Você está na página 1de 63

Estatstica

Cursos: Engenharia Civil


UMC Villa Lobos

Prof. Fbio Conte Correia

So Paulo
2011

Sumrio
1

O que estatstica ................................................................................................... 3


1.1

Definies: ..........................................................................................................3

1.2

Mtodos Cientficos ............................................................................................4

1.3

Populao e Amostra .........................................................................................5

1.4

Amostragem .......................................................................................................5

1.4.1
2

Tabelas .................................................................................................................... 7
2.1

Variveis ..................................................................................................... 6

Sries estatsticas...............................................................................................8

2.1.1

Sries histricas, cronolgicas, temporais ou marchas .............................. 8

2.1.2

Sries geogrficas, espaciais, territoriais ou de localizao ....................... 8

2.1.3

Sries especficas ou categricas ............................................................... 9

2.1.4

Sries conjugadas Tabela de dupla entrada ............................................ 9

2.1.5

Distribuio de freqncia ......................................................................... 10

Distribuio de freqncia ..................................................................................... 11


3.1

Tabela primitiva ou dados brutos ...................................................................... 11

3.2

ROL .................................................................................................................. 11

3.3

Distribuio de freqncia sem intervalo de classes ........................................ 11

3.4

Distribuio de freqncia com intervalo de classes ........................................ 12

3.4.1

Elementos de uma distribuio de frequncias com intervalos de classe . 13

3.4.1.1
3.5

Etapas: Distribuio de Freqncias c/ classe .................................... 14

Grficos ............................................................................................................ 15

3.5.1

Histogramas .............................................................................................. 15

3.5.2

Polgonos de freqncias .......................................................................... 16

3.5.3

Polgonos de freqncia acumulada ou ogivas ......................................... 17

Medidas posio .................................................................................................... 18


4.1

Medidas de tendncia central para dados no agrupados ............................... 18

4.1.1

Mdia Aritmtica Simples .......................................................................... 18

4.1.2

Moda ......................................................................................................... 19

4.1.3

Mediana .................................................................................................... 19

4.2

Medidas de tendncia central para dados agrupados ...................................... 20

4.2.1

Mdia Aritmtica Ponderada ..................................................................... 20

4.2.1.1

Sem intervalo de classes ..................................................................... 20

4.2.1.2
4.2.2

Sem intervalo de classes ..................................................................... 22

4.2.2.2

Com intervalo de classes..................................................................... 22

Sem intervalo de classes ..................................................................... 23

4.2.3.2

Com intervalo de classes..................................................................... 23

4.3

Relao entre a mdia, a mediana e a moda ................................................... 25

4.4

Exerccios. ........................................................................................................ 26

4.5

Separatrizes...................................................................................................... 29
Quartis, Decis e Percentis ......................................................................... 29

4.5.1.1

Calculo para dados no agrupados ..................................................... 29

4.5.1.2

Clculo para dados agrupados ............................................................ 30

Mediadas de disperso ou de variabilidade ........................................................... 32


5.1

Amplitude Total ................................................................................................. 32

5.2

Varincia e desvio padro ................................................................................ 33

5.2.1

Dados no agrupados ............................................................................... 34

5.2.2

Dados agrupados sem intervalo de classes .............................................. 35

5.2.3

Dados agrupados com intervalo de classes .............................................. 35

5.3

Coeficiente de variao .................................................................................... 36

Correlao e Regresso ........................................................................................ 39


6.1

Correlao linear entre duas variveis ............................................................. 39

6.1.1
6.2
7

Mediana .................................................................................................... 23

4.2.3.1

4.5.1

Moda ......................................................................................................... 22

4.2.2.1

4.2.3

Com intervalo de classes..................................................................... 20

Coeficiente de correlao linear ................................................................ 41

Regresso Linear ............................................................................................. 44

Analise combinatria ............................................................................................. 47


7.1

Fatorial .............................................................................................................. 47

7.2

Princpio fundamental da contagem PFC ...................................................... 48

7.3

Arranjos simples ............................................................................................... 49

7.3.1
7.4

Clculo do nmero de arranjos ................................................................. 49

Permutaes simples ....................................................................................... 50

7.4.1

Permutaes com elementos repetidos .................................................... 51

7.5

Combinaes simples....................................................................................... 51

7.6

Nmeros Binomiais........................................................................................... 53
1

Probabilidade ......................................................................................................... 54
8.1

Experimentos ou fenmenos aleatrios ............................................................ 54

8.2

Espao amostral ............................................................................................... 54

8.3

Eventos ............................................................................................................. 55

8.4

Funo Probabilidade ....................................................................................... 55

8.5

Eventos complementares ................................................................................. 56

8.6

Eventos independentes .................................................................................... 56

8.7

Eventos mutuamente exclusivos ...................................................................... 57

8.8

Exerccios ......................................................................................................... 57

Distribuio Binomial ............................................................................................. 60

1 O que estatstica
1. a cincia da tomada de deciso perante incertezas;
2. Coleta, anlise e interpretao de dados;
3. um kit de ferramentas que ajuda a resolver problemas;
4. Base para a maior parte das decises tomadas quanto ao controle de qualidade,
assim como em quase todas as outras reas da atividade humana moderna.
Vista dessa forma, a Estatstica no deve ser confundida como uma disciplina
isolada, e sim, compreendida como uma ferramenta ou conjunto de ferramentas,
disponvel para a soluo de problemas em diversas reas do conhecimento.

1.1

Definies:

Processo: qualquer combinao especfica de mquinas, ferramentas,


mtodos,

materiais e/ou

pessoas empregadas para atingir

qualidades

especficas num produto ou servio. Estas qualidades so chamadas de


caractersticas de qualidade.

Controle: o ciclo de feedback (realimentao) atravs da qual medimos o


desempenho real, comparando-o com o padro, e agimos sobre a diferena.

Controle Estatstico do processo (CEP): aplicao de tcnicas estatsticas para


medir e analisar a variao nos processos.

Controle Estatstico da Qualidade (CEQ): aplicao de tcnicas estatsticas para


medir e aprimorar a qualidade dos processos. CEQ inclui CEP, ferramentas de
diagnsticos, planos de amostragem e outras tcnicas estatsticas.

Estatstica Descritiva: sua funo observar fenmenos de mesma natureza, coletar


dados numricos referente a esses fenmenos, organizar e classificar esses dados
observados, alm da sua apresentao por meio de tabelas, diagramas e grficos.
Etapas bsicas:

Definio do problema;

Planejamento;

Coleta de dados;

Apurao dos dados;


3

Apresentao dos dados;

Anlise e interpretao dos dados.

Estatstica Indutiva: um processo de generalizao a partir de resultados obtidos


particulares, isto , a inferncia de propriedades para o todo com base na parte do
particular. O processo de generalizao que caracterstico do mtodo indutivo est
associado a uma margem de erro e para minimizar este grau de incerteza a teoria de
probabilidades ser fundamental para o desenvolvimento da estatstica aplicada.

Estatstica nas empresas


Neste mundo globalizado, a empresa uma das vigas mestras da Economia dos
povos e a Estatstica tem colaborado com os gerentes porque permitem a construo
de ferramentas que do oportunidades a tomada de decises e estimativas, e ainda,
facilitam o trplice trabalho do Administrador de organizar, dirigir e controlar a empresa.

Aplicao na Engenharia e na Administrao


Uma firma que est se preparando para lanar um novo produto precisa
conhecer as preferncias do consumidor no mercado de interesse. Deve-se fazer
pesquisa

de

mercado

entrevistando

um

nmero

de

residncias

escolhidas

aleatoriamente. Assim, os resultados podem ser usados para estimar as preferncias


da populao.
possvel que em uma comunidade, o consumo de sorvete dependa do:
- preo do produto;
- renda mdia local;
- nmero de crianas na comunidade;
- temperatura mdia;
Atravs da anlise de regresso podem-se determinar quais fatores tm efeitos
mais importantes.

1.2

Mtodos Cientficos

Mtodo um conjunto de meios dispostos convenientemente para se chegar a


um fim que se deseja.
4

Mtodo Experimental: consiste em manter constantes todas as causas (fatores),


menos uma, e variar esta causa de modo que o pesquisador possa descobrir
seus efeitos, caso existam.

Mtodo Estatstico: Admite todas essas causas presentes variando-as,


registrando essas variaes e procurando determinar, no resultado final, que
influncias cabem a cada uma delas.

1.3

Populao e Amostra
Ao conjunto de entes portadores de, pelo menos, uma caracterstica comum

denominamos

populao

estatstica,

universo

estatstico

ou

simplesmente

POPULAO.
Como em qualquer estudo estatstico, temos em mente pesquisar uma ou mais
caractersticas dos elementos de alguma populao, esta caracterstica deve estar
perfeitamente definida. Isso possibilita que afirmemos, sem ambiguidade, se um
elemento pertence ou no populao.
Na maioria das vezes, por impossibilidade ou inviabilidade econmica ou
temporal, limitamos as observaes referentes a uma determinada pesquisa a apenas
uma parte da populao. A essa parte proveniente da populao em estudo
denominamos amostra.
Uma amostra um subconjunto finito de uma populao.
Para as inferncias serem corretas, necessrio garantir que a amostra seja
representativa da populao, isto , a amostra deve possuir as mesmas caractersticas
bsicas da populao, no que diz respeito ao fenmeno que desejamos pesquisar.

1.4

Amostragem
A amostragem uma tcnica especial, que garante, tanto quanto possvel o

acaso da escolha da amostra.


Dessa forma, cada elemento da populao passa a ter a mesma chance de ser
escolhido, o que garante amostra carter de representatividade.
Amostragem casual ou aleatria simples
5

Esse tipo de amostragem equivalente a um sorteio lotrico.


Na prtica, a amostragem casual ou aleatria simples pode ser realizada
enumerando-se a populao de 1 a n e sorteando-se por meio de um dispositivo
aleatrio qualquer, k nmeros dessa seqncia, os quais correspondero aos
elementos pertencentes amostra.
Amostragem proporcional estratificada
Muitas vezes a populao se divide em subpopulaes -- estratos.
Como possvel que a varivel em estudo apresente, de estrato em estrato, um
comportamento heterogneo e, dentro de cada estrato, um comportamento
homogneo, convm que o sorteio dos elementos da amostra leve em considerao
tais estratos.
Amostragem sistemtica
Quando os elementos da populao j se acham ordenados, no h
necessidade de construir o sistema de referncia. So exemplos os pronturios
mdicos de um hospital, os prdios de uma rua, etc...
Nesses casos, a seleo dos elementos que constituiro a amostra pode ser
feita por um sistema imposto pelo pesquisador. A esse tipo de amostragem
denominamos sistemtica.

1.4.1 Variveis

Varivel convencionalmente, o conjunto de resultados possveis de um


fenmeno e cada fenmeno corresponde um nmero de resultados possveis.
Alguns exemplos:
Para o fenmeno sexo, so dois o resultados possveis: sexo masculino e sexo
feminino;
Para o fenmeno nmero de filhos h um nmero de resultados possveis
expresso atravs dos nmeros naturais: 0, 1, 2, 3, ..., n.

Uma varivel pode ser:


Qualitativa so as caractersticas que no possuem valores quantitativos, mas,
ao contrrio, so definidas por vrias categorias, ou seja, representam uma
classificao dos indivduos.

Nominal quando seus valores so expressos por atributos: sexo, cor


da pele, etc.

Ordinal

existe uma ordenao entre as categorias. Ex: escolaridade

(1, 2, 3 graus), estgio da obra (inicial, intermedirio, terminal), ms de


observao (janeiro, fevereiro...).
Quantitativas so as caractersticas que podem ser medidas em uma escala
quantitativa, ou seja, apresentam valores numricos.

Contnua caractersticas mensurveis que assumem valores em uma


escala contnua (na reta real), para as quais valores fracionais.
Usualmente devem ser medidas atravs de algum instrumento.
Exemplos: peso (balana), altura (rgua), tempo (relgio), presso
arterial, idade

Discreta caractersticas mensurveis que podem assumir apenas um


nmero finito ou infinito contvel de valores e, assim, somente valores
inteiros. Geralmente o resultado de contagens. Exemplos: nmero de
filhos, nmero de pilares, vigas, nmero de cigarros fumados por dia.

De modo geral, as medies do origem a variveis contnuas e as contagens


ou enumeraes do origem a variveis discretas.

2 Tabelas

Um dos objetivos da Estatstica sintetizar os valores que uma ou mais


variveis podem assumir, para que tenhamos uma viso global da variao dessa ou
dessas variveis.
Tabela um quadro que resume um conjunto de observaes.
7

2.1

Sries estatsticas
Denominamos srie estatstica toda tabela que apresenta a distribuio de um

conjunto de dados estatsticos em funo da poca, do local ou da espcie.


Da, podemos inferir que numa srie estatstica observamos a existncia de trs
elementos ou fatores: o tempo, o espao e a espcie.

2.1.1 Sries histricas, cronolgicas, temporais ou marchas

Descrevem os valores da varivel, em determinado local, discriminados segundo


intervalos de tempo variveis. Exemplo:

2.1.2 Sries geogrficas, espaciais, territoriais ou de localizao

Descrevem os valores da varivel, em determinado instante, discriminados


segundo regies. Exemplo:

2.1.3 Sries especficas ou categricas

Descrevem os valores da varivel, em determinado tempo e local, discriminados


segundo especificaes ou categorias. Exemplo:

2.1.4 Sries conjugadas Tabela de dupla entrada

Muitas vezes temos necessidade de apresentar em uma nica tabela, a variao


de valores de mais de uma varivel, isto , fazer uma conjugao de duas ou mais
sries.

Conjugando duas sries em uma nica tabela, obtemos uma tabela de dupla
entrada. Em uma tabela desse tipo ficam criadas duas ordens de classificao: uma
horizontal (linha) e uma vertical (coluna). Exemplo:

2.1.5 Distribuio de freqncia

Por se tratar de um conceito estatstico de suma importncia, merecer um


tratamento especial. Exemplo:

10

3 Distribuio de freqncia
Quando da anlise de dados, comum procurar conferir certa ordem aos
nmeros tornando-os visualmente mais amigveis. O procedimento mais comum o de
diviso por classes ou categorias, verificando-se o nmero de indivduos pertencentes
a cada classe. um tipo de tabela que condensa uma coleo de dados conforme as
freqncias (repeties de seus valores).

3.1

Tabela primitiva ou dados brutos

uma tabela ou relao de elementos que no foram numericamente


organizados. difcil formarmos uma idia exata do comportamento do grupo como um
todo, a partir de dados no ordenados.
Ex : 45, 41, 42, 41, 42 43, 44, 41 ,50, 46, 50, 46, 60, 54, 52, 58, 57, 58, 60, 51

3.2

ROL
a tabela obtida aps a ordenao dos dados (crescente ou decrescente).
Ex : 41, 41, 41, 42, 42 43, 44, 45 ,46, 46, 50, 50, 51, 52, 54, 57, 58, 58, 60, 60

3.3

Distribuio de freqncia sem intervalo de classes

a simples condensao dos dados conforme as repeties de seus valores.


Para um ROL de tamanho razovel esta distribuio de freqncia inconveniente, j
que exige muito espao. Veja exemplo abaixo:
Ex1. Um dado foi lanado 15 vezes, obtendo-se os seguintes pontos: 2, 5, 6, 6,
1, 4, 2, 6, 5, 1, 3, 3, 2, 4, 6. Construa uma tabela de distribuio de freqncias
absolutas, acumuladas e relativas.

1
2
3
4
5
6

Frequncia
absoluta
(fi)
2
3
2
2
2
4

Total

15

Dados
(xi)

Freq. absoluta
Freq. Relativa
Freq. Relativa
acumulada
acumulada
(fr)%
(fac)
(fr ac)%
2
5
7
9
11
15

13,33%
20,00%
13,33%
13,33%
13,33%
26,68%
100%

13,33%
33,33%
46,66%
59,99%
73,32%
100%

11

Frequncia absoluta Nmero de vezes que a varivel xi se repete


Frequncia absoluta acumulada a frequncia atual somada s frequncias
anteriores
Frequncia Relativa a relao entre a frequncia absoluta e o numero de
elementos da populao estatstica. fr

fi
n

Ex2. Um condomnio possui 25 apartamentos, sendo que esses apartamentos


possuem reas (m2) diferentes. Seguem os valores das reas dos apartamentos: 50,
65, 59, 62, 68, 72, 53, 60, 59, 65, 70, 75, 50, 53, 60, 70, 50, 50, 59, 53, 65, 68, 50, 53,
75. Construa uma tabela de distribuio de freqncias absolutas, acumuladas e
relativas.

3.4

xi

fi

fac

fr

f r%

fr ac

fr ac%

50
53
59
60
62
65
68
70
72
75
Total

5
4
3
2
1
3
2
2
1
2
25

5
9
12
14
15
18
20
22
23
25

0,20
0,16
0,12
0,08
0,04
0,12
0,08
0,08
0,04
0,08
1,00

20%
16%
12%
8%
4%
12%
8%
8%
4%
8%
100%

0,20
0,36
0,48
0,56
0,60
0,72
0,80
0,88
0,92
1,00

20%
36%
48%
56%
60%
72%
80%
88%
92%
100%

Distribuio de freqncia com intervalo de classes

Quando o tamanho da amostra elevado, mais racional efetuar o


agrupamento dos valores em vrios intervalos de classe.

Ex3. O tempo de cura em minutos de um determinado cimento foi de 45, 41, 42,
41, 42 43, 44, 41, 50, 46, 50, 46, 60, 54, 52, 58, 57, 58, 60, 51, construa a tabela de
distribuio de frequncias.

12

Dados
(xi)

Frequncia
absoluta
(fi)

Freq. absoluta
acumulada
(fac)

Freq. Relativa
(fr)%

Freq. Relativa
acumulada
(fr)%

41
42
43
44
45
46
50
51
52
54
57
58
60
Total

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

3
5
6
7
8
10
12
13
14
15
16
18
20

15%
10%
5%
5%
5%
10%
10%
5%
5%
5%
5%
10%
10%
100%

15%
25%
30%
35%
40%
50%
60%
65%
70%
75%
80%
90%
100%

3.4.1 Elementos de uma distribuio de frequncias com intervalos de classe

Classes
Freqncias
41 |------- 45
7
45 |------- 49
3
49 |------- 53
4
53 |------- 57
1
57 |------- 61
5
Total
20

Classe: so os intervalos de variao da varivel e simbolizada por i e o


nmero total de classes simbolizada por k.
Ex: na tabela anterior k = 5 e 49 |------- 53 so a 3 classe, onde i = 3.

Limites de classe: so os extremos de cada classe. O menor nmero o limite


inferior de classe (li) e o maior nmero, limite superior de classe ( Li ).
Ex: em 49 |------- 53,... l3 = 49 e L3 = 53.
O smbolo |------- representa um intervalo fechado esquerda e aberto direita.
O dado 53 do ROL no pertence classe 3 e sim classe 4 representada por
53 |------- 57.

13

Amplitude do intervalo de classe: obtida atravs da diferena entre o limite


superior e inferior da classe e simbolizada por hi = Li - li. Ex: na tabela
anterior hi = 53 - 49 = 4. Obs: Na distribuio de freqncias c/ classe o hi
poder ser igual em todas as classes.

Amplitude total da distribuio: a diferena entre o limite superior da ltima


classe e o limite inferior da primeira classe. AT = L(max) - l(min). Ex: na tabela
anterior AT = 61 - 41= 20.

Amplitude total da amostra (rol): a diferena entre o valor mximo e o valor


mnimo da amostra (ROL). Onde AA = Xmax - Xmin. Em nosso exemplo AA =
60 - 41 = 19.
Obs: AT sempre ser maior que AA.

Ponto mdio de classe (


duas partes iguais.

): o ponto que divide o intervalo de classe em

Ex: em 49 |------- 53 o ponto mdio x3 = (53+49)/2 = 51, ou seja x3=( l3 + L3 )/2.

3.4.1.1

Etapas: Distribuio de Freqncias c/ classe

1 - Organize os dados brutos em um ROL.


2 - Calcule a amplitude amostral AA No nosso exemplo: AA = 60 - 41 = 19
3 - Calcule o nmero de classes atravs da "Regra de Sturges" K 1 +
3,3*log n. Onde K o nmero de classes e n o nmero total de dados, ou pelo Critrio
da Raiz K = n
Obs: Qualquer regra para determinao do n de classes da tabela no nos
levam a uma deciso final; esta vai depender, na realidade, de um julgamento pessoal,
que deve estar ligado natureza dos dados.
No nosso exemplo: n = 20 dados, ento a regra sugere a adoo de 5 classes.
4 - Decidido o n de classes, calcule ento a amplitude do intervalo de
classe h > AA / k. No nosso exemplo: AA/k = 19/5 = 3,8 . Obs: Como h > AA/k um valor
ligeiramente superior para haver folga na ltima classe. Utilizaremos ento h = 4

14

5 - Temos ento o menor n da amostra, o n de classes e a amplitude do


intervalo. Podemos montar a tabela, com o cuidado para no aparecer classes com
freqncia = 0 (zero).
No nosso exemplo: o menor n da amostra = 41 + h = 45, logo a primeira classe
ser representada por
41 |------- 45. As classes seguintes respeitaro o mesmo procedimento.
A classe seguinte sempre ter como primeiro elemento o limite superior da
classe anterior.
Ex4. Utilizando os dados do exerccio 3 (45, 41, 42, 41, 42 43, 44, 41, 50, 46, 50,
46, 60, 54, 52, 58, 57, 58, 60, 51) Construa a tabela de distribuio de frequncias com
intervalo de classes.

Tempo de cura do cimento X


Classes
41---45
45---49
49---53
53---57
57---61

3.5

xi
43
47
51
55
59

fi
7
3
4
1
5

fac
7
10
14
15
20

fr
0,35
0,15
0,2
0,05
0,25

fr%
35
15
20
5
25

frac
0,35
0,5
0,7
0,75
1

frac%
35
50
70
75
100

Grficos
Os principais grficos utilizados na representao de distribuio de freqncias

so:
histograma e polgono de freqncia;
ogiva ou polgono de freqncia acumulada.

3.5.1 Histogramas

um conjunto de retngulos com bases sobre um eixo dividido de acordo com


os tamanhos de classe, centro nos pontos mdio das classes e reas proporcionais s
freqncias.
Utilizando os dados do obtidos no EX4 montamos o histograma abaixo.
15

Tempo de cura do cimento X

Frequncia

6
5
4
3
2
1
0

41

45

49

53

57

61

Tempo de cura (min)

3.5.2 Polgonos de freqncias

um grfico que se obtm unindo por uma poligonal os pontos correspondentes


s freqncias das diversas classes, centradas nos respectivos pontos mdios (xi).
Para obter as intersees do polgono com o eixo, cria-se em cada extremo do
histograma uma classe com freqncia nula.
Utilizando os dados do obtidos no EX4 montamos o polgono de freqncia.

Tempo de cura do cimento X

Frequncia

6
5
4
3
2
1
0
39

41

43

45

47

49

51

53

55

57

59

61

63

Tempo de cura (min)


16

3.5.3 Polgonos de freqncia acumulada ou ogivas

o grfico representativo de uma distribuio acumulada de freqncias. uma


poligonal ascendente. No eixo horizontal colocam-se as extremidades de classe e no
eixo vertical as freqncias acumuladas.
Note que a freqncia acumulada relacionada com o limite inferior da primeira
classe sempre zero.
Ao contrrio do polgono de freqncia, a ogiva de freqncias acumuladas
utiliza os pontos extremos
Utilizando os dados do obtidos no EX4 montamos o polgono de freqncia
acumulada.

25

Tempo de cura do cimento X

Frequncia

20

15

10

0
39

41

43

45

47

49

51

53

55

57

59

61

63

Tempo de cura (min)

17

4 Medidas posio
So as estatsticas que representam uma srie de dados orientando-nos quanto
posio da distribuio em relao ao eixo horizontal do grfico da curva de
freqncia. As medidas de posio mais importantes so:
Medidas de tendncia central
Verifica-se uma tendncia dos dados observados a se agruparem em torno dos
valores centrais.
As medidas de tendncia central mais utilizadas so: mdia aritmtica, moda e
mediana. Outros menos usados so as mdias: geomtrica, harmnica, quadrtica,
cbica e biquadrtica.
Separatrizes
Que englobam: a prpria mediana, os decis, os quartis e os percentis.

4.1 Medidas de tendncia central para dados no agrupados

4.1.1 Mdia Aritmtica Simples

A mdia aritmtica simples ( x ) dos valores x1, x2, x3,....xn o quociente entre a
soma desses valores e o seu nmero total (N):
n

x
x=

i 1

ou seja: x =

x1 x2 ...xn
N

Ex5: Uma loja de materiais de construo vendeu as seguintes quantidades de


caixas de pisos durante certa semana. Calcule a mdia dessas vendas
2. feira
22

x=

3. feira
23

4. feira
22

22 23 22 27 25 13
6

5. feira
27

x=

132
6

6. feira
25

sbado
13

x = 22

18

4.1.2 Moda

Moda de um conjunto de valores o valor que aparece o maior nmero de


vezes, ou seja a caracterstica com maior freqncia absoluta.
Na seqncia anterior 28, 37, 37, 37, 40,41, 41,43, 44, 45 a moda ser o nmero
37.

4.1.3 Mediana
o valor que ocupa a posio central de um conjunto de valores, colocados em
ordem crescente ou decrescente de grandeza. Devemos, portanto, considerar duas
situaes: o nmero de valores par ou, o nmero de valores impar.
O nmero de dados impar
p

Md = xp onde

n 1
(p = posio) ou
2

EX7. As nove classes de 1 Ano de engenharia tm respectivamente: 37, 28,


40,41,45,37,37, 41 e 44 alunos. Calcule a mediana.
p

n 1
2

9 1
=5
2

Portanto a mediana ocupar a 5 posio = 40.

28, 37, 37, 37, 40, 41, 41, 44, 45


O nmero de dados par

Md

x p x p 1
2

onde

n
.
2

Neste caso a mediana a Mdia Aritmtica dos dois termos centrais.


19

Ex8. As dez classes de 1. Ano de engenharia tm respectivamente: 37, 28,


40,41,45,37,37, 41, 43 e 44 alunos. Calcule a mediana.
Ordenando aos dados temos: 28, 37, 37, 37, 40, 41, 41,43, 44, 45
p

Md=

n
= 10/2 = 5
2

x5 ( x51 )
2

Md

40 41
2

Md= 40,5

4.2 Medidas de tendncia central para dados agrupados

4.2.1 Mdia Aritmtica Ponderada

4.2.1.1 Sem intervalo de classes

A mdia aritmtica Ponderada difere da Mdia Aritmtica Simples, pois alguns


dos valores x1, x2, x3,..., xn se repetem como podemos ver no exemplo abaixo.
EX6. A Tabela abaixo representa o nmero de falhas em um determinado
processo em uma indstria qumica.

xi

fi

0
1
2
3
4

2
6
10
12
4
34

x .f
f
i

78
2,3
34

4.2.1.2 Com intervalo de classes

Neste caso, convencionamos que todos os valores includos em um determinado


intervalo de classe coincidem com o seu ponto mdio ( x i ), e determinamos a mdia
aritmtica ponderada por meio da frmula:
20

x .f
f
i

ou seja x

x1. f1 x2 . f 2 ...xn f n
f1 f 2 ... f n

Ex7. O quadro de distribuio de freqncias representa os salrios mensais de


40 empregados de uma firma. Calcule o salrio mdio mensal desses empregados.

Classe em Reais
X10
[180,200[
[200,220[
[220,240[
[240,260[
[260,280[

Ponto Mdio da classe


( xi )
190
210
230
250
270

4.190 18.210 10.230 5.250 3.270


4 18 10 5 3

760 3780 2300 1750 810


40

8900
40

x = 222,50

Freq.
(fi)
4
18
10
5
3

x = 222,50 x 10 = R$2.225,00

Ex8. Calcular a altura mdia de uma srie de pilares de uma obra, conforme a
tabela abaixo.

Altura (cm) - xi Freqncia - fi Ponto mdio


50 |------------ 54
4
52
54 |------------ 58
9
56
58 |------------ 62
11
60
62 |------------ 66
8
64
66 |------------ 70
5
68
70 |------------ 74
3
72
Total
40
Aplicando a frmula acima temos: 2.440 / 40.= 61, logo...

xi . fi
208
504
660
512
340
216
2.440

= 61 cm

21

4.2.2 Moda

4.2.2.1 Sem intervalo de classes

Neste caso basto fixar o valor da varivel de maior frequncia

Temperaturas C xi

fi

0
1
2
3
4

3
9
12
6
5
34

2 C temperatura modal, pois a de maior frequncia.

4.2.2.2 Com intervalo de classes

Neste caso o modo mais simples achar a classe modal e calcular o ponto
mdio dessa classe.
Classe

fi

54 |------------ 58 9
58 |------------ 62 11
62 |------------ 66 8
66 |------------ 70 5
Total

33

A classe Modal 58 |------------ 62, pois a classe de maior frequncia, e o ponto


mdio dessa classe (58+62)/2 60
H tambm um mtodo mais elaborado no qual utiliza a seguinte formula:

= +

2 ( + )
= 58 +

11 9
4 = 59,6
2 11 (9 + 8)

22

4.2.3 Mediana

4.2.3.1 Sem intervalo de classes


Impar

Temperaturas C xi

fi

fac

2
6
9
13
5
35
n 1
n impar p
2

2
8
17
30
35

0
1
2
3
4

=(35+1)/2 18 termo equivale a 3


Par

Temperaturas C xi

fi

fac

0
1
2
3
4

2
6
9
13
4
34

2
8
17
30
34

Md

x p x p 1
2

n
2

Md=

x17 ( x171 )
2

Nesse caso ento sero a mdia entre os valores da posio 17 e 18, 2 e 3


23
respectivamente
2,5
2

4.2.3.2 Com intervalo de classes

Nesse caso devemos seguir os seguintes passos:


1) Determinamos as freqncias acumuladas;
2) Calculamos fi/2 ;
3) Marcamos a classe correspondente freqncia acumulada imediatamente
superior fi/2 . Tal classe ser a classe mediana;
4) Calculamos a Mediana pela seguinte frmula:
23

f
[ 2 i F(ant)] h
Md = li +
fi
onde: li o limite inferior da classe mediana.
F(ant) a freqncia acumulada da classe anterior a classe mediana
h a amplitude do intervalo da classe mediana
fi a freqncia do intervalo da classe mediana
classes
50 |------------ 54
54 |------------ 58
58 |------------ 62
62 |------------ 66
66 |------------ 70
70 |------------ 74
total
fi 40
=
2
2

freqncia = fi
4
9
11
8
5
3
40

Freqncia acumulada
4
13
24
32
37
40

= 20, logo.a classe mediana ser 58 |------ 62.

li = 58 ; F(ant) =13 ; fi = 11 e h = 4 , Substituindo esses valores na frmula, obtemos:

Md = 58 +

No caso de

fi
2

[20 13] 4
= 60,54
11

= fi acontecer, a mediana ser o limite superior da classe correspondente

EX9. Calcule a mediana

8
18
29
45
58
63
64

24

fi 64
=
2
2

= 32, logo.a classe mediana ser 750 |------ 850.

li = 750 ; F(ant) =29 ; fi = 16 e h = 100 , Substituindo esses valores na frmula, obtemos:

Md = 750 +

No caso de

fi
2

[32 29] 100


= 768,75
16

= fi acontecer, a mediana ser o limite superior da classe correspondente

4.3 Relao entre a mdia, a mediana e a moda


Para os dados agrupados representados por uma curva de freqncia, as
diferenas entre os valores da mdia, da mediana e da moda so indicadores da forma
da curva em termos de assimetria. Para uma distribuio unimodal simtrica, a mdia,
a mediana e a moda so, todas, coincidentes em valor Para uma distribuio
positivamente assimtrica, a mdia apresenta o valor mais elevado, enquanto a
mediana maior do que a moda, mas menor do que a mdia. Para uma distribuio
negativamente assimtrica, a mdia apresenta o menor valor e a mediana se encontra
abaixo da moda, mas acima da mdia.
Moda

Mdia
Mediana
Moda

(a) Simtrica

(b) Positivamente
assimtrica

(c) Negativamente
assimtrica

25

4.4 Exerccios.
1) Calcular a mdia a
27,27,30,30,30,30,30,32,32,32.

moda

mediana

dos

seguintes

valores:

x = 30
Md=

x5 ( x51 )
x ( x51 ) 30 30
5
=
= 30
2
2
2

Mo= 30
2) Calcular a mdia a moda e a mediana dos seguintes valores: 13,5; 13,5; 17,23;
35,003; 45,72; 63,601; 37,13; 13,5; 52,13

x = 32,368
Md - Organizar os dados em ordem crescente
Md= xp onde

n 1
(p = posio) p=5 Md= 35,003; Mo= 13,500
2

Posio
(p)
1
2
3
4
5
6
7
8
9

Valores
(xi)
13,500
13,500
13,500
17,230
35,003
37,130
45,720
52,130
63,601

3) A tabela nos d uma distribuio de freqncias. Calcule a mdia dessa


distribuio. Resp. 22,9
xi
10
20
30
40
Total

fi
8
11
7
5
31

xi* fi
80
220
210
200
710

26

4) Foi feita uma pesquisa para saber o nmero de acidente que cada um dos 30
operrios de uma obra j sofreram, obteve-se o seguinte quadro. Calcule a mdia, a
mediana e a moda.
0
0

2
2

3
2

2
3

1
4

2
2

2
3

1
1

1
3

2
2

1
5

2
2

0
4

1
4

2
2

Organizando os dados temos:


Nmero acidentes (xi)

Freq.(fi)

(xi)*(fi)

fac

0
1
2
3
4
5
Total

3
6
13
4
3
1
30

0
6
26
12
12
5
61

3
9
22
26
29
30

x = 61/30= 2,033 acidentes


Md=

x15 ( x16 )
22
=
=2
2
2

Mo= 2

5) No quadro abaixo temos as idades dos 20 alunos que estudam na 2. Srie do


Ensino Mdio de uma Escola. Faa um quadro completo de distribuio de freqncias.
Resp: x = 15,45

Calcule a mdia dessa seqncia.


15
15

15
15

14
16

16
16

16
16

16
17

17
16

16
15

14
14

15
15

6) Utilizando os dados do EX2 (50, 65, 59, 62, 68, 72, 53, 60, 59, 65, 70, 75, 50, 53, 60,
70, 50, 50, 59, 53, 65, 68, 50, 53, 75). Construa uma tabela de distribuio de
frequncia com intervalo de classes e calcule a mdia, a moda e a mediana

27

1 Calcular a amplitude total AA = 75-50= 25


2 Calcular o numero de classes K= 1+3,3*log25 = 5,6 5
3 Calcular a Amplitude do intervalo Ai = AA/k = 5
Obs confirmar se pode li+( Ai * K) Ls 50+25 75 75 75 OK.

4 Calcular os intervalos:

Classes
50 --- 55
55 --- 60
60 --- 65
65 --- 70
70 --- 75
Total

x
52,50
57,50
62,50
67,50
72,50

fi
9
3
3
5
5
25

fac
9
12
15
20
25

fr
0,36
0,12
0,12
0,20
0,20
1

fi
9
3
3
5
5
25

fac
9
12
15
20
25

x * fi

frac
0,36
0,48
0,60
0,80
1,00

5 Calculo da mdia = 1532,5/25 = 61,3


Classes
50 --- 55
55 --- 60
60 --- 65
65 --- 70
70 --- 75
Total

x
52,50
57,50
62,50
67,50
72,50

472,5
172,5
187,5
337,5
362,5
1532,5

6 Calculo da mediana
fi/2 20/2 = 10
Classe onde a fac imediatamente superior a fi/2 essa ser a classe da
mediana : 55 --- 60
Usando a formula : Md = li* + [( fi /2 - Fant ) . h*] / fi*
Md= 55 + [( 10 9 ) * 5] / 3 = 56,66

28

4.5 Separatrizes
4.5.1 Quartis, Decis e Percentis

So valores que ocupam determinados lugares de uma srie.


Seus empregos so para anlise, assim como a mediana, sendo que esta divide
a distribuio em duas partes iguais, os quartis em 4, os decis em 10 e os percentis em
100 partes iguais. Pode-se ento dizer, de modo geral, que so valores de posio de
uma distribuio e que servem para o auxlio de comparao. Os processos de clculo
de seus valores so idnticos aos da mediana.
4.5.1.1 Calculo para dados no agrupados

EX10. Amostra ordenada: 6, 7, 15, 36, 39, 40, 41, 42, 43, 47, 49
Q1= 1(11+1)/4 = 3 posio = 15
Q2= 2(11+1)/4 = 6 posio = 40
Q3= 3(11+1)/4 = 9 posio = 43

Ex11. Calcular os quartis da seguinte srie:

O primeiro quartis (Q1) abrange 25% dos termos da srie, o segundo quartil (Q2)
50% = Me o terceiro quartil (Q3) 75%.
29

4.5.1.2 Clculo para dados agrupados

O processo a ser empregado o mesmo que para o clculo da mediana,


bastando apenas no clculo das posies (P) considerarem os denominadores, 4, 10 e
100, respectivamente, para os quartis, decis e percentis.
f
[k 4 i F(ant)] h
Qk = li +
fi
f
[k 10i F(ant)] h
Dk = li +
fi
Pk = li +

f
[k 100i F(ant)] h
fi

Sendo k o nmero de ordem do quartil, do decil ou do percentil

EX12. Calcular os quartis na seguinte srie estatstica

30

EX13. Calcular os quartis na seguinte srie estatstica

EX13. Calcular o oitavo percentil na seguinte srie estatstica abaixo.

Pk = li +
K=8 8

f
[k 100i F(ant)] h

40
100

fi
= 3,2, logo a classe do percentil ser 1.

li=150; F(ant) = 0; h=4; fi=4

P8 = 150 +

[3,2 0)] 4
= 150 + 3,4 = 153,2
4

31

5 Mediadas de disperso ou de variabilidade

Visam descrever os dados no sentido de informar o grau de disperso ou


afastamento dos valores observados em torno de um valor central (mdia). Informa se
um conjunto de dados homogneo (pouca variabilidade) ou heterogneo (muita
variabilidade).
Medidas de disperso ento medem o afastamento dos valores observados em
relao a uma medida de tendncia central (normalmente em relao a mdia
aritmtica).

Ex 14. Desejamos compara o desempenho de dois grupos, com base em um teste


em uma prova do MEC:

Grupo A { 70; 71; 69; 70; 70 }


Grupo B { 55; 80; 70; 62; 83 }
Calculando a mdia para cada um dos grupos vamos obter a=70 e b=70
Baseado nestes resultados, diramos que ambos os grupos apresentam a mesma
performance. Mas, observando mais detalhadamente os dados, notamos que as notas
do grupo A variam apenas de 69 a 71, ao passo que as de B variam de 55 a 83, o que
revela que o desempenho de A bem mais uniforme que o de B.
Para avalia quantitativamente o grau de variabilidade ou disperso de um grupo de
valores utilizamos ento as medidas de disperso, onde as principais medidas so: a
amplitude total, a varincia, o desvio padro e o coeficiente de variao de Pearson.

5.1 Amplitude Total


a diferena entre o maior e o menor valor observado
Sem Intervalo
AT = Xmax Xmin

Com intervalo de classes


AT = L(Mx) l(Mn)

Quanto maior for amplitude, maior ser disperso ou variabilidade dos valores
da varivel
32

5.2 Varincia e desvio padro


A varincia e o desvio padro so medidas que levam em considerao a
totalidade dos valores da varivel em estudo, o que faz delas ndices de variabilidade
bastante estveis e, por isso mesmo, os mais geralmente utilizados.
A varincia baseia-se nos desvios em torno da mdia aritmtica, porm
determinado a mdia aritmtica dos quadrados dos desvios, representamos a varincia
por s2.
( )2
=

2

( )2
=

O desvio padro o valor positivo da raiz quadrada da varincia absoluta.


uma medida estatstica que representa, em mdia, os afastamentos, em valores
absolutos, dos elementos observados em relao a respectiva mdia aritmtica. uma
medida estatstica que dada na unidade da medida utilizada:

( )2

Em geral a mdia aritmtica (x ) um numero fracionrio o que torna pouco


prtico o calculo das quantidades de ( )2.
Podemos simplificar os clculos fazendo a seguinte igualdade:

( )2 = 2

( )2

Substituindo na formula do desvio padro temos:

2

=
(
)

33

5.2.1 Dados no agrupados

EX 15.

EX16.

EX17. Com os seguintes valores 8; 10; 11; 15; 16; 18, calcule o desvio padro:

(Xi)
8
10
11
15
16
18
= 78

(Xi)2
64
100
121
225
256
324

2

=
(
)

1090
78 2
=
( )
6
6

= 12,66 = 3,56

=1090

34

5.2.2 Dados agrupados sem intervalo de classes

2

(
)

( )2
=

EX18.

165
63 2

=
( )
30
30
= 1,09
= 1,044

xi
0
1
2
3
4

fi
2
6
12
7
3
= 30

xi*fi
0
6
24
21
12
= 63

)
(xi
0 2,1 = 2,1
1 2,1 = 1,1
2 2,1 = 0,1
3 2,1= 0,9
4 2,1 = 1,9

)2
fi(xi
2*4,41= 8,82
6*1,21= 7,26
12*0,01= 0,12
7*0,81=5,67
3*3,61=10,83
= 32,70

( )2
=

2

2 =

32,70
30

= 1,044

5.2.3 Dados agrupados com intervalo de classes

EX19.
Altura (cm) - xi fi
xi*fi

(xi )
fi(xi )2
150 |------ 154
4 152 608 152-161 = - 9
4*81
154 |------ 158
9 156 1404
-5
9*25
158 |------ 162 11 160 1760
-1
11*1
162 |------ 166
8 164 1312
3
8*9
166 |------ 170
5 168 840
7
5*49
170 |------ 174
3 172 516
11
3*121
Total
40
6.440
1240

2 =

( )2

2 =

1240
40

= 5,57 cm

35

5.3 Coeficiente de variao

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

EX.20 Tomemos os resultados das medidas das estaturas e dos pesos de um mesmo
grupo de indivduos:

Temos:
5
100 = 2,85%

175
2
=
100 = 2,94%

68
=

Logo, nesse grupo de indivduos, os pesos apresentam maior grau de disperso


que as estaturas.

Ex.21 Para os dados abaixo calcule a varincia e o desvio padro

a) 1,3,5,9
b) 17,9; 22,5; 13,3; 16,8; 15,4; 14,2
c) 26, 14, 15, 19, 21, 22, 20
d) -10, -6, 2, 3, 7, 9, 10
R: a) 2,96; b) 3,016; c) 2,81; d) 7,04
36

Ex.22 Calcule o desvio padro das distribuies abaixo:


(R: a) 1,51; b) 0,159)

EX.23 Dada a distribuio relativa a 100 lanamentos de 5 moedas simultaneamente


calcule o desvio padro:
(R: 1,13)

EX.24 Calcule o desvio padro da distribuio:


(R: 4,5)

EX.25 Calcule o desvio padro das distribuies de freqncia abaixo:


(R: a) 2,43; b) 8,8 cm; c) R$ 229; d) 9,93 kg).

37

EX26. Sabendo que um conjunto de dados apresenta para mdia aritmtica e para
desvio padro, respectivamente, 18,3 e 1,47, calcule o coeficiente de variao.
(R:8,02%).

EX27. Em uma obra A, foram inspecionadas 150 barras de ferro e mdia foi 7,8 cm e o
desvio padro, 0,80 cm. Em outra obra B, entretanto, a mdia foi de 7,3 cm e o desvio
padro, 0,76. Em qual obra houve uma maior a disperso?
(R: Obra B)

EX28. Medidas as estaturas de 1.017 indivduos, obtivemos x = 162,2 cm e s = 8,01


cm. O peso mdio desses mesmos indivduos 52 kg, com um desvio padro de 2,3
kg. Esses indivduos apresentam maior variabilidade em estatura ou em peso?
(R:estatura)

38

6 Correlao e Regresso

Nos mtodos estatsticos precedentes consideramos sempre a existncia de uma


nica varivel de interesse, porm vrios problemas no trabalho estatstico, todavia,
envolvem muitas variveis. Veremos agora dois mtodos estatsticos para lidar com
este tipo de problema. Faremos nosso estudo com o caso mais simples em que temos
apenas duas variveis de interesse.

6.1 Correlao linear entre duas variveis


Avaliar se existe associao entre duas caractersticas quantitativas objetivo de
muitos estudos em diversas reas. Um ecologista pode estar interessado em saber, por
exemplo, se h associao entre a quantidade de chumbo medida na gua e o volume
de dejetos despejados em determinado rio; um mdico pode querer avaliar se a
presso arterial est relacionada idade das pessoas. Quando se pode demonstrar
que existe associao entre duas variveis quantitativas, isto , quando se constata
que elas variam juntas, diz-se que as variveis esto correlacionadas.

Ex29. Consideremos uma amostra aleatria, formada por dez dos 98 alunos de
uma classe da faculdade A e pelas notas obtidas por eles em Matemtica e Estatstica:

Representando, em um sistema coordenado cartesiano ortogonal, os pares


ordenados (x, y), obtemos uma nuvem de pontos que denominamos diagrama de

39

disperso. Esse diagrama nos fornece uma idia grosseira, porm til, da correlao
existente:

Os pontos obtidos, vistos em conjunto, formam uma elipse em diagonal. Podemos


imaginar que, quanto mais fina for a elipse, mais ela se aproximar de uma reta.
Dizemos, ento, que a correlao de forma elptica tem como "imagem" uma reta,
sendo, por isso, denominada correlao linear. possvel verificar que a cada
correlao est associada como "imagem" uma relao funcional. Por esse motivo, as
relaes funcionais so chamadas relaes perfeitas.

Como a correlao em estudo tem como "imagem" uma reta ascendente, ela
chamada correlao linear positiva.
Assim, uma correlao :
a. linear positiva se os pontos do diagrama tm como "imagem" uma reta
ascendente;
b. linear negativa se os pontos tm como "imagem" uma reta descendente;
40

c. no-linear se os pontos tm como "imagem" uma curva .


Se os pontos apresentam-se dispersos, no oferecendo uma "imagem" definida,
conclumos que no h relao alguma entre as variveis em estudo .
Temos, ento:

6.1.1 Coeficiente de correlao linear


O instrumento empregado para a medida da correlao linear o coeficiente de
correlao. Esse coeficiente deve indicar o grau de intensidade da correlao entre
duas variveis e, ainda, o sentido dessa correlao (positivo ou negativo).
Faremos uso do coeficiente de correlao de Pearson, que dado por:
( ) ( )

[ 2 ( )2 ] [ 2 ( )2 ]

Onde n o nmero de observaes. Os valores limites de r so -1 e + 1, isto , o


valor de r pertence ao intervalo [-1, +1].
Assim:
se r = + 1, h uma correlao perfeita e positiva entre as variveis;
se r = -1, h uma correlao perfeita e negativa entre as variveis;
se r = 0, ou no h correlao entre as variveis, ou a relao que porventura
exista no linear.

41

Para podermos tirar algumas concluses significativas sobre o comportamento


simultneo das variveis analisadas, necessrio que:
0,6 I r I 1
Se 0,3 I r I 0,6, h uma correlao relativamente fraca entre as variveis.
Se 0 < I r I < 0,3, a correlao muito fraca e, praticamente, nada podemos
concluir sobre a relao entre as variveis em estudo.

EX29. Vamos, ento, calcular o coeficiente de correlao relativo tabela dada.O


modo mais prtico para obtermos r abrir, na tabela, colunas correspondentes aos
valores de x.y., x2 e y2. Assim:

Resultado que indica uma correlao linear positiva altamente significativa entre as
duas variveis.

42

Ex 30. Calcule o coeficiente de correlao para os valores das variveis Xi e Yi


abaixo:

Xi
4
6
8
10
12
40

Yi
12
10
8
12
14
56

Xi*Yi
48
60
64
120
168
460

Xi 2
16
36
64
100
144
360

Yi2
144
100
64
144
196
648

( ) ( )

[ 2 ( )2 ] [ 2 ( )2 ]
=

5 460 40 56
[5 360 (40)2 ] [5 648 (56)2 ]

= 0,416

A correlao linear entre as variveis X e Y positiva, porm fraca.

EX31. Um grupo de pesquisadores fez uma avaliao do peso aparente de alguns


objetos. Com o peso real e a mdia dos pesos aparentes, dados pelo grupo, obteve-se
a tabela:

Com os dados apresentados calcule o ndice de correlao:

Xi
18
30
42
62
73
97
120
442

Yi
10
23
33
60
91
98
159
474

Xi*Yi
180
690
1386
3720
6643
9506
19080
41205

Xi2
324
900
1764
3844
5329
9409
14400
35970

Yi2
100
529
1089
3600
8281
9604
25281
48484

7 41205 442 474


[7 35970 (442)2 ] [7 48484 (474)2 ]

= 0,981

43

6.2 Regresso Linear


Sempre que desejamos estudar determinada varivel em funo de outra,
fazemos uma anlise de regresso.
Podemos dizer que a anlise de regresso tem por objetivo descrever, atravs de
um modelo matemtico, a relao entre duas variveis, partindo de n observaes das
mesmas.
A varivel sobre a qual desejamos fazer uma estimativa recebe o nome de
varivel dependente e a outra recebe o nome de varivel independente.
Assim, supondo X a varivel independente e Y a dependente, vamos procurar
determinar o ajustamento de uma reta relao entre essas variveis, ou seja, vamos
obter uma funo definida por:
Y = aX + b

Onde os parametros a e b podem ser obtidos pelas formula:

( ) ( )
( 2 ) ( )

Exemplo: Dada a tabela abaixo:

10 473 65 65
= 0,8632
10 481 (65)2

65 0,8632 65
= 0,8893
10

= 0,86 + 0,89

44

Para traarmos a reta no grfico basta determinar dois pontos:


X=0 Y=0,89
X=5 Y=5,19

EX32. Com os dados abaixo faa o ajustamento de uma reta.

Xi
2
4
6
8
10
12
120
56

Yi
30
25
22
18
15
11
159
131

Xi*Yi
60
100
132
144
150
132
19080
858

Xi2
4
16
36
64
100
144
14400
560

7 858 56 131
= 1,69
7 560 (56)2

131 (1,69) 56
= 32,23
7

= 1,69 + 32,23

EX33. A tabela abaixo apresenta a produo de uma indstria:

Calcule:
a. o coeficiente de correlao;
b. a reta ajustada;
c. a produo estimada para 1989.
45

Xi
0
1
2
3
4
5
6
7
8
36

Yi
34
36
36
38
41
42
43
44
46
360

Xi*Yi
0
36
72
114
164
210
258
308
368
1530

Xi2
0
1
4
9
16
25
36
49
64
204

Yi2
1156
1296
1296
1444
1681
1764
1849
1936
2116
14538

a)
=

9 1530 36 360
[9 204 (36)2 ] [9 14538 (360)2 ]

= 0,989
b)
=

9 1530 36 360
= 1,5
9 204 (36)2

360 1,5 36
= 34
9

= + = 1,5 + 34
c) = 1,5 + 34
= 1,5 9 + 34 = 47,5
= 1,5 1989 + (2936) = 47,5

46

7 Analise combinatria
7.1 Fatorial

Seja n um nmero natural, tal que n2. Denomina-se fatorial de n e representado


por n! o produto de todos os nmeros naturais de n a 1, ou seja:

Para n N e n 2,

n! n(n 1)(n 2)...2 1

Para n=1 e n=0 define-se n!=1, isto

1!=1 e

0!=1

Na utilizao da calculadora podemos observar a existncia de uma tecla n!,


para a realizao do clculo fatorial. Vamos analisar alguns exemplos:
a) 5! 5 4 3 2 1 120
b) 8! 8 7 6 5 4 3 2 1 8 7 6 5! 40320
c) 10! 10 9 8! 3 628 800
8!

Em probabilidade, muitas vezes devemos calcular expresses como (5!), e para


calcul-la devemos recorrer a seguinte simplificao:
8! 8 7 6 5!

8 7 6 336
5!
5!

De um modo geral, podemos escrever:

n! n(n 1)! n(n 1)(n 2)! ...

47

7.2 Princpio fundamental da contagem PFC


Suponhamos que uma ao seja constituda de duas etapas sucessivas. A
primeira etapa pode ser realizada de p maneiras distintas. Para cada uma dessas
possibilidades, a 2 etapa pode ser realizada de q maneiras distintas. Ento, o nmero
de possibilidades de se efetuar a ao completa dado por p x q.

EX1. No Brasil as placas dos veculos so confeccionadas usando-se 3 letras do


alfabeto e 4 algarismos. Qual o nmero mximo de veculos que poder ser licenciado?
Imaginemos a seguinte situao: Placa ACD 2172.
Como o alfabeto possui 26 letras e nosso sistema numrico possui 10 algarismos
(de 0 a 9), podemos concluir que: para a 1 posio, temos 26 alternativas, e como
pode haver repetio, para a 2, e 3 tambm teremos 26 alternativas. Com relao
aos algarismos, conclumos facilmente que temos 10 alternativas para cada um dos 4
lugares, portanto:
26 . 26 . 26 . 10 . 10 . 10 . 10 = 175.760.000.

EX2. No sistema antigo utilizavam se 2 letras do alfabeto e 4 algarismos. Qual o


nmero mximo de veculos que podia ser licenciado neste sistema?
26 . 26 . 10 . 10 . 10 . 10 = 6.760.000.

Conclumos que a incluso de apenas uma letra faz com que sejam licenciados,
aproximadamente, mais 170.000.000 de veculos.

EX3. Com os algarismos 1, 2, 3, 4, 5 e 6, quantos nmeros de trs algarismos


distintos podemos formar?
1 escolha do algarismo das centenas: so seis possibilidades.
2 escolha do algarismo das dezenas: como no pode haver repetio de
algarismo, devemos ter um algarismo diferente do algarismo escolhido para a centena.
Assim, h cinco possibilidades.
3 escolha do algarismo das unidades: devemos ter um algarismo diferente dos
dois algarismos escolhidos para a centena e para a dezena. Assim, h quatro
possibilidades.
Pelo PFC, o resultado : 6 x 5 x 4 = 120 nmeros
48

EX4. Quantos nmeros de trs algarismos podemos formar com os algarismos 0,


1, 2, 3, 4, 5, 6 e 7 ?
Algarismo das centenas: com exceo do zero, qualquer um dos algarismos
dados pode ser escolhido, havendo, portanto, sete possibilidades.
Algarismo das dezenas e unidades no h restrio alguma
Logo, pelo PFC: 7 x 8 x 8 = 448.

7.3 Arranjos simples


Dado um conjunto com n elementos distintos, chama-se arranjo dos n elementos,
tomados k a k, a qualquer seqncia ordenada de k elementos distintos escolhidos
entre os n existentes.

Ex5. Dado o conjunto A = (1, 2, 3, 4), vamos escrever todos os arranjos desses
quatro elementos tomados dois a dois. A4,2
(1, 2); (1, 3); (1, 4); (2, 1); (2, 3); (2, 4); (3, 1); (3, 2); (3, 4); (4, 1); (4, 2); (4, 3).
Notamos que (2, 3) (3, 2), isto , a troca na ordem dos elementos de um
possvel agrupamento gera um agrupamento diferente.

EX6. Um cofre possui um disco marcado com os dgitos 0,1,2,...,9. O segredo do


cofre marcado por uma seqncia de 3 dgitos distintos. Se uma pessoa tentar abrir o
cofre, quantas tentativas dever fazer (no mximo) para conseguir abri-lo?
As seqncias sero do tipo xyz. Para a primeira posio teremos 10 alternativas,
para a segunda, 9 e para a terceira, 8. Aplicando a frmula de arranjos pelo PFC,
chegaremos ao mesmo resultado: 10.9.8 = 720. Observe que 720 = A10,3

7.3.1 Clculo do nmero de arranjos

Seja um conjunto de n elementos distintos. Vamos encontrar uma expresso para


o nmero de arranjos dos n elementos tomados k a k (An,k).

, =

!
( )!
49

EX7. O quadrangular de um torneio de futebol disputado por quatro selees. De


quantas maneiras distintas podemos ter os trs primeiros colocados?

4,3 =

4!
= 24
(4 3)!

EX8. Usando-se as 26 letras do alfabeto (A,B,C,D,...,Z), quantos arranjos distintos com


3 letras podem ser montados?
26,3 =

26!
= 15600
(26 3)!

EX9. A senha de um carto de banco formada por duas letras distintas seguidas por
uma seqncia de trs algarismos distintos. Quantas senhas poderiam ser
confeccionadas?
1 As letras A26,2 = 650
2 Os Nmeros A10,3 = 720
Pelo PFC A26,2 x A10,3 = 650 x 720 = 468.000.

7.4 Permutaes simples


De outro modo, podemos entender permutao simples como um caso especial de
arranjo, onde n = k.
= !
EX10. Escrever todos os anagramas da palavra SOL. Um anagrama da palavra SOL
qualquer permutao das letras S, O, L de modo que se forme uma palavra com ou
sem sentido: SOL, SLO, OSL, OLS, LOS, LSO.

50

7.4.1 Permutaes com elementos repetidos

Se entre os n elementos de um conjunto, existem a elementos repetidos, b


elementos repetidos, c elementos repetidos e assim sucessivamente, o nmero total de
permutaes que podemos formar dado por:

(,,)

!
! ! !

EX11. Determine o nmero de anagramas da palavra MATEMTICA Temos 10


elementos, com repeties. A letra M est repetida duas vezes, a letra A trs, a letra T,
duas vezes. Na frmula anterior, teremos:

(2,3,2)

10

10!
= 151200
2! 3! 2!

7.5 Combinaes simples


Dado um conjunto A com n elementos distintos, chama-se combinao dos n
elementos de A, tomados k a k, a qualquer subconjunto formado por k elementos, isto
, temos uma combinao quando os agrupamentos conseguidos permanecem iguais
ao se inverter a posio dos seus elementos.
Perceba que se houver cinco pessoas entre as quais desejamos formar grupos de
trs, o grupo formado por Joo, Pedro e Lus o mesmo grupo formado por Lus,
Pedro e Joo. Temos, ento, uma COMBINAO de cinco elementos em grupos de
trs.

!
! ( )!

51

EX12. Uma turma formada por 10 alunos. Deseja-se formar uma comisso de
trs alunos para representao discente na universidade. De quantas maneiras
podemos fazer tal escolha?
Neste caso tanto faz a posio dos trs alunos no conjunto ( A, B, C); (B, A, C) ....
desde que os trs sejam os escolhidos
Se fosse importante a ordem deles nos subconjunto usaramos o Arranjo simples
10,3 =

10!
= 720
(10 3)!

Mas no nos importa a ordem ento utilizaremos a combinao simples.


10,3

10!
= 120
3! (10 3)!

Ex13. Uma loja de materiais de construo oferece 15 tipos de pisos diferentes


a) De quantas maneiras se pode escolher trs tipos desses pisos?
b) Suponha que certo comprador sempre opte por um piso tipo A. Como podero
ser escolhidos os outros dois pisos?
a) Escolher os pisos {A, B, C} o mesmo que escolher os Pisos {C, B, A}. Assim,
cada possvel escolha uma combinao dos 15 pisos tomados trs a trs

15,3

15!
= 455
3! (15 3)!

b) Como um dos pisos j foi definido, os outros dois sero escolhidos entre os 14
restantes.
14,3

14!
= 364
3! (14 3)!

52

7.6 Nmeros Binomiais


Sejam n e p dois nmeros naturais quaisquer e tais que n p. Denomina-se

nmero binomial, e indica-se por ( ), o nmero assim definido:

()=

!
! ( )!

Onde n,p N e n p, e devemos lembrar que n o numerador e p a classe do

nmero binomial ( ) , e l-se: binomial n classe p.

Vamos calcular o seguinte exemplo, aplicando-se a expresso dada acima:

Existem

7!
7!
7 6 5 4!
7
)=
=
=
= 35
3
3! (7 3)! 3! 4! 3 2 1 4!

tambm

os

binomiais

complementares,

que

recebem

esta

denominao, quando dois nmeros binomiais apresentam o mesmo numerador, e a


soma de suas classes igual a esse numerador, isto , se n, p, q N, ento:

( ) ( ) So complementares se p+q=n.

Vamos analisar os seguintes exemplos:


(

15
15
) (
) Observamos que a soma: 6+9=15
6
9

Dois nmeros binominais complementares so iguais, se n, p, q N, isto :

p + q=n ( ) = ( )
Devemos observar como conseqncia dessa propriedade dos nmeros
binominais complementares, a seguinte relao:
Para n, p N e np

n n
x p ou
x p

x p n

53

8 Probabilidade
A Probabilidade pode ser definida como a possibilidade ou chance de que um
evento venha a ocorrer. O estudo das probabilidades se justifica pelo fato de a maioria
dos fenmenos de que trata a Estatstica serem de natureza aleatria ou probabilstica.
Fenmenos onde o resultado final depende do acaso so chamados fenmenos
aleatrios ou experimentos aleatrios.

8.1 Experimentos ou fenmenos aleatrios


So aqueles que, mesmo repetidos vrias vezes sob condies semelhantes,
apresentam resultados imprevisveis.
Assim, da afirmao " provvel que o meu time ganhe a partida de hoje" pode
resultar:
a. que, apesar do favoritismo, ele perca;
b. que, como pensamos, ele ganhe;
c. que empate.

8.2 Espao amostral


A cada experimento correspondem, em geral, vrios resultados possveis. Assim,
ao lanarmos uma moeda, h dois resultados possveis: ocorrer cara ou ocorrer coroa.
J ao lanarmos um dado h seis resultados possveis: 1, 2, 3, 4, 5 ou 6.
Ao conjunto desses resultados possveis damos o nome de espao amostral ou
conjunto universo, representado por S.
Os dois experimentos citados anteriormente tm os seguintes espaos amostrais:
lanamento de uma moeda: S = {Ca, Co};
lanamento de um dado: S = {1, 2, 3, 4, 5, 6}.
Se lanarmos duas vezes a moeda teremos:
S = {(Ca, Ca), (Ca, Co), (Co, Ca), (Co, Co)}.
Cada elemento de S que corresponde a um resultado recebe o nome de ponto
amostral.
54

8.3 Eventos

Chamamos de evento qualquer subconjunto de espao amostral S de um


experimento aleatrio.
Assim, qualquer que seja E, se E C S (E est contido em S), ento E um evento
de S.
Se E = S, E chamado evento certo;
Se E C S e E um conjunto unitrio, E chamado evento elementar. Se
E=conjunto vazio, ento chamado evento impossvel.

Ex1.
No lanamento de um dado, onde S = {1,2,3,4,5,6}, temos:
A = {2,4,6} C S; logo, A um evento de S;
B = {1,2,3,4,5,6} C S; logo, B um evento certo de S;
C = {4} C S; logo, C um evento elementar de S;
D = C S; logo, D um evento impossvel de S.

8.4 Funo Probabilidade

Dado um experimento aleatrio, sendo S o seu espao amostral, vamos admitir


que todos os elementos de S tenham a mesma chance de acontecer, ou seja, que S
um conjunto equiprovvel.
Chamamos de probabilidade de um evento A (A C S) o nmero real P(A), tal que:

P A

n A
nS

n(A) o nmero de elementos de A;


n(S) o nmero de elementos de S.

Ex2:
a) Considerando o lanamento de uma moeda e o evento A "obter cara", temos:

S = {Ca, Co} n(S) = 2


A = {Ca) n(A ) = 1

P A

1
2

55

O resultado acima nos permite afirmar que, ao lanarmos uma moeda


equilibrada, temos 50% de chance de que aparea cara na face superior.
b) Considerando o lanamento de um dado, vamos calcular:

1 Probabilidade do evento A "obter um nmero par na face superior".


Temos:
S = {1, 2, 3, 4, 5, 6} n(S) = 6

P A

A = {2, 4, 6} n(A) = 3

3 1

6 2

2 Probabilidade do evento B "obter um nmero menor ou igual a 6 na face superior" .


Temos:
S = {1, 2, 3, 4, 5, 6} n(S) = 6

P A

B = {1, 2,3, 4, 5, 6} n(B) = 6

6
1
6

8.5 Eventos complementares


Sabemos que um evento pode ocorrer ou no. Sendo p a probabilidade de que
ele ocorra (sucesso) e q a probabilidade de que ele no ocorra (fracasso), para um
mesmo evento existe sempre a relao:

p+q=1q=1p
Assim, se a probabilidade de se realizar o evento p
ele no ocorra q

1
, a probabilidade de que
5

4
.
5

8.6 Eventos independentes


Dizemos que dois eventos so independentes quando a realizao ou a norealizao de um dos eventos no afeta a probabilidade de realizao do outro e viceversa.
Por exemplo, quando lanamos dois dados, o resultado obtido em um deles
independe do resultado obtido no outro.
56

Se dois eventos so independentes, a probabilidade de que eles se realizem


simultaneamente igual ao produto das probabilidades de realizao dos dois eventos.

p = p1 * p2
Ex3: Se lanamos dois dados. A probabilidade de obtermos 1 no primeiro e 5 no
segundo ?
=

1 1
1
=
6 6 36

8.7 Eventos mutuamente exclusivos

Dizemos que dois ou mais eventos so mutuamente exclusivos quando a


realizao de um exclui a realizao do(s) outro(s).
Assim, no lanamento de uma moeda, o evento "tirar cara" e o evento "tirar coroa"
so mutuamente exclusivos, j que, ao se realizar um deles, o outro no se realiza.
Se dois eventos so mutuamente exclusivos, a probabilidade de que um ou outro
se realize igual soma das probabilidades de que cada um deles se realize:

p = p1 + p2
Ex4: Lanamos um dado. A probabilidade de se tirar o 3 ou 5 :
=

1 1 2 1
+ = =
6 6 6 3

8.8 Exerccios

1) No lanamento de dois dados, calcule a probabilidade de se obter soma igual a 5.


R: O evento formado pelos elementos (1,4), (2,3), (3,2) e (4,1). Como o nmero de
elementos de S 36, temos:
=

4
1
=
36 9

57

2) De dois baralhos de 52 cartas retiram-se, simultaneamente, uma carta do primeiro


baralho e uma carta do segundo. Qual a probabilidade de a carta do primeiro baralho
ser um rei e a do segundo ser o 5 de paus?

4 1
4
1

=
=
52 52 2704 676

3)

4)

58

5)

6)

a) 14/16 = 7/8
b) 10/16 = 5/8
c)10/16 + 2/16 = 3/4
a) 10/16 * 9/15 = 90/ 240 = 3/8
b) = 7/8
c) 14/16 * 13/15 = 91/120
d) 6/16 * 5/15 = 1/8

59

9 Distribuio Binomial

Uma distribuio de probabilidade binomial resulta de um experimento que


satisfaz os seguintes requisitos:
O experimento deve ser repetido, nas mesmas condies, um nmero finito de
vezes (n);
As tentativas devem ser independentes, ou seja, o resultado de uma no afeta
os resultados das sucessivas;
Cada tentativa deve ter todos os resultados classificados em duas categorias
(sucesso e insucesso);
No decorrer do experimento, a probabilidade p do sucesso e a probabilidade q
(q = 1 p) do insucesso devem permanecer constantes.

Se um experimento satisfaz esses quatro requisitos, a distribuio da varivel


aleatria x chamada de distribuio de probabilidade binomial ou (distribuio
binomial).
Em uma distribuio binomial, as probabilidades podem ser calculadas atravs
da frmula da probabilidade binomial.

() =

!

! ( )!

Onde: n = nmero de tentativas


k = nmero de sucessos em n tentativas
p = probabilidade de sucesso em qualquer tentativa
q = probabilidade de fracasso em qualquer tentativa (q = 1 p)

60

Ex1. Uma moeda lanada 5 vezes seguidas e independentes. Calcule a


probabilidade de obter 3 caras, nessas 5 provas. Para o exemplo dado temos que:
n= 5
k=3
p=
q=

1
2
1
2

( probabilidade de obter cara sucesso)


(probabilidade de obter coroa insucesso)

Da:
5!
1 3 1 53
5!
1 1
5
(3) =
( ) ( )
=
=
3! (5 3)! 2
2
3! 2! 8 4 16

Ex2. Dois times de futebol, A e B, jogam entre si 6 vezes. Encontre a probabilidade de


o time A ganhar 4 jogos.
n=6
k=4
p = 1/3 (Pode ganhar empatar ou perder)
q = 1 1/3 = 2/3
6!
1 4 2 64
6!
1 2
20
(4) =
( ) ( )
=

=
4! (6 4)! 3
3
4! 2! 81 9 243

61