Introdução à Estatística e suas aplicações

Apostila
De
Estatstica
Professores: Wanderley Akira Shiguti

Valria da S. C. Shiguti
Braslia 2003
NDICE
INTRODUO................................................................................................................ 01
UNIDADE I Conceitos Iniciais em Estatstica.............................................................. 05
UNIDADE II Normas para Construo de Tabelas....................................................... 15
UNIDADE III Normas para Construo de Grficos..................................................... 25
UNIDADE IV Distribuio de Freqncias....................................................................34
UNIDADE V Medidas de Posio e Separatrizes......................................................... 42
UNIDADE VI Medidas de Disperso............................................................................ 56
UNIDADE VII Medidas de Assimetria e Curtose......................................................... 62
UNIDADE VIII Introduo Teoria da Probabilidade................................................. 65
UNIDADE IX Variveis Aleatrias............................................................................... 71
UNIDADE X Distribuies Discretas............................................................................ 85
UNIDADE XI Distribuio Contnuas........................................................................... 90
UNIDADE XII Estimao.............................................................................................. 94
UNIDADE XIII Testes de Significncia......................................................................... 97
UNIDADE XIV Regresso Linear e Correlao.............................................................101
UNIDADE XV Aplicaes no Excel............................................................................. 109
INTRODUO
1.1. PANORAMA HISTRICO
Toda Cincia tem suas razes na histria do homem;
A Matemtica que considerada A Cincia que une a clareza do raciocnio sntese da linguagem,
originou-se do convvio social, das trocas, da contagem, com caracter prtico, utilitrio e emprico;
A Estatstica um ramo da Matemtica que teve origem semelhante;
Desde a antigidade vrios povos j registravam o nmero de habitantes, de nascimento, de bitos, faziam
estimativas de riquezas individuais e sociais, etc;
Na idade mdia colhiam-se informaes, geralmente com a finalidade tributria;
A partir do sculo XVI comearam a surgir as primeiras anlises de fatos sociais, como batizados,
casamentos, funerais, originando as primeiras tbuas e tabelas e os primeiros nmeros relativos;
No sculo XVII o estudo de tais fatos foi adquirindo propores verdadeiramente cientficas;
Godofredo Achenwall, batizou a nova cincia (ou mtodo) com o nome de ESTATSTICA, determinando
assim o seu objetivo e suas relaes com a cincia.
1.2. MTODO
Existem vrias definies para mtodos, Lakatos e Marconi (1982:39-40) mencionaram diversas
definies, entre elas:
Mtodo o caminho pelo qual se chega a um determinado resultado... (Hegemberg, 1976:II-115)
Mtodo um procedimento regular, explcito e passvel de ser repetido para conseguirmos alguma coisa,
seja material ou conceitual (Bunge 1980: 19)
1.3. A ESTATSTICA
A definio de estatstica no nica, a estatstica abrange muito mais do que um simples traado de
grficos e clculos de medidas. Uma definio seria:
A estatstica uma coleo de mtodos para planejar experimentos, obter dados e organiz-los, resumilo, analis-los interpret-los e deles extrair concluses.
1.4. O MTODO ESTATSTICO
Dois mtodos cientficos podem destacar o mtodo Experimental e o Mtodo Estatstico.
O mtodo experimental consiste em manter constante todas as causas (fatores) menos uma e variar esta
causa de modo que o pesquisador possa descobrir seus efeitos caso existam.
O mtodo estatstico diante da impossibilidade de se manter causas constantes, admite todas essas
causas presentes variando-as registrando essa variao e procurando determinar no resultado final que
influncias cabem a cada uma delas.
1
RESUMO DA PROFISSO
O Estatstico promove o levantamento de pesquisas estatsticas em suas aplicaes tcnicas e cientficas,
investigando, elaborando e testando mtodos matemticos e sistema de amostragem, bem como coletando,
analisando e interpretando os dados relacionados com os fenmenos estatsticos, e ainda estudando e
renovando a metodologia estatstica a fim de estabelecer a sua evoluo e desenvolvimento
ALGUMAS ESPECIALIZAES
Vinculam-se aos campos profissionais que exigem ou permitem o exerccio do estatstico. Resultam da prtica
profissional e decorrem quase sempre da demanda decorrente no mercado de trabalho.
Demografia
Bioestatstica
Estatstico Matemtico
Estatstico de Estatstica Aplicada, Etc.
CARGOS PROCURADOS
Estatstico
Estatstico Matemtico
Estatstico de Estatstica Aplicada
1.5. A NATURZA DA ESTATSTICA
Podemos descrever duas variveis para um estudo:
VARIVEL QUALITATIVA (ou dados categricos) podem ser separados em diferentes categorias,
atributos, que se distinguem por alguma caracterstica no numrica.
VARIVEL QUANTITATIVA consistem em nmeros que representam contagens ou medidias.
Dividem-se em:
VARIVEIS QUANT. DISCRETAS resultam de um conjunto finito, enumervel de valores
possveis. Ex: nmero de filhos.
VARIVEIS QUANT. CONTNUAS resultam de nmeros infinitos de valores possveis que
podem ser associados a pontos em uma escala contnua. Ex: peso, altura.
Medida de Desobedincia
Como coletar dados sobre algo que no se apresente mensurvel, como o nvel de desobedincia do povo? O
psiclogo Stanley Milgran planejou o seguinte experimento: Um pesquisador determinou que um voluntrio
acionasse um painel de controle que dava choques eltricos crescentemente dolorosos em uma terceira pessoa.
Na realidade, no eram dados choques e a terceira pessoa era um ator. O voluntrio comeou com 15 volts e foi
orientado a aumentar os choques de 15 em 15 volts. O nvel de desobedincia era o ponto em que a pessoa se
recusava a aumentar a voltagem. Surpreendentemente, dois teros dos voluntrios obedeceram s ordens
mesmo que o ator gritasse e simulasse um ataque cardaco.
Texto extrado do livro: Tiola, Mario F. . Introduo Estatstica. 7 ed. Rio de Janeiro RJ. LTC. 1999.
1.6. USOS E ABUSOS DA ESTATSTICA
USOS DA ESTATSTICA
As Aplicaes da estatstica se desenvolveram de tal forma que, hoje, praticamente todo o
campo de estudo se beneficia da utilizao de mtodos estatsticos. Os fabricantes fornecem melhores produtos a
custos menores atravs de tcnicas de controle de qualidade. Controlam-se doenas com o auxilio de anlises
que antecipam epidemias. Espcies ameaadas so protegidas por regulamentos e leis que reagem a estimativas
estatsticas de modificao de tamanho da populao. Visando reduzir as taxas de casos fatais, os legisladores
tm melhor justificativas para leis como as que regem a poluio atmosfrica, inspees de automveis,
utilizao de cinto de segurana, etc.
ABUSOS DA ESTATSTICA
No de hoje que ocorrem abusos com a estatstica. Assim que , h cerca de um sculo, o
estadista Benjamin Disraeli disse: H trs tipos de mentiras: as mentiras, as mentiras srias e as estatsticas. J
se disse tambm que os nmeros no mentem; mas os mentirosos forjam os nmeros (Figures dont lie; liars
figure) e que se torturarmos os dados por bastante tempo, eles acabam por admitir qualquer coisa. O
historiador Andrew Lang disse que algumas pessoas usam a estatstica como um bbado utiliza um poste de
iluminao para servir de apoio e no para iluminar. Todas essa afirmaes se referem aos abusos da
estatstica quando os dados so apresentados de forma enganosa. Eis alguns exemplos das diversas maneiras
como os dados podem ser distorcidos.
Pequenas amostras
Nmeros imprecisos
Estimativas por suposio
Porcentagens distorcidas
Cifras parciais
Distores deliberadas
Perguntas tendenciosas
Grficos enganosos
Presso do pesquisador
Ms amostras
Os motoristas mais Idosos so mais Seguros do que os mais Moos?

A American Association of Retired People AARP (Associao Americana de Aposentados) alega que os
motoristas mais idosos se envolvem em menor nmero de acidentes do que os mais jovens. Nos ltimos anos,
os motoristas com 16-19 anos de idades causaram cerca de 1,5 milhes de acidentes em comparao com
apenas 540.000 causados por motoristas com 70 anos ou mais, de forma que a alegao da AARP parece
vlida. Acontece, entretanto que os motoristas mais idosos no dirigem tanto quanto os mais jovens. Em lugar
de considerar apenas o nmero de acidentes, devemos examinar tambm as taxas de acidentes. Eis as taxas de
acidentes por 100 milhes de milhas percorridas: 8,6 para motoristas com idade de 16 a 19, 4,6 para os com
idade de 75 a 79, 8,9 para os com idade 80 a 84 e 20,3 para os motoristas com 85 anos de idade ou mais.
Embora os motoristas mais jovens tenham de fato o maior nmero de acidentes, os mais velhos apresentam as
3
mais altas taxas de acidente.

Texto extrado do livro: Tiola, Mario F. . Introduo Estatstica. 7 ed. Rio de Janeiro RJ. LTC. 1999.
1.7. ESTATSTICA DEDUTIVA E INDUTIVA
A estatstica dedutiva tambm conhecida como Descritiva se encarrega de descrever o conjunto de
dados desde a elaborao da pesquisa at o clculo de determinada medida.
A estatstica Indutiva ou inferencial est relacionada a incerteza. Inicia-se no clculo das Probabilidades
e se desenvolve por todo a rea da inferncia.
UNIDADE I CONCEITOS INICIAIS EM ESTATSTICA

DEFINIES:
POPULAO: um conjunto de indivduos ou objetos que apresentam pelo menos uma caracterstica em
comum.
CENSO a coleo de dados relativos a todos os elementos da populao.
AMOSTRA: Considerando a impossibilidade, na maioria das vezes do tratamento de todos os elementos da
populao, necessitaremos de uma parte representativa da mesma. A esta poro da populao chamaremos de
amostra.
ESTATSTICA: a medida numrica que descreve uma caracterstica da amostra.
PARMETRO a medida numrica que descreve uma caracterstica da populao.
RAMOS DA ESTATSTICA
A estatstica possui trs ramos principais:
ESTATSTICA DESCRITIVA: envolve a organizao e sumarizao dos dados atravs de
metodologias simples;
TEORIA DA PROBABILIDADE: que proporciona uma base racional para lidar com situaes
influenciadas por fatores que envolvem o acaso.
TEORIA DA INFERNCIA: que envolve a anlise e interpretaes da amostra.
ESTATSTICA DESCRITIVA
A Estatstica Descritiva pode ser resumida no diagrama a seguir:
Coleta
de dados
Crtica
dos dados
Apresentao
dos dados
Tabelas
Anlise
Grficos
COLETA DOS DADOS:

Aps a definio do problema a ser estudado e o estabelecimento do planejamento da pesquisa (forma
pela qual os dados sero coletados; cronograma das atividades; custos envolvidos; exame das informaes
disponveis; delineamento da amostra, etc.), o passo seguinte a coleta dos dados, que consiste na busca ou
compilao dos dados das variveis, componentes do fenmeno a ser estudado.
A coleta dos dados direta quando os dados so obtidos diretamente da fonte originria, como no caso
da empresa que realiza uma pesquisa para saber a preferncia dos consumidores pela sua marca.
A coleta dos dados indireta quando inferida a partir dos elementos conseguidos pela coleta direta.
CRTICA DOS DADOS
A reviso crtica dos dados procede com a finalidade de suprimir os valores estranhos ao levantamento,
os quais so capazes de provocar futuros enganos.
APRESENTAO DOS DADOS
Convm organizarmos o conjunto de dados de maneira prtica e racional. Tal organizao denomina-se
Srie Estatstica (que ser abordado na prxima unidade). Sua apresentao pode ocorrer por meio de Tabelas
e/ou Grficos.
TCNICAS DE AMOSTRAGEM
As regras de Amostragem podem ser classificadas em duas categorias gerais:
PROBABILSTICA - So amostragem em que a seleo aleatria de tal forma que cada elemento tem
igual probabilidade de ser sorteado para a amostra.
NO-PROBABILISTICAS OU INTENCIONADAS - So amostragem em que h uma escolha
deliberada dos elementos da amostra.
TIPOS DE AMOSTRAGEM
AMOSTRAGEM ALEATRIA SIMPLES
Tambm conhecida por amostragem ocasional, acidental, casual, randmica, etc. A amostragem simples
ao acaso destaca-se por ser um processo de seleo bastante fcil e muito usado. Neste processo, todos os
elementos da populao tm igual probabilidade de serem escolhidos, desde o incio at completo processo de
coleta.
PROCEDIMENTO
1.
Devemos enumerar todos os elementos da populao
2.
Devemos efetuar sucessivos sorteios com reposio at completar o tamanho da amostra (n)
Para realizarmos este sorteio devemos fazer uso das tbuas de nmeros aleatrios (veja pgina
seguinte). Estas apresentam os dgitos de 0 a 9 distribudos aleatoriamente.
EXEMPLO:
Supor que ns tenhamos uma populao com 1.000 elementos, que numeramos de 000 a 999, para
selecionarmos uma amostra aleatria, de 200 elementos, basta escolhermos uma posio de qualquer linha e
extrairmos conjuntos de trs algarismos, at completarmos os 200 elementos da amostra. O processo termina
quando for sorteado o elemento 200. Se o nmero sorteado no existia na populao simplesmente no o
consideramos, e prosseguimos com o processo.
AMOSTRAGEM SISTEMTICA
Trata-se de uma variao da amostragem simples ao acaso, muito conveniente quando a populao est
naturalmente ordenada, como fichas em um fichrio, listas telefnicas etc. Requer uma lista dos itens da
populao, e , assim, padece das mesmas restries j mencionadas na aleatria ao acaso. Se os itens da lista no
se apresentarem numa ordem determinada a amostragem Sistemtica pode dar uma amostra realmente aleatria.
PROCEDIMENTO
Sejam os seguintes elementos:
N: tamanho da populao;
n: tamanho da amostra.
Ento, calcula-se o intervalo de amostragem atravs da razo a =
N
n
(onde a o inteiro mais prximo).
Sorteia-se, utilizando a tbua de nmeros aleatrios, um nmero x entre 1 e a formando-se a amostra dos
elementos correspondentes ao conjunto de nmeros:
x; x+a;x+2a;...; x+(n-1)a.
EXEMPLO: Seja N = 500, n = 50. Ento a =
500
50
= 10
Sorteia-se um nmero de 1 a 10. Seja 3 (x = 3) o nmero sorteado. Logo, os elementos numerados por
3;13;23;33;... sero os componentes da amostra.
AMOSTRAGEM ESTRATIFICADA
No caso de possuir uma populao com uma certa caracterstica heterognea, na qual podemos
distinguir subpopulaes mais ou menos homogneas, denominadas de estratos, podemos usar a amostragem
estratificada.
Estratificar uma populao em L subpopulaes denominada estratos, tais que:
7
n1 + n2 + ... + nL = n
onde os estratos so mutuamente exclusivos.
Aps a determinao dos estratos, seleciona-se uma amostra aleatria de cada sub-populao.
Se as diversas sub-amostras tiverem tamanhos proporcionais ao respectivo nmero de elementos nos
estratos, teremos a estratificao proporcional.
Stevenson, William J. Estatstica aplicada administrao. Harper & Row do Brasil, So Paulo, 1986, p.165
EXERCCIOS
1.
Populao ou universo :
Um conjunto de pessoas;
Um conjunto de elementos quaisquer
Um conjunto de pessoas com uma caracterstica comum;
Um conjunto de elementos com pelo menos uma caracterstica em comum;
Um conjunto de indivduo de um mesmo municpio, estado ou pas.
a)
b)
c)
d)
e)
2.
Uma parte da populao retirada para analis-la denomina-se:

Universo;
Parte;
Pedao;
Dados Brutos;
Amostra.
a)
b)
c)
d)
e)
3.
A parte da estatstica que se preocupa somente com a descrio de determinadas caractersticas de um

grupo, sem tirar concluses sobre um grupo maior denomina-se:
a) Estatstica de Populao;
b) Estatstica de Amostra;
c) Estatstica Inferencial
d) Estatstica Descritiva;
e) Estatstica Grupal.
4.
Diga qual tipo de variveis estamos trabalhando nos casos abaixo:

a.
No. de inscries no Seguro Social
b.
No. de passageiros no nibus da linha Rio-So Paulo
c.
Escolaridade
d.
Peso Mdio dos Recm Nascidos
e.
Altitude acima do nvel do mar
f.
Uma pesquisa efetuada com 1015 pessoas indica que 40 delas so assinantes de um servio de
computador on-line
g.
Cada cigarro Camel tem 16,13mg de alcatro
h.
O radar indique que Nolan Ryan rebateu a ultima bola a 82,3mi/h
i.
O tempo gasta para uma pessoa fazer uma viagem de carro de Braslia at Belo Horizonte de
aproximadamente 8:00h a uma velocidade mdia de 93,75km/hs
5.
Classifique as seguintes variveis:

Cor dos olhos
i) Qualitativa;
ii) Qualitativa discreta;
iii) Quantitativa contnua;
iv) Quantitativa discreta;
v) Qualitativa contnua.
a)
10
b)
Nmero de filhos de um casal:

i) Qualitativa;
c)
Peso de um indivduo:
i) Qualitativa;
d)
Altura de um indivduo:
i) Qualitativa;
e)
Nmero de alunos de uma escola:

i) Qualitativa;
f)
Tipo sangneo:
i) Qualitativa;
g)
Fator RH:
i) Qualitativa;
h)
Valor obtido na face superior de um dado:

i) Qualitativa;
i)
Sexo:
i) Qualitativa;
11
j)
Resultado da extrao da loteria Federal:

i) Qualitativa;
k)
Comprimento de um seguimento de reta:

i) Qualitativa;
l)
rea de um Crculo:
i) Qualitativa;
m)
Raa:
i) Qualitativa;
n)
Quantidade de livro de uma biblioteca:

i) Qualitativa;
o)
Religio:
i) Qualitativa;
p)
Salrio dos Empregados de uma empresa:

i) Qualitativa;
q)
Estado Civil:
i) Qualitativa;
12
r)
Profisso:
i) Qualitativa;
s)
Volume de gua contido numa piscina:

i) Qualitativa;
6.
Suponha que existem N = 1.000 fichas de pacientes das quais uma amostra aleatria de n = 20 deve ser
selecionada. Determine que fichas devem ser escolhidas na amostra de tamanho n = 20. Diga que tipo de
amostragem foi feito e como foram selecionadas as fichas.
7.
Suponha que uma pesquisa de opinio pblica deve ser realizada em um estado que tem duas grandes
cidades e uma zona rural. Os elementos na populao de interesse so todos os homens e mulheres do
estado com idade acima de 21 anos. Diga que tipo de amostragem utilizaremos?
8.
Servio florestal do estado est conduzindo um estudo das pessoas que usam as estruturas de um camping
operado por ele. O estado tem duas reas de camping, uma localizada nas montanhas e outra localizada ao
longo da costa. O servio florestal deseja estimar o nmero mdio de pessoas por acampamento e a
proporo de acampamento ocupada por pessoas de fora do estado, durante o fim de semana em particular,
quando se espera que todos os acampamentos estejam ocupados. Sugira um plano amostral e explique
rapidamente como devem ser feitos.
9.
Um mdico est interessado em obter informao sobre o nmero mdio de vezes em que 15.000
especialistas prescreveram certa droga no ano anterior (N = 15.000). Deseja-se obter n = 1.600. Que tipo de
amostragem voc sugeriria e por que?
10. Um hematologista deseja fazer uma nova verificao de uma amostra de n = 10 dos 854 espcimes de
sangue analisados por um laboratrio mdico em um determinado ms. Que tipo de amostragem voc
sugeriria e por que?
11. Um reprter da revista Business Week obtm uma relao numerada de 1.000 empresas com maiores de
cotaes de aes na bolsa. Ele entrevistar 100 gerentes gerais das empresas correspondentes a esta
amostra. Que tipo de amostragem voc sugeriria e por que?
12. Comente rapidamente sobre a pesquisa abaixo
Um relatrio patrocinado pela Flrida Citrus Comission concluiu que os nveis de colesterol podem ser
reduzidos mediante ingesto de produtos ctricos.
Por que razo a concluso poderia ser suspeita
13. Dada uma populao com seis elementos, A, B, C, D, E e F, explique como voc faria para obter, dessa
populao, uma amostra aleatria simples com trs elementos.
13
14. Descreva uma forma de se obter uma amostra sistemtica com 10 elementos de uma populao com
tamanho 100.
15. Explique a forma de se obter uma amostragem estratificada dos empregados de uma firma, considerando
que existem empregados de escritrio, de oficina e representantes da mesma.
16. Imagine que se pretenda fazer um levantamento de opinio pblica para verificar se as pessoas so contra ou
a favor do uso gratuito de nibus pelos idosos. Pense em trs maneiras distintas de elaborar uma pergunta
que induza a resposta positiva, outra que induza a resposta negativa e uma outra que no ocorra nenhum tipo
de tendncia na resposta.
17. Identifique o tipo de amostragem utilizado para cada uma das situaes abaixo:
a.
Quando escreveu Woman in Love: A Cultural Revolution, a autora Shere Hite baseou suas
concluses em 4.500 respostas a 100.000 questionrios distribudos a mulheres.
b.
Uma psicloga da Universidade de Nova York faz uma pesquisa sobre alguns alunos
selecionados aleatoriamente de todas as 20 turmas que participaram desta pesquisa.
c.
Um socilogo da Universidade Charleston seleciona 12 homens e 12 mulheres de cada uma de

quatro turmas de ingls.
d.
A empresa Sony seleciona cada 200o CD de sua linha de produo e faz um teste de qualidade
rigoroso.
e.
Um cabo eleitoral escreve o nome de cada senador dos EUA em cartes separados, mistura-os
e extrai 10 nomes.
f.
Gerente comercial da America OnLine testa uma nova estratgia de vendas selecionando
aleatoriamente 250 consumidores com renda inferior a US$50.000,00 e 250 consumidores com
renda de ao menos de US$50.000,00.
g.
O programa Planned Parenthood (Planejamento Familiar) pesquisa 500 homens e 500

mulheres sobre seus pontos de vista sobre o uso de anticoncepcionais.
h.
Um reprter da revista Business Week Entrevista todo o 50o gerente geral constante da relao
das 1.000 empresas com maior cotao de suas aes.
i.
Um reprter da revista Business Week obtm uma relao numerada das 1.000 empresas com
maior cotao de aes na bolsa, utiliza um computador para gerar 20 nmeros aleatrios e
ento entrevista gerentes gerais das empresas correspondentes aos nmeros extrados.
14
UNIDADE II - NORMAS PARA CONSTRUO DE TABELAS

TABELAS ESTATSTICAS
Um dos objetivos da estatstica sintetizar os valores que uma ou mais variveis podem assumir, para
que tenhamos uma viso global da variao das mesmas.
Tabela uma maneira de apresentar de forma resumida um conjunto de dados.
ELEMENTOS DE UMA TABELA
A tabela se apresenta da seguinte forma:
TTULO DA TABELA
CORPO
DA
TABELA
RODAP
15
EXEMPLO:
Tabela 1 Produo de Caf Brasil 1991 a 1995
Anos
1991
1992
1993
1994
1995
Produo
(1.000 t)
2.535
2.666
2.122
3.750
2.007
Fonte: IBGE
TTULO DA TABELA:
Conjunto de informaes, as mais completas possveis, respondendo s perguntas: O que?, Quando? e
Onde?, localizado no topo da tabela, alm de conter a palavra TABELA e sua respectiva numerao.
CORPO DA TABELA:
o conjunto de Linhas e Colunas que contm informaes sobre a varivel em estudo.
a)
Cabealho da Coluna Parte superior da tabela que especifica o contedo das colunas;
b) Coluna Indicadora Parte da tabela que especifica o contedo das linhas;

c) Linhas retas imaginrias que facilitam a leitura, no sentido horizontal, de dados que se inscrevem nos
seus cruzamentos com as linhas;
d) Casa ou Clula espao destinado a um s nmero;
e)
Total deve ser SEMPRE destacado de alguma forma;
f)
Laterais da tabela no devem ser fechadas. Caso as feche, passa a ser chamada de QUADRO.
g) Nmero preferencialmente utilizar separador de 1000 (por exemplo: 1.854.985 ao invs de 1854985).
H ainda a considerar os elementos complementares da tabela, que so a fonte, as notas, e as chamadas,
localizadas, de preferncia, no rodap.
a)
Fonte identifica o responsvel (pessoa fsica ou jurdica) ou responsvel pelos dados numricos;
b) Notas o texto que ir esclarecer o contedo estudado, que poder ser de carter geral ou especfico de
uma tabela;
c) Chamadas smbolo remissivo atribudo a algum elemento de uma tabela que necessita de uma nota
especfica.
SINAL CONVENCIONAL:
A substituio de uma informao da tabela, poder ser feita pelos sinais abaixo:
a)
- dado numrico igual a zero;
b) ... quando no temos os dados;

c)
? quando temos dvida na informao;
d) 0 quando o valor for muito pequeno.

16
SRIES ESTATSTICAS
Introduo
Uma vez que os dados foram coletados, muitas vezes o conjunto de valores extenso e
desorganizado, e seu exame requer ateno, pois h o risco de se perder a viso global do fenmeno analisado.
Para que isto no ocorra faz-se necessrio reunir os valores em tabelas convenientes, facilitando sua
compreenso.
Alm da apresentao do conjunto de valores na forma tabulada, tem-se tambm a forma
grfica, que por sua vez, representa uma forma mais til e elegante de representar o conjunto dos valores.
Qualquer que seja a forma de representao do conjunto de valores, desde de que no haja
alteraes em seus valores iniciais, quer seja o de caracterizao de um conjunto, ou de comparao com outros
semelhantes ou ainda o de previso de valores possveis, facilitar sua compreenso de qualquer estudo. o caso
da srie estatstica.
Definio de Srie Estatstica
Uma srie estatstica define-se como toda e qualquer coleo de dados estatsticos referidos a
uma mesma ordem de classificao: QUANTITATIVA. Em um sentido mais amplo, SRIE uma seqncia de
nmeros que se refere a uma certa varivel.
Caso estes nmeros expressem dados estatsticos a srie chamada de srie estatstica. Em um
sentido mais restrito, diz-se que uma srie estatstica uma sucesso de dados estatsticos referidos a caracteres
quantitativos.
Para diferenciar uma srie estatstica de outra, temos que levar em considerao trs fatores:
A POCA (fator temporal ou cronolgico) a que se refere o fenmeno analisado;
O LOCAL (fator espacial ou geogrfico) onde o fenmeno acontece;
O FENMENO (espcie do fator ou fator especfico) que descrito.
Tipos de Sries Estatsticas

So quatro os tipos de sries estatsticas conforme a variao de um dos fatores:
SRIE TEMPORAL
A srie temporal, igualmente chamada srie cronolgica, histrica, evolutiva ou marcha,

identifica-se pelo carter varivel do fator cronolgico. Assim deve-se ter:
VARIVEL: a poca
FIXO: o local e o fenmeno
SRIE GEOGRFICA
Tambm denominada srie territorial, espacial ou de localizao, esta srie apresenta como
elemento ou carter varivel somente o fator local. Assim:
17
VARIVEL: o local
FIXO: a poca e o fenmeno
SRIE ESPECFICA
A srie especfica recebe tambm outras denominaes tais como srie categrica ou srie por
categoria. Agora o carter varivel o fenmeno.
VARIVEL: o fenmeno
FIXO: a poca e o local
DISTRIBUIO DE FREQNCIA
Neste caso todos os elementos (poca, local e fenmeno) so fixos. Embora fixo, o fenmeno
apresenta-se agora atravs de graduaes, isto , os dados referentes ao fenmeno que se est representando so
reunidos de acordo com a sua magnitude. Normalmente os problemas de tabulao so enquadrados neste tipo de
srie, que iremos estudar com maior detalhe mais adiante neste curso.
Proporo, Porcentagem e Razo
Introduo
Do ponto de vista estatstico, estas podem ser consideradas como medidas muito simples que
permitem estabelecer comparaes entre diversos grupos.
Proporo
Considere um nmero de empregados que foi distribudo em quatro reparties de uma certa
empresa de acordo com sua funo. Estas reparties so mutuamente exclusivas (cada pessoa somente poder
ser alocada em uma nica repartio) e exaustivas (todas as pessoas devero ser alocadas).
Em termos simblicos podemos escrever:
N1 = nmero de pessoas alocadas na repartio 1
N = N1 + N2 + N3 + N4 = nmero total de empregados
Neste caso, a proporo de empregados pertencentes primeira repartio determinada
mediante o clculo do quociente
N1
N2 N3
; para as demais reparties segue o mesmo procedimento:
,
e
N
N
N
N4
.
N
Note que o valor de uma proporo no pode exceder a unidade, e que a soma de todas as
propores ser sempre igual unidade. Assim,
N1 N2 N3 N4 N
+
+
+
=
=1
N
N
N
N
N
18
Exemplo:
Tabela 01. Nmero de empregados contratados (consultores) e com carteira assinada em dois rgos pblicos
EMPREGADO
CONSULTOR:
TEMPO INTEGRAL
MEIO EXPEDIENTE
CARTEIRA ASSINADA
TOTAL
RGO PBLICO 1
RGO PBLICO 2
580
430
4.810
5.820
680
1.369
10.811
12.860
FONTE: Departamento de Recursos Humanos destes rgos Pblicos

No simples raciocinar em termos absolutos e dizer qual dos dois rgos pblicos conta com
maior nmero de empregados consultores em suas duas modalidades de expedientes porque o nmero total de
empregados difere muito entre si. Por outro lado, a comparao direta pode ser estabelecida rapidamente, se os
dados forem expressos em propores.
A proporo de consultores com tempo integral no rgo pblico 1 :
N1
580
=
= 0 ,099 0 ,1
5
.820
N
E no rgo pblico 2, seguindo o mesmo raciocnio temos:
N1
680
=
= 0 ,0528 0 ,053
N
12.860
Note que, em nmeros absolutos, estes valores so muito prximos (580 e 680). Entretanto, o
rgo pblico 2 apresenta uma proporo inferior de consultores com tempo integral.
Analogamente, fazendo os clculos para ambos os rgos pblicos, tm:
RGO PBLICO 1
Consultores com expediente:
N2
430
=
= 0 ,0738 0 ,074
N
5.820
Carteira assinada:
N 3 4.810
=
= 0 ,8264 0 ,826
N
5.820
RGO PBLICO 2
Consultores com expediente:
N2
1.369
=
= 0 ,1064 0 ,106
N
12.860
Carteira assinada:
N 3 10.811
=
= 0 ,8406 0 ,841
N
12860
Assim, temos a seguinte tabela de propores:

Tabela 02. Proporo de empregados contratados (consultores) e com carteira assinada em dois rgos pblicos
19
EMPREGADO
RGO PBLICO 1
RGO PBLICO 2
CONSULTOR:
TEMPO INTEGRAL
0,100
0,053
MEIO EXPEDIENTE
0,074
0,106
CARTEIRA ASSINADA
0,826
0,841
TOTAL
1
1
Porcentagem
As porcentagens so obtidas a partir do clculo das propores, simplesmente multiplicando-se

o quociente obtido por 100. A palavra porcentagem significa, portanto, por cem. Uma vez que a soma das
propores igual a 1, a soma das porcentagens igual a 100, a menos que as categorias no sejam mutuamente
exclusivas e exaustivas.
Exemplo: Utilizando os dados do exemplo anterior e multiplicando as propores por 100 teremos a seguinte
tabela:
Tabela 03. Percentual de empregados contratados (consultores) e com carteira assinada em dois rgos pblicos
EMPREGADO
RGO PBLICO 1
ABSOLUTO
RELATIVO (%)
RGO PBLICO 2
ABSOLUTO
RELATIVO (%)
CONSULTOR:
TEMPO INTEGRAL
580
10,0
680
MEIO EXPEDIENTE
430
7,4
1.369
CARTEIRA ASSINADA
4.810
82,6
10.811
TOTAL
5.820
100
12.860
5,3
10,6
84,1
100
As porcentagens e propores, em Estatstica, tm como principal finalidade estabelecer

comparaes relativas. Como um outro exemplo, as vendas de duas empresas foram as seguintes em dois anos
consecutivos:
Tabela 4. Faturamento anual das Empresas A e B em 1994 e 1995 dado em nmeros absoluto e relativo
(%)
EMPRESA
FATURAMENTO (por 1.000 reais)
CRESCIMENTO
CRESCIMENTO
ABSOLUTO
RELATIVO (%)
3.000
1.000
50
25.000
5.000
25
1994
1995
2.000
20.000
FONTE: Departamento de Finanas das Empresas A e B

Em valores absolutos, a empresa B teve um crescimento no faturamento maior que a empresa
A. Contudo, na realidade, comparando estes valores em termos percentuais, a empresa A foi a que apresentou
um desempenho superior (crescimento de 50% na empresa A e de 25% na empresa B).
Razo
A razo de um nmero A em relao a outro nmero B define-se como A dividido por B A

quantidade precedente posta no numerador e a seguinte, no denominador.
20
Exemplo: Atravs de uma pesquisa realizada em uma certa cidade, descobriu-se que, das pessoas entrevistadas,
300 se manifestaram a favor a uma determinada medida adotada pela prefeitura local, 400 contra e 70 eram
indiferentes. Neste caso, a razo daquelas pessoas contra a medida para aquelas a favor foi de:
400
4
ou
ou 4:3 ou 1,33 para 1
300
3
E a razo daquelas a favor e contra para aquelas indiferentes foi de:
(400 + 300)
70
ou
70
ou 70:7 ou 10 para 1
7
EXERCCIOS
1.
Uma srie estatstica denominada evolutiva quando?

a) O elemento varivel o tempo;
b) O elemento varivel o local;
c) O elemento varivel a espcie;
d) o resultado da combinao de sries estatsticas de tipos diferentes;
e) Os dados so agrupados em subintervalos do intervalo observado.
2.
Uma srie estatstica denominada espacial quando?

f) O elemento varivel o tempo;
g) O elemento varivel o local;
h) O elemento varivel a espcie;
i) o resultado da combinao de sries estatsticas de tipos diferentes;
j) Os dados so agrupados em subintervalos do intervalo observado.
3.
Uma srie estatstica denominada cronolgica quando?

4.
Uma srie estatstica denominada categrica quando?

5.
Uma srie estatstica denominada marcha quando?

6.
Uma srie estatstica denominada geogrfica quando?

7.
Uma srie estatstica denominada composta quando?

21
b)
c)
d)
e)
O elemento varivel o local;

O elemento varivel a espcie;
o resultado da combinao de sries estatsticas de tipos diferentes;
Os dados so agrupados em subintervalos do intervalo observado.
8.
Uma srie estatstica denominada qualitativa quando?

9.
Uma srie estatstica denominada especfica quando?

10. Uma srie estatstica denominada mista quando?

11. Uma srie estatstica denominada Temporal quando?
12. A representao tabular de dados no Brasil obedece as normas
a) Da SUNAB;
b) Da Receita Federal;
c) Do IBGE;
d) Do Governo Federal;
e) Da Secretaria Municipal de Estatstica.
13. De acordo com as normas para representao tabular de dados, quando o valor de um dado zero, deve-se
colocar na clula correspondente:
a) Zero (0);
b) Trs pontos (...);
c) Um trao horizontal (-)
d) Um ponto de interrogao (?);
e) Um ponto de exclamao (!).
14. De acordo com as normas para representao tabular de dados, quando o valor de um dado no est
disponvel, deve-se colocar na clula correspondente.
a) Zero (0);
22
15. De acordo com as normas para representao tabular de dados, quando o valor de um dado muito pequeno,
para ser expresso com o nmero de casa decimais utilizadas ou com a unidade de medida utilizada, deve-se
colocar na clula correspondente.
a) Zero (0);
16. De acordo com as normas para representao tabular de dados, quando h dvida, na exatido do valor de
um dado, deve-se colocar na clula correspondente.
a) Zero (0);
17. Assinale a alternativa verdadeira
a) Tanto a nota quanto a chamada so usadas para esclarecimento geral sobre um quadro e uma tabela.
b) Tanto a nota quanto a chamada so usadas para esclarecer detalhes em relao a casa, linhas ou colunas
de um quadro ou uma tabela.
c) A nota usada para esclarecer detalhes em relao a casas, linhas ou colunas enquanto a chamada
usada para um esclarecimento geral sobre um quadro ou uma tabela.
d) A nota usada para esclarecimento geral sobre um quadro ou tabela enquanto a chamada usada para
esclarecer detalhes em relao a casas, linhas ou colunas.
e) Todas as afirmativas anteriores so falsas.
18. Para cada tabela abaixo, calcule a proporo e a porcentagem e responda s perguntas:
Tabela 01. Quociente de Inteligncia (QI) de uma certa faculdade brasileira
QI
a)
No. DE ALUNOS
092 |- 107
31
107 |- 122
39
122 |- 137
21
137 |- 152
12
152 |- 167
TOTAL
107
PROPORO
PORCENTAGEM
Qual o nvel de QI que possui a maior proporo/percentual? E a menor?
b) Calcule e interprete as seguintes razes:

i)
Alunos com QI entre 92 e 122 (exclusive) para aqueles com QI entre 137 e 152 (exclusive).
ii)
Alunos com QI entre 107 e 152 (exclusive) para os demais.
iii)
Alunos com QI entre 92 e 107 (exclusive) para aqueles com QI entre 152 e 167 (exclusive).
iv)
Alunos com QI inferior a 122 para aqueles com QI maior ou igual a 137.
23
Tabela 02. Notas de candidatos de um certo concurso pblico realizada em uma cidade
NOTAS
00|-20
20
20|-40
65
40|-60
230
60|-80
160
80|-100
TOTAL
a)
FREQUNCIA
PROPORO
PORCENTAGEM
25
500
Dado que a nota de corte seja de 60 pontos, qual a proporo/percentual dos candidatos que foram
aprovados?

i)
Candidatos com nota menor que 20 para aqueles com nota de 40 a 60 (exclusive).
ii)
Candidatos com nota menor que 40 para aqueles com nota mnima de 60.
iii)
Candidatos com nota de 40 a 60 (exclusive) para aqueles com nota igual ou superior a 80.
iv)
Candidatos com nota mxima de 40 para aqueles com nota maior ou igual a 60.
v)
Candidatos com nota de 20 a 60 (exclusive) para os demais.

Tabela 03. rea das Regies Brasileiras
REGIO
a)
REA
NORTE
3.581.180
NORDESTE
1.546.672
SUDESTE
924.935
SUL
577.723
C.OESTE
1.879.455
TOTAL
8.509.965
PROPORO
PORCENTAGEM
Qual a regio que ocupa a maior rea do Brasil e qual a sua proporo/porcentagem?

i)
rea da regio Norte para a da regio Nordeste.
ii)
rea das regies Norte e Nordeste para o da regio Centro-Oeste.
iii)
rea da regio Sudeste para o das regies Sul e Centro-Oeste.
iv)
rea da regio Norte para as demais.
24
UNIDADE III - NORMAS PARA CONSTRUO DE GRFICOS
Introduo
Tem como finalidade:
Representar os resultados de forma simples, clara e verdadeira
Demonstrar a evoluo do fenmeno em estudo
Observar a relao dos valores da srie
Normas para construo de grficos

A disposio dos elementos idntica das tabelas:
CABEALHO DO GRFICO
CORPO DO GRFICO
RODAP
25
TIPOS DE GRFICOS
q GRFICO EM COLUNAS
Conjunto de retngulos dispostos verticalmente separados por um espao.
Tabela 01. Efetivo do CBMDF em Cinco Regies Administrativas do DF - 1998
Regio
Administrativa
RA I - Braslia
RA III - Taguatinga
RA V - Sobradinho
RA XIII - Santa Maria
RA XVIII - Lago Norte
Total
Efetivo
867
443
116
77
203
1.706
FONTE: Banco de Dados do Distrito Federal 1998

NOTAS: Os efetivos especializados (emergncia mdica, incndio florestal e guarda e
segurana) esto alocados nas regies administrativas.
Grfico 01. Efetivo do CBMDF em algumas Regies Administrativas do DF - 1998
1.000
900
800
700
Efetivo
600
500
400
300
200
100
0
RA I - Braslia
RA III - Taguatinga
RA V - Sobradinho
Regio Administrativa
Fonte: Tabela 01
q GRFICOS EM BARRAS
Semelhante ao grfico em colunas, porm os retngulos so dispostos horizontalmente.

26
Tabela 02. Efetivo do CBMDF em Cinco Regies Administrativas do DF - 1998
Regio
Administrativa
RA I - Braslia
RA III - Taguatinga
RA V - Sobradinho
Total
Efetivo
867
443
116
77
203
1.706

Grfico 02. Efetivo do CBMDF em algumas Regies Administrativas do DF - 1998
Regio Administrativa
RA V - Sobradinho
RA III - Taguatinga
RA I - Braslia
100
200
300
400
500
600
700
800
900
1.000
Efetivo
Fonte: Tabela 02
27
q GRFICO EM SETORES
a representao atravs de um crculo, por meio de setores.
Muito utilizado quando pretendemos comparar cada valor da srie com o total - proporo.
Forma de clculo:
Total
parte
360o
o
x
Tabela 03. Efetivo (valores absoluto e relativo) do CBMDF em Cinco Regies Administrativas do DF - 1998
Regio
Efetivo
Administrativa
Absoluto
Relativo (%)
RA I - Braslia
867
50,82
RA III - Taguatinga
443
25,97
RA V - Sobradinho
116
6,80
77
4,51
203
11,90
Total
1.706
100,00
RA I - Braslia
RA III - Taguatinga
RA V - Sobradinho
Total
Efetivo
867
443
116
77
203
1.706
183,0
93,5
24,5
16,2
42,8
360,0
28
Grfico 03.a. Comparativo (percentual) do Efetivo do CBMDF em Cinco Regies Administrativas do DF

1998
RA XVIII - Lago
Norte
11,90%
RA XIII - Santa
Maria
4,51%
RA V - Sobradinho
6,80%
RA I - Braslia
50,82%
RA III - Taguatinga
25,97%
FONTE: Tabela 03
Grfico 03.b. Comparativo (percentual) do Efetivo do CBMDF em Cinco Regies Administrativas do DF
1998
RA XVIII - Lago
Norte
11,90%
RA XIII - Santa
Maria
4,51%
RA V - Sobradinho
6,80%
RA I - Braslia
50,82%
RA III - Taguatinga
25,97%
FONTE: Tabela 03
29
q GRFICO EM CURVAS / LINHAS

Muito utilizado para representar dados temporais.
Tabela 04. Populao da RA XIV So Sebastio 1991 a 1995
Ano
1991
1992
1993
1994
1995
Populao
17.399
20.971
25.271
30.457
36.703
FONTE: Censo Demogrfico de 1991 IBGE

Estimativas para 1992 a 1995 - CODEPLAN
Grfico 04. Populao da RA XIV So Sebastio 1991 a 1995
40.000
Populao
35.000
30.000
25.000
20.000
15.000
1990
1991
1992
1993
1994
1995
1996
Ano
FONTE: Tabela 04
60.000
Populao
50.000
40.000
30.000
20.000
10.000
0
1990
1991
1992
1993
Ano
FONTE: Tabela 04
1994
1995
1996
30
q GRFICO POLAR / RADAR

Representao por meio de um polgono
Geralmente presta-se para apresentao de sries temporais
1991
40.000
30.000
20.000
1995
1992
10.000
0
1994
1993
FONTE: Tabela 04
31
EXERCCIOS
1.
Assinale a afirmativa verdadeira:

a) Um grfico de barras ou colunas aquele em que os retngulos que o compem esto dispostos
horizontalmente.
b) Um grfico de barras ou colunas aquele em que os retngulos que o compem esto dispostos
verticalmente.
c) Um grfico de barras aquele em que os retngulos que o compem esto dispostos verticalmente e um
grfico de colunas, horizontalmente.
d) Um grfico de barras aquele em que os retngulos que o compem esto dispostos horizontalmente e um
grfico de colunas, verticalmente.
e) Todas as alternativas anteriores so falsas.
O grfico mais comumente utilizado quando se deseja evidenciar a participao de um dado em relao ao total
denominado:
a) Grfico em barras;
b) Grficos em colunas;
c) Grfico em setores;
d) Grfico pictrico ou pictograma;
e) Grfico decorativo.
2.
Uma representao grfica comumente encontrada em jornais e revistas que inclui figuras de modo a torn-las
mais atraente denominada:
a) Grfico em barras;
b) Grficos em colunas;
c) Grfico em setores;
d) Grfico pictrico ou pictograma;
e) Grfico decorativo.
3.
4.
A tabela abaixo mostra o consumo de determinada bebida durante um baile de carnaval:
Bebida
Consumo (l)
Vinho
100
Suco de Frutas
200
gua Mineral
400
Refrigerante
700
Cerveja
1600
Foi construdo um grfico em setores para melhor representar o fenmeno acima.
a) Qual o ngulo do setor correspondente ao vinho?
i) 6
ii) 10
iii) 12
iv) 24
v) 100
b)
c)
Qual o ngulo do setor correspondente ao suco de frutas?

i) 12
ii) 20
iii) 24
iv) 48
v) 200
Qual o ngulo do setor correspondente gua mineral?
32
d)
e)
i) 24
ii) 40
iii) 48
iv) 84
v) 100
Qual o ngulo do setor correspondente aos refrigerantes?
i) 42
ii) 70
iii) 84
iv) 192
v) 700
Qual o ngulo do setor correspondente s cervejas?
i) 12
ii) 96
iii) 160
iv) 192
v) 1600
33
UNIDADE IV - DISTRIBUIO DE FREQNCIA

REPRESENTAO DA AMOSTRA:
Podemos observar que a estatstica tem como objetivo encontrar leis de comportamento para todo o
conjunto, por meio da sintetizao dos dados numricos, sob a forma de tabelas, grficos e medidas.
PROCEDIMENTO COMUM PARA A REPRESENTAO DAS DISTRIBUIES DE FREQNCIA
(MANEIRA DE SUMARIZAR OS DADOS)
1) DADOS BRUTOS: O conjunto dos dados numricos obtidos aps a crtica dos valores coletados constituise nos dados brutos. Assim:
24
24
33
23 22 28
21 25 36
34 21 31
35 21 23
26 22 30
25 31 26
23 33 34
32 25 26
25 35 33
4) ROL: o arranjo dos dados brutos em ordem de freqncias crescente ou decrescente: Assim:
21 21 21 22 22 23 23 23 24 24
25 25 25 25 26 26 26 28 30 31
31 32 33 33 33 34 34 35 35 36
3) AMPLITUDE TOTAL OU RANGE R : a diferena entre o maior e o menor valor observado.
No exemplo: R = 36 - 21 = 15
4) FREQNCIA ABSOLUTA (Fi): o nmero de vezes que o elemento aparece na amostra, ou o nmero de
elementos pertencentes a uma classe.
No exemplo F(21) = 3.
5) DISTRIBUIO DE FREQNCIA: o arranjo dos valores e suas respectivas freqncias. Assim, a
distribuio de freqncia para o exemplo ser:
Xi
Fi
21
3
22
2
23
3
24
2
25
4
26
3
28
1
30
1
31
2
32
1
33
3
34
2
35
2
36
1
30
34
Para a varivel contnua:

Seja Xi peso de 100 indivduos:
CLASSE
45 |- 55
55 |- 65
65 |- 75
75 |- 85
85 |- 95
Fi
15
30
35
15
5
100
6) NUMERO DE CLASSES (K) : No h frmula exata para o nmero de classes (arredondar para o inteiro
mais prximo). Solues:
5, se n < 25
K=
n , se n 25
Frmula de Sturges: K= 1 + 3,32 log(n)

onde: n = tamanho da amostra.
EXEMPLO:
Considere o exemplo apresentada no ROL:
K = 1 + 3,32 log(30 ) K = 5,9 K = 6

Portanto, a tabela ir conter 6 classes.
7) AMPLITUDE DA CLASSE (h): h =
R
(aproximar para o maior inteiro).
K
EXEMPLO:
Considere novamente o exemplo apresentada no ROL:
h=
15
h = 2,5 h = 3
6
8) LIMITE DE CLASSES: Representado por

10 |-| 12: valores entre 10 e 12;
10 -| 12 : valores de 10 a 12, excluindo o 10;
10 |- 12 : valores de 10 a 12, excluindo o 12.
Obs.: Neste curso iremos utilizar a ltima representao.
35
EXEMPLO:
Considere o exemplo apresentada no ROL:
Classe
21 |- 24
24 |- 27
27 |- 30
30 |- 33
33 |- 36
36 |- 39
TOTAL
Fi
8
9
1
4
7
1
30
9) PONTO MDIO DA CLASSE (xi) : a mdia aritmtica entre o limite superior (Li) e o inferior da classe
(li).
xi =
li + Li
2
EXEMPLO:
Da tabela acima:
Classe
21 |- 24
24 |- 27
27 |- 30
30 |- 33
33 |- 36
36 |- 39
TOTAL
xi
22,5
25,5
28,5
31,5
34,5
37,5
-
Fi
8
9
1
4
7
1
30
10) FREQNCIA ABSOLUTA ACUMULADA (Fac): a soma das freqncias dos valores inferiores ou
iguais ao valor dado.
Exemplo:
Classe
21 |- 24
24 |- 27
27 |- 30
30 |- 33
33 |- 36
36 |- 39
TOTAL
Fi
8
9
1
4
7
1
30
xi
22,5
25,5
28,5
31,5
34,5
37,5
-
Fac
8
17
18
22
29
30
-
36
11) FREQNCIA RELATIVA SIMPLES ( fi ): A freqncia relativa de um valor dada por, f i =
Fi
, ou
Fi
ser a percentagem daquele valor na amostra caso multiplique por 100.
Classe
21 |- 24
24 |- 27
27 |- 30
30 |- 33
33 |- 36
36 |- 39
TOTAL
Fi
8
9
1
4
7
1
30
xi
22,5
25,5
28,5
31,5
34,5
37,5
-
Fac
8
17
18
22
29
30
-
fi
0,267
0,300
0,033
0,133
0,233
0,033
1,000
Exemplo:
12) FREQNCIA RELATIVA ACUMULADA (fac): a soma das freqncias relativas dos valores inferiores
ou iguais ao valor dado.
Exemplo:
Classe
21 |- 24
24 |- 27
27 |- 30
30 |- 33
33 |- 36
36 |- 39
TOTAL
Fi
8
9
1
4
7
1
30
xi
22,5
25,5
28,5
31,5
34,5
37,5
-
Fac
8
17
18
22
29
30
-
fi
0,267
0,300
0,033
0,133
0,233
0,033
1,000
fac
0,267
0,567
0,600
0,733
0,966
1,000
-
13) HISTOGRAMA: a representao grfica de uma distribuio de FREQNCIA por meio de retngulos
justapostos (veja exemplo a seguir).
14) POLGONO DE FREQNCIA: a representao grfica de uma distribuio por meio de um polgono.
Exemplo:
Fi
HISTOGRAMA E POLGONO DE FREQUNCIA SIMPLES DA TABELA ACIMA
10
9
8
7
6
5
4
3
2
1
0
Clas s es
21
24
27
30
33
36
39
37
15) POLGONO DE FREQNCIA ACUMULADA:

Exemplo:
POLGONO DE FREQUNCIA ACUMULADA DA TABELA ACIMA
30
25
Fac
20
15
10
5
Class es
0
21
24
27
30
33
36
39
38
EXERCCIOS
1.
Um dado foi lanado 50 vezes e foram registrados os seguintes resultados

5 4 6 1 2 5 3 1 3 3
4 4 1 5 5 6 1 2 5 1
3 4 5 1 1 6 6 2 1 1
4 4 4 3 4 3 2 2 2 3
6 6 3 2 4 2 6 6 2 1
Construa uma distribuio de freqncia sem intervalo de classe e determine:

a) A Amplitude Total
i) 5
ii) 6
iii) 7
iv) 10
v) 50
b)
A freqncia total
i) 5
ii) 6
iii) 7
iv) 10
v) 50
c)
A freqncia simples absoluta do primeiro elemento:

i) 10%
ii) 20%
iii) 1
iv) 10
v) 20
d)
A freqncia simples relativa do primeiro elemento:

i) 10%
ii) 20%
iii) 1
iv) 10
v) 20
e)
A freqncia acumulada do primeiro elemento:

i) 10%
ii) 20%
iii) 1
iv) 10
v) 20
f)
A freqncia acumulada relativa do primeiro elemento:

i) 10%
ii) 20%
iii) 1
iv) 10
v) 20
g)
A freqncia simples absoluta do segundo elemento:

i) 19
ii) 9
iii) 2
iv) 38%
39
v) 18%
3.
h)
A freqncia simples relativa do quinto elemento:

i) 12%
ii) 84%
iii) 5
iv) 6
v) 42
i)
A freqncia acumulada relativa do sexto elemento:

i) 50
ii) 8
iii) 6
iv) 100%
v) 16%
Dado o rol de medidas das alturas (dadas em cm) de uma amostra de 100 indivduos de uma faculdade:
151
161
166
168
169
170
173
176
179
182
152
162
166
168
169
170
173
176
179
182
154
163
166
168
169
171
174
176
180
183
155
163
167
168
169
171
174
177
180
184
158
163
167
168
169
171
174
177
180
185
159
164
167
168
170
171
175
177
180
186
159
165
167
168
170
172
175
177
181
187
160
165
167
168
170
172
175
178
181
188
161
165
168
169
170
172
175
178
181
190
161
166
168
169
170
173
176
178
182
190
calcule:
a)
a amplitude amostral;
b) o nmero de classes;
c)
a amplitude de classes;
d) os limites de classes;
e)
as freqncias absolutas das classes;
f)
as freqncias relativas;
g) os pontos mdios das classes;

h) as freqncias acumuladas;
i)
o histograma e o polgono de freqncia;
j)
o polgono de freqncia acumulada;
k) faa um breve comentrio sobre os valores das alturas desta amostra atravs da distribuio de frequncia.
4. Os dados seguintes representam 20 observaes relativas ao ndice pluviomtrico em determinado
municpio do Estado:
Milmetros de chuva
144
160
154
142
141
152
151
145
146
150
159
157
151
142
143
160
146
150
141
158
a) Determinar o nmero de classes pela regra de Sturges;

b) Construir a tabela de freqncias absolutas simples;
40
c) Determinar as freqncias absolutas acumuladas;

d) Determinar as freqncias simples relativas;
5. Considere a seguinte distribuio de frequncia correspondente aos diferentes preos de um determinado
produto em vinte lojas pesquisadas.
Preos
50
51
52
53
54
Total
No. De lojas
2
5
6
6
1
20
a)
b)
c)
d)
e)
Quantas lojas apresentaram um preo de R$52,00?

Construa uma tabela de freqncias simples relativas.
Construa uma tabela de freqncias absolutas acumuladas.
Quantas lojas apresentaram um preo de at R$52,00 (inclusive)?
Qual o percentual de lojas com preo maior de que R$51,00 e menor de que R$54,00?
6.
O quadro seguinte representa as alturas (em cm) de 40 alunos de uma classe.

162
164
170
160
166
163
165
157
158
169
148
159
176
163
152
166
175
157
165
170
169
155
157
164
172
154
163
165
178
165
170
171
158
150
162
166
172
158
168
164
a)
b)
c)
d)
Calcular a amplitude total.

Admitindo-se 6 classes, qual a amplitude do intervalo de classe?
Construir uma tabela de frequncia das alturas dos alunos.
Determinar os pontos mdios das classes.
7.
Vinte alunos foram submetidos a um teste de aproveitamento cujos resultados so.

26
18
20
27
28
25
21
22
24
18
15
13
13
25
28
19
18
24
17
28
Pede-se agrupar tais resultados em uma distribuio de freqncias:
41
UNIDADE V - MEDIDAS DE POSIO E SEPARATRIZES

MEDIDAS DE POSIO
As medidas de posio, tambm chamada de medidas de tendncia central, possuem trs formas
diferentes para trs situaes distintas:
MDIA ARITMTICA
Existem duas mdias:
POPULACIONAL, representada letra grega
AMOSTRAL, representada por x
1a SITUAO: Dados no agrupados

Sejam os elementos x1, x2, x3,...,xn de uma amostra, portanto n valores da varivel X. A mdia aritmtica
da varivel aleatria de X definida por,
n
x=
x
i =1
ou simplesmente, x =
x
n
onde n o nmero de elementos do conjunto.

Exemplo:
Suponha o conjunto de tempo de servio de cinco funcionrios: 3, 7, 8, 10 e 11. Determinar a mdia aritmtica
simples deste conjunto de dados.
x=
3 + 7 + 8 + 10 + 11 39
=
= 7,8
5
5
Interpretao: o tempo mdio de servio deste grupo de funcionrios de 7,8 anos.

2a SITUAO: Dados agrupados em uma distribuio de frequncia por valores simples
Quando os dados estiverem agrupados numa distribuio de freqncia usaremos a mdia aritmtica dos
valores x1, x2, x3,...,xn, ponderados pelas respectivas freqncias absolutas: F1, F2, F3, ... , Fn. Assim
n
x=
x F
i
i =1
Exemplo:
Em um determinado dia foi registrado o nmero de veculos negociados por uma amostra de 10
vendedores de uma agncia de automveis obtendo a seguinte tabela:
42
veculos nmero de
negociados vendedores
(xi)
(Fi)
1
2
3
4
TOTAL
xi Fi
1
3
5
1
10
1
6
15
4
26
Portanto:
x=
26
= 2,6
10
Interpretao: em mdia, cada vendedor negociou 2,6 veculos.

3a SITUAO: Dados agrupados em uma distribuio de frequncia por classes
Quando os dados estiverem agrupados numa distribuio de freqncia usaremos a mdia aritmtica dos
pontos mdios x1, x2, x3,...,xn de cada classe, ponderados pelas respectivas freqncias absolutas: F1, F2, F3, ... ,
Fn. Desta forma, o clculo da mdia passa a ser igual ao da 2a situao. Assim
n
x=
x F
i
i =1
Exemplo:
A tabela abaixo representa os escores obtidos por um grupo de 58 alunos matriculados em uma determinada
disciplina:
ESCORES
35
45
55
65
75
85
|45
|55
|65
|75
|85
|95
TOTAL
ALUNOS
(Fi)
xi
x i Fi
5
12
18
14
6
3
58
40
50
60
70
80
90
-
200
600
1.080
980
480
270
3.610
Portanto,
x=
3610
= 62,24
58
Interpretao: o desempenho mdio deste grupo de alunos foi de 62,24 pontos nesta disciplina.
43
MODA - Mo
Dentre as principais medidas de posio, destaca-se a moda. o valor mais freqente da distribuio.
Sejam os elementos x1, x2, x3,...,xn de uma amostra, o valor da moda para este tipo de conjunto de dados
simplesmente o valor com maior frequncia.
Exemplo 1:
Suponha o conjunto de tempo de servio de cinco funcionrios: 3, 7, 8, 8 e 11. Determinar a moda deste
conjunto de dados.
Mo = 8 distribuio unimodal ou modal

Interpretao: o tempo de servio com maior frequncia de 8 anos.
Exemplo 2:
Suponha o conjunto de tempo de servio de cinco funcionrios: 3, 3, 7, 8, 8 e 11. Determinar a moda deste
conjunto de dados.
Mo = 3
distribuio bimodal
Mo = 8
Interpretao: os tempos de servio com maior frequncia foram de 3 e 8 anos.
Exemplo 3:
Suponha o conjunto de tempo de servio de cinco funcionrios: 3, 7, 8, 10 e 11. Determinar a moda deste
conjunto de dados.
no existe Mo distribuio amodal
Interpretao: no existe o tempo de servio com maior frequncia.

Para este tipo de distribuio, a identificao da moda facilitada pela simples observao do elemento que
apresenta maior freqncia. Assim, para a distribuio
Exemplo:
vendedor de uma agncia de automveis obtendo a seguinte tabela:
veculos nmero de
(Fi)
(xi)
1
2
3
4
TOTAL
1
3
5
1
10
44
Portanto, se a maior frequncia Fi = 5, logo Mo = 3.

Interpretao: A quantidade de veculos comercializados no dia com maior frequncia foi de 3 veculos.
Para dados agrupados em classes, temos diversas frmulas para o clculo da moda. A utilizada ser:
Frmula de Czuber
Procedimento:
a)
Identifica-se a classe modal (aquela que possuir maior freqncia) CLASSE(Mo).
b)
Utiliza-se a frmula:
Mo = l i +
em que:
1
h
1 + 2
l i = limite inferior da classe modal

1 = Fi Fi,ant
2 = Fi Fi,post
h = amplitude da classe modal
Exemplo:
disciplina:
ESCORES
35
45
55
65
75
85
||||||TOTAL
45
55
65
75
85
95
ALUNOS
Fi
5
12
18
14
6
3
58
CLASSE(Mo ) 55 | 65
Mo = 55 +
6
10 = 55 + 6 Mo = 61
6+4
onde :
1 = 18 12 = 6
2 = 18 14 = 4
Interpretao: O escore com maior frequncia entre o grupo de 58 alunos foi de 61 pontos.
45
MEDIANA - Md
Construdo o ROL, o valor da mediana o elemento que ocupa a posio central, ou seja, o elemento
que divide a distribuio em 50% de cada lado:
Md
0%
50%
100%

Sejam os elementos x1, x2, x3,...,xn de uma amostra, portanto n valores da varivel X. A mediana da
varivel aleatria de X definida por,
n +1
par, ento o valor da mediana ser a mdia das duas observaes adjacentes posio 2
se n =
mpar, ento o valor da mediana ser o valor localizado na posio n + 1
2
Exemplo 1:
Suponha o conjunto de tempo de servio de cinco funcionrios: 3, 7, 8, 10 e 11. Determinar a mediana deste
conjunto de dados.
Como n = 5, ento o valor da mediana estar localizado na posio
5 +1
= 3 . Portanto,
2
Md = 8
Interpretao: 50% dos funcionrios possuem at 8 anos de tempo de servio, ou, 50% dos funcionrios possuem
no mnimo 8 anos de tempo de servio.
Exemplo 2:
Suponha o conjunto de tempo de servio de cinco funcionrios: 3, 7, 8, 10, 11 e 13. Determinar a mediana deste
conjunto de dados.
Como n = 6, ento o valor da mediana estar localizado na posio
Md =
6 +1
= 3,5 . Portanto,
2
8 + 10
=9
2
Interpretao: 50% dos funcionrios possuem at 9 anos de tempo de servio, ou, 50% dos funcionrios possuem
no mnimo 9 anos de tempo de servio.
Quando os dados estiverem agrupados numa distribuio de freqncia identificaremos a mediana dos
valores x1, x2, x3,...,xn pela posio da mediana POS(Md ) =
n
atravs da frequncia absoluta acumulada - Fac,
2
46
Exemplo:
vendedor de uma agncia de automveis obtendo a seguinte tabela:
veculos nmero de
(xi)
(Fi)
1
2
3
4
TOTAL
1
3
5
1
10
Fac
1
4
9
10
-
Portanto:
POS(Md ) =
10
= 5 Md = 3
2
Interpretao: 50% dos vendedores comercializaram no mximo 3 veculos, ou ento, metade dos vendedores
comercializou pelo menos 3 veculos.
Procedimento:
n
2
1.
Calcula-se a posio da mediana: POS(Md ) =
2.
Pela Fac identifica-se a classe que contm o valor da mediana - CLASSE(Md)
3.
Md = li +
POS(Md ) - Fac,ant
Fi
onde:
li = Limite inferior da classe mediana
n = Tamanho da amostra ou nmero de elementos
Fac,ant = Frequncia acumulada anterior classe mediana
h = Amplitude da classe mediana
Fi = Freqncia absoluta simples da classe mediana
Exemplo:
disciplina:
47
ESCORES
35
45
55
65
75
85
ALUNOS
(Fi)
Fac
5
12
18
14
6
3
58
5
17
35
49
55
58
-
|45
|55
|65
|75
|85
|95
TOTAL
Portanto,
58
= 29
2
2. CLASSE(Md) = 55 | 65
29 - 17
3. Md = 55 +
10 = 55 + 6,67 Md = 61,67
18
1. POS(Md) =
Interpretao: 50% dos alunos obtiveram escore mximo de 61,67 pontos, ou ento, metade dos alunos
obtiveram escore maior que 61,67 pontos..
SEPARATRIZES
QUARTIS
Os quartis dividem um conjunto de dados em quatro partes iguais.
0%
Q1
Q2 = Md
Q3
25%
50%
75%
100%
Assim:
Onde:
Q1 = 1 quartil, deixa 25% dos elementos
Q2 = 2 quartil, coincide com a mediana, deixa 50% dos elementos
Q3 = 3 quartil, deixa 75% dos elementos
Procedimento:
n
i
1. Calcula-se a posio do quartil:
4
onde : i = 1,2,3
POS(Q i ) =
2.
Pela Fac identifica-se a classe que contm o valor do quartil - CLASSE(Qi)
48
3.
Qi = li +
POS(Qi ) - Fac,ant
Fi
onde:
li = Limite inferior da classe quartlica
Fac,ant = Frequncia acumulada anterior classe quartlica
h = Amplitude da classe quartlica
Fi = Freqncia absoluta simples da classe quartlica
Exemplo:
ESCORES
35
45
55
65
75
85
ALUNOS
(Fi)
Fac
5
12
18
14
6
3
58
5
17
35
49
55
58
-
|45
|55
|65
|75
|85
|95
TOTAL
disciplina. Calcule o primeiro e o terceiro quartil.

Portanto,
58
1 = 14,5
4
2. CLASSE(Q1 ) = 45 | 55
1. POS(Q1 ) =
3. Q1 = 45 +
14,5 - 5
10 = 45 + 7,92 Q1 = 52,92
12
Interpretao: 25% dos alunos obtiveram escore mximo de 52,92 pontos, ou ento, 75% dos alunos obtiveram
escore maior que 52,92 pontos.
58
3 = 43,5
4
2. CLASSE(Q1 ) = 65 | 75
1. POS(Q 3 ) =
3. Q 3 = 65 +
43,5 - 35
10 = 65 + 6,07 Q 3 = 71,07
14
Interpretao: 75% dos alunos obtiveram escore menor que 71,07 pontos, ou ento, 25% dos alunos obtiveram
escore de pelo menos 71,07 pontos.
49
DECIS
So valores que divide a srie em dez partes.
0%
D1
D2
D3
D4
D5
D6
D7
D8
D9
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Procedimento:
n
i
1. Calcula-se a posio da medida:
10
onde : i = 1,2,3,4,5,6,7,8,9
POS(Di ) =
2.
Pela Fac identifica-se a classe que contm o valor do decil - CLASSE(Di)
3.
D i = li +
POS(Di ) - Fac,ant
Fi
onde:
li = Limite inferior da classe do decil
Fac,ant = Frequncia acumulada anterior classe do decil
h = Amplitude da classe do decil
Fi = Freqncia absoluta simples da classe do decil
Exemplo:
disciplina. Calcule o sexto decil.
ESCORES
35
45
55
65
75
85
|45
|55
|65
|75
|85
|95
TOTAL
ALUNOS
(Fi)
Fac
5
12
18
14
6
3
58
5
17
35
49
55
58
-
Portanto,
50
58
6 = 34,8
10
2. CLASSE(D 6 ) = 55 | 65
1. POS(D 6 ) =
3. D 6 = 55 +
34,8 - 17
10 = 55 + 9,89 D 6 = 64,89
18
Interpretao: 60% dos alunos obtiveram escore inferior a 64,89 pontos, ou ento, 40% dos alunos obtiveram
escore mnimo de 64,89 pontos.
PERCENTIS
.. .P10 .. .P20 .. .P30 .. .P40 .. .P50 .. .P60 .. .P70 .. .P80 .. .P90 .. .
0%.. .10%.. .20%.. .30%.. .40%.. .50%.. .60%.. .70%.. .80%.. .90%.. .100%
So as medidas que dividem a amostra em 100 parte iguais. A frmula ser:
Procedimento:
n
i
1. Calcula-se a posio da medida:
100
onde : i = 1,2,3,...,98,99
POS(Pi ) =
2.
Pela Fac identifica-se a classe que contm o valor do percentil - CLASSE(Pi)
3.
Pi = li +
POS(Pi ) - Fac,ant
Fi
onde:
li = Limite inferior da classe do percentil
Fac,ant = Frequncia acumulada anterior classe do percentil
h = Amplitude da classe do percentil
Fi = Freqncia absoluta simples da classe do percentil
Exemplo:
disciplina. Calcule o percentil de ordem 23.
ESCORES
35
45
55
65
75
85
|45
|55
|65
|75
|85
|95
TOTAL
ALUNOS
(Fi)
Fac
5
12
18
14
6
3
58
5
17
35
49
55
58
-
51
Portanto,
58
23 = 13,34
100
2. CLASSE(P23 ) = 45 | 55
1. POS(P23 ) =
3. P23 = 45 +
13,34 - 5
10 = 45 + 6,95 P23 = 51,95
12
Interpretao: 23% dos alunos com os menores escores obtiveram pontuao inferior a 51,95 pontos, ou ento,
77% dos alunos obtiveram escore maior que 51,95 pontos.
52
EXERCCIOS
1. Construa uma tabela para mostrar que, em determinado curso, o nmero de alunos matriculados nas 1 , 2 e
3 sries era, respectivamente, 40, 35 e 29 em 1997 e 42, 36 e 32 em 1998.
2. Construa uma tabela para mostrar que, de acordo com a Pesquisa Nacional por Amostra de Domiclios,
PNAD, em 1992 havia no Brasil 73,1 milhes de pessoas com renda familiar mensal at 330 reais (pobres e
miserveis), 45 milhes de pessoas com renda familiar mensal de 330 reais at 1300 reais (emergentes) e 13,6
milhes de pessoas com renda familiar mensal acima de 1300 reais (classe mdia e rica). Apresente, tambm,
percentuais.
3. Faa um grfico de linhas para apresentar o crescimento em altura de crianas do sexo masculino. Os dados
esto na tabela a seguir.
Idades
7
8
9
10
11
12
Altura Mdia (cm)

119,7
124,4
129,3
134,1
139,2
143,2
4. Dado o rol do nmero de erros de impresso da primeira pgina de um jornal durante 50 dias, obteve-se os
seguintes resultados:
5
7
10
12
14
a)
5
8
10
12
14
5
8
10
12
14
6
8
10
12
14
6
8
10
12
14
6
8
11
12
14
7
8
11
12
15
7
8
11
12
16
7
9
11
13
19
7
9
12
14
22
Complete a tabela de distribuio de frequncia:

Classe
Fi
xi
Fac
05 |- 08
08 |- 11
11 |- 14
14 |- 17
17 |- 20
20 |- 23
Total
Segundo nos mostra a tabela acima responda:

Qual a amplitude total (r) ?
i)
ii)
Qual o valor de k (nmero de classe) ?
Qual o intervalo de cada classe (h) ?
iii)
5.
Complete a tabela a seguir:

Classes
62 - 65
P.M.
Fi
12
fr
0,02
0,06
66,5
84
126
36
225
0,15
Total
300
-
53
6.
Considere a seguinte tabela:
2,75
2,80
2,85
2,90
2,95
3,00
3,05
3,10
3,15
3,20
Fi
2
3
10
11
24
14
9
8
6
3
90
classes
|- 2,80
|- 2,85
|- 2,90
|- 2,95
|- 3,00
|- 3,05
|- 3,10
|- 3,15
|- 3,20
|- 3,25
Total
Identificar os seguintes elementos da tabela:

a) Frequncia simples absoluta da quinta classe.
b) Frequncia total.
c) Limite inferior da sexta classe.
d) Limite superior da quarta classe.
e) Amplitude do intervalo de classe.
f)
Amplitude total.
g) Ponto mdio da terceira classe.
h) Nmero total de classe.
i)
Frequncia absoluta acumulada alm da sexta classe.
j)
Porcentagem de valores iguais ou maiores que 3,20.
7.
Responda as questes abaixo:
I)
a) (
c) (
Mdia, Mediana e Moda so medidas de :

) Disperso
b) ( ) posio
) assimetria
d) ( ) curtose
II)
a) (
c) (
Na srie 10, 20, 40, 50, 70, 80 a mediana ser:

) 30
b) ( ) 35
) 40
d) ( ) 45
III)
a) (
b) (
50% dos dados da distribuio situa-se:

) abaixo da mdia
c) ( ) abaixo da moda
) acima da mediana
d) ( ) acima da mdia
8. Calcule para cada caso abaixo a respectiva mdia.

a)
7, 8, 9, 12, 14
b)
Xi
Fi
c)
Classes
Fi
9.
a)
b)
3
2
4
5
7
8
8
4
68 - 72
8
12
3
72 - 76
20
76 - 80
35
80 - 84
40
Calcule o valor da mediana.

82, 86, 88, 84, 91, 93
Xi
Fi
73
2
75
10
77
12
79
5
81
2
54
c)
Classes
Fi
1-3
3
3-5
5
5-7
8
7-9
6
9 - 11 11 - 13
4
3
10. Calcule a moda

a)
3, 4, 7, 7, 7, 8, 9, 10
b)
c)
Xi
Fi
2,5
7
Classes
Fi
3,5
17
10 - 20
7
4,5 6,5
10
5
20 - 30
19
30 - 40
28
40 - 50
32
11. Para a distribuio abaixo calcular D2, P4 Q3
a)
Classes 20 - 30 30 - 40 40 - 50 50 - 60 60 - 70
Fi
3
8
18
22
24
55
UNIDADE VI - MEDIDAS DE DISPERSO

MEDIDA DE DISPERSO
As medidas de disperso indicam se os valores esto relativamente prximos um dos outros, ou
separados em torno de uma medida de posio: a mdia. Consideraremos quatro medidas de disperso: Desviomdio, Varincia, Desvio Padro e Coeficiente de Variao.
DESVIO-MDIO
O desvio-mdio analisa a mdia dos desvios em torno da mdia.
Sejam os elementos x1, x2, x3,...,xn de uma amostra, portanto n valores da varivel X, com mdia igual a
x . O desvio-mdio da varivel aleatria de X ,
DM =
onde n o nmero de elementos do conjunto.

Exemplo:
Suponha o conjunto de tempo de servio de cinco funcionrios: 3, 7, 8, 10 e 11. Determinar o desvio-mdio
deste conjunto de dados.
como x = 7,8
ento DM =
3 - 7,8 + 7 7,8 + 8 7,8 + 10 7,8 + 11 7,8

5
11,2
DM = 2,24
5
Interpretao: em mdia, o tempo de servio deste grupo de funcionrios se desvio em 2,24 anos em torno dos
7,8 anos de tempo mdio de servio.
Quando os dados estiverem agrupados numa distribuio de freqncia usaremos o desvio-mdio dos
valores x1, x2, x3,...,xn, ponderados pelas respectivas freqncias absolutas: F1, F2, F3, ... , Fn, como no clculo da
mdia aritmtica. Assim
DM =
x Fi
n
Exemplo:
vendedores de uma agncia de automveis como mostra a tabela abaixo. O clculo do desvio-mdio ser:
56
veculos
nmero de
negociados vendedores |xi-mdia|
(xi)
(Fi)
1
2
3
4
TOTAL
1
3
5
1
10
|xi-mdia|*Fi
1,60
0,60
0,40
1,40
4,00
1,60
1,80
2,00
1,40
6,80
como x = 2,6
6,8
ento DM =
= 0,68
10
Interpretao: em mdia, a quantidade de veculos negociado de cada vendedor possuiu uma distncia de 0,68
em torno dos 2,6 veculos comercializados em mdia por vendedor.
Quando os dados estiverem agrupados numa distribuio de freqncia usaremos o desvio-mdio dos pontos
mdios x1, x2, x3,...,xn de cada classe, ponderados pelas respectivas freqncias absolutas: F1, F2, F3, ... , Fn.
Desta forma, o clculo do desvio-mdio passa a ser igual ao da 2a situao. Assim
DM =
x Fi
n
Exemplo:
disciplina. O clculo do desvio-mdio ser:
ESCORES
35
45
55
65
75
85
||||||TOTAL
ALUNOS
Fi
45
55
65
75
85
95
5
12
18
14
6
3
58
xi
40
50
60
70
80
90
-
|xi-mdia| |xi-mdia|*Fi
22
111
12
147
2
40
8
109
18
107
28
83
597
Portanto,
como x = 62,24
597
ento DM =
= 10,29
58
57
Interpretao: Em mdia, a nota de cada aluno deste grupo teve um distanciamento de 10,29pontos em torno do
desempenho mdio deste grupo de alunos foi de 62,24 pontos nesta disciplina.
VARINCIA E DESVIO-PADRO
A varincia de um conjunto de dados a mdia dos quadrados dos desvios dos valores a contar da
mdia. A frmula da varincia poder ser calculada de duas formas:
POPULACIONAL, representada letra grega 2
AMOSTRAL, representada por s2

Sejam os elementos x1, x2, x3,...,xn, portanto n valores da varivel X, com mdia igual a x . A varincia da
varivel aleatria de X ,
(x
=
(x
=
( x i )2
1
2
= xi
N
N
ou
S
x)
n -1
( x i )2
1
2
=
xi
n
n -1
Obs.: A Segunda frmula chamada de Frmula Desenvolvida.

Exemplo:
Suponha o conjunto de tempo de servio de cinco funcionrios: 3, 7, 8, 10 e 11. Determinar o desvio-padro
deste conjunto de dados.
como x = 7,8
ento S 2 =
(3 - 7,8)2 + (7 7,8)2 + (8 7,8)2 + (10 7,8)2 + (11 7,8)2

5 1
38,8
S 2 = 9,7anos 2
4
Interpretao: encontramos ento uma varincia para o tempo de servio de 9,7anos2 . Para eliminarmos o
quadrado da unidade de medida, extramos a raiz quadrada do resultado da varincia, que chegamos a uma
terceira medida de disperso, chamada de DESVIO-PADRO:
POPULACIONAL, representada letra grega =
AMOSTRAL, representada por S =
S2
Portanto, o desvio-padro do exemplo foi de 3,11anos. Ou seja, se calcularmos um intervalo utilizando um

desvio-padro em torno da mdia, encontraremos a concentrao da maioria dos dados.
Quando os dados estiverem agrupados numa distribuio de freqncia usaremos a varincia dos valores x1,
x2, x3,...,xn, ponderados pelas respectivas freqncias absolutas: F1, F2, F3, ... , Fn. Assim
58
(x
=
(x
=
) Fi
2
( x i Fi )2
1
2
= x i Fi
N
N
ou
S
x ) Fi
2
n -1
( x i Fi )2
1
2
=
x i Fi
n
n -1
Exemplo:
vendedores de uma agncia de automveis como mostra a tabela abaixo. O clculo do desvio-mdio ser:
veculos
nmero de
veculos
negociados vendedores (xi-mdia)2 (xi-mdia)2*Fi

(xi)
(Fi)
1
2
3
4
TOTAL
1
3
5
1
10
2,56
0,36
0,16
1,96
5,04
2,56
1,08
0,80
1,96
6,40
como x = 2,6
6,4
ento S 2 =
= 0,71veculos 2
9
nmero de
(xi)
(Fi)
OU
1
2
3
4
TOTAL
1
3
5
1
10
xi*Fi
xi2*Fi
1
6
15
4
26
1
12
45
16
74
1
26 2
2
S = 74
= 0,71veculos
9
10
2
S = 0,71veculos = 0,84 veculos

2
S = 0,71veculos 2 = 0,84veculos
Interpretao: Portanto, o desvio-padro do exemplo foi de 0,84 veculos. Ou seja, se calcularmos um intervalo
utilizando um desvio-padro em torno da mdia, encontraremos a concentrao da maioria dos veculos
negociados por vendedor.
Quando os dados estiverem agrupados numa distribuio de freqncia usaremos a varincia dos pontos
mdios x1, x2, x3,...,xn de cada classe, ponderados pelas respectivas freqncias absolutas: F1, F2, F3, ... , Fn.
Desta forma, o clculo da varincia passa a ser igual ao da 2a situao. Assim
(x
=
(x
=
) Fi
2
( x i Fi )2
1
2
= x i Fi
N
N
ou
S
x ) Fi
2
n -1
( x i Fi )2
1
2
=
x i Fi
n -1
n
59
Exemplo:
disciplina. O clculo do desvio-mdio ser:
ESCORES
35
45
55
65
75
85
|- 45
|- 55
|- 65
|- 75
|- 85
|- 95
TOTAL
ALUNOS
Fi
5
12
18
14
6
3
58
ESCORES
xi
40
50
60
70
80
90
-
(xi-mdia)2 (xi-mdia)2*Fi
495
150
5
60
315
771
-
2.473
1.798
90
843
1.893
2.312
9.409
como x = 62,24
9.409
ento S 2 =
= 165,1pontos 2
57
OU
35
45
55
65
75
85
S2 =
S = 165,1pontos = 12,85pontos
2
|- 45
|- 55
|- 65
|- 75
|- 85
|- 95
TOTAL
ALUNOS
Fi
5
12
18
14
6
3
58
xi
40
50
60
70
80
90
-
xi*Fi
200
600
1.080
980
480
270
3.610
xi2*Fi
8.000
30.000
64.800
68.600
38.400
24.300
234.100
1
3.610 2
234.100
= 165,1pontos
57
58
S = 165,1pontos 2 = 12,85pontos
Interpretao: Portanto, o desvio-padro do exemplo foi de 12,85 pontos. Ou seja, se calcularmos um intervalo
utilizando um desvio-padro em torno do escore mdio de 62,24 ponots, encontraremos a concentrao da
maioria dos alunos dentro deste intervalo de pontuao.
COEFICIENTE DE VARIAO
Trata-se de uma mdia relativa disperso, til para a comparao e observao em termos relativos do
grau de concentrao em torno da mdia de sries distintas. dada por:
CV =
S
100 OU CV = 100
Classificao da distribuio quanto disperso:
DISPERSO BAIXA: CV 15%
DISPERSO MDIA: 15% < CV < 30%
DISPERSO ALTA: CV 30%
60
Exemplo:
Numa empresa o salrio mdio dos funcionrios do sexo masculino de R$ 4.000,00, com um desvio
padro de R$ 1.500,00, e os funcionrios do sexo feminino em mdia de R$ 3.000,00, com um desvio padro
de R$ 1.200,00. Ento:
1500
100 = 37,5%
4000
1200
Sexo feminino : CV =
100 = 40%
3000
Sexo masculino : CV =
Interpretao: Logo, podemos concluir que o salrio das mulheres apresenta maior disperso relativa que a dos
homens. Para obtermos o resultado de C.V basta multiplicarmos por 100.
EXERCCIOS
1.
Desvio Mdio para o conjunto de dados abaixo ser:

xi
5
7
8
9
11
a) ( ) 1,28
b) ( ) 1,20
Fi
2
3
5
4
2
c) ( ) 1,00
d) ( ) 0,83
2. O Desvio Padro de um conjunto de dados 9. A varincia :

a) ( ) 3
c) ( ) 81
b) ( ) 36
d) ( ) 18
3. Na distribuio de valores iguais, o Desvio padro :
a) ( ) negativo
c) ( ) zero
b) ( ) a unidade
d) ( ) positivo
4. O calculo da varincia supe o conhecimento da:
a) ( ) Fac
c) ( ) mediana
b) ( ) mdia
d) ( ) moda
5.
A varincia do conjunto de dados tabelados abaixo ser:

Classes
03 |- 08
08 |- 13
13 |- 18
18 |- 23
a) ( ) 1,36
b) ( ) 18,35
Fi
5
15
20
10
c) ( ) 4,54
d) ( ) 20,66
61
UNIDADE VII - MEDIDAS DE ASSIMETRIA E DE CURTOSE

MEDIDAS DE ASSIMETRIA
DEFINIO: grau de deformao de uma distribuio em relao ao eixo de simetria.
Podemos observar os tipos de assimetria abaixo:
a)
x = Md = Mo
b)
x < Md < Mo
c)
Mo < Md < x
Existem vrias coeficientes com o objetivo de quantificar tais assimetrias. Estudaremos dois destes
coeficientes que veremos a seguir:
COEFICIENTE DE PEARSON
O coeficiente de Pearson apresentado pela seguinte frmula:
As =
Mo
ou
As =
x Mo
S
Classificao do coeficiente de Pearson:
As = 0
DISTRIBUIO SIMTRICA
0 < As < 1
DISTRIBUIO ASSIMTRICA POSITIVA FRACA
As 1
DISTRIBUIO ASSIMTRICA POSITIVA FORTE
- 1 < As < 0
DISTRIBUIO ASSIMTRICA NEGATIVA FRACA
As -1
DISTRIBUIO ASSIMTRICA NEGATIVA FORTE
62
COEFICENTE DE BOWLEY
As =
Q 3 + Q1 2 Md
Q 3 Q1
Classificao do coeficiente de Bowley:

DISTRIBUIO SIMTRICA
As = 0
0 < As 0,1
DISTRIBUIO ASSIMTRICA POSITIVA FRACA
0,1 < As < 0,3
DISTRIBUIO ASSIMTRICA POSITIVA MODERADA
0,3 As 1
DISTRIBUIO ASSIMTRICA POSITIVA FORTE
- 0,1 As < 0
DISTRIBUIO ASSIMTRICA NEGATIVA FRACA
- 0,3 < As < 0,1
DISTRIBUIO ASSIMTRICA NEGATIVA MODERADA
- 1 As -0,3
DISTRIBUIO ASSIMTRICA NEGATIVA FORTE
MEDIDA DE CURTOSE
Entende-se por curtose o grau de achatamento de uma distribuio. Podemos ter:
CURVA PLATICRTICA
CURVA MESOCRTICA
CURVA LEPTOCRTICA
63
Para medir o grau de curtose utilizaremos o coeficiente
K=
Q 3 - Q1
2 (P90 - P10 )
Classificao do coeficiente de Curtose:
K = 0,263
CURVA MESOCRTICA
K > 0,263
CURVA PLATICRTICA
K < 0,263
CURVA LEPTOCRTICA
EXERCCIOS
1.
Analisando as curvas abaixo marque a resposta correta.
(I)
(II)
a) a curva I simtrica - x > med > mo ;
b) a curva II assimtrica positiva - mo > 2 > x ;
c) a curva I simtrica x = med = mo ;
d) a curva III simtrica positiva x = med = mo ;
2.
Para as distribuies abaixo foram calculados

Distrib. A
Distrib. B
Classes
02 |- 06
06 |- 10
10 |- 14
14 |- 18
18 |- 22
x = 12Kg
Med = 12Kg
Mo = 12Kg
Fi
6
12
24
12
6
Classes
02 |- 06
06 |- 10
10 |- 14
14 |- 18
18 |- 22
Fi
6
12
24
30
6
(III)
Distrib. C
Classes
02 |- 06
06 |- 10
10 |- 14
14 |- 18
18 |- 22
Fi
6
30
24
12
6
x = 12,9Kg
Med = 13,5Kg
Mo = 16Kg
x = 11,1Kg
Med = 10,5Kg
Mo = 8Kg
S = 4,20Kg
S = 4,20Kg
S = 4,42Kg
Marque a alternativa correta:

a) a distribuio I assimtrica negativa;
b) a distribuio II assimtrica positiva;
c) a distribuio III assimtrica negativa moderada.
d) a distribuio I simtrica;
3.
Sabe-se que uma distribuio apresentou as seguintes medidas:
Q1 = 24,4cm Q3 = 41,2cm
P10=20,2cm P90 = 49.5cm,
com tais medidas a curtose :
a) ( ) Leptocrtica
b) ( ) Platicrtica
c) ( ) Mesocrtica
d) ( ) Assimtrica.
64
UNIDADE VIII INTRODUO TEORIA DA PROBABILIDADE

EXPERIMENTO ALEATRIO OU NO DETERMINISTICO - E
Definio:
1.
o processo de observao ou medida de um determinado fenmeno em estudo.
2.
o experimento que repetido sob as mesmas condies, conduz a resultados, em geral, distintos.
Exemplos:
E1 lanamento de um dado e observar o nmero na face superior.
E2 lanamento de uma moeda e observar o valor na face superior.
E3 lanamento de um dado e uma moeda, nesta seqncia, observar os valores nas faces superiores.
E4 um casal deseja ter trs filhos e observar o sexo, de acordo com a ordem de nascimentos das crianas.
ESPAO AMOSTRAL - S
Definio:
Um espao amostral um conjunto de todas as ocorrncias possveis de um determinado experimento
aleatrio E.
Exemplos: Considere os experimentos aleatrios apresentados anteriormente:
No E1 - S={1, 2, 3, 4, 5, 6}
No E2 - S={k, c}, onde k=cara, C=coroa
No E3 - S={1k, 2k, 3k, 4k, 5k, 6k, 1c, 2c, 3c, 4c, 5c, 6c}
No E4 - S={MMM, MMF, MFM, MFF, FMM, FMF, FFM, FFF}
EVENTOS (qualquer letra maiscula do alfabeto)
Definio :
Um evento qualquer subconjunto de ocorrncias de um determinado espao amostral S.
Exemplo: Considere o experimento aleatrio E3, com seu respectivo espao amostral S:
S={1k, 2k, 3k, 4k, 5k, 6k, 1c, 2c, 3c, 4c, 5c, 6c}
Determine os seguintes eventos:
A = ocorrncia de valor cara (K)
B = ocorrncia de valor par
C = ocorrncia de valor coroa (C)
D = ocorrncia de valor mpar
E = ocorrncia de nmero primo
F = ocorrncia de valor maior que 4
G = ocorrncia de valor menor ou igual a 3
H = ocorrncia de valor par ou cara (K)
I = ocorrncia de valor par ou mpar
65
J = ocorrncia de valor par e cara (K)

K = ocorrncia de valor par e mpar
L = ocorrncia de valor maior que 7
TIPOS DE EVENTOS
EVENTO CERTO
Definio:
aquele evento que se igual ao espao amostral S.
Exemplo: O evento I acima um evento certo.
EVENTO IMPOSSVEL
Definio:
aquele evento que no possui elemento algum.
Exemplo: Os eventos K e L acima so eventos impossveis.
EVENTOS MUTUAMENTES EXCLUSIVOS
Definio:
Dois eventos A e B quaisquer so chamados de mutuamente exclusivos, se eles no podem ocorrer
simultaneamente, isto ,
AB =
Exemplo: Considere os eventos descritos acima:
Os eventos A e C so mutuamente exclusivos pois AC = .
Os eventos B e D so mutuamente exclusivos pois BD = .
Os eventos C e J so mutuamente exclusivos pois CJ = .
Os eventos H e J no so mutuamente exclusivos pois HJ .
EVENTOS COMPLEMENTARES
Definio:
Dois eventos A e B quaisquer so chamados de complementares se:
AB =
AB = S
Exemplo: Considere os eventos descritos no exemplo acima:
Os eventos A e C so complementares pois AC = e AC = S.
Os eventos B e D so complementares pois BD = e BD = S.
Os eventos H e J no so complementares pois HJ e HJ S.
Os eventos F e K no so complementares pois FK apesar de FK = S.
Os eventos C e J no so complementares pois CJ S apesar de CJ = .
66
PROBABILIDADE:
Enfoque Terico
A probabilidade de ocorrncia de um evento A, P(A), um nmero real que satisfaz as seguintes
condies:
a)
0 P(A) 1
b) P(S) = 1
c)
Se A e B so eventos mutuamente exclusivos ento P(AB) = P(A) + P(B)
d) Se A1, A2, ...,A , ... so mutuamente exclusivos, dois a dois, ento:

Principais teoremas :
I)
P( A ) = 1 - P(A)
II) Se A um evento impossvel de ocorrer (A=), ento P(A) = P() =0

III) Se A e B so eventos quaisquer, ento: P(AB) = P(A) + P(B) - P(BA).
CLCULO DA PROBABILIDADE
A probabilidade dever ser calculada a partir da frmula:
P(A) =
n(A)
n(S)
Exemplo:
Seja o Experimento E o lanamento de um dado e o seu espao amostral dado por: S = {1, 2, 3, 4, 5, 6}. Qual a
probabilidade do evento A Nmeros maiores e iguais a 2?
O Evento A pode ser descrito na forma: A ={2, 3, 4, 5, 6}
n(A) = 5 e n(S) = 6. Logo a probabilidade do evento A P(A) =
n(A)
= 5/6.
n(S)
PROBABILIDADE CONDICIONAL
Ilustrao:
Seja o experimento aleatrio E: lanar um dado e o evento A = {sair o nmero 3}. Ento:
P(A) =
1
6
Seja o evento B = {sair o nmero impar} = {1, 3, 5}

Podemos estar interessados em avaliar a probabilidade do evento A estar condicionado ocorrncia do evento B,
designado por P(A|B), onde o evento A o evento condicionado e o evento B o condicionante.
Assim P(A|B) =
1
3
Formalmente a probabilidade condicionada definida por:

Dado dois eventos quaisquer A e B, denotaremos P(A|B), por
67
P(A B) =
P(A B) n (A B) ,
=
P(B)
n (B)
com P(B)0, pois B j ocorreu.

TEOREMA DO PRODUTO
A probabilidade da ocorrncia simultnea de dois eventos quaisquer A e B, do mesmo espao amostra,
igual ao produto da probabilidade de ocorrncia do primeiro deles pela probabilidade condicional do outro,
dado que o primeiro ocorreu.
Assim:
P(A B) =
P(A B)
P(B)
P(A B) = P(B) P(A B)
INDEPENDNCIA ESTATSTICA
Um evento A considerado independente de um outro evento B se a probabilidade de A igual
probabilidade condicional de A dado B, isto , se:
P ( A) = P ( A B )
Considerando o teorema do produto podemos afirmar que:
P(A B) = P(A ) P(B)

TEOREMA DE BAYES
Suponha que os eventos A1, A2, ...,An formam uma partio de um espao amostral S; ou seja, os
eventos Ai so mutuamente exclusivos e sua unio S. Seja B outro evento qualquer. Ento:
B = SB = (A1A2...An) B = (A1B) (A2B) ... (AnB)
Onde os AiB so tambm mutuamente exclusivos.
Consequentemente,
P(B) = P(A1B) + P(A2B) +... +P(AnB)
Assim pelo teorema da multiplicao,
P(B) = P(A1)P(B\ A1)+ P(A2)P(B\ A2)+...+ P(AN)P(B\ AN)
Por outro lado, para qualquer i, a probabilidade condicional de Ai dado B definida como
68
P(Ai\B) = P(A i B)
P(B)
Nesta equao, usamos (1) para substituir P(B) e P(AiB) = P(Ai)P(B\ Ai) para substituir P(AiB),
obtendo assim o:
Teorema de Bayes: Suponha A1, A2, ...,An ser uma partio de S e B, um evento qualquer. Ento, para qualquer
i,
P(A i \ B) =
P(A i )P(B \ A i )
P(A1 )P(B \ A1 ) + P(A 2 )P(B \ A 2 ) + ... + P(A n )P(B \ A n )
Exemplos:
Trs mquinas, A, B e C produzem 50%, 30% e 20%, respectivamente do total de peas de uma fbrica.
As percentagens de produo defeituosa destas mquinas so 3%, 4% e 5%. Se uma pea selecionada
aleatoriamente, ache a probabilidade de ela ser defeituosa. Suponha agora que uma pea selecionada
aleatoriamente seja defeituosa. Encontre a probabilidade de ela ter sido produzida pela mquina A
EXERCCIOS
1.
Lance um dado e uma moeda um aps o outro nesta seqncia.
a) Construa o espao amostral

b) Enumere os resultados seguintes
I A ={coroa marcada por par}
II B = {cara marcada por mpar}
III C = {Mltiplo de 3}
c) Expresse os eventos
I B complementar
II A ou B ocorrem
III B ou C ocorrem
IV A ou B complementar
c) Calcule as probabilidades abaixo:
P(A), P(B), P(C), P( A ),P( B ), P(A B) e P(BC)
2. Um revendedor de carros tem dois carros, corsas 1996, na sua loja para serem vendidos, interessa-nos saber
quanto cada um dos dois vendedores vender ao final de uma semana. Como representar o primeiro vendedor
no vende nenhum carro e depois o segundo vendedor vende ao menos um dos carros.
3. Se A o evento Um estudante fica em casa para estudar. E B o evento o estudante vai ao cinema,
P(A) = 0,64 e P(B) = 0,21. Determine:
P(Ac), P(Bc), P(B/A)
4.
a)
b)
c)
Se P(A) = ; P(B) = e A e B so mutuamente exclusivos ento:

P(Ac)
P(Bc)
P(AB)
5.
Se P(A) = ; P(B) = 1/3 e P(AB) = calcule P(AUB).
6.
Quantas comisses de trs pessoas podem formar com um grupo de 10 pessoas?
69
7. A probabilidade de trs jogadores acertarem um pnalti, so respectivamente 2/3, 4/5 e 7/10. Se cada um
cobrar 1 nica vez, qual a probabilidade de :
a) Todos acertarem
b) Ao menos um acertar
c) Nenhum acertar
8.
Qual a probabilidade de duas pessoas aniversariarem no mesmo dia da semana?
9.
Sr Ray Moon Dee, ao dirigir-se ao trabalho, usa um nibus ou o metr com probabilidade de 0,2 e 0,8, nessa
ordem. Quando toma o nibus, chega atrasado 30% das vezes. Quando toma o metr, atrasa-se 20% dos
dias. Se o Sr Ray Moon Dee Chegar atrasado ao trabalho em determinado dia, qual a probabilidade dele
haver tomado um nibus?
10. Em certo colgio, 5% dos homens e 2% das mulheres tem mais que 1,80m de altura. Por outro lado, 60%
dos estudantes so homens. Se um estudante selecionado aleatoriamente e tem mais de 1,80m de altura,
qual a probabilidade de que o estudante seja mulher?
70
UNIDADE IX - VARIVEIS ALEATRIAS

CONCEITOS
Seja X um valor numrico que depende um resultado de uma experincia; como X associa um resultado
a um nmero, X uma funo cujo domnio o conjunto de resultados e a imagem o conjunto dos nmeros
reais. Essa funo X conhecida como Varivel Aleatria. O que Eqivale a descrever os resultados de um
experimento aleatrio por meio de nmeros em vez de palavras, possibilitando um tratamento Estatstico.
As v.a. podem ser Unidimensional Discreta ou Contnua e Bidimensional Discreta e Contnua.
VARIVEIS ALEATRIAS UNIDIMENSIONAIS DISCRETAS

As v.a. unid. Discretas so aquelas que fazem uso de uma nica varivel no estudo, e como so
discretas trabalham com valores inteiros.
FUNO DE PROBABILIDADE
Quando utilizamos uma v.a. x para transformar os valores de um espao amostral S em um novo espao
amostral constitudo de nmeros reais, em geral modificamos tambm a funo de probabilidade associada a este
espao amostral. A funo de probabilidade ser representada por p(X=x) ou p(x).
Onde:
p(x) = 1 e
p(x) poder ser expresse por uma tabela, grfico ou frmula:
EXEMPLO:
E lanamento de duas moedas
X nmero de caras obtidas
S = {(c,c) (c,k) (k,c) (k,k)}
A TABELA:
xi
p(xi)
0
0,25
1
0,5
2
0,25
O GRFICO
71
A FRMULA
p(x) =
1 2
, para x = 0, 1, 2
4 x
OBS: Qualquer funo de uma v.a. tambm uma v.a. isto se x uma v.a., ento y =(x) tambm ser.
EXEMPLO:
x v.a. pontos de um dado;
y = x + x v.a. soma dos pontos de dois lanamento;
z = max{(x1, x2)} onde (x1, x2) pontos de dois dados.
A distribuio de probabilidade de x ser:
xi
p(xi)
1
1/6
2
1/6
3
1/6
4
1/6
5
1/6
6
1/6
A distribuio de y ser:
(1,1)
(2,1)
S = (3,1)
M
(6,1)
(1,2) ... (1,6)

(2,2) ... (2,6)
(3,2) ... (3,6)
yi
p(yi)
(6,2) ... (6,6)

2
1/36
3
2/36
4
3/36
5
4/36
6
5/36
7
6/36
8
5/36
9
4/36
10
3/36
11
2/36
12
1/36
A de z ser:
zi
p(zi)
1
1/36
2
3/36
3
5/36
4
7/36
5
9/36
6
11/36
Exemplo:
No lanamento de dois dados a v.a. x anota a diferena dos pontos das faces superiores. Determine os
valores de x e a funo de probabilidade associada.
EXERCCIO
A urna A contm 3 bolas brancas e 2 bolas pretas. A urna B contm 5 bolas brancas e
1 bola preta. Uma bola retirada ao acaso de cada urna e a v.a. x anota o nmero de bolas
brancas obtidas. Determine os valores de x e a funo de probabilidade.
72
MEDIDAS DE POSIO E
UNIDIMENSIONAL DISCRETA.
VARIABILIDADE
DA
V.
ALEATRIA
O VALOR ESPERADO DA V.A. .

A v.a. ser utilizada para estabelecer modelos tericos de prob. Com a finalidade de descrever
populaes. A mdia, a varincia, o desvio padro, representaro parmetros destas populaes e sero
denotados por , 2(x) e (x), respectivamente.
Se x uma v.a. dada por:
xi
p(xi)
x1
p(x1)
x2
p(x2)
x3
p(x3)
...
...
xn
p(xn)
= xi * p(xi) tambm conhecido como E(x)
A VARINCIA DA V.A. VAI SER:

2(x) = (xi - )2* p(xi) ou 2(x) = E(x2) [E(x)]2
E O DESVIO PADRO:
____
(x) = 2(x)
Exemplo:
No lanamento de uma moeda, a v.a. anota o no. de caras obtidos. Calcule a mdia a varincia e o
desvio padro da v.a. x.
EXERCCIO:
Calcule a mdia a varincia e o desvio padro da v.a. x dada abaixo.
xi
p(xi)
2
0,3
5
0,4
8
0,2
10
0,1
VARIVEL ALEATRIA UNIDIMENSIONAL CONTNUA

Se uma v.a. assume todos os valores de um intervalo real, ento x denominada uma v.a. contnua.
Essas v.a. surgem de processos definidos a partir de medidas.
Ex: Considere o intervalo real de [2,10] e a funo que associa a cada ponto deste intervalo sua distncia ao
ponto 2.
A v.a. x assumir valores no intervalo[0,8] sendo portanto uma v.a. contnua.
FUNO DENSIDADE DE PROBABILIDADE (F.D.P.)

com:
Quando definimos a v.a. discreta associamos a cada ponto xi do espao amostral um valor real p(xi)
73
1.
2.
0 p(xi) 1
p(xi) = 1
Para a v.a. contnua no poderemos usar tal processo pois no existe uma funo que associa cada ponto
p de um intervalo um valor real.
Para a v.a. contnua definiremos:
1.
2.
f(xi) 0
A rea da regio compreendida sobre o grfico da funo e o eixo ox igual a 1.
MEDIDAS DE POSIO E
UNIDIMENSIONAL CONTNUA.
DE
VARIABILIDADE
DE
UMA
V.A.
VALOR ESPERADO:
E(x) =
x f(x)dx E(x ) = x
2
f(x)dx
VARINCIA E DESVIO PADRO
2 (x ) = E(x 2 ) [E(x )]2
e o D.P. =
(x ) = 2 (x )
VARIVEL ALEATRIA BIDIMENSIONAL

Exemplo: Considere E, que consiste no lanamento de dois dados. Seja x a v. a. que anota o nmero de pontos da
face superior do primeiro dado, e seja y a v.a. que anota o nmero de pontos da face superior do segundo dado.
Y
X
1
2
3
4
5
6
(1 1) (1 2)
4
...
6
(1 6)
...
...
(6 1 )
...
(6 6)
74
A tabela de Probabilidade :
X
1
2
3
4
5
6
1/36
1/36
...
6
1/36
...
...
1/36
...
1/36
Logo a funo de probabilidade conjunta :

P(X = xi, Y = yj) satisfazendo as condies.
Discreta
1. p(xi,yj) 0
2.
Contnua
1. f(x,y) 0
p(x i , y j ) = 1
2.
i =1 j =1
f(x, y)dxdy = 1
A DISTRIBUIO MARGINAL DE PROBABILIDADE

Dada uma v.a. bidimensional e sua distribuio conjunta pode-se determinar a distribuio de X sem
considerar Y, ou vice-versa. So as chamadas distribuies marginais.
Se (X,Y) discreta; ento:
P ( X = x) = P( X = xi , < y <
Distribuio Marginal de X: ou
P( X = x ) = P( x , y )
j i j
i
75
P(Y = y ) = P(Y = y ji , < x <
Distribuio Marginal de X: ou
P(Y = y ) = P( x , y )
i i j
j
Exemplo: anterior
Y
X
1
2
3
4
5
6
p(x)
p(y)
1/36
1/36
...
...
1/36
1/6
1/36
1/6
...
1/36
1/6
1/6
1
VARIVEL ALEATRIA INDEPENDENTES

Seja (X,Y) uma v.a. discreta bidimensional. Diz-se que X e Y so independentes se, e somente se ,
p(xi,yj) = p(xi)p(yj) para quaisquer i e j.
Seja (X,Y) uma v.a. aleatria contnua bidimensional. Diz-se que X e Y so independentes se e somente
se, f(x,y)=g(x)h(y) para todo (x,y).
Obs: g(x) distribuio marginal de x da v.a. contnua e h(x) da v. a. de y
76
EXEMPLO:
Dada a distribuio de probabilidade conjunta de (X,Y) pela tabela abaixo. Verificar se X e Y so independentes.
y\x
0
1
2
p(xi)
0
0,1
0,04
0,06
0,2
1
0,2
0,08
0,12
0,4
2
0,2
0,08
0,12
0,4
p(yj)
0,5
0,2
0,3
1
Soluo: Para todo i, j; i=0, 1, 2 e j=0, 1, 2

P(xi,yj) = p(xi)p(yj)
Para o par (0,0) tem-se :
P(0,0) = 0,10 e p(x=0) . P(y=0) = 0,2 . 0,5 = 0,10
Para o par (0,1) tem-se :
P(0,1) = 0,04 e p(x=0) . P(y=1) = 0,2 . 0,2 = 0,04
Continuando todos os clculos se verificar que todos sero satisfeitos e por isso conclumos que X e Y so
independentes.
77
MEDIDAS DE POSIO E DE VARIABILIDADE DE UMA V.A. BIDIMENSIONAL

DISCRETA E CONTNUA.
A mdia ou esperana matemtica deve ser calculada usando as frmulas:
E(x ) = x i p(x i )
E(x ) = x f ( x i ) dx
E(y ) = y j p(y j )
E(y ) = y f ( y j ) dy
E(xy ) = x i y j p(x i y j )
E(xy ) = x y j f ( x i y j ) dxdy
A varincia, o desvio padro, a covarincia e o coeficiente de correlao sero calculados a partir das
frmulas abaixo.
2 (x ) = E(x 2 ) - [E(x)]2
Para o caso discreto e contnuo
2 (y ) = E(y 2 ) - [E(y)]2
2 (x y ) = 2 (x ) + 2 (y ) 2 cov(xy) } Para o caso em que x e y forem quaisquer
2 (x y ) = 2 (x ) + 2 (y )} Quando x e y forem independentes

(x ) = 2 (x )
Cov(xy) = E(xy) - E(x) E(y)
(xy)
cov(xy)
(x ) ( y )
Exerccios Resolvidos.
1. Uma carta retirada aleatoriamente de um baralho comum de 52 cartas, e a v.a. X anota o nmero de
damas obtidos nessa retirada. Determinar os valores de X e a funo de probabilidade associada.
Soluo
Seja S o espao amostral da retirada de uma carta do baralho S = { AO, 2O, ..., 10O, ..., JO, DO, KO, AP,
2P, ..., 10P, ..., JP, DP, KP, AE, 2E, ..., 10E, ..., JE, DE, KE, AC, 2C, ..., 10C, ..., JC, DC, KC}
Onde: AO a carta s de Ouro 2O a carta 2 de Ouro e assim sucessivamente
A v.a. X anota o nmero de damas obtido, veja que aqui no foi mencionado o naipe, logo estamos
interessados somente se sai (1) ou no (0) uma carta de damas. As probabilidades bem como os valores que a
v.a. X pode assumir esto discriminados na distribuio de probabilidade abaixo.
X
0
1
p(x)
48/52
4/52
2. A tabela a seguir d as probabilidades de um oficial de justia receber 0, 1, 2, 3, 4 ou 5, relatrios de
violao de liberdade condicional em um dia qualquer.
X
p(x)
0
0,15
1
0,25
2
0,36
3
0,18
4
0,04
5
0,02
78
a)
Encontre a mdia e o desvio padro de X.
Soluo
A mdia pode ser denotada por E(x) ou por , assim:
E(x) = xi.p(xi) = 0.(0,15) + 1.(0,25) + 2.(0,36) + 3.(0,18) + 4.(0,04) + 5.(0,02) = 1,77
Para calcularmos o Desvio padro, que ser denotado por D.P. ou por (x), deveremos antes encontra a
varincia que ser:
Var(x) = 2(x) = E(x2) [E(x)]2
Onde
E(x2) = xi2.p(xi) = 02.(0,15) + 12.(0,25) + 22.(0,36) + 32.(0,18) + 42.(0,04) + 52.(0,02) = 4,45
Assim a varincia de x ser:
2(x) = E(x2) [E(x)]2 = 4,45 [1,77]2 = 1,32
Como estamos interessados no desvio padro teremos que tirar a raiz quadrada da varincia . Logo:
(x) = 1,14
3. A tabela abaixo fornece a probabilidade de que um sistema de computao fique fora de operao um
dado perodo por dia durante a fase inicial de instalao do sistema. Calcular:
a) o nmero esperado de vezes que o computados fique fora de operao por dia
b) O desvio padro desta distribuio de probabilidade.
Nmero de perodo X
Probabilidade p(x)
4
0,01
5
0,08
6
0,29
7
0,42
8
0,14
9
0,06
Soluo
Nmero de perodo X
Probabilidade p(x)
x.p(x)
x^2.p(x)
4
0,01
0,04
0,16
5
0,08
0,4
2
6
0,29
1,74
10,44
7
0,42
2,94
20,58
8
0,14
1,12
8,96
9
0,06
0,54
4,86
Total
1
6,78
47
a) E(x) = 6,78
b) 2(x) = E(x2) [E(x)]2 = 47 [6,78]2 = 1,032
(x) = 1,016
4. O trem do metr para no meio de um tnel. O defeito pode ser na antena receptora ou no painel de
controle. Se o defeito for na antena, o conserto poder ser feito em 5 minutos. Se o defeito for no painel, o
conserto poder ser feito em 15 minutos. O encarregado da manuteno acredita que a probabilidade de o
defeito ser no painel de 60%. Qual a expectativa do tempo de concerto?
Soluo
Se o defeito for na antena o conserto dever ser feito em 5 minutos.
Se o defeito for no painel estima-se um conserto em 15 minutos. Logo a distribuio de probabilidade
ser:
X
p(x)
5
0,4
15
0,6
E(x) = 5.(0,4) + 15.(0,6) = 11 minutos a expectativa do tempo de conserto

5. Uma v.a. assume os valores 2, 3, 5, com probabilidades de 0,3, 0,5 e 0,2 respectivamente. Calcule o
valor esperado e o desvio padro da v.a. Y = 2x + 5.
Soluo
79
Y = 2x + 5
E(y) = E(2x) + E(5) =
E(y) = 2E(x) + 5 = ?
Calculando a esperana de x e a esperana de x2 teremos:
X
2
3
5
p(x)
0,3
0,5
0,2
E(x) = 2.(0,3) + 3.(0,5) + 5.(0,2) = 3,1
Logo E(y) = 2(3,1) + 5 = 11,2
Descubra como encontrar a Var(Y)!!!!!!!
3
2
1 x , 0 x 1
6. Seja f ( x ) = 2
0, caso contrrio
a) f(x) uma legitima Funo Densidade de Probabilidade (f.d.p)?
b) Encontre a mdia e o Desvio padro da v.a. X
Soluo
Para que uma funo f(x) seja uma legitima f.d.p. ela dever satisfazer as seguintes condies:
f(x) 0
1.
2.
f ( x)dx = 1
0
Observe que a funo foi definida no intervalo de [0,1] e recebe o valor 0 para qualquer outro intervalo.
Logo a 1 condio j foi verdadeira. Para provar a Segunda deveremos resolver a integral:
1
3
2
0 2 1 x dx = 1 =
1
3
3 1
1 x 2 dx = x 0
20
2
1
x 3 3 2
= =1
3 0 23
Logo f(x) uma legtima f.d.p.

Para achar a Mdia faremos:
1
E(x) =
1
1
2
0 x . f ( x)dx = 1= x . 32 (1 x 2 )dx = 1 = 32 (x x 3 )dx = 32 x2
0
0
1
x 4 3 1 3
= =
4 0 24 8
E(x2)
1
x
0
1
1
. f ( x)dx = 1 = x 2 . 3 (1 x 2 ) dx = 1 = 3 (x 2 x 4 )dx = 3 x
0 2
2 0
2 3
3 1
3 2 3 1
= = =
2 15 15 5
0
5 1
x
5
Logo a varincia ser: 2(x) = E(x2) [E(x)]2 = 1/5 [3/8]2 = 19/320 = 0,0594
7. Considere a seguinte distribuio conjunta de probabilidade. Encontre as marginais de X e Y e
verifique se X e Y so independentes.
Soluo
O clculo das marginais de X e Y feito da seguinte forma:
x
y
1
3
5
p(x)
2
0,05
0,2
0,25
4
0,08
0,15
0,07
6
0,05
0,05
0,1
p(y)
80
X
Y
2
0,05
0,2
0,25
0,5
1
3
5
p(x)
4
0,08
0,15
0,07
0,3
6
0,05
0,05
0,1
0,2
p(y)
0,05+0,08+0,05=0,18
0,4
0,42
1
P(Y=1)
P(X=2)
Para saber se X e Y so independentes devemos verificar para todos os casos se P(X=xi,Y = yj) = P(X=xi).P(Y =
yj), ento:
Probabilidade
Conjunta
de X e Y
P(X = 2 , Y = 1)
X
Y
2
0,05
0,2
0,25
0,5
4
0,08
0,15
0,07
0,3
P(X=2)
Probabilidade
Marginal
de X quando xi = 2
1
3
5
p(x)
6
0,05
0,05
0,1
0,2
p(y)
0,05+0,08+0,05=0,18
0,4
0,42
1
P(Y=1)
Probabilidade
Marginal
de Y quando yj = 1
1. (x = 2 e y = 1) 0,05 0,5 . 0,18

2. (x = 2 e y = 3) 0,2 = 0,5 . 0,4
3. (x = 2 e y = 5) 0,25 0,5 . 0,42
4. (x = 4 e y = 1) 0,08 0,3 . 0,4
...
E assim sucessivamente. Podemos ver que como a condio P(X=xi,Y = yj) = P(X=xi).P(Y = yj) no foi satisfeita
para todos i e j diremos que X e Y no so independentes.
8.
Considere a seguinte distribuio conjunta de X e Y .

X
Y
-2
0,1
0,2
1
2
p(x)
a)
b)
c)
d)
e)
-1
0,2
0,1
4
0
0,1
5
0,3
0
p(y)
achar as distribuies marginais de X e Y;

Calcular E(x), E(y) e E(x,y);
Calcular a covarincia de X e Y;
Calcular a correlao de X e Y.
X e Y so independentes?
Soluo
X
Y
1
2
p(x)
Distribuio
de Probabilidade
de X e sua Marginal
Distribuio
de Probabilidade
de Y e sua Marginal
-2
0,1
0,2
0,3
-1
0,2
0,1
0,3
4
0
0,1
0,1
5
0,3
0
0,3
1
0,6
0,6
0,6
2
0,4
0,8
1,6
Total
1
1,4
2,2
-2
0,3
-0,6
1,2
-1
0,3
-0,3
0,3
4
0,1
0,4
1,6
p(y)
y.p(y)
y^2.p(y)
x
p(x)
x.p(x)
x^2.p(x)
p(y)
0,6
0,4
1
A varincia de y :
Var(y) = E(yy) - [E(y)]2
Var(y) = 2,2 - (1,4)2 = 0,24
D.P. = 0,49
E(y)
E(y2)
5
0,3
1,5
7,5
Total
1
1
10,6
E(x)
E(x2)
A varincia de x :
Var(x) = E(x2) - [E(x)]2
Var(x) = 10,6 - (1)2 =9,6
D.P. = 3,09
81
A E(x,y) = xi.yj. p(xi , yj)

E(x,y) = (-2) . (1) . (0,1) + (-2) . (2) . (0,2) + ... +(5) . (2) . (0) = 0,9
A Covarincia dada por Cov(x,y) = E(x,y) E(x) . E(y) = 0,9 [1,4 . 1] = - 0,5
A Correlao ser: (x, y ) =
Cov(x, y ) =
0,5
= - 0,3
(x ) . (y )
0,49 . 3,09
Se utilizarmos P(X=xi,Y = yj) = P(X=xi).P(Y = yj) verificaremos que em alguns caso ela no ser satisfeita para
algum i e j, logo X e Y no so independentes.
82
Exerccios
1.
Sabe-se que a chegada de clientes a uma loja de material computacional, durante intervalos aleatoriamente
escolhidos de 10 minutos, segue uma distribuio de probabilidade dada na tabela abaixo. Calcule o nmero
esperado de chegada de clientes por intervalo de 10 minutos, e calcule tambm o desvio padro das
chegadas.
Nmero de chegadas X
Probabilidade p(x)
0
0,15
1
0,25
Respostas E(x) = 2
2.
15
0,05
Respostas
16
0,1
17
0,25
e
18
0,3
19
0,2
20
0,1
Var(x)= 1,66
2
0,15
E(x) = 4
3
0,2
e
4
0,25
5
0,19
6
0,1
7
0,05
8
0,02
Var(x)= 2,52
Dada a v.a.
x
p(x)
-1
0,2
2
0,3
Calcule a mdia e o desvio padro da v.a. Y =
5
0,4
8
0,1
4
x-3
3
Uma v.a. discreta tem distribuio de probabilidade dada por:

P(x) =
K
, para x = 1, 3, 5, 7
x
a) Calcule o valor de K
6.
5
0,05
Var(x)= 1,9
E(x) = 17,8
1
0,04
Respostas
5.
4
0,1
Um vendedor determinou as probabilidades referentes a vendas dirias visitando 10 possveis compradores,

as probabilidades esto apresentadas na tabela abaixo. Calcule o nmero esperado de vendas e o desvio
padro
Nmero de vendas X
Probabilidade p(x)
4.
3
0,2
As vendas de uma revista mensal em uma banca segue uma distribuio de probabilidade dada na tabela
abaixo. Calcule o valor esperado e a varincia.
Nmero de revistas em
Milhares X
probabilidade de X
3.
2
0,25
b) Calcule P(x = 5)
Verifique se a funo abaixo uma legtima f.d.p.
1
x, se 0 x 1
f ( x) = 2
0, caso contrrio
83
7.
Verifique se X e Y so independentes para a distribuio conjunta de probabilidade dada abaixo.
X
Y
0
1
2
p(x)
8.
1
0,2
0,08
0,12
2
0,2
0,08
0,12
p(y)
Sejam M e N duas v.a. aleatrias independentes com as seguintes distribuies de probabilidade
M
p(m)
a)
b)
c)
d)
9.
0
0,1
0,04
0,06
1
0,6
3
0,4
N
p(n)
5
0,3
10
0,5
12
0,2
Achar a distribuio conjunta de probabilidade de M e N;

Calcular E(m) e E(n)
Calcule a covarincia de M e N
Encontre a correlao de M e N
As v.a. X e Y admitem a seguinte distribuio conjunta de probabilidade.
X
Y
1
0,2
a
4
5
p(x)
2
0,15
0,15
3
b
0,15
p(y)
Encontre a e b para que as v.a. X e Y sejam independentes.

10. Utilizando a Funo Densidade de Probabilidade do exerccio % encontre a mdia e a varincia.
11. Suponha que X e Y tenha distribuio conjunta dada pela tabela abaixo.
X
Y
-1
0
1
-1
0
1/5
0
0
1/5
1/5
1/5
1
0
1/5
0
a) Encontre a cov(X,Y)
b) Ache a Correlao de X e Y
c) Verifique se x e Y so independentes.
84
UNIDADE X DISTRIBUIO DISCRETA
INTRODUO VARIVEIS ALEATRIAS

Quando na prtica desejamos investigar algum fenmeno, estamos na realidade interessados
em estudar a distribuio de uma ou mais variveis. Do ponto de vista prtico, desejvel que se defina uma
varivel aleatria (v.a.) associada a uma amostra ou experimento, de tal modo que seus resultados possveis
sejam numricos. Por exemplo, a jogada de uma moeda tem dois resultados - cara (k) ou coroa (c) - que no so
numricos. Poderamos ento considerar como nossa varivel aleatria o nmero de caras numa jogada, que
tem os valores numricos possveis 0 e 1. Para uma moeda jogada duas vezes, nossa varivel aleatria poderia
ser nmero de caras em duas jogadas, como os valores numricos 0, 1 e 2. Outro exemplo de varivel
aleatria seria o nmero de fregueses que entram numa grande loja num intervalo de 20 minutos: 0, 1, 2, ....
Ainda outro exemplo de varivel aleatria seria a altura dos estudantes numa sala de aula de uma universidade,
com um mbito contnuo que iria, digamos, de 1,5 a 2,0m.
Para todos os exemplos aqui descritos, atribumos a um ponto amostral um nico valor real,
conhecido como varivel aleatria unidimensional. Porm, na maioria das vezes, h interesse em atribuir, para
um mesmo ponto amostral, duas ou mais caractersticas numricas. Assim, por exemplo, podemos estar
interessados em investigar, ao mesmo tempo, a altura (h) e o peso (p) de uma pessoa em uma certa populao.
Neste caso, temos o par (h, p), que dito como varivel aleatria bidimensional.
As varveis aleatrias podem ser do tipo:
Discreta: uma varivel aleatria considerada discreta se toma valores que podem ser contadas. Exemplos
de variveis aleatrias discretas so
nmero de acidentes de carro por semana;
nmero de defeitos em sapatos produzidos;
nmero de terremotos;
nmero de livros em uma estante.
Contnua1: uma varivel aleatria considerada contnua quando pode tomar qualquer valor de um
determinado intervalo. Alguns exemplos de v.a. contnua so apresentados a seguir:
pesos de caixas de laranja;
alturas de rvore;
durao de uma conversa telefnica.
DISTRIBUIES DISCRETAS
PROVAS INDEPENDENTES. FRMULA DE BERNOULLI.
A frmula de Bernoulli designada atravs dos ensaios de Bernoulli, que na realidade so
ensaios independentes repetidos, cada um deles com apenas dois resultados possveis e cujas probabilidades
permanecem constantes durante toda a realizao dos ensaios. usual denotarmos as duas probabilidades por p e
por q = 1-p, e nos referimos ao resultado que tem probabilidade p como um sucesso S e q como um fracasso F.
1
Este tipo de varivel ser abordado na prxima unidade.

85
Obviamente p e q 0 e que p+q = 1. O espao amostral associado a cada ensaio individualmente formado por
um dos dois pontos.
EXEMPLO:
Suponhamos o lanamento de uma moeda (honesta), ocorre sucesso quando aparecer cara. Ento o
espao amostral ser S ou F, para um lanamento.
1 , se ocorrer valor " cara" (S)

X=
0 , se ocorrer valor " coroa" (F)
P(x = 1) = p = P(S)
P(x = 0 ) = 1 p = q = P(F)
ento:
P(X = x ) = p x (1 p )
1 x
para x = 0, 1, que conhecida como Distribuio de Bernoulli, com parmetros 1 e p:

Xi ~ Bernoulli(1,p)
Sabemos que:
Esperana matemtica: E(x) = p
Varincia: Var(x) = p(1-p) = pq.
Suponhamos agora n ensaios de Bernoulli. O espao amostral associado contm 2n pontos ou

sucesso de n smbolos S ou F, cada um deles representando um resultado possvel do experimento. Como os
ensaios so independentes, suas probabilidades se multiplicam. Em outras palavras, a probabilidade de qualquer
seqncia especificada o produto obtido quando substitumos os smbolos S ou F por p e q, respectivamente.
Dessa forma:
P(SSFSFF...FS) = ppqpqq...qp.
EXEMPLO 1:
Suponhamos o lanamento de uma moeda honesta 3 vezes, onde a ocorrncia de cara, corresponde ao
sucesso. Ento o nmero de elementos do espao amostral ser 23 = 8. Abaixo est indicado o espao amostral
com suas respectivas probabilidades:
SSS p 3
2
SSF p q
EspaoAmostral =
2
SFS p q
SFF pq 2
FSS p 2 q
FSF pq 2
FFS pq 2
FFF q 3
86
EXEMPLO 2:
Supor que em certa comunidade a probabilidade de uma pessoa ter problemas de psicose seja igual a
0.01. Se definimos:
1 , se uma certa pessoa da comunidade tem psicose

Y =
0 , se caso contrrio
Teremos ento que Y uma v.a de Bernoulli e sua distribuio dada por:
y
P(Y=y)
0,99
0,01
DISTRIBUIO BINOMIAL
Vamos supor que estamos interessados em calcular a probabilidade de se obter exatamente
duas faces 4 em trs lanamento de um dado.
possvel descrever este procedimento atravs das seguintes combinaes:
(44N) ou (4N4) ou (N44)
em termos de probabilidade ficaria:
P[(44N) (4N4) (N44)]
Como esses trs eventos so mutuamente exclusivos, ento:
P[(44N) (4N4) (N44)] = P(44N) + P(4N4) + P(N44)]=( 5 1 1 + 1 5 1 + 1 1 5 )
6 6 6 6 6 6 6 6 6
As probabilidades destes trs casos so iguais podendo ser escritas da seguinte forma:
2
1
5
=3
6
3 2
onde o nmero 3 tambm poder ser escrito como a C 23 =
n!
3!
=
(n - x )! x! (3 2)!3!
Quando observamos uma sucesso de n ensaios de Bernoulli, estamos interessados apenas no

nmero total de sucessos e no na ordem em que eles ocorrem. O nmero de sucessos poder ser qualquer um
dos nmeros 0, 1, 2, 3,..., k. Em n ensaios h ocorrncia de n-k fracassos. E isto pode acontecer de tantas
n
k
maneiras quantas so as formas de distribuirmos as k letras S em n posies, ou seja, maneiras diferentes de

k n-k
ocorrer k sucessos, a cada maneira associarmos a probabilidade p q

k=2 (sucessos):
SSF p 2 q
SFS p 2 q
FSS p 2 q
. Considerando o exemplo anterior, para
n = 3 n 3
= = = 3 maneiras
k = 2 k 2
87
Da,
3
P( x = 2 ) = p 2 q 1 = 3 p 2 q 1
2
1 , se ocorrer sucesso no i - simo ensaio
Xi =
0 , se ocorrer falha no i - simo ensaio
onde i = 1, 2, 3, ..., n
Se Xi ~ Bernoulli(1,p), ento a seqncia (X1, X2, ..., Xn) poder obter 2n resultados do tipo
(0,0,1,1,...,0), (0,0,...,1,1), (1,1,...,1).
Se X = Xi, ento X = nmero de sucessos nos n ensaios, da,
n
P(x = 0 ) = p 0 q n 0
0
n
P(x = 1) = p1 q n 1
1
K
n
P(x = k ) = p k q n k
k
para k = 0, 1, 2, ... , n.
Neste caso dizemos que:
X ~ Binomial(n,p)
Se x = x1+ x2+ ... + xn, onde cada xi ~ Bernoulli(1,p) apresenta, respectivamente, uma esperana
matemtica e varincia E(xi) =p e Var(xi) =p(1-p), ento, para a distribuio binomial teremos:
Esperana matemtica: E(x) = np
Varincia: Var(x) = p(1-p) = npq.
CARACTERSTICAS DA DISTRIBUIO BINOMIAL

1) As repeties do experimento so independentes,
2) uma soma de Bernoulli,
3) A v.a X, conta o nmero de sucessos nas n repeties do experimento. (ensaios de Bernoulli),
4) Existe P(Sucesso) = p constante e consequentemente q = P(F) = 1-p, tambm constante.
Em particular a probabilidade de que no ocorra sucesso :
P(x = 0) = p 0 (1 p ) = q n
n
88
E a probabilidade de que ocorra pelo menos um sucesso :
P(x 1) = 1 P(x < 1) = 1 P(x = 0) = 1 q n

EXEMPLO 1:
Em oito lanamentos de uma moeda, qual ser a probabilidade de ocorrerem pelo menos duas caras?
Definindo a v.a aleatria X = nmero de caras nos oito lanamentos, verificamos de imediato que
X~Binomial(8,1/2). Assim:
P(pelo menos duas caras) = P(x 2) = 1 [P(x = 0) + P(x = 1)]
Exerccios
1. A probabilidade de um atirador acertar o alvo de 25%. Se ele atirar cinco vezes, qual a probabilidade dele
acertar dois tiros.
2. Suponha que 1% dos programas que do entrada no guich de atendimento ao aluno, no CPD da UCB, no
so executados devido a erros. Se em um dado dia 500 programas do entrada no referido guich, calcule:
a) A probabilidade de que todo a os programas tenham sido executados
b) O nmero esperado de programas no executados devido a erro de impresso.
3. Os registros de uma pequena companhia indicam que 40% das faturas por ela emitidas so pagas aps o
vencimento. De 14 faturas expedidas, determine a probabilidade de:
a)
Nenhuma ser paga com atraso.
b)
No mximo 2 serem pagas com atraso.
c)
Ao menos 3serem pagas com atraso.
89
UNIDADE XI DISTRIBUIO CONTNUA
DISTRIBUIO NORMAL
uma das mais importantes distribuies de probabilidades, sendo aplicada em inmeros
fenmenos e constantemente utilizada para o desenvolvimento terico da inferncia estatstica. tambm
conhecida como distribuio de Gauss, Laplace ou Laplace-Gauss.
Seja X uma v.a. (varivel aleatria) contnua. X ter distribuio normal se:
f ( x) =
1 X

<x<
onde os parmetros e 2 so respectivamente a Mdia e a Varincia.

A notao utilizada :
X ~ N ( , 2 )
que lida da seguinte forma: a v.a. X se aproxima a uma distribuio normal com mdia e varincia 2 .
Para o clculo das probabilidades, surgem dois grandes problemas: primeiro, para a integrao
de f(x) , pois para o clculo necessrio o desenvolvimento em srie; segundo, seria a elaborao de uma tabela
de probabilidades, pois f(x) depende de dois parmetros, fato este que acarretaria um grande trabalho para tabelar
essas probabilidades considerando-se as vrias combinaes de e 2 .
Os problemas foram solucionados por meio de uma mudana de varivel obtendo-se, assim, a
distribuio normal padronizada ou reduzida.
VARIVEL NORMAL PADRONIZADA

A varivel Z dada por:
onde X uma varivel normal de Mdia e varincia 2 .

Ento a esperana matemtica e a varincia de Z ser respectivamente:
E[z] = 0
Var[z] = 1
Ento sua funo ser:
( z) =
1
2
1
z2
2
A notao utilizada :
X~N(0,1)
que lida da seguinte forma: a v.a. X se aproxima a uma distribuio normal padronizada com mdia 0 e
varincia 1. As probabilidades, isto , as reas sob esta curva esto tabeladas.
90
PROPRIEDADES DA CURVA NORMAL

O grfico da funo densidade de uma varivel normal tem a forma de um sino e simtrico
em relao mdia . Fixando-se a mdia, verificamos que o achatamento est diretamente ligado ao valor
de . Ou seja,
Analisando os grficos da distribuio normal padro, poderemos destacar as seguintes

propriedades:
1. f(x) simtrica em relao origem X= ou (z) simtrica em relao origem z=0;

2. f(x) possui um ponto de mximo para x = ou (z) possui um ponto de mximo para z=0 e, neste caso, sua
ordenada vale
1
2
0,39 .
3. f(x) tende a zero quando x tende para ou (z) tende a zero quando z tende para ;
4. f(x) tem dois pontos de inflexo cujas abcissas valem + e - ou (z) tem dois pontos de inflexo
cujas abcissas valem -1 e +1.
91
Stevenson, William J. Estatstica aplicada administrao. Harper & Row do Brasil, So Paulo, 1986, p.461
92
Exemplos:
1.
Para cada item abaixo monte a curva normal, pinte a rea e encontre a probabilidade.
a)
P(0 < z < 1)
b)
P(-2,25 < z < 1,2)
c)
P(z > 1,93)
2. As alturas dos alunos de determinada escola so normalmente distribudas com mdia 1,60m e desvio
padro de 0,30m. Encontre a probabilidade de um aluno medir:
a)
Entre 1,5 e 1,8m
b)
Mais de 1,75
c)
Menos de 1,48
d)
Qual deve ser a medida mnima para escolhermos 10% dos mais altos?
93
UNIDADE XII ESTIMAO

INTRODUO
O processo de estimao tem por finalidade avaliar parmetros de uma distribuio.
Podemos utilizar um nico nmero real para avaliar um parmetro. Neste caso estamos procedendo a uma
estimao pontual.
O valor da mdia amostral uma estimao por ponto. Da mesma forma o valor da varincia, desvio
padro e proporo amostrais so estimativas por ponto dos parmetros varincia, desvio padro e proporo
populacionais, respectivamente.
Estimador
s (x)
Estimativa por ponto

x = 20
s2(x) = 5
s(x)
s(X) = 2
p = 0,3
Parmetro
2 (x )
(x )
p
Fazendo uso da estimativa por ponto encontramos uma dificuldade a de que amostras diferentes
conduzem normalmente a estimativas diferentes. A variabilidade no pode ser controlada neste processo.
O controle estatstico desta variabilidade nos leva ento a fixar a estimao atravs de um intervalo.
INTERVALO DE CONFIANA
um intervalo real, centrado na estimativa pontual que dever conter o parmetro com determinada
probabilidade. Esta probabilidade ser conhecida como nvel de confiana associado ao intervalo.
A notao mais usual para o nvel de confiana 1- .
Se pensarmos em uma diferena entre o valor estimado e o parmetro, j que diferentes amostras
conduzem a valores diferentes de estimadores, estaremos calculando o erro-padro de estimativa.
e = |estimativa parmetro |
O controle da preciso se resumir na determinao do erro-padro da estimativa.
DISTRIBUIO AMOSTRAL DAS MDIAS
Considere a seguinte populao x={2, 3, 4, 5}.
Esta populao apresenta = 3,5 2 (x ) = 1,25 (x ) = 1,12
Se ns considerarmos todas as amostras de tamanho n=2 que podemos obter com reposio teremos:
A1 = (2,2)
A2 = (2,3)
A3 = (2,4)
A4 = (2,5)
A5 = (3,3)
A6 = (3,4)
A7 = (3,5)
A8 = (4,4)
A9 = (4,5)
A10 = (5,5)
Cada uma destas amostras possui um valor mdio:
x1 = 2
x 2 = 2,5
x3 = 3
x 4 = 3,5
x6
x7
x8
x9
= 3,5
=4
=4
= 4,5
94
x5 = 3
x 10 = 5
Podemos calcular a mdias das mdias bem como a sua varincia e o seu desvio-padro, assim:
x = 3,5 2 (x ) = 0,75 (x ) = 0,87
Note que:
A mdia das mdias igual a mdia populacional : x = ;
A varincia das mdias amostrais mantm com a varincia populacional a seguinte relao :
2 (x ) =
2 (x )
n
2
1,25
No exemplo: 2 (x ) = (x ) =
= 0,75
2
n
Estes resultados so concluses gerais dos seguintes teoremas:

1.
e desvio padro
(x ) , ento a distribuio amostral das mdias tambm normal com mdia x = e desvio padro
Se a varivel aleatria x admite distribuio Normal de probabilidade com mdia
2 (x ) =
2.
2 (x )
;
n
Se uma varivel aleatria x tem mdia e desvio padro (x ) , ento distribuio amostral das
mdias se aproxima de uma distribuio normal com mdia x = e com desvio-padro
2 (x ) =
2 (x )
, a medida que o nmero n de elementos tende a infinito.
n
EXEMPLO:
1. Uma v.a. x tem distribuio normal com mdia 20 e desvio-padro de 3. Calcule a probabilidade de que uma
amostra de 20 elementos selecionada ao acaso tenha mdia maior que 21.
O INTERVALO DE CONFIANA PARA A MDIA POPULACIONAL
Como j foi estudado para se transformar uma distribuio Normal x em uma distribuio Normal z
utilizamos a mudana de varivel z =
x -
(x )
A transformao da distribuio x na distribuio z , por analogia: z = x - x como foi visto

(x )
2
anteriormente x = e 2 (x ) = (x ) , logo: z = x - .
(x )
n
Em termos de distribuio normal z o nvel de confiana a probabilidade de o intervalo conter o
95
parmetro estimado, isto representa a rea central sob a curva normal entre os pontos - z e z ,
2
Observe que a rea total sob a curva normal unitria. Se a rea central 1- ., a notao
- z representa o valor de z que deixa a sua esquerda

2
sua direita a rea
, e a notao
z representa o valor de z que deixa a

2
. Desta forma:
P( - z < z <
2
z ) = 1-
2
Se substituirmos o valor de z por z =
x -
e utilizando alguns clculos matemticos encontraremos a
(x )
n
expresso final do Intervalo de Confiana para a estimativa da mdia populacional.
(x )
(x )
= 1
p x - z
< < x + z
n
n
2
2
Para calcular esta expresso deveremos pressupor o conhecimento do desvio-padro populacional, e que a
amostragem foi obtida com reposio. Alm disso importante salientar que z
2
(x ) representa o erro-padro
n
de estimativa, e que os limites so estabelecidos pelos valores (estimativa erro, estimativa +erro)
EXEMPLO:
1.
O departamento de recursos humanos de uma grande empresa informa que o tempo de execuo de tarefas
que envolvem participao manual varia de tarefa para tarefa, mas que o desvio padro permanece
aproximadamente constante , em 3 minutos.Uma nova tarefa est sendo implantada na empresa. Uma amostra
aleatria do tempo de execuo de 50 destas novas tarefas forneceu o valor mdio de 15 minutos. Determine
um intervalo de confiana de 95% para o tempo mdio de execuo desta nova tarefa.
96
UNIDADE XIII TESTES DE SIGNIFICNCIA

INTRODUO
Como vimos toda avaliao feita sobre um parmetro populacional, o qual no possumos nenhuma
informao, pode ser resultado do processo de estimao feito atravs do Intervalo de Confiana.
Se j possumos alguma informao, podemos test-la no sentido de aceit-la como verdadeira ou rejeit-la.
Os Teste de Significncia tem por finalidade, a partir da elaborao de uma Hiptese Nula H0 e de uma
Hiptese Alternativa Ha, verificar a aceitabilidade ou no da informao. Por isso ser conhecida como uma Regra de
Deciso.
Para sermos mais claro, isto significa que a partir de uma amostra de uma determinada populao iremos
confirmar ou no o valor do parmetro atravs da anlise de deciso sobre aceitar H0 ou rejeitar H0. Quando nos
propuser utilizar tal procedimento devemos ter em mente que estamos sujeitos a erros e acertos na deciso. De um
modo geral, em qualquer tipo de deciso, os acertos e os erros podem ser dispostos segundo o quadro abaixo:
Deciso
Aceita-se H0
Rejeita-se H0
Estado da Natureza
H0 verdadeira
H0 falsa
Deciso Correta
Erro tipo II
Erro tipo I
Deciso Correta
Erro Tipo I - Consiste em rejeitar H0 quando H0 verdadeira

Erro Tipo II - Consiste em aceitar H0 quando H0 falsa
Nvel de Significncia do Teste - a probabilidade de se cometer o erro Tipo I, ou seja, rejeitar uma Hiptese
verdadeira. O Nvel de significncia ser denotado por .
A probabilidade do erro Tipo II no possui um nome em especial mais ser conhecida como erro .
A fixao da Hiptese alternativa que diferencia os vrios tipos de Teste.
EXEMPLOS
1. Julgamento do Ru
Deciso
Inocente
Culpado
Estado da Natureza
Inocente
Culpado
Deciso Correta
Erro tipo II
Erro tipo I
Deciso Correta
O erro Tipo I, no caso, seria julgar o ru culpado, quando na verdade ele inocente.
O erro Tipo II, seria julgar o ru inocente , quando na verdade ele culpado.
2. Deciso de um mdico sobre uma cirurgia
Deciso
Opera
No Opera
Estado da Natureza
Precisa Operar
No Precisa Operar
Deciso Correta
Erro tipo II
Erro tipo I
Deciso Correta
O erro Tipo I seria no operar, quando na verdade o paciente precisa ser operado
O erro Tipo II seria operar, quando o paciente no precisa ser operado.
Na realizao dos testes, controlaremos o erro tipo I, procurando diminuir a probabilidade de sua ocorrncia
Quando controlarmos os nveis e , estaremos realizando um Teste de Hiptese.
97
TIPOS DE TESTES.
1 Tipo - H 0 : parmetro = r
H a : parmetro > r
H 0 : parmetro = r
2 Tipo -
H a : parmetro < r
H 0 : parmetro = r
3 Tipo -
H a : parmetro r
A realizao de um Teste Compreende as seguintes etapas

1.
2.
3.
4.
5.
Identificar H0;
Identificar Ha ( ateno, pois Ha define o tipo de teste a ser empregado)
Construir a regio crtica para o teste escolhido;
Calcular o estimador e verificar se ele se situa na regio de aceitao ou na regio de rejeio da hiptese
H0.
Deciso do teste Se o estimador estiver na regio de aceitao Aceita-se H0
Se o estimador estiver na regio de rejeio, Rejeita-se H0
TESTE DE SIGNIFICNCIA PARA A MDIA
O melhor estimador para e x . A distribuio amostral das mdias normal, com: z =
x -
(x )
n
H 0 : = b
1 Teste - H : > b
a
A regio crtica (de Rejeio RR) : z =
x -
(x )
n
2 Teste
H 0 : = b
H a : < b
A regio crtica (de Rejeio RR) : z = x -
(x )
n
3 Teste
H 0 : = b
H a : b
A regio crtica (de Rejeio RR) : z =
x -
(x )
n
98
EXEMPLO
1. Uma amostra Aleatria de 40 elementos retirados de uma populao normal com desvio padro igual a 3
apresentou um valor mdio igual a 60. Teste, ao nvel de significncia de 5%, a hiptese de que a mdia populacional
seja igual a 59, supondo a hiptese alternativa >59.
Soluo:
H 0 : = 59
H a : > 59
Ao nvel de 5% de significncia, a regio crtica para a hiptese nula :
O valor de zt = 1,64 proveniente da tabela normal onde no corpo podemos procurar o valor de 0,5 - 0,05.
O valor de zc dado por:
zc =
x - = 60 - 59 = 2,11
(x )
3
n
40
Como o valor de zc = 2,11 est na regio de rejeio para a hiptese H0. No temos motivos para aceitar H0.
2. Uma amostra aleatria de 20 elementos selecionados de uma populao normal com varincia 3 apresentou
mdia 53. Teste ao nvel de significncia de 5% a hiptese =50.
Soluo
H 0 : = 50
H a : 50
Ao nvel de 10% de significncia, a regio crtica para a hiptese nula :
O valor de zc dado por:
zc =
x - = 53 - 50 = 7,755
(x )
1,73
n
20
Como o valor de zc = 7,755 est na regio de rejeio para a hiptese H0. No temos motivos para aceitar H0.
99
Exerccios
1. Uma agncia de empregos alega que os candidatos por elas colocados nos ltimos 6 meses tm salrios de
R$9.000,00 anuais, em mdia. Uma agncia governamental extraiu uma amostra aleatria daquele grupo,
encontrando um salrio mdio de R8.000,00, com desvio-padro de R$1.000,00 com base em 50 empregados. Teste
a afirmao da agncia, contra a alternativa de que o salrio mdio inferior a R$9.000,00, ao nvel de significncia
de 0,05.
2. A DeBug Company vende um repelente de insetos que alega ser eficiente pelo prazo de 400 horas no mnimo. Uma
anlise de nove itens escolhidos aleatoriamente acusou uma mdia de eficincia de 380 horas. Teste a alegao da
companhia, contra a alternativa que a durao inferior a 400 horas, ao nvel de 0,01, se o desvio-padro 90 horas.
100
UNIDADE XIV REGRESSO LINEAR E CORRELAO

INTRODUO
A anlise de Regresso Linear e de Correlao compreende anlise de dados amostrais para saber se e como
duas ou mais variveis esto relacionadas uma com as outras em uma populao. O objetivo nesse item o estudo de
situaes de duas variveis.
A anlise de regresso linear apresenta como resultado uma equao matemtica que descreve um
determinado relacionamento. A equao pode ser usada para estimar, ou predizer, valores de uma varivel quando se
conhecem ou se supe conhecidos valores de outra varivel.
A anlise de correlao fornece um nmero que resume o grau de relacionamento entre duas variveis. Ela
til em um trabalho exploratrio, quando um pesquisador ou analista procura determinar quais variveis so
potencialmente importantes e o interesse est no grau ou na fora desse relacionamento. Por exemplo, quando uma
varivel aumenta de valor, de que maneira influenciada a outra varivel?
ALGUNS CASO DE RELACIONAMENTO DE VARIVEIS:
1.
2.
3.
4.
A idade e a resistncia fsica?

Pessoas de maior renda tendem a apresentar maior escolaridade?
O sucesso em um emprego pode ser predito com base no resultado de testes?
A temperatura parece influenciar a taxa de criminalidade?
Dois tipos de pesquisas so avaliados quando se pretende estudar um conjunto de dado. A pesquisa
Experimental e a pesquisa de um estudo de relacionamento. A primeira, manipula-se uma varivel e medem-se as
mudanas conseqentes em uma outra varivel, enquanto que o segundo tipo de pesquisa, medem-se ambas variveis,
procurando relacionar as mudanas que ocorrem naturalmente em uma varivel por exemplo, a rapidez na leitura
com as mudanas que ocorrem naturalmente com a outra varivel por exemplo, a inteligncia. Para tal medem-se os
QIs e a rapidez em uma grande amostra de pessoas e depois analisam-se os dados, para verificar se as pessoas de
elevado QI tendem tambm a Ter melhores velocidades, e as pessoas de baixo QI, piores.
Um modo de apresentar os resultados atravs de um diagrama de disperso:
12
Rap id e z
10
8
6
4
2
0
90
100
110
120
130
140
QI
REGRESSO LINEAR
H diversas maneira de se utilizarem as equaes de regresso. Uma em situaes em que as duas variveis
medem aproximadamente a mesma situao, mais uma delas mais difcil de se trabalhar, enquanto a outra no. Por
exemplo a resistncia e a dureza de um metal podem estar inter-relacionadas, de modo que conhecendo a dureza podese estimar a resistncia. Assim sendo, a finalidade de uma equao de regresso seria estimar valores de uma varivel
com base em valores conhecidos da outra varivel.
101
Outra utilizao das equaes de regresso explicar valores de uma varivel em termos da outra varivel,
isto , pode-se suspeitar de uma relao de causa e efeito entre duas variveis. Por exemplo, um Psiclogo pode tentar
explicar as variaes de comportamento em funo de uma pessoa estar ou no empregada.
A EQUAO DA RETA
Embora tais relaes possam assumir uma grande diversidade de formas, nos limitaremos a estudar as
Equaes Lineares. Duas grandes caractersticas da equao linear so:
1.
2.
a inclinao da reta ( o coeficiente angular) e

a ordenada da reta (valor de y) em determinado ponto (quando x=0)
Uma equao linear tem a forma

y = a +bx
onde a e b so valores que se determinam com base nos dados amostrais; a a ordenada da reta em x=0, e b o
coeficiente angular.
Exemplo: Considere a equao linear y = 5 + 3x. A reta intercepta o eixo y quando x=0 no ponto y = 5. O coeficiente
angular da reta 3, o que significa que a cada unidade de variao de x correspondem 3 unidade de y.
45
40
35
30
25
20
15
10
5
0
10
12
14
DETERMINAO DA EQUAO MATEMTICA

Considere a maneira de determinar a equao de uma reta que melhor descreva um conjunto de observaes..
por exemplo suponha que se queira determinar se h alguma relao entre o desempenho de um aluno em uma
disciplina e a renda familiar. Na linguagem de regresso a varivel independente ser a renda familiar, e a varivel
dependente ser o desempenho escolar utilizaremos a varivel x para determinar a varivel independente e y para a
varivel dependente.
Aluno Desempenho Renda familiar
1
5
10
2
4
15
3
4
12
4
4
18
5
6
8
6
7
10
7
8
5
8
2
30
9
3
25
Os valores da tabela 1 resultam no diagrama de disperso abaixo:

102
Equao da reta
Desempenho
10
8
6
4
2
0
0
10
15
20
25
30
35
Renda Familiar
MTODO DE MNIMOS QUADRADOS

O mtodo Mnimos Quadrado usado para ajustar uma linha reta a um conjunto de pontos conhecido como
a tcnica dos mnimos quadrados, cuja a reta realmente tem duas caractersticas importantes:
1.
2.
a soma dos desvios verticais dos pontos em relao a reta zero;

a soma dos quadrados desses desvios mnima (isto , nenhuma outra reta daria menor soma de
quadrados de tais desvios)
Simbolicamente, o valor que minimizado :

n
(y
i =1
yc )
onde yi o valor observado de y e yc o valor calculado de y utilizando-se a soma de mnimos quadrados com os
valores de x correspondente a y.
c = a + bx que minimizam a soma dos quadrados dos desvios so as

Os valores de a e b para a reta y
solues das chamadas Equaes Normais da Reta de Regresso:
n
=
+
y
n
a
b
xi
i
i =1
i =1
n
n
n 2
x
y
a
x
i + b x i
i
i
i =1
i =1 i =1
n
Com o desenvolvimento de tais equaes chegaremos em:
b=
n ( xy ) ( x )( y )
n
( x ) ( x )
2
103
a=
y - b x
n
EXEMPLO:
1.
determinar os somatrios
Aluno Desempenho Renda familiar

1
5
10
2
4
15
3
4
12
4
4
18
5
6
8
6
7
10
7
8
5
8
2
30
9
3
25
y = 133
x = 43
Soma
2.
x
100
225
144
324
64
100
25
900
625
2
x = 2507
XY
50
60
48
72
48
70
40
60
75
xy = 523
levar esses resultados numricos s expresses de a e b, com n =9

b = -0,2076
a = 7,846
3.
Escrever a Equao da reta
y c= 7,846 0,2076x
104
USANDO O EXCEL
x
2
3
5
8
10
12
14
15
y
3,5
5,7
9,9
16,3
19,3
25,7
28,2
32,6
Passo 1: coloque os valores em duas colunas, conforme a figura anterior
105
Passo 2: no Excel, v ao Assistente de Funo e escolha as funes:

INCLINNAO para se determinar o valor de b e a funo INTERCEPO* para se determinar o valor de a.
Em val_conhecido_y, devem ser digitadas a primeira e a ltima clula, separadas por dois pontos, dos
valores de y; de modo semelhante, em val_conhecidos_x, devem ser digitadas a primeira e a ltima clula,
separadas por dois pontos, dos valores de x.
Para os valores da tabela anterior encontramos b = 2,16 e a =-0.985.
106
CORRELAO
O objetivo do estudo da correlao determinar a fora do relacionamento entre duas observaes
emparelhadas.
EXEMPLO:
razovel pensar que os estudantes obtenham na universidade aproximadamente o mesmo desempenho
obtido no ensino mdio. Sendo assim forma observadas 15 universitrios escolhidos aleatoriamente em uma
universidade, comparadas as suas mdias na universidade e no ensino mdio, chegou-se aos valores que constam na
tabela abaixo:
Desempenho
Desempenho
no ensino mdio na universidade
80
81
82
81
84
82,1
85
81,4
87
82,1
88
81,7
88
82
89
83,5
90
83,1
91
82,4
91
82,7
92
83
94
83,9
96
83,6
98
84
Estudantes
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Graficamente o desempenho dos estudantes foi:
84,5
Univ ers idade
84
83,5
83
82,5
82
81,5
81
80,5
80
82
84
86
88
90
92
94
96
98
100
Ens ino mdio
Para o clculo do coeficiente de correlao de Pearson faremos::

r=
( X
XY - ( X )( Y )/ n
( X ) / n ) ( Y ( Y )
2
/n
107
USANDO O EXCEL
108

Introdução à Estatística e suas aplicações

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Introdução à Estatística e suas aplicações

Enviado por

Direitos autorais:

Formatos disponíveis

Apostila

Professores: Wanderley Akira Shiguti

Toda Cincia tem suas razes na histria do homem;

A Estatstica um ramo da Matemtica que teve origem semelhante;

Na idade mdia colhiam-se informaes, geralmente com a finalidade tributria;

Mtodo o caminho pelo qual se chega a um determinado resultado... (Hegemberg, 1976:II-115)

Os motoristas mais Idosos so mais Seguros do que os mais Moos?

mais altas taxas de acidente.

UNIDADE I CONCEITOS INICIAIS EM ESTATSTICA

COLETA DOS DADOS:

Devemos enumerar todos os elementos da populao

(onde a o inteiro mais prximo).

Uma parte da populao retirada para analis-la denomina-se:

A parte da estatstica que se preocupa somente com a descrio de determinadas caractersticas de um

Diga qual tipo de variveis estamos trabalhando nos casos abaixo:

No. de inscries no Seguro Social

No. de passageiros no nibus da linha Rio-So Paulo

Peso Mdio dos Recm Nascidos

Altitude acima do nvel do mar

Cada cigarro Camel tem 16,13mg de alcatro

O radar indique que Nolan Ryan rebateu a ultima bola a 82,3mi/h

Classifique as seguintes variveis:

Nmero de filhos de um casal:

Nmero de alunos de uma escola:

Valor obtido na face superior de um dado:

Resultado da extrao da loteria Federal:

Comprimento de um seguimento de reta:

Quantidade de livro de uma biblioteca:

Salrio dos Empregados de uma empresa:

Volume de gua contido numa piscina:

Um socilogo da Universidade Charleston seleciona 12 homens e 12 mulheres de cada uma de

O programa Planned Parenthood (Planejamento Familiar) pesquisa 500 homens e 500

UNIDADE II - NORMAS PARA CONSTRUO DE TABELAS

b) Coluna Indicadora Parte da tabela que especifica o contedo das linhas;

Total deve ser SEMPRE destacado de alguma forma;

- dado numrico igual a zero;

b) ... quando no temos os dados;

? quando temos dvida na informao;

d) 0 quando o valor for muito pequeno.

A POCA (fator temporal ou cronolgico) a que se refere o fenmeno analisado;

O LOCAL (fator espacial ou geogrfico) onde o fenmeno acontece;

O FENMENO (espcie do fator ou fator especfico) que descrito.

Tipos de Sries Estatsticas

A srie temporal, igualmente chamada srie cronolgica, histrica, evolutiva ou marcha,

FONTE: Departamento de Recursos Humanos destes rgos Pblicos

Consultores com expediente:

Consultores com expediente:

Assim, temos a seguinte tabela de propores:

As porcentagens so obtidas a partir do clculo das propores, simplesmente multiplicando-se

As porcentagens e propores, em Estatstica, tm como principal finalidade estabelecer

FATURAMENTO (por 1.000 reais)

FONTE: Departamento de Finanas das Empresas A e B

A razo de um nmero A em relao a outro nmero B define-se como A dividido por B A

Uma srie estatstica denominada evolutiva quando?

Uma srie estatstica denominada espacial quando?

Uma srie estatstica denominada cronolgica quando?

Uma srie estatstica denominada categrica quando?

Uma srie estatstica denominada marcha quando?

Uma srie estatstica denominada geogrfica quando?

Uma srie estatstica denominada composta quando?

O elemento varivel o local;

Uma srie estatstica denominada qualitativa quando?

Uma srie estatstica denominada especfica quando?