ESTATSTICA BSICA

Professor: Narcelio de Arajo Pereira

narcelioap@yahoo.com.br

2010

SUMRIO
INTRODUO ............................................................................................ 03
UNIDADE 1: A NATUREZA DA ESTATSTICA ................................... 05
UNIDADE 2: GENERALIDADES E CONCEITOS BSICOS .............. 10
UNIDADE 3: SRIES ESTATSTICAS.................................................... 15
UNIDADE 4: GRFICOS ........................................................................... 24
UNIDADE 5: DISTRIBUIO DE FREQUENCIA ................................ 34
UNIDADE 6: MEDIDAS DE POSIO ................................................... 46
UNIDADE 7: MEDIDAS DE DISPERSO OU VARIABILIDADE....... 70
UNIDADE 8: PROBABILIDADE .............................................................. 80
UNIDADE 9: DISTRIBUIO BINOMIAL E NORMAL ..................... 87
REFERENCIAS ......................................................................................... 102
ANEXOS ..................................................................................................... 103
EXERCCIOS DE FIXAO .................................................................. 108

INTRODUO
Na antiguidade os povos j registravam o nmero de habitantes, nascimentos,
bitos. Faziam "estatsticas". Na idade mdia as informaes eram tabuladas
com finalidades tributrias e blicas.
No sculo XVI surgem as primeiras anlises sistemticas, as primeiras tabelas
e os nmeros relativos.
No sculo XVIII a estatstica com feio cientfica batizada por
GODOFREDO ACHENWALL. As tabelas ficam mais completas, surgem as
primeiras representaes grficas e os clculos de probabilidades. A estatstica
deixa de ser uma simples tabulao de dados numricos para se tornar "O
estudo de como se chegar a concluso sobre uma populao, partindo da
observao de partes dessa populao (amostra)".
Ao longo do sculo XX, os mtodos estatsticos foram desenvolvidos como
uma mistura de cincia, tecnologia e lgica para a soluo e investigao de
problemas em vrias reas do conhecimento humano (Stigler, 1986). Ela foi
reconhecida como um campo da cincia neste perodo, mas sua histria tem
incio bem anterior a 1900.
A estatstica moderna uma tecnologia quantitativa para a cincia
experimental e observacional que permite avaliar e estudar as incertezas e os
seus efeitos no planejamento e interpretao de experincias e de observaes
de fenmenos da natureza e da sociedade.
A estatstica no uma caixa-preta, nem bola de cristal, nem mgica.
Tampouco um conjunto de tcnicas teis para algumas reas isoladas ou
restritas da cincia. Por exemplo, ao contrrio do que alguns imaginam, a
estatstica no um ramo da matemtica onde se investigam os processos de
obteno, organizao e anlise de dados sobre uma determinada populao.
A estatstica tambm no se limita a um conjunto de elementos numricos
relativos a um fato social, nem a nmeros, tabelas e grficos usados para o
resumo, organizao e apresentao dos dados de uma pesquisa, embora este
seja um aspecto da estatstica que pode ser facilmente percebido no cotidiano
(basta abrir os jornais e revistas para ver o "bombardeio" de estatsticas). Ela
uma cincia multidisciplinar: um mesmo programa de computador que
permite a anlise estatstica de dados de um fsico poderia tambm ser usado
por um economista, agrnomo, qumico, gelogo, matemtico, bilogo,
socilogo, psiclogo e cientista poltico. Mesmo que as interpretaes dessas
anlises sejam diferentes por causa das diferenas entre as reas do
3

conhecimento, os conceitos empregados, as limitaes das tcnicas e as

conseqncias dessas interpretaes so essencialmente as mesmas.
Segundo Rao (1999), a estatstica uma cincia que estuda e pesquisa sobre: o
levantamento de dados com a mxima quantidade de informao possvel para
um dado custo; o processamento de dados para a quantificao da quantidade
de incerteza existente na resposta para um determinado problema; a tomada de
decises sob condies de incerteza, sob o menor risco possvel. Finalmente, a
estatstica tem sido utilizada na pesquisa cientfica, para a otimizao de
recursos econmicos, para o aumento da qualidade e produtividade, na
otimizao em anlise de decises, em questes judiciais, previses e em
muitas outras reas.

I - A NATUREZA DA ESTATSTICA
MTODO ESTATSTICO
O Mtodo Cientfico
Muitos dos conhecimentos que temos foram obtidos na antiguidade por acaso
e, outros, por necessidades prticas, sem aplicao de um mtodo.
Atualmente, quase todo acrscimo de conhecimento resulta da observao e
do estudo. Se bem que muito desse conhecimento possa ter sido observado
inicialmente por acaso, a verdade que desenvolvemos processos cientficos
para seu estudo e para adquirirmos tais conhecimentos. Podemos ento dizer
que:
Mtodo: um conjunto de meios dispostos convenientemente para se
chegar a um fim que se deseja, ou seja, um meio mais eficaz para atingir
determinada meta.

Dos mtodos cientficos, vamos destacar o Mtodo experimental e Mtodo

estatstico.
O Mtodo Experimental - o mtodo preferido pela fsica, Qumica, etc.
Mtodo experimental: consiste em manter constantes todas as causas
(fatores), menos uma, e variar esta causa de modo que o pesquisador
possa descobrir seus efeitos, caso existam.
O Mtodo Estatstico
Muitas vezes temos necessidade de descobrir fatos em um campo em que o
mtodo experimental no se aplica (nas cincias sociais), j que os vrios
fatores que afetam o fenmeno em estudo no podem permanecer constantes
enquanto fazemos variar a causa que, naquele momento, nos interessa.
Nesses casos, lanamos mo de outro mtodo, embora mais difcil e menos
preciso, denominado mtodo estatstico.
Mtodo estatstico: diante da impossibilidade de manter as causas
constantes, admitem todas essas causas presentes variando-as,
registrando essas variaes e procurando determinar, no resultado final,
que influncias cabem a cada uma delas.

A ESTATSTICA
Exprimindo por meio de nmeros as observaes que se fazem de elementos
com, pelo menos, uma caracterstica comum (por exemplo: os alunos do sexo
masculino de uma comunidade), obtemos os chamados dados referentes a
esses elementos.
Podemos dizer, ento, que:
A Estatstica uma parte da matemtica aplicada que fornece mtodos para a
coleta, organizao, descrio, anlise e interpretao de dados e para a
utilizao dos mesmos na tomada de decises.
A Estatstica Descritiva se encarrega de fazer a coleta, organizao e
descrio dos dados.
A Estatstica Indutiva ou Inferencial se encarrega de fazer a anlise e
interpretao dos dados.
O aspecto essencial da Estatstica o de proporcionar mtodos
infernciais, que permitam concluses que transcendam os dados obtidos
inicialmente.
Fases do Mtodo estatstico:
Podemos distinguir no mtodo estatstico as seguintes fases:
1 Definio do Problema
Saber exatamente aquilo que se pretende pesquisar o mesmo que definir
corretamente o problema.
2 Planejamento
Como levantar informaes? Que dados devero ser obtidos? Qual
levantamento a ser utilizado? Censitrio? Por amostragem? E o cronograma
de atividades? Os custos envolvidos? etc.

3 Coleta de Dados
Aps cuidadoso planejamento e a devida determinao das caractersticas
mensurveis do fenmeno coletivamente tpico que se quer pesquisar, damos
incio coleta dos dados numricos necessrios sua descrio. Fase
operacional. o registro sistemtico de dados, com um objetivo determinado.
A coleta de dados pode ser direta ou indireta.
3.1 Direta:
Quando feita sobre elementos informativos de registro obrigatrio
(nascimentos, casamentos, bitos, importao, exportao, etc.), elementos
pertinentes aos pronturios dos alunos de uma escola ou, ainda, quando os
dados so coletados pelo prprio pesquisador atravs de inquritos e
questionrios, como o caso das notas de verificao e de exames, do censo
demogrfico, etc.
A coleta direta de dados pode ser classificada relativamente ao fator tempo
em:
Contnua (registro): quando feita continuamente, tal como a de

nascimento, bitos e a freqncia dos alunos s aulas;

Peridica: quando feita em intervalos constantes de tempo, como os
censos (de 10 em 10 anos) e as avaliaes peridicas; recenseamento
demogrfico, censo industrial;

Ocasional: quando feita esporadicamente, a fim de atender a uma

conjuntura ou a uma emergncia, como no caso de epidemias.
3.2 Indireta:
Quando inferida de elementos conhecidos (coleta direta) e/ou conhecimento
de outros fenmenos relacionados com o fenmeno estudado.
Ex: pesquisa sobre mortalidade infantil, que feita atravs de dados colhidos
por uma coleta direta.

4 Crtica dos Dados

Obtidos os dados, eles devem ser cuidadosamente criticados, procura de
possveis falhas e imperfeies, a fim de no incorrermos em erros grosseiros
ou de certo vulto, que possam influir sensivelmente nos resultados.
A crtica dos dados se divide em: externa e interna
Crtica externa quando visa s causas dos erros por parte do
informante, por distrao ou m interpretao das perguntas que lhe
foram feitas.
Crtica interna quando visa observar os elementos originais dos dados
da coleta.
5 Apurao dos Dados
Nada mais do que a soma e o processamento dos dados obtidos e a
disposio mediante critrios de classificao. Resumo dos dados atravs de
sua contagem e agrupamento. a condensao e tabulao de dados.
Pode ser manual, eletromecnica ou eletrnica.
6 Exposio ou Apresentao dos Dados
Por mais diversa que seja a finalidade que se tenha em vista, os dados devem
ser apresentados sob forma de tabelas e grficos (unidade 4), pois tornam mais
fcil o exame daquilo que est sendo objeto de tratamento estatstico e ulterior
obteno de medidas de disperso (unidade 6).
7 Anlise dos Dados
Como j dissemos, o objetivo ltimo da estatstica tirar concluses sobre o
todo (populao) a partir de informaes fornecidas por parte representativa
do todo (amostra). Assim, realizadas as etapas anteriores (estatstica
descritiva), fazemos uma anlise dos resultados obtidos, atravs dos mtodos
da Estatstica Indutiva ou Inferencial, que tem por base a induo ou
inferncia, e tiramos desses resultados concluses e previses.

A ESTATSTICA NAS EMPRESAS

No mundo atual, a empresa uma das vigas-mestras da economia dos povos.
A direo de uma empresa, de qualquer tipo, incluindo as estatais e
governamentais, exige de seu administrador a importante tarefa de tomar
decises, e o conhecimento e o uso da estatstica facilitaro seu trplice
trabalho de organizar, dirigir e controlar a empresa.
Por meio de sondagem, de coleta de dados e de recenseamento de opinies,
podemos conhecer a realidade geogrfica e social, os recursos naturais,
humanos e financeiros disponveis, as expectativas da comunidade sobre a
empresa, e estabelecer suas metas, seus objetivos com maior possibilidade de
serem alcanados a curto, mdio ou longo prazo.
A estatstica ajudar em tal trabalho, como tambm na seleo e organizao
da estratgia a ser adotada no empreendimento e, ainda, na escolha das
tcnicas de verificao e avaliao da quantidade e da qualidade do produto e
mesmo dos possveis lucros e/ou perdas.
Tudo isso que se pensou, se planejou, precisa ficar registrado, documentado
para evitar esquecimentos, a fim de garantir o bom uso do tempo, da energia e
do material e, ainda, para controle eficiente do trabalho.
O esquema do planejamento o plano, que pode ser resumido, com auxlio da
estatstica, em tabelas e grficos, que facilitaro a compreenso visual dos
clculos matemtico-estatsticos que lhes deram origens.

II - GENERALIDADES E CONCEITOS BSICOS

1 VARIVEL
A cada fenmeno corresponde um nmero de resultados possveis. Assim, por
exemplo:
- para um fenmeno sexo so dois os resultados possveis:
masculino e feminino;
- para o fenmeno nmero de filhos h um nmero de
resultados possveis expressos atravs dos nmeros naturais: 0,1,2,3,....,n;
- para o fenmeno estatura temos uma situao diferente, pois
os resultados podem tomar um nmero infinito de valores numricos dentro de
um determinado intervalo.
Varivel: , convencionalmente, o conjunto de resultados possveis de
um fenmeno.
Uma varivel pode ser: qualitativa ou quantitativa
Qualitativa: quando seus valores so expressos por atributos; ex: sexo,
cor da pele, etc;
Quantitativa: quando seus valores so expressos em nmeros; ex:
salrios, idade, altura, etc. Divide-se em discreta e contnua
Discreta ou descontnua: seus valores so expressos geralmente
atravs de nmeros inteiros no negativos. Resulta normalmente
de contagens.
Ex: nmeros de alunos presentes as aulas: ontem = 20, hoje = 23;
N de alunos presentes s aulas de introduo estatstica no 1
semestre de 1997: mar = 18, abr = 30, mai = 35, jun = 36.
Contnua: resulta normalmente de uma mensurao, e a escala
numrica de seus possveis valores corresponde ao conjunto R
dos nmeros reais, ou seja, podem assumir, teoricamente,
qualquer valor entre dois limites.

10

Exerccio resolvido:
Classifique as variveis em qualitativas e quantitativas (contnuas ou
discretas):
a) Cor dos olhos Qualitativa
b) ndice de liquidez nas Indstrias Cearenses Quantitativa contnua
c) Produo de caf no Brasil Quantitativa contnua
d) Nmero de defeitos em aparelhos de TV Quantitativa discreta
e) Comprimento dos pregos produzidos por uma empresa Quantitativa
contnua
f) O ponto obtido em cada jogada de um dado quantitativa discreta
2 POPULAO E AMOSTRA
Dois conceitos devem estar bem claros: o de populao e o de amostra, pois
delas que so extrados os dados que do origem s diversas relaes
estatsticas, como a mdia, desvio-padro, etc., e que, em ltima anlise,
possibilitam descreve-las sob os mais diversos aspectos.
Populao: coleo completa de todos os elementos que so objeto de um
estudo; conjunto de entes portadores de, pelo menos, uma caracterstica
comum. A populao estatstica tambm conhecida como universo
estatstico.
Exemplo: pessoas que possuem automvel
Amostras: so subconjuntos finitos representativos de uma dada populao.
Exemplo: pessoas que possuem automvel da marca Fiat.
Censo: exame de todos os elementos da populao.
A amostra deve ser representativa da populao da qual foi extrada, ser
parecida com ela (quantitativa e quantitativamente), devendo obedecer a dois
princpios bsicos:
Deve ser suficientemente grande;
Seus constituintes devem ter sido selecionados ao acaso.
Nem sempre possvel estudar exaustivamente todos os elementos da
populao!

11

- Pode a populao ter dimenso infinita

Exemplo: Populao constituda pelas presses atmosfricas, nos diferentes
pontos de uma cidade.
- Pode o estudo da populao levar destruio da populao
Exemplo: Populao dos fsforos de uma caixa.
- Pode o estudo da populao ser muito dispendioso
Exemplo: Sondagens exaustivas de todos os eleitores, sobre determinado
candidato.
Quando no possvel estudar, exaustivamente, todos os elementos da
populao, estudam-se s alguns elementos, a que damos o nome de Amostra.
importante a fase de escolha da amostra?
Sim, pois a amostra deve ser to representativa quanto possvel da Populao
que se pretende estudar, uma vez que vai ser a partir do estudo da amostra,
que vamos tirar concluses para a Populao.
Quando a amostra no representa corretamente a populao diz-se
destorcida e a sua utilizao pode dar origem a interpretaes erradas,
como nos seguintes exemplos:
- Utilizar uma amostra constituda por 10 flamenguistas, para prever o
vencedor do prximo Flamengo X Vasco.
- Utilizar uma amostra constituda pelos leitores habituais de determinada
revista especializada, para tirar concluses sobre a populao geral.
3 AMOSTRAGEM
Conceito: uma tcnica especial para recolher amostras que garante,
tanto quanto possvel, o acaso na escolha.
Dessa forma, cada elemento da populao passa a ter a mesma chance de ser
escolhido, o que garante amostra o carter de representatividade, e isto
muito importante, pois, como vimos, nossas concluses relativas populao
vo estar baseadas nos resultados obtidos nas amostras dessa populao.

12

Daremos, a seguir, trs das principais tcnicas de amostragem.

3.1 Amostragem casual ou aleatria simples
Esta tcnica de amostragem equivalente a um sorteio lotrico:
Na prtica esta amostragem pode ser realizada da seguinte maneira:
Enumera-se a populao de 1 a n;
Sorteia-se K nmeros dessa seqncia, que representaro a amostra.
Exemplo: Vamos obter uma amostra representativa para a pesquisa de peso de
80 (oitenta) alunos de uma escola:
Numeramos os alunos de 01 a 80 (populao);
Colocamos os oitenta nmeros, em pedaos iguais de um mesmo papel,
dentro de uma caixa. Agitamos e realizamos o sorteio de 8 alunos, que
representa uma amostra de 10% desta populao.
Quando o nmero de elementos da amostra grande, esse tipo de sorteio
torna-se muito trabalhoso. A fim de facilit-lo, foi elaborada uma tabela
Tabela de Nmeros Aleatrios -, construda de modo que os dez algarismos
(de 0 a 9) so distribudos ao acaso nas linhas e colunas (ver anexo).
3.2 Amostragem proporcional estratificada
Muitas vezes a populao se divide em subpopulaes estratos
Como provvel, que a varivel em estudo apresente, de estrato em estrato,
um comportamento heterogneo e, dentro de cada estrato, um comportamento
homogneo, convm que o sorteio dos elementos da amostra leve em
considerao tais estratos.
exatamente isso que fazemos quando empregamos a amostragem
proporcional estratificada, que, alm de considerar a existncia de estratos,
obtm elementos da amostra proporcional ao nmero de elementos desses
estratos.
Exemplo: Vamos obter uma amostra proporcional estratificada, de 10 % do
exemplo anterior, supondo que dos 80 alunos, temos 44 meninos e 36
meninas.
13

So, portanto dois estratos, (sexo masculino e sexo feminino). Temos:

SEXO
MASCULINO

POPULAO
44

FEMININO

36

TOTAL

80

10 %
10 x 44 = 4,4
100
10 x 36 = 3,6
100
10 x 80 = 8
100

AMOSTRA
4
4
8

3.3 Amostragem sistemtica

Quando os elementos da populao j se acham ordenados, no h
necessidade de construir o sistema de referncia. So exemplos os pronturios
mdicos de um hospital, os nmeros de uma rua, uma linha de produo, etc.
Nestes casos, a seleo dos elementos que constituiro a amostra pode ser
feita por um sistema imposto pelo pesquisador. A esse tipo de amostragem
denominamos sistemtica.
Assim, no caso de uma linha de produo, podemos, a cada dez itens
produzidos, retirar um para pertencer a uma amostra da produo diria. Neste
caso, estaramos fixando o tamanho da amostra em 10% da populao.
Exemplo: Supomos uma rua com 500 casas, das quais desejamos obter uma
amostra formada por 20 casas para uma pesquisa de opinio.
Neste caso, podemos usar o seguinte procedimento:
Como 500/20 = 25, escolhemos por sorteio casual um nmero de 01 a
25;
Este nmero indicar a primeira casa da amostra, vamos supor a casa de
nmero 6;
Os demais elementos da amostra seriam considerados de 25 em 25;
Assim, as demais casas da amostra seriam as casas de nmeros 31
(6+25), 56 (31+25), 81 (56+25), etc.

14

III - SRIES ESTATSTICAS

TABELAS
Um dos objetivos da estatstica sintetizar os valores que uma ou mais
variveis podem assumir, para que tenhamos uma viso global da variao
dessa ou dessas variveis. Depois dos dados organizados, faz-se necessrio
que essas informaes sejam apresentadas em formato de tabelas, pois iro
nos fornecer rpidas e seguras informaes a respeito das variveis em estudo,
permitindo-nos determinaes administrativas e pedaggicas mais coerentes e
cientficas.
TABELA: um quadro que resume um conjunto de dados dispostos
segundo linhas e colunas de maneira sistemtica.
Uma tabela compe-se de: corpo, cabealho, coluna indicadora, linhas, casa
ou clula e ttulo. Deste modo, uma tabela deve apresentar o seguinte esquema
de representao:
1. Corpo: conjunto de linhas e colunas que contm informaes
sobre a varivel em estudo;
2. Cabealho: parte superior da tabela que especifica o contedo
das colunas;
3. Coluna indicadora: parte da tabela que especifica o contedo
das linhas;
4. Linhas: retas imaginrias que facilitam a leitura, no sentido
horizontal, de dados que se inscrevem nos seus cruzamentos com
as colunas;
5. Casa ou clula: cruzamento de uma coluna com uma linha,
destinado a um s nmero (nunca deve ficar em branco);
6. Ttulo: designao do fato observado, local e poca;
H ainda que se considerar os elementos complementares, que so a fonte, as
notas e as chamadas, colocadas, de preferncia, no seu rodap.
Rodap: espao reservado, em seguida ao fecho da tabela, para insero de
notas de natureza informativa;

15

Fonte: entidade responsvel pelo levantamento dos dados ou pela elaborao

da tabela;
Notas: so informaes de natureza geral, destinada a conceituar ou esclarecer
o contedo das tabelas, ou indicar a metodologia adotada;
Chamadas: informaes de natureza especfica sobre determinada parte da
tabela, destinada a conceituar ou esclarecer dados.

De acordo com a Resoluo 886 do IBGE, nas casas ou clulas da tabela

devemos colocar:

Um trao horizontal (-) quando o valor nulo;

Trs pontos (...) quando no temos a informao;

Zero (0) quando o valor muito pequeno para ser expresso pela
unidade utilizada. Se os valores so expressos em numerais decimais,
precisamos acrescentar parte decimal um nmero correspondente de
zeros (0,0; 0,00; 0,000; .....);

Um ponto de interrogao (?) quando temos dvida quanto exatido

de determinado valor;

A letra x quando o dado for omitido, a fim de evitar individualizao

das informaes.

Obs: Os lados direito e esquerdo de uma tabela oficial devem ser abertos.
16

Ex: Levantamento Epidemiolgico no Estado do Rio de Janeiro - 1970

Especificao
Sarampo
Varola
Clera
Meningite
Total

N de Casos

N de bitos

115
...
35
150

15
10
5
30

(1)

Fonte: Departamento Nacional de Endemias Rurais

Nota: As atividades da campanha de vacinao abrangeram as reas de maior
incidncia.
(1) inclusive a rea urbana.

SRIES ESTATSTICAS:
Denominamos sries estatsticas toda tabela que apresenta a distribuio de
um conjunto de dados estatsticos em funo da poca, do local ou da espcie.
Dividem-se em sries homgradas e conjugadas.
Sries Homgradas: so aquelas em que a varivel descrita apresenta
variao discreta ou descontnua. Podem ser do tipo temporal,
geogrfica ou especfica.
a) Srie Temporal: Identifica-se pelo carter varivel do fator cronolgico. O
local e a espcie (fenmeno) so elementos fixos. Esta srie tambm
chamada de histrica, cronolgica, marcha ou evolutiva.
ABC VECULOS LTDA.
Vendas no 1 bimestre de 1996
PERODO

UNIDADES
VENDIDAS (mil)

JAN/96
FEV/96
TOTAL

20
10
30

b) Srie Geogrfica: Apresenta como elemento varivel o fator geogrfico. A

poca e o fato (espcie) so elementos fixos. Tambm chamada de espacial,
territorial ou de localizao.

17

ABC VECULOS LTDA.

Vendas no 1 bimestre de 1996
FILIAIS

UNIDADES
VENDIDAS (mil)

SO PAULO
RIO DE JANEIRO
TOTAL

13
17
30

c) Srie Especfica: O carter varivel apenas o fato ou espcie. Tambm

chamada de srie categrica.
ABC VECULOS LTDA.
Vendas no 1 bimestre de 1996
MARCA

UNIDADES
VENDIDAS (mil)

FIAT
GM
TOTAL

18
12
30

Sries conjugadas: Tambm chamadas de tabelas de dupla entrada. So

apropriadas apresentao de duas ou mais sries de maneira
conjugada, havendo duas ordens de classificao: uma horizontal e
outra vertical. O exemplo abaixo de uma srie geogrfica-temporal.
ABC VECULOS LTDA.
Vendas no 1 bimestre de 1996 (em mil unidades)
FILIAIS

JANEIRO

FEVEREIRO

SO PAULO
RIO DE JANEIRO
TOTAL

10
12
22

3
5
8

18

DADOS ABSOLUTOS E DADOS RELATIVOS

Dados absolutos: so dados resultantes da coleta direta da fonte, sem
outra manipulao seno a contagem ou medida.
A leitura dos dados absolutos sempre enfadonha e inexpressiva; embora
esses dados traduzam um resultado exato e fiel, no tm a virtude de ressaltar
de imediato as suas concluses numricas. Da o uso imprescindvel que faz a
Estatstica dos dados relativos.
Dados relativos: so os resultados de comparaes por quocientes
(razes) que se estabelecem entre dados absolutos e tm por finalidade
realar ou facilitar as comparaes entre quantidades.
Traduzem-se os dados relativos, em geral, por meio de percentagens, ndices,
coeficientes e taxas.
1 Percentagens
Considere a srie:
MATRCULAS NAS ESCOLAS DA CIDADE A 1995
CATEGORIAS

N. DE ALUNOS

1 Grau
2 Grau
3 Grau
TOTAL

19286
1681
234
21201

Dados fictcios.

Calculemos as percentagens dos alunos da cada grau:

1 grau 19286 x 100 = 90,96 = 91,0
21201
2 grau 1681 x 100 = 7,92 = 7,9
21201
3 grau 234 x 100 = 1,10 = 1,1
21201

19

Com esses dados, podemos formar uma nova coluna na srie em estudo:
MATRCULAS NAS ESCOLAS DA CIDADE A 1995
CATEGORIAS

N. DE ALUNOS

1 Grau
2 Grau
3 Grau
TOTAL

19286
1681
234
21201

91,0
7,9
1,1
100

Dados fictcios.

Os valores dessa nova coluna nos dizem que, de cada 100 alunos da cidade A,
91 esto matriculados no 1 grau, 8 aproximadamente no 2 grau e 1 no 3
grau.
O emprego da porcentagem de grande valia quando nosso intuito destacar
a participao da parte no todo.
NOTAS:
Do mesmo modo que tomamos 100 para base de comparao, tambm
podemos tomar outro nmero qualquer, entre os quais destacamos o
nmero 1. claro que, supondo o total igual a 1, os dados relativos das
parcelas sero todos menores que 1.
Em geral, quando usamos 100 para base, os dados so arredondados at
a primeira casa decimal; e quando tomamos 1 por base, so
arredondados at a terceira casa decimal.
Exerccio: Complete a tabela abaixo
ESCOLAS

A
B
C
D
E
F
TOTAL

N. DE ALUNOS

175
222
202
362
280
540
1781

DADOS RELATIVOS
POR 1

POR 100

0,098

9,8

1,000

100,0
20

2 ndices
Os ndices so razes entre duas grandezas tais que uma no inclui a outra.
So exemplos de ndices:
ndice ceflico = dimetro transversal do crnio x 100
dimetro longitudinal do crnio

Quociente intelectual =

idade mental
idade cronolgica

x 100

Densidade demogrfica = populao

superfcie
ndice econmicos:
Produo per capta = valor total da produo
populao
Consumo per capta = consumo do bem
populao
Renda per capta =

renda____
populao

Receita per capta =

receita__
populao

3 Coeficientes
Os coeficientes so razes entre o nmero de ocorrncias e o nmero total
(nmero de ocorrncias e nmero de no-ocorrncias).

21

So exemplos de coeficientes:

Coeficiente de natalidade = nmero de nascimentos

populao total
Coeficiente de mortalidade = nmero de bitos__
populao total
Coeficiente educacionais:
Coeficiente de evaso escolar =

n. de alunos evadidos__
n. inicial de matrculas

Coeficiente de aproveitamento escolar = n. de alunos aprovados

n. final de matrculas
Coeficiente de recuperao escolar = n. de alunos recuperados_
n. de alunos em recuperao
4 Taxas
As taxas so os coeficientes multiplicados por uma potncia de 10 (10, 100,
1000 etc.) para tornar o resultado mais inteligvel.
So exemplos de taxas:
Taxa de natalidade = Coeficiente de natalidade X 1000
Taxa de mortalidade = Coeficiente de mortalidade X 1000
Taxa de evaso escolar = Coeficiente de evaso escolar X 100

22

Exerccios:
1 Considere a srie estatstica:
SRIES

ALUNOS MATRIC.

1
546
2
328
3
280
4
120
TOTAL
1274
Complete-a, determinando as percentagens com uma casa decimal e fazendo a
compensao, se necessrio.
2 Uma escola apresentava, no final do ano, o seguinte quadro:
SRIES

MATRICULAS
MARO

NOVEMBRO

480
458
436
420
1794

475
456
430
420
1781

1
2
3
4
TOTAL
a. Calcule a taxa de evaso por srie
b. Calcule a taxa de evaso da escola

3 Considerando que Minas Gerais, em 1992, apresentou (dados fornecidos

pelo IBGE):
Populao: 15.957,6 mil habitantes;
Superfcie: 586.624 Km2;
Nascimentos: 292036;
bitos: 99281.
Calcule:
a. o ndice da densidade demogrfica;
b. a taxa de natalidade;
c. a taxa de mortalidade;

23

IV - GRFICOS ESTATSTICOS
1- Conceito:
O grfico um mtodo de representao de dados estatsticos em forma
visual, por meio de figuras geomtricas. Devem corresponder, mas nunca
substituir as tabelas estatsticas.
uma forma de apresentao dos dados estatsticos, cujo objetivo o de
produzir, no investigador ou no pblico em geral, uma impresso mais rpida
e viva do fenmeno em estudo, j que os grficos falam mais compreenso
que as sries.
Para tornarmos possvel uma representao grfica, estabelecemos uma
correspondncia entre os termos da srie e determinada figura geomtrica, de
tal modo que cada elemento da srie seja representado por uma figura
proporcional.
A representao grfica deve obedecer a certos requisitos fundamentais como:
Simplicidade deve proporcionar que o observador analise
rapidamente o fenmeno apresentado;
Clareza deve proporcionar que o observador tenha uma correta leitura
dos valores representativos do fenmeno;
Veracidade deve expressar a verdade sobre o fenmeno estatstico
representado.
2 - Caractersticas:
Grficos de informao: So grficos destinados principalmente ao pblico
em geral, objetivando proporcionar uma visualizao rpida e clara. So
grficos tipicamente expositivos, dispensando comentrios explicativos
adicionais. As legendas podem ser omitidas, desde que as informaes
desejadas estejam presentes.
Grficos de anlise: So grficos que se prestam melhor ao trabalho
estatstico, fornecendo elementos teis fase de anlise dos dados, sem deixar
de ser tambm informativos. Os grficos de anlise freqentemente vm

24

acompanhados de uma tabela estatstica. Inclui-se, muitas vezes um texto

explicativo, chamando a ateno do leitor para os pontos principais revelados
pelo grfico.
Uso indevido de Grficos: Podem trazer uma idia falsa dos dados que esto
sendo analisados, chegando mesmo a confundir o leitor. Trata-se, na realidade,
de um problema de construo de escalas.
3 - Classificao dos grficos:
Os principais grficos so os Diagramas, Estereogramas, Pictogramas e
Cartogramas.
3.1 - Diagramas:
So grficos geomtricos dispostos, no mximo, em duas dimenses. So os
mais usados na representao de sries estatsticas. Eles podem ser em linhas,
em barras horizontais, em barras verticais (colunas), e em setores.
Grficos em linhas ou lineares
O grfico em linha constitui uma aplicao do processo de representao das
funes num sistema de coordenadas cartesianas.
Como sabemos, nesse sistema fazemos uso de duas retas perpendiculares; as
retas so os eixos coordenados e o ponto de interseco, a origem. O eixo
horizontal denominado eixo das abscissas (ou eixo dos x) e o vertical, eixo
das ordenadas (ou eixo dos y). Para exemplificar considere a srie:

25

Determinamos, graficamente, todos os pontos da srie, usando as

coordenadas, ligamos todos esses pontos, dois a dois, por segmentos de reta, o
que ir nos dar uma poligonal, que o grfico em linha ou em curva
correspondente a srie do exemplo.

So freqentemente usados para representao de sries cronolgicas com um

grande nmero de perodos de tempo. As linhas so mais eficientes do que as
colunas, quando existem intensas flutuaes nas sries ou quando h
necessidade de se representarem vrias sries em um mesmo grfico.
Quando representamos, em um mesmo sistema de coordenadas, a variao de
dois fenmenos, a parte interna da figura formada pelos grficos desses
fenmenos denominada de rea de excesso.

26

 Grficos em colunas ou barras

a representao de uma srie por meio de retngulos, dispostos
verticalmente (em colunas) ou horizontalmente (em barras).
Quando em colunas, os retngulos tm a mesma base e as alturas so
proporcionais aos respectivos dados.
Quando em barras, os retngulos tm a mesma altura e os comprimentos so
proporcionais aos respectivos dados.
Exemplo: Grfico em colunas

27

Exemplo: Grfico em barras

NOTAS:
Quando as legendas no so breves usa-se de preferncia os grficos em
barras horizontais;
A ordem a ser observada a cronolgica, se a srie for histrica, e a
decrescente, se for geogrfica ou categrica;
A distncia entre as colunas (ou barras), por questes estticas, no
dever ser menor que a metade nem maior que os dois teros da largura
(ou da altura) dos retngulos.
Grficos em barras ou colunas mltiplas
28

Eles diferem dos grficos em barras ou colunas convencionais apenas pelo

fato de apresentar cada barra ou coluna segmentada em partes componentes.
Servem para representar comparativamente dois ou mais atributos.

Grficos em setores
Este grfico construdo com base em um crculo, e empregado sempre que
desejamos ressaltar a participao do dado no total.
O total representado pelo crculo, que fica dividido em tantos setores quantas
so as partes.
Os setores so tais que suas reas so respectivamente proporcionais aos
dados da srie. Obtemos cada setor por meio de uma regra de trs simples e
direta, lembrando que o total da srie corresponde a 360.

29

O grfico em setores s deve ser empregado quando h, no mximo, sete

dados.
Obs: As sries temporais geralmente no so representadas por este tipo de
grfico.

30

3.2 - Estereogramas:
So grficos geomtricos dispostos em trs dimenses, pois representam
volume. So usados nas representaes grficas das tabelas de dupla entrada.
Em alguns casos este tipo de grfico fica difcil de ser interpretado dada a
pequena preciso que oferecem.
3.3 - Pictogramas:
So construdos a partir de figuras representativas da intensidade do
fenmeno. Este tipo de grfico tem a vantagem de despertar a ateno do
pblico leigo, pois sua forma atraente e sugestiva. Os smbolos devem ser
auto-explicativos. A desvantagem dos pictogramas que apenas mostram uma
viso geral do fenmeno, e no de detalhes minuciosos. Veja o exemplo
abaixo:

31

3.4 - Cartogramas: So ilustraes relativas a cartas geogrficas (mapas). O

objetivo desse grfico o de figurar os dados estatsticos diretamente
relacionados com reas geogrficas ou polticas.
Distinguimos duas aplicaes:
a. representar os dados absolutos (populao) neste caso,
lanamos mo, em geral, dos pontos, em nmero
proporcional aos dados.
b. representar dados relativos (densidade) - neste caso,
lanamos mo, em geral, de hachuras ou cores.

32

33

V - DISTRIBUIO DE FREQUENCIA
1 Tabela Primitiva e Rol
Considere a coleta de dados a seguir de uma varivel qualquer relativa a uma
pesquisa com vinte pessoas:
Ex: 45, 41, 42, 41, 42, 43, 44, 41, 50, 46, 50, 46, 60, 54, 52, 58, 57, 58, 60, 51.
Esse tipo de tabela chamada de tabela primitiva, ou seja:
Tabela primitiva ou dados brutos: uma tabela ou relao de elementos que
no foram numericamente organizados.
Assim, conhecidos os valores de uma varivel, difcil formarmos uma idia
exata do comportamento do grupo como um todo, a partir de dados no
ordenados. Em razo disso, pouca informao se consegue obter
inspecionando os dados anotados. Mesmo uma informao to simples como a
de saber o valor mximo e mnimo requer certo exame dos dados da tabela.
ROL: a tabela obtida aps a ordenao dos dados, em ordem crescente ou
decrescente.
Para o exemplo acima temos:
Rol: 41, 41, 41, 42, 42, 43, 44, 45, 46, 46, 50, 50, 51, 52, 54, 57, 58, 58, 60,
60.
Essa classificao dos dados proporciona algumas vantagens concretas com
relao sua forma original:
- possvel visualizar de forma ampla as variaes de consumo;
- os valores extremos so percebidos de imediato;
- possvel observar a tendncia de concentrao dos valores.
Apesar de o rol propiciar ao analista mais informaes e com menos esforo
de concentrao do que os dados brutos, ainda assim persiste o problema de a
anlise ter que se basear nas 20 observaes. O problema se agravar quando
o nmero de dados for muito grande.

34

2 Distribuio de Frequncia
um tipo de tabela que condensa uma coleo de dados conforme as
freqncias (repeties de seus valores). A forma pela qual podemos
descrever os dados estatsticos resultantes de variveis quantitativas, como o
caso de notas obtidas pelos alunos de uma classe, estaturas de um conjunto de
pessoas, salrios recebidos pelos operrios de uma fbrica etc.
Frequncia: a quantidade que fica relacionada a um determinado valor da
varivel.
Distribuio de frequncia sem intervalos de classe: a simples
condensao dos dados conforme as repeties de seus valores. Para um ROL
de tamanho razovel esta distribuio de frequncia inconveniente, j que
exige muito espao. Veja exemplo abaixo:
Dados

Frequncia

41

42

43

44

45

46

50

51

52

54

57

58

60

TOTAL

20

35

Distribuio de frequncia com intervalos de classe: Quando o tamanho da

amostra elevado mais racional efetuar o agrupamento dos valores em
vrios intervalos de classe.
Classes
41 |------- 45
45 |------- 49
49 |------- 53
53 |------- 57
57 |------- 61
Total

Frequncias
7
3
4
1
5
20

3 Elementos de uma Distribuio de Frequncia com Intervalos de Classe:

3.1 Classe
Classe de frequncia ou, simplesmente, classes so os intervalos de variao
da varivel.
As classes so representadas simbolicamente por i, sendo i = 1, 2, 3, ..., k
(onde K o nmero total de classes da distribuio).
Na tabela do exemplo anterior, a distribuio formada por cinco classes,
ento temos k = 5 e o intervalo de classe 49 |------- 53 representa a 3 classe,
ou seja, i = 3.
3.2 Limites de classe
Limites de classe so os extremos de cada classe.

O menor nmero o limite inferior de classe (li) e o maior nmero, limite

superior de classe (Li).
Na classe 49 |------- 53, temos:,l3 = 49 e L3 = 53.
O smbolo |------- representa um intervalo fechado esquerda e aberto
direita. O dado 53 do ROL no pertence a classe 3 e sim a classe 4, que
representada por 53 |------- 57.

36

3.3 Amplitude do intervalo de classe

Amplitude do intervalo de classe ou, simplesmente, intervalo a medida do
intervalo que define a classe.
Ela obtida atravs da diferena entre o limite superior e inferior da classe e
simbolizada por:
hi = Li - li
Na tabela do exemplo anterior hi = 53 - 49 = 4. Obs: Na distribuio de
frequncia com classes o hi ser igual em todas as classes, como mostrado a
seguir:
hi = 57 - 53 = 4
hi = 49 - 45 = 4
3.4 Amplitude total da distribuio
Amplitude total da distribuio (AT) a diferena entre o limite superior da
ltima classe e o limite inferior da primeira classe.
AT = Lmax - lmin.
Na tabela anterior AT = 61 - 41= 20
Nota: evidente que, se as classes possuem o mesmo intervalo, verificamos a
relao:
AT = k
hi
3.5 Amplitude amostral
Amplitude amostral (AA) a diferena entre o valor mximo e o valor mnimo
da amostra (obtidos atravs do ROL).
AA = Xmax - Xmin
Em nosso exemplo AA = 60 - 41 = 19.
Obs: AT sempre ser maior que AA.
37

3.6 Ponto mdio da classe

Ponto mdio da classe (xi) , como o prprio nome indica, o ponto que divide
o intervalo de classe em duas partes iguais.
Para obtermos o ponto mdio de uma classe, calculamos a semi-soma dos
limites da classe (mdia aritmtica):
xi = li + Li
2
No intervalo da 3 classe 49 |------- 53 o ponto mdio x3 calculado:
x3 = (l3 + L3)/2 = (53 + 49)/2 = 51
Obs.: O ponto mdio da classe o valor que a representa para efeito de
clculos de medidas de posio e disperso ou variabilidade.
3.7 Frequncia simples ou absoluta
Frequncia simples ou frequncia absoluta ou simplesmente, frequncia de
uma classe ou de um valor individual o nmero de observaes
correspondentes a essa classe ou a esse valor.
A frequncia simples simbolizada por fi (lemos f ndice i ou frequncia da
classe i).
Assim, considerando o exemplo abaixo, temos:
ESTATURAS DE 40 ALUNOS NA ESCOLA A
ESTATURA (cm)

FREQUNCIA

150 |------- 154

154 |------- 158
158 |------- 162
162 |------- 166
166 |------- 170
170 |------- 174
TOTAL

4
9
11
8
5
3
40

f1 = 4; f2 = 9; f3 = 11; f4 = 8; f5 = 5 e f6 = 3.
A soma das freqncias sempre igual ao total da amostra.

38

Exerccio 1: As notas obtidas por 50 alunos de uma classe foram:

1; 2; 3; 4; 5; 6; 6; 7; 7; 8; 2; 3; 3; 4; 5; 6; 6; 7; 8; 8; 2; 3; 4; 4; 5; 6; 6; 7; 8; 9;
2; 3; 4; 5; 5; 6; 6; 7; 8; 9; 2; 3; 4; 5; 5; 6; 7; 7; 8; 9;
a) Complete a distribuio de frequncia abaixo:
i
1
2
3
4
5

Notas
0 |--- 2
2 |--- 4
4 |--- 6
6 |--- 8
8 |--- 10
Total

xi

fi

50

b) Agora, responda:
1. Qual a amplitude amostral?
2. Qual a amplitude da distribuio?
3. Qual o nmero de classes da distribuio?
4. Qual o limite inferior da quarta classe?
5. Qual o limite superior da classe de ordem 2?
6. Qual a amplitude do segundo intervalo de classe?
7. Qual a frequncia da terceira classe?
c) Complete:
1. h3 = .......
2. n = ........
3. l1 = ........
4. L3 = ........
5. x2 = ........
6. f5 = ........

39

4 Tipos de Freqncias
Frequncia simples ou absolutas (fi) so os valores que realmente
representam o nmero de dados de cada classe.
A soma das freqncias simples igual ao nmero total de dados da
distribuio.
Frequncias relativas: so os valores das razes entre as freqncias
absolutas de cada classe e a frequncia total da distribuio.
A soma das frequncias relativas igual a 1 ou 100 %.
Logo, para o exemplo da pgina 36 a frequncia da terceira classe :
fr3 = f3/n ; fr3 = 11/40 = 0,275
O propsito das frequncias relativas o de permitir a anlise ou facilitar as
comparaes.
Frequncia acumulada de uma classe (F i): o total das frequncias de todos
os valores inferiores ao limite superior do intervalo de uma determinada
classe:
Fk = f1 + f2 + f3 + ...... + fK
Assim, no exemplo, a frequncia acumulada correspondente terceira classe
:
F3 = f1 + f2 + f3 = 4 + 9 + 11 = 24
O que significa existirem 24 alunos com estatura inferior a 162 cm (limite
superior do intervalo da terceira classe).
Frequncia acumulada relativa (Fri) de uma classe: a frequncia
acumulada da classe, dividida pela frequncia total da distribuio.
Fri = Fi / fi
Assim, no exemplo, para a terceira classe, temos:
Fr3 = F3 / fi = 24/40 = 0,600

40

Exerccio 2: Complete o quadro com as frequncia que se pede.

CLASSE
50 |----- 54
54 |----- 58
58 |----- 62
62 |----- 66
66 |----- 70
70 |----- 74
Total

xi
52
56
60
64
68
72
--

fi
4
9
11
8
5
3
40

Fi

fri (%)

Fri (%)

--

100

--

Sendo xi = ponto mdio de classe; fi = frequncia simples; Fi = frequncia

Acumulada; fri (%) = frequncia percentual e Fri (%) = frequncia percentual
acumulada.
5 - Mtodo Prtico para Construo de uma Distribuio de Freqncias com
Classes:
1 - Organize os dados brutos em um ROL.
2 - Calcule a amplitude amostral AA. Para o exemplo da pgina 32, temos:
AA = 60 - 41 = 19
3 - Calcule o nmero de classes atravs da:
a) Regra de Sturges:
n
i = n de classes
3 ---- 5
3
6 ---- 11
4
12 ---- 22
5
23 ---- 46
6
47 ---- 90
7
91 ---- 181
8
182---- 362
9
b) Raiz quadrada de n. (usa-se somente a parte inteira do nmero quando a
raiz no for exata).
Obs: Qualquer regra para determinao do n de classes da tabela no nos leva
a uma deciso final; esta vai depender na realidade de um julgamento pessoal,
que deve estar ligado natureza dos dados.

41

No nosso exemplo: n = 20 dados, ento, a regra sugere a adoo de 5 classes

pela regra de Sturges e de 4 classes pela regra da raiz quadrada, ficando a
critrio de quem vai fazer a distribuio de frequncia.
4 - Decidido o n de classes, calcule ento a amplitude do intervalo de classe
h > AA / i.
No nosso exemplo: AA / i = 19/4 = 4,75. Obs: Como h > AA / i um valor
ligeiramente superior para haver folga na ltima classe. Utilizaremos ento
h = 5.
5 - Temos ento o menor n da amostra, o n de classes e a amplitude do
intervalo. Podemos montar a tabela, com o cuidado para no aparecer classes
com frequncia = 0 (zero).
No nosso exemplo: o menor n da amostra = 41 + h = 46, logo a primeira
classe ser representada por 41 |------- 46. As classes seguintes respeitaro o
mesmo procedimento.
O primeiro elemento da classe seguinte sempre ser formado pelo ltimo
elemento da classe anterior.
6 - Representao Grfica de uma Distribuio
Uma distribuio de frequncia pode ser representada graficamente pelo
Histograma, pelo Polgono de frequncia e pelo Polgono de frequncia
acumulada (alguns autores denominam de ogiva de Galton).
Em todos os grficos acima utilizamos o primeiro quadrante do sistema de
eixos coordenados cartesianos ortogonais. Na linha horizontal (eixo das
abscissas) colocamos os valores da varivel e na linha vertical (eixo das
ordenadas), as frequncias.
6.1 - Histograma
O Histograma formado por um conjunto de retngulos justapostos, cujas
bases se localizam sobre o eixo horizontal, de tal modo que seus pontos
mdios coincidam com os pontos mdios dos intervalos de classe.
A rea de um histograma proporcional soma das frequncias simples ou
absolutas.
42

Para o exemplo a seguir, temos o seguinte histograma:

ESTATURAS DE 40 ALUNOS NA ESCOLA A
ESTATURA
(cm)

FREQUNCIA

150 |------- 154

154 |------- 158
158 |------- 162
162 |------- 166
166 |------- 170
170 |------- 174
TOTAL

4
9
11
8
5
3
40

6.2 Polgono de Frequncia

O Polgono de frequncia um grfico em linha, sendo as frequncias
marcadas sobre perpendiculares ao eixo horizontal, levantadas pelos pontos
mdios dos intervalos de classe.
Para realmente obtermos um polgono (linha fechada), devemos completar a
figura, ligando os extremos da linha obtida aos pontos mdios da classe
anterior primeira e da posterior ltima, da distribuio.

43

Para o exemplo anterior temos o seguinte Polgono de frequncia:

6.3 Polgono de Frequncia Acumulada

O Polgono de frequncia acumulada traado marcando-se as frequncias
acumuladas sobre perpendiculares ao eixo horizontal, levantadas nos pontos
correspondentes aos limites superiores dos intervalos de classe.
Para o exemplo em estudo temos o seguinte Polgono de frequncia
acumulada:

44

Uma distribuio de frequncia sem intervalos de classe representada

graficamente por um diagrama onde cada valor da varivel representado por
um segmento de reta varivel e de comprimento proporcional respectiva
frequncia.
Exerccio 3: Complete o quadro com as frequncia que se pede e com base
nele construa o histograma, polgono de frequncia e polgono de frequncia
acumulada.
CLASSE
50 |----- 54
54 |----- 58
58 |----- 62
62 |----- 66
66 |----- 70
70 |----- 74
Total

xi
52
56
60
64
68
72
--

fi
4
9
11
8
5
3
40

Fi

fi (%)

Fi (%)

--

100

--

Sendo xi = ponto mdio de classe; fi = frequncia simples; Fi = frequncia

Acumulada; fi (%) = frequncia percentual; Fi(%) = frequncia percentual
acumulada.

45

VI - MEDIDAS DE POSIO
1 Introduo
O estudo que fizemos sobre distribuies de frequncia, at agora, permite-nos
descrever, de modo geral, os grupos dos valores que uma varivel pode
assumir. Dessa forma, podemos localizar a maior concentrao de valores de
uma dada distribuio, isto , se ela se localiza no incio, no meio ou no final,
ou ainda, se h uma distribuio por igual.
Porm, para ressaltar as tendncias caractersticas de cada distribuio,
isoladamente, ou em confronto com outras, necessitamos introduzir conceitos
que se expressam atravs de nmeros, que nos permitam traduzir essas
tendncias. Esses conceitos so denominados elementos tpicos da
distribuio e so as:
a. medidas de posio;
b. medidas de variabilidade ou disperso;
c. medidas de assimetria;
d. medidas de curtose.
Dentre os elementos tpicos, destacamos, neste captulo, as medidas de
posio - estatsticas que representam uma srie de dados orientando-nos
quanto posio da distribuio em relao ao eixo horizontal do grfico da
curva de freqncia.
As medidas de posies mais importantes so as medidas de tendncia
central ou promdias, que recebem tal denominao pelo fato de os dados
observados tenderem, em geral, a se agruparem em torno dos valores centrais.
Dentre as medidas de tendncia central, destacamos:
a. a mdia aritmtica;
b. a moda;
c. a mediana.
Outras promdias menos usados so as mdias: geomtrica, harmnica,
quadrtica, cbica e biquadrtica.

46

As outras medidas de posio so as separatrizes, que englobam: a prpria

mediana, os decis, os quartis e os percentis.
2 Mdia Aritmtica (

Em um conjunto de dados, podemos definir vrios tipos de mdias. Porm, em

nossos estudos iremos nos limitar mais importante: a mdia aritmtica.
Mdia Aritmtica quociente entre a soma dos valores da varivel pelo
nmero deles:

onde xi so os valores da varivel e n o nmero de valores.

2.1 Dados no - agrupados
Quando desejamos conhecer a mdia dos dados no-agrupados em tabelas de
freqncias, determinamos a mdia aritmtica simples.
Exemplo: Sabendo-se que a venda diria de arroz tipo A, durante uma semana,
foi de 10, 14, 13, 15, 16, 18 e 12 kg, temos, para venda mdia diria na
semana de:
.= (10+14+13+15+16+18+12) / 7 = 14 kg
Logo:

.= 14 Kg

s vezes, a mdia pode ser um nmero diferente de todos os da srie de dados

que ela representa. o que acontece quando temos os valores 2, 4, 6 e 8, para
os quais a mdia 5. Esse ser o nmero representativo dessa srie de valores,
embora no esteja representado nos dados originais. Neste caso, costumamos
dizer que a mdia no tem existncia concreta.
2.2 Desvio em relao mdia
Denominamos Desvio em relao mdia a diferena entre cada elemento de
um conjunto de valores e a mdia aritmtica.

47

Designando o desvio por di, temos:.di = Xi No exemplo anterior temos sete desvios:...
d1 = 10 - 14 = - 4;
d2 = 14 - 14 = 0;
d3 = 13 - 14 = - 1;
d4 = 15 - 14 = 1;
d5 = 16 - 14 = 2;
d6 = 18 - 14 = 4;
d7 = 12 - 14 = - 2.
2.3 .Propriedades da mdia
1 propriedade: A soma algbrica dos desvios em relao mdia nula.
Ou seja:

No exemplo anterior: d1 + d2 + d3 + d4 + d5 + d6 + d7 = 0
2 propriedade: Somando-se (ou subtraindo-se) uma constante (c) a todos
os valores de uma varivel, a mdia do conjunto fica aumentada (ou
diminuda) dessa constante.

Se no exemplo anterior, somarmos a constante 2 a cada um dos valores da

varivel temos:
Y = (12+16+15+17+18+20+14) / 7 = 16 kg
Ou seja, Y =

.+ 2 = 14 +2 = 16 kg

48

3 propriedade: Multiplicando-se (ou dividindo-se) todos os valores de

uma varivel por uma constante (c), a mdia do conjunto fica
multiplicada (ou dividida) por essa constante.

Se no exemplo anterior multiplicarmos a constante 3 a cada um dos valores da

varivel temos:
Y = (30+42+39+45+48+54+36) / 7 = 42 kg
Ou seja, Y =

x 3 = 14 x 3 = 42 kg

2.4 Dados Agrupados

A mdia aritmtica sem intervalos de classe
Consideremos a distribuio relativa a 34 famlias de quatro filhos, tomando
para varivel o nmero de filhos do sexo masculino. Calcularemos a
quantidade mdia de meninos por famlia:
N de meninos
0
1
2
3
4

Freqncia = fi
2
6
10
12
4
= 34

Neste caso, como as freqncias so nmeros indicadores da intensidade de

cada valor da varivel, elas funcionam como fatores de ponderao, o que nos
leva a calcular a mdia aritmtica ponderada, dada pela frmula:

49

O modo mais prtico de obteno da mdia ponderada abrir, na tabela, uma

coluna correspondente aos produtos xifi:
xi
0
1
2
3
4

fi
2
6
10
12
4
=34

xi . fi
0
6
20
36
16
=78

Temos, xifi = 78 e f i = 34
Logo xifi / f i = 78 / 34 = 2,3
Portanto a mdia de 2,3 meninos por famlia
Nota:
- Sendo x uma varivel discreta, como interpretar o resultado obtido, 2
meninos e 3 dcimos de menino?
O valor mdio de 2,3 meninos sugere, neste caso, que o maior nmero de
famlias tem 2 meninos e 2 meninas, sendo, porm, a tendncia geral de uma
leve superioridade numrica em relao ao nmero de meninos.

A mdia aritmtica com intervalos de classe

Neste caso, convencionamos que todos os valores includos em um
determinado intervalo de classe coincidem com o seu ponto mdio, e
determinamos a mdia aritmtica ponderada por meio da frmula:

Onde xi o ponto mdio da classe.

50

Exemplo: Considere a distribuio de frequncia abaixo, relativo a estaturas

em cm de bebs. Calcular a estatura mdia de bebs conforme a tabela abaixo.

i
1
2
3
4
5
6

Estaturas (cm)
50 |------- 54
54 |------- 58
58 |------- 62
62 |------- 66
66 |------- 70
70 |------- 74

fi
4
9
11
8
5
3
= 40

Pela mesma razo do caso anterior, vamos, inicialmente, abrir uma coluna
para os pontos mdios (xi) e outra para os produtos xifi:
i
1
2
3
4
5
6

Estaturas (cm)
50 |------- 54
54 |------- 58
58 |------- 62
62 |------- 66
66 |------- 70
70 |------- 74

fi
4
9
11
8
5
3
= 40

xi
52
56
60
64
68
72

xi.fi
208
504
660
512
340
216
= 2.440

Temos, xifi = 2440 e f i = 40; Logo xifi / f i = 2440 / 40 = 61

Portanto, a estatura mdia dos bebs de 61 cm.
2.5 Emprego da mdia
A mdia utilizada quando:
a. desejamos obter a medida de posio que possui a maior estabilidade;
b. houver necessidade de um tratamento algbrico ulterior.

51

3 Moda
Denominamos Moda o valor que ocorre com maior freqncia em uma srie
de valores.
Mo o smbolo da moda.
Desse modo, o salrio modal dos empregados de uma fbrica o salrio mais
comum, isto , o salrio recebido pelo maior nmero de empregados dessa
fbrica.
3.1 Dados no - agrupados
Quando lidamos com dados no-agrupados, a moda facilmente reconhecida:
basta, de acordo com definio, procurar o valor que mais se repete.
Exemplo: Na srie de dados {7, 8, 9, 10, 10, 10, 11, 12} a moda igual a 10.
H sries nas quais no exista valor modal, isto , nas quais nenhum valor
aparea mais vezes que outros.
Exemplo: {3 , 5 , 8 , 10 , 12 } no apresenta moda. A srie amodal.
.Em outros casos, pode haver dois ou mais valores de concentrao. Dizemos,
ento, que a srie tem dois ou mais valores modais.
Exemplo: {2 , 3 , 4 , 4 , 4 , 5 , 6 , 7 , 7 , 7 , 8 , 9 } apresenta duas modas: 4 e 7.
A srie bimodal.
3.2 Dados agrupados
Sem intervalos de classe
Uma vez agrupados os dados, possvel determinar imediatamente a moda:
basta fixar o valor da varivel de maior freqncia.
Exemplo: Qual a temperatura mais comum medida no ms abaixo:
Temperaturas ( C)
0
1
2
3

Freqncia
3
9
12
6

Resp: 2 C a temperatura modal, pois a de maior freqncia (12 vezes).

52

 Com intervalos de classe

A classe que apresenta a maior freqncia denominada classe modal. Pela
definio, podemos afirmar que a moda, neste caso, o valor dominante que
est compreendido entre os limites da classe modal.
O mtodo mais simples para o clculo da moda consiste em tomar o ponto
mdio da classe modal. Damos a esse valor a denominao de moda bruta.

Onde: l* = limite inferior da classe modal;

L*= limite superior da classe modal.
Exemplo: Calcule a estatura modal conforme a tabela abaixo.
Classes
(cm)
54 |-------- 58
58 |-------- 62
62 |-------- 66
66 |-------- 70

Freqncia
9
11
8
5

Resposta: A classe modal 58 |------ 62, pois a de maior frequncia.

l* = 58 e L* = 62
Mo = (58+62) / 2 = 60 cm (este valor estimado, pois no conhecemos o
valor real da moda).
H, para o clculo da moda, outros mtodos mais elaborados, como, por
exemplo, o que faz uso da frmula de Czuber:

Na qual:
l* o limite inferior da classe modal;
53

h* a amplitude da classe modal;

D1 = f* - f (ant.);
D2 = f* - f (post.);
Sendo:
f* a frequencia simples da classe modal;
f (ant.) a frequencia simples da classe anterior classe modal;
f (post.) a frequencia simples da classe posterior classe modal.
Exemplo: Considere a distribuio a seguir
Classes
150 |------ 154
154 |------ 158
158 |------ 162
162 |------ 166
166 |------ 170
170 |------ 174
Total

fi
4
9
11
8
5
3
40

Temos:
D1 = 11 9 = 2 e D2 = 11 8 = 3;
Mo = 158 +

x 4 = 159,6 cm

2+3
3.3 Emprego da moda
A moda utilizada quando:
a. desejamos obter uma medida rpida e aproximada de posio;
b. quando a medida de posio deva ser o valor mais tpico da
distribuio.

54

4 Mediana
A Mediana de um conjunto de valores, dispostos segundo uma ordem
(crescente ou decrescente), o valor situado de tal forma no conjunto que o
separa em dois subconjuntos de mesmo nmero de elementos.
Smbolo da mediana: Md
4.1 Dados no-agrupados
Dada uma srie de valores como, por exemplo:
{5, 2, 6, 13, 9, 15, 10}
De acordo com a definio de mediana, o primeiro passo a ser dado o da
ordenao (crescente ou decrescente) dos valores:
{2, 5, 6, 9, 10, 13, 15}
Em seguida, tomamos aquele valor central que apresenta o mesmo nmero de
elementos direita e esquerda. Neste caso o valor que divide a srie acima
em duas partes iguais o 9, logo a Md = 9.
Se, porm, a srie dada tiver um nmero par de termos, a mediana ser, por
definio, qualquer dos nmeros compreendidos entre os dois valores centrais
da srie. Convencionou-se utilizar o ponto mdio.
.Mtodo prtico para o clculo da Mediana
a) Se a srie dada tiver nmero mpar de termos:
O valor mediano ser o termo de ordem dado pela frmula:
(n+1)/2

Exemplo: Calcule a mediana da srie {1, 3, 0, 0, 2, 4, 1, 2, 5}

1 - ordenar a srie {0, 0, 1, 1, 2, 2, 3, 4, 5}
n = 9, logo (n + 1)/2 dado por (9 + 1) / 2 = 5, ou seja, o 5 elemento da srie
ordenada ser a mediana.
A mediana ser o 5 elemento = 2

55

b) Se a srie dada tiver nmero par de termos:

O valor mediano ser dado pela frmula:
. [( n/2 ) +( n/2+ 1 )] / 2
Obs.: n/2 e (n/2 + 1) sero termos de ordem e devem ser substitudos pelo valor
correspondente.

Exemplo: Calcule a mediana da srie {1, 3, 0, 0, 2, 4, 1, 3, 5, 6}

1 - ordenar a srie {0, 0, 1, 1, 2, 3, 3, 4, 5, 6 }
n = 10, logo a frmula ficar: [(10/2 ) + (10/2 + 1)] / 2
[(5 + 6)] / 2, ser na realidade (5 termo+ 6 termo) / 2
5 termo = 2 e 6 termo = 3
A mediana ser = (2 + 3) / 2, ou seja, Md = 2,5. A mediana no exemplo ser a
mdia aritmtica do 5 e 6 termos da srie.
Notas:

Quando o nmero de elementos da srie estatstica for mpar, haver

coincidncia da mediana com um dos elementos da srie.

Quando o nmero de elementos da srie estatstica for par, nunca haver

coincidncia da mediana com um dos elementos da srie. A mediana
ser sempre a mdia aritmtica dos 2 elementos centrais da srie.

Em uma srie a mediana, a mdia e a moda no tm, necessariamente, o

mesmo valor.

A mediana depende da posio e no dos valores dos elementos na srie

ordenada. Essa uma da diferenas marcantes entre mediana e mdia
(que se deixa influenciar, e muito, pelos valores extremos). Vejamos:
Em {5, 7, 10, 13, 15}; a mdia = 10 e a mediana = 10
Em {5, 7, 10, 13, 65}; a mdia = 20 e a mediana = 10

Isto , a mdia do segundo conjunto de valores maior do que a do primeiro,

por influncia dos valores extremos, ao passo que a mediana permanece a
mesma.

56

4.2 Dados agrupados

Se os dados se agrupam em uma distribuio de frequncia, o clculo da
mediana se processa de modo muito semelhante quele dos dados noagrupados, implicando, porm, a determinao prvia das frequncias
acumuladas.
Ainda aqui, temos que determinar um valor tal que divida a distribuio em
dois grupos que contenham o mesmo nmero de elementos.
Sem intervalos de classe
Neste caso, o bastante identificar a frequncia acumulada imediatamente
superior metade da soma das frequncias. A mediana ser aquele valor da
varivel que corresponde a tal frequncia acumulada.
- Quando o somatrio das frequncias for mpar o valor mediano ser o termo
de ordem dado pela frmula:

Exemplo considere a distribuio abaixo:

Varivel xi
0
1
2
3
4
Total

fi
2
6
9
13
5
35

Fi
2
8
17
30
35
--

Como o somatrio das frequncias fi = 35, a frmula para calcular a mediana

ser:
(35+1) / 2 = 18 termo
Pela distribuio temos a mediana igual ao valor da varivel correspondente
ao 18 termo, ou seja, igual a 3.

57

- Quando o somatrio das frequncias for par o valor mediano ser o termo de
ordem dado pela frmula:

Exemplo - Calcule Mediana da tabela abaixo:

Varivel xi
12
14
15
16
17
20
Total

fi
1
2
1
2
1
1
8

Fi
1
3
4
6
7
8
--

Aplicando frmula acima teremos:

[(8/2)+ (8/2+1)]/2 = (4 termo + 5 termo) / 2 = (15 + 16) / 2 = 15,5
Logo, o valor da mediana para esta distribuio ser igual a 15,5.

Com intervalos de classe

Neste caso, o problema consiste em determinar o ponto do intervalo em que
est compreendida a mediana.
Para tanto, temos inicialmente que determinar a classe na qual se acha a
mediana classe mediana.
Devemos seguir os seguintes passos:

58

Exemplo: Considere a distribuio a seguir

Classes
50 |------- 54
54 |------- 58
58 |------- 62
62 |------- 66
66 |------- 70
70 |------- 74
Total
Temos:

fi
4
9
11
8
5
3
40

Fi
4
13
24
32
37
40
--

= 40 / 2 =.20

Logo,.a classe mediana ser a terceira classe, ou seja, 58 |------ 62 e com base
nesta classe temos ainda:
l* = 58........... F(ant) = 13........... f* = 11........... h* = 4
Substituindo esses valores na frmula acima, obtemos:
Md = 58 + [(20 - 13) x 4] / 11 = 58 + (28/11) = 58 + 2,54 = 60,54
Obs.: Este valor (Md = 60,54) estimado, pois no temos os 40 valores da
distribuio.
NOTA: No caso de existir uma frequncia acumulada exatamente igual a fi/2, a
mediana ser o limite superior da classe correspondente.

59

Exemplo: Considere a distribuio a seguir

i
1
2
3
4
5
6

Classes
0 |------ 10
10 |------ 20
20 |------ 30
30 |------ 40
40 |------ 50
50 |------ 60
Total
Temos:

fi
1
3
9
7
4
2
26

Fi
1
4
13
20
24
26
--

= 26 / 2 =.13

Logo,.Md = L* = 30
4.3 - Emprego da Mediana
A mediana usada quando:
a. desejamos obter o ponto que divide a distribuio em duas partes iguais;
b. h valores extremos que afetam de maneira acentuada a mdia
aritmtica;
c. a varivel em estudo salrio.
5 Posio Relativa da Mdia, Moda e Mediana
Quando uma distribuio simtrica, as trs medidas coincidem. Porm, a
assimetria torna-as diferentes e essa diferena tanto maior quanto maior a
assimetria. Assim, em uma distribuio em forma de sino, temos:
Media = Mediana = Moda, no caso da curva simtrica;
Moda < Mediana < Media, no caso da curva assimtrica positiva;
Media < Mediana < Moda, no caso da curva assimtrica negativa;

60

6 As Separatrizes
Como vimos, a mediana caracteriza uma srie de valores devido sua posio
central. No entanto, ela apresenta uma caracterstica, to importante quanto a
primeira: ela separa a srie em dois grupos que apresentam o mesmo
nmero de valores.
Assim, alm das medidas de posio que estudamos, h outras que,
consideradas individualmente, no so medidas de tendncia central, mas
esto ligadas mediana relativamente sua segunda caracterstica, j que se
baseiam em posio na srie. Essas medidas os quartis, os percentis e os
decis so, juntamente com a mediana, conhecidas pelo nome genrico de
separatrizes.
6.1 Os quartis
Denominamos quartis os valores de uma srie que a divide em quatro
partes iguais.

61

H, portanto, trs quartis:

a. O primeiro quartil (Q1) valor situado de tal modo na srie que uma
quarta parte (25%) dos dados menor que ele e as trs quartas partes
restantes (75%) so maiores.
b. O segundo quartil (Q2) evidentemente, coincide com a mediana (Q2
= Md).
c. O terceiro quartil (Q3) valor situado de tal modo na srie que as trs
quartas partes (75%) dos termos so menores que ele e uma quarta parte
restante (25%) maior.
Quando os dados so agrupados, para determinar os quartis usamos a
mesma tcnica do clculo da mediana, bastando substituir, na frmula da
mediana,

por:

Sendo K o nmero de ordem do quartil. Assim temos:

62

Exemplo:
Classes
150 |------- 154
154 |------- 158
158 |------- 162
162 |------- 166
166 |------- 170
170 |------- 174
Total

fi
4
9
11
8
5
3
40

Fi
4
13
24
32
37
40
--

(Q1)
(Q3)

Exerccio:
1. Complete os esquemas para o clculo do primeiro e do terceiro quartis
da distribuio de frequncia:

63

6.2 Os Decis
Denominamos decis os nove valores que separam uma srie em 10 partes
iguais.
Indicamos:
D1, D2, D3, ............, D9
evidente que:
D5= Q2 = Md

64

O clculo de um decil segue a mesma tcnica do clculo da mediana, porm, a

frmula

ser substituda por:

10

Sendo K o nmero de ordem do decil. Assim temos:

D1

D3

10

10

Exemplo: Calcule o stimo decil

Classes
150 |------- 154
154 |------- 158
158 |------- 162
162 |------- 166
166 |------- 170
170 |------- 174
Total

fi
4
9
11
8
5
3
40

Fi
4
13
24
32
37
40
--

(D7)

Stimo Decil:
7 x fi/10 = 7 x 40/10 = 28
D7 = 162 + (28 -24).4
8
D7 = 162 + 2 = 164

65

6.3 Os Percentis
Denominamos percentis os noventa e nove valores que separam uma srie
em 100 partes iguais.
Indicamos:
P1, P2, P3, ............, P99
evidente que:
P50= D5= Q2 = Md, P25= Q1, P75= Q3
O clculo de um percentil segue a mesma tcnica do clculo da mediana,
porm, a frmula

ser substituda por:

Sendo K o nmero de ordem do percentil. Assim para o 27 percentil, temos:

Exemplo:
Considerando a distribuio de frequncia, temos para o oitavo percentil:
Classes
150 |------- 154
154 |------- 158
158 |------- 162
162 |------- 166
166 |------- 170
170 |------- 174
Total

fi
4
9
11
8
5
3
40

Fi
4
13
24
32
37
40
--

(P8)

66

67

Exerccio:
1. Complete o esquema para o clculo do vigsimo percentil da distribuio:

68

2. Calcule a mdia aritmtica das distribuies de frequncia abaixo:

3. Calcule a mediana de cada uma das distribuies de frequncia do exerccio

anterior.
4. Calcule a moda de cada uma das distribuies de frequncia do exerccio
anterior.
5. Calcule o primeiro e o terceiro quartis de cada uma das distribuies de
frequncia do exerccio anterior.
5. Calcule o quarto e o nono decil de cada uma das distribuies de frequncia
do exerccio anterior.
6. Calcule o 1, o 10, o 15, o 23 e o 90 percentiis de cada uma da
distribuio b) do exerccio anterior.

69

VII MEDIDAS DE DISPERSO OU VARIABILIDADE

1 Disperso ou variabilidade
Vimos anteriormente que um conjunto de valores pode ser convenientemente
sintetizado, por meio de procedimentos matemticos, em poucos valores
representativos mdia aritmtica, moda e mediana. Tais valores podem
servir de comparao para dar a posio de qualquer elemento do conjunto.
No entanto, quando se trata de interpretar dados estatsticos, mesmo aqueles j
convenientemente simplificados, necessrio ter-se uma idia retrospectiva de
como se apresentavam esses mesmos dados nas tabelas.
Assim, no o bastante dar uma das medidas de posio para caracterizar
perfeitamente um conjunto de valores. Vemos, ento, que a mdia ainda que
considerada como um nmero que tem a faculdade de representar uma srie de
valores no pode, por si mesma, destacar o grau de homogeneidade que
existe entre os valores que compem o conjunto.
Consideremos os seguintes conjuntos de valores das variveis x, y e z:
X: 70, 70, 70, 70, 70
Y: 68, 69, 70, 71, 72
Z: 5, 15, 50, 120, 160
Calculando a mdia aritmtica de cada um desses conjuntos, obtemos:
mdia da varivel x = 70;
mdia da varivel y = 70;
mdia da varivel z = 70;
Vemos, ento, que os trs conjuntos apresentam a mesma mdia aritmtica: 70
Entretanto, fcil notar que o conjunto X mais homogneo que os
conjuntos Y e Z, j que todos os valores so iguais mdia. O conjunto Y,
por sua vez, mais homogneo que o conjunto Z, pois h menor
diversificao entre cada um de seus valores e a mdia representativa.
Chamando de disperso ou variabilidade a maior ou menor diversificao
dos valores de uma varivel em torno de um valor de tendncia central tomado
como ponto de comparao, podemos dizer que o conjunto X apresenta
70

disperso ou variabilidade nula e que o conjunto Y apresenta uma disperso

ou variabilidade menor que o conjunto Z.
Portanto, para qualificar os valores de uma dada varivel, ressaltando a maior
ou menor disperso ou variabilidade entre esses valores e a sua medida de
posio, a Estatstica recorre s medidas de disperso ou de variabilidade.
Dessas medidas, estudaremos a amplitude total, o Desvio-padro, a
Varincia e o Coeficiente de variao.
2 Amplitude Total
2.1 Dados no-agrupados
A Amplitude total a diferena entre o maior e o menor valor observado:
AT = X (max) - X (min)
Exemplo: para os valores: 40, 45, 48, 52, 54, 62 e 70
Temos: AT = 70 40 = 30, logo AT = 30.
Quando dizemos que a amplitude total dos valores 30, estamos afirmando
alguma coisa do grau de sua concentrao. evidente que, quanto maior a
amplitude total, maior a disperso ou variabilidade dos valores da varivel.
Relativamente aos trs conjuntos de valores (X, Y e Z) mencionados no incio
deste captulo, temos:
ATX = 70 70 = 0, (disperso nula)
ATY = 72 68 = 4
ATZ = 160 5 = 155
2.2 Dados agrupados
2.2.1 Sem intervalos de classe
Neste caso, ainda temos:
AT = X (max) - X (min)

71

Exemplo:
Considerando a tabela abaixo:
Xi
0
1
2
3
4
Total

fi
2
6
12
7
3
30

Temos: AT = 4 0 = 4, logo AT = 4.
2.2.2 Com intervalos de classe
Neste caso, a amplitude total a diferena entre o limite superior da ltima
classe e o limite inferior da primeira classe:
AT = L (max) - l (min)
Exemplo:
Considerando a distribuio de frequncia abaixo:
Classes
150 |------- 154
154 |------- 158
158 |------- 162
162 |------- 166
166 |------- 170
170 |------- 174
Total

fi
4
9
11
8
5
3
40

Temos:
AT = 174 150 = 24, logo: AT = 24 cm.
A amplitude total tem o inconveniente de s levar em conta os dois valores
extremos da srie, descuidando do conjunto de valores intermedirios, o que
quase sempre invalida a idoneidade do resultado. Ela apenas uma indicao
aproximada da disperso ou variabilidade.

72

3 Varincia e Desvio-padro
3.1 Introduo:
A varincia e o desvio-padro levam em considerao a totalidade dos valores
da varivel em estudo, o que faz delas ndices de variabilidade bastante
estveis e, por isso mesmo, os mais geralmente empregados.
A varincia uma medida que tem pouca utilidade como estatstica descritiva,
porm extremamente importante na inferncia estatstica e em combinaes
de amostras.
A varincia baseia-se nos desvios em torno da mdia aritmtica, porm
determinando mdia aritmtica dos quadrados dos desvios. Assim,
representando a varincia por s2, temos:

Quando se tratar de uma amostra devemos usar no denominador n 1.

Sendo a varincia calculada a partir dos quadrados dos desvios, ela um
nmero em unidade quadrada em relao varivel em questo, o que, sob o
ponto de vista prtico inconveniente.
Por isso mesmo, imaginou-se uma nova medida que tem utilidade e
interpretaes prticas, denominada desvio-padro, definida como a raiz
quadrada da varincia e representada por S.

Quando se tratar de uma amostra devemos usar no denominador n 1.

NOTA:
73

 Tanto o desvio-padro como a varincia so usados como medidas de

disperso ou variabilidade. O uso de uma ou de outra depender da
finalidade que se tenha em vista.
Outra frmula bastante utilizada para calcular o desvio-padro de uma
populao :

3.2 Propriedades do desvio-padro

O desvio padro uma medida que s pode assumir valores no negativos e
quanto maior for o seu valor, maior ser a disperso dos dados.
Algumas propriedades do desvio padro, que resultam imediatamente da
definio, so:
Somando-se (ou subtraindo-se) uma constante a todos os valores de
uma varivel, o desvio padro no se altera.
yi = xi c sy = sx
Multiplicando-se (ou dividindo-se) todos os valores de uma varivel por
uma constante (diferente de zero), o desvio padro fica multiplicado
(ou dividido) por essa constante.
yi = xi . c sy = c . sx

O desvio padro sempre no negativo e ser tanto maior, quanta mais

variabilidade houver entre os dados.

Se s = 0, ento no existe variabilidade, isto , os dados so todos

iguais.
Essas propriedades nos permitem introduzir, no clculo do desvio padro
simplificaes teis.
Para o clculo do desvio-padro, consideremos os seguintes casos:

74

3.3 Dados no-agrupados

Devemos empregar uma das duas frmulas mostradas para clculo do desviopadro.
Exemplo: Calcular o desvio padro da populao representada por:
Populao = {10, 6, 1, 3, 5}
xi
10
6
1
3
5

5
5
5
5
5

5
1
-4
-2
0

25
1
16
4
0

--

--

= 46

Usando a frmula:

Sabemos que n = 5 e que

/ n = 46 / 5 = 9,2.

Logo, a raiz quadrada de 9,2 o desvio padro, S = 3,03

Obs.: Podemos tambm calcular utilizando a outra frmula possvel.
Quando nosso interesse no se restringe descrio dos dados, mas, partindo
da amostra, visamos tirar inferncias vlidas para a respectiva populao,
convm efetuar uma modificao, que consiste em usar o divisor (n 1) em
lugar de n. A frmula ficar ento:

Exemplo: Se os dados 10, 6, 1, 3 e 5 representassem uma amostra o desvio

padro amostral seria a raiz quadrada de 46 / (5 -1) = 3,39

75

3.4 Dados agrupados

Quando os dados esto agrupados (temos a presena de frequncias) a frmula
do clculo do desvio padro para uma populao ficar:

Quando se trata de uma amostra devemos usar a seguinte frmula:

Podemos tambm calcular o desvio-padro populacional pela seguinte

frmula:

Exemplo:
Calcule o desvio padro populacional da tabela abaixo:
xi
0
1
2
3
4

fi
2
6
12
7
3

xi . f i
0
6
24
21
12

Total

30

63

Sabemos que fi = 30 e

.fi
2,1
2,1
2,1
2,1
2,1
--

-2,1
-1,1
-0,1
0,9
1,9

4,41
1,21
0,01
0,81
3,61

Somatrio

8,82
7,26
0,12
5,67
10,83
32,70

. f i / n = 32,7 / 30 = 1,09.

A raiz quadrada de 1,09 o desvio padro, ou seja, s = 1,044

76

Se considerarmos os dados como sendo de uma amostra o desvio padro seria:

A raiz quadrada de 32,7 / (30 -1) = 1,062
Obs: Nas tabelas de frequncias com intervalos de classe a frmula a ser
utilizada a mesma do exemplo anterior.
No exemplo anterior a varincia igual a:
a) Para a populao
S2 = (1,044)2 = 1,09
b) Para a amostra: S2 = (1,062)2 = 1,13
3.5 Entendendo o significado do desvio-padro:
Em termos simples, desvio-padro um modo de representar a disperso dos
dados ao redor da mdia. Se os dados obedecerem a uma distribuio normal,
todos estaro compreendidos por uma curva em forma de sino; eles se
distribuiro simetricamente ao redor da mdia.
O quadro a seguir mostra os dados contidos entre desvio-padro para ambos
os lados da mdia.
Mdia + ou ( ) desviopadro

% da populao includa

Grosseiramente

68,3

2/3 da populao

1,96

95,0

95,5

2,58

99,0

99,7

95 % da populao

100 % da populao

77

1 - Aproximadamente 68% dos dados esto no intervalo

2 - Aproximadamente 95% dos dados esto no intervalo

78

4 Coeficiente de Variao

O desvio padro por si s no nos diz muita coisa. Assim, um desvio padro
de duas unidades pode ser considerado pequeno para uma srie de valores cujo
valor mdio 200; no entanto, se a mdia for igual a 20, o mesmo no pode
ser dito. Alm disso, o fato de o desvio padro ser expresso na mesma unidade
dos dados limita o seu emprego quando desejamos comparar duas ou mais
sries de valores, relativamente sua disperso ou variabilidade, quando
expressas em unidades diferentes.
Para contornar essas dificuldades e limitaes, podemos caracterizar a
disperso ou variabilidade dos dados em termos relativos a seu valor mdio,
medida essa denominada coeficiente de variao (CV):

Exemplo:
Tomemos os resultados das medidas das estaturas e dos pesos de um mesmo
grupo de indivduos:
S
Estaturas

175 cm

5,0 cm

Pesos

68 Kg

2,0 Kg

Temos:
CVE = 5/175 x 100 = 2,85%
CVP = 2/68 x 100 = 2,94%
Logo, nesse grupo de indivduos, os pesos apresentam maior grau de disperso
que as estaturas.

79

VIII - PROBABILIDADE
1 - Introduo:
O clculo das probabilidades pertence ao campo da Matemtica, entretanto a
maioria dos fenmenos de que trata a Estatstica so de natureza aleatria ou
probabilstica. O conhecimento dos aspectos fundamentais do clculo da
probabilidade uma necessidade essencial para o estudo da Estatstica
Indutiva ou Inferencial.
2 - Experimento Aleatrio
So fenmenos que, mesmo repetidos vrias vezes sob condies semelhantes,
apresentam resultados imprevisveis. O resultado final depende do acaso.
Exemplo:
Da afirmao " provvel que o meu time ganhe a partida hoje" pode resultar:
- que ele ganhe

- que ele perca

- que ele empate

Este resultado final pode ter trs possibilidades.

3 - Espao Amostral
No experimento aleatrio "lanamento de uma moeda" temos o espao
amostral: {cara, coroa}.
No experimento aleatrio "lanamento de um dado" temos o espao
amostral: {1, 2, 3, 4, 5, 6}.
No experimento aleatrio "dois lanamentos sucessivos de uma moeda" temos
o espao amostral:
{(ca,ca) ; (co,co) ; (ca,co) ; (co,ca)}

Ao conjunto desses resultados possveis de um experimento aleatrio damos o

nome de espao amostral ou conjunto universo, representado por S.
.

80

Obs.: cada elemento do espao amostral que corresponde a um resultado

recebe o nome de ponto amostral. No primeiro exemplo: cara pertence ao
espao amostral {cara, coroa}.
4 - Eventos
qualquer subconjunto do espao amostral S de um experimento aleatrio.
Se considerarmos S como espao amostral e E como evento: Assim, qualquer
que seja E, se E est contido em S, ento E um evento de S.
Se E = S, E chamado de evento certo.
Se E est contido em S e E um conjunto unitrio, E chamado de evento
elementar.
Se E = , E chamado de evento impossvel.
5 - Probabilidade
Dado um experimento aleatrio, sendo S o seu espao amostral, vamos
admitir que todos os elementos de S tenham a mesma chance de acontecer, ou
seja, que S um conjunto equiprovvel.

Exemplos:
1- No lanamento de uma moeda qual a probabilidade de obter cara em um
evento A?
S = {ca, co} = 2

A = {ca} = 1

P (A) = 1/2 = 0,5 = 50%

81

2- No lanamento de um dado qual a probabilidade de obter um nmero par

em um evento A?
S = {1,2,3,4,5,6} = 6

A = {2,4,6} = 3

P (A) = 3/6 = 0,5 = 50%

3- No lanamento de um dado qual a probabilidade de obter um nmero

menor ou igual a 6 em um evento A?
S = {1,2,3,4,5,6} = 6

A = {1,2,3,4,5,6} = 6

P (A) = 6/6 = 1,0 = 100%

Obs: a probabilidade de todo evento certo igual a 1 ou 100%.

4- No lanamento de um dado qual a probabilidade de obter um nmero
maior que 6 em um evento A?
S = {1,2,3,4,5,6} = 6

A={ }=0

P (A) = 0/6 = 0 = 0%

Obs: a probabilidade de todo evento impossvel igual a 0 ou 0%

6 - Eventos Complementares
Sabemos que um evento pode ocorrer ou no. Sendo p a probabilidade de que
ele ocorra (sucesso) e q a probabilidade de que ele no ocorra (insucesso),
para um mesmo evento existe sempre a relao:
p+q=1
Obs.: Numa distribuio de probabilidades o somatrio das probabilidades
atribudas a cada evento elementar igual a 1.
Logo temos: p1 + p2 + p3 + ... + pn = 1.
Exemplos:
1 - Sabemos que a probabilidade de tirar o n 4 no lanamento aleatrio de um
dado p = 1/6. Logo, a probabilidade de no tirar o n 4 no lanamento de um
dado : q = 1 - p ou q = 1 - 1/6 = 5/6.
2 - Calcular a probabilidade de um piloto de automveis vencer uma dada
corrida, onde as suas "chances", segundo os entendidos, so de "3 para 2".
Calcule tambm a probabilidade dele perder:

82

O termo "3 para 2" significa : De cada 5 corridas ele ganha 3 e perde 2. Ento
p = 3/5 (ganhar) e q = 2/5 (perder).
7 - Eventos Independentes
Dizemos que dois eventos so independentes quando a realizao ou a norealizao de um dos eventos no afeta a probabilidade da realizao do outro
e vice-versa.
Por exemplo, quando lanamos dois dados, o resultado obtido em um deles
independe do resultado obtido no outro.
Se dois eventos so independentes, a probabilidade de que eles se realizem
simultaneamente igual ao produto das probabilidades de realizao dos dois
eventos.
Assim, se p1 a probabilidade de realizao do primeiro evento e a p2 a
probabilidade de realizao do segundo evento, a probabilidade de que tais
eventos se realizem simultaneamente dada por:
p = p1 x p2
Exemplo: Lanamos dois dados.
A probabilidade de obtermos 1 no primeiro dado : p = 1/6
A probabilidade de obtermos 5 no segundo dado : p = 1/6
Logo, a probabilidade de obtermos, simultaneamente, 1 no primeiro e 5 no
segundo :
p = 1/6 x 1/6 = 1/36
8 - Eventos Mutuamente Exclusivos
Dizemos que dois ou mais eventos so mutuamente exclusivos quando a
realizao de um dos eventos exclui a realizao do(s) outro(s).
Assim, quando lanamos uma moeda, o evento tirar cara e o evento tirar
coroa so mutuamente exclusivos, j que, ao se realizar um deles, o outro no
se realiza.

83

Se dois eventos so mutuamente exclusivos, a probabilidade de que um ou

outro se realize igual soma das probabilidades de que cada um deles se
realize:
p = p1 + p2
Exemplo: Lanamos um dado. A probabilidade de se tirar 3 ou 5 :
p = 1/6 + 1/6 = 1/3, pois como vimos, os dois eventos so mutuamente
exclusivos.

Exerccios Resolvidos
1 Qual a probabilidade de sair o s de ouros quando retirarmos uma carta de
um baralho de 52 cartas?
Resposta: Como s h um s de ouros, o nmero de elementos do evento 1;
logo: p = 1/52.
2 Qual a probabilidade de sair um rei quando retirarmos uma carta de um
baralho de 52 cartas?
Resposta: Como h quatro reis no baralho, o nmero de elementos do evento
4; logo: p = 4/52 = 1/13.
3 Em um lote de 12 peas, 4 so defeituosas. Sendo retirada uma pea,
calcule:
a. a probabilidade de essa pea ser defeituosa
Resposta: Temos p = 4/12 = 1/3.
b. a probabilidade de essa pea no ser defeituosa
Resposta: Temos p = 1 - 1/3 = 2/3.
4 No lanamento de dois dados, calcule a probabilidade de se obter soma
igual a 5.
Resposta: O evento formado pelos elementos (1,4), (2,3), (3,2) e (4,1). Como
o nmero de elementos de S 36, temos: p = 4/36 = 1/9.

84

5 De dois baralhos de 52 cartas retiram-se, simultaneamente, uma carta do

primeiro baralho e uma carta do segundo. Qual a probabilidade de a carta do
primeiro baralho ser um rei e a do segundo ser o 5 de paus?
Resposta: Como h quatro reis no baralho, o nmero de elementos do evento
4; logo: p1 = 4/52 = 1/13 e p2 = 1/52. Como esses dois acontecimentos so
independentes e simultneos, vem: p = 1/13 x 1/52 = 1/676.
6 Uma urna A contm: 3 bolas brancas, 4 pretas, 2 verdes; uma urna B
contm: 5 bolas brancas, 2 pretas, 1 verde; uma urna C contm: 2 bolas
brancas, 3 pretas e 4 verdes. Uma bola retirada de cada urna. Qual a
probabilidade de as bolas retiradas da primeira, segunda e terceira urnas
serem, respectivamente, branca, preta e verde?
Resposta: Temos: p1 = 3/9 = 1/3; p2 = 2/8= 1/4 e p3 = 4/9. Como esses trs
acontecimentos so independentes e simultneos, vem: p = 1/3 x 1/4 x 4/9 =
1/27.
7 De um baralho de 52 cartas retiram-se, ao acaso, duas cartas sem
reposio. Qual a probabilidade de a primeira carta ser o s de paus e a
segunda ser o rei de paus?
Resposta: A probabilidade de sair o s de paus na primeira carta p1 = 1/52.
Aps a retirada da primeira carta, restam 51 cartas no baralho, j que a
carta retirada no foi reposta. Assim, a probabilidade de a segunda carta ser
o rei de paus p2 = 1/51. Como esses dois eventos so independentes, temos:
p = 1/52 x 1/51= 1/2652.
8 Qual a probabilidade de sair uma figura quando retiramos uma carta de um
baralho de 52 cartas?
Resposta: Temos pR = 4/52 = 1/13, pD = 1/13 pV = 1/13. Como esses eventos
so mutuamente exclusivos, vem: p = 1/13 + 1/13 + 1/13 = 3/13.
9 Qual a probabilidade de sair uma carta de copas ou de ouros quando
retiramos uma carta de um baralho de 52 cartas?
Resposta: Temos pC = 13/52 = 1/4, pO = 1/4. Como esses eventos so
mutuamente exclusivos, vem: p = 1/4 + 1/4 = 1/2.
10 No lanamento de um dado, qual a probabilidade de se obter um nmero
no-inferior a 5?

85

Resposta: A probabilidade de se ter um nmero no-inferior a 5 a

probabilidade de se obter 5 ou 6. Assim, p = 1/6 + 1/6 = 1/3.
11 So dados dois baralhos de 52 cartas. Tiramos, ao mesmo tempo, uma
carta do primeiro baralho e uma carta do segundo. Qual a probabilidade de
tirarmos uma dama e um rei, no necessariamente nesta ordem?
Resposta: A probabilidade de tirarmos uma dama do primeiro baralho p =
4/52 = 1/13 e um rei do segundo p = 4/52 = 1/13, de acordo com o
problema: p1 = 1/13 x 1/13= 1/169.
A probabilidade de tirarmos um rei do primeiro baralho e uma dama do
segundo : p2 = 1/13 x 1/13= 1/169.
Como esses dois eventos so mutuamente exclusivos, temos: p = 1/169 +
1/169= 2/169.
12 Dois dados so lanados conjuntamente. Determine a probabilidade de a
soma ser 10 ou maior que 10.
Resposta: A soma dever ser ento 10, 11 ou 12. Para que a soma seja 10, a
probabilidade (4,6); (5,5) e (6,4), logo: p = 3/36. Para que a soma seja 11,
a probabilidade (5,6) e (6,5), logo: p = 2/36. Para que a soma seja 12, a
probabilidade (6,6), logo: p = 1/36.
Como esses trs eventos so mutuamente exclusivos, temos: p = 3/36 + 2/36
+ 1/36 = 6/36 = 1/6.

86

IX DISTRIBUIES BINOMIAL E NORMAL

Neste captulo apresentaremos dois modelos tericos de distribuio de
probabilidade, aos quais um experimento aleatrio estudado possa ser
adaptado, o que permitir a soluo de grande nmero de problemas prticos.
1 - Experimento Aleatrio
Suponhamos um espao amostral S e que cada ponto amostral seja atribudo
um nmero. Fica, ento, definida uma funo chamada varivel aleatria,
indicada por uma letra maiscula, sendo seus valores indicados por letras
minsculas.
Assim, se o espao amostral relativo ao lanamento de duas moedas S =
{(Ca, Ca), (Ca, Co), (Co, Ca), (Co, Co)} e se X representa o nmero de
caras que aparecem, a cada ponto amostral podemos associar um nmero
para X, de acordo com a tabela abaixo:
PONTO
AMOSTRAL
(Ca, Ca)
(Ca, Co)
(Co, Ca)
(Co, Co)

X
2
1
1
0

2 Distribuio de Probabilidade
Consideremos a distribuio de freqncias relativa ao nmero de acidentes
dirios em um estacionamento:
N DE
ACIDENTES
0
1
2
3
TOTAL

FREQUENCIAS
22
5
2
1
30

87

Em um dia, a probabilidade de:

- no ocorrer acidente : p = 22/30 = 0,73
- ocorrer um acidente : p = 5/30 = 0,17
- ocorrerem dois acidentes : p = 2/30 = 0,07
- ocorrerem trs acidentes : p = 1/30 = 0,03
Podemos, ento, escrever:
N DE
ACIDENTES
0
1
2
3
TOTAL

PROBABILIDADES
0,73
0,17
0,07
0,03
1,00

Essa tabela denominada distribuio de probabilidade.

Seja X uma varivel aleatria que pode assumir os valores x1, x2, x3, ....., xn. A
cada valor xi correspondem a probabilidade pi de ocorrncia de tais pontos no
espao amostral.
Assim, temos:
pi = 1

Os valores x1, x2, x3, ....., xn e seus correspondentes p1, p2, p3, ....., pn definem
uma distribuio de probabilidade.
Assim, voltando a tabela inicial. Temos:

88

Logo, podemos escrever:

N DE CARAS (X)
0
1
2

P(X)
1/4
2/4
1/4
=1

Ao definir a distribuio de probabilidade, estabelecemos uma

correspondncia unvoca entre os valores da varivel aleatria X e os valores
da varivel P. Esta correspondncia define uma funo; os valores xi (i = 1, 2,
3, ...., n) formam o domnio da funo e os valores de pi (i = 1, 2, 3, ...., n), o
seu conjunto imagem.
Essa funo, assim definida, denominada funo probabilidade e
representada por:
f(x) = P(X = xi)
A funo P(X = xi) determina a distribuio de probabilidade de varivel

aleatria X.
Assim, ao lanarmos um dado, a varivel aleatria X, definida por pontos de
um dado, pode tomar os valores 1, 2, 3, ........., 6.
Como a cada um destes valores est associada uma e uma s probabilidade de
realizao e P(xi) = 1, fica definida uma funo de probabilidade, da qual
resulta a seguinte distribuio de probabilidade:

X
1
2
3
4
5
6

P(X)
1/6
1/6
1/6
1/6
1/6
1/6
=1

89

3 Distribuio Binomial
Eventos binomiais so marcados pela existncia de duas categorias,
mutuamente excludentes e coletivamente exaustivos. Mutuamente excludentes
significa que uma categoria implica a possibilidade da no-ocorrncia
simultnea da outra categoria. Por coletivamente exaustivas entende-se que a
unio de ambos os eventos resulta no espao amostral.
Exemplos de eventos binomiais podem ser fornecidos por meio de nmeros
pares e mpares no lanamento de um dado honesto, e por meio da extrao de
cartas vermelhas e pretas de um baralho.
Geralmente, em anlises estatsticas, os exemplos mais comuns de eventos
binomiais so aqueles que estabelecem situaes de sucesso e fracasso.
Situaes de sucesso correspondem quilo que se deseja estudar. Situaes de
fracasso correspondem ao complemento. Ou seja, quilo que no se deseja
estudar.
Vamos, neste item, considerar experimentos que satisfaam a seguintes
condies:
a. O experimento deve ser repetido, nas mesmas condies, um nmero
finito de vezes (n).
b. As provas repetidas devem ser independentes, isto , o resultado de uma
no deve afetar os resultados das sucessivas.
c. Em cada prova deve aparecer um dos dois possveis resultados: sucesso
e insucesso.
d. No decorrer do experimento, a probabilidade p do sucesso e a
probabilidade q (q = 1 p) do insucesso manter-se-o constantes.
Resolveremos problemas do tipo: determinar a probabilidade de se obterem k
sucessos em n tentativas.
O experimento obteno de caras em cinco lanamentos sucessivos e
independentes de uma moeda satisfaz essas condies. Sabemos que, quando
da realizao de um experimento qualquer em uma nica tentativa, se a
probabilidade de realizao de um evento (sucesso) p, a probabilidade de
no-realizao desse mesmo evento (insucesso) 1 p = q.

90

Suponhamos, agora, que realizemos a mesma prova n vezes sucessivas e

independentes. A probabilidade de que um evento se realize k vezes nas
provas dada pela funo:

Na qual:
P(X = k) a probabilidade de que o evento se realize k vezes em n provas;
p a probabilidade de que o evento se realize em uma s prova sucesso;
q a probabilidade de que o evento no se realize no decurso dessa
insucesso;

Essa funo, denominada lei binomial, define a distribuio binomial.

Exerccios Resolvidos
1 Uma moeda lanada 5 vezes seguidas e independentes. Calcule a
probabilidade de serem obtidas 3 caras nessas 5 provas.

91

2 Dois times de futebol, A e B, jogam entre si 6 vezes. Encontre a

probabilidade de o time A ganhar 4 jogos.

3 Uma moeda honesta, que apresenta a mesma probabilidade de cara ou

coroa, jogada quatro vezes. Deseja-se calcular a probabilidade de sair cara:
(a) uma vez; (b) trs vezes, (c) pelo menos uma vez.
Neste caso, sabe-se que n igual a 4 (nmero de lances da moeda); a
probabilidade de sair cara igual a meio, ou p = 0,50. A probabilidade de sair
coroa tambm igual a meio, ou q = 1 p = 1 0,50 = 0,50.
A varivel x varia para cada situao:
(a) Para calcular a probabilidade de ocorrer apenas uma cara, x = 1.
P(x = 1) = C4,1(0,50)1(0,50)4-1 = 0,25 ou 25%
(b) Para calcular a probabilidade de ocorrerem trs caras, x = 3.
P(x = 3) = C4,3(0,50)3(0,50)4-3 = 0,25 ou 25%
(c) Pelo menos uma vez implica na aceitao do nmero de caras igual a 1,
2, 3 ou 4, ou na probabilidade de x = 1, ou x = 2, ou x = 3, ou x = 4. Ou,
de forma mais fcil, pelo menos uma vez implica na aceitao de
qualquer resultado menos o resultado x = 0.
P(x 1) = P(x = 1) + P(x = 2) + P(x = 3) + P(x = 4) = 1 - P(x = 0)
P(x 1) = 1 - C4,0(0,50)0(0,50)4-0 = 1 - 0,0625 = 0,9375 ou 93,75%
92

4 A probabilidade de uma duplicata ser paga em dia de 70%. Escolhemos

ao acaso seis duplicatas para uma auditoria. Deseja-se calcular a probabilidade
de: (a) todas serem pagas em atraso; (b) Apenas uma ser paga em dia; (c)
todas serem pagas em dia.
(a) Para calcular a probabilidade de todas serem pagas em atraso, ou
nenhuma ser paga em dia, temos x = 0.
P(x = 0) = C6,0(0,70)0(0,30)6-0 = 0,001 ou 0,1%
(b) Para calcular a probabilidade de apenas uma duplicata ser paga em dia,
temos x = 1.
P(x = 1) = C6,1(0,70)1(0,30)6-1 = 0,01 ou 1%
(c) Para calcular a probabilidade de todas as duplicatas serem pagas em
dia, temos x = 6.
P(x = 6) = C6,6(0,70)6(0,30)6-6 = 0,118 ou 11,8%
Exerccios propostos
1 Determine a probabilidade de obtermos exatamente 3 caras em 6 lances de
uma moeda.
2 Jogando-se um dado trs vezes, determine a probabilidade de se obter um
mltiplo de 3 duas vezes.
3 Dois times de futebol, A e B, jogam entre si 6 vezes. Encontre a
probabilidade de o time A:
a. Ganhar dois ou trs jogos;
b. Ganhar pelo menos um jogo.
4 A probabilidade de um atirador acertar o alvo 2/3. Se ele atirar 5 vezes,
qual a probabilidade de acertar exatamente 2 tiros?
5 Seis parafusos so escolhidos ao acaso da produo de certa mquina, que
apresenta 10% de peas defeituosas. Qual a probabilidade de serem
defeituosos dois deles?

93

4 Distribuio Normal
Entre as distribuies tericas de varivel aleatria contnua, uma das mais
empregadas a distribuio normal. Consiste em uma distribuio contnua
de probabilidades, onde a apresentao da distribuio de frequncias f(x) de
uma varivel qualitativa x costuma apresentar-se em forma de sino e simtrica
em relao mdia.
O estudo da distribuio normal recebeu contribuies de matemticos
importantes, como De Moivre, Laplace e Gauss. Alguns estudos revelam que
medies repetidas de uma mesma grandeza, como o dimetro de uma esfera
ou o peso de determinado objeto, nunca forneciam os mesmos valores. Porm,
a apresentao das frequncias dos inmeros nmeros coletados sempre
resultava em uma curiosa curva em forma de sino. Das observaes surgiu o
nome curva normal dos erros.
Muitas das variveis analisadas na pesquisa socioeconmica correspondem
distribuio normal ou dela se aproximam.
O aspecto grfico da distribuio normal o da figura abaixo:

Os conceitos associados distribuio Normal so simples. Em torno da

mdia, valor central, registra-se alta concentrao de frequncias ou
probabilidade maior de ocorrncia. medida que nos afastamos da mdia, as
frequncias so reduzidas. A probabilidade de encontrarmos valores mais
distantes da mdia diminui. Quanto mais longe da mdia e dos valores
centrais, menores as frequncias e as probabilidades.

94

Para uma perfeita compreenso da distribuio normal, observe a figura e

procure visualizar as seguintes propriedades:

1) A varivel aleatria X pode assumir todo e qualquer valor real.

2) A representao grfica da distribuio normal uma curva em forma de
sino, que recebe o nome de curva normal ou de Gauss ou de Moivre.
3) A distribuio simtrica em torno da mdia ( )
4) A rea total limitada pela curva e pelo eixo das abscissas igual a 1 ou
percentagem de 100%, j que essa rea corresponde probabilidade de a
varivel aleatria X assumir qualquer valor real.
5) A curva normal assinttica em relao ao eixo das abscissas, isto ,
aproxima-se indefinidamente do eixo das abscissas sem, contudo, alcan-lo.
6) Como a curva simtrica em torno de , a probabilidade de ocorrer valor
maior do que a mdia igual probabilidade de ocorrer valor menor do que a
mdia, isto , ambas as probabilidades so iguais a 0,5. Escrevemos:
P(X >

) = P(X <

) = 0,5.

Quando temos em mos uma varivel aleatria com distribuio normal,

nosso principal interesse obter a probabilidade de essa varivel aleatria
assumir um valor em um determinado intervalo. Vejamos como proceder, por
meio de um exemplo concreto.
A distribuio Normal de varivel aleatria X depende dos parmetros da
media e do desvio padro, proveniente da varincia. Ento, pode ser tambm
representada desta maneira: X: N ( ,S2), ou seja, X segue uma distribuio
Normal de media

e varincia S2.

Seja X a varivel aleatria que representa os dimetros dos parafusos

produzidos por certa mquina. Vamos supor que essa varivel tenha
distribuio normal com mdia

= 2 cm e desvio padro s = 0,04 cm.

Pode haver interesse em conhecer a probabilidade de um parafuso ter um

dimetro com valor entre 2 e 2,05 cm.

95

 fcil notar que essa probabilidade, indicada por: P(2 < X < 2,05)
corresponde rea hachurada na figura:

O clculo direto dessa probabilidade exige um conhecimento de Matemtica

mais avanado do que aquele que dispomos no curso de ensino mdio.
Entretanto, podemos contornar facilmente esse problema. Basta aceitar, sem
demonstrao, que, se X uma varivel aleatria com distribuio normal de
mdia

e desvio padro s, e ento a varivel z:

tem distribuio normal reduzida, isto , tem distribuio normal de mdia

0 e desvio padro 1.
As probabilidades associadas distribuio normal padronizada so
encontradas em tabelas, no havendo necessidade de serem calculadas.
Em anexo, apresentada uma tabela de distribuio normal reduzida, que nos
d a probabilidade de Z tomar qualquer valor entre a mdia 0 e um dado valor
z, isto :
P(0 < Z < z)
Temos, ento, que se X uma varivel aleatria com distribuio normal de
mdia

e desvio padro s, podemos escrever:

P(

< X < x) = P(0 < Z < z), com

96

Voltemos, ento, ao nosso problema.

Queremos calcular P(2 < X < 2,05). Para obter essa probabilidade,
precisamos, em primeiro lugar, calcular o valor de z que corresponde a
varivel x = 2,05 (x = 2 z = 0, pois

= 2). Temos ento:

Z = 2,05 2 / 0,04 = 1,25,

donde:
P(2 < X < 2,05) = P(0 < Z < 1,25)
Procuremos, agora, na tabela Z em anexo, o valor de z = 1,25.
Na primeira coluna encontramos o valor 1,2. Em seguida, encontramos, na
primeira linha, o valor 5, que corresponde ao ltimo algarismo do nmero
1,25. Na interseco da linha e coluna correspondentes encontramos o valor
0,3944, o que nos permite escrever:
P(0 < Z < 1,25) = 0,3944
Assim, a probabilidade de um parafuso fabricado por essa mquina apresentar
um dimetro entre a mdia

= 2 e o valor x = 2,05 0,3944.

Escrevemos, ento:
P(2 < X < 2,05) = P(0 < Z < 1,25) = 0,3944 ou 39,44%.

97

Exerccios Resolvidos
1 Determine as probabilidades:
a. P(-1,25 < Z < 0)
A probabilidade procurada corresponde parte hachurada da figura:

Sabemos que: P(0 < Z < 1,25) = 0,3944

Pela simetria da curva, temos:
P(-1,25 < Z < 0) = P(0 < Z < 1,25) = 0,3944
b. P(-0,5 < Z < 1,48)
A probabilidade procurada corresponde parte hachurada da figura:

Temos que:
P(-0,5 < Z < 1,48) = P(-0,5 < Z < 0) + P(0 < Z < 1,48)
Como:
P(-0,5 < Z < 0) = P(0 < Z < 0,5) = 0,1915 e P(0 < Z < 1,48)= 0,4306
Obtemos:
P(-0,5 < Z < 1,48) = 0,1915 + 0,4306 = 0,6221

98

c. P(0,8 < Z < 1,23)

A probabilidade procurada corresponde parte hachurada da figura:

Temos que:
P(0,8 < Z < 1,23) = P(0 < Z < 1,23) - P(0 < Z < 0,8)
Como:
P(0 < Z < 1,23)= 0,3907 e P(0 < Z < 0,8)= 0,2881
Obtemos:
P(0,8 < Z < 1,23) = 0,3907 - 0,2881 = 0,1026
d. P(Z > 0,6)
A probabilidade procurada corresponde parte hachurada da figura:

Temos que:
P(Z > 0,6) = P(Z > 0) - P(0 < Z < 0,6)
Como: P(Z > 0)= 0,5 e P(0 < Z < 0,6)= 0,2258
Obtemos:
P(Z > 0,6) = 0,5 - 0,2258 = 0,2742

99

e. P(Z < 0,92)

A probabilidade procurada corresponde parte hachurada da figura:

Temos que:
P(Z < 0,92) = P(Z < 0) + P(0 < Z < 0,92)
Como:
P(Z < 0)= 0,5 e P(0 < Z < 0,92)= 0,3212,
Obtemos:
P(Z < 0,92) = 0,5 + 0,3212 = 0,8212
2 Os salrios semanais dos operrios industriais so distribudos
normalmente, em torno da mdia de R$ 500,00, com desvio padro de R$
40,00. Calcule a probabilidade de um operrio ter um salrio semanal situado
entre R$ 490,00 e R$ 520,00.
Devemos inicialmente, determinar os valores da varivel de
distribuio normal reduzida.
Assim,
Z1 = 490 500 = - 0,25 e Z2 = 520 500 = 0,5
40

40

Como:
P(490 < X < 520) = P(- 0,25 < Z < 0,5) = P(- 0,25 < Z < 0) +
P( 0 < Z < 0,5)= 0,0987 + 0,1915 = 0,2902
, pois, de se esperar que, em mdia, 29,02% dos operrios tenham
salrios entre R$ 490,00 e R$ 520,00.
100

Exerccios Propostos
1 Sendo Z uma varivel com distribuio normal reduzida, calcule:
a.
b.
c.
d.
e.
f.
g.
h.

P(0 < Z < 1,44)

P(-0,85 < Z < 0)
P(- 1,48 < Z < 2,05)
P(0,72 < Z < 1,89)
P(Z > - 2,03)
P(Z > 1,08)
P(Z < - 0,66)
P(Z < 0,60)

2 Um teste padronizado de escolaridade tem distribuio normal com mdia

100 e desvio padro 10. Determine a probabilidade de um indivduo
submetido ao teste ter nota:
a.
b.
c.
d.
e.

Maior que 120

Maior que 80
Entre 85 e 115
Maior que 100
Qual a nota que apresenta 83,40% de probabilidade de acontecer

3 No exerccio anterior, qual a nota que apresenta 93,70% de probabilidade

de um aluno tirar acima dela?
4 Os pesos de 600 estudantes so normalmente distribudos com mdia 65,3
kg e desvio padro 5,5 kg. Determine o nmero de estudantes que pesam:
a. Entre 60 e 70 kg
b. Mais que 63,2 kg
c. Menos que 68 kg
5 A durao de um certo componente eletrnico tem mdia de 850 dias e
desvio padro de 40 dias. Sabendo que a durao normalmente distribuda,
calcule a probabilidade de esse componente durar:
a. Entre 700 e 1.000 dias
b. Mais de 800 dias
c. Menos de 750 dias

101

REFERENCIAS
Bruni, Adriano Leal. Estatstica aplicada gesto empresarial. 1.ed. So
Paulo: Editora Atlas, 2007.
Crespo, Antonio Arnot. Estatstica fcil. 17.ed. So Paulo: Saraiva, 2002.
Hoffmann, Ronaldo; Ovalle, Vieira Sonia. Elementos de estatstica. 4.ed.
So Paulo: Editora Atlas, 2003.
Morettin, Pedro A. Estatstica bsica. 5.ed. So Paulo: Saraiva, 2002.
Pinheiro, Joo Ismael D. Estatstica bsica: a arte de trabalhar com dados.
Rio de Janeiro: Elsevier, 2009.
Silva, Ermes Medeiro da; Silva, Elio Medeiro da; Gonalves; Valter; Murolo,
Afrnio Carlos. Estatstica: Para os cursos de economia, Administrao e
Cincias Contbeis - 1. 3.ed. So Paulo: Editora Atlas, 1999.
Toledo, Geraldo Luciano; Ovalle, Ivo Izidoro. Estatstica bsica. 2.ed. So
Paulo: Editora Atlas, 1985.

102

ANEXOS:

Arredondamentos;

Compensaes;

Tabela de Nmeros Aleatrios;

Tabela de Distribuio Normal.

103

ARREDONDAMENTO DE DADOS

Muitas vezes, necessrio ou conveniente suprimir unidades inferiores s de

determinada ordem. Esta tcnica denominada arredondamento de dados.
De acordo com a resoluo 886/66 do IBGE, o arredondamento feito da
seguinte maneira:
1 - Quando o primeiro algarismo a ser abandonado 0, 1, 2, 3 ou 4, fica
inalterado o ltimo algarismo a permanecer.
Ex: 53,24 passa a 53,2
44,03 passa a 44,0
2 - Quando o primeiro algarismo a ser abandonado 6, 7, 8 ou 9, aumenta-se
de uma unidade o algarismo a permanecer.
Ex: 53,87 passa a 53,9
44,08 passa a 44,1
44,99 passa a 45,0
3 - Quando o primeiro algarismo a ser abandonado 5, h duas solues:
a) Se ao 5 seguir em qualquer casa um algarismo diferente de zero, aumentase uma unidade ao algarismo a permanecer.
Ex: 2,352 passa a 2,4
25,6501 passa a 25,7
76,250002 passa a 76,3

b) Se o 5 for o ltimo algarismo ou se ao 5 s se seguirem zeros, o ltimo

algarismo a ser conservado s ser aumentando de uma unidade se for
mpar.

104

Exemplos:

24,75 passa a 24,8

24,65 passa a 24,6

24,75000 passa 24,8

24,6500 passa a 24,6

Obs: No devemos nunca fazer arredondamentos sucessivos.

Exemplo: 17,3452 passa a 17,3 e no para 17,35 e depois para 17,4.

COMPENSAO

Suponhamos os dados abaixo, aos quais aplicamos as regras do

arredondamento:
25,32 + 17,85 + 10,44 + 31,17 = 84,78
25,3 + 17,8 + 10,4 + 31,2 = 84,7
Verificamos que houve uma pequena discordncia: a soma exatamente 84,7
quando, pelo arredondamento, deveria ser 84,8. Entretanto, para a
apresentao dos resultados, necessrio que desaparea tal diferena, o que
possvel pela prtica do que denominamos compensao, conservando o
mesmo nmero de casas decimais.
Usamos "descarregar" a diferena na (s) maior (es) parcela (s). Veja:
25,3 + 17,8 + 10,4 + 31,3 = 84,8
Obs: Se a maior parcela igual ou maior que o dobro de qualquer outra
parcela, "descarregamos" a diferena apenas na maior parcela.

105

TABELA DE NMEROS ALEATRIOS

L1
L2
L3
L4
L5
L6
L7
L8
L9
L10
L11
L12
L13
L14
L15
L16
L17
L18
L19
L20
L21
L22
L23
L24
L25
L26
L27
L28
L29

C1
4
3
2
1
0
0
8
8
5
6
4
3
2
0
9
7
8
6
5
3
8
1
2
4
5
2
1
0
9

C2
1
0
2
9
3
8
3
8
4
7
4
5
6
1
0
2
9
3
8
4
7
4
7
3
0
5
1
2
1

C3
6
7
5
8
4
9
3
0
1
2
0
1
9
2
8
2
3
0
1
0
2
9
3
8
3
7
4
7
5

C4
1
2
3
4
5
6
7
8
9
0
5
4
3
2
1
0
9
8
7
6
1
1
2
2
3
3
4
4
5

C5
6
6
7
7
8
8
9
9
0
0
1
3
5
7
9
2
4
6
8
0
1
3
5
7
9
0
2
3
6

C6
1
3
5
7
9
1
0
2
0
3
9
3
8
4
8
5
7
6
7
1
3
2
4
3
5
4
6
6
8

C7
0
9
0
8
0
7
6
3
2
1
1
0
2
0
3
0
4
0
5
9
5
8
6
7
7
2
3
4
5

C8
2
5
1
6
2
2
3
6
0
1
9
3
3
7
8
5
1
1
9
8
2
6
5
8
0
2
2
3
6

C9 C10 C11 C12 C13 C14 C15 C16 C17 C18 C19 C20 C21 C22 C23 C24 C25 C26 C27 C28 C29
3 5
7
6
2
0
9
9
8
1
0
3
4
7
2
1
0
8
7
8
4
5 3
4
8
8
0
9
3
0
1
7
0
4
0
8
3
1
2
0
1
2
9 8
7
6
3
0
0
1
2
1
4
3
2
4
5
6
7
7
4
3
0
5 2
7
8
1
0
0
7
5
3
2
2
5
8
1
9
0
3
2
3
4
0 3
1
0
1
1
2
4
3
1
9
5
6
8
5
0
2
3
4
9
0
2 2
2
8
6
1
9
4
5
2
0
0
1
3
1
0
9
2
3
4
1
7 6
4
0
7
1
2
1
0
1
2
8
9
7
5
3
2
1
1
8
2
3 7
3
7
8
9
4
3
9
2
3
2
3
0
0
4
4
2
3
1
3
3 7
5
0
9
7
6
5
7
8
0
8
4
5
2
3
0
7
4
3
6
1 2
6
0
2
0
8
0
9
7
7
7
3
6
7
2
9
0
3
1
0
4 1
8
4
2
1
3
3
2
7
6
4
4
3
8
9
0
7
2
2
9
2 3
7
0
3
4
5
8
9
3
5
2
4
0
1
7
9
1
8
1
3
6 5
0
2
6
3
6
7
0
1
7
9
6
8
3
5
3
3
5
7
2
0 7
9
0
0
6
5
2
7
8
1
0
0
7
5
3
0
9
1
1
3
3 9
4
0
1
9
5
2
2
0
0
2
1
2
4
7
6
3
2
1
5
3 2
1
3
5
8
9
1
2
3
9
6
5
2
7
8
1
0
0
7
0
1 4
2
4
6
7
0
2
3
7
8
5
3
1
2
5
6
9
0
7
9
4 6
2
2
3
3
0
1
5
4
5
1
1
3
4
7
8
1
2
8
8
4 8
0
0
2
3
6
9
6
4
3
6
7
2
1
9
7
0
1
8
5
4 0
2
9
2
3
2
5
3
5
7
2
7
8
2
5
6
2
2
9
4
4 1
7
5
7
3
0
0
9
1
2
0
3
4
9
3
0
4
4
9
1
1 2
0
2
0
1
3
5
4
6
4
3
2
0
0
3
9
6
6
0
2
8 4
0
8
0
1
9
6
9
5
0
8
0
2
4
9
8
8
8
0
3
0 3
0
9
2
2
6
7
6
4
9
8
9
4
7
7
7
0
0
2
4
4 5
8
7
4
2
2
3
8
2
1
2
2
0
7
0
6
1
1
2
5
6 6
1
1
0
3
9
9
1
0
3
4
3
9
6
3
5
3
3
4
8
0 8
9
2
3
3
7
7
4
0
5
6
8
8
5
2
4
5
5
4
0
1 7
1
0
2
0
9
6
4
3
7
9
0
7
6
1
3
7
5
5
8
9 8
2
0
2
3
0
1
4
3
3
7
7
5
6
7
4
3
4
0
1

106

107

EXERCCIOS
DE
FIXAO

108

GENERALIDADES E CONCEITOS BSICOS

1 - Num estudo feito numa escola recolheram-se dados referentes s seguintes
variveis:
(A) Idade, (B) Ano de escolaridade, (C) Sexo, (D) Nota da disciplina de
estatstica, (E) Tempo gasto diariamente nos estudos, (F) Distncia da casa
escola, (G) Local de estudo, (H) Nmero de irmos.
a) Das variveis indicadas, quais so as quantitativas e quais so as
qualitativas?
b) Das variveis quantitativas, quais so contnuas.
2 - Quais so os objetivos da Estatstica descritiva?
3 - Pretendia-se fazer um estudo sobre o nmero de irmos dos alunos do 10
ano de escolaridade de uma Escola Secundria. Para isso, efetuou-se um
inqurito ao qual responderam 60 alunos.
a) Qual a populao em estudo;
b) Qual a amostra em estudo;
c) Qual a varivel em estudo e classifique-a.
4 - Diga por que as seguintes situaes representam ms amostras:
a) Para saber qual o candidato mais votado para a Cmara de determinada
cidade, ouviu-se a opinio dos clientes de determinado supermercado.
b) Para conhecer a situao financeira das empresas txteis portuguesas,
verificou-se a situao das empresas que tiveram maior volume de
exportaes, no ltimo ano.

109

DISTRIBUIO DE FREQUENCIA E GRFICOS

1 - As alturas, em centmetros, dos alunos de uma turma do 10 ano so as
seguintes:
150

169

174

155

165

170

172

152

158

163

158

166

158

166

170

171

162

171

161

154

168

161

164

166

164

162

156

167

a) Construa uma tabela de frequncias, agrupando os dados em classes.

b) Represente graficamente os dados, utilizando o tipo de grfico que achar
mais conveniente.
2 - Num determinado teste realizado em 50 estudantes obteve-se as seguintes
pontuaes:

Depois de ordenada a amostra faa a distribuio de frequncia e determine:

a) A classe que contm a nota N na qual 50% dos alunos tenham nota menor
ou igual a N;
b) Qual a percentagem P de alunos com nota menor ou igual a 81
3 - Apresente os dados a seguir em uma distribuio de freqncia em classes
das idades dos funcionrios da firma A. Os dados coletados destas idades
foram os seguintes:
43 - 34 -28 -19 - 54 - 32 -27 - 32 - 42 21 -18 - 23 - 34 - 31 - 26 - 25 - 32 - 46
- 21 - 19 - 23 - 25 - 26 - 32 - 31 - 39 - 43 - 42 - 47 50
Pede-se:
a) Ponto mdio das classes, freq. Acumulada crescente, freq. acumulada
decrescente (absoluta e percentual). Justificar o objetivo do clculo do ponto
mdio das classes.

110

4 - Tempo em segundos para produzir uma unidade do produto A

61
52
53
48
55

65
53
56
54
46

43
62
48
57
57

53
49
50
41
54

55
68
61
54
48

51
51
44
71
63

58
50
64
57
49

55
67
53
53
55

59
62
54
46
52

56
64
55
48
51

a) Apresente os dados em uma distribuio de freqncia.

b) Faa um Histograma de freq. simples
5 - Considere a distribuio de freqncia transcrita a seguir:
PESO (Kg)
2|---4
4|---6
6|---8
8|---10
10|---12

FREQUNCIA
SIMPLES
9
12
6
2
1

(a) 65% das observaes tm peso no inferior a 4 Kg e inferior a 10 Kg.

(b) Mais de 65% das observaes tm peso maior ou igual a 4 Kg.
(c) Menos de 20 observaes tm peso igual ou superior a 4 Kg.
(d) A somados pontos mdios dos intervalos de classe inferior ao tamanho
da populao.
(e) 8% das observaes tm peso no intervalo de classe 8 |----10.
6 - Os dados abaixo se referem ao salrio (em salrios mnimos) de 20
funcionrios administrativos em uma indstria.
10,1 - 7,3 - 8,5 - 5,0 - 4,2 - 3,1 - 2,2 - 9,0 - 9,4 - 6,1 - 3,3 - 10,7 - 1,5 - 8,2 10,0 - 4,7 - 3,5 - 6,5 - 8,9 - 6,1
a) construa uma tabela de freqncia agrupando os dados em intervalos de
amplitude 2 a partir de 1;
b) construa o histograma.

111

7 - Nas Tabelas 1 e 2 identifique a amplitude dos intervalos de classe e os

pontos mdios de cada classe.
1)

2)
Ausncias
0 |--- 6
6 |--- 12
12 |--- 18
18 |--- 24
24 |--- 30
Total

Freq.
39
41
38
40
42
200

Ausncias
0 |--- 10
10 |--- 20
20 |--- 30
30 |--- 40
40 |--- 50
Total

Freq.
22
40
71
44
23
200

8 - Construa a tabela de freqncias relativas, percentual e acumulada para

baixo para cada tabela do exerccio 7.
9 - Compare e distribuio de dados da Tabela 1 com a distribuio de dados
da Tabela 2 do exerccio 7. Qual a diferena bsica?
10 - Um conjunto de dados consiste em pesos de metal coletados de lares em
uma semana; esses pesos variam de 0,26 lb a 4,95 lb. Desejamos construir
uma Tabela de freqncias com 10 classes. Qual ser o limite superior e
inferior da 1 classe?
11 - A tabela abaixo apresenta a distribuio de freqncia dos salrios
mensais em reais, de 65 empregados da companhia P & R:
Salrios (R$)
[5.000 - 6.000 [
[6.000 - 7.000 [
[7.000 - 8.000 [
[8.000 - 9.000 [
[9.000 - 10.000 [
[10.000 - 11.000 [
[11.000 - 12.000 [
Total

N de
Empregados
8
10
16
14
10
5
2
65

112

Determinar:
a) O limite inferior da 6 classe;
b) O limite superior da 4 classe;
c) O ponto mdio da 3 classe;
d) A amplitude do 5 intervalo de classe;
e) A freqncia da 3 classe;
f) A freqncia relativa da 3 classe;
g) O intervalo de classe que tem a maior freqncia;
h) A percentagem de empregados que ganham menos de R$ 8.000 por ms;
i) A percentagem de empregados que ganham menos de R$ 10.000 e pelo
menos R$ 6.000 por ms;
j) Fazer um histograma;
MEDIDAS DE POSIO
1 - Num laboratrio verifica-se que o peso mdio das 20 cobaias utilizadas
para os ensaios clnicos era de 257 gramas. Posteriormente, verificou-se que a
balana estava mal calibrada, pelo que para todas as cobaias o peso indicado
era superior em 5 gramas ao peso verdadeiro. Ento qual era efetivamente a
mdia dos pesos das cobaias?
2 - Se as medidas que utilizam para calcular a mdia dos pesos estivessem em
kg, como se refletiria este fato na mdia?
3 - O governo e o sindicato sentam-se mesa das negociaes para discutirem
os salrios da funo pblica. Uma destas entidades quer que um dos pontos
de referncia para o aumento dos salrios seja a mdia, enquanto que a outra
pretende que seja a mediana. Qual destas medidas a reivindicada pelo
sindicato?
4 Marque a alternativa correta:
a) Em uma prova de Estatstica, 3 alunos obtiveram a nota 8,2 ; outros 3
obtiveram a nota 9,0 ; 5 obtiveram a nota 8,6 ; 1 obteve a nota 7,0 e 1 a nota
8,9. Tirando a mdia aritmtica, esta ser:
1. - uma mdia aritmtica simples com valor 8,0;
2. - uma mdia aritmtica simples com valor 8,7;
3. - uma mdia aritmtica ponderada com valor 8,0;
4. - uma mdia aritmtica ponderada com valor 8,5;
113

5. - Nenhuma das anteriores

b) Um professor, aps verificar que toda a classe obteve nota baixa, eliminou
as questes que no foram respondidas pelos alunos. Com isso, as notas de
todos os alunos foram aumentadas de 3 pontos. Ento:
1. - a mdia aritmtica ficou alterada, assim como a mediana.
2. - apenas a mdia aritmtica ficou alterada.
3. - apenas a mediana ficou alterada.
4. - no houve alterao nem na mdia nem na mediana.
5. - nada podemos afirmar sem conhecer o nmero total de alunos.
c) Na tabela primitiva: {6, 2, 7, 6, 5, 4} a soma dos desvios em relao
mdia aritmtica igual a:
1. - ao nmero - 4
2. - ao nmero 8
3. - ao nmero 0
4. - ao nmero 25
5. - ao nmero 4
d) A mediana da srie {1, 3, 8, 15, 10, 12, 7} :
1. - igual a 15
2. - igual a 10
3. - igual a 7
4. - igual a 3,5
5. Nenhuma das anteriores
e) Numa pesquisa de opinio, 80 pessoas so favorveis ao divrcio, 50 so
desfavorveis, 30 so indiferentes e 20 ainda no tm opinio formada a
respeito do assunto. Ento a mdia aritmtica ser:
1. - igual a 180, porque todos opinaram somente uma vez.
2. - igual a 40, porque a mdia entre os valores 50 e 30.
114

3. - igual a 45.
4. - igual a 1, porque todos opinaram somente uma vez.
5. - no h mdia aritmtica.
5 - Registrou-se o nmero de assoalhadas de 100 apartamentos vendidos num
bairro residencial:
0;
4;
1;
2;
3;
0;

0;
3;
0;
4;
2;
1;

0;
5;
0;
1;
2;
1;

1;
0;
2,
3;
2;
0;

2;
4;
0;
3;
0;
0;

0;
2;
0;
2;
0;
0;

0;
2;
1;
5;
1;
1;

1;
2;
3,
0;
3;
1;

5;
1;
3;
5;
2;
1;

1;
1;
4;
0;
2;
2;

3;
1;
0;
2;
2;
1;

1;
0;
1;
1;
2;
1;

2;
3;
4;
2;
0;
0;

0;
3;
4;
2;
0;
2;

0;
4;
4;
3;
1;
1;

0;
0;
5;
0;
0;

0;
1;
1;
3;
1;

Elabore o quadro estatstico (de frequncias) respectivo, desenhe o histograma

e calcule a mdia, mediana e a moda.
6 - Consideremos a distribuio salarial de 16 funcionrios de uma certa
empresa que ocupam o mesmo cargo:
Salrios (em R$)
N de funcionrios

70
3

74
5

82
4

91
3

95
1

a) Desenhe o diagrama de barras, o polgono de frequncias e o diagrama das

frequncias acumuladas.
b) Calcule em R$ o salrio mdio, o salrio mediano e o salrio modal.
7 - Depois de examinar as encomendas feitas nos ltimos meses a uma
companhia, o auditor escolhe aleatoriamente 20 das encomendas no pagas.
As dvidas dessas encomendas eram (em milhares de R$):
4

18

11

10

33

12

11

10

26

37

15

18

10

21

a) Calcule (em milhares de R$) a mdia, a mediana e a moda.

115

b) Suponha que h no total 350 encomendas no pagas. Use a mdia para

estimar (em milhares de R$) a dvida total companhia.
8 - Para os seguintes dados, relativos s notas (de 0 a 10) dos alunos de 3
classes de um curso de Ingls, construa o diagrama de frequncias acumuladas
e calcule a mediana.
Classe A
Classe B
Classe C

3
3
3

4
4
4

4
4
4

5
4
5

6
5
5

7
5
5

8
5
5

8
6
6

9 - Uma agncia imobiliria vendeu 90 casas nos ltimos 6 meses. Os dados

constam na tabela seguinte:
Preos (em mil R$)
0 |------- 50
50 |------- 75
75 |------- 90
90 |------- 105
105 |------- 120
120 |------- 135
135 |------- 150

N de casas
11
15
38
14
8
3
1

a) Construa o histograma, o polgono de frequncias e o polgono de

frequncias acumuladas.
b) Calcule a mdia, a moda e a mediana.
10 - No quadro seguinte apresenta-se a distribuio das penses de 100
invlidos dentro do regime de segurana social dos trabalhadores da
Administrao Pblica.

116

Penses (em mil R$)

14 |------- 16
16 |------- 18
18 |------- 20
20 |------- 22
22 |------- 24
24 |------- 26
26 |------- 28

N de pensionistas
10
14
15
22
17
14
8

a) Construa o histograma.
b) Calcule a mdia, a moda e a mediana.
11 - Considerar vrias representaes grficas (por ex. histogramas referentes
a notas de vrias turmas)

a) Comparar posio relativa das medianas das notas das 2 turmas;

b) Considere a 1 classe. Espera que a mdia e a mediana das notas dessa
turma, estejam prximas?
c) Considere os dados da 2 classe. Espera que a mediana seja superior
mdia ou inferior?
DESVIO PADRO E VARINCIA
1- Considere os seguintes conjuntos de nmeros:
A = {10, 20, 30, 40, 50}

B = {100, 200, 300, 400, 500}

Que relao existe entre os desvios padres dos dois conjuntos de nmeros?
2- Dados os conjuntos de nmeros:
A = {220, 230, 240, 250, 260}

B = {20, 30, 40, 50, 60}

Que relao existe entre os desvios padres dos dois conjuntos de nmeros?
3- Dados os conjuntos de nmeros:
A = {-2, -1, 0, 1, 2 }

B = {220, 225, 230, 235, 240}

117

Podemos afirmar, de acordo com as propriedades do desvio padro, que o

desvio padro de B igual:
a) ao desvio padro de A;
b) ao desvio padro de A, multiplicado pela constante 5;
c) ao desvio padro de A, multiplicado pela constante 5, e esse resultado
somado a 230;
d) ao desvio padro de A mais a constante 230.

118

PROBABILIDADE
1- No lanamento de um dado temos S = {1,2,3,4,5,6}. Formule os eventos
definidos pelas sentenas:
a) Obter um nmero par na face superior do dado;
b) Obter um nmero menor ou igual a 6 na face superior;
c) Obter o nmero 4 na face superior;
d) Obter um nmero maior que 6 na face superior.
2 - No lanamento de duas moedas (uma de 10 centavos e outra de 5 centavos)
a) Qual o espao amostral?
b) Formule os eventos definidos pelas sentenas:

Obter uma cara:

Obter pelo menos uma cara:

Obter apenas um cara:

Obter no mximo duas caras:

Obter uma cara e uma coroa:

Obter uma cara ou uma coroa:

3- Um dado foi fabricado de tal forma que num lanamento a probabilidade de

ocorrer um nmero par o dobro da probabilidade de ocorrer nmero mpar
na face superior, sendo que os trs nmeros pares ocorrem com igual
probabilidade, bem como os trs nmeros mpares. Determine a probabilidade
de ocorrncia de cada evento elementar:
4- Seja S = {a,b,c,d}. Consideremos a seguinte distribuio de
probabilidades: P(a) = 1/8; P(b) = 1/8; P(c) = 1/4 e P(d) = x. Calcule o valor
de x:
5- As chances de um time de futebol T ganhar o campeonato que est
disputando so de "5 para 2". Determinar a probabilidade de T ganhar e a
probabilidade de T perder:

119

6- Trs cavalos C1, C2 e C3 disputam um preo, onde s se premiar o

vencedor. Um conhecedor dos 3 cavalos afirma que as "chances" de C1 vencer
so o dobro das de C2, e que C2 tem o triplo das "chances" de C3. Calcule as
probabilidades de cada cavalo vencer o preo:

120

DISTRIBUIO BINOMIAL
1- Uma moeda lanada 20 vezes. Qual a probabilidade de sarem 8 caras?
2 Numa criao de coelhos, 40 % so machos. Qual a probabilidade de que
nasam pelo menos 2 coelhos machos num dia em que nasceram 20 coelhos?
3 Uma prova tipo teste tem 50 questes independentes. Cada questo tem 5
alternativas. Apenas uma das alternativas a correta. Se um aluno resolve a
prova respondendo a esmo as questes, qual a probabilidade de tirar nota 5?
4 Uma urna tem 20 bolas pretas e 30 brancas. Retiram-se 25 bolas com
reposio. Qual a probabilidade de que:
a. 2 sejam pretas?
b. Pelo menos 3 sejam pretas?
c. 10 sejam brancas?
5 A probabilidade de um arqueiro acertar o alvo com uma nica flecha
0,20. Lana 30 flechas no alvo. Qual a probabilidade de que:
a. Exatamente 4 acertem o alvo?
b. Pelo menos 3 acertem o alvo?
6 Considere 10 tentativas independentes de um experimento. Cada tentativa
admite sucesso com probabilidade 0,05. Seja X o nmero de sucessos, calcular
P (1 < x 4).
7 Uma urna tem 10 bolas brancas e 40 pretas. Qual a probabilidade de que
em 30 bolas retiradas com reposio ocorram no mximo 2 brancas?
8 A probabilidade de um atirador acertar no alvo num nico tiro 1/4. O
atirador atira 20 vezes no alvo. Qual a probabilidade de acertar:
a. Exatamente 5 vezes?
b. Pelo menos 3 vezes?
c. Nenhuma vez?
d. No mximo 4 vezes?

121

9 Uma urna contm 8 bolas brancas e 12 pretas. Retiram-se 10 bolas com

reposio. Qual a probabilidade de que:
a. No mximo 2 sejam brancas?
b. 3 sejam brancas?
10 A probabilidade de uma mquina produzir uma pea defeituosa, num dia,
de 0,1. Qual a probabilidade de que em 20 peas produzidas pela mquina
num dia, ocorram 3 defeituosas?

122

DRISTIBUIO NORMAL
1 Use a tabela Z para encontrar as seguintes probabilidades:
a. P (Z > 0,34)
b. P (Z < 1,85)
c. P (Z < - 1,24)
d. P (1,56 < Z < 2,37)
e. P (-0,37 < Z < 3,4)
f. P (Z > 1,08)
g. P (Z < - 0,66)
h. P (Z < -2,30 ou Z > 1,29)
2 seja X: N (100,25). Calcular
a. P (100 X 106)
b. P (89 X 107)
c. P (112 X 116)
d. P ( X 108)
e. P ( X 90)
3 Sendo X: N (50,16), determinar X, tal que:
a. P ( X X) = 0,05
b. P ( X X) = 0,99
4 Um fabricante de baterias sabe, por experincia passada, que as baterias de
sua fabricao tm vida mdia de 600 dias e desvio padro de 100 dias, sendo
que a durao tem aproximadamente distribuio Normal. Oferece uma
garantia de 312 dias, isto , troca as baterias que apresentarem falhas nesse
perodo. A fbrica produz mensalmente 10.000 baterias. Quantas dever trocar
mensalmente pelo uso da garantia?
5 Uma fbrica de carros sabe que os motores de sua fabricao tm durao
normal com mdia de 150.000 km e desvio padro de 5.000 km. Qual a

123

probabilidade de que um carro, escolhido ao acaso, dos fabricados por essa

firma, tenha um motor que dure:
a. Menos de 170.000 km?
b. Entre 140.000 e 165.000 km?
c. Se a fbrica substitui o motor que apresenta durao inferior garantia,
qual deve ser esta garantia para que a porcentagem de motores
substitudos seja inferior a 0,2%?
6 As pontuaes de QI seguem uma distribuio normal com uma pontuao
mdia de 100 e desvio padro de 15, isto , X ~ N (100,225). Encontre a
porcentagem de pessoas que se espera possuir uma pontuao de QI:
a. De menos de 70?
b. Entre 80 e 120?
c. De mais de 50?
7 Os salrios dos diretores das empresas de So Paulo distribuem-se
normalmente com mdia de R$ 8.000,00 e desvio padro de R$ 500,00. Qual
a percentagem de diretores que recebem:
a. Menos de R$ 6.470,00?
b. Entre R$ 8.920,00 e R$ 9.380,00?
8 A quantidade de leo contida em cada lata fabricada por uma indstria tem
peso distribudo normalmente, com mdia de 990 g e desvio padro de 10 g.
Uma lata rejeitada no comrcio se tiver peso9 menor que 976 g.
a. Qual a probabilidade de que em 10 latas observadas, uma seja rejeitada?
b. Nas condies do item a, qual a probabilidade de que em 20 latas
observadas, 3 sejam rejeitadas?
9 Foi feito um estudo sobre a altura dos alunos da IFCE. Observou-se que
ela se distribui normalmente com mdia de 1,72 m e desvio padro de 5 cm.
Qual a porcentagem dos alunos com altura:
a. Entre 1,57 e 1,87 m?
b. Acima de 1,90 m?

124

10 Um estudo das modificaes dos preos, no atacado, de produtos

industrializados, mostrou que h distribuio normal com mdia de 50% e
desvio padro de 10%. Qual a porcentagem dos artigos que:
a. Sofreram aumentos superiores a 75%?
b. Sofreram aumentos entre 30% e 80%?
11 O volume de correspondncia recebido por uma firma quinzenalmente
tem distribuio normal com mdia de 4000 cartas e desvio padro de 200
cartas. Qual a percentagem de quinzenas em que a firma recebe:
a. Entre 3600 e 4250 cartas?
b. Mais de 4636 cartas?
c. Menos de 3400 cartas?
12 Numa fbrica foram instaladas 1000 lmpadas novas. Sabe-se que a
durao mdia das lmpadas de 800 horas e desvio padro de 100 horas,
com distribuio normal. Determinar a quantidade de lmpadas que duraro:
a. Menos de 500 horas?
b. Mais de 700 horas?
c. Entre 516 e 684 horas?
13 Um fabricante de mquinas de lavar sabe, por longa experincia, que a
durao tem durao de suas mquinas tem distribuio normal com mdia de
1000 dias e desvio padro de 200 dias. Oferece uma garantia de 1 ano (365
dias). Produz mensalmente 2000 mquinas. Quantas espera trocar
mensalmente pelo uso da garantia dada?

125