Você está na página 1de 93

FACULDADE NOVOS HORIZONTES

DEPARTAMENTO DE ADMINISTRAO

ESTATSTICA I

Prof. Augusto Filho


assf@unihorizontes.br
http://geocities.yahoo.com.br/augustolho
Belo Horizonte - MG
Verso 0.1 - 05-07-06

ii

Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

Sumrio
Prefcio

1 Por que Estudar Estatstica

1.1

O que Estatstica? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.1.1

Estatstica Descritiva . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.1.2

Estatstica Inferencial . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2

Tipos de Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3

Populao e Amostra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.4

O Raciocnio Estatstico e o Gerenciamento Moderno . . . . . . . . . . . . .

1.5

Aplicando a Estatstica Administrao . . . . . . . . . . . . . . . . . . . .

1.6

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2 Tabelas e Grcos

2.1

Coleta de Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.2

Crtica dos Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2.3

Apresentao dos Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2.4

Tabelas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2.5

Grcos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2.6

Distribuio de Frequncias . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

2.7

Interporlao Linear da Ogiva . . . . . . . . . . . . . . . . . . . . . . . . . . 14


2.7.1

Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

2.7.2

O Problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

2.7.3

Outro exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

2.7.4

Variao Importante . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

2.7.5

Exemplos de Interpolao da Ogiva . . . . . . . . . . . . . . . . . . . 20

2.8

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

2.9

Referncias Bibliogrcas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

3 Medidas de Tendncia Central

29

3.1

Mdia Aritmtica - Dados No Agrupados. . . . . . . . . . . . . . . . . . . . 29

3.2

Mdia Aritmtica - Dados Agrupados. . . . . . . . . . . . . . . . . . . . . . 29

3.3

Mediana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

iv

3.4

SUMRIO

3.3.1

Mediana - Tabela Pontual . . . . . . . . . . . . . . . . . . . . . . . . 35

3.3.2

Mediana - Tabela Intervalar . . . . . . . . . . . . . . . . . . . . . . . 35

Moda - Valores que mais se repetem. . . . . . . . . . . . . . . . . . . . . . . 38


3.4.1

Resumo e Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . 40

3.5

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

3.6

Referncias Bibliogrcas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

4 Principais Separatrizes

45

4.1

Determinao do Quartil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

4.2

Calculando o primeiro quartil - Q1 . . . . . . . . . . . . . . . . . . . . . . . 46

4.3

O segundo e o terceiro quartil . . . . . . . . . . . . . . . . . . . . . . . . . . 49

4.4

O primeiro decil - D1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

4.5

Calculando os outros decis - D2 a D9 . . . . . . . . . . . . . . . . . . . . . . 54

4.6

Calculando os percentis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

4.7

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

4.8

Referncias Bibliogrcas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56

5 Medidas de Variabilidade

59

5.1

Amplitude e Desvio Mdio . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

5.2

Varincia e Desvio Padro . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60


5.2.1

Desvio padro para dados no ordenados. . . . . . . . . . . . . . . . 60

5.2.2

Desvio padro - Dados Agrupados . . . . . . . . . . . . . . . . . . . 62

5.3

Coeciente de Variao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

5.4

Medidas de Assimtria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.4.1

Coeciente de Assimetria de Pearson . . . . . . . . . . . . . . . . . . 65

5.5

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

5.6

Referncias Bibliogrcas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68

6 Introduo Probabilidade Bsica

69

6.1

Espao Amostral - introduo . . . . . . . . . . . . . . . . . . . . . . . . . . 69

6.2

Frequncia Relativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70

6.3

Espao Amostral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
6.3.1

6.4

Operaes com eventos aleatrios . . . . . . . . . . . . . . . . . . . . 71

Probabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
6.4.1

Funo de Probabilidade . . . . . . . . . . . . . . . . . . . . . . . . . 73

6.4.2

Teoremas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73

6.4.3

Espaos amostrais equiprovveis

6.4.4

Probabilidade Condicional . . . . . . . . . . . . . . . . . . . . . . . . 80

. . . . . . . . . . . . . . . . . . . . 73

6.5

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

6.6

Teorema de Bayes

6.7

Referncias Bibliogrcas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85

Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

Prefcio
Esta apostila o resultado de alguns anos de trabalho ministrando estatstica em
Instituies Federais e Particulares de ensino superior. Sem sombra de dvida, foi escrita,
a partir das experincias e descobertas vividas em sala de aula.
uma obra voltada, queles que procuram aprender a Estatstica Bsica, no intuito
de aplicar tal conhecimento resolues de questes do dia-a-dia. Para tanto, a linguagem
empregada foi to prxima da coloquial, quanto prximo foram os exemplos e comentrios,
aqui presentes, daqueles utilizados em minhas aulas.
Esta apostila no se prope a ser uma apostila tcnica, tampouco apresenta a complexidade normalmente inerente a "trabalhos cientcos". Revela, antes, a feio de um
manual, um material auxiliar, cuja meta , facilitar ao estudante a compreenso da matria, por intermdio de exemplos, de analogias e de elementos capazes de despertar seu
entendimento.
Coloco-me a inteira disposio para acolher quaisquer sugestes e crticas que possam
vir a possibilitar o aperfeioamento desta obra. A todos o meu muito obrigado.

Atenciosamente.
Augusto Filho
assf@unihorizontes.br

Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

vi

Prof. Augusto Filho - assf@unihorizontes.br

Prefcio

Estatstica I

Captulo 1

Por que Estudar Estatstica


Pode-se perguntar porque um gerente deve estudar estatstica. Em nossas aulas apresentaremos muitas tcnicas poderosas, ensinando ao estudante como extrair informaes
signicativas de pilhas de dados brutos, como fazer inferncias sobre a natureza de uma
populao com base em observaes de uma amostra dela extrada e como entender e
interpretar clculos estatsticos efetuados por outras pessoas.
H ocasies em que a estatstica parece adquirir uma qualidade quase mgica. Como
podem os pesquisadores fazer predies razoavelmente precisas sobre o resultado de uma
eleio, se eles consultam apenas alguns milhares de eleitores dentro de uma populao
votante de 110 milhes?
Como pode um estdio de televiso estimar a audincia total de um programa com
base em uma pequena amostra de lares escolhidos?
Neste curso, veremos por que tais mtodos funcionam.
H um sculo, H.G.Wells1 dizia "Raciocinar estatisticamente ser um dia to necessrio quanto a habilidade de ler e escrever." medida que nos tornamos um mundo mais
globabilizado, a questo colocada para os gerentes no se refere escassez de informao,
mas sim a como utilizar a informao disponvel para tomar melhores decises. a partir
desta perspectiva que deveramos avaliar por que um gerente precisa conhecer estatstica.
Dentre as razes para aprender estatstica, destacamos as seguintes:

a) Os gerentes precisam saber como apresentar e descrever informaes de forma adequada;


b) Os gerentes precisam saber como tirar concluses a partir de grandes populaes com
base somente na informao obtida de amostras.

c) Os gerentes precisam saber como melhorar os processos de produo;


d) Os gerentes precisam saber como obter previses conveis a partir de variveis de
interesse.
1

Jornalista Ingls, Sociologo e Escritor: The Time Machine, The Invisible Man e The War Of The
Worlds

Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

Por que Estudar Estatstica

1.1 O que Estatstica?


1.1.1 Estatstica Descritiva
A estatstica possui duas principais subdivises: a estatstica descritiva e a estatstica
inferencial. A rea historicamente mais antiga, estatstica descritiva2 , oferece uma srie
de ferramentas, tais como tabelas, grcos e mdias, no sentido de organizar e resumir
informaes em relao a um conjunto de observaes existentes. Uma tabela que apresenta
a quantidade de diferentes tipos de crimes registrados em sua cidade ao longo do ano
anterior, um grco que demonstra o desempenho dirio da Mdia Industrial Dow Jones
ao longo da semana anterior, bem como a mdia das suas notas nais na faculdade todos eles so exemplos de ferramentas estatsticas que organizam e resumem informaes
em relao a um conjunto de observaes existentes. Passe a reetir sobre esses itens, que
fazem parte do seu dia-a-dia, como se representassem seu primeiro contato com a estatstica
descritiva.

1.1.2 Estatstica Inferencial


A outra rea, estatstica inferencial3 , caracteriza-se principalmente como um produto do sculo XX, e fornece uma variedade de ferramentas que permitem tirar concluses

gerais que extrapolam as observaes existentes. As ferramentas para a estatstica inferencial nos permitem utilizar um pequeno lote de observaes existentes, no sentido de
vericar: a veracidade de uma declarao de um fabricante em relao ao desempenho
de toda uma populao de carros; um pronunciamento de uma autoridade do governo de
que a maioria dos cidados posiciona-se a favor do controle sobre armamentos. Referncias estatsticas em relatrios de pesquisa geralmente empregam ferramentas oriundas da
estatstica inferencial.
Muito provavelmente, voc ainda detm pouco ou nenhum conhecimento sobre a estatstica inferencial. No entanto, com uma combinao apropriada de familiarizao e
esforo, voc se tornar capaz de lidar com o assunto de maneira bastante simpes e de
elaborar seus prprios relatrios.

1.2 Tipos de Dados


Os dados coletados na investigao cientica podem ser classicados como qualitativos
ou quantitativos. As variveis qualitativas podem ser classicadas ainda como nominais,
para as quais no existe nenhuma ordenao nas suas possveis realizaes, ou como ordinais, para as quais os seus possveis resultados podem ser ordenados por algum critrio
especco. Constitui-se em um exemplo da dados nominais a resposta pergunta: Voc
2

rea da Estatstica que corresponde a organizar e resumir informaes em relao a um conjunto de


observaes existentes
3
rea da estatstica que corresponde a tirar concluses gerais que extrapolam as observaes existentes

Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

1.3 Populao e Amostra

atualmente possui Ttulos de Poupana do Governo?. A resposta se limita a sim ou


no. Essa classicao pode ser registrada numericamente por 1 ou 2, respectivamente.
Isso, no entanto, no afeta a classicao do tipo dos dados, pois no se pode armar que

1 seja menor que 2 ou que 2 seja maior do que 1. Por outro lado, respostas a pergunta
como Qual a sua altura?, que pode assumir as classicaes baixa, mdia e alta, um
exemplo de dados qualitativos ordinais.
As variveis quantitativas, ao contrrio das qualitativas que apresentam as qualidades
(ou atributos) de um elemento pesquisado, representam as possveis realizaes como nmeros, resultantes de uma contagem ou mensurao. Essas variveis podem ser dividias
em dois tipos:

a) Variveis Quantitativas Discretas: So respostas nmericas que surgem a partir de


um processo de contagem. Por exemplo, Quantos lhos voc tem?, onde a resposta
possvel seria: 1, 2, 3 ou 8 lhos, sendo uma resposta claramente nmerica;

b) Variveis Quantitativas Contnuas: So respostas nmericas caracterizadas por


um processo de medio. Por exemplo, Qual a sua altura?".
O nmero de lhos um exemplo de varivel quantitativa discreta, uma vez que
somente um nmero pode ser obtido como resposta. Por outro lado, a altura de um
indivduo um exemplo, de varivel quantitativa contnua, uma vez que a resposta pode
assumir qualquer valor dentro de uma extenso contnua ou de um intervalo, dependendo
da preciso do instrumento de medio. Por exemplo, uma pessoa cuja altura indicada
como 1, 70 m pode ser medida como 1, 702m, 1, 703m ou 1, 70312m se um instrumento
mais preciso estiver disponvel. Portanto, podemos vericar que a altura um fenmeno
contnuo que pode assumir qualquer valor dentro de um intervalo.

1.3 Populao e Amostra


A anlise estatstica est calcada em poder obter concluses sobre um grupo de medidas
de uma varivel que est sendo estudada. O conjunto total de medidas, sobre o qual se
deseja retirar concluses, denominado de populao ou universo. As populaes de
interesse so, em geral, muito grandes ou at mesmo innitas, embora algumas vezes
possam ser bem pequenas.
So exemplos de populaes de interesse: o conjunto de todas as pessoas que praticam
exerccios todos os dias; O total de peas produzidas por uma linha de produo, etc.
Se a populao sob estudo for muito pequena pode ser prtico obter todas as suas
medidas. Infelizmente, nas situaes reais de interesse da pesquisa cientca as populaes
de interesse so muito grandes para permitirem que sejam obtidas todas as medidas. Nessas
situaes razovel obter um subconjunto de todas as medidas dessa populao. Esse
subconjunto conhecido como amostra. Pelas concluses obtidas na amostra, possvel
realizar uma extrapolao para as caractersticas da populao da qual a amostra foi obtida,
Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

Por que Estudar Estatstica

Figura 1.1: Populao e amostra


no entanto, deve-se tomar cuidado para que a amostra seja de fato signicativa para a
populao de interesse.

1.4 O Raciocnio Estatstico e o Gerenciamento Moderno


Na ltima dcada, o surgimento de uma economia global levou a um crescente foco
na qualidade de produtos manufaturados e servios prestados. De fato, mais do que a
participao de qualquer outro indivduo, foi o trabalho de um estatstico, W. Edwards
Deming, que levou esta mudana s empresas. A aplicao de certos mtodos estatsticos
e o uso da projeo estatstica por parte dos gerentes, em toda a empresa, parte essencial
na abordagem gerencial que inclui este foco cada vez maior na qualidade (frequentemente
chamado de Gesto TQM - Total Quality Management.
O raciocnio estatstico pode ser denido como os processos voltados para o entendimento, o gerenciamento e a reduo de variaes.
O raciocnio estatstico inclui o reconhecimento de que os dados so intrinsecamente
variveis (duas coisas ou pessoas nunca sero exatamente iguais em todos os sentidos) e de
que a identicao, a medio, o controle e a reduo de variaes oferecem oportunidades
para a melhora da qualidade. Mtodos estatsticos podem fornecer os meios para tirar
vantagens dessas oportunidades. O papel dos mtodos estatsticos no contexto da melhora
da qualidade pode ser mais bem-entendido se nos referirmos a um modelo de melhora da
qualidade conforme apresentaremos nesta apostila.
Podemos observar na Figura abaixo que o tringulo composto por trs partes; no
topo temos a losoa de gerenciamento, e nos dois vrtices inferiores temos os mtodos
estatsticos e as ferramentas de produtividade. Cada um destes trs aspectos indispensvel para a melhora da qualidade a longo prazo, tanto dos bens produzidos quanto dos
servios prestados por uma organizao. Uma losoa de gerenciamento oferece uma base
constante para os esforos de melhora da qualidade. Dentre as abordagens disponveis
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

1.5 Aplicando a Estatstica Administrao

esto aquelas defendidas por W. Edwards Deming e Joseph Juran.


A m de implementar a abordagem da melhora da qualidade numa organizao,
necessrio que se utilizem tanto as ferramentas de produtividade quanto os mtodos estatsticos. Cada um deles auxilia no entendimento e na melhora dos processos. Entre as
ferramentas de produtividade encontram-se o uxo de processos e diagramas tipo espinha
de peixe, discusses, tomadas de deciso em grupos nominais e a formao de equipes.
Entre os mtodos estatsticos mais teis para a melhora da qualidade esto as inmeras
tabelas, grcos e a estatstica descritiva abordada nos prximos captulos.

Figura 1.2: Modelo do processo de melhora da qualidade

1.5 Aplicando a Estatstica Administrao


Eis alguns exemplos de aplicao da estatstica administrao:
Uma rma que est se preparando para lanar um novo produto precisa conhecer as
preferncias dos consumidores no mercado de interesse. Para isso, pode fazer uma pesquisa
de mercado entrevistando um numero de residncias escolhidas aleatoriamente. Poder,
ento, usar os resultados para estimar as preferncias de toda a populao.
As tcnicas estatsticas so necessrias para separar efeitos de fatores diferentes. Por
exemplo, possvel que, em uma comunidade, o consumo de sorvete dependa do preo do
produto, da renda mdia local, do nmero de crianas na comunidade e da temperatura
mdia. Se dispuser de observaes de todos os diferentes fatores em jogo, o leitor poder
aplicar a anlise de regresso para determinar quais fatores tm os efeitos mais importantes.
Um auditor deve vericar os livros de uma rma para se certicar de que os lanamentos
reetem efetivamente a situao nanceira da companhia. O auditor deve examinar pilhas
de documentos originais, como natas de vendas, ordens de compra e requisies. Seria
um trabalho incalculvel consultar todos os documentos originais; em vez disso, o auditor
pode vericar uma amostra de documentos escolhidos aleatoriamente e, com base nessa
amostra, fazer inferncias sobre toda a populao.
Antes de lanar um novo remdio no mercado, necessrio fazer varias experincias
para garantir que o produto seguro e ecaz. O melhor modo de testar um remdio consiste
em tomar dois grupos to semelhantes quanto possvel, e dar o remdio a um grupo, mas
no ao outro, e vericar ento se os resultados nos dois grupos so diferentes. O grupo ao
Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

Por que Estudar Estatstica

qual o remdio foi dado chamado grupo experimental e o outro o grupo de controle.
Torna-se necessria anlise estatstica para determinar se todos as diferenas observadas
realmente foram causadas pelo remdio ou poderiam ter sido causadas por outros fatores.
Se estivermos recebendo um grande embarque de mercadorias de um fornecedor, teremos de certicar-nos de que o produto realmente satisfaz os requisitos de qualidade
acordados. Seria por demais dispendioso fazer uma vericao de cada item; mas, aqui,
mais uma vez, as tcnicas estatsticas vm em nosso auxlio, permitindo-nos fazer inferncias sobre a qualidade de todo o lote mediante inspeo de uma amostra de itens escolhidos
aleatoriamente.

1.6 Exerccios
Exerccio 1. Discuta as diferenas entre a estatstica como fato numrico e a estatstica
como uma disciplina ou campo de estudo.

Exerccio 2. Classique cada uma das variveis abaixo em qualitativa (nominal/ordinal)


ou quantitativa (discreta/contnua)

a) Ocorrncia de hipertenso pr-natal em grvidas com mais de 35 anos (sim ou no so


possveis respostas para esta varivel);

b) Inteno de voto para presidente (possveis respostas so os nomes dos candidatos, alm
de no sei);

c) Perda de peso de maratonistas na Corrida de So Silverte, em quilos;


d) Intensidade da perda de peso de maratonistas na Corrida de So Silvestre (leve, moderada, forte).

e) grau de satisfao da populao brasileira com relao ao trabalho de seu presidente


(valores de 0 a 5, com 0 indicando totalmente insatisfeito e 5 totalmente satisfeito);

Exerccio 3. Classique em verdadeiro ou falso as seguintes armaes:


a) Estatsticas um conjunto de tcnicas destinadas a organizar um conjunto de valores
nmericos.

b) Sempre que estivermos trabalhando com nmeros, deveremos utilizar a Inferncia Estatstica;

c) A Estatstica Descritiva fornece uma maneira adequada de tratar um conjunto de valores, numricos ou no, com a nalidade de conhecermos o fenmeno de interesse;

d) Qualquer amostra representa, de forma adequada, uma populao;


Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

1.6 Exerccios

e) As tcnicas estatsticas no so adequadas para casos que envolvam experimentos destrutivos como, por exemplo queima de equipamentos, destruio de corpos de provas,
etc.

Exerccio 4. Para as situaes descritas a seguir, identique a populao e a amostra


correspondente. Discuta a validade do processo de inferncia estatstica para cada um dos
casos.

a) Para avaliar a eccia de uma campanha de vacinao no Estado de Minas Gerais,


200 mes de recm-nascidos, durante o primeiro semestre de um dado ano e em uma
dada maternidade em Minas Gerais, foram perguntadas a respeito da ltima vez que
vacinaram seus lhos;

b) Uma amostra de sangue foi retirada de um paciente com suspeita de anemia;


c) Para vericar a audincia de um programa de TV, 563 indivduos foram entrevistados
por telefone com relao ao canal em que estavam sintonizados;

d) A m de avaliar a inteno de voto para presidente dos brasileiros, 122 pessoas foram
entrevistadas em Braslia

Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

Prof. Augusto Filho - assf@unihorizontes.br

Por que Estudar Estatstica

Estatstica I

Captulo 2

Tabelas e Grcos
A nalidade das aulas iniciais apresentar os principais conceitos sobre o levantamento
de dados; destacar as tcnicas de apresentao, por meio de tabelas e grcos; oferecer as
medidas estatsticas prprias para anlises e as tcnicas usadas para a interpretao dos
dados numricos, em resumo, minha preocupao explorar cada uma das partes que compem a seguinte denio: "A estatstica coleta, apresentao, anlise e interpretao de
dados numricos". Particularmente, neste captulo, destacaremos a Estatstica descritiva
que pode ser resumida no diagrama:

Figura 2.1: Descrio da Estatstica Descritiva


Quanto Estatstica Indutiva ou Inferncia Estatstica (concluses e interpretaes
sobre parmetros populacionais, a partir de dados amostrais), ser tratado nas prximas
aulas.

2.1 Coleta de Dados


Aps a denio do problema a ser estudado e o estabelecimento do planejamento da
pesquisa (forma pela qual os dados sero coletados; cronograma das atividades; custos
Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

10

Tabelas e Grcos

envolvidos; exame das informaes disponveis; delineamento da amostra etc.), o passo seguinte a coleta de dados, que consiste na busca ou compilao das variveis, componentes
do fenmeno a ser estudado. A coleta de dados direta quando os dados so obtidos na
forma originria. Os valores assim compilados so chamados de dados primrios, como
por exemplo, nascimentos, casamentos e bitos, registrados no Cartrio de registros Civil;
opinies obtidas em pesquisas de opinio publica; vendas registradas em notas scais da
empresa, etc. O conjunto de informaes disponveis, aps a tabulao do questionrio ou
pesquisa de campo, denominado de tabela de dados brutos e contm os dados da maneira
que forma coletados inicialmente. Por exemplo, imaginemos um questionrio elaborados
para uma turma de alunos, desta forma, cada uma das caractersticas perguntadas aos alunos, tais como o peso, a idade e a altura, entre outras, denominada de varivel. Assim,
a varivel Altura assume os valores (em metros) 1, 60; 1, 58;... e a varivel Turma assume
os valores A ou B. Claramente tais variveis tm naturezas diferentes no que tange aos
possveis valores que podem assumir. Tal fato deve ser levado em conta nas anlises e,
para xar idias, vamos considerar dois grandes tipos de variveis: numricas e no numricas. As numricas sero denominadas quantitativas, ao passo que as no numricas,
qualitativas. A varivel qualitativa quando os possveis valores que assume representam
atributos e/ou qualidades. Se tais variveis tm uma ordenao natural, indicando intensidades crescentes de realizao, ento elas sero classicadas como qualitativas ordinais.
Caso contrrio, quando no possvel estabelecer uma ordem natural entre seus valores,
elas so classicas como qualitativas nominais. Variveis tais como Turma (A ou B), Sexo
(feminino ou masculino) e Fuma (Sim, no) so variveis qualitativas nominais. Por outro
lado, variveis como Tamanho (pequeno, mdio ou grande), Classe Social (baixa, media
ou alta) so variveis qualitativas ordinais. Variveis quantitativas, isto , variveis de
natureza numrica, podem ser subdivididas em discretas e continuas. A grosso modo, variveis quantitativas discretas podem ser vistas como resultantes de contagens, assumindo
assim, em geral, valores inteiros. De uma maneira mais formal, o conjunto dos valores
assumidos nito ou enumervel. J as variveis quantitativas continuas assumem valores
em intervalos dos nmeros reais e, geralmente, so provenientes de uma mensurao.
Resumimos a classicao das variveis no esquema apresentado a seguir:

Figura 2.2: Classicao das Variveis


Vale ressaltar que, em muitas situaes prticas, a classicao depende de certas
particularidades. Por exemplo, a varivel idade, medida em nmeros de anos, pode ser
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

2.2 Crtica dos Dados

11

vista como discreta, entretanto, se levarmos em conta os dias, no absurdo falar que a
idade 2,5 ou 2,85 anos, dando assim respaldo para classica-la como contnua.

2.2 Crtica dos Dados


Objetivando a eliminao de erros capazes de provocar futuros enganos de apresentao
e analise, procede-se a uma reviso critica dos dados, suprimindo os valores estranhos ao
levantamento.

2.3 Apresentao dos Dados


Aps a critica, convm organizarmos os dados de maneira pratica e racional, para melhor entendimento do fenmeno que se est estudando. A organizao dos dados denominase Srie Estatstica. Sua apresentao pode ocorrer por meio de tabelas e grcos.

2.4 Tabelas
A elaborao de tabelas obedece Resoluo do conselho nacional de Estatstica.
Uma tabela e mesmo um grco deve apresentar o cabealho; o corpo; e o rodap.
O cabealho deve conter o suciente para que sejam respondidas as seguintes questes:

O qu? (referente ao fato);


Onde? (relativo ao lugar);
Quando (correspondente poca).
O corpo reservado para as observaes pertinentes, bem como a identicao da fonte
dos dados.
Conforme o critrio de agrupamento, as seres classicam-se em:
1. Srie Cronolgica: a serie estatstica em que os dados so observados segundo a
poca de ocorrncia.
Vendas da Companhia C&A 1980-1987
Ano Vendas

Estatstica I

1980

2181

1981

3948

1982

5642

1983

7550

1984

10009

1985

11728

1986

18873

1987

29076

Prof. Augusto Filho - assf@unihorizontes.br

12

Tabelas e Grcos
Fonte: Departamento de Marketing da Cia.

2. Distribuio de freqncias. a serie estatstica em que os dados so agrupados com


suas respectivas freqncias absolutas.
Exemplos:
Nmeros de Acidentes por dia na Rodovia X em Belo Horizonte em 2001.
N. de Acidentes por dia na Av. Antnio Carlos

Frequncias Dias

10

2
Fonte: DNER.

2.5 Grcos
A representao grca das series estatsticas tem por nalidade dar uma idia, a
mais imediata possvel, dos resultados obtidos, permitindo chegar-se a concluses sobre a
evoluo do fenmeno ou sobre como se relacionam os valores da serie. No h apenas
uma maneira de representar gracamente uma serie estatstica. A escolha do grco mais
apropriado car a critrio do analista. Contudo, os elementos simplicidade, clareza e
veracidade devem ser considerados quando da elaborao de um grco. Eis os principais
tipos de grcos.
1. Grco em Colunas.
Populao Brasileira - 1940- 1970
Ano

Populao

1940

41.236.315

1950

51.944.397

1960

70.119.071

1970 93.139.037
Fonte: Anurio Estatstico - 1980
2- Grco em Barras. semelhante ao grco em colunas, porm os retngulos so
dispostos horizontalmente. Eis uma congurao:
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

2.6 Distribuio de Frequncias

13

Figura 2.3: Grco em Colunas

Figura 2.4: Grco em Barras

2.6 Distribuio de Frequncias


POPULAO: um conjunto de indivduos ou objetos que apresentam pelo menos
uma caracterstica em comum. A populao pode ser nita ou innita, dependendo
de o numero de elementos ser nito ou innito. Na pratica, quando uma populao
nita, com um numero grande de elementos, considera-se como populao innita.

AMOSTRA: Considerando-se a impossibilidade, na maioria das vezes, do tratamento de todos os elementos da populao, retiraremos uma amostra. Para nossos
propsitos, admite-se que uma amostra j tenha sido escolhida de conformidade com
alguma tcnica de amostragem.

Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

14

Tabelas e Grcos

2.7 Interporlao Linear da Ogiva


2.7.1 Introduo
O assunto que veremos agora passou a fazer parte das provas de Estatsticas da ESAF
j ha alguns anos, mais ou menos desde o AFRF de 2001, e desde ento no mais deixou
de ser cobrado. Trata-se de uma questo fcil, embora o nome do assunto possa assustar
um pouco.
Comearemos com um exemplo bem simples. Vejamos a distribuio de frequncia

abaixo :
Classes

Frequncia

0 ` 10

10 ` 20

20 ` 30

13

30 ` 40

11

40 ` 50

50 ` 60

Se a questo da prova perguntasse, por exemplo, "quantos elementos deste conjunto tm

valor abaixo de 30", como responderamos? Ora, observando as classes desta distribuio,
vemos facilmente que "participam desta resposta"os elementos das trs primeiras classes.
Desta forma, teramos 5 elementos na primeira classes (abaixo de 10), mais 8 elementos
na segunda classe (de 10 a 20) e nalmente 13 elementos na terceira classe (valores de 20
a 30). Somando tudo, nossa resposta seria 26. Sem problemas!
Mais uma vez: a pergunta agora "quantos elementos deste conjunto tm valor acima

de 40?" Tambm sem grandes diculdades, percebemos que "participam desta resposta"os
elementos das duas ltimas classes, ou seja, elementos com valor de 40 a 50 (quinta classe)
e de 50 a 60 (sexta classe).
Logo, como temos 7 elementos na penltima, e 3 elementos na ltima classe, nossa
resposta seria a soma, ou seja, 10 elementos. At aqui, tudo muito bem.

2.7.2 O Problema
A nova pergunta : quantos elementos deste mesmo conjunto tm valor menor ou igual

a 28? Observando os limites das classes apresentadas, percebemos que 28 no nem


limite superior, nem inferior de qualquer destas classes. Na verdade, o valor 28 encontrase dentro da terceira classe. Para completar o enunciado, a questo vai pedir ainda que
determinemos esta resposta, utilizando-nos da interpolao linear da ogiva.
Embora ainda nem tenhamos falado de ogiva (ou de outros grcos estatsticos), teremos j total condio de resolver este problema, fazendo uso de uma regra de trs simples,
a mais fcil possvel.
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

2.7 Interporlao Linear da Ogiva

15

Percebamos que fcil deduzir que a primeira e a segunda classes participaro da


resposta integralmente, porm a terceira classe (20 ` 30) participar apenas parcialmente
do resultado.
Ou seja

Classes

Frequncia

0 ` 10

participa intergalmente da resposta !

10 ` 20

participa integralmente da resposta !

20 ` 30

13

participa parcialmente da resposta

30 ` 40

11

40 ` 50

50 ` 60

O segredo, ento, trabalharmos com esta classe que participa apenas parcialmente da
resposta. Da, faremos:

a terceira classe tem amplitude h=10 e frequncia simples, Freq = 13.


Assim, a primeira linha da regra de trs est formada:

10 13 (dez est para treze)


Traduzindo: nesta amplitude de 10, temos 13 elementos.
Para o complemento da regra de trs, pensaremos o seguinte: a questo quer saber
"menor ou igual a 28". Ora, menor ou igual a 28, nesta classe, ns teremos desde o limite
inferior da classe (20) at o prprio 28. Ou seja, a amplitude desejada para esta classe,
neste momento, ser apenas esta diferena: (28 20) = 8. Dai, a segunda linha da regra
de trs ser:

8 X (oito est para X )


Ou seja, nesta amplitude de apenas 8, quantos elementos teremos? (X =?).
Agora, nossa regra de trs completa ser:

10 13
8 X
Multiplicamos cruzando e chegaremos a:

X = (8.13)/10 = E : X = 104/10 = Da: X=10,4.


Observemos que este valor encontrado (10, 4) apenas a participao da terceira classe
em nossa resposta. o valor que de fato procuramos reunir tambm as frequncia das
Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

16

Tabelas e Grcos

duas primeiras classes deste conjunto, as quais, como vimos, participam integralmente do
resultado.
Da, teremos:

* primeira classe: (0 ` 10) 5 elementos (F req = 5).


* segunda classe: (10 ` 20) 8 elementos (F req = 8).
* terceira classe:(20 ` 30) 10, 4 elementos (X = 10, 4).
Total de elementos: 23, 4 elementos Resposta!
Obviamente que este resultado reete apenas uma aproximao, ou seja, uma estimativa, uma vez que, quando trabalhamos com a distribuio de frequncia, teremos efetivamente uma perda de informao. Mas no nos preocupemos: embora essa resposta seja o
reexo de uma aproximao, ela a resposta correta.

2.7.3 Outro exemplo


Uma nova questo agora pergunta, para aquela mesma distribuio de frequncias:

quantos elementos deste conjunto tm valor maior ou igual a 34?


Aqui est novamente o nosso conjunto:
Classes

Frequncia

0 ` 10

10 ` 20

20 ` 30

13

30 ` 40

11

40 ` 50

50 ` 60

Observamos que este valor, 34, no limite inferior ou superior de nenhuma das classes;
ao contrrio, est dentro da quarta classe.
Constatamos, ainda, pela mera observao, que, se a questo pede elementos com
valores acima de 34, esta quarta classe participar da resposta apenas de forma parcial.
Enquanto isso, as duas ltimas classes participaro integralmente do resultado. Ou seja:
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

2.7 Interporlao Linear da Ogiva

17

Classes

Frequncia

0 ` 10

10 ` 20

20 ` 30

13

30 ` 40

11

participa parcialmente da resposta!

40 ` 50

participa integralmente da resposta!

50 ` 60

participa integralmente da resposta!

Ficou fcil perceber que teremos que trabalhar a regra de trs com a quarta classe,
para descobrir quantos de seus elementos participaro da resposta.
Para compor a regra de trs, inicialmente trabalhamos com a classe inteira. E, nesta
quarta classe, temos amplitude h=10 e frequncia simples Freq=11. Portanto, a primeira
linha da regra de trs ser a seguinte:

10 11 (dez est para onze)


Ora, para esta mesma quarta classe, maiores ou iguais a 34 sero os elementos 34 a

40. Ou seja, a amplitude desejada na resposta para essa classe ser apenas esta diferena:
40 34 = 6. Da, a segunda linha da regra de trs ser:
6 x (seis est para X)
Ou seja, na amplitude de 6, teremos X elementos.
Portanto, nossa regra de trs completa ser a seguinte:

10 11
6 X
Resolvendo, teremos: 10X = 6.11 E : X = 66/10=6,6
Ou seja, em relao quarta classe, participam da resposta apenas 6, 6 elementos! Para
chegarmos ao resultado da questo, todavia, temos de nos lembrar que as frequncias das
duas derradeiras classes tero participao integral. Da, teremos:

= quarta classe: (30 ` 40) 6, 6 elementos (X = 6, 6)


= quinta classe: (40 ` 50) 7 elementos (F req = 7)
= sexta classe: (50 ` 60) 3 elementos (F req = 3)
Total de elementos: 16, 6 elementos = Resposta!
A questo basicamente isso. H algumas variaes possveis, como por exemplo,
em vez de a questo perguntar "quantos elementos", ela perguntaria qual o percentual
Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

18

Tabelas e Grcos

de elementos, ou seja, em vez de trabalharmos com a frequncia absoluta simples (Freq),


trabalharamos com a frequncia percentual (%).
Outra variao aquela em que a questo pergunta "quantos elementos do conjunto
tm valor acima de X e abaixo de Y?", de forma que X e Y so valores no-coincidentes
com os limites inferiores ou superiores das classes da distribuio. Neste caso, teramos
duas classes participando parcialmente da resposta; logo, teramos que fazer duas regras de
trs: uma para a classe em que o X estivesse inserido, outra para a classe a qual pertence
o Y.

2.7.4 Variao Importante


Existe, todavia, uma variao desta questo digna de nota. Seria um enunciado do tipo
que se segue:
Classes

0 ` 10

5%

10 ` 20

22%

20 ` 30

33%

30 ` 40

12%

40 ` 50

8%

Considerando a distribuio de frequncia acima, em que % representa a frequncia


percentual, determine, via interpolao linear da ogiva, qual o elemento deste conjunto que
no superado por 45% das observaes.
Temos ai uma coluna com as frequncia percentuais, e a questo pergunta, em outras
palavras, qual o nmero que est abaixo de 45% do total de elementos do conjunto.
Vejamos: a primeira classe tem 5% dos elementos; a segunda classe tem 22%. Somando
estas duas primeiras frequncia percentuais, teremos j 27% do total dos elementos. Agora:
de 27% para chegarmos a 45%, quanto falta? Obviamente que faltam ainda 18%. a
diferena (45% 27% = 18%).
Seguindo: se precisamos avanar mais 18% a partir da segunda classe (para chegar
aos 45% desejados), e a prxima classe, que a terceira, j tem 33% dos elementos do
conjunto, isso signica que a resposta que estamos procurando estar exatamente dentro
desta terceira classe.
Seno, vejamos: j tnhamos 27% dos elementos acumulados nas duas primeiras classes.
Se somssemos a esses 27% os 33% da terceira classe, passaramos a 60% dos elementos do
conjunto. E o nosso objetivo chegar aos 45%.
Da, trabalharemos, formando uma regra de trs simples para a terceira classe, cuja
frequncia percentual participa apenas parcialmente na busca do resultado. De antemo,
j sabemos que nosso resposta estar dentro da terceira classe, ou seja, ser um valor no
intervalo de 20 a 30.

Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

2.7 Interporlao Linear da Ogiva

19

A nossa situao a seguinte:


Classes

0 ` 10

5%

5% acumulados!

10 ` 20

22%

27% acumulados!

20 ` 30

33%

Faltam 18% para chegarmos aos 45%

30 ` 40

12%

40 ` 50

8%

Assim, faremos nossa regra de trs com o seguinte raciocnio: na terceira classe, temos
amplitude h=10 e frequncia percentual (F req% = 33%). Logo, a primeira linha da regra
de trs ser:

10 33% (dez est para trinta e trs por cento)


Ou seja, em uma amplitude de 10, temos 33% dos elementos do conjunto.
Para construir a segunda linha da regra de trs, pensaremos assim: interessam-nos,
nesta terceira classe, apenas 18% dos elementos, que sero necessrios para acumularmos
os 45% desejados. Da, faremos:

X 18% (X est para dezoito por cento)


Ou seja: qual ser a amplitude (X =?) desta terceira classe, que abranger apenas 18%
dos seus elementos?
A regra de trs completa a seguinte:

10 33%
X 18%
Multiplicando em cruz, teremos:

X = (18%.10)/33% E : X=5,45
Agora o mais importante: como usar esse X encontrado? Somando-o ao limite inferior

da terceira classe.
Vamos entender: se estivermos no limite inferior da terceira classe (lininf = 20) e
somarmos a este a amplitude da classe inteira (h = 10), chegaramos ao limite superior

(linsup = 30). Todavia, no nos interessa somar o limite inferior com a amplitude da classe,
pois, assim, "avanaramos", mais 33% dos elementos.
Queremos avanar apenas 18% dos elementos, o que corresponde a uma amplitude de

X = 5, 45, conforme calculamos acima.


Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

20

Tabelas e Grcos

Logo, para chegarmos ao resultado solicitado pela questo, faremos:

20+5,45=25,45 Resposta da questo!


A seguir, ser apresentado alguns exemplos e aplicaes.

2.7.5 Exemplos de Interpolao da Ogiva


Exemplo 2.1. Em um ensaio para o estudo da distribuio de um atributo nanceiro
(X), foram examinados 200 itens de natureza contbil do balano de uma empresa. Esse

exerccio produziu a tabela de frequncia abaixo. A coluna Classes representa intervalos


de valores de X em reais e a coluna P representa a frequncia relativa acumulada. No
existem observaes coincidentes com os extremos das classes.

Classes

P%

70 - 90

90 - 110

15

110 - 130

40

130 - 150

70

150 - 170

85

170 - 190

95

190 - 210

100

Encontre o valor que corresponde estimativa da frequncia relativa de observaes de


X menores ou iguais a 145.

Soluo
Esta questo pede a resposta em valores percentuais, ou seja, ela quer que trabalhemos
com frequncia relativas, mais especicamente com a frequncia relativa simples (Freq).
Essa constatao foi fcil. Resta agora vericar se a coluna fornecida foi j a F req , ou se
foi alguma outra.
Ora, o enunciado foi explcito, armando que a coluna P "representa a frequncia
relativa acumulada". J aprendemos, neste caso, o que fazer para chegarmos coluna da

Frequncia relativa simples (Freq. Relativa).


Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

2.7 Interporlao Linear da Ogiva

21

Classes

F ac

Freq.

70 - 90

5%

5%

90 - 110

15% (15%-5%=)

10%

110 - 130

40% (40% -15%=)

25%

130 - 150

70% (70% - 40%=)

30%

150 - 170

85% (85% - 70%=)

15%

170 - 190

95% (95% - 85%=)

10%

190 - 210

100% (100%-95%=)

5%

A questo quer saber valores "menores ou iguais a 145". fcil vericar que este
valor (145) est inserido na quarta classe (130 ` 150). Logo, trabalharemos a regra de
trs exatamente a, tendo em vista que as frequncias relativas das trs primeiras classes
participaro integralmente da resposta.
Ou seja, a situao ser a seguinte:
Classes

Freq.

70 - 90

5%

participa integralmente da resposta!

90 - 110

10%

participa integralmente da resposta!

110 - 130

25%

participa integralmente da resposta!

130 - 150

30%

participa parcialmente da resposta!

150 - 170

15%

170 - 190

10%

190 - 210

5%

A primeira parte desta regra de trs levar em conta a quarta classe completa. Temos
uma amplitude de h = 20 e uma frequncia relativa de (F reqrelat = 30%). Da:

20 30% (vinte est para trinta por cento)


Na segunda parte da regra de trs, trabalhamos com a classe "quebrada". Ora, menores ou iguais a 145, nesta classe, ns temos de 130 at 145. Logo, para este enunciado, a
amplitude aqui desejada ser esta diferena: (145 130) = 15. Da, teremos:

15 X% (quinze est para X%)


Nossa regra de trs completa car assim:

20 30%
15 X%
Resolvendo, caremos com:

X = (15X30%)/20 X = 450%/20 X = 22, 5%

Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

22

Tabelas e Grcos

Logo, este valor encontrado ser a parcela de participao da quarta classe na resposta.
Contudo, evidente que as frequncias relativas das trs primeiras classes tambm parti-

ciparo do resultado, e de forma integral, como vimos acima.


Assim, teremos:

= primeira classe: (70 ` 90) 5% dos elementos (F req = 5%)


= segunda classe: (90 ` 110) 10% dos elementos (F req = 10%)
= terceira classe: (110 ` 130) 25% dos elementos (F req = 25%)
= quarta classe: (130 ` 150) 22, 5% dos elementos (F req = 22, 5%)
Total: 62,5% dos elementos! = Resposta!

2.8 Exerccios
Exerccio 5. Dada a amostra: 3, 4, 4, 5, 7, 6, 6, 7, 7, 4, 5, 5, 6, 6, 7, 5, 8, 5, 6, 6, pede-se:
a) Construir a distribuio de freqncia.
b) Construir o grco de freqncias;
c) Determinar as freqncias relativas;
d) Determinar as freqncias acumuladas
e) Qual a amplitude amostral;
f) Qual a porcentagem de elementos maiores que 5.
Exerccio 6. Considere os dados obtidos pelas medidas das alturas de 100 indivduos
(dadas em cm);
151

152

154

155

158

159

159

160

161

161

161

162

163

163

163

164

165

165

165

166

166

166

166

167

167

167

167

167

168

168

168

168

168

168

168

168

168

168

169

169

169

169

169

169

169

170

170

170

170

170

170

170

171

171

171

171

172

172

172

173

173

173

174

174

174

175

176

175

175

176

176

176

176

177

177

177

177

178

178

178

179

179

180

180

180

180

181

181

181

182

182

182

183

184

185

186

187

188

190

190

Calcule:
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

2.8 Exerccios

23

a) amplitude amostral;
b) o numero de classes;
c) a amplitude das classes;
d) os limites das classes;
e) as freqncias absolutas das classes;
f) as freqncias relativas;
g) Os pontos mdios das classes;
h) A freqncia acumulada;
i) O histograma - polgono de freqncia;
j) O grco de freqncia acumulada.
Exerccio 7. As notas de 32 estudantes de uma classe esto descritas a seguir :
6, 0

0, 0

2, 0

6, 5

5, 0

3, 5

4, 0

7, 0

8, 0

7, 0

8, 5

6, 0

4, 5

0, 0

6, 5

6, 0

2, 0

5, 0

5, 5

5, 0

7, 0

1, 5

5, 0

5, 0

4, 0

4, 5

4, 0

1, 0

5, 5

3, 5

2, 5

4, 5

Determine:

a) O rol;
b) As distribuies de freqncias (varivel continua);
c) O maior e o menor graus;
d) A amplitude total;
e) Qual a porcentagem dos alunos que tiveram nota menor do que 4;
f) Qual o limite superior da segunda classe;
g) Qual o ponto mdio da quarta classe;
h) Qual o ponto mdio da terceira classe;
i) Os grcos (histograma e grco da Fac ).
Exerccio 8. Os pesos de 40 alunos esto relacionados a seguir:
Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

24

Tabelas e Grcos
69

57

72

54

93

68

72

58

64

62

65

76

60

49

74

59

66

83

70

45

60

81

71

67

63

64

53

73

81

50

67

68

53

75

65

58

80

60

63

53

a) Construir a tabela da distribuio de freqncia;


b) Construir os grcos da distribuio.
Exerccio 9. Vinte e uma pacientes de uma clnica mdica tiveram o seu nvel de potssio
no plasma medido. Os resultados foram os seguintes.
Nvel de Frequncia

Frequcia

2, 25 | 2, 55

2, 55 | 2, 75

2, 75 | 2, 95

2, 95 | 3, 15

3, 15 | 3, 35

3, 35 | 3, 65

Total

a) Construa o histograma;
b) Qual a porcentagem de valores que esto acima do nvel 3 ?
Exerccio 10. A tabela a seguir apresenta as freqncias relativas de ocorrncias de faixas
de altura (em cm) para uma amostra de 100 crianas de 12 anos de idade.

a) Construa o histograma;
b) Desejando-se separar os 15% mais altos, qual sria o ponto de corte?
c) Qual a porcentagem de valores que esto acima da faixa 115 ?
Faixas

Frequncia Relativa

100 | 100

0, 10

100 | 120

0, 25

120 | 130

0, 30

130 | 140

0, 25

140 | 160

0, 10

Exerccio 11. Responda:


a) Quais so os limites (inferior e superior) da primeira classe?
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

2.8 Exerccios

25

b) Quais so as fronteiras (inferior e superior) da primeira classe?


c) A amplitude dos intervalos a mesma para todas as classes da distribuio;
d) Qual a amplitude?
e) Qual o ponto mdio da primeira classe?
f) Quais as fronteiras da classe de aluguis na qual foi observado o maior numero de
apartamentos?

g) Suponha um aluguel mensal de $239,50. Identicar os limites inferiores e superior da


classe na qual esta observao seria registrada.

Distribuio de freqncia de aluguis mensais para 200


Aluguel
Frequncia

150 179

180 209

210 239

10

240 269

13

270 299

33

300 329

40

330 359

35

360 389

30

390 419

16

420 449

12

Total

200

Exerccio 12. Um pesquisador de radio XY aborda 30 transeuntes ao acaso e pergunta-lhes


a idade. O resultado dado pela tabela:
35

26

39

25

39

22

42

40

39

22

21

40

16

32

39

21

28

39

18

37

23

14

27

44

30

32

21

15

26

43

a) Resuma as informaes sob forma de uma distribuio de freqncia;


b) Apresente os dados na forma de um histograma;
c) Qual a porcentagem de valores que esto acima do valor 33?
Exerccio 13. Dada a amostra de 60 rendas (em milhares) de dada regio geogrca.
Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

26

Tabelas e Grcos
10

15

13

14

10

11

12

13

14

15

10

10

11

13

14

15

16

12

13

14

16

a) Agrupar os elementos em classes.Sendo k = 6 e h = 3.


b) Construir o histograma e o polgono de freqncia.
c) Qual a porcentagem de valores que esto acima do valor 9, 5?
Exerccio 14. Foi pedido aos alunos de uma classe de 40 alunos que escolhessem um
dentre os nmeros 0, 1, 2, 3, 4, 5, 6, 7, 8 e 9. Obteve-se o seguinte resultado:
8

a) montar a distribuio de freqncia pontual.


Exerccio 15. Abaixo esto dadas as notas (em crditos) de 50 alunos:
60

85

33

52

65

77

84

65

74

57

71

35

81

50

35

64

74

47

54

68

80

61

41

91

55

73

59

53

77

45

41

55

78

48

69

85

67

39

60

76

94

98

66

66

73

42

65

94

88

89

Pede-se:

a) Determinar a amplitude total da amostra;


b) Numero de classes pela frmula de Sturges. Dado log50 = 1, 7;
c) Amplitude das classes;
d) Quais as classes (inicie pelo 30);
e) Freqncias absolutas das classes;
f) Freqncias relativas;
g) Pontos mdios das classes;
h) Freqncia acumulada;
i) Histograma.
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

2.9 Referncias Bibliogrcas

27

2.9 Referncias Bibliogrcas


1. CARVALHO, Srgio. Estatstica Bsica - Teoria e 150 questes. Editora IMPETUS,
2004
2. FURTADO, Daniel Ferreira. Estatstica Bsica. Editora UFLA. 2005
3. LEVINE, David M. Estatstica: Teoria e Aplicaes usando o microsoft excel em
portugus. Editora LTC, 2003.
4. MAGALHES, Marcos Nascimento. Noes de Probabilidade e Estatstica / So
Paulo, 4a edio, Editora USP, 2002

Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

28

Prof. Augusto Filho - assf@unihorizontes.br

Tabelas e Grcos

Estatstica I

Captulo 3

Medidas de Tendncia Central


Vimos nas aulas anteriores a sintetizao dos dados sob a forma de tabelas, grcos e
distribuies de freqncias. Agora, vamos aprender o clculo de medidas que possibilitem
representar um conjunto de dados relativos observao de determinando fenmeno de
forma resumida. So as medidas de posio. Tais medidas orientam-nos quanto posio
da distribuio no eixo x (eixo dos nmeros reais), possibilitam que comparemos series de
dados entre si pelo confronto desses nmeros. So chamadas medidas da tendncia central,
pois representam os fenmenos pelo seus valores mdios, em torno dos quais tendem a
concentrar-se os dados.

3.1 Mdia Aritmtica - Dados No Agrupados.


Sejam x1 , x2 , ..., xn portanto, n valores da varivel X . A mdia aritmtica simples
de X representado por x denida por:
n
P

X=

xi

i=1

, ou simplesmente x =

P
n

, em que n o nmero de elementos do conjunto.

Exemplo 3.1. - Determinar a mdia aritmtica simples dos valores: 3, 7, 8, 10, 11


Desta forma, temos: x =

xi
n

3+7+8+10+11
5

= 7, 8. Desta forma x = 7, 8

3.2 Mdia Aritmtica - Dados Agrupados.


Quando os dados estiverem agrupados numa distribuio de freqncia usaremos a mdia aritmtica dos valores x1 , x2 , ..., xn ponderados pelas respectivas freqncias absolutas:

F1 , F2 , ..., Fn Assim:
P

x=

x i Fi
,
n

onde xi o ponto mdio e o Fi a frequncia simples.

Exemplo 3.2.
a) Dada a seguinte distribuio
Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

30

Medidas de Tendncia Central


Renda familiar em milhares de reais.
Classes Fi (Freq) Xi (Ponto Mdio) Xi Fi

2 | 4

15

4 | 6

10

50

6 | 8

14

98

8 | 10

72

10 | 12

11

33

T otal

40

268

Logo, a mdia para valores agrupados em uma tabela de distribuio de freqncia,


igual a:
P

x=

x i Fi
n

268
40

= 6, 7

Concluso : Como a renda familiar foi dada em milhares de reais, podemos armar que
a renda mdia desse grupo de 40 famlias de R$6.700, 00.

b) Para uma tabela com valores discretos, temos:


xi

Fi

Encontraremos a mdia da seguinte forma:

xi

Fi

xi Fi

15

Total

10

26

Logo, temos:
P

x=

xi Fi
n

26
10

= 2, 6

Exemplo 3.3. Quer se estudar o nmero de erros de impresso de um livro. Para isso
escolheu-se uma amostra de 50 paginas, encontrando-se o nmero de erros por paginas da
tabela abaixo.
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

3.2 Mdia Aritmtica - Dados Agrupados.

31

a) Qual o nmero mdio de erros por pgina?


b) Faa uma representao grca para a tabela abaixo.
Erros

Frequncia

25

20

Exemplo 3.4. As taxas de juros recebidas por 10 aes durante um certo perodo foram
(medidas em porcentagem) 2, 59; 2, 64; 2, 60; 2, 62; 2, 57; 2, 55; 2, 61; 2, 50; 2, 63; 2, 64.
Calcule a mdia das taxas apresentadas.

Exemplo 3.5. Para facilitar um projeto de ampliao da rede de esgoto de uma certa
regio de uma cidade, as autoridades tomaram uma amostra de tamanho 50 dos 270 quarteires que compem a regio, e foram encontrados os seguintes nmeros de casa por quarteiro.
2

10

13

14

15

15

16

16

18

18

20

21

22

22

23

24

25

25

26

27

29

29

30

31

36

42

44

45

45

46

48

52

58

59

61

61

61

65

66

66

68

75

78

80

89

90

92

97

a) Use cinco intervalos e construa um histograma;


b) Qual a porcentagem de valores que esto acima do valor 83?
c) Qual o ponto de corte para 20% dos maiores valores?
d) Calcule a mdia para os dados agrupados em uma tabela;
e) Calcule a mdia para os dados no agrupados em uma tabela e compare o resultado
encontrado com a letra d;

Exemplo 3.6. A tabela dada a seguir apresenta uma parte dos resultados de uma pesquisa
realizada por alunos do curso de Especializao em centro cirrgico e centro de material,
no hospital Universitrio de Belo Horizonte, no ano de 1996, com o objetivo de traar o
perl dos partos ocorridos. Estes dados foram apresentados em relatrio nal de pesquisa
apresentado na disciplina de Estatstica.
Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

32

Medidas de Tendncia Central


Nmero de Semanas

Freq.

26 | 28

28 | 30

30 | 32

32 | 34

10

34 | 36

36 | 38

14

18

38 | 40

28

36

40 | 42

13

17

42 | 44

Total

78

100

Identique qual o nmero mdio de semanas de gestao?

Exemplo 3.7. Determine a mdia aritmtica das seguintes sries:


a) 3, 4, 1, 3, 6, 5, 6
b) 7, 8, 8, 10, 12
c) 3, 2; 4; 0, 75; 5; 2, 13; 4, 75
d) 70, 75, 76, 80, 82, 83, 90
Exemplo 3.8. A mdia mnima para aprovao em determinada disciplina 5, 0. Se
um estudante obtm as notas 7, 5; 8, 0; 3, 5; 6, 0; 2, 5; 2, 0; 5, 5; 4, 0 nos trabalhos mensais da
disciplina em questo, pergunta-se ele foi ou no aprovado.

Exemplo 3.9. Calcule para cada uma das distribuies abaixo sua respectiva mdia.
a)

xi

Fi

12

b)
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

3.2 Mdia Aritmtica - Dados Agrupados.


xi

Fi

10

11

12

10

13

33

Exerccio 16. Dadas as estaturas de 140 alunos, conseguiu-se a distribuio abaixo. Calcular a mdia.
Estatura (cm)

N.de alunos

145 | 150

150 | 155

10

155 | 160

27

160 | 165

38

165 | 170

27

170 | 175

21

175 | 180

180 | 185

Exemplo 3.10. Abaixo temos a distribuio dos aluguis de 65 casas. Determine sua
mdia.
Aluguel

Frequncia

1, 5 | 3, 5

12

3, 5 | 5, 5

18

5, 5 | 7, 5

20

7, 5 | 9, 5

10

9, 5 | 11, 5

Exemplo 3.11. Dados os seguintes nmeros:


1

10

15

20

25

10

15

20

25

12

11

11

a) Construa a distribuio de freqncia para os dados acima (intervalar);


b) Determine sua mdia.
Exemplo 3.12. Foi pedido aos alunos de uma classe de 40 alunos que escolhessem um
dentre os nmeros 0, 1, 2, 3, 4, 5, 6, 7, 8, e 9. Obteve-se o seguinte resultado:
Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

34

Medidas de Tendncia Central


8

a) Montar a distribuio de freqncia (pontual);


b) Determinar a mdia;
c) Qual foi o nmero mais escolhido? o que ele representa?
d) Calcule a mediana.

3.3 Mediana
Colocados os valores em ordem crescente, mediana o elemento que ocupa a posio
central.
Vamos considerar, em primeiro lugar, a determinao da mediana para o caso de
varivel discreta, isto , para distribuio de freqncia simples.
Assim, para a srie:

5, 7, 8, 10, 14, a mediana ser o 8. Indica-se x


e = 8.
Para a srie:

5, 7, 8, 10, 14, 15, a mediana ser o 9, ou seja x


e = 9.
Voc j deve ter percebido que precisamos considerar os dois casos: para n (numero
de elementos da amostra) mpar o 1o exemplo e para n para o 2o exemplo.
Ento:
Se n for mpar, a mediana ser o elemento central (de ordem ). Caso n seja par, a
mediana ser a mdia entre os elementos centrais (de ordem ).

Exemplo 3.13. Para cada srie, determine a mediana:


a) 1, 3, 3, 4, 5, 6, 6;
b) 1, 3, 3, 4, 6, 8, 8, 9;
c) 12, 7, 10, 8, 8;
d) 82, 86, 88, 84, 91, 93;
Exemplo 3.14. Seja a srie: 9, 15, 3, 7, 6, 16, 4, 19, 1, determine a mediana.
Exemplo 3.15. Seja a srie: 3, 7, 4, 12, 15, 10, 18, 14, determine a mediana.
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

3.3 Mediana

3.3.1

35

Mediana - Tabela Pontual

1. Para dados ordenados em uma distribuio pontual.

a)

Figura 3.1: Tabela Pontual - "n- mpar

n = 11, n impar, logo x


e ser o elemento de ordem

n+1
2

, ou seja, 11+1
= 6a .
2

Portanto, o 6a elemento ser identicado pela freqncia acumulada.


Desta forma, a freqncia acumulada ser importante para localizarmos a posio da

mediana, desta forma, o 6a elemento o nmero 3. Logox


e = 3.

Exemplo 3.16. Dada uma outra tabela de freqncia pontual, temos:

Figura 3.2: Tabela Pontual - "n- par

n
Logo, temos :n = 42, n par, logo x
e ser a mdia entre os elementos de ordem
e
2
n
42
42
+ 1, ou seja
= 21a e
+ 1 = 22a . Portanto, como no exemplo anterior, identica-se
2
2
2
os elementos de ordem 21a e 22a pela Fac
Assim, temos: 21a corresponde a 87.

22a corresponde a 87, logo temos:


x
e=

3.3.2

21a + 22a
87 + 87
=
= 87
2
2

Mediana - Tabela Intervalar

1a Passo Calcula-se a ordem


ou mpar.
Estatstica I

n
. Como a varivel contnua, no se preocupe se n par
2
Prof. Augusto Filho - assf@unihorizontes.br

36

Medidas de Tendncia Central

2a Passo Pela Fac identica-se a classe que contm a mediana (classe Medinica);
3a Passo Utiliza-se a frmula:

x
e = li +

(50% de n
Fxe

f) h

em que:

li = limite inferior da classe Medinica;


n = tamanho da amostra ou nmero de elementos;
P
f = soma das freqncias anteriores classe Medinica;
Fxe= freqncia da classe medinica.

Exemplo 3.17. Encontre a mediana para a tabela intervalar abaixo:

1a Passo Calcula-se

Classe

Freq

Fac

35 | 45

45 | 55

12

17

55 | 65

18

35

65 | 75

14

49

75 | 85

55

85 | 95

58

Total

58

n
. Como n = 58, temos
2

58
2

= 29a ;

2a Passo Identica-se a classe Medianica pela Fac . Neste caso, a classe M d


3a Passo Aplica-se a frmula:

(50% de n
x
e = li +
Fxe
onde:

li = 56; n = 58;

f) h

f = 17; h = 10; Fxe = 18.

Logo:

58
x
e = 56 +

17 10
= 61, 67
18

Exemplo 3.18. Para cada distribuio, determine a mediana:


a)
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

3.3 Mediana

37
xi

Fi

xi

Fi

73

75

10

77

15

79

81

b)

Exemplo 3.19. Determine a mediana:


a)
Classes

1 |3

3 |5

5 |7

7 |9

9 | 11

11 | 13

Freq

b)
Classes

22| 25

25| 28

28| 31

31| 34

Freq

18

25

30

20

Exemplo 3.20. Calcular a mdia, mediana e moda da seguinte distribuio:


Idade de uma amostra de Pacientes atendidos pelo hospital das clnicas da UFMG - 1999
Classes

Freq.

5| 20

13

20| 35

15

35| 50

11

50| 65

65| 80

10

80| 95

95| 110

Total
60
Fonte: Relatrio de pesquisa de alunos
Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

38

Medidas de Tendncia Central

3.4 Moda - Valores que mais se repetem.


Dentre as principais medidas de posio, destaca-se a Moda. o valor mais freqente
da distribuio. Para distribuies simples (sem agrupamento em classes), a identicao
da Moda facilitada pela simples observao do elemento que apresenta maior freqncia.
Assim, para a distribuio.

xi

Fi

243

245

17

248

23

251

20

307

A Moda ser 248. Indica-se Mo = 248. Notem que esse nmero o mais comum
nesta distribuio (aparece mais vezes).Para dados Agrupados em classes, temos diversas
frmulas para o calculo da Moda. Apresentarei o MTODO de CZUBER.

1a Passo Identica-se a classe Modal (aquela que possuir maior freqncia).


2a Passo Aplica-se a frmula:

M o = li +

1
h
1 + 2

Onde:

li = limite inferior da classe modal;


1 = diferena entre a freqncia da classe modal e a imediatamente anterior;
2 = diferena entre a freqncia da classe modal e a imediatamente posterior;
h = amplitude da classe modal.

Exemplo 3.21. Determine a moda para a distribuio.


Classe

F req

0| 1

1| 2

10

2| 3

17

3| 4

4| 5

T otal

43

1a Passo Indica-se a classe Modal. No caso, trata-se da 3o classe 2| 3.


Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

3.4 Moda - Valores que mais se repetem.

39

2a Passo Aplica-se a frmula:

M o = li +

1
h
1 + 2

Em que:

li = 2

1 = 17 10 = 7

2 = 17 8 = 9

h=1

Logo:

7
1 = 2, 44
7+9
Desta forma, existe uma relao muito importante entre a mdia, a mediana e a moda.
Mo = 2 +

Em uma distribuio simtrica, observa-se que a m


edia ' mediana ' M oda.

Figura 3.3: Grco de uma distribuio Simtrica


Logo uma distribuio assimtrica positiva observa-se: que a M edia > M ediana >

M oda. Em uma distribuio com assimetria negativa, observa-se que a M edia < M ediana <
M oda.

Figura 3.4: Grco de uma distribuio Assimtrica


Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

40

Medidas de Tendncia Central

Figura 3.5: Grco de uma distribuio Assimtrica

3.4.1 Resumo e Propriedades

Figura 3.6: Resumo e Propriedades

3.5 Exerccios
.

Exerccio 17. Os valores a seguir so os pagamentos (em dlares) feitos aos executantes
de um concerto de rock. A mdia $8900. Calcule a mediana.
500

600

800

50.000

1.000

500

Exerccio 18. Para uma amostra de 16 clientes de um pequeno mercado, foram observados
os seguintes montantes de vendas, ordenados em ordem crescente:
0, 10

0, 10

0, 25

0, 25

0, 35

0, 40

0, 53

0, 90

1, 25

1, 35

2, 45

2, 71

3, 09

3, 09

4, 00

4, 10

Determine:
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

3.5 Exerccios

41

a) A mdia;
b) A mediana;
c) A moda para esses valores de vendas.
Exerccio 19. Como voc descreveria a distribuio dos dados do problema anterior do
ponto de vista da assimetria?

Exerccio 20. Se lhe pedissem uma descrio dos dados do Problema (2) que envolvesse
a informao da quantidade tpica de compra por cliente da amostra, qual medida de
tendncia central, ou promdio, voc utilizaria? Por qu?

Exerccio 21. Uma amostra de 20 operrios de uma companhia apresentou os seguintes salrios recebidos durante certa semana, arredondados para o dlar mais prximo e
apresentados em ordem crescente:.
140

140

140

140

140

140

140

140

155

155

165

165

180

190

200

205

225

225

230

240

Encontre:

a) A mdia;
b) A mediana;
c) A moda para este grupo de salrios.
Exerccio 22. Para os dados de salrios do problema 6, descrever a distribuio em termos
de assimetria.

Exerccio 23. Supondo que voc estivesse em cada uma das seguintes posies, indicar
qual promdio utilizaria para apresentar os dados do problema (5), e explicar em que sentido cada valor poderia ser considerado tpico. (a) Como Vice-Presidente da companhia
encarregado da negociao coletiva. (b) como presidente do grupo negociador dos empregados.

Exerccio 24. Um especialista em padres de trabalho observa, em um escritrio, a quantidade de tempo requerida para a digitao de uma amostra de 10 cartas, com os seguintes
resultados enumerados em ordem crescente, arredondados para o minuto mais prximo:
5, 5, 5, 7, 9, 14, 15, 16, 18. Determinar:

a) A mdia;
b) A mediana;
c) A moda para este grupo de valores.
Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

42

Medidas de Tendncia Central

Exerccio 25. Comparar os valores da mdia, da mediana e da moda do Problema anterior


e comentar a forma da distribuio.

Exerccio 26. Determine a mdia, a mediana e a moda. Supor que estes so todos os
apartamentos de determinada rea geogrca.
Distribuio de freqncia de taxas mensais de aluguel de apartamentos.
Aluguel

Ponto Mdio da Classe (Xi )

Nmero de Apartamentos (Fi )

150 179

164, 50

180 209

194, 50

210 239

224, 50

10

240 269

254, 50

13

270 299

284, 50

33

300 329

314, 50

40

330 359

344, 50

35

360 389

374, 50

30

390 419

404, 50

16

420 449

434, 50

12

T otal

200

Exerccio 27. Comentar a forma da distribuio das taxas de aluguel de apartamentos do


problema anterior.

Exerccio 28. Em conjunto com uma auditoria anual, uma rma de contabilidade publica
anota o tempo necessrio para realizar a auditoria de 50 balanos contbeis, tal como
indicado na tabela abaixo.
Calcular:

a) A mdia;
b) A mediana;
c) A moda para o tempo de auditoria necessrio para esta amostra de registros.
T empo de audit
oria

P ontoM edio

Nu
mero de balanos

10 19

14, 5

20 39

34, 5

10

40 49

44, 5

12

50 59

54, 5

20

T otal

50

Exerccio 29. Comentar a forma da distribuio dos tempos de auditoria apresentados


no problema anterior.
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

3.6 Referncias Bibliogrcas

43

3.6 Referncias Bibliogrcas


1. CARVALHO, Srgio. Estatstica Bsica - Teoria e 150 questes. Editora IMPETUS,
2004
2. FURTADO, Daniel Ferreira. Estatstica Bsica. Editora UFLA. 2005
3. LEVINE, David M. Estatstica: Teoria e Aplicaes usando o microsoft excel em
portugus. Editora LTC, 2003.
4. MAGALHES, Marcos Nascimento. Noes de Probabilidade e Estatstica / So
Paulo, 4a edio, Editora USP, 2002

Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

44

Prof. Augusto Filho - assf@unihorizontes.br

Medidas de Tendncia Central

Estatstica I

Captulo 4

Principais Separatrizes
Passamos, agora, a uma anlise mais pormenorizada das medidas separatrizes - ltimo
passo antes de adentrarmos no estudo das medias de disperso.
Em um momento anterior, quando iniciamos o estudo da mediana, j havamos feito
as primeiras consideraes acerca das medidas separatrizes, armando que so tambm
medidas de posio (assim como as medidas de tendncia central - media, moda e mediana),
Vimos tambm que a mediana classica-se tanto como medida de tendncia central quanto
como medida separatriz, e que as separatrizes - como o prprio nome sugere - so aquelas
medidas que separam ou que dividem o conjunto em um certo numero de partes iguais.
No caso da mediana, vimos que ela divide o conjunto em duas metades. J o quartil,
separa o conjunto em quatro partes iguais; o decil, em dez partes e, nalmente, o centil
(ou percentil), em cem partes iguais.
Recordando disso, lembraremos tambm que aprendemos uma relao importantssima
entre as quatro medidas separatrizes. Na verdade, uma relao ate visual, que no
precisamos fazer esforo para decorar, bastando traar uma reta (que representar o
conjunto), e depois fazer as divises, exatamente como mostramos anteriormente quando
estudamos a mediana) e transcrevemos abaixo:

Md
Q2
D1

D2

D3

D4

D5

D6

D7

D8

D9

C10

C20

C30

C40

C50

C60

C70

C80

C90

Da, conclumos sem maiores diculdades que:

M d = Q2 = D5 = C50
A mediana j sabemos calcular. Aprenderemos, agora, como determinar o valor das
demais medidas separatrizes.

Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

46

Principais Separatrizes

4.1 Determinao do Quartil


J sabemos que, para dividir um conjunto em quatro partes iguais, precisamos marcar
trs pontos apenas ( como vimos no desenho acima). Portanto, j sabemos que existem
trs quartis, os quais designaremos por Q1 (primeiro quartil), Q2 (segundo quartil) e Q3
(terceiro quartil).
Quando estudamos a mediana, vimos que as questes que exigiam o clculo desta
medida costumavam dizer apenas algo como determine o valor da mediana deste conjunto
(e s). Isso porque existem somente uma mediana. Porm, em se tratando do quartil, um
enunciado jamais poderia dizer apenas determine o valor do quartil. Se assim o zesse,
caria no ar a pergunta: Qual deles?. Se existem trs quartis, uma questo de prova
teria, logicamente, que explicitar qual deles est exigindo.
Ocorre que, normalmente, as provas no contemplam as medidas separatrizes como
uma questo exclusiva. Explicando melhor: no costuma cair uma questo exigindo que
se calcule este ou aquele quartil, este ou aquele decil... O que se pede que se determine,
por exemplo, o coeciente quartlico de assimetria, ou o coeciente percentlico de curtose.
Ainda no estudamos esses assuntos - assimetria e curtose -, mas j podemos adiantar
que, na determino desses referidos coecientes, se far necessrio o conhecimento das
medidas separatrizes.
Em suma: os quartis, decis e percentis sero, normalmente, calculados como um meio
para se chegar ao m desejado pelo enunciado. Este m ser, provavelmente, um coeciente
de assimetria ou de curtose (assuntos que veremos em captulos seguintes).
Outra coisa importante: quem sabe calcular a mediana, fatalmente no ter diculdades
em aprender a determinar as outras medidas separatrizes. Daremos nfase determinao
do quartil, decil e percentil no mbito das distribuies de frequncias, que a forma
comumente exigida em prova.
Lembremos como se acha a mediana para uma distribuio de frequncia. Por primeiro,
temos que encontrar a classe mediana. Para isso, fazemos a conta (n/2) - independentemente de n ser um valor par ou impar - e depois comparamos este valor (n/2) com os
valores da coluna de frequncia acumulada (f ac), fazendo a pergunta de praxe que aprendemos: esta f ac maior ou igual a (n/2)?. Repetiremos a pergunta at que a resposta
seja armativa. Da, a classe correspondente ser a classe medianica.

4.2 Calculando o primeiro quartil - Q1


Para calcular o primeiro quartil, temos antes que determinar qual ser a classe do

primeiro quartil.
Lembremos que, no caso da mediana, a primeira conta que fazamos era (n/2). Dividamos o n por 2, exatamente porque a mediana divide o conjunto em duas partes. Agora,
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

4.2 Calculando o primeiro quartil - Q1

47

sabemos que o quartil divide o conjunto em quarto partes. Portanto, a conta que faremos
(para o primeiro quartil) a seguinte:

25% de n.
Para fazer esta conta, tambm no nos preocuparemos se n um valor par ou mpar
(da mesma forma da mediana). Feita esta conta, passaremos a comparar seu resultado com
os valores de f ac, exatamente da mesma forma que zemos para ahcar a classe medianica.
A pergunta, agora adaptada ao quartil, ser a seguinte:

Esta f ac maior ou igual a 25%de n ?


Enquanto a resposta for negativa, passaremos para a classe seguinte, e repetiremos a
pergunta, at o momento em que a resposta for SIM! Ao chegarmos resposta armativa,
pararemos e procuraremos a classe correspondente. Esta ser a classe do primeiro quartil.
Ou seja, ser desta classe que iremos extrair os dados para usar na frmula do Q1 .
Vejamos que, at aqui, a nica diferena observada nos passos para achar o quartil e a

mediana, foi que agora fazemos (25% de n) em vez de (50% de n) e comparamos este
(25% de n) com a coluna da f ac.
Uma vez constatada qual a classe do primeiro quartil, s nos restar aplicar a frmula.
A facilidade em se memorizar a frmula do Q1 absoluta. Vamos recordar a frmula da
mediana:

M d = linf +

((50% de n) f acant )
.h
Fi

Agora s pensar o seguinte: o que mudou at aqui para o quartil foi que (50% de n)
passou a ser (25% de n). Ento tambm ser apenas isso que ir mudar na frmula. Da,
o primeiro ser determinado por:

Q1 = linf +

((25% de n) f acant ))
.h
Fi

Ora, esta frmula nos fala em limite inferior (linf ), em amplitude da classe (h), alm
de duas frequncias - Fi e f acant . A nica coisa que teremos de lembrar que todos esses
dados sero retirados, tomando como referncia a classe do primeiro quartil.
Em suma, os passos para determinao do Q1 de um conjunto de dados sero os seguintes:

(a) determinamos o n (somando a coluna da Fi );


(b) calculamos o valor de (25% de n) (independentemente de n ser par ou impar);
(c) construmos a coluna da f ac;
Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

48

Principais Separatrizes

(d) comparamos o valor do (25% de n) com os valores da f ac, iniciando da f ac da primeira


classe (a mais de cima) e fazendo a seguinte pergunta: esta f ac maior ou igual
a (25% de n)?.Se a resposta for NO, passamos f ac da classe seguinte. Quando
a resposta for SIM, pararemos e procuraremos a classe correspondente. Esta ser a
nossa classe do primeiro quartil;

(e) nalmente, aplicaremos a frmula do Q1 , extraindo os dados desta classe do Q1 , que


acabamos de encontrar. Novamente a frmula:

((25% de n) f acant ))
.h
Fi
Vamos a um exemplo. Para o conjunto abaixo, determinemos o valor do primeiro
Q1 = linf +

quartil.
Classe

Fi

0 ` 10

10 ` 20

20 ` 30

30 ` 40

40 ` 50

Soluo:
1a. Passo: encontraremos n e calcularemos (25% de n) ;
Classe

Fi

0 ` 10

10 ` 20

20 ` 30

30 ` 40

40 ` 50

Total

24

Da, achamos que n = 24 e, portanto, (25% de n) = 0, 25x24 = 6.


2a. Passo: construmos a f ac:
Classe

Fi

f ac

0 ` 10

10 ` 20

20 ` 30

15

30 ` 40

21

40 ` 50

24

Total

24

Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

4.3 O segundo e o terceiro quartil

49

3a.Passo: comparamos os valores da f ac com o valor de (25% de n), fazendo a pergunta


de praxe, adaptada ao primeiro quartil.
Classe

Fi

f ac

0 ` 10

2 maior ou igaul a 6? NO!

10 ` 20

7 maior ou igual a 6? SIM!

20 ` 30

15

30 ` 40

21

40 ` 50

24

Total

24

Como a resposta foi armativa na segunda f ac, procuramos a classe correspondente

(10 ` 20) e dizemos que esta ser nossa clase do primeiro quartil.
4a. Passo: s nos resta agora aplicar a frmula do primeiro quartil, tornando como
referncia a classe do Q1 , que acabamos de encontrar. Teremos:

Q1 = linf +

((25% de n) f acant ))
.h
Fi

Q1 = 10 +

62
.10
5

Q1 = 18

4.3 O segundo e o terceiro quartil


A determinao do Q2 e do Q3 semelhante do Q1 , com uma pequena diferena.
preciso sabermos do seguinte:

o que ir ser alterado na determinao do clculo destas medidas separatrizes exatamente aquela frao que aparece no numerador da frlula.
No caso da mediana, a frao (50% de n) ; no caso do primeiro quartil, (25% de n) ;
nos demais quartis, como ser?
Para o segundo quartil, teremos um acumulo de (25% de n) do quartil anterior, logo o
segundo quartil car (50% de n). Da, a frmula do segundo quartil - Q2 - a seguinte:

Q2 = linf +

((50% de n) f acant ))
.h
Fi

Ou seja, o segundo quartil igual a Medina.


Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

50

Principais Separatrizes

E disso j sabamos: o segundo quartil a prpria mediana.


Portanto, no vacilaremos na prova. Se o enunciado da questo fornecer um conjunto
de dados e solicitar que determinemos o Q2 , no nos restar qualquer dvida: calcularemos
a mediana.
J no caso do terceiro quartil, repete-se (50% de n) e acumula-se com mais 25%, logo
teremos (75% de n). Logo teremos a seguinte frmula para determinar o terceiro quartil:

Q3 = linf +

((75% de n) f acant ))
.h
Fi

Ora, conhecer a frao que consta na frmula da medida separatriz implica conhecer
tambm o primeiro passo para encontr-la.
Seno vejamos: no clculo da mediana, calculvamos o valor de (50% de n); no clculo
do primeiro quartil, calculvamos o valor de (25% de n) .
Por mera deduo, o primeiro passo para encontrarmos o valor do terceiro quartil ser
exatamente calcularmos o valor de (75% de n) .
Os passos para determinao do Q3 sero, portanto, os seguintes:

(a) determinamos o n (somando a coluna da Fi ) ;


(b) calculamos o valor de (75% de n) (independentemente de n ser par ou mpar);
(c) construmos a coluna da f ac;
(d) comparamos o valor do (75% de n) com os valores da f ac, iniciando da f ac da primeira
classe (a mais de cima!) e fazendo a seguinte pergunta:  esta f ac maior ou igual
a (75% de n)?. Se a resposta for NO, passamos f ac da classe seguinte. Quando
a resposta for SIM, pararemos e procuraremos a classe correspondente. Esta ser a
nossa classe do terceiro quartil;

(e) nalmente, aplicaremos a frmula do Q3 , extraindo os dados desta classe do Q3 , que


acabamos de encontrar. Novamente a frmula:

Q3 = linf +

((75% de n) f acant ))
.h
Fi

Neste momento, os bons observadores j perceberam que a nica diferena vericada


nos passos descritos para calcularmos o primeiro e o terceiro quartil consiste naquela frao
presente no numerador da frmula de cada medida separatriz.
J perceberam tambm que esta frao quem dene tudo. Ela ser o valor de referncia, que utilizaremos para realizar a comparao com a coluna da frequncia absoluta

(f ac), para efeitos de encontrarmos a classe da medida separatriz, ou seja, a classe que
usaremos paa lanar os dados na frmula.
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

4.3 O segundo e o terceiro quartil

51

Faamos um exemplo para clculo do Q3 .


Exemplo. Para o conjunto de dados abaixo, determinemos o valor do terceiro quartil.
Classe

Fi

0 ` 10

10 ` 20

20 ` 30

30 ` 40

40 ` 50

Soluo:
1a. Passo: encontraremos n e calcularemos (75% de n);
Classe

Fi

0 ` 10

10 ` 20

20 ` 30

30 ` 40

40 ` 50

Total

24

Da, achamos que n = 24 e, portanto, (75% de n) ou (0, 75x24) = 18.


2a. Passo: constrmos a f ac.
Classe

Fi

f ac

0 ` 10

10 ` 20

20 ` 30

15

30 ` 40

21

40 ` 50

24

Total

24

3a. Passo: comparamos os valores da f ac com o valor de (75% de n), fazendo a pergunta de praxe, adaptada ao terceiro quartil.

Estatstica I

Classe

Fi

f ac

0 ` 10

2 maior ou igaul a 6? NO!

10 ` 20

7 maior ou igual a 6? NO!

20 ` 30

15

15 maior ou igal a 18? NO!

30 ` 40

21

21 maior ou igual a 18? SIM!

40 ` 50

24

Total

24

Prof. Augusto Filho - assf@unihorizontes.br

52

Principais Separatrizes

Como a resposta SIM surgiu na f ac da quarta classe (30 ` 40), diremos que esta ser
nossa classe do terceiro quartil.
4a. Passo: aplicaremos a frmula do Q3 , usando os dados da classe do Q3 , que acabamos
de identicar.
Teremos:

Q3 = linf +
Q3 =

((75% de n)f acant ))


.h
Fi
1815
30 + 6 .10

Q3 = 35

4.4 O primeiro decil - D1


Como j aprendemos aqui, o decil dividir o conjunto em dez partes iguais. Assim, a
frao que constar no numerador da frmula do primeiro decil ser justamente (10% de n).
Da, faremos o seguinte: independentemente de n ser um valor par ou mpar, calcularemos o valor de (10% de n) e compararemos este valor com a coluna da f ac. a nossa
pergunta de praxe, agora adaptada ao primeiro decil ser:  esta f ac maior ou igual

a (10% de n)?
E por que faremos isso? Porque precisamos encontrar a classe do primeiro decil, ou seja,
precisamos identicar a classe da qual extrairemos os dados para utilizarmos na frmula
do D1 .
Quando encontrarmos a classe do D1 , s teremos que aplicar a frmula do D1 . A
frmula do D1 ser igual da mediana, com uma nica diferena. Qual? Em lugar de

(50% de n), aparecer a frao (10% de n), uma vez que o decil divide o conjunto de dados
em dez partes iguais.
Estamos percebendo que os passos todos se identicam, quando se trata de determinarmos as medidas separatrizes.
Sero, portanto, os seguintes os passos adotados para o clculo do primeiro decil :

(a) determinamos o n (somando a coluna da Fi );


(b) calculamos o valor de (10% de n) (independentemente de n ser par ou mpar);
(c) construmos a coluna da f ac;
(d) comparamos o valor do (10% de n) com os valores da f ac, iniciando da f ac da primeira
classe (a mais de cima) e fazendo a seguinte pergunta:  esta f ac maior ou igual

a (10% de n)? Se a resposta for NO, passamos f ac da classe seguinte. Quando


a resposta for SIM, pararemos e procuraremos a classe correspondente. Esta ser a
nossa classe do primeiro decil ;

(e) nalmente, aplicaremos a frmula do D1 , extraindo os daods desta classe do D1 , que


acabamos de encontrar. Eis a frmula:
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

4.4 O primeiro decil - D1

53

((10% de n) f acant ))
.h
Fi
Vamos a um exemplo. Para o conjunto abaixo, determine o valor do primeiro decil.
D1 = linf +

Classe

Fi

0 ` 10

10 ` 20

20 ` 30

30 ` 40

40 ` 50

Total

24

Soluo:
1a.Passo: Encontraremos n e calculamos (10% de n );
Classe

Fi

0 ` 10

10 ` 20

20 ` 30

30 ` 40

40 ` 50

Total

24

Da, achamos que n = 24 e, portanto, (10% de n) ou (0, 10x24) = 2, 4.


2a. Passo: constrmos a f ac.
Classe

Fi

f ac

0 ` 10

10 ` 20

20 ` 30

15

30 ` 40

21

40 ` 50

24

Total

24

3a. Passo: comparamos os valores da f ac com o valor de (10% de n), fazendo a


pergunta de praxe, adaptada ao primeiro decil.

Estatstica I

Classe

Fi

f ac

0 ` 10

2 maior ou igaul a 2,4? NO!

10 ` 20

7 maior ou igual a 2,4? SIM!

20 ` 30

15

30 ` 40

21

40 ` 50

24

Total

24

Prof. Augusto Filho - assf@unihorizontes.br

54

Principais Separatrizes

Como a resposta SIM surgiu na f ac da quarta classe (10 ` 20), diremos que esta ser
nossa classe do primeiro decil.
4a. Passo: aplicaremos a frmula do D1 , usando os dados da classe do D1 , que acabamos
de identicar.
Teremos:

D1 = linf +

((10% de n) f acant ))
.h
Fi

D1 = 10 +

2, 4 2
.10
5

D1 = 10, 8

4.5 Calculando os outros decis - D2 a D9


Estamos quase prontos para generalizar o nosso entendimento sobre as medidas sepa-

ratrizes. Vejamos apenas o que haver de novo na determinao dos demais decis.
J sabemos que o que diferencia uma medida separatriz de outra, para ns de clculo,
aquela frao que aparece no numerador da frmula. Para o primeiro decil (D1 ), essa
frao (10% de n), conforme vimos acima. E, para os demais decis, qual ser a frao de
cada um deles?
Para o segundo decil, teremos (20% de n), assim teremos:

((20% de n) f acant ))
.h
Fi
Dai, conclumos que a frmula do D9 ser a seguinte frmula:
D2 = linf +

D9 = linf +

((90% de n) f acant ))
.h
Fi

4.6 Calculando os percentis


Restaram agora os percentis. Lembraremos que o percentis (ou centil) dividir o conjunto em cem partes iguais. Por analogia, j podemos concluir que a frao do numerador
da frmula para o primeiro centil ser (1% de n).
Da, a sequncia de passos que usaremos para determinar os percentis, usando o mesmo
artifcio para encontrarmos o X -simo percentil, logo temos:
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

4.7 Exerccios

55

P1 = linf +

((1% de n) f acant ))
.h
Fi

Para encontrarmos o primeiro percentil ou (1% de n).


Para calcularmos o P23, temos:

P23 = linf +

((23% de n) f acant ))
.h
Fi

E assim, sucessivamente.

P83 = linf +

((83% de n) f acant ))
.h
Fi

4.7 Exerccios
Exerccio 30. Determine para o conjunto abaixo os valores do primeiro quartil, terceiro
quartil, primeiro decil e nono decil.
Classe

Fi

0 ` 15

15 ` 30

13

30 ` 45

15

45 ` 60

10

60 ` 75

Total
E interprete os resultados enontrados.

Exerccio 31. A tabela abaixo mostra a distribuio de frequencia do numero de lhos


dos pais de alunos da FNH, considerando uma amostra de 212 estudantes, entrevistados
pelos alunos do curso de Administrao, 2001. Obtenha o primeiro quartil, segundo quartil,
terceiro quartil, medina e o septuagsimo stimo percentil e interprete os resultados obtidos.

N. de lhos

10

11

12

Frequncia

10

45

32

50

23

23

Exerccio 32. Apresentamos a seguir os resultados da segunda prova de estatstica da


turma N2 do 1a. semetre de 2003 da disciplina de Estatstica I.

Estatstica I

12

12

14

15

15

15

15

16

17

18

18

19

19

19

20

21

21

22

22

22

23

23

23

23

23

23

24

25

25

25

27

27

28

32

Prof. Augusto Filho - assf@unihorizontes.br

56

Principais Separatrizes

(a) Calcule a mdia e a mediana;


(b) Calcule o primeiro e terceiro quartis. Explique o signicado destes nmeros.
Exerccio 33. A tabela a seguir apresenta os dados de um teste de psico-analogia (um
teste de inteligncia em que um indivduo tem que resolver uma srie de analogias). A
amostra contm 158 indivduos que receberam notas de acordo com o rendimento no teste.
Escores

Freq. simples

33 ` 36

36 ` 39

39 ` 42

42 ` 45

45 ` 48

48 ` 51

51 ` 54

15

54 ` 57

23

57 ` 60

16

60 ` 63

24

63 ` 66

21

66 ` 69

21

69 ` 72

15

72 ` 75

(a) Localize a primeiro quartil, a mediana e o percentil de ordem 90 (P90 ). E interprete


este resultados.

(b) Acima de que nota encontram-se 80% dos indivduos? A que percentil corresponde
este valor?

Exerccio 34. Tempos, em minutos, de espera em uma la de niubs, durante 13 dias, de
uma cidado que se dirige diariamente ao seu emprego.
15

10

17

10

13

(a) Encontre a mdia, moda e mediana das informaes acima e interprete os resultados
encontrados;

(b) Encontre o primeiro quartil, o oitavo decil e o quadragsimo nono percentil e interprete
os resultados encontrados.

4.8 Referncias Bibliogrcas


1. CARVALHO, Srgio. Estatstica Bsica - Teoria e 150 questes. Editora IMPETUS,
2004
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

4.8 Referncias Bibliogrcas

57

2. FURTADO, Daniel Ferreira. Estatstica Bsica. Editora UFLA. 2005


3. LEVINE, David M. Estatstica: Teoria e Aplicaes usando o microsoft excel em
portugus. Editora LTC, 2003.
4. MAGALHES, Marcos Nascimento. Noes de Probabilidade e Estatstica / So
Paulo, 4a edio, Editora USP, 2002

Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

58

Prof. Augusto Filho - assf@unihorizontes.br

Principais Separatrizes

Estatstica I

Captulo 5

Medidas de Variabilidade
Neste captulo abordaremos a caracterstica da variao, de grande importncia para a
estatstica, sendo, por isso, uma das principais de todo o curso. O estudante deve dominar
os seguintes conceitos-chaves: (1) a variao se refere a quanto os valores podem diferir
entre si e pode ser medida por nmeros especcos; (2) os nmeros relativamente prximos
uns dos outros tm baixas medidas de variao, enquanto os valores mais dispersos tm
maior medida de variao; (3) o desvio padro uma medida de variao particularmente
importante, e devemos saber calcula-lo para um conjunto de valores; (4) os valores dos
desvios padro devem ser interpretados corretamente.
Quase nunca uma nica medida suciente para descrever de modo satisfatrio um
conjunto de dados. Tomemos como exemplo o caso da mdia aritmtica, que uma medida de locao, ou de tendncia central, largamente empregada, e consideremos os dois
conjuntos de observaes:
A:{ 25,28,31,34,37} B:{17,23,30,39,46}
Ambos tm a mesma mdia, x = 31. No entanto, percebe-se, intuitivamente, que
o conjunto B acusa disperso muito maior que o conjunto A. torna-se ento necessrio
estabelecer medidas que indiquem o grau de disperso, ou variabilidade, em relao ao
valor central.

5.1 Amplitude e Desvio Mdio


A medida de disperso mais simples a amplitude. Dene-se amplitude como a diferena entre o maior e o menor valor do conjunto. No exemplo anterior, a amplitude de A
37 25 = 12, enquanto a de B 46 17 = 29. A amplitude de B quase 2, 5 vezes
a de A. Fcil de calcular a amplitude tem a desvantagem de levar em conta apenas dois
valores, desprezando todos os outros. Poderamos pensar tambm na soma das diferenas
dos valores do conjunto em relao sua mdia:
n
P
(x1 x) + (x2 x) + ... + (xn x) =
(xi x)
Mas
Estatstica I

i=1

Prof. Augusto Filho - assf@unihorizontes.br

60
n
P
i=1

Medidas de Variabilidade

(xi x) = x1 + x2 + ... + xn nx = nx nx = 0

Ento, a soma dos desvios em relao mdia no serve como medida de disperso, por
ser identicamente nula. Por ela, todos os conjuntos teriam variabilidade nula. Entretanto,
a idia de considerar a soma dos desvios em relao mdia boa. Se retirarmos o efeito
dos sinais da diferena, conseguimos uma boa medida de variabilidade. Isso pode ser feito
de duas maneiras: tomando-se o mdulo da diferena ou o quadrado da diferena. A
primeira opo leva ao desvio mdio DM.

|xi x|
n
Embora intuitivamente atraente, essa medida pouco utilizada.
DM =

5.2 Varincia e Desvio Padro


Consideremos ento a soma dos quadrados dos desvios em relao mdia. Com
ela, estabeleceremos uma medida de variabilidade para um conjunto de dados, chamada
varincia, denotada por s2 e denida como:

s2 =

=
P

(xi x)2
(Varincia Populacional)
n
(xi x)2
(Varincia Amostral)
n1

Por motivos associados inferncia estatstica, usual utilizar n 1 em lugar de n na


expresso acima. Adotaremos essa prtica.
A raiz quadrada da varincia chamada desvio padro; representa-se por s:

s
s=

(xi x)2
ou s = s2
n1

Obs.: A unidade de medida do desvio padro a mesma dos dados origi-

nais. O clculo do desvio padro exige o clculo prvio da varincia.


De modo geral, o desvio padro a mais importante e mais til medida de variao. Ao
contrario da amplitude, o desvio padro leva em conta todos os valores, mas essa vantagem
torna o clculo mais difcil. Mostraremos a seguir aplicaes do desvio padro, mas para
entender perfeitamente esse conceito, preciso ateno aos exemplos.

5.2.1 Desvio padro para dados no ordenados.


Muitos bancos costumavam exigir que os clientes formassem las separadas para os
diversos guichs, mas recentemente passaram a adotar la nica. Qual o motivo dessa
modicao? O tempo mdio de espera no se modica, porque a la de espera no afeta
a ecincia dos caixas. A adoo de la nica se deveu ao fato de os clientes preferirem
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

5.2 Varincia e Desvio Padro

61

tempos de espera mais consistentes com menor variao. Assim que milhares de bancos
efetuaram uma modicao que resultou em uma variao menor (e clientes mais satisfeitos), mesmo que a mdia no tenha sido afetada. Consideremos agora uma amostra de
dados bancrios usados em uma prova de mestrado da ANPAD. Os valores relacionados
so tempos de espera (em minutos) de clientes.

Exemplo 5.1. Os clientes do B.B entram em uma la nica que atendida por trs
caixas. Os clientes da C.E podem entrar em qualquer uma de trs las que conduzem a
trs guichs. Se calcularmos a mdia de espera de ambos os bancos, veremos que possuem
a mesma mdia, 7, 15, a mesma mediana de 7, 20, a mesma moda de 7, 7. Com base
apenas nestas medidas de tendncia central, poderamos admitir que os tempos de espera
nos dois bancos fossem praticamente os mesmos. Todavia, esquadrinhado os tempos de
espera originais, constataramos uma diferena fundamental: O B.B tem tempos de espera
com muito menos variao do que a C.E. Mantidas todos as outras caractersticas, os
clientes provavelmente preferiro o B.B, onde no correm o risco de entrar em uma la
muito mais lenta do que as outras.

BB

6, 5

6, 6

6, 7

6, 8

7, 1

7, 3

7, 4

7, 7

7, 7

7, 7

CE

4, 2

5, 4

5, 8

6, 2

6, 7

7, 7

7, 7

8, 5

9, 3

10, 0

Para obtermos o desvio padro, temos:


P
(xi x)2
2
=
(Varincia Populacional)
n

s2 =

(xi x)2 = (6, 5 7, 15)2 +(6, 6 7, 15)2 +(6, 7 7, 15)2 +...+(7, 7 7, 15)2 =

2, 0450
Como h n = 10 valores, divida, pois por 9, ou seja, (n 1 = 10 1 = 9) ;

P
2

s =

(xi x)2
2, 0450
=
= 0, 2272min2 .
n1
9

Portanto, o desvio padro igual a:

s=

Logo, s =

s2

0, 2272 = 0, 48 min

Teoricamente, deveramos dar aqui uma interpretao do desvio padro de 0,48 min,
mas essa interpretao ser dada mais adiante.

Exemplo 5.2. Calcule o desvio padro da C.E. do exemplo acima.


Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

62

Medidas de Variabilidade

5.2.2 Desvio padro - Dados Agrupados


Exemplo 5.3. Dada a distribuio abaixo, encontrar a mdia e o desvio padro.
Classes

2 |4

4 |6

6 |8

8 | 10

10 | 12

T otal

Fi

20

Exemplo 5.4. Calcule a varincia amostral para a serie abaixo:


Xi

Fi

Exemplo 5.5. Dada a amostra: 2, 3, 4, 5, 7, 10, 12;


a) Qual a amplitude amostral?
b) Determine o desvio padro;
c) Calcule a varincia.
Exemplo 5.6. Para a srie: 5, 5, 5, 6, 6, 6, 6, 7, 7, 7, 7, 7, 7, 8, 8, 8, 9, 9.
a) Construir a distribuio simples de freqncia;
b) Determinar o desvio padro da tabela construda em a;
c) Calcular a varincia.
Exemplo 5.7. Calcule o desvio padro para a tabela abaixo:
Classes

2 |4

4 |6

6 |8

8 | 10

10 | 12

T otal

Fi

25

Exemplo 5.8. Lanado um dado 50 vezes, obteve-se a seguinte distribuio:


Xi

Fi

11

11

Calcular a varincia e o desvio padro para a tabela acima.

Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

5.3 Coeciente de Variao

63

5.3 Coeciente de Variao


Trata-se de uma medida relativa de disperso, til para a comparao em termos relativos do grau de concentrao em torno da mdia de sries distintas. dado por:

CV =

s
ou CV =
x
x

Exemplo 5.9. Numa empresa, o salrio mdio dos homens de R$4.000 com desvio
padro de R$1.500, e o das mulheres em mdia de R$3.000 com desvio padro de R$1.200.
O que podemos concluir em relao aos salrios dos homens e das mulheres.
s
= 1.500
4.000 = 0, 375
x
s
1.200
Para as mulheres CV = = 3.000
= 0, 40
x
Para os homens CV =

Logo, podemos concluir que os salrios das mulheres apresentam maior disperso relativa que os dos homens. Para obtermos o resultado do CV em porcentagens, basta
multiplicarmos o resultado por 100. No caso, temos:
Para efeitos prticos, costuma-se considerar que CV superior a 50% indica alto grau
de disperso e, conseqentemente, pequena representatividade da mdia. Enquanto para
valores inferiores a 50%, a mdia ser tanto mais representativa do fato quanto menor for
o valor de seu CV .

Deve car claro que para grupos diferentes, usa-se o Coeciente de variao
para se ter idia da consistncia do grupo em estudo... Caso, o estudo seja feito
no mesmo grupo, o indicado a varincia amostral.
Exemplo 5.10. A seguir so apresentados os resultados da segunda prova das turmas de
Logstica e Geral. Compare as notas das turmas quanto a sua homogeneidade.
TURMA

MDIA

DESVIO PADRO

Logistica

22, 5

4, 5

Geral

24, 0

5, 4

Qual a turma mais homognea ?

Exemplo 5.11. Ache a mdia, a varincia e o desvio padro de cada uma das seguintes
distribuies:

a)
Xi

11

Fi

1/3

1/2

1/6

b)
Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

64

Medidas de Variabilidade
Xi

Fi

1/4

1/8

1/2

1/8

Exemplo 5.12. Num certo bairro da cidade de So Paulo, as companhias de seguro estabeleceram o seguinte modelo para o nmero de veculos furtados por semana:
F rutos

Fi

1/4

1/2

1/8

1/16

1/16

Calcule a mdia e a varincia do nmero de furtos semanais desse bairro.

5.4 Medidas de Assimtria


J foi acentuado que, em uma distribuio simtrica, coincidem a mdia, a moda e a
mediana e que os quartis cam equidistantes da mediana, o que no ocorre numa distribuio assimtrica.

Figura 5.1: Distribuio Simtrica

Figura 5.2: Assimtria Negativa

Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

5.5 Exerccios

65

Figura 5.3: Assimtria Positiva

5.4.1

Coeciente de Assimetria de Pearson

Quando dispomos de valores da mdia e do desvio padro devemos utilizar o:

i) Primeiro Coeciente de Pearson:

As =

x Mo
S

Onde
Se AS = 0 a distribuio simtrica;
Se AS > 0 a distribuio assimtrica positiva;
Se AS < 0 a distribuio assimtrica negativa;
Quando no temos condies de calcular a mdia e o desvio padro utilizamos:

ii) Segundo Coeciente de Pearson

AS =

Q3 + Q1 2e
x
Q3 Q1

5.5 Exerccios
Exerccio 35. Determinar o coeciente de assimetria pelos dois processos para a distribuio:

Exerccio 36. Para a srie 5, 5, 5, 6, 6, 6, 6, 7, 7, 7, 7, 7, 78, 8, 8, 9, 9; determine:


Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

66

Medidas de Variabilidade

a) Construir a distribuio de freqncia pontual;


b) Calcular a varincia amostral;
c) Determinar o desvio padro;
d) Calcule o coeciente de variao;
Exerccio 37. Calcular a varincia amostral:

Exerccio 38. Num teste aplicado a 20 alunos, obteve-se a seguinte distribuio de pontos:

a) Calcule o desvio padro;


b) Determine a varincia amostral;
c) Calcule o coeciente de variao;
d) Determinar o coeciente de assimetria;
Exerccio 39. Abaixo temos a distribuio de freqncia dos pesos de uma amostra de 45
alunos:

a) Determinar a mdia amostral;


Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

5.5 Exerccios

67

b) Determinar a varincia amostral;


c) Qual o valor do coeciente de variao?
d) A distribuio simtrica ?
Exerccio 40. Sendo:

Calcular , S 2 , S , CV , AS .

Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

68

Medidas de Variabilidade

5.6 Referncias Bibliogrcas


1. CARVALHO, Srgio. Estatstica Bsica - Teoria e 150 questes. Editora IMPETUS,
2004
2. FURTADO, Daniel Ferreira. Estatstica Bsica. Editora UFLA. 2005
3. LEVINE, David M. Estatstica: Teoria e Aplicaes usando o microsoft excel em
portugus. Editora LTC, 2003.
4. MAGALHES, Marcos Nascimento. Noes de Probabilidade e Estatstica / So
Paulo, 4a edio, Editora USP, 2002

Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

Captulo 6

Introduo Probabilidade Bsica


6.1 Espao Amostral - introduo
Encontramos na natureza dois tipos de fenmenos: determinsticos e aleatrios.
Os fenmenos determinsticos so aqueles em que os resultados so sempre os mesmos,
qualquer que seja o nmero de ocorrncias dos mesmos.
Se tomarmos um determinado slido, sabemos que a uma certa temperatura haver a
passagem para o estado lquido. Este exemplo caracteriza um fenmeno determinstico.
Nos fenmenos aleatrios, os resultados no sero previsveis, mesmo que haja um
grande nmero de repeties do mesmo fenmeno.
Por exemplo: se considerarmos um pomar com centenas de laranjeiras, as produes
de cada planta sero diferentes e no previsveis, mesmo que as condies de temperatura,
presso, umidade, solo, etc., sejam as mesmas para todas as rvores.
Podemos considerar os experimentos aleatrios, que so fenmenos produzidos pelo
homem.
Nos experimentos aleatrios, mesmo que as condies iniciais sejam sempre as mesmas,
os resultados nais de cada tentativa do experimento, sero diferentes e no previsveis.

a) Lanamento de uma moeda honesta;


b) Lanamento de um dado;
c) Lanamento de duas moedas;
d) Retirada de uma carta de um baralho completo de 52 cartas;
e) Determinao da vida til de um componente eletrnico.
A cada experimento aleatrio est associado o resultado do mesmo, que no previsvel,
chamado evento aleatrio.
No exemplo a os ventos associados so cara (c) e coroa (r), no exemplo b poder ocorrer
uma das faces 1, 2, 3, 4, 5 ou 6.
Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

70

Introduo Probabilidade Bsica

6.2 Frequncia Relativa


Consideremos o experimento que consiste em lanar uma mesma moeda n vezes.
Sejam m o nmero de vezes em que ocorre cara.
Denimos frequncia relativa do evento cara como sendo:

f (c) =

m
n

Notamos que 0 f (c) 1.


Se aumentarmos o nmero de tentativas do experimento, a f (c) tende a se estabilizar
em torno de 12 .
Este fato muito importante, pois quando dissermos que a probabilidade de um evento
A P(A), estaremos dizendo que para um nmero bastante expressivo de tentativas de um
experimento, a f(a) tende a se estabilizar em torno de P (A).

6.3 Espao Amostral


Espao amostral de um experimento aleatrio o conjunto dos resultados do experimento. Os elementos do espao amostral sero chamados tambm de pontos amostrais.
Representaremos o espao amostral por .
Nos exemplos dados em 1.1, os espaos amostrais so:

a) = {c, r}
b) = {1, 2, 3, 4, 5, 6}
c) = {(c, r), (c, c), (r, c), (r, r)}
d) = {A0 , ..., K0 , Ap , ..., Kp , AE , ..., KE , Ac , ..., Kc }
e) = {t <|t 0}
O evento aleatrio pode ser um nico ponto amostral ou uma reunio deles, como
veremos no exemplo:
Lanam-se dois dados. Enumerar os seguintes eventos:
A: sada de faces iguais.
B: saba de faces cuja soma seja igual a 10;
C: sada de faces cuja soma seja menor que 2;
D: sada de faces cuja soma seja menor que 15;
E: sada de faces onde uma face o dobro da outra.
Determinao do espao amostral: podemos determin-lo por uma tabela de dupla
entrada (produto cartesiano).
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

6.3 Espao Amostral

71

dados

(1, 1)

(1, 2)

(1, 3)

(1, 4)

(1, 5)

(1, 6)

(2, 1)

(2, 2)

(2, 3)

(2, 4)

(2, 5)

(2, 6)

(3, 1)

(3, 2)

(3, 3)

(3, 4)

(3, 5)

(3, 6)

(4, 1)

(4, 2)

(4, 3)

(4, 4)

(4, 5)

(4, 6)

(5, 1)

(5, 2)

(5, 3)

(5, 4)

(5, 5)

(5, 6)

6
(6, 1) (6, 2) (6, 3)
Os ventos pedidos so:

(6, 4)

(6, 5)

(6, 6)

A = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)}
B = {(4, 6), (5, 5), (6, 4)}
C = (evento impossvel)
D = (evento certo)
E = {(1, 2), (2, 1), (2, 4), (3, 6), (4, 2), (6, 3)}

6.3.1

Operaes com eventos aleatrios

Consideremos um espao amostral nito = {e1 , e2 , ..., en }.


Sejam A e B dois eventos de F().
As seguintes operaes so denidas:
a) REUNIO
Se AU B = {ei |ei A ou ei B}, i = 1, 2, ..., n. O evento reunio formado pelos
pontos amostrais que pertencem a pelo menos a um dos eventos.
b) INTERSECO
Se A B = {ei |ei A e ei B}, i = 1, ..., n. O evento interseco formado pelos
pontos amostrais que pertencem simultaneamente aos eventos A e B.
Obs. Se A B= , A e B so eventos mutuamente exclusivos.
c) COMPLEMENTAO

/ A}
Se A = A = {ei |ei

Exerccio 41. Lana-se um dado. Sejam A: sada de uma face par e B: sada de uma face
menor que 4. Determine os eventos:

a) AU B
b) A B
c) A
d) B
e) (A B)
Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

72

Introduo Probabilidade Bsica

f) (A B)
g) (A B)
h) (A B)
i) B A
j) A B
Exerccio 42. Sejam A, B e C trs eventos de um espao amostral. Exprimir os eventos
abaixo, usando as operaes de reunio, interseco e complementao.

a) somente A ocorrer;
b) A e C ocorrem, mas B no;
c) A, B e C ocorrem;
d) pelo menos um ocorre;
e) exatamente um ocorre;
f) nenhum ocorre;
g) exatamente dois ocorrem;
h) pelo menos dois ocorrem;
i) no mximo dois ocorrem.
Exerccio 43. Suponha que um conjunto fundamental seja formado pelos inteiros positivos
de 1 a 10. Sejam A = {2, 3, 4}, B = {3, 4, 5}, C = {5, 6, 7}. Enumere os elementos dos
seguintes conjuntos:

a) A B
b) A B
c) A B
d) A (B C)
e) A (B C)
Exerccio 44. Mostre que a desigualdade verdadeira.
(A B) = A B
(A B) = A B
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

6.4 Probabilidade

73

6.4 Probabilidade
6.4.1

Funo de Probabilidade
a funo P que associa a cada evento de F um nmero real pertencente ao

intervalo [0, 1], satisfazendo aos axiomas de Kolmogorov.


1. P () = 1
2. Para todo evento A, 0 P (A) 1
3. Se Ae B so eventos mutuamente exclusivos, ento P (A B) = P (A) + P (B).

6.4.2

Teoremas

Se o conjunto vazio, ento P () = 0


Se AC o complemento de um evento A, ento P (AC ) = 1 P (A)
Se A B, entoP (A) P (B)
Se A e B so dois eventos quaisquer, ento P (A B) = P (A) P (A B)
Se A e B so dois eventos quaisquer, ento P (A B) = P (A) + P (B) P (A B)

6.4.3

Espaos amostrais equiprovveis


Quando ns associamos a cada ponto amostral a mesma probabilidade, o espao

amostral chama-se equiprovvel ou uniforme. Em particular, se contm n pontos,


ento, a probabilidade de cada ponto ser

1
n.

Por outro lado, se um evento A contm r pontos, ento P (A) = r

1
n

= nr .

Este mtodo de avaliar P(A) frequentemente enunciado da seguinte maneira.


nmero de vezes em que o evento A pode ocorrer
P(A)= nmero
de vezes em que o Espao amostral ocorre.

Exerccio 45. Se P (A) = 21 ; P (B) =

1
4

e A e B mutuamente exclusivos, calcular:

a) P (A)
b) P (B)
c) P (A B)
d) P (AU B)
e) P (A B)
Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

74
Exerccio 46. Se P (A) = 12 ; P (B) =

Introduo Probabilidade Bsica


1
3

e P (A B) = 14 .

a) P (AU B)
b) P (AU B)
c) P (A B)
Exerccio 47. Considere dois eventos: A e B , mutuamente exclusivos, com P (A) = 0, 3
e P (B) = 0, 5. Calcule:

a) P (A B)
b) P (AU B)
c) P (A|B)
d) P (Ac )
e) P ((AU B)c )
Exerccio 48. Sendo P (A) = x, P (B) = y e P (A B) = z , calcular:
a) P (AU B)
b) P (A B)
c) P (A B)
d) P (AU B)
Exerccio 49. Se A, B, C so eventos arbitrrios, exprima em notao de conjuntos os
seguintes eventos:

a) ocorrem apenas 2;
b) ocorrem no mais de 2;
c) ocorrem A e B mas no C ;
d) ocorre ao menos um;
e) no ocorre nenhum;
f) ocorre apenas um.
Exerccio 50. Sejam = {1, 2, 3, 4, 5, 6, 7, 8, 9}, A = {2, 4, 6, 8}, B = {1, 3, 5, 7, 9}, C =
{2, 3, 4, 5} e D = {1, 6, 7}. Encontre:

a) AU B
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

6.4 Probabilidade

75

b) A B
c) C
d) (C D) B
e) A C D
Exerccio 51. Sendo P (A) = x, P (B) = y e P (A B) = z , Calcular:
a) P (A B)
b) P (A B)
c) P (A B)
d) P (A B)
Exerccio 52. Sejam A e B eventos com P (A) = 38 , P (B) =

1
2

e P (AB) = 14 . Encontre:

a) A e B so mutuamente excludentes?
b) P (A B)
c) P (A)
d) P (B)
e) P (A B)
f) P (A B)
g) P (A B)
h) P (A B)
Exerccio 53. Sejam A e B os eventos com P (AU B) = 3/4, P (A) = 2/3 e P (A B) =
1/4. Determine:

a) A e B so mutuamente excludentes?
b) P (A)
c) P (B)
d) P (A B)
Exerccio 54. Sejam A e B eventos tais que: P (A) = 1/2; P (B) = 1/4 e P (AB) = 1/5.
Calcule:

a) A e B so disjuntos?
Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

76

Introduo Probabilidade Bsica

b) P (A B)
c) P (A)
d) P (B)
e) P (A B)
f) P (A B)
g) P (A B)
h) P (A B)
Exerccio 55. Suponha que A e B sejam eventos tais que P (A) = 2/5, P (B) = 2/5 e
P (A B) = 1/2. Determine:

a) P (A B)
b) P (A)
c) P (B)
d) P (A B)
e) P (A B)
f) P (A B)
g) P (A B)
i) A e B so disjuntos ?
Exerccio 56. Se P (A) = 1/3, P (A B) = 1/2 e P (A B) = 1/4, determine P (B)
Exerccio 57. Se A e B so eventos disjuntos e P (A) = 0, 5 e P (A B) = 0, 6,encontre
P (B)

Exerccio 58. Uma escola do ensino mdio do interior de Minas Gerais tem 40% de
estudantes do sexo masculino. Entre estes, 20% nunca viram o mar, ao passo que, entre as
meninas, essa porcentagem de 50%. Qual a probabilidade de que um aluno selecionado
ao acaso seja:

a) Do sexo masculino e nunca tenha visto o mar?


b) Do sexo feminino ou nunca tenha visto o mar?
Exerccio 59. Sendo A e B dois eventos em um mesmo espao amostral traduza para
a linguagem da teoria dos conjuntos, as seguintes situaes:
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

6.4 Probabilidade

77

a) Pelo menos um dos eventos ocorre;


b) O vento A ocorre mas B no;
c) Nenhum deles ocorre;
d) Exatamente um dos eventos ocorre.
Exerccio 60. Uma universidade tem 10 mil alunos dos quais 4 mil so considerados
esportistas. Temos ainda que 500 alunos so do curso de Biologia diurno, 700 da biologia
noturno, 100 so esportistas e da biologia diurno e 200 so esportista e da biologia noturno.
Um aluno escolhido ao acaso e pergunta-se a probabilidade de:

a) Ser esportista;
b) Ser esportista e aluno da Biologia Noturno;
c) No ser da Biologia;
d) Ser esportista ou aluno da Biologia;
e) No ser esportista enm aluno da Biologia.
Exerccio 61. Dois processadores tipos A e B so colocados em teste por 50 mil horas. A
probabilidade de que um erro de clculo acontecer em um processador do tipo A de 1/30,
no tipo B , 1/80 e em ambos, 1/1000. Qual a probabilidade de que:

a) Pelo menos um dos processadores tenha apresenado erro?


b) Nenhum processador tenha apresentado erro?
c) Apenas o processador A tenha apresentado erro?
Exerccio 62. Sejam A e B dois eventos em um dado espao amostral, tais que P (A) =
0, 2, P (B) = p, P (A B) = 0, 5 e P (A B) = 0, 1. Determine o valor de p.

Exerccio 63. Consideremos um experimento aleatoria e os eventos A e B associados,


tais que P(A)=1/2, P(B)=1/3 e P(AB) = 1/4. Ento, temos:

a) P (A)
b) P (B)
c) P (A B)
d) P (A B)
e) P (A B)
Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

78

Introduo Probabilidade Bsica

f) P (A B)
Exerccio 64. De 300 estudantes de administrao, 100 esto matriculados em Contabilidade e 80 em Estatstica. Estes dados incluem 30 que esto matriculados em ambas
as disciplinas. Qual a probabilidade de que um estudante aleatoriamente escolhido esteja
matriculado em Contabilidade (A) ou em Estatstica (B)?

Exerccio 65. De 100 pessoas que solicitaram emprego de programador de computadores,


durante o ano passado, em uma grande empresa, 40 possuam experincia anterior (W) e 30
possuam um certicado prossional (C). Vinte dos candidatos possuam tanto experincia
anterior como certicado prossional e foram includos nas contagens dos dois grupos.

a) Qual a probabilidade de que um candidato aleatoriamente escolhido tenha experincia


ou certicado (ou ambos)?

b) Qual a probabilidade de que um candidato aleatoriamente escolhido tenha experincia


ou certicado, mas no ambos?

Exerccio 66. Discos de plstico de policarbonato, provenientes de um fornecedor, so


analisados com relao s resistncias a arranhoes e a choques. Os resultados de 100
discos so resumidos abaixo:
Resistncia a arranho

Resistncia a choques
Alta

Baixa

Alta

80

Baixa

Faa A denotar o evento em que um disco tenha alta resistncia a choque e faa B
denotar o evento em que um disco tenha alta resistncia a arranhes. Se um disco for
selecioando aleatoriamente, determine as seguintes probabilidades:

a) P (A)
b) P (B)
c) P (A)
d) P (A B)
e) P (A B)
f) P (A B)
Exerccio 67. Amostras de uma pea de alumnio fundido so classicadas com base
no acabamento )em micropologadas) da superfcie e nas medidas de comprimento. Os
resultados de 100 peas so resumidos a seguir:
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

6.4 Probabilidade

79

Acabamento da Superfcie

Comprimento
excelente

bom

excelente

75

bom

10

Faa A denotar o evento em que uma amostra tenha excelente acabamento na superfcie
e faa B denotar o evento em que uma amostra tenha excelente comprimento. Se uma
amostra for selecionada ao acaso, determine as seguintes probabilidades:

a) P (A)
b) P (B)
c) P (A)
d) P (A B)
e) P (A B)
f) P (A B)
Exerccio 68. Amostras de uma espuma, provenientes de tres fornecedores so classicados com relao a satisfazer ou no as especicaes. Os resultados de 100 amostras so
resumidas a seguir:

Fornecedor

Obdece
SIM

NO

18

17

50

10

Faa A denotar o evento em que uma amostra seja proveniente do fornecedor 1 e faa
B denotar o evento em que uma amostra atenda s especicaes. Se uma amostra de
espuma for selecionada ao acaso, determine as seguintes probabilidades:

a) P (A)
b) P (B)
c) P (A)
d) P (A B)
e) P (A B)
f) P (A B)
Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

80

Introduo Probabilidade Bsica

g) P (A B)
Exerccio 69. Se P (A) = 0, 3 , P (B) = 0, 2 e P (A B) = 0, 1. Determine as seguintes
probabilidades.

a) A e B so disjuntos?
b) P (A)
c) P (A B)
d) P (A B)
e) P (A B)
f) P (A B)
h) P (A B)
Exerccio 70. Se A, B e C forem eventos mutuamente excludentes, comP (A) = 0, 2,
P (B) = 0, 3 e P (C) = 0, 4, determine as seguintes probabilidades:

a) P (A B C)
b) P (A B C)
c) P (A B)
d) P [(A B) C]
Exerccio 71. Um rebanho de cem bovinos est formado por 52 Hereford, 27 Angus,
dez Shorthom e os demais Zebu. Escolhido ao acaso um bovino do rebanho, qual a
probabilidade de que seja Hereford ou Angus?

6.4.4 Probabilidade Condicional


Veremos a noo de probabilidade condicional atravs do seguinte exemplo:
Consideremos 250 alunos que cursam o primeiro ciclo de uma faculdade. Destes alunos

100 so homes (H) e 150 so mulheres (M), 110 cursam matemtica nanceira (F) e 140
cursam direito trabalhista (Q). A distribuio dos alunos a seguinte:
Sexo/Disciplina

Total

40

60

100

70

80

150

Total

110

140

250

Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

6.4 Probabilidade

81

Um aluno sorteado ao acaso. Qual a probabilidade de que esteja cursando direito


trabalhista, dado que mulher?
Pelo quadro vemos que esta probabilidade

P (Q/M ) =

80
150

80
150

e representamos:

(probabilidade de que o aluno curse direito trabalhista, condicionado

ao fato de ser mulher).


Observamos porm, que P (M Q) =

80
250

e P (M ) =

150
250 .

Para obtermos o resultado

do problema basta considerar que

P (Q/M ) =
logo

P (Q/M ) =

80
250
150
250

80
150

P (M Q)
P (M )

Sejam A e B . Denimos Probabilidade Condicional de A dado que B ocorre

(A/B) como segue:


P (A/B) =

P (AB)
P (B) , seP (B)

6= 0.

P (BA)
P (A) , seP (A)

6= 0.

Tambm:

P (B/A) =

Exemplo 6.1. Sendo P (A) = 13 , P (B) =


Soluo: Como P (A/B) =

3
4

e P (A B) =

P (AB)
P (B) ,devemos

11
12 ,

calcular P (A/B).

calcular P (A B).

Como P (A B) = P (A) + P (B) P (A B), temos


11
12

1
3

3
4

P (A B) P (A B) =

Logo P (A/B) =

1/6
3/4

2
12

1
6

2
9

Tiramos da denio da probabilidade condicional, o chamado TEOREMA DO PRODUTO: Sejam A e B . Ento P (A B) = P (B).P (A/B) ou P (A B) =

P (A).P (B/A).

Teorema do Produto
A partir da denio de probabilidade condicional, poderemos enunciar o teorema
do produto:
A probabilidade da ocorrncia simultnea do dois eventos, A e B, do mesmo espao
amostral, igual ao produto da probabilidade de um deles pela probabilidade condicional
do outro, dado o primeiro.
Assim:

P (A/B) =

P (AB)
P (B)

= P (A B) = P (B)P (A/B)

P (AB)
P (A)

= P (A B) = P (A)P (B/A)

ou

P (B/A) =

Exemplo 6.2. Em um lote de 12 peas, 4 so defeituosas, 2 peas so retiradas uma aps


a outra sem reposio. Qual a probabilidade de que ambas sejam boas?
Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

82

Introduo Probabilidade Bsica

Soluo: A = {a primeira pea boa}


B = { a segunda pea boa}

P (A B) = P (A)P (B/A) =

8 7
12 . 11

14
33

Independncia Estatstica
Um evento A considerado independente de um outro evento B se a probabilidade de
A igual probabilidade condicional de A dado b, isto , se

P (A) = P (A/B)
evidente que, se A independente de b, B independente de A; assim:

P (B) = P (B/A)

(6.1)

Considerando o teorema do produto, poderemos armar que se A e B so indepentes,


ento:

P (A B) = P (A).P (B)

(6.2)

6.5 Exerccios
Exerccio 72. Sendo = {1, 2, 3, 4} um espao amostral equiprovvel e A = {1, 2}; B =
{1, 3}; C = {1, 4} trs eventos de . Vericar se os eventos A, B e C so independentes.

Exerccio 73. Sejam A e B eventos tais que P (A) = 0, 2, P (B) = p, P (A B) = 0, 6.


Calcular p considerando A e B :

a) mutuamente exclusivos;
b) independentes.
Exerccio 74. Se P (AU B) = 0, 8; P (A) = 0, 5 e P (B) = x, determine o valor de x no
caso de:

a) A e B serem mutuamente exclusivos;


b) A e B serem independentes;
Exerccio 75. Verique se so vlidas as armaes:
a) Se P (A) = 1/3 e P (B/A) = 3/5 ento A e B no podem ser disjuntos;
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

6.5 Exerccios

83

b) Se P (A) = 1/2, P (B/A) = 1 e P (A/B) = 1/2 ento A no pode estar contido em B .


Exerccio 76. A probabilidade de que um homem esteja vivo daqui a 30 anos 25 ; a de
sua mulher de 32 . Determinar a probabilidade de que daqui a 30 anos:

a) ambos estejam vivos;


b) somente o homem esteja vivo;
c) somente a mulher esteja viva;
d) nenhum esteja vivo;
e) pelo menos um esteja vivo.
Exerccio 77. Se P (B) = 0, 4; P (A) = 0, 7 e P (A B) = 0, 3; Calcule P (A|B C )
Exerccio 78. Comente a armao: se dois eventos so mutuamente exclusivos ento
eles no so independentes.

Exerccio 79. O Atltico Mineiro ganha com probabilidade 0, 7 se chove e com 0, 8se no
chove. Em Setembro a probabilidade de chuva de 0, 3. O Atltico ganhou uma partida
em Setembro, qual a probabilidade de ter chovido nesse dia?

Exerccio 80. Uma classe de estatstica teve a seguinte distribuio das notas nais: 4 do
sexo masculino e 6 do feminino foram reprovados, 8 do sexo masculino e 14 do feminino
foram aprovados. Para um aluno sorteado dessa classe, denote por M se o aluno escolhido
for do sexo masculino e por A se o aluno foi aprovado.
Calcule:

a) P (A M C )
b) P (AC M C )
c) P (A|M )
d) P (M C |A)
e) P (M |A)
Exerccio 81. Numa cidade do interior de Minas Gerais, estima-se que cerca de 20% dos
habitantes tm algum tipo de alergia. Sabe-se que 50% dos alrgicos praticam esporte, enquanto que essa porcentagem entre os no alrgicos de 40%. Para um indivduo escolhido
aleatoriamente nessa cidade, obtenha a probabilidade de:

a) No praticar esporte.
b) Ser alrgico dado que no pratica esportes.
Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

84

Introduo Probabilidade Bsica

Exerccio 82. As preferncias de homens e mulheres por cada gnero de lme alugado em
uma locadora de vdeos, esto apresentadas na prxima tabela.
Sexo/lme

Comdia

Romance

Policial

Homens

136

92

248

Mulheres

102

195

62

Sorteando-se ao acaso uma dessas locaes de vdeo, pergunta-se a probabilidade de:

a) Uma mulher ter alugado um lme policial?


b) O lme alugado ser uma comdia?
c) Um homem ter alugado ou o lme ser um romance?
d) O lme ser policial dado que foi alugado por um homem?
Exerccio 83. Dois armrios guardam as bolas de voleibol e basquete. O armrio 1 tem
3 bolas de voleibol e1 de basquete, enquanto o armrio 2 tem 3 bolas de voleibol e 2 de

basquete. Escolhendo-se ao acaso um armrio e, em seguida, uma de suas bolas, calcule a


probabilidade dela ser:

a) De voleibol, sabendo-se que o armrio 1 foi escolhido.


b) De basquete, sabendo-se que o armrio 2 foi escolhido.
c) De basquete.
Exerccio 84. Numa bolsa temos 5 moedas de Cr$ e 4 de Cr$ 0, 50. Qual a probabilidade
de, ao retirarmos duas moedas, obtermos Cr$ 1,50?

Exerccio 85. Uma urna contm 5 boas pretas, trs vermelhas e duas brancas. Foram
extradas 3 bolas com reposio. Qual a probaiblidade de terem sido duas bolas pretas e
uma vermelha?

Exerccio 86. Uma urna contm 5 bolas brancas e 6 pretas. Trs bolas so retiradas.
Calcule a probabilidade de:

a) Todas pretas;
b) exatamente um branca;
c) ao menos uma preta.
Exerccio 87. A urna n.1 contm: 1 bola vermelha e 2 brancas. A urna n.2 contm: 2
bolas vermelhas e 1 branca. Tiramos aleatoriamente uma bola da urna n.1, colocamos na
urna 2 e misturamos. Em seguida tiramos aleatoriamente uma bola da urna n.2. Qual a
probabilidade de tirarmos uma bola branca da urna n.2?
Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

6.6 Teorema de Bayes

85

6.6 Teorema de Bayes


Teorema da Probabilidade Total
Sejam A1, A2 , ..., An eventos que formam uma partio do espao amostral. Seja B um
evento desse espao. Ento
P
P (B) = P (Ai ).P (B/Ai ).
Os eventos (BAi ) e (BAj ), para i 6= j , i = 1, 2, ..., n e j = 1, 2, 3..., n so mutuamente
exclusivos, pois

(B Ai ) (B Aj ) = B (Ai AJ ) = B =
O evento B ocorre como segue:

B = (B A1 ) (B A2 ) (B A3 ) ... (B An )
P (B) = P (B A1 ) + P (B A2 ) + P (B A3 ) + ... + P (B An )
e usando o teorema do produto vem:

P (B) = P (A1 ).P (B/A1 ) + P (A2 ).P (B/A2 ) + ... + P (An ).P (B/An )
ou P (B) =

P (Ai )P (B/Ai )

T eorema de Bayes
Sejam A1 , A2 , ..., An eventos que formam uma partio do . Seja B . Sejam
conhecidas P (Ai ) e P (B/Ai ), i = 1, 2, .., n.

P (Aj /B) =

P (Aj )P (B/Aj )
P
P (Ai )P (B/Ai )

Exerccio 88. Trs candidatos disputam as eleies para o governo do Estado. O candidato
do partido de direita tem 30% de preferncia eleitoral, o de centro tem 30% e o da esquerda
40%. Em sendo eleito, a probabilidade de dar efetivamente prioridade para educao e

sade de 0, 4; 0, 6 e 0, 9 para os candidatos de direita, centro e esquerda, respectivamente.

a) Qual a probabilidade de no ser dada prioridade a essas reas no prximo governo?


b) Se a rea teve prioridade, qual a probabilidade do candidato de direita ter ganho a
eleio?

Exerccio 89. Trs mquinas A, B e C , produzem 50%, 30% e 20%, respectivamente, do


total de peas de uma fbrica. As percentagens de produo defeituosa destas mquinas
so 3%, 4% e 5%. Se uma pea selecionada aleatoriamente, ache a probabilidade de ela
ser defeituosa.

Exerccio 90. Considere a fbrica do exerccio anterior. Suponha que uma pea, selecionada aleatoriamente, seja considerada defeituosa. Encontre a probabilidade de ela ter sido
produzida pela mquina A; ou seja, encontre a P (A/X). Pelo teorema de Bayes.
Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br

86

Introduo Probabilidade Bsica

Exerccio 91. Trs fbricas fornecem equipamentos de preciso para o laboratrio de qumica de uma universidade. Apesar de serem aparelhos de preciso, existe uma pequena
chance de subestimao ou superestimao das medias efetuadas. A tabela a seguir apresenta o comportamento do equipamento produzido em cada fbrica.
Fabrica I

Subestima

Exata

Superestima

Probabilidade

0, 01

0, 98

0, 01

Fabrica II

Subestima

Exata

Superestima

Probabilidade

0, 005

0, 98

0, 015

Fabrica III

Subestima

Exata

Superestima

Probabilidade

0, 00

0, 99

0, 01

As fbricasI, II e III fornecem, respectivamente, 20%, 30% e 50% dos aparelhos utilizados, Escolhemos, ao acaso, um desses aparelhos e perguntamos a probabilidade de:

a) Haver superestimao de medidas?


b) No haver subestimao das medidas efetuadas?
c) Dando medidas exatas, ter sido fabricado em III ?
d) Ter sido produzido por I , dado que no subestima as medidas?

Prof. Augusto Filho - assf@unihorizontes.br

Estatstica I

6.7 Referncias Bibliogrcas

87

6.7 Referncias Bibliogrcas


1. CARVALHO, Srgio. Estatstica Bsica - Teoria e 150 questes. Editora IMPETUS,
2004
2. FURTADO, Daniel Ferreira. Estatstica Bsica. Editora UFLA. 2005
3. LEVINE, David M. Estatstica: Teoria e Aplicaes usando o microsoft excel em
portugus. Editora LTC, 2003.
4. MAGALHES, Marcos Nascimento. Noes de Probabilidade e Estatstica / So
Paulo, 4a edio, Editora USP, 2002

Estatstica I

Prof. Augusto Filho - assf@unihorizontes.br