Você está na página 1de 45

Estatstica Aplicada

SUMRIO

1 - ESTATSTICA E MTODOS ESTATSTICOS ................................................................................................. 3


1.1 - MTODO ESTATSTICO ........................................................................................................................................ 3
1.2 - FASES DO MTODO ESTATSTICO ........................................................................................................................ 4
1.3 - DEFINIES BSICAS DA ESTATSTICA ................................................................................................................. 4
1.3.1 - Fenmeno Estatstico ............................................................................................................................... 4
1.3.2 - Dado Estatstico ........................................................................................................................................ 5
1.3.3 - Populao ................................................................................................................................................. 5
1.3.4 - Amostra..................................................................................................................................................... 5
1.3.5 - Parmetros ............................................................................................................................................... 5
1.3.6 - Estimativa ................................................................................................................................................. 5
1.3.7 - Atributo...................................................................................................................................................... 5
1.3.8 - Varivel ..................................................................................................................................................... 6

2 - TEORIA DA AMOSTRAGEM ........................................................................................................................... 7


2.1 - AMOSTRAGEM CASUAL OU ALEATRIA SIMPLES ................................................................................................... 7
2.2 - AMOSTRAGEM PROPORCIONAL ESTRATIFICADA.................................................................................................... 7
2.3 - AMOSTRAGEM SISTEMTICA ................................................................................................................................ 8
2.4 - AMOSTRAGEM POR CONGLOMERADOS (OU AGRUPAMENTOS) ............................................................................... 8
2.5 - MTODOS NO PROBABILSTICOS ........................................................................................................................ 8
2.6 - AMOSTRAGEM INTENCIONAL ................................................................................................................................ 9
2.7 - AMOSTRAGEM POR QUOTAS................................................................................................................................ 9

3 - SRIES ESTATSTICAS ................................................................................................................................ 10


3.1 - TABELA ............................................................................................................................................................ 10
3.2 - SRIE ESTATSTICA........................................................................................................................................... 10
3.3 - GRFICOS ESTATSTICOS .................................................................................................................................. 11
3.3.1 - Classificao dos Grficos ..................................................................................................................... 11
3.4 - DISTRIBUIO DE FREQNCIA.......................................................................................................................... 13
3.4.1 - Elementos de uma Distribuio de Freqncia (com Intervalos de Classe) .......................................... 14
3.4.2 - Mtodo Prtico para Construo de uma Distribuio de Freqncias c/ Classe ................................. 15
3.4.3 - Representao Grfica de uma Distribuio .......................................................................................... 16

4 - MEDIDAS DE POSIO ................................................................................................................................ 17


4.1 - INTRODUO .................................................................................................................................................... 17
4.2 - MDIA ARITMTICA = ........................................................................................................................................ 17
4.2.1 - Dados No-Agrupados ........................................................................................................................... 18
4.2.2 - Desvio em Relao Mdia ................................................................................................................... 18
4.3 - PROPRIEDADES DA MDIA ................................................................................................................................. 18
4.4 - DADOS AGRUPADOS ......................................................................................................................................... 19
4.4.1 - Sem Intervalos de Classe ....................................................................................................................... 19
4.4.2 - Com Intervalos de Classe....................................................................................................................... 19
4.5 - MODA .............................................................................................................................................................. 20
4.5.1 - A Moda quando os Dados no esto Agrupados ................................................................................... 20
4.5.2 - A Moda quando os Dados esto Agrupados .......................................................................................... 20
4.6 - MEDIANA .......................................................................................................................................................... 21
4.6.1 - A Mediana em Dados no Agrupados .................................................................................................... 21
4.6.2 - Mtodo Prtico para o Clculo da Mediana ........................................................................................... 21
4.6.3 - A Mediana em Dados Agrupados ........................................................................................................... 22
4.6.4 - Emprego da Mediana ............................................................................................................................. 24
4.7 - SEPARATRIZES ................................................................................................................................................. 24
4.8 - QUARTIS .......................................................................................................................................................... 24
4.8.1 - Quartis em Dados no Agrupados ......................................................................................................... 24
1

Estatstica Aplicada
4.8.2 - Quartis para Dados Agrupados em Classes ......................................................................................... 25
4.9 - DECIS .............................................................................................................................................................. 25
4.10 - PERCENTIL OU CENTIL.................................................................................................................................... 26
4.10.1 - Disperso ou Variabilidade .................................................................................................................. 26

5 - MEDIDAS DE DISPERSO ABSOLUTA ....................................................................................................... 26


5.1 - AMPLITUDE TOTAL ........................................................................................................................................... 26
5.2 - DESVIO QUARTIL.............................................................................................................................................. 27
5.3 - DESVIO MDIO ABSOLUTO PARA DADOS BRUTOS .............................................................................................. 27
5.4 - DESVIO MDIO PARA DADOS TABULADOS.......................................................................................................... 28
5.5 - DESVIO PADRO .............................................................................................................................................. 29
5.6 - VARINCIA ....................................................................................................................................................... 30

6 - PROBABILIDADE ........................................................................................................................................... 31
6.1 - INTRODUO ................................................................................................................................................... 31
6.2 - EXPERIMENTO ALEATRIO................................................................................................................................ 31
6.3 - ESPAO AMOSTRAL ......................................................................................................................................... 31
6.4 - EVENTOS ......................................................................................................................................................... 32
6.5 - CONCEITO DE PROBABILIDADE .......................................................................................................................... 32
6.6 - EVENTOS COMPLEMENTARES ........................................................................................................................... 33
6.7 - EVENTOS INDEPENDENTES ............................................................................................................................... 34
6.8 - EVENTOS MUTUAMENTE EXCLUSIVOS ............................................................................................................... 34
6.9 - PROBABILIDADE CONDICIONAL .......................................................................................................................... 35

7 - TCNICAS DE CONTAGEM EM PROBABILIDADE ..................................................................................... 36


7.1 - TEOREMA DA PROBABILIDADE TOTAL ................................................................................................................ 37
7.2 - TEOREMA DE BAYES ........................................................................................................................................ 38
7.3 - INSTRUMENTAL MATEMTICO - 01 ..................................................................................................................... 38
7.3.1 - Arredondamento de Dados .................................................................................................................... 38
7.3.2 - Compensao ........................................................................................................................................ 39

8 - EXERCCIOS ................................................................................................................................................... 39
8.1 - ARREDONDAMENTO DE DADOS.......................................................................................................................... 39
8.2 - MDIA, MODA E MEDIANA ................................................................................................................................. 40
8.3 - NMEROS NDICES ........................................................................................................................................... 43

Estatstica Aplicada
1 - Estatstica e Mtodos Estatsticos
Fornece mtodos para coleta, organizao, descrio, anlise e interpretao de dados. Os resultados
podem ser utilizados para planejamentos, tomadas de decises ou formulao de solues.
O mtodo estatstico pode ser entendido como um conjunto de meios que conduzidos e dispostos
convenientemente, permite que se canalizem as informaes para determinado objetivo.
Por exemplo: queremos obter informaes sobre os acidentes no trabalho como (transporte, na pesca, com
professores, nas indstrias...).

O estudo estatstico inicia-se com o planejamento da pesquisa, que representa a organizao do plano
geral do trabalho que estabelece os objetivos e a utilizao dos meios estatsticos.
A coleta de dados vai obter informaes sobre a realidade a ser estudada. No curso Sade e
Segurana no Trabalho, os instrumentos mais freqentes para a coleta so os questionrios, as
entrevistas e os registros de ocorrncias em hospitais ou delegacias se for o caso de acidentes no
trnsito e outros.
Aps a coleta de dados necessrio classific-los, isso significa estabelecer categorias que permitem a
reunio das informaes coletadas.
O simples levantamento da informao e sua apresentao em tabelas estatsticas, limitando-se a
apresentar os dados e grficos de dado fenmeno, levam o nome de estatstica descritiva.
necessrio que a informao seja organizada para sua posterior anlise e interpretao. As anlises
dos dados permitem caracterizar como os elementos se distribuem, quais os valores de tendncia
central, qual a variabilidade, qual a relao entre as variveis e a verificao das semelhanas e
diferenas entre os elementos.
A interpretao dos dados consiste nas comparaes, ligaes lgicas, estabelecimento de princpios e
generalizaes que indiquem as vantagens e desvantagens dos resultados obtidos.
Estatstica Descritiva: coleta, organizao e descrio dos dados.
Estatstica Indutiva (ou Inferencial): anlise e interpretao dos dados.

1.1 - Mtodo Estatstico


Mtodo: um meio mais eficaz para atingir determinada meta.
Mtodos Cientficos: destacamos o mtodo experimental e o mtodo estatstico.
Mtodo Experimental: consiste em manter constante todas as causas, menos uma, que sofre variao
para se observar seus efeitos, caso existam. Ex: Estudos da Qumica, Fsica, etc.
Mtodo Estatstico: diante da impossibilidade de manter as causas constantes (nas cincias sociais),
admitem todas essas causas presentes variando-as, registrando essas variaes e procurando
determinar, no resultado final, que influncias cabem a cada uma delas. Ex: Quais as causas que
definem o preo de uma mercadoria quando a sua oferta diminui?
Seria impossvel, no momento da pesquisa, manter constantes a uniformidade dos salrios, o gosto dos
consumidores, nvel geral de preos de outros produtos, etc.

Estatstica Aplicada
1.2 - Fases do Mtodo Estatstico
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: Fase operacional. o registro sistemtico de dados, com um objetivo
determinado.
Dados primrios: quando so publicados pela prpria pessoa ou organizao que os haja
recolhido. Ex: tabelas do censo demogrfico do IBGE.
Dados secundrios: quando so publicados por outra organizao. Ex: quando determinado
jornal publica estatsticas referentes ao censo demogrfico extradas do IBGE.
OBS: mais seguro trabalhar com fontes primrias. O uso da fonte secundria traz o grande risco de
erros de transcrio.
Coleta Direta: quando obtida diretamente da fonte. Ex: Empresa que realiza uma pesquisa para
saber a preferncia dos consumidores pela sua marca.
A coleta direta pode ser: contnua (registros de nascimento, bitos, casamentos, etc.), peridica
(recenseamento demogrfico, censo industrial) e ocasional (registro de casos de dengue).
Coleta Indireta: feita por dedues a partir dos elementos conseguidos pela coleta direta, por
analogia, por avaliao, indcios ou proporcionalizao.
4. - Apurao dos Dados: Resumo dos dados atravs de sua contagem e agrupamento. a
condensao e tabulao de dados.
5. - Apresentao dos Dados: H duas formas de apresentao, que no se excluem mutuamente. A
apresentao tabular, ou seja, uma apresentao numrica dos dados em linhas e colunas
distribudas de modo ordenado, segundo regras prticas fixadas pelo Conselho Nacional de Estatstica.
A apresentao grfica dos dados numricos constitui uma apresentao geomtrica permitindo uma
viso rpida e clara do fenmeno.
6. - Anlise e Interpretao dos Dados: A ltima fase do trabalho estatstico a mais importante e
delicada. Est ligada essencialmente ao clculo de medidas e coeficientes, cuja finalidade principal
descrever o fenmeno (estatstica descritiva). Na estatstica indutiva a interpretao dos dados se
fundamenta na teoria da probabilidade.

1.3 - Definies Bsicas da Estatstica


1.3.1 - Fenmeno Estatstico
qualquer evento que se pretenda analisar, cujo estudo seja passvel da aplicao do mtodo
estatstico. So divididos em trs grupos:
Fenmenos de massa ou coletivo: so aqueles que no podem ser definidos por uma simples
observao. A estatstica dedica-se ao estudo desses fenmenos. Ex: a natalidade em Teixeira de
Freitas, o preo mdio da cerveja na Bahia, etc.

Estatstica Aplicada
Fenmenos individuais: so aqueles que iro compor os fenmenos de massa. Ex: cada nascimento
em Teixeira de Freitas, cada preo de cerveja na Bahia, etc.
Fenmenos de multido: quando as caractersticas observadas para a massa no se verificam para o
particular.

1.3.2 - Dado Estatstico


um dado numrico e considerado a matria-prima sobre a qual iremos aplicar os mtodos
estatsticos.

1.3.3 - Populao
o conjunto total de elementos portadores de pelo menos, uma caracterstica comum.

1.3.4 - Amostra
uma parcela representativa da populao que examinada com o propsito de tirarmos concluses
sobre a populao.

1.3.5 - Parmetros
So valores singulares que existem na populao e que servem para caracteriz-la. Para definirmos um
parmetro devemos examinar toda a populao. Ex: os alunos do 2 perodo do IFA Tcnico tm em
mdia 1,70 metros de estatura.

1.3.6 - Estimativa
um valor aproximado do parmetro e calculado com o uso da amostra.

1.3.7 - Atributo
Quando os dados estatsticos apresentam um carter qualitativo, o levantamento e os estudos
necessrios ao tratamento desses dados so designados genericamente de estatstica de atributo.
Exemplo de classificao dicotmica do atributo: a classificao dos alunos do IFA Tcnico quanto ao
sexo.
Atributo: sexo
Classe: alunos do IFA Tcnico
Dicotomia: duas subclasses (masculino e feminino)
5

Estatstica Aplicada
Exemplo de classificao policotmica do atributo: alunos do IFA Tcnico quanto ao estado civil.
Atributo: estado civil
Classe: alunos do IFA Tcnico
Dicotomia: mais de duas subclasses (solteiro, casado, divorciado, vivo, etc)

1.3.8 - Varivel
, convencionalmente, o conjunto de resultados possveis de um fenmeno.
Varivel Qualitativa: Quando seus valores so expressos por atributos: sexo, cor da pele, etc.
Varivel Quantitativa: Quando os dados so de carter nitidamente quantitativo, e o conjunto dos
resultados possui uma estrutura numrica, trata-se, portanto da estatstica varivel e se dividem em:
Varivel Discreta ou Descontnua: seus valores so expressos geralmente atravs de nmeros
inteiros no negativos. Resulta normalmente de contagens. Ex.: N. alunos presentes s aulas de
introduo estatstica no 1. Semestre de 2007: mar=18, abr=30, mai=35, jun=36.
Varivel 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. Ex.: quando voc vai medir a temperatura de seu corpo com um termmetro de
mercrio o que ocorre o seguinte: o filete de mercrio, ao dilatar-se, passar por todas as
temperaturas intermedirias at chegar na temperatura atual do seu corpo.

Exerccio

1 - Classifique as variveis em qualitativas ou quantitativas (contnuas ou discretas):


Cor dos olhos das alunas. ______________________________________________
ndice de liquidez nas Indstrias capixaba. ______________________________________________
Produo de caf no Brasil. ______________________________________________
Nmero de defeitos em aparelhos de TV. ______________________________
Comprimento dos pregos produzidos por uma empresa. _____________________
O ponto obtido em cada jogada de um dado. ____________________________

Estatstica Aplicada
2 - Teoria da Amostragem

Existe uma tcnica especial - amostragem - 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.
Daremos, a seguir, trs das principais tcnicas de amostragem.

2.1 - Amostragem Casual ou Aleatria Simples


Este tipo de amostragem equivalente a um sorteio lotrico.
Na prtica, a amostragem casual ou aleatria simples pode ser realizada numerando-se a populao de
1 a n e sorteando-se, a seguir, por meio de um dispositivo aleatrio qualquer, k nmeros dessa
seqncia, os quais correspondero aos elementos pertencentes amostra.
Exemplo: vamos obter uma amostra representativa para a pesquisa da pesca e aqicultura: em
extenso litoral (8.500 km de extenso), rios em abundncia (o maior potencial hdrico do planeta), centenas de
represas, audes e clima favorvel atividade. As artes de pesca tambm so muitas: anzol, rede,
currais, arpo e outras.
Segundo o trabalho acima, a maioria dos acidentes ocorrem em barcos com AB < 20 toneladas. Esses
acidentes resultam em elevado nmero de mortes e feridos, com mdia de 10 acidentes por ano, como
ocorre na regio pesqueira de Cabo Frio (entre Cabo Frio-RJ e Saquarema - RJ).
Analisando 100 pescadores.
A) - Numeramos os pescadores de 01 a 90.
B) - Escrevemos os nmeros, de 01 a 90, em pedaos iguais de um mesmo papel, colocando-os
dentro de uma caixa. Agitamos sempre a caixa para misturar bem os pedaos de papel e
retiramos, um a um, cem nmeros que formaro a amostra. Neste caso, 10% da 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 de Nmeros Aleatrios, construda de modo que os dez
algarismos (0 a 9) so distribudos ao acaso nas linhas e colunas.

2.2 - Amostragem Proporcional Estratificada


Quando a populao se divide em estratos (subpopulaes), convm que o sorteio dos elementos da
amostra leve em considerao tais estratos, da obtemos os 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 90 pescadores, 54 sejam adultos e 36 sejam adolescentes. So, portanto dois estratos (Adultos
e Adolescentes). Logo, temos:
7

Estatstica Aplicada
PESCADORES

POPULAO

10%

AMOSTRA

ADULTOS

54

5,4

ADOLESCENTE

36

3,6

Total

90

9,0

Numeramos ento os pescadores de 01 a 90, sendo 01 a 54 adultos e 55 a 90, adolescentes e


procedemos ao sorteio casual com urna ou tabela de nmeros aleatrios.

2.3 - 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 prdios de uma rua, etc. Nestes
casos, a seleo dos elementos que constituiro a amostra pode ser feita por um sistema imposto pelo
pesquisador.
Exemplo: suponhamos uma rua com 900 casas, das quais desejamos obter uma amostra formada por
50 casas para uma pesquisa de opinio. Podemos, neste caso, usar o seguinte procedimento: como
900/50 = 18 escolhemos por sorteio casual um nmero de 01 a 18, o qual indicaria o primeiro elemento
sorteado para a amostra; os demais elementos seriam periodicamente considerados de 18 em 18.
Assim, suponhamos que o nmero sorteado fosse 4 a amostra seria: 4. Casa, 22. Casa, 40. Casa,
58. Casa, 76. casa, etc.

2.4 - Amostragem por Conglomerados (ou Agrupamentos)


Algumas populaes no permitem, ou tornam extremamente difcil, que se identifiquem seus
elementos. No obstante isso pode ser relativamente fcil identificar alguns subgrupos da populao.
Em tais casos, uma amostra aleatria simples desses subgrupos (conglomerados) pode ser colhida, e uma
contagem completa deve ser feita para o conglomerado sorteado. Agrupamentos tpicos so
quarteires, famlias, organizaes, agncias, edifcios, etc.
Exemplo: num levantamento da populao de determinada cidade, podemos dispor do mapa indicando
cada quarteiro e no dispor de uma relao atualizada dos seus moradores. Pode-se, ento, colher
uma amostra dos quarteires e fazer a contagem completa de todos os que residem naqueles
quarteires sorteados.

2.5 - Mtodos no Probabilsticos


So amostragens em que h uma escolha deliberada dos elementos da amostra. No possvel
generalizar os resultados das pesquisas para a populao, pois as amostras no-probabilsticas no
garantem a representatividade da populao.
Amostra: geralmente utilizada em pesquisas de opinio, em que os entrevistados so acidentalmente
escolhidos.
Exemplos: pesquisas de opinio em praas pblicas, ruas movimentadas de grandes cidades etc.

Estatstica Aplicada
2.6 - Amostragem Intencional
De acordo com determinado critrio, escolhido intencionalmente um grupo de elementos que iro
compor a amostra. O investigador se dirige intencionalmente a grupos de elementos dos quais deseja
saber a opinio.
Exemplo: numa pesquisa sobre preferncia por determinado cosmtico, o pesquisador se dirige a um
grande salo de beleza e entrevista as pessoas que ali se encontram.

2.7 - Amostragem por Quotas


Um dos mtodos de amostragem mais comumente usados em levantamentos de mercado e em prvias
eleitorais. Ele abrange trs fases:
1. - Classificao da populao em termos de propriedades que se sabe, ou presume, serem
relevantes para a caracterstica a ser estudada;
2. - Determinao da proporo da populao para cada caracterstica, com base na constituio
conhecida, presumida ou estimada, da populao;
3. - Fixao de quotas para cada entrevistador a quem tocar a responsabilidade de selecionar
entrevistados, de modo que a amostra total observada ou entrevistada contenha a proporo e cada
classe tal como determinada na 2. Fase.
Exemplo: numa pesquisa sobre o trabalho das mulheres na atualidade, provavelmente se ter
interesse em considerar: a diviso cidade e campo, a habitao, o nmero de filhos, a idade dos filhos,
a renda mdia, as faixas etrias etc.
A primeira tarefa descobrir as propores (porcentagens) dessas caractersticas na populao. Imaginase que haja 47% de homens e 53% de mulheres na populao. Logo, uma amostra de 50 pessoas
dever ter 23 homens e 27 mulheres.
Ento o pesquisador receber uma quota para entrevistar 27 mulheres. A considerao de vrias
categorias exigir uma composio amostral que atenda ao n determinado e s propores
populacionais estipuladas.

Exerccios
1 - Uma escola de 1 grau abriga 124 alunos. Obtenha uma amostra representativa correspondente a
15% da populao, utilizando a partir do incio da 5 linha da tabela de nmeros aleatrios.
2 - Tenho 80 lmpadas numeradas numa caixa. Como obtemos uma amostra de 12 lmpadas?
3 - Uma populao encontra-se dividida em trs estratos, com tamanhos, respectivamente, n1 = 40, n2 =
100 e n3 = 60. Sabendo que, ao realizar uma amostragem estratificada proporcional, 9 elementos da
amostra foram retirados do 3. estrato, determine o nmero de elementos da amostra.
4 - Mostre como seria possvel retirar uma amostra de 32 elementos de uma populao ordenada
formada por 2.432 elementos. Na ordenao geral, qual dos elementos abaixo seria escolhido para
pertencer amostra, sabendo-se que o elemento 1.420 a ela pertence?
(

) 1.648

) 290

) 725

) 2.025

) 1.120.

Estatstica Aplicada
3 - Sries Estatsticas
3.1 - Tabela
um quadro que resume um conjunto de dados dispostos segundo linhas e colunas de maneira
sistemtica. De acordo com a Resoluo 886 do IBGE, nas casas ou clulas da tabela devemos
colocar:
- um trao horizontal ( - ) quando o valor zero;
- trs pontos ( ... ) quando no temos os dados;
- zero ( 0 ) quando o valor muito pequeno para ser expresso pela unidade utilizada;
- um ponto de interrogao ( ? ) quando temos dvida quanto exatido de determinado valor.
Obs: O lado direito e esquerdo de uma tabela oficial deve ser aberto. Salientamos que nestes
documentos as tabelas no sero abertas devido a limitaes do editor HTML.

3.2 - Srie Estatstica


qualquer tabela que apresenta a distribuio de um conjunto de dados estatsticos em funo da
poca, do local ou da espcie.
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 ou evolutiva.
ABC VECLULOS LTDA
Vendas no 1 bimestre de 1996
PERODO

UNIDADES VENDIDAS*

Jan/96

20

Fev/96

10

TOTAL

30
*Em mil unidades

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.
ABC VECLULOS LTDA
Vendas no 1 bimestre de 1996
FILIAIS

UNIDADES VENDIDAS*

So Paulo

13

Rio de Janeiro

17

TOTAL

30
*Em mil unidades

C) - Srie Especfica: o carter varivel apenas o fato ou espcie. Tambm chamada de srie
categrica.
10

Estatstica Aplicada
ABC VECLULOS LTDA
Vendas no 1 bimestre de 1996
MARCA UNIDADES VENDIDAS*
FIAT

18

GOL

12

TOTAL

30
*Em mil unidades

D) - 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 VECLULOS LTDA
Vendas no 1 bimestre de 1996
FILIAIS
JANEIRO/96 FEVEREIRO/96
So Paulo

10

03

Rio de Janeiro

12

05

22

08

TOTAL

*Em mil unidades

Obs: as sries hetergradas sero estudas em captulo especial (distribuio de freqncias).

3.3 - Grficos Estatsticos


So representaes visuais dos dados estatsticos que devem corresponder, mas nunca substituir as
tabelas estatsticas.
Caractersticas: Uso de escalas, sistema de coordenadas, simplicidade, clareza e veracidade.
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 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.

3.3.1 - Classificao dos Grficos


Diagramas: So grficos geomtricos dispostos em duas dimenses. So os mais usados na
representao de sries estatsticas. Eles podem ser:
1 - Grficos em barras horizontais.
11

Estatstica Aplicada
2 - Grficos em barras verticais (colunas).
Quando as legendas no so breves usam-se de preferncia os grficos em barras horizontais. Nesses
grficos os retngulos tm a mesma base e as alturas so proporcionais aos respectivos dados. A
ordem a ser observada a cronolgica, se a srie for histrica, e a decrescente, se for geogrfica ou
categrica.

3 - Grficos em barras compostas.


4 - Grficos em colunas superpostas.
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.
5 - Grficos em linhas ou lineares.

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.
6 - Grficos em setores
12

Estatstica Aplicada
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. 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.
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 dado pequena preciso que oferecem.

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.

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.

3.4 - Distribuio de Freqncia


13

Estatstica Aplicada

um tipo de tabela que condensa uma coleo de dados conforme as freqncias (repeties de seus
valores).

Tabela Primitiva ou Dados Brutos: uma tabela ou relao de elementos que no foram
numericamente organizados. difcil formarmos uma idia exata do comportamento do grupo como um
todo, a partir de dados no ordenados.
Ex.: 45, 41, 42, 41, 42 43, 44, 41, 50, 46, 50, 46, 60, 54, 52, 58, 57, 58, 60, 51.

ROL: a tabela obtida aps a ordenao dos dados (crescente ou decrescente).


Ex : 41, 41, 41, 42, 42 43, 44, 45 ,46, 46, 50, 50, 51, 52, 54, 57, 58, 58, 60, 60.

Distribuio de Freqncia sem Intervalos de Classe: a simples condensao dos dados conforme
as repeties de seus valores. Para um ROL de tamanho razovel esta distribuio de freqncia
inconveniente, j que exige muito espao. Veja exemplo abaixo:
41
42
43
44
45
46
50
51
52
54
57
58
60
Total

Freqncia
3
2
1
1
1
2
2
1
1
1
1
2
2
20

Distribuio de Freqncia 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

Freqncias
7
3
4
1
5
20

3.4.1 - Elementos de uma Distribuio de Freqncia (com Intervalos de Classe)


Classe: so os intervalos de variao da varivel e simbolizada por i e o nmero total de classes
simbolizada por k. Ex: na tabela anterior k = 5 e 49 |------- 53 a 3 classe, onde i =3.

14

Estatstica Aplicada
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).
Ex: em 49 |------- 53 l3 = 49 e L3= 53. O smbolo |------- representa um intervalo fechado esquerda e
aberto direita. O dado 53 do ROL no pertence classe 3 e sim a classe 4 representada por 53 |---57.

Amplitude do Intervalo de Classe: obtida atravs da diferena entre o limite superior e inferior da
classe e simbolizada por hi = Li - li.
Ex: na tabela anterior hi = 53 - 49 = 4.
Obs: na distribuio de freqncia c/ classe o hi ser igual em todas as classes.

Amplitude Total da Distribuio: a diferena entre o limite superior da ltima classe e o limite
inferior da primeira classe. AT = L(max) - l(min).
Ex: na tabela anterior AT= 61 - 41= 20.
Amplitude Total da Amostra (ROL): a diferena entre o valor mximo e o valor mnimo da amostra
(ROL). Onde AA = Xmax - Xmin.
Em nosso exemplo AA = 60 - 41 = 19.
Obs: AT sempre ser maior que AA.

Ponto Mdio de Classe: o ponto que divide o intervalo de classe em duas partes iguais.
Ex: em 49 |------- 53 o ponto mdio x3 = (53+49)/2 = 51, ou seja, x3 = (l3+L3)/2.

3.4.2 - Mtodo Prtico para Construo de uma Distribuio de Freqncias c/ Classe


1. - Organize os dados brutos em um ROL.
2. - Calcule a amplitude amostral AA (no nosso exemplo: AA = 60 - 41 = 19)
3. - Calcule o nmero de classes atravs da Regra de Sturges:
Classes
3---------------5
6---------------11
12---------------22
23---------------46
47---------------90
91---------------181
182---------------362

Freqncias
3
4
5
6
7
8
9

Obs: qualquer regra para determinao do n de classes da tabela no nos levam a uma deciso final;
esta vai depender na realidade, de um julgamento pessoal, que deve estar ligado natureza dos dados
(no nosso exemplo: n = 20 dados, ento, a princpio, a regra sugere a adoo de 5 classes).

4. - Decidido o n de classes, calcule ento a amplitude do intervalo de classe h > AA/i (no nosso
exemplo: AA/i = 19/5 = 3,8).

Obs: como h > AA/i um valor ligeiramente superior para haver folga na ltima classe. Utilizaremos
ento h = 4.

15

Estatstica Aplicada
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 freqncia = 0 (zero) (no nosso
exemplo: o menor n da amostra = 41 + h = 45, logo a primeira classe ser representada por 41 |------- 45. As classes
seguintes respeitaro o mesmo procedimento).

O primeiro elemento das classes seguintes sempre ser formado pelo ltimo elemento da classe
anterior.

3.4.3 - Representao Grfica de uma Distribuio


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 freqncias.
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 freqncias simples ou absolutas.
Freqncias Simples ou Absolutas: so os valores que realmente representam o nmero de dados
de cada classe. A soma das freqncias simples igual ao nmero total dos dados da distribuio.
Freqncias Relativas: so os valores das razes entre as freqncias absolutas de cada classe e a
freqncia total da distribuio. A soma das freqncias relativas igual a 1 (100 %).
Polgono de Freqncia: um grfico em linha, sendo as freqncias 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 a primeira e da posterior ltima, da distribuio.
Polgono de Freqncia Acumulada: traado marcando-se as freqncias acumuladas sobre
perpendiculares ao eixo horizontal, levantadas nos pontos correspondentes aos limites superiores dos
intervalos de classe.
Freqncia Simples Acumulada de uma Classe: o total das freqncias de todos os valores
inferiores ao limite superior do intervalo de uma determinada classe.
Freqncia Relativa Acumulada de uma Classe: a freqncia acumulada da classe, dividida pela
freqncia total da distribuio.
Classe
50---------------54
54---------------58
58---------------62
62---------------66
66---------------70
70---------------74
Total

fi
4
9
11
8
5
3
40

xi
52
56
60
64
68
72

fri
0,100
0,225
0,275
0,200
0,125
0,075
1,000

Fi
4
13
24
32
37
40

Fri
0,100
0,325
0,600
0,800
0,925
1,000

Exerccio (com base na tabela anterior)


1. Sendo fi = freqncia simples; xi = ponto mdio de classe; fri = freqncia simples acumulada; Fi =
freqncia relativa e Fri = freqncia relativa acumulada. Construa o histograma, polgono de freqncia
e polgono de freqncia acumulada.
Obs: uma distribuio de freqncia sem intervalos de classe representada graficamente por um
diagrama onde cada valor da varivel representado por um segmento de reta vertical e de
comprimento proporcional respectiva freqncia.
16

Estatstica Aplicada
Curva de Freqncia (Curva Polida): enquanto o polgono de freqncia nos d a imagem real do
fenmeno estudado, a curva de freqncia nos d a imagem tendencial. O polimento (geometricamente,
corresponde eliminao dos vrtices da linha poligonal) de um polgono de freqncia nos mostra o que seria tal
polgono com um nmero maior de dados em amostras mais amplas.
Consegue-se isso com o emprego de uma frmula bastante simples:
Fci = (fant + 2fi + fpost) / 4
Onde:
fci = freqncia calculada da classe considerada (freqncia polida)
fi = freqncia simples da classe considerada
fant = freqncia simples da classe anterior da classe considerada
fpost = freqncia simples da classe posterior da classe considerada

Exerccio
Com base na tabela anterior, construa o grfico da curva polida a partir das freqncias calculadas.

4 - Medidas de Posio
4.1 - Introduo
So as 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
(verifica-se uma tendncia dos dados observados a se agruparem em torno dos valores centrais) .
As medidas de tendncia central mais utilizadas so: mdia aritmtica, moda e mediana. Outros
promdios menos usados so as mdias: geomtrica, harmnica, quadrtica, cbica e biquadrtica.
As outras medidas de posio so as separatrizes, que englobam: a prpria mediana, os decis, os
quartis e os percentis.

4.2 - Mdia Aritmtica =


igual ao quociente entre a soma dos valores do conjunto e o nmero total dos valores.

Onde: xi so os valores da varivel; e


n o nmero de valores.

17

Estatstica Aplicada

4.2.1 - 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 quilos, temos, para venda mdia diria na semana de:
= (10 + 14 + 13 + 15 + 16 + 18 + 12) = 14 quilos
7

4.2.2 - Desvio em Relao Mdia


a diferena entre cada elemento de um conjunto de valores e a mdia aritmtica, ou seja:
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 e
d7 = 12 - 14 = - 2.

4.3 - Propriedades da Mdia


1. Propriedade: a soma algbrica dos desvios em relao mdia nula.
No exemplo anterior: d1 + d2 + d3 + d4 + d5 + d6 + d7 = 0

2. Propriedade: somando-se (ou subtraindo-se) uma constante a todos os valores de uma varivel, a
mdia do conjunto fica aumentada (ou diminuda) dessa constante.
Se no exemplo original somarmos a constante 2 a cada um dos valores da varivel temos:

Y = 12 + 16 + 15 + 17 + 18 + 20 + 14 / 7 = 16 quilos ou Y =

+ 2 = 14 + 2 = 16 quilos

3. Propriedade: multiplicando-se (ou dividindo-se) todos os valores de uma varivel por uma constante ,
a mdia do conjunto fica multiplicada (ou dividida) por essa constante.
Se no exemplo original multiplicarmos a constante 3 a cada um dos valores da varivel temos:
18

Estatstica Aplicada

Y = 30 + 42 + 39 + 45 + 48 + 54 + 36 / 7 = 42 quilos ou Y =

x 3 = 14 x 3 = 42 quilos

4.4 - Dados Agrupados


4.4.1 - 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
Total

Freqncia - fi
2
6
10
12
4
34

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:
xi
fi 0
1
2
3
4
Total

fi
2
6
10
12
4
34

xi. fi
0
6
20
36
16
78

onde 78 / 34 = 2,3 meninos por famlia

4.4.2 - 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.


Exemplo: calcular a estatura mdia de bebs conforme a tabela abaixo.
Estaturas (cm)
50---------------54
54---------------58
58---------------62
62---------------66
66---------------70

freqncia = fi
4
9
11
8
5

ponto mdio = xi
52
56
60
64
68

xi. fi
208
504
660
512
340
19

Estatstica Aplicada
70---------------74
Total

3
40

72

Aplicando a frmula acima temos: 2.440 / 40 = 61, logo...

216
2.440

= 61 cm

4.5 - 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.

4.5.1 - A Moda quando os Dados no esto Agrupados


A moda facilmente reconhecida: basta, de acordo com definio, procurar o valor que mais se repete.
Exemplo: na srie {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.

4.5.2 - A Moda quando os Dados esto Agrupados


a) - 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
0
1
2
3

Freqncia
3
9
12
6

Resp: 2 C a temperatura modal, pois a de maior freqncia.

b) - 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.

20

Estatstica Aplicada
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.
Mo = (1* + L*) / 2
onde l* = limite inferior da classe modal e L* = limite superior da classe modal.
Exemplo: Calcule a estatura modal conforme a tabela abaixo.
Classes (em cm)
Freqncia
54---------------58
9
58---------------62
11
62---------------66
8
66---------------70
5
Resp: a classe modal 58 |-------- 62, pois a de maior freqncia. l*=58 e L*=62
Mo = (58+62) / 2 = 60 cm (este valor estimado, pois no conhecemos o valor real da moda).

Mtodo mais elaborado pela frmula de CZUBER: Mo = l* + (d1 / (d1+d2)) x h*


l* = limite inferior da classe modal e L* = limite superior da classe modal
d1 = freqncia da classe modal - freqncia da classe anterior da classe modal
d2= freqncia da classe modal - freqncia da classe posterior da classe modal
h*= amplitude da classe modal
Obs: a moda utilizada quando desejamos obter uma medida rpida e aproximada de posio ou
quando a medida de posio deva ser o valor mais tpico da distribuio. J a mdia aritmtica a
medida de posio que possui a maior estabilidade.

4.6 - 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

4.6.1 - A Mediana em 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}
O valor que divide a srie acima em duas partes iguais igual a 9, logo a Md = 9.

4.6.2 - Mtodo Prtico para o Clculo da Mediana


Se a srie dada tiver nmero mpar de termos, o valor mediano ser o termo de ordem dado pela
frmula: ( n + 1 ) / 2
21

Estatstica Aplicada
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
Se a srie dada tiver nmero par de termos, o valor mediano ser o termo de ordem 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
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 das diferenas marcante 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.

4.6.3 - A Mediana em Dados Agrupados


a) - Sem Intervalos de Classe
Neste caso, o bastante identificar a freqncia acumulada imediatamente superior metade da soma
das freqncias. A mediana ser aquele valor da varivel que corresponde a tal freqncia acumulada.
Exemplo conforme tabela abaixo:
Varivel xi
0
1
2
3
4
22

Freqncia = fi
2
6
9
13
5

Freqncia acumulada
2
8
17
30
35

Estatstica Aplicada
Total

35

Quando o somatrio das freqncias for mpar o valor mediano ser o termo de ordem dado pela
frmula:

Como o somatrio das freqncias = 35 a frmula ficar: (35+1) / 2 = 18 Termo = 3.


Quando o somatrio das freqncias 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

Freqncia = fi
1
2
1
2
1
1
8

Freqncia acumulada
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

b) - Com Intervalos de Classe


Devemos seguir os seguintes passos:
1.) - Determinamos as freqncias acumuladas;
2.) - Calculamos fi / 2;
3.) - Marcamos a classe correspondente freqncia acumulada imediatamente superior fi / 2. Tal
classe ser a classe mediana;
4.) - Calculamos a Mediana pela seguinte frmula: l* + [(fi / 2 - FAA) x h*] / f*
l* = o limite inferior da classe mediana.
FAA = a freqncia acumulada da classe anterior classe mediana.
F* = a freqncia simples da classe mediana.
h* = a amplitude do intervalo da classe mediana.
Exemplo:
classes
50---------------54
54---------------58
58---------------62
62---------------66
66---------------70
70---------------74
Total

freqncia = fi
4
9
11
8
5
3
40

freqncia acumulada
4
13
24
32
37
40

23

Estatstica Aplicada
fi / 2 = 40 / 2 = 20
l* = 58

logo, a classe mediana ser 58 |---------- 62

FAA = 13

f* = 11

h* = 4

Substituindo esses valores na frmula, obtemos: Md = 58 + [(20 - 13) x 4]/11 = 58 + 28/11 = 60,54
OBS: esta mediana estimada, pois no temos os 40 valores da distribuio.

4.6.4 - Emprego da Mediana

Quando desejamos obter o ponto que divide a distribuio em duas partes iguais.

Quando h valores extremos que afetam de maneira acentuada a mdia aritmtica.

Quando a varivel em estudo salrio.

4.7 - Separatrizes
Alm das medidas de posio que estudamos, h outras que, consideradas individualmente, no so
medidas de tendncia central, mas esto ligadas mediana relativamente sua caracterstica de
separar a srie em duas partes que apresentam o mesmo nmero de valores. Essas medidas - os
quartis, os decis e os percentis - so, juntamente com a mediana, conhecidas pelo nome genrico de
separatrizes.

4.8 - Quartis
Denominamos quartis os valores de uma srie que a dividem em quatro partes iguais. Precisamos,
portanto de 3 quartis (Q1, Q2 e Q3) para dividir a srie em quatro partes iguais.
Obs: o quartil 2 (Q2) sempre ser igual mediana da srie.

4.8.1 - Quartis em Dados no Agrupados


O mtodo mais prtico utilizar o princpio do clculo da mediana para os 3 quartis. Na realidade sero
calculadas "3 medianas" em uma mesma srie.
Exemplo 1: calcule os quartis da srie: {5, 2, 6, 9, 10, 13, 15}
O primeiro passo a ser dado o da ordenao (crescente ou decrescente) dos valores: {2, 5, 6, 9, 10, 13, 15}
O valor que divide a srie acima em duas partes iguais igual a 9, logo a Md = 9 que ser = Q2.
Temos agora {2, 5, 6} e {10, 13, 15} como sendo os dois grupos de valores iguais proporcionados pela
mediana (quartil 2).
Para o clculo do quartil 1 e 3 basta calcular as medianas das partes iguais provenientes da verdadeira
Mediana da srie (quartil 2).
Logo em {2, 5, 6} a mediana = 5. Ou seja: ser o quartil 1 em {10, 13, 15} a mediana = 13. Ou seja:
ser o quartil 3
Exemplo 2: calcule os quartis da srie: {1, 1, 2, 3, 5, 5, 6, 7, 9, 9, 10, 13}
24

Estatstica Aplicada
A srie j est ordenada, ento calcularemos o Quartil 2 = Md = (5+6)/2 = 5,5
O quartil 1 ser a mediana da srie esquerda de Md: {1, 1, 2, 3, 5, 5} Q1 = (2+3)/2 = 2,5
O quartil 3 ser a mediana da srie direita de Md: {6, 7, 9, 9, 10, 13} Q3 = (9+9)/2 = 9

4.8.2 - Quartis para Dados Agrupados em Classes


Usamos a mesma tcnica do clculo da mediana, bastando substituir, na frmula da mediana fi / 2 por
k.fi / 4 , sendo k o nmero de ordem do quartil.
Assim, temos: Q1 = l* + [(fi / 4 - FAA) x h*] / f*
Q2 = l* + [(2.fi / 4 - FAA) x h*] / f*
Q3 = l* + [(3.fi /4 - FAA ) x h*] / f*
Exemplo 3: calcule os quartis da tabela abaixo:
classes
50---------------54
54---------------58
58---------------62
62---------------66
66---------------70
70---------------74
Total

freqncia = fi
4
9
11
8
5
3
40

O quartil 2 = Md, logo: fi / 2 = 40 / 2 = 20


l* = 58

FAA = 13

f* = 11

freqncia acumulada
4
13
24
32
37
40

logo a classe mediana ser 58 |---------- 62

h* = 4

Substituindo esses valores na frmula, obtemos: Md = 58 + [(20 - 13) x 4] /11 = 58 + 28/11 = 60,54
O quartil 1: Efi /4 = 10 Q1 = 54 + [(10 - 4) x 4]/9 = 54 + 2,66 = 56,66
O quartil 3: 3.fi /4 = 30 Q3 = 62 + [(30 -24) x 4] / 8 = 62 + 3 = 65

4.9 - Decis
A definio dos decis obedece ao mesmo princpio dos quartis, com a modificao da porcentagem de
valores que ficam aqum e alm do decil que se pretende calcular. A frmula bsica ser: k.fi /10
onde k o nmero de ordem do decil a ser calculado. Indicamos os decis: D1, D2,.., D9. Deste modo
precisamos de 9 decis para dividirmos uma srie em 10 partes iguais.
De especial interesse o quinto decil, que divide o conjunto em duas partes iguais. Assim sendo, o
quinto decil igual ao segundo quartil, que por sua vez igual mediana.
Para D5 temos: 5.fi / 10 = E fi/2
Exemplo: calcule o 3 decil da tabela anterior com classes.
k = 3 onde 3.fi /10 = 3 x 40/10 = 12. Este resultado corresponde a 2 Classe.
D3 = 54 + [ (12 - 4) x 4] / 9 = 54 + 3,55 = 57,55
25

Estatstica Aplicada

4.10 - Percentil ou Centil


Denominamos percentis ou centis como sendo os noventa e nove valores que separam uma srie em
100 partes iguais. Indicamos: P1, P2,..., P99. evidente que P50 = Md; P25 = Q1 e P75 = Q3.
O clculo de um centil segue a mesma tcnica do clculo da mediana, porm a frmula ser: k.fi / 100
onde k o nmero de ordem do centil a ser calculado.
Exemplo: calcule o 8 centil da tabela anterior com classes.
k = 8 onde 8.fi /100 = 8x40/100 = 3,2. Este resultado corresponde a 1 classe.
P8 = 50 + [(3,2 -0) x 4] 4 = 50 + 3,2 = 53,2

4.10.1 - Disperso ou Variabilidade


a maior ou menor diversificao dos valores de uma varivel em torno de um valor de tendncia
central (mdia ou mediana) tomado como ponto de comparao.
A mdia - ainda que considerada como um nmero que tem a faculdade de representar uma srie de
valores - no pode por si mesmo, destacar o grau de homogeneidade ou heterogeneidade 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}
Observamos ento que os trs conjuntos apresentam a mesma mdia aritmtica = 350/5 = 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.
Conclumos ento que o conjunto X apresenta disperso nula e que o conjunto Y apresenta uma
disperso menor que o conjunto Z.

5 - Medidas de Disperso Absoluta


5.1 - Amplitude Total
a nica medida de disperso que no tem na mdia o ponto de referncia.
Quando os dados no esto agrupados a amplitude total a diferena entre o maior e o menor valor
observado: AT = X mximo - X mnimo.
Exemplo: para os valores 40, 45, 48, 62 e 70 a amplitude total ser: AT = 70 - 40 = 30
Quando os dados esto agrupados sem intervalos de classe ainda temos: AT = Xmximo - Xmnimo.
26

Estatstica Aplicada

Exemplo:

xi

fi

AT = 4 - 0 = 4

4
3
Com intervalos de
classe a amplitude total a diferena entre o limite superior da
ltima classe e o limite inferior da primeira classe. Ento AT = Lmximo - lmnimo.

Exemplo:

Classes
4---------------6
6---------------8
8---------------10

fi
6
2
3

AT = 10 - 4 = 6

A amplitude total tem o inconveniente e s levar em conta os dois valores extremos da srie,
descuidando do conjunto de valores intermedirios. Faz-se uso da amplitude total quando se quer
determinar a amplitude da temperatura em um dia, no controle de qualidade ou como uma medida
de clculo rpido sem muita exatido.

5.2 - Desvio Quartil


Tambm chamado de amplitude semi-interquatlica e baseada nos quartis.
Smbolo: Dq e a Frmula: Dq = (Q3 - Q1) / 2
Observaes:
1. O desvio quartil apresenta como vantagem o fato de ser uma medida fcil de calcular e de
interpretar. Alm do mais, no afetado pelos valores extremos, grandes ou pequenos, sendo
recomendado, por conseguinte, quando entre os dados figurem valores extremos que no se
consideram representativos.
2. O desvio quartil dever ser usado preferencialmente quando a medida de tendncia central for a
mediana.
3. Trata-se de uma medida insensvel distribuio dos itens menores que Q1, entre Q1 e Q3 e
maiores que Q3.
Exemplo: para os valores 40, 45, 48, 62 e 70 o desvio quartil ser:
Q1 = (45+40)/2 = 42,5

Q3 = (70+62)/2 = 66

Dq = (66 - 42,5) / 2 = 11,75

5.3 - Desvio Mdio Absoluto para Dados Brutos


27

Estatstica Aplicada
a mdia aritmtica dos valores absolutos dos desvios tomados em relao a uma das seguintes
medidas de tendncia central: mdia ou mediana. Smbolo = Dm
Frmula para a Mdia = |Xi - X | /n
Frmula para a Mediana = |Xi - Md | /n
As barras verticais indicam que so tomados os valores absolutos, prescindindo do sinal dos desvios.
Exemplo: calcular o desvio mdio do conjunto de nmeros {- 4 , - 3 , - 2 , 3 , 5}
= - 0, 2 e Md = - 2
Tabela auxiliar para clculo do desvio mdio

Xi

Xi -

| Xi -

Xi - Md

| Xi - Md |

- 4 (- 4) - (-0,2) = -3,8

3,8

(- 4) - (-2) = - 2

- 3 (- 3) - (-0,2) = -2,8

2,8

(- 3) - (-2) = - 1

- 2 (- 2) - (-0,2) = -1,8

1,8

(- 2) - (-2) = 0

3 - (-0,2) = 3,2

3,2

3 - (-2) = 5

5 - (-0,2) = 5,2

5,2

5 - (-2) = 7

16,8

15

Pela Mdia: Dm = 16,8/5 = 3,36

Pela Mediana: Dm = 15/5 = 3

5.4 - Desvio Mdio para Dados Tabulados


Se os valores vierem dispostos em uma tabela de freqncias, agrupados ou no em classes, sero
usadas as seguintes frmulas:
Clculo pela mdia: Dm = ( |Xi - X|. fi) /Efi
Clculo pela mediana: Dm = ( |Xi - Md |. fi ) / E fi
Exemplo de clculo pela mdia:

Xi

f i Xi . f i

Xi -

| Xi -

| Xi -

4,7

- 1,7

1,7

3,4

4,7

- 0,7

0,7

1,4

15

4,7

0,3

0,3

0,9

18

4,7

1,3

1,3

3,9

= 10

47

|.fi

9,6
Dm = 9,6/10 = 0,96

Para o clculo do desvio mdio pela mediana segue-se o mesmo raciocnio.

Xi
28

f i Md Xi - Md | Xi - Md |

| Xi - Md | . f i

-2

-1

Estatstica Aplicada

Dm = 7/10 = 0,70

Obs: apesar de o desvio mdio expressar aceitavelmente a disperso de uma amostra, no to


freqentemente empregado como o desvio-padro. O desvio mdio despreza o fato de alguns desvios
serem negativos e outros positivos, pois essa medida os trata como se fossem todos positivos. Todavia
ser preferido o uso do desvio mdio em lugar do desvio-padro, quando esse for indevidamente
influenciado pelos desvios extremos.

5.5 - Desvio Padro


a medida de disperso mais geralmente empregada, pois leva em considerao a totalidade dos
valores da varivel em estudo. um indicador de variabilidade bastante estvel.
O desvio padro baseia-se nos desvios em torno da mdia aritmtica e a
sua frmula bsica pode ser traduzida como: a raiz quadrada da mdia
aritmtica dos quadrados dos desvios e representada por S.
A frmula acima empregada quando tratamos de uma populao de
dados no-agrupados.
Exemplo: calcular o desvio padro da populao representada por - 4 , -3 , -2 , 3 , 5.

Xi
-4

- 0,2

- 3,8

14,44

-3

- 0,2

- 2,8

7,84

-2

- 0,2

- 1,8

3,24

- 0,2

3,2

10,24

- 0,2

5,2

27,04

62,8

Sabemos que n = 5 e 62,8/5 = 12,56.


A raiz quadrada de 12,56 o desvio padro = 3,54
Obs: 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:
Se os dados - 4, -3, -2, 3, 5 representassem uma amostra o desvio padro amostral seria a raiz
quadrada de 62,8 /(5 -1) = 3,96.
O desvio padro goza de algumas propriedades, dentre as quais destacamos:
29

Estatstica Aplicada
1: somando-se (ou subtraindo-se) uma constante a todos os valores de uma varivel, o desvio padro no
se altera.
2: 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.

Quando os dados esto agrupados (temos a presena de freqncias) a frmula do desvio padro ficar :

ou quando se trata de uma amostra:

Exemplo: calcule o desvio padro populacional da tabela abaixo:

Xi

f i Xi . f i

.fi

2,1

-2,1

4,41

8,82

2,1

-1,1

1,21

7,26

12

24

2,1

-0,1

0,01

0,12

21

2,1

0,9

0,81

5,67

12

2,1

1,9

3,61

10,83

Total 30

63

32,70

Sabemos que Efi = 30 e 32,7/30 = 1,09.


A raiz quadrada de 1,09 o desvio padro = 1,044
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 freqncias com intervalos de classe a frmula a ser utilizada a mesma do
exemplo anterior.

5.6 - Varincia
o desvio padro elevado ao quadrado e simbolizado por S2.
A varincia uma medida que tem pouca utilidade como estatstica descritiva, porm extremamente
importante na inferncia estatstica e em combinaes de amostras.

Exerccios

1 - Considere os seguintes conjuntos de nmeros:


A = {10, 20, 30, 40, 50}
30

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

Estatstica Aplicada
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}

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.

6 - Probabilidade
6.1 - 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 das probabilidades uma necessidade
essencial para o estudo da Estatstica Indutiva ou Inferencial.

6.2 - Experimento Aleatrio


So fenmenos que, mesmo repetido 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.

6.3 - Espao Amostral


o conjunto universo ou o conjunto de resultados possveis de um experimento aleatrio.
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 :
31

Estatstica Aplicada
{(ca,ca) , (co,co) , (ca,co) , (co,ca)}.
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}.

6.4 - Eventos
qualquer subconjunto do espao amostral de um experimento aleatrio.
Se considerarmos S como espao amostral e E como evento, assim, qualquer que seja E, se E c S (E
est contido em S), ento E um evento de S.
Se E = S , E chamado de evento certo.
Se E c S e E um conjunto unitrio, E chamado de evento elementar.
Se E = , E chamado de evento impossvel.

Exerccio

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: A = {2,4,6} onde A C S.
b) Obter um nmero menor ou igual a 6 na face superior: B = {1,2,3,4,5,6}, onde B = S, logo B um
evento certo de S.
c) Obter o nmero 4 na face superior: C = {4}, logo C um evento elementar de S.
d) Obter um nmero maior que 6 na face superior: D = , logo D um evento impossvel de S.

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 uma cara:
- Obter no mximo duas caras:
- Obter uma cara e uma coroa:
- Obter uma cara ou uma coroa:

6.5 - Conceito de Probabilidade

32

Estatstica Aplicada
Chamamos de probabilidade de um evento A (sendo que A est contido no Espao Amostral) o nmero real
P(A), tal que: nmero de casos favorveis de A/nmero total de casos
OBS: quando todos os elementos do Espao Amostral tm a mesma chance de acontecer, o espao
amostral chamado de 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%

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 = 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 = 0 ou 0%

6.6 - 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:

Obs: numa distribuio de probabilidades o somatrio das probabilidades atribudas a cada evento
elementar igual a 1 onde p1 + p2 + p3 + ... + pn = 1.
Exemplos:
1. Sabemos que a probabilidade de tirar o n 4 no lanamento 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: 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).
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.
33

Estatstica Aplicada
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.
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.

6.7 - Eventos Independentes


Quando a realizao ou no realizao de um dos eventos no afeta a probabilidade da realizao do
outro e vice-versa.
Exemplo: quando lanamos dois dados, o resultado obtido em um deles independe do resultado obtido
no outro. Ento qual seria a probabilidade de obtermos, simultaneamente, o n 4 no primeiro dado e o n
3 no segundo dado?
Assim, sendo P1 a probabilidade de realizao do primeiro evento e P2 a probabilidade de realizao
do segundo evento, a probabilidade de que tais eventos se realizem simultaneamente dada pela
frmula:

P (1 n 2) = P (1 e 2) = P (1) x P (2)
P1 = P(4 dado1) = 1/6

P2 = P(3 dado2) = 1/6

P total = P (4 dado1) x P (3 dado2) = 1/6 x 1/6 = 1/36

6.8 - Eventos Mutuamente Exclusivos


Dois ou mais eventos so mutuamente exclusivos quando a realizao de um exclui a realizao do (s)
outro (s). Assim, no lanamento de 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.
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 (1 U 2 ) = P (1 o u 2 ) = P (1 ) + P (2 )
Exemplo: no lanamento de um dado qual a probabilidade de se tirar o n 3 ou o n 4?
Os dois eventos so mutuamente exclusivos ento: P = 1/6 + 1/6 = 2/6 = 1/3
Obs: na probabilidade da unio de dois eventos A e B, quando h elementos comuns, devemos excluir
as probabilidades dos elementos comuns a A e B (elementos de A n B) para no serem computadas duas
vezes. Assim P(A U B) = P(A) + P(B) - P(A n B).
Exemplo: retirando-se uma carta de um baralho de 52 cartas, qual a probabilidade da carta retirada ser
ou um S ou uma carta de COPAS?
P (S U Copas) = P(S) + P(Copas) - P(S n Copas) = 4/52 + 13/52 - 1/52 = 16/52

34

Estatstica Aplicada
6.9 - Probabilidade Condicional
Se A e B so dois eventos, a probabilidade de B ocorrer, depois de A ter acontecido definida por: P
(B/A), ou seja, chamada probabilidade condicional de B. Neste caso os eventos so dependentes e
definidos pela frmula:

P (A e B ) = P (A ) x P (B /A )
Exemplo: duas cartas so retiradas de um baralho sem haver reposio. Qual a probabilidade de
ambas serem COPAS?
P (Copas1 e Copas2) = P(Copas1) x P(Copas2/Copas1) = 13/52 x 12/51 = 0,0588 = 5,88 %
P(Copas1) = 13/52
P(Copas2/Copas1) = 12/51
Obs: no exemplo anterior se a 1 carta retirada voltasse ao baralho o experimento seria do tipo com
reposio e seria um evento independente. O resultado seria:
P(Copas1) x P(Copas2) = 13/52 x 13/52 = 0,625 = 6,25 %

Espao amostral do baralho de 52 cartas


Carta pretas = 26;
Paus = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei);
Espadas = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei);
Cartas vermelhas = 26;
Ouros = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei);
Copas = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei).

Exerccios

1. Qual a probabilidade de sair o S de ouros quando retiramos 1 carta de um baralho de 52


cartas?
2. Qual a probabilidade de sair um REI quando retiramos 1 carta de um baralho de 52 cartas?
3. Em um lote de 12 peas, 4 so defeituosas. Sendo retirada uma pea, calcule:
a) A probabilidade de essa pea ser defeituosa;
b) A probabilidade de essa pea no ser defeituosa.
4. 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?
5. Ateno:
Uma urna A contm: 3 bolas brancas, 4 pretas, 2 verdes;
Uma urna B contm: 5 notas brancas, 2 pretas, 1 verde;
35

Estatstica Aplicada
Uma urna C contm: 2 bolas brancas, 3 pretas, 4 verdes;
Uma bola retirada de cada urna. Qual a probabilidade de as trs bolas retiradas da 1 , 2 e 3 urnas
serem, respectivamente, branca, preta e verde?
6. 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?
7. Qual a probabilidade de sair uma figura (rei ou dama ou valete) quando retiramos uma carta de um
baralho de 52 cartas?
8. 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 nessa ordem?
9. Duas cartas so retiradas de um baralho sem haver reposio. Qual a probabilidade de ambas
serem COPAS ou ESPADAS?
10. Duas bolas so retiradas (sem reposio) de uma urna que contm 2 bolas brancas e 3 bolas
pretas. Qual a probabilidade de que a 1. seja branca e a 2. seja preta?
11. Duas bolas so retiradas (com reposio) de uma urna que contm 2 bolas brancas e 3 bolas
pretas. Qual a probabilidade de que a 1. seja branca e a 2. seja preta?
12. Duas bolas so retiradas (sem reposio) de uma urna que contm 2 bolas brancas e 3 bolas
pretas e 5 bolas verdes.
a) Qual a probabilidade de que ambas sejam verdes?
b) Qual a probabilidade de que ambas sejam da mesma cor?

7 - Tcnicas de Contagem em Probabilidade


o uso das frmulas de anlise combinatria para o clculo do nmero de casos favorveis e o nmero
de casos possveis.

Arranjo com repetio: AR n,p


AR 9,3 = 9 x 9 x 9 = 729
AR 9,2 = 9 x 9 = 81
Exemplo: se mil ttulos entram em sorteio com os nmeros de 000 a 999. Qual a probabilidade:
A - De sair nmeros com a dezena 24 = A10,1 / 1000 = 10 / 1000 = 0,01 ou 1%
B - De sair nmeros com a unidade 4 = A10,2 / 1000 = 100 / 1000 = 0,1 ou 10%
C - De sair nmeros com a centena 323 = 1 / 1000 = 0,001 ou 0,1%

Reviso de Fatorial:
5! = 5 x 4 x 3 x 2 x 1 = 120
5! / 3! = 5 x 4 x 3! / 3! = 20
3! x 4! / 5! = 3 x 2 x 1 x 4! / 5 x 4! = 3 x 2 x 1 / 5 = 1,2

36

Estatstica Aplicada
Combinao: Cn,r = n! / (n - r)! . R!
C15,3 = 15! / (15-3)! . 3! = 15 x 14 x 13 x 12! / 12! x 3! = 15 x 14 x 13 / 3 x 2 x 1

Exemplos

1. Qual a probabilidade de tirarmos 5 cartas de espadas sem reposio de um baralho de 52


cartas?
Mtodo tradicional: P(5 espadas) = 13/52 . 12/51 . 11/50 . 10/49 . 9/48 = 0,0005...
Tcnica de contagem: P(5 espadas) = C13,5 / C52,5 = (13.12.11.10.9 / 5.4.3.2.1) / (52.51.50.49.48 /
5.4.3.2.1) = 13.12.11.10.9 / 52.51.50.49.48 = 0,0005...
2. De 20 pessoas que se oferecem para doar sangue 15 possuem sangue tipo B. Qual a
probabilidade de, escolhendo-se 3 pessoas desse grupo todas as 3 escolhidas tenham sangue
tipo B?
P (3 sangue B) = C15,3 / C20,3 = (15.14.13 / 3.2.1) / (20.19.18 / 3.2.1) = 15.14.13/20.19.18 = 0,399
3. Qual a probabilidade de retirarmos 2 ases em uma amostra de 5 cartas retiradas de um baralho
de 52 cartas?
P (2 ases) = (C4,2 x C48,3) / C52,5
4. Qual a probabilidade de retirarmos 4 ases em uma amostra de 13 cartas retiradas de um baralho
de 52 cartas?
P (4 ases) = (C4,4 x C48,9) / C52,13 = C48,9 / C52,13

7.1 - Teorema da Probabilidade Total


Seja B1, B2, B3...Bk um conjunto de eventos mutuamente exclusivos cuja unio forma o espao
amostral. Seja A outro evento no mesmo espao amostral, tal que P(A) > 0 .
Ento: P(A) = P( A n B1) + P( A n B2) + P( A n B3) + . . . + P( A n Bk)
P(A) = P(B1) . P(A|B1) + P(B2) . P(A|B2) + . . . P(Bk) . P(A|Bk)
Ento podemos escrever a frmula da probabilidade total como: P(A) = E P(Bi) . P(A|Bi)
Exemplo: segundo especialistas esportivos, a probabilidade de que o Flamengo vena o prximo jogo
estimada em 0,70 se no chover, e s de 0,50 se chover. Se os registros meteorolgicos anunciam uma
probabilidade de 0,40 de chover na data do jogo, qual ser ento a probabilidade desse time ganhar o
prximo jogo?
P(A) = E P(Bi) . P(A|Bi)
P(ganhar) = P(ganhar n chuva ) + P(ganhar n no chuva )
P(ganhar) = P(chuva) . P(ganhar | chuva) + P(no chuva) . P(ganhar | no chuva)
P(ganhar) = (0,40 . 0,50 ) + (0,60 . 0,70) = 0,20 + 0,42 = 0,62 ou 62%
37

Estatstica Aplicada

7.2 - Teorema de Bayes


Sabemos que: P(A) = E P(Bi) . P(A|Bi)
P(A n Bi) = P(A) . P(Bi|A) logo P(Bi|A) = P(A n Bi) / P(A) ento substituindo teremos :
P (Bi|A) = P (Bi) . P (A|Bi) / E P(Bi) . P(A|Bi), que a frmula de Bayes
Exemplo:
Certo professor do IFA Tcnico 4/5 das vezes vai trabalhar usando um fusca e usando um carro
importado nas demais vezes. Quando ele usa o fusca, 75 % das vezes ele chega em casa antes das 23
horas e quando usa o carro importado s chega em casa antes das 23 horas em 60% das vezes.
Ontem o professor chegou em casa aps s 23 horas. Qual a probabilidade de que ele, no dia de
ontem, tenha usado o fusca?
B1 = usar o fusca

B2 = usar carro importado

P(B1) = 4/5 = 0,80

A = chegar em casa aps 23 horas

P(B2) = 1/5 = 0,20

P(A | B1) = 1 - 0,75 = 0,25

P(A | B2) = 1 - 0,60 = 0,40

P(B1 | A) = P (B1) . P(A | B1) / P (B1) . P(A | B1) + P (B2) . P(A | B2)
P(B1 | A) = 0,80 x 0,25 /(0,80 x 0,25) + (0,20 x 0,40) =
P(B1 | A) = 0,20 / (0,20 + 0,08) = 0,7143 ou 71,43 %

Exerccio
1 - Certo aluno do IFA Tcnico 3/4 das vezes vai estudar usando um fusca e usando um carro
importado nas demais vezes. Quando ele usa o fusca, 35 % das vezes ele chega em casa depois das
23 horas e quando usa o carro importado s chega em casa antes das 23 horas em 0,55 das vezes.
Ontem o aluno chegou em casa antes das 23 horas. Qual a probabilidade em percentual de que ele, no
dia de ontem, tenha usado o fusca?

7.3 - Instrumental Matemtico - 01


7.3.1 - 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
38

Estatstica Aplicada
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, aumenta-se 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.

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

7.3.2 - 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.

8 - Exerccios
8.1 - Arredondamento de dados
1. Arredonde cada uma dos numerais abaixo, conforme a preciso pedida:
a) Para o dcimo mais prximo:
- 23,40 =
- 234,7832 =
- 45,09 =
- 48,85002 =
39

Estatstica Aplicada
- 120,4500 =

b) Para o centsimo mais prximo:


- 46,727 =
- 123,842 =
- 45,65 =
- 28,255 =
- 37,485 =

c) Para a unidade mais prxima:


- 46,727 =
- 123,842 =
- 45,65 =
- 28,255 =
- 37,485 =

d) Para a dezena mais prxima:


- 42,3 =
- 123,842 =
- 295 =
- 2995,000 =
- 59 =

2. Arredonde para o centsimo mais prximo e compense, se necessrio:


0,060 + 0,119 + 0,223 + 0,313 + 0,164 + 0,091 + 0,030 = 1,000

3. Arredonde para a unidade mais prxima e compense, se necessrio:


4,0 + 7,6 + 12,4 + 27,4 + 11,4 + 8,0 = 70,8

8.2 - Mdia, Moda e Mediana


1. Marque a questo 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. A nota mdia dos alunos ser:
1 - Uma mdia aritmtica simples com valor 8,0;
2 - Uma mdia aritmtica simples com valor 8,7;
40

Estatstica Aplicada
3 - Uma mdia aritmtica ponderada com valor 8,0;
4 - Uma mdia aritmtica ponderada com valor 8,5;
5 - Uma mdia aritmtica ponderada com valor 8,6, pois o de maior freqncia.

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:
(

) A mdia aritmtica ficou alterada, assim como a mediana.

) Apenas a mdia aritmtica ficou alterada.

) Apenas a mediana ficou alterada.

) No houve alterao nem na mdia nem na mediana.

) 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:
(

) Ao nmero - 4

) Ao nmero 25

) Ao nmero 8

) Ao nmero 4

) Ao nmero 0

d) A mediana da srie {1, 3, 8, 15, 10, 12, 7} :


(

) Igual a 15

) Igual a 10

) Igual a 8

) Igual a 3,5

) No h mediana, pois no existe repetio de valores.

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:
(

) Igual a 180, porque todos opinaram somente uma vez.

) Igual a 40, porque a mdia entre os valores 50 e 30.

) Igual a 45.

) Igual a 1, porque todos opinaram somente uma vez.

) No h mdia aritmtica.

f) Segundo o site de VEJA na internet 28% da populao brasileira de origem africana, 32% de origem
portuguesa, 20% de origem italiana e 20% de outras origens. Qual a moda quanto origem?
(

) 32%

) 20%
41

Estatstica Aplicada
(

) 32% da populao.

) Origem portuguesa.

) No podemos identificar a moda por falta de dados.

G - Numa determinada Escola com 300 alunos 34% deles completam o 2 grau em 3 anos e 66% em 4
anos. Qual o tempo mdio de concluso do 2 grau na referida Escola.
(

) 7 anos.

) 3,66 anos.

) 3 e 4 anos.

) 3 ou 4 anos.

) 3,5 anos.

H - Na srie estatstica formada por {-1, -2, 3, 4}:


(

) A mediana est entre -2 e 3.

) A mediana 0,5.

) A questo 1 e 2 esto corretas.

) A mediana 2.

) No existe mediana, pois no h dados repetidos.

I - Na srie estatstica formada por {3, 1, 2, 3, 6}:


(

) Mediana > moda > mdia.

) Moda < mdia < mediana.

) Moda = mediana = mdia.

) Mediana = mdia e no h moda.

) Mdia > mediana e no h moda.

J - Na srie estatstica formada por {3, 1, 2, 3, 4} se for alterado o valor mximo:


(

) A mdia poder ser alterada ou no.

) A mediana no vai ser alterada.

) A moda no ser alterada.

) A mdia ser alterada.

) A mediana vai ser alterada.

K - Quando a medida de posio deve ser o valor mais tpico da distribuio utilizamos:
(

) A mdia.

) A mdia, a moda e mediana.

) A mediana.

) A moda ou a mdia.

) A moda.

L - Quando desejamos o ponto mdio exato de uma distribuio de freqncia, basta calcular:
42

Estatstica Aplicada
(

) O desvio mdio.

) A mediana.

) A mdia.

) Qualquer medida de posio.

) A moda.

M - Considere uma srie estatstica com 2351 elementos. A posio da mediana representada pelo:
(

) 1175 elemento.

) 1176 elemento.

) Ponto mdio entre o 1175 e o 1176 elemento.

) 1175,5 elemento.

) Impossvel resoluo, pois no h identificao dos elementos.

N - Dados os conjuntos de nmeros B = {0, 1, 2, 3, 4, 5} e A = {220, 225, 230, 235, 240, 245}, podemos
afirmar, de acordo com as propriedades da mdia, que a mdia de A:
(

) igual constante 220 somada ao produto da mdia de b por 5.

) igual mdia de b mais a constante 220.

) igual mdia de b multiplicada por uma constante arbitrria.

) igual mdia de b mais a constante 220 e esse ltimo resultado multiplicado por 5.

) igual mdia de B multiplicada pela constante 94.

8.3 - Nmeros ndices


1. O salrio mdio dos bancrios em 1989 era de 450 dlares. O nmero ndice do IPC nesse
mesmo ano foi igual a 1234,5 e o de 1986 foi igual a 783,2 referidos ao perodo base em 1977.
Qual o salrio mdio dos bancrios em 1989 a preos constantes de 1986?
(450 /1234,5) x 783,2 = 285,49
US$ 285,49

2. Os salrios dos empregados da empresa "Brasil Sonho LTDA" decresceram 15% entretanto o
nmero total de empregados aumentou em 17%. Qual a variao percentual da folha de
pagamentos desta empresa?
Folha de pagamentos = salrios x nmero de empregados
Salrios desceram 15% = (-15/100)+1 = 0,85
N de empregados aumentou 17% = (17/100)+1 = 1,17
Variao na folha de pagamentos = 0,85 x 1,17 = 0,9945
Transformando o fator encontrado para percentual teremos: (0,9945-1) x 100 = -0,55%

43

Estatstica Aplicada
3. O IFA Tcnico registrou inflao de 1,9% em dez/05, inflao de 2,0% em jan/906, inflao de
0,05% em fev/06 e deflao de 0,09% em mar/06. O percentual acumulado no 1 trimestre/06
foi?
Devemos acumular os ndices registrados em jan, fev e mar (convertendo antes os percentuais em fatores):
Jan = 2,0 % => ((2/100)+1) = 1,02
Fev = 0,05% => ((0,05/100)+1) = 1,0005
Mar = - 0,09% => ((-0,09/100)+1) = 0,9991
1,02 x 1,0005 x 0,9991 = 1,0196
(1,0196 - 1) x 100 = 1,96 %

4. Um ndice de preos formado pelos produtos "a" e "b". Se o preo do produto "a" aumenta
312% e o preo do produto "b" permanece inalterado, conseqentemente, o ndice de preo
sobe 5,8%. Qual ser a ponderao em percentual do produto "a" dentro deste ndice de
preos?
312% = (312/100) + 1 = 4,12
5,8% = (5,8/100) + 1 = 1,058
Sendo y = peso de a
1,058 = (4,12 x y) + (1,0 x (1-y))
1,058 = 4,12y + 1 - y
Y = 0,058 / 3,12
Y = 0,0186
transformando em percentual 0,0186 x 100 = 1,86%.
Obs: quando transformamos peso decimal para % basta multiplicar por 100.

5. Se pt (preo do bem na poca atual) igual a R$17,20 e a variao no relativo de preo negativa
em 36%, calcule o preo deste determinado bem no perodo base Po:
Pt = R$ 17,20
Pt / Po = - 36% porm devemos transformar o percentual em fator, logo (-36/100) + 1=0,64
17,20 / Po = 0,64
Po = R$ 26,88

6. Calcule o reajuste em % para o salrio mnimo baseado na variao nos ltimos 6 meses do
ndice de preos abaixo:
- set/96 = 1299,8

- jan/97 = 1324,1

- out/96 = 1250,0

- fev/97 = 1328,0

- nov/96 = 1256,9

- mar/97 = 1325,0

- dez/96 = 1245,0

- abr/97 = 1345,0

O procedimento simples, basta dividir o n ndice de abr/97 pelo nmero ndice de out/96:
44

Estatstica Aplicada
1345,0 / 1250,0 = 1,0760
Transformando o fator encontrado em percentual teremos: (1,076 - 1) x 100 = 7,60%

7. Os ndices abaixo foram determinados tomando-se como base o ano imediatamente anterior:
1960 = 100 ; 1961 = 110 ; 1962 = 90 ; 1963 = 120. Com base em 1960, o ndice de 1963 ser:
Como se trata de base mvel os clculos sero: 110 x 90 / 100 = 99

99 x 120 / 100 = 118,8

8. Para uma taxa de inflao de 25% qual a perda percentual do poder aquisitivo da moeda?
1 / 1,25 = 0,80 onde (0,8 - 1) x 100 = -20 %

9. O ndice da tabela abaixo foi calculado com base mvel:

ANOS
1970 1971 1972 1973
N D IC E 11 0
11 2
11 5
125

a) Qual o ndice de 1973 com base em 1971? 115 x 125 / 100 = 143,75
b) Qual o ndice de 1972 com base em 1973? (100 / 125) x 100 = 80,00
c) Qual o ndice de 1973 com base em 1969? 110 x 112 / 100 = 123,2 123,2 x 115 / 100 = 141,68
141,68 x 125 / 100 = 177,10
d) Qual o ndice de 1969 com base em 1971? (100 / 112) x 100 = 89,29
81,17

(89,29 / 110) x 100 =

45