolutas abaixo demonstra o comportamento
dos salrios dos 160 empregados de uma empresa em dezembro de 2005:
Utilizando as informaes nele contidas, calculou-se a mdia aritmtica dos valores dos salrios destes
empregados, considerando que todos os valores includos num certo intervalo de classe so coincidentes
com o ponto mdio deste intervalo. Escolhendo aleatoriamente um empregado da empresa, a
probabilidade dele pertencer ao mesmo intervalo de classe do histograma ao qual pertence a mdia
aritmtica calculada
(A) 6,25% (B) 12,50% (C) 18,75% (D)31,25% (E) 32,00%
Prof. Weber Campos
40
Estatstica
29. (Banco do Brasil 2011 FCC) Para disputar a final de um torneio internacional de natao, classificaramse 8 atletas: 3 norte-americanos, 1 australiano, 1 japons, 1 francs e 2 brasileiros. Considerando que
todos os atletas classificados so timos e tm iguais condies de receber uma medalha (de ouro,
prata ou bronze), a probabilidade de que pelo menos um brasileiro esteja entre os trs primeiros
colocados igual a:
(A) 5/14
(B) 3/7
(C) 4/7
(D) 9/14
(E) 5/7
DISTRIBUIO DE PROBABILIDADE DISCRETA BINOMIAL
30. (ANEEL 2006 ESAF) As pesquisas mdicas indicam que, 70% dos pacientes portadores de uma
determinada molstia, quando submetidos a um novo tratamento, ficam curados. Se o Dr. Paulo
submeter quatro pacientes portadores dessa molstia a esse novo tratamento, ento a probabilidade
de dois desses pacientes ficarem curados igual a
a) 26,46 %.
d) 32 %.
b) 50 %.
e) 30 %.
c) 49 %.
31. (ATA-MF - 2009 / ESAF) Ao se jogar um determinado dado viciado, a probabilidade de sair o nmero 6
de 20%, enquanto as probabilidades de sair qualquer outro nmero so iguais entre si. Ao se jogar este
dado duas vezes, qual o valor mais prximo da probabilidade de um nmero par sair duas vezes?
a) 20%
b) 27%
c) 25%
d) 23%
e) 50%
DISTRIBUIO DE PROBABILIDADE DISCRETA DE POISSON

32. (AFRFB 2009 ESAF) O nmero de petroleiros que chegam a uma refinaria ocorre segundo uma
distribuio de Poisson, com mdia de dois petroleiros por dia. Desse modo, a probabilidade de a
refinaria receber no mximo trs petroleiros em dois dias igual a:
33. (MPU 2007 FCC) O nmero de pacientes atendidos por um clnico geral segue uma distribuio de
Poisson com taxa mdia de 4 pacientes por hora. A probabilidade de que pelo menos um paciente
consulte o clnico geral em um perodo de 15 minutos
(E) e1
(A) 1e1 (C) e4
(B) 1e4 (D) e4
Prof. Weber Campos
41

PDF AEP BancodoBrasil Estatistica WeberCampos

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

PDF AEP BancodoBrasil Estatistica WeberCampos

Enviado por

Direitos autorais:

Formatos disponíveis

CONCURSO DO BANCO DO BRASIL

Prof. Weber Campos

Prof. Weber Campos

Prof. Weber Campos

Prof. Weber Campos

1. DISTRIBUIO DE FREQUNCIAS PARA DADOS DISCRETOS

Para este exemplo temos a seguinte tabela de freqncias:

2. DISTRIBUIO DE FREQUNCIAS PARA DADOS CONTNUOS

Prof. Weber Campos

IMPORTANTE: O Ponto Mdio de uma classe o seu representante legtimo.

4.2. FREQUNCIA ABSOLUTA ACUMULADA CRESCENTE fac

fac = fi + fac ant .

Importante: A soma das frequncias relativas deve ser igual a 100%.

4.4. FREQUNCIA RELATIVA ACUMULADA CRESCENTE Fac

Prof. Weber Campos

Advogados Mdicos Engenheiros

Prof. Weber Campos

1995 1996 1997 1998

Prof. Weber Campos

Logo, encontraremos que este setor dever cobrir um ngulo de 180.

Prof. Weber Campos

O grfico de hastes correspondente a tabela o seguinte:

Tente fazer a volta, ou seja, a partir do grfico monte a tabela.

Tente fazer a volta, ou seja, a partir do grfico monte a tabela.

Prof. Weber Campos

6.4. POLGONO DE FREQUNCIAS

6.5. CURVA DE FREQUNCIAS

6.5.1. As Formas das Curvas de Frequncias

Prof. Weber Campos

Prof. Weber Campos

Curva Assimtrica Direita

Curva Assimtrica Esquerda

Prof. Weber Campos

Para um conjunto de nmeros:

Para uma Distribuio de Frequncias sem classes:

Exemplo: Calcular a mdia aritmtica dos dados abaixo:

Prof. Weber Campos

Para uma Distribuio de Frequncias com classes:

Propriedades da Mdia Aritmtica

a) A mdia aritmtica sempre existe e nica.

A Mdia das Mdias!

Prof. Weber Campos

5. Propriedades das Trs Mdias:

Prof. Weber Campos

Multimodal: Quando possuir mais de duas modas. Exemplo: {1, 2, 2, 3, 4, 5, 5, 7, 7, 8, 8, 9}

Qual a classe modal? Maior fi = 7 Da: Classe Modal = ( 6 | 8 )

Prof. Weber Campos

Propriedade da Soma e da Subtrao: Se a cada elemento de um conjunto numrico qualquer

Propriedade do Produto e da Diviso: Se cada elemento de um conjunto numrico qualquer for

Prof. Weber Campos

Para uma Distribuio de Frequncias sem classes:

Prof. Weber Campos

Para uma Distribuio de Frequncias com classes:

linf = limite inferior da classe mediana.

Propriedade da Soma e da Subtrao: Se a cada elemento de um conjunto numrico qualquer

Prof. Weber Campos

Exemplo de Dados tabulados agrupados em classes:

Prof. Weber Campos

Exemplo: Seja X = {1, 3, 5, 7, 9} A mdia : X = 5

4.2. Para uma Distribuio de Frequncias sem classes:

Logo: X = 325/50 = 6,5

Prof. Weber Campos

4.3. Para uma Distribuio de Frequncias com classes:

Para a Distribuio de Frequncias: