Você está na página 1de 130

Universidade Federal do Piau

Centro de Educao Aberta a Distncia

Probabilidade e
estatstica i

Juarez Rodrigues Martins

Ministrio da Educao - MEC


Universidade Aberta do Brasil - UAB
Universidade Federal do Piau - UFPI
Centro de Educao Aberta a Distncia - CEAD

Probabilidade e estatstica i

Juarez Rodrigues martins

PRESIDENTE DA REPBLICA
MINISTRIO DA EDUCAO
GOVERNADOR DO ESTADO
REITOR DA UNIVERSIDADE FEDERAL DO PIAU
PRESIDENTE DA CAPES
COORDENADOR GERAL DA UNIVERSIDADE ABERTA DO BRASIL
DIRETOR DO CENTRO DE EDUCAO ABERTA E A DISTNCIA DA UFPI

Dilma Vana Rousseff Linhares


Jos Henrique Paim
Wilson Nunes Martins
Jos Arimatia Dantas Lopes
Jorge Almeida Guimares
Joo Carlos Teatini de S. Clmaco
Gildsio Guedes Fernandes

COORDENADORES DE CURSOS
ADMINISTRAO
ADMINISTRAO PBLICA
CINCIAS BIOLGICAS
FILOSOFIA
FSICA
LETRAS PORTUGUS
LETRAS INGLS
MATEMTICA
PEDAGOGIA
QUMICA
SISTEMAS DE INFORMAO
EQUIPE DE DESENVOLVIMENTO
TCNICO EM ASSUNTOS EDUCACIONAIS
EDIO
PROJETO GRFICO
DIAGRAMAO
REVISO ORTOGRFICA
REVISO GRFICA

Ubirajara Santana Assuno


Roberto Denes Quaresma Rgo
Samuel Falco Silva
Cleonildo F. de Mendona Neto
Lgia Carvalho de Figueiredo
Aurenice Pinheiro Tavares

Antonella Maria das Chagas Sousa


Fabiana Rodrigues de Almeida Castro
Maria da Conceio Prado de Oliveira
Zoraida Maria Lopes Feitosa
Miguel Arcanjo Costa
Jos Vanderlei Carneiro
Lvia Fernanda Nery da Silva
Joo Bencio de Melo Neto
Vera Lcia Costa Oliveira
Davi da Silva
Arlino Henrique Magalhes de Arajo
CONSELHO EDITORIAL DA EDUFPI

Prof. Dr. Ricardo Alaggio Ribeiro ( Presidente )


Des. Tomaz Gomes Campelo
Prof. Dr. Jos Renato de Arajo Sousa
Prof. Dr. Teresinha de Jesus Mesquita Queiroz
Prof. Francisca Maria Soares Mendes
Prof. Iracildes Maria de Moura F Lima
Prof. Dr. Joo Renr Ferreira de Carvalho

M386p Martins, Juarez Rodrigues.


Probabilidade e estatstica I / Juarez Rodrigues Martins.
Teresina : CEAD/UFPI, 2011.
131 p.
ISBN: 978-85-7463-492-0
1. Estatstica. 2. Probabilidade. 3. Estatstica Descritiva.
I. Ttulo.
C.D.D. - 519.2

2013. Universidade Federal do Piau - UFPI. Todos os direitos reservados.


A responsabilidade pelo contedo e imagens desta obra do autor. O contedo desta obra foi licenciado temporria e gratuitamente para utilizao no mbito do Sistema Universidade Aberta do Brasil, atravs da UFPI.
O leitor se compromete a utilizar ocontedo desta obra para aprendizado pessoal, sendo que a reproduo e
distribuio ficaro limitadas ao mbito interno dos cursos.
A citao desta obra em trabalhos acadmicos e/ou profissionais poder ser feita com indicao da fonte. A cpia deste obra sem autorizao expressa ou com intuito de lucro constitui crime contra a propriedade intelectual, com sanses previstas no Cdigo Penal.

Este livro destinado aos alunos aprendizes que participam do


Programa de Educao a Distncia da Universidade Aberta do Piau
(UAPI), vinculada ao consrcio formado pela Universidade Federal do
Piau (UFPI), Universidade Estadual do Piau (UESPI) e Instituto Federal
de Educao, Cincia e Tecnologia do Piau IFET, com apoio do Governo
do Estado do Piau, atravs da Secretaria de Educao.
Este material composto de quatro unidades, contendo
subunidades, estruturadas de modo sequencial, que discorrem sobre
a Estatstica Bsica; Fundamentos de Anlise Combinatria; Principais
Conceitos de Probabilidades e seus principais Teoremas e Variveis
Aleatrias.
Na Unidade 1, apresentamos os principais conceitos de Estatstica
e distribuies de frequncias. Exemplificamos o rol, dados brutos,
passos para a construo de uma tabela de distribuio de frequncias,
alm de uma lista de exerccios no final da unidade.
Na Unidade 2, apresentamos as Medidas de posio, tambm
conhecidas como Medidas de tendncia central e as separatrizes. As
principais Medidas de Tendncia Central so: a mdia aritmtica e a
mdia ponderada, a moda e a mediana, como tambm as separatrizes,
como: a mediana, que tambm considerada uma medida separatriz, os
quartis, os decis e os centis.
Na Unidade 3, apresentamos as Medidas de disperso ou
variabilidades; divididas em Disperso absoluta e Disperso relativa. As
principais Medidas de Disperso Absoluta so: Amplitude total, desvio
mdio, a varincia e o desvio padro. As principais Medidas de Disperso
Relativas so: Coeficiente de disperso de Pearson e o Coeficiente de
disperso de Thorndike.

Na Unidade 4, so expostos contedos sobre Anlise Combinatria;


principais conceitos de Probabilidades e seus principais Teoremas, como
tambm Variveis aleatrias.

09
33

47
99

UNIDADE 1

DISTRIBUIO DE FREQUNCIAS
Conceitos Bsicos de Estatstica...................................11
Distribuio de Frequncias.........................................14

UNIDADE 2

MEDIDAS DE POSIO
Mdia...........................................................................33
Moda............................................................................48
Mediana.......................................................................53
Quartis decis centis................................................64

UNIDADE 3

MEDIDAS DE DISPERSO
Medidas de disperso absoluta...................................79
Medidas de disperso relativa.....................................94

UNIDADE 4

FUNDAMENTOS DE ANLISE COMBINATRIA,


PRINCIPAIS CONCEITOS PROBABILSTICOS E
SEUS PRINCIPAIS TEOREMAS E VARIVEL ALEATRIA
Fundamentos de Anlise Combinatria.....................103
Probabilidade.............................................................108

UNIDADE 1
Distribuio de
frequncia

Objetivos:




Identificar os principais conceitos bsicos de estatstica;


Construir tabelas de frequncias e grficos;
Identificar os principais elementos de uma distribuio de frequncia;
Diferenciar a estatstica descritiva da estatstica indutiva;
Identificar as fases do mtodo estatstico.

DISTRIBUIO DE FREQUNCIA
Conceitos Bsicos de Estatstica
Estatstica
No plural, Estatsticas indicam qualquer coleo consistente de
dados numricos, reunidos com o objetivo de fornecer informaes acerca
de uma atividade qualquer. Por exemplo, as estatsticas demogrficas
referem-se aos dados numricos sobre nascimentos, falecimentos,
matrimnios, desquites, etc.
No singular, Estatstica indica a atividade humana especializada
ou um corpo de tcnicas ou ainda uma metodologia desenvolvida para
a coleta, a classificao, a apresentao, a anlise e interpretao de
dados quantitativos, e a utilizao desses dados para a tomada de
decises. Nos dias atuais, ela j considerada como a cincia que
estuda os processos de obteno, organizao e anlise de dados sobre
uma populao, e os mtodos de tirar concluses ou fazer predies com
base nesses dados.
Estatstica descritiva
aquela que se preocupa com a organizao e descrio de
dados experimentais.
Estatstica indutiva ou inferencial
aquela que se preocupa com a anlise e interpretao de dados
experimentais.

Distribuio de Frequncia

11

Fases do mtodo estatstico


Definio do problema - saber exatamente o que se pretende
pesquisar, ou seja, definir corretamente o problema.
Planejamento - determinar o procedimento necessrio para
resolver o problema; como por exemplo, levantar informaes sobre o
assunto objeto de estudo. importante a escolha das perguntas em um
questionrio, que devem ser fechadas, na medida do possvel.
Coleta de dados - o levantamento dos dados pode ser feito de
duas maneiras: Censitrio e Amostragem. E pode ser classificado, quanto
ao tempo, em:
Contnua (Ex: inflao, desemprego);
Peridica (Ex: Censo);
Ocasional (Ex: pesquisa de mercado, eleitoral).
Crtica dos dados - objetiva a eliminao de erros capazes de
promover futuros enganos. Faz-se uma reviso critica dos dados,
suprimindo os valores estranhos ao levantamento.
Apresentao dos dados - a organizao dos dados denomina-se
srie estatstica. Sua apresentao pode ocorrer por meio de tabelas e
grficos.
Anlise e interpretao dos dados - consiste em tirar concluses
que auxiliem o pesquisador a resolver seu problema, descrevendo o
fenmeno atravs do clculo de medidas estatsticas, especialmente as
de posio e as de disperso.
Populao ou universo
um conjunto de todos os elementos (pessoas, objetos, etc.) que
possuem pelo menos uma caracterstica em comum, que os relaciona ao
problema que est sendo estudado.
Amostra
So os objetos selecionados da populao, os quais se tiverem a
mesma chance de serem selecionados, teremos uma amostra aleatria.

12

UNIDADE 01

Varivel
uma caracterstica ou dado associado a cada elemento da
populao ou amostra. A Varivel apresenta diferentes valores, e, em
geral, denotada por letras maisculas: X - peso, Y- altura.
Qualitativa - aquela que resulta de uma classificao por tipos
ou atributos, como nos exemplos:
Populao: moradores de uma cidade.
Varivel: cor dos olhos (pretos, castanhos, verdes, etc.).
Populao: estudantes de um Estado.
Varivel: escolaridade (1 Grau completo, 2 Grau completo,
Superior, Ps- Graduao).
Quantitativa - aquela que pode assumir valores numricos, os
quais podem ser obtidos atravs de uma contagem ou mensurao.
Discreta: seus valores so obtidos por um processo de contagem.
Por exemplo, quantidade de aluno por sala, quantidade de falhas por
pea em determinada linha de produo.

Contnua: seus valores so obtidos por um procedimento de
mensurao, podendo assumir quaisquer valores, em um intervalo dos
nmeros reais, como, por exemplo: temperatura, altura, peso, etc.
Tabelas ou sries
Consiste em dispor os dados em linhas e colunas, distribudos
de modo ordenado, segundo algumas regras prticas obedecendo
resoluo n 886/66, de 26 de setembro de 1966, do Conselho Nacional
de Estatstica. De acordo com o fenmeno, local e poca, classificam-se
em:
a) Srie temporal (histrica ou cronolgica): os dados so
observados segundo a poca de sua ocorrncia. Ex: bitos infantis no
Piau de 2001 a 2004.
b) Srie geogrfica (espaciais, territoriais ou de localizao): os
dados so observados, segundo o local onde ocorreram. Ex: bitos no
Piau, segundo microrregies, em 2004.
c) Srie especificada (categrica): os dados so agrupados,
segundo a modalidade (espcie) de ocorrncia.
d) Srie mista ou de dupla entrada: a fuso de duas ou mais
sries simples. Ex: bitos infantis no Piau, segundo microrregies, no
perodo de 2001 a 2004.

Distribuio de Frequncia

13

Somatrio
Indicado pela letra grega sigma maiscula (), facilita a indicao
e a formulao de medidas, bem como algumas operaes algbricas
desenvolvidas pela Estatstica.
Define-se genericamente:
n
Xi = X1+X2+...+Xn.
i =1
Parmetro
Trata-se de medida numrica que descreve uma caracterstica da
populao.
Estimador
uma medida numrica, que descreve uma caracterstica da
amostra.

Como voc pode


organizar os dados de
uma forma mais eficiente
e com maior quantidade
de informaes?

14

Distribuio de Frequncia
Dados brutos ou tabela primitiva
So os dados apresentados desordenadamente, ou seja, da
forma que foram coletados; ou ainda tabela, cujos elementos no foram
numericamente organizados.
Vamos supor que fizemos uma coleta de dados relativos s
UNIDADE 01

estaturas de 40 alunos do Curso de Sistema de Informao da UAPI.


Tabela 1.1 - Estatura de 40 Alunos do Curso de Sistema de Informao da UAPI

Fonte: Martins (2009).

a) Rol
uma lista em que os dados esto dispostos em ordem crescente,
ou seja, a tabela obtida aps a ordenao dos dados.
Tabela 1.2 - Estatura de 40 Alunos do Curso de Sistema de Informao da UAPI

Fonte: Martins (2009).

b) Tabela de frequncias
As tabelas de frequncias podem representar tanto valores
individuais como valores agrupados em classes.
Distribuio de frequncia de dados tabulados no agrupados em
classes
Aparecem individualmente, ou seja, uma tabela de frequncias
de valores no agrupados em classes*. Ex: Uma empresa fabricante
de instrumento de preciso est interessada em saber o nmero de

Distribuio de Frequncia

15

aparelhos defeituosos, rejeitados pela seo encarregada do controle de


qualidade. Os dados, fornecidos por essa seo referem-se ao perodo
de 1971 a 1974.
Tabela 1.3 Empresa X - Nmero Mensal de Aparelhos Defeituosos

Fonte: Toledo (1985)

Abaixo esto os valores da Varivel n mensal de aparelhos


defeituosos, dispostos em uma tabela de distribuio de frequncias.
Tabela 1.4 X Nmero Mensal de Aparelhos Defeituosos

Fonte:Toledo (1985).

16

UNIDADE 01

n = 48

Na primeira coluna est o ndice i, onde aparecem os nmeros


correspondentes ordem dos valores da varivel. Na segunda coluna
est Xi, correspondente aos valores da varivel; e na ltima coluna est
fi, correspondente s frequncias, que so os resultados numricos
provenientes da contagem. A soma das frequncias sempre igual ao
nmero total de valores observados.
k
fi = n.
i =1
Onde, k o extremo superior do intervalo de valores do ndice i,
fi o nmero de observaes de um valor,
n o nmero total de valores observados.
Distribuio de frequncias de dados agrupados em classes
Primeiramente, iremos estudar os elementos de uma distribuio
de frequncias; posteriormente, os passos para a sua construo. So
estes os principais elementos:
Frequncia simples absoluta o nmero de observaes
correspondentes a uma classe. Essa frequncia simbolizada por (fi).
Amplitude total a diferena entre o maior e o menor valor
observado da Varivel em estudo. Essa amplitude indicada
por (At).
Classe cada um dos grupos de valores em que se
subdivide a amplitude total do conjunto de valores observados
da varivel. Essa classe indicada por (k).
Para se determinar o n de classes h diversos mtodos. A regra
de Sturges um dos mtodos que estabelece o nmero de classes, que
igual a:
k = 1 + 3,3. log n
k= o n de classes
n = n total de observaes

para refletir
verdade que
essas frmulas
no nos levam a
uma deciso final;
esta vai depender,
na realidade, de
um julgamento
pessoal, que
deve estar ligado
natureza
dos dados, da
unidade usada
para expresslos, do objetivo
que se tem em
vista, procurando,
sempre que
possvel, evitar
classe com
frequncia nula
ou com frequncia
relativa muito
exagerada.

Truman L. Kelley, em The Grouping Data for Graphic Portrayal,

Distribuio de Frequncia

17

sugere os seguintes nmeros de classe, com base no nmero total de


observaes, para efeito de representao grfica:

n
k

5
2

10
4

25
6

50
8

100
10

200
12

500
15

1000
15

K =n, essa ltima tambm muito utilizada.


Limites de classes Os limites de classes so seus valores
extremos. O limite inferior da classe (li) e o limite superior (Li).
Amplitude de um intervalo de classe a medida que define
a classe. Ela obtida pela diferena entre os limites superior e
inferior dessa classe e indicada por (Ac), assim:
Ac = Li li
Usaremos esta notao: liLi (limite inferior incluso ao limite
superior excluso)
Amplitude total da amostra (At) a diferena entre o maior e
o menor valor da amostra.
At = X(mx) X(mn), onde X(mx) o maior valor da amostra e
X(mn) o menor valor da amostra.
Amplitude total da distribuio a diferena entre o limite
superior mximo Li(mx) e o limite inferior mnimo li(mn).
At = Li(Max) li(mn), onde Li(mx) o limite superior mximo da
distribuio e li(mn) o limite inferior mnimo da distribuio.
Ponto mdio de uma classe (xi) o ponto que divide o
intervalo de classe em duas partes iguais.
xi = (Li + li) / 2, onde xi indica o ponto mdio da classe, para dados
agrupados em classes ou o valor da varivel para dados no agrupados
em classes.
Tipos de frequncias

18

UNIDADE 01

- Frequncia simples absoluta (fi) o nmero de repeties de


um valor individual ou de uma classe de valores da varivel. A soma das
frequncias simples absoluta em uma tabela chamada frequncia total
e corresponde ao nmero total de observaes.
- Frequncia simples relativa (fri) aquela que representa a
proporo de observaes de um valor individual ou de uma classe,
com relao ao nmero total de observaes. Para calcular a frequncia
relativa, basta dividir a frequncia absoluta da classe ou do valor individual
pelo nmero total de observaes.
- Frequncia acumulada abaixo de (Fi abaixo) a soma da
frequncia simples absoluta de uma classe ou de um valor individual de
uma varivel com as frequncias simples absolutas das classes ou dos
valores individuais anteriores. Toda vez que se procura saber quantas
observaes existem at uma determinada classe ou valor individual
recorre-se frequncia acumulada abaixo de.
- Frequncia relativa acumulada abaixo de (Fri) aquela que se
obtm dividindo a frequncia acumulada de uma classe ou de um valor
individual de uma varivel pela frequncia total da distribuio.
- Frequncia acumulada acima de (Fi acima) aquela que
representa o nmero de observaes existentes alm do valor de uma
varivel ou de uma classe; e obtm-se somando a frequncia simples
absoluta da classe ou do valor individual de uma varivel s frequncias
simples absolutas das classes ou dos valores individuais posteriores.
- Frequncia relativa acumulada acima de (Fri acima) aquela
que se obtm dividindo a frequncia acumulada acima de de uma
classe ou de um valor individual de uma varivel pela frequncia total da
distribuio.
Passos para a construo de uma distribuio de frequncias
de dados agrupados em classes:
1) Primeiramente, pegam-se os dados brutos e constri-se o rol;
2) Calcula-se a amplitude total das amostras(At);
3) Calcula-se o n de classes, usando uma das regras estudadas

Distribuio de Frequncia

19

anteriormente; aqui ser usada a Regra de Sturges;


4) Calcula-se a amplitude do intervalo de classe (Ac);
5) Constri-se uma tabela que contenha uma coluna para
i (ordem das classes), e outra para os intervalos, para as frequncias
simples absoluta, para o ponto mdio das classes(xi), para as frequncias
simples relativas(fri), frequncias acumuladas abaixo e acima de e as
frequncias acumuladas relativas abaixo e acima de.
Agora temos uma tabela de frequncias que contm todas as
informaes da varivel em estudo. Vejamos o exemplo referente
Estatura de 40 Alunos do Curso de Sistema de Informao da UAPI
(tabela 1.5).
Clculo da amplitude total da Amostra:
At = Li(mximo) li(mn) = 173 150 = 23 cm
Clculo do n de classes (i) pela Regra de Sturges:
i = 1 + 3,3. logn, como n= 40, temos:
i = 1 + 3,3. log40
i = 1 + 3,3. 1,6020599
i = 1 + 5,2867979
i = 6,28679
aproximamos para i 6
Clculo da amplitude de classe (Ac)
Ac = 23/6 = 3,8333...
aproximamos para Ac 4 , isto , 6 classes de intervalos iguais a

saiba mais
Os intervalos de
classe devem ser
escritos, de acordo
com a Resoluo
886/66 do IBGE,
em termos de
desta quantidade
at menos aquela,
empregando, para
isso, o smbolo
(incluso de li e
excluso de Li).
Ex: no intervalo
154158 um
intervalo fechado
esquerda e aberto
direita, tal que:
154 x < 158.

20

4.
Podemos agora dar a distribuio de frequncias das estaturas
dos 40 alunos do Curso de Sistema de Informao da UAPI seguinte
representao tabular tcnica:
Tabela 1.5 - Estaturas de 40 Alunos do Curso de Sistema de Informao da UAPI

UNIDADE 01

Fonte: Martins (2009).

Na 1 classe, contamos no rol, quantos alunos tm estaturas entre


150 incluso e 154 excluso, e o resultado foram 4;
Na 2, entre 154 incluso a 158 excluso, 9;
Na 3, entre 158 incluso e 162 excluso, 11;
Na 4, entre 162 incluso e 166 excluso, 8;
Na 5, entre 166 incluso e 170 excluso, 5;
Na 6, entre 170 incluso e 174 excluso, 3.
Considerando a tabela 1.5 acima, podemos montar a seguinte
tabela com as frequncias estudadas:

Tabela 1.6 - Estaturas de 40 Alunos do Curso de Sistema de Informao da UAPI.

Fonte: Martins (2009).

Distribuio de Frequncia

21

Para obtermos o ponto mdio de cada classe, pegamos a amplitude


de classe e dividimos por 2, obtemos 2. Somamos 2 a cada limite inferior
de cada classe. Mas para obtermos as frequncias acumuladas abaixo
(Fi), pegamos F1=4; F2=4+9=13; F3=13+11=24; F4=24+8=32;
F5=32+5=37 e F6=37+3=40; e as frequncias acumuladas acima de
(Fi), assim: F1=40; F2=40-4=36; F3=36-9=27; F4=27-11=16; F5=168=8; e F6=8-5=3.
O conhecimento dos vrios tipos de frequncia ajuda-nos a
responder muitas questes com relativa facilidade, como as seguintes:
a) Quantos alunos tm estatura entre 154 cm, inclusive, e 158
cm?
Resposta: 9 alunos; so os valores que formam a segunda classe
(f2=9).
b) Qual a percentagem de alunos cuja estatura inferior a 154
cm?
Esses valores so os que formam a primeira classe (fri=0,100);
obtemos a resposta multiplicando a frequncia relativa por 100:
0,100. 100 = 10.
Logo, a percentagem de alunos 10%.
c) Quantos alunos tm estatura abaixo de 162 cm?
Basta procurarmos a frequncia acumulada abaixo (Fi), referente
3 classe, ou seja, Fi= 24. Portanto, 24 alunos tm estatura abaixo de
162 cm.
d) Quantos alunos tm estatura acima de 158 cm, inclusive?
Basta procurarmos a frequncia acumulada acima (Fi), referente
3 classe, ou seja, Fi=27. Portanto, 27 alunos.
Representao grfica de uma distribuio de frequncia
Uma distribuio de frequncia pode ser representada graficamente
pelo histograma, pelo polgono de frequncia e pelo polgono de
frequncia acumulada.
Construmos qualquer um dos grficos mencionados utilizando
o primeiro quadrante do sistema de eixos coordenados cartesianos
ortogonais. Na linha horizontal (eixo das abscissas) colocamos os valores
22

UNIDADE 01

da varivel e na linha vertical (eixo das ordenadas), as frequncias.


Histograma
O histograma formado por um conjunto de retngulos justapostos,
cujas bases se localizam sobre o eixo horizontal, de tal modo que seus
pontos mdios coincidam com os pontos mdios dos intervalos de classe.
As larguras dos retngulos so iguais s amplitudes dos intervalos
de classe.
As alturas dos retngulos devem ser proporcionais s frequncias
das classes, sendo a amplitude dos intervalos igual. Isso nos permite
tomar as alturas numericamente iguais s frequncias.
distribuio da tabela 1.5 (p. 8) corresponde o seguinte
histograma:

saiba mais
Veja a construo
do histograma com
Excel, p. 48, do
livro Estatstica,
usando Excel do
Lapponi.

saiba mais

Importante:

O histograma goza de uma propriedade da qual faremos
considervel uso: a rea de um histograma proporcional soma das
frequncias.
No caso de usarmos as frequncias relativas, obtemos um grfico
de rea unitria.
Quando queremos comparar duas distribuies, o ideal faz-lo
pelo histograma de frequncias relativas.

Polgono de
frequncia*
um grfico de
anlise no qual
as frequncias
das classes so
localizadas sobre
perpendiculares
levantadas nos
pontos mdios das
classes.

Polgono de frequncia
Para realmente obtermos um polgono (linha fechada), devemos
completar a figura ligando os extremos da linha obtida aos pontos mdios
da classe anterior primeira, e da posterior ltima da distribuio.

Distribuio de Frequncia

23

A distribuio da tabela 1.5 corresponde ao seguinte polgono de


frequncia*:

Importante:
No caso de termos uma varivel essencialmente positiva, cuja
distribuio se inicia no valor zero, devemos considerar um intervalo
anterior localizado no semieixo negativo. Porm, consideraremos apenas
a parte positiva do segmento que liga o ponto mdio desse intervalo com
a frequncia do intervalo 0... .
Exemplo:
Tabela 1.7 Classes.

Fonte: CRESPO (2002).

24

UNIDADE 01

Polgono de frequncia acumulada


O polgono de frequncia acumulada traado marcando-se
as frequncias acumuladas sobre perpendiculares ao eixo horizontal,
levantadas nos pontos correspondentes aos limites superiores dos
intervalos de classe.
Assim, distribuio da tabela 1.6 (Fi) corresponde o seguinte
polgono de frequncia acumulada:

Nas questes de 01 a 08, assinale a alternativa correta:


1. Populao ou Universo :
a) Conjunto de pessoas.
b) Conjunto de indivduos apresentando uma caracterstica especial.
c) Conjunto de todos os indivduos apresentando uma caracterstica
comum objeto de estudo.

Distribuio de Frequncia

25

2. Os fenmenos de massa so:


a) Aqueles em que as caractersticas observadas no valem para os
indivduos.
b) Aqueles que no podem ser definidos por uma simples observao.
c) Aqueles que iro compor os fenmenos coletivos.
3. A varivel discreta quando:
a) Dados dois valores reais, podemos encontrar pelo menos um valor
entre eles.
b) A menor diferena no nula entre dois valores dados for finita.
c) Dados dois valores reais, a diferena entre eles zero.
4. As fases principais do mtodo estatstico so:
a) A coleta dos dados, amostragem, apresentao tabular e apresentao
grfica e definio dos problemas.
b) Amostragem, apresentao tabular, apurao dos dados, interpretao
dos dados e planejamento.
c) Definio do problema, planejamento, coleta dos dados, apurao,
apresentao dos dados, anlise e interpretao dos dados.
5. A srie estatstica chamada cronolgica quando:
a) O elemento varivel o tempo.
b) O elemento varivel o local.
c) No tem elemento varivel.
6. A amplitude total :
a) A diferena entre dois valores quaisquer de um conjunto de valores.
b) A diferena entre o maior e o menor valor observado da varivel
dividido por 2.
c) A diferena entre o maior e o menor valor observado da varivel.
7. Para obter o ponto mdio de uma classe:
a) Soma-se ao seu limite superior metade de sua amplitude.
b) Soma-se ao seu limite inferior metade de sua amplitude.
c) Soma-se ao seu limite inferior metade de sua amplitude e divide o
resultado por 2.
8. Frequncia simples absoluta de um valor da varivel :
a) O nmero de repeties desse valor.
26

UNIDADE 01

b) A porcentagem de repeties desse valor.


c) O nmero de observaes acumuladas at esse valor.
9. A tabela abaixo apresenta as vendas dirias de um determinado
aparelho eltrico, durante um ms, por uma firma comercial:

Fonte: Martins (2009).

Forme uma distribuio de frequncia sem intervalos de classe.


10. A tabela seguinte representa as alturas (em cm), de 40 alunos de uma
classe.

Fonte: Toledo (1985).

a) Calcular a amplitude total.


a) Admitindo-se 6 classes, qual a amplitude do intervalo de classe?
c) Construir uma tabela de frequncia das alturas dos alunos, admitindo
que o limite da 1 classe seja 148 cm.
d) Determinar os pontos mdios das classes.
11. A tabela a seguir representa os salrios pagos a 100 operrios da
empresa GLT & Cia.

Distribuio de Frequncia

27

Fonte: Toledo (1985).

a) Determinar frequncias absolutas acumuladas (abaixo e acima de);


frequncias simples relativas e frequncias relativas acumuladas (abaixo
e acima de).
b) Quantos operrios ganham at dois salrios mnimos?
c) Quantos operrios ganham at 5 salrios mnimos?
d) Qual a porcentagem de operrios com salrio entre 6 e 8 salrios
mnimos?
e) Qual a porcentagem de operrios com salrios inferior a 4 salrios
mnimos?
12. Os dados seguintes representam 20 observaes relativas ao ndice
pluviomtrico em determinados municpios do Estado.

Fonte: Toledo (1985).

a) Determinar o nmero de classes pela regra de Sturges.


b) Construir a tabela de frequncias absolutas simples.
c) Determinar as frequncias acumuladas (abaixo e acima de).
28

UNIDADE 01

d) Determinar as frequncias simples relativas.


e) Determinar as frequncias relativas acumuladas (abaixo e acima de).
13. Considere a seguinte tabela:

Fonte: Toledo (1985).

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.

Distribuio de Frequncia

29

Nesta unidade iremos abordar os principais conceitos bsicos de


Estatstica e um tipo de tabelas que condensa uma coleo e dados,
conforme as frequncias ou repeties de seus valores. Uma das
vantagens das tabelas estatsticas a de condensar, de forma
consistente, as informaes necessrias ao estudo desejado. Isto
porque, frequentemente, o estudo de um determinado fenmeno requer
a coleta de uma grande massa de dados numricos, difcil de ser tratada,
se esses dados no forem organizados e condensados em uma tabela.
Agora, seguiremos os passos para a construo de uma tabela de
distribuio de frequncias.

30

UNIDADE 01

UNIDADE 2
Medidas de
posio

Objetivos:
Identificar as medidas de posio;
Calcular a mdia aritmtica de dados no tabulados e tabulados e interpretar
os resultados;
Calcular a moda, mediana de dados no tabulados e tabulados e interpretar
os resultados;
Identificar as medidas de tendncia central;
Definir e calcular os Quartis, Decis e Centis.

32

UNIDADE 02

Medidas de posio
Mdia
A medida de tendncia central mais comumente usada para
descrever de modo resumido uma distribuio de frequncia a mdia,
ou mais apropriadamente, a mdia aritmtica. H vrios tipos de mdias:
mdia aritmtica, mdia geomtrica, mdia harmnica, mdia quadrtica,
mdia cbica, mdia biquadrtica, porm daremos maior nfase mdia
aritmtica.
Mdia aritmtica
Smbolo x
(l-se x trao ou x barra)
A mdia aritmtica* de um conjunto de nmeros pode ser de dois
tipos: simples ou ponderada.
Mdia aritmtica simples
a1) dados no agrupados
A mdia aritmtica simples de um conjunto de nmeros igual
ao quociente entre a soma dos valores do conjunto e o nmero total de
valores.
Suponhamos que em um escritrio de Consultoria a Empresas
h 5 contnuos que recebem os seguintes salrios mensais: R$ 800,00;
R$ 780,00; R$ 820,00; R$ 810,00 e R$ 790,00. A mdia aritmtica dos
salrios ou o salrio mdio mensal dos contnuos desse escritrio ser
de 800,00 reais, de acordo com a definio.
x = (800+780+820+810+780)/5 = 800
Medidas de Posio

saiba mais
A mdia aritmtica*,
ou simplesmente
mdia de um
conjunto de n
observaes, x1,
x2, ..., xn definida
como:
n
xi
i=1

x = _____
n

(1)

onde:
xi= valor genrico
da observao
n= nmero de
observaes

33

A mdia aritmtica simples ser calculada sempre que os valores


no estiverem tabulados, ou seja, quando aparecerem representados
individualmente, como o caso, por exemplo, dos dados brutos. No
exemplo acima, a varivel x representa os salrios dos contnuos.
Consequentemente,
X1 = 800
X2 = 780
i = 1, 2, 3, 4, 5
X3 = 820
n=5
X4 = 810
5
X5 = 790
xi
x1 + x 2 + x 3 + x 4 + x 5
i =1
x =
________________________ = ________

5
5
Mdia aritmtica ponderada

saiba mais
A mdia
considerada
ponderada* quando
os valores do
conjunto tiverem
pesos diferentes.
Obtm-se atravs
do quociente entre o
produto dos valores
da varivel pelos
respectivos pesos e
a soma dos pesos.

34

Exemplo: Um professor de Estatstica realiza quatro provas por


semestre em sua matria, atribuindo a cada uma delas os seguintes
pesos: 1, 2, 3, 4. Suponhamos que um dos alunos recebeu as seguintes
notas 8, 7, 9 e 9, nessa ordem, sua nota final foi a mdia aritmtica
ponderada* 8,5, obtida da seguinte maneira:
Mdia final = [(8x1) + (7x2) + 9x3) + (9x4)] / (1+2+3+4)
= [8 + 14 + 27 + 36] / 10 = 85/10 = 8,5
No exemplo apresentado, os pesos dos valores da varivel so
fixados previamente para efeito de clculo. Tratando-se, todavia, de
distribuies de frequncias, os pesos dos valores da varivel no so
atribudos arbitrariamente, mas correspondem ao nmero de vezes que
cada valor ocorre.
Assim, por exemplo, admitamos que as notas atribudas a vinte
alunos em um teste de Estatstica sejam as seguintes, dispostas em
ordem crescente:

UNIDADE 02

A nota obtida mediante a utilizao da frmula abaixo ser:


n
x = (xi ) / n
i=1
x = (4+5+5+5+5+5+6+6+6+6+6+6+7+7+7+7+7+8+8+8)/20
= 124 / 20 = 6,2, logo x = 6,2
Portanto, a mdia aritmtica simples das notas 6,2. Como os
valores da varivel aparecem repetidos, possvel adotar o nmero
de observaes ou frequncia de cada um deles como peso ou fator
de ponderao. Assim, por exemplo, a nota 7 aparece cinco vezes.
indiferente, portanto, para efeito de clculo da mdia somar o nmero 7
cinco vezes ou multiplicar esse valor por cinco.
7+7+7+7+7 = 5 x 7 = 35.
possvel proceder da mesma forma para os demais valores de
varivel, como se observa no desenvolvimento seguinte:
x =(4+5+5+5+5+5+6+6+6+6+6+6+7+7+7+7+7+8+8+8),
1+5+6+5+3
ou
x = ( 4 x 1) + ( 5 x 5) + ( 6 x 6 ) + ( 7 x 5) + ( 8 x 3)
20
O numerador da primeira expresso representa a operao
necessria para o clculo da mdia aritmtica simples, de acordo com a
frmula (1). O denominador o nmero total de observaes.
J o numerador da segunda expresso apresenta o procedimento
para o clculo da mdia ponderada, onde cada valor da varivel
multiplicado pela respectiva frequncia. O nmero 4 apareceu uma vez, o

Medidas de Posio

35

5 e o 7 apareceram cinco vezes, o 6 apareceu seis vezes e o 8 trs vezes.


Ao invs de considerar cada nota do aluno individualmente, como feito
para o clculo da mdia aritmtica simples, toma-se o valor tantas vezes
quantas ele houver ocorrido. O denominador da segunda expresso
calculado pela soma das frequncias de cada valor da varivel, o que
equivale frequncia total, ou nmero total de valores observados.
Retomando-se os clculos:
x = (4 x 1) + ( 5 x 5) + ( 6 x 6 ) + ( 7 x 5) + ( 8 x 3)
1+5+6+5+3
x = ((4+25+36+35+24))/(1+5+6+5+3) = 124/20 = 6,2
Esse resultado o mesmo que o obtido pelo emprego da frmula
(1), porque o princpio dos mtodos o mesmo, diferindo apenas a forma
de clculo.
Genericamente, se os valores x1, x2, ..., xk ocorrerem f1, f2, ..., fk
vezes, respectivamente, a mdia aritmtica do conjunto ser calculado
por:
n
x if i
i=1
xifi
xifi
x = ____________ = _______ = ________
(2)
n
k
fi
fi
i=1
Em que:
Xi = valores da varivel ou pontos mdios de classe
K
= n = nmero total de observaes
i=1
k = nmero de valores individuais diferentes da varivel ou nmero
de classes.
Na tabela 2.1, condensamos os resultados do exemplo acima.

36

UNIDADE 02

Tabela 2.1 - Notas de 20 Alunos de Estatstica (fictcias)

Fonte: Martins (2009).

Normalmente, para o clculo da mdia aritmtica ponderada,


recorre-se a uma tabela desse tipo, o que possibilita maior rapidez de
operao e organizao dos valores.
Quando os valores esto agrupados em classes, a tabela requer
mais uma coluna necessria para dispor os pontos mdios de classes,
que veremos a seguir.
b1) Dados agrupados em classes
Neste caso, convencionamos que todos os valores includos em
um determinado intervalo de classe coincidem com o seu ponto mdio,
e determinamos a mdia aritmtica ponderada por meio da frmula (2).
xifi
x = --------------- (3)
n
Onde xi o ponto mdio da classe.
Consideremos os dados da tabela 1.5 referentes estatura de 40
alunos do Curso Sistemas de Informao da UAP:

Medidas de Posio

37

Tabela 2.2 - Estatura de 40 Alunos do Curso de Sistema de Informao da UAPI

Fonte: Martins (2009).

Pela mesma razo do caso anterior, vamos, inicialmente, abrir


uma coluna para os pontos mdios (xi) e outra para os produtos xifi:
Tabela 2.3 - Estatura de 40 Alunos do Curso de Sistema de Informao da UAPI.

38

UNIDADE 02

Fonte: Martins (2009).

Como, neste caso:


o xi.fi = 6440 e o fi = n = 40 e x = __xi.fi ____
n
temos:
x = 6440 = 161 cm.
40
Isto quer dizer que, a estatura mdia dos alunos do Curso de
Sistema de Informao da UAPI de 161 cm.
Propriedades da mdia
P1) A soma algbrica dos desvios de um conjunto de nmeros
tomados em relao mdia aritmtica zero. Simbolicamente:

di = (xi - x ) = 0

(4)

n
di .fi = (xi - x ) .fi = 0
i=1

(5)

Em que,
di = xi -- x
e i = {1,2,3,..., n} e xi o valor da varivel para dados brutos e o
ponto mdio das classes para dados tabulados.

Medidas de Posio

39

A comprovao dessa propriedade simples:


Para dados brutos:
n
n
n
n
di = ( xi - x ) = xi - x
i=1 i=1
i=1 i=1

ento:

Como x uma constante, para um dado conjunto de valores,

n
x = n x
i=1
mas
n
n
xi
xi
i=1
i=1
n
x =___________
n __________
e, assim, nx =
= xi
n
n
i=1
Ento,
n
n
n
n
n
di = xi - x = xi - xi = 0
i=1
i=1 i=1 i=1 i=1
Exemplo 1:
Consideremos os salrios recebidos pelos cinco contnuos.
X = {780, 790, 800, 810, 820}
A mdia dos salrios x = 800, e a soma dos desvios ser zero,
como na tabela seguinte:
Tabela 2.4

40

UNIDADE 02

Fonte: Toledo (1985)

5
Logo, o di = 0.
i=1
Exemplo 2:
Com os dados da tabela 2.1, comprovar a primeira propriedade
da mdia.

FFonte: Toledo (1985)

A mdia aritmtica das notas x = 6,2, conforme visto anteriormente.


A tabela 2.5 permite operar mais rapidamente.

Medidas de Posio

41

Tabela 2.5

Fonte: Toledo (1985)

P2) Segunda Propriedade


A soma dos quadrados dos desvios tomados em relao mdia
aritmtica um mnimo.
Para dados brutos
n
n
(xi - x ) < (xi x0)
i=1
i=1
Para dados tabulados
k
k
(xi - x ). fi < (xi x0). fi
i=1
i=1

(6)

(7)

Em que x0 um valor arbitrrio qualquer, muitas vezes chamado


de mdia arbitrria. Neste caso, x0 x .
A comprovao da propriedade ser feita apenas para a frmula
(6).

42

UNIDADE 02

Devemos ter:
S1 = (xi - x ) = (xi + x - 2xix ) = xi +nx - 2xi x =
= xi + n x - 2 (xi) ((xi)/n) n/n =
= xi + n x - 2n x = xi - n x
S2 = (xi x0) = (xi + x0 - 2 xix0) =
= xi + n x0 - 2x0xi =
= xi + nx0 -2x0nx

Mas

S2 S1 = (xi + nx0 - 2nx0x ) (xi - n x ) =


= n(x0 - 2x0x + x ) = n (x0 - x )
Como n > 0 e (x0 - x ) > 0 implica que n(x0 - x ) > 0.
Assim sendo, a diferena
S2 S1 = n(x0 - x ) sempre positiva, para x0 x, ou seja,
S2 S1 > 0
Da, tiramos:
S1 < S2 ou (xi - x ) < (xi x0)
Exemplo:
Considere o conjunto de nmeros X = {3, 5, 7, 9, 10}. A mdia
aritmtica do conjunto :

5
xi
i=1
x = _____________ = (3+5+7+9+10)/5 = 34/5 = 6,8
5

Medidas de Posio

43

Considere agora os seguintes valores arbitrrios para x0 = 7 e


5. Os clculos das somas dos quadrados dos desvios sero feitos com
recurso da tabela auxiliar 2.6.
Tabela 2.6

Fonte: Toledo (1985)

Como pode ser observado,


(xi 6,8) < (xi 7) < (xi 5)

32,8
<
33
<
45
Para x = 6,8.

P3) Terceira propriedade


Mdia aritmtica ponderada de todas as mdias. Se n1 nmeros
tem mdia x 1, n2 nmeros tem mdia x 2, ..., nk nmeros tem mdia x k, a
mdia do conjunto formado por todos os nmeros dada pela expresso:
x 1n1 + x 2n2 + ... + x knk
x = ___________________
N1 + n2 + ... +nk

44

UNIDADE 02

5
xi fi
i=1
x = _____________
k
ni
i=1

(08)

A comprovao dessa propriedade imediata, por isso no a


demonstraremos.
Exemplo:
Considere os seguintes conjuntos de nmeros:
X1 = {10, 40, 70, 80}
X2 = {5, 15, 20, 30, 40}
X3 = {1, 2, 3, 10, 12, 20}
Devemos ter:
(10+40+70+80)
x 1 =_____________
4

200
=_______= 50
4

(5+15+20+30+40)
x 2 =________________
5

110
=_______= 22
5

(1+ 2+3+10+12+20)
48
x 3 =________________ =_______= 8
6
6
i = 1, 2, 3.
3
xi ni
i=1
((50x4)+ (22x5)+8x6))
x = ________ = _____________________=
3
(4+ 5 + 6)
(200+110+48 )
_______________=
15

Medidas de Posio

45

ni
i=1
= ___
358 = 23,87
15
Supondo agora que as trs sries de nmeros constituem uma
nica srie, teramos ordenados os valores:
1, 2, 3, 5, 10, 10, 12, 15, 20, 20, 30, 40, 40, 70, 80
Da calculamos:
(1+2+3+5+10+10+12+15+20+20+30+40+40+70+80)
x = _____________________________________________=
15
358
= _____ = 23,87
15
P4) Quarta propriedade
Somando-se (ou subtraindo-se) um valor constante e arbitrrio a
cada um dos elementos de um conjunto de nmeros, a mdia aritmtica
fica somada (ou subtrada) por essa constante.
Seja X = {x1, x2, ... , xn} e seja x0 uma constante escolhida
arbitrariamente.
Faamos Y = X X0
Assim sendo,
n
xi
i=1
x = ______________
n
n
n
n
n
(xi x0)
xi
x0
yi
i=1
i=1
i=1
i=1
y = _________ = ____________ =______ - ______
n
n
n
n

46

UNIDADE 02

nx0
= x - ____
= x - x0 , logo
n
(09)

y = x x0

Como pode ser observado, x , a mdia de x, ficou subtrada pela


constante. Da mesma forma, poderia ser demonstrada que para:
Y = x + x0 teramos:
y = x + x0

(10)

P5) Quinta propriedade


Multiplicando-se (ou dividindo-se) cada elemento de um conjunto
de nmeros por um valor constante e arbitrrio, a mdia fica multiplicada
(ou dividida) por essa constante.
Sejam, X = {x1, x2, ... , xn} e c uma constante arbitrria. Faamos
Y = c X.
Devemos ter:
n
n
n
cxi
xi
yi
i=1
i=1
i=1
y = ______ = ______ = c _______ = cx
n
n
n
y = c x

(11)

X
De igual modo poderia ser demonstrado que, para y =___, teramos
c
x
y = ___
c

(12)

Exemplo:
Comprovar a quinta propriedade, com os dados da tabela 2.7,
fazendo c = 5 e Y = X/5. A comprovao feita com o auxlio da tabela
2.7.

Medidas de Posio

47

Tabela 2.7

Fonte: Toledo (1985)

5
xi.fi
i=1
1575
x = _______ = _____ = 35
45
45
De acordo com a quinta propriedade, devemos ter:
x
35
y =___=___
=7
c
5
saiba mais
A moda* (Mo)
o valor em um
conjunto de dados
que ocorre com a
maior frequncia.

48

A mdia dos valores da varivel transformada Y , segundo a


definio:
k
yi.fi
i=1
315
y = ___________ = ____ = 7, onde 7 igual mdia aritmtica
45
dos valores de x0 dividida pela constante arbitrria 5.

UNIDADE 02

Moda
Smbolo: Mo ou X
A moda* outra medida de tendncia central, mas h outras
denominaes para design-la: norma, valor dominante, valor tpico.
Quando afirmamos que o salrio modal de uma empresa igual a dois mil
reais, queremos dizer que esse o salrio percebido pelo maior nmero
de pessoas dessa empresa.
Determinao da moda de valores no tabulados
Considerando um conjunto ordenado de valores, a moda ser o valor
predominante, o valor mais frequente desse conjunto. Evidentemente,
um conjunto de valores pode no apresentar moda, sendo denominado
conjunto amodal, caso em que todos os valores da varivel em estudo
correm com a mesma frequncia. Por outro lado, podemos ter conjuntos
plurimodais, quando houver mais de um valor predominante.
Exemplo:
Calcular a moda dos seguintes conjuntos de valores:
X = {4, 5, 5, 6, 6, 6, 7, 7, 8, 8}
Y = {4, 4, 5, 5, 6, 6}
Z = {1, 2, 2, 2, 3, 3, 4, 5, 5, 5, 6, 6}
W = {1, 2, 3, 4, 5}
A moda de cada um dos conjuntos ser:
Moda de X: Mo = 6, o valor 6 o mais frequente.
Moda de Y: Esse conjunto amodal, pois seus trs valores
apareceram duas vezes cada um. No h, portanto, predominncia de
nenhum valor do conjunto sobre os outros.
Moda de Z: Mo1 = 2 e Mo2 = 5. Trata-se de um conjunto bimodal,
uma vez que tanto o valor 3 como o 5 apresentaram o maior nmero de
observaes.
Moda de W: Esse outro conjunto amodal.
Medidas de Posio

49

Determinao da moda para valores tabulados


a) Dados no agrupados em classes:
Os valores da varivel dispostos em uma tabela de frequncias
podem se apresentar individualmente ou agrupados em classes. No
primeiro caso, a determinao da moda imediata, bastando, para isso,
consultar a tabela, localizando o valor que apresenta a maior frequncia.
Esse valor ser a moda do conjunto. Assim, por exemplo, a moda do
conjunto apresentado na tabela abaixo Mo = 3. Esse resultado indica
que a rejeio de 3 peas defeituosas por ms foi o resultado mais
observado.
Tabela 2.8 Empresa X - Nmero de peas de preciso defeituosas devolvidas
mensalmente pelo Controle de Qualidade.

Fonte: Toledo (1985)

b) Dados agrupados em classes:


Tratando-se de uma tabela de frequncias com valores tabulados
e agrupados em classes, o procedimento no imediato, sendo
disponveis alguns mtodos de clculo distintos. Qualquer que seja o
50

UNIDADE 02

mtodo adotado, o primeiro passo para determinar a moda localizar


a classe que apresenta a maior frequncia, comumente chamada de
classe modal.
Moda Bruta
O mtodo mais rudimentar de clculo da moda em tabelas de
frequncias com valores agrupados em classes consiste em tomar o
ponto mdio da classe modal. Esse valor recebe o nome de moda bruta.
Examinando os dados da tabela 4.7, por exemplo, podemos dizer que a
terceira classe a classe modal e a moda bruta ser seu ponto mdio:
Mo = 35.
Os dois mtodos que apresentaremos a seguir so mais elaborados
e baseiam-se no apenas na frequncia da classe modal, mas tambm
nas frequncias das classes adjacentes.
Mtodo de King
O mtodo de King, para o clculo da moda elaborada, baseiase na influncia das frequncias das classes adjacentes sobre a classe
modal. Considerando essas frequncias, admite-se que a moda se
desloca dentro do intervalo de classe para um determinado ponto (valor),
de tal sorte que as distncias desse ponto aos limites de classe sejam
inversamente proporcionais s frequncias das respectivas classes
adjacentes. Ento, quanto maior for frequncia da classe adjacente,
menor ser a distncia do ponto a essa classe. Isto se comprova com a
frmula seguinte:
fpost
Mo = li* + A*. _______
(13)
fant + fpos
Onde,
li* = limite inferior da classe modal
A* = amplitude da classe modal
fant = frequncias simples inferior classe modal
fpos = frequncia simples superior classe modal

Medidas de Posio

51

Exemplo:
Calcular pelo mtodo de King, a moda dos valores constantes da
tabela abaixo:
Tabela 2.9

Fonte: Martins (2009).

Soluo:
A classe modal a terceira: 3040, pois apresenta a maior
frequncia 8. A moda, segundo a frmula de King, ser:
5
50
fpost
Mo = li* + ________
= 30 + ____ . 10 = 30 + ___ = 30 + 5,556
(4+5)
9
fant + fpost
= 35,56
Mo =35,56
A moda bruta desses valores ligeiramente menor: Mobruta = 35.
Mtodo de Czuber
O mtodo de Czuber, para o clculo da moda elaborada, leva
em considerao no apenas as frequncias das classes adjacentes,
mas tambm a frequncia da classe modal. O ponto que corresponde
moda divide o intervalo da classe modal em duas partes, as quais
so proporcionais s diferenas entre a frequncia da classe modal e as
das respectivas classes adjacentes. Isto se comprova com a seguinte

52

UNIDADE 02

frmula:
d1
Mo = li* + _______
d1 + d2

(14)

Onde,
Mo = moda
d1 = f * - fant e f * = frequncia simples da classe modal.
d2 = f * - fpost
Exemplo:
Determinar a moda, pelo mtodo de Czuber, usando os dados do
da tabela 2.9.
De acordo com a frmula 14,
li* = 30
A* = Li* - li* = 40 30 = 10
d1 = f* - fant = 8 4 = 4
d2 = f* - fpos = 8 5 = 3
d1
Mo = li* + A* . ______
=
d1 + d 2
4
= 30 + 10 . _____ = 30 + 5,7 = 35,7
4+3
Mo = 35,7

SAIBA MAIS

Mediana
Smbolo: Md ou X .
A mediana* a terceira medida de tendncia central, ela
considerada uma separatriz, por ser um promdio que divide a distribuio
ou conjunto de dados em partes iguais. Trata-se de uma medida muito
utilizada na anlise de dados estatsticos, especialmente quando se
atribui pouca importncia aos valores extremos da varivel.

Medidas de Posio

A mediana* (Md) o
valor que divide uma
srie ordenada de
tal forma no conjunto
que o separa em
dois subconjuntos
de mesmo nmero
de elementos, ou
seja, 50% dos dados
so superiores
mediana e 50% so
inferiores.

53

Elemento mediano
Por ser uma separatriz, isto , em virtude de a mediana se
constituir em um valor que separa a distribuio em partes de tal sorte
que uma frao (0,5 ou 1/2) de valores lhe seja inferior e os restantes
superiores, podemos concluir que essa medida apresenta um nmero
de ordem. Assim que, ordenando os valores da srie, a mediana um
valor que ocupa uma determinada ordem ou posio na srie ordenada.
O nmero que indica a ordem em que se encontra o valor correspondente
mediana denominado elemento mediano, cujo smbolo Emd.
Determinao da mediana de valores no tabulados
A determinao da mediana de valores no tabulados processase a partir de um rol ou lista ordenada dos dados. Podem ocorrer duas
hipteses com relao ao nmero de observaes n: que ele seja mpar
ou par. Veremos os dois casos.
O nmero de observaes impar
O procedimento para o clculo da mediana, quando a lista de
valores contiver um nmero mpar de observaes, requer, em primeiro
lugar, que se determine a ordem em que se encontra a mediana na srie.
Deve-se, ento, encontrar o valor do elemento mediano, o que feito da
seguinte forma:
n+1
(15)
Emd = ____
2

O passo seguinte ser localizar a mediana na lista de valores, de


acordo com o resultado obtido no clculo do elemento mediano.
Exemplo:
Calcular a mediana do seguinte conjunto de nmeros:
X = {2, 3, 6, 12, 15, 23, 30}
Soluo:
A primeira providncia a ser adotada seria a de ordenar os valores.
Neste exemplo, os valores da srie j se encontram ordenados.
54

UNIDADE 02

Em seguida, determinaremos o valor do elemento mediano,


utilizando a frmula (14), uma vez que o nmero de observaes mpar
(n = 7).
n+1 ____=
7+1 4 (quarto elemento na srie)
Emd = ____=
2

Ressalte-se o fato de que o valor 4 um nmero ordinal. Assim,


Emd = 4 indica que a mediana o valor que se encontra na quarta posio
da lista ordenada de valores, o quarto nmero na srie.
Finalmente, procuraremos no conjunto qual o valor que se
encontra no quarto lugar da lista. Esse nmero corresponde mediana
do conjunto.
No exemplo:
Md = 12
Observe que existem trs valores menores do que doze (2, 3 e 6)
e trs valores maiores (15, 23 e 30), o que corresponde a cinqenta por
cento (ou metade) de itens maiores e menores do que a mediana.
O nmero de observaes par
O procedimento para calcular a mediana de um nmero par de
observaes ligeiramente diferente do adotado para o caso em que
n mpar. O elemento mediano ser determinado, agora, atravs da
seguinte expresso:
Emd = n/2

(16)

Exemplo:
Calcular a mediana do conjunto:
X = {3, 6, 9, 12, 14, 15, 17, 20}.
Soluo:
Como vemos n = 8.
O elemento mediano ser, de acordo com a frmula (15),
Medidas de Posio

55

n __
8 =4
Emd = __=
2
2
Seguindo a mesma linha de raciocnio do exemplo anterior,
identificaramos a mediana como o quarto elemento da lista, ou seja, Md
= 12. Entretanto, esse procedimento de identificao resultaria em um
valor da mediana que contraria a definio, uma vez que no teramos
a mesma proporo de valores menores e maiores do que o valor doze.
Haveria, ento, trs valores menores do que doze (3, 6 e 9) e quatro
maiores (14, 15, 17 e 20).
Toda vez que houver um nmero par de observaes, a lista
apresentar dois valores centrais e a mediana ser determinada
calculando a mdia aritmtica deles. No exemplo, teramos:
12+14 = 13
Md =_____
2
Percebe-se, agora, a ocorrncia de igual nmero de valores
maiores (14, 15, 17 e 20) e menores (3, 6, 9 e 12) do que a mediana.

Determinao da mediana de valores tabulados no agrupados em


classes
Quando os valores da varivel estiverem j tabulados, o
procedimento a ser adotado ser praticamente idntico ao anterior.
Em primeiro lugar, deve-se verificar se o nmero de observaes
mpar ou par, e conforme o caso, aplicar as frmulas (14) e (15) para o
clculo do elemento mediano.
Em seguida, acrescentamos uma coluna tabela de frequncia
original, onde sero determinadas as frequncias acumuladas.
Comparando o resultado obtido no clculo do elemento mediano com os
valores constantes dessa coluna, determinaremos a mediana.

56

UNIDADE 02

Exemplo:
Calcular a mediana dos valores apresentados nas tabelas 2.10 e
2.11.

Tabela 2.10

Fonte: Toledo (1985)

Tabela 2.11

Fonte: Toledo (1985)

Medidas de Posio

57

Soluo:
O nmero de observaes da varivel, conforme a tabela 2.10,
n=50. Assim sendo, fazemos:

_= 50
__= 25
Emd n
2 2
A mediana dever ser o vigsimo quinto elemento, se levarmos
em considerao os valores do conjunto ordenados, ou seja:
{2, 2, 2, 2, 2, 3, 3, 3, ..., 7, 7, 7}
O passo seguinte era o clculo das frequncias acumuladas, o
que ser feito com o recurso da tabela auxiliar 2.12.

Tabela 2.12

Fonte: Toledo (1985)

Examinando a coluna das frequncias acumuladas, verificaremos


at o valor dois, inclusive, existem cinco observaes, o que significa
dizer que o quinto elemento da lista igual a dois. Portanto, a mediana
no pode ser dois, uma vez que ela equivale ao vigsimo quinto valor,
e at dois temos apenas cinco observaes. Assim, iremos percorrendo
a coluna at encontrar um valor (frequncia acumulada) igual ou maior
que o elemento mediano. A frequncia acumulada seguinte quinze, que
58

UNIDADE 02

por ser inferior a vinte e cinco, indica que trs no a mediana. J a


frequncia acumulada at o valor quatro da varivel superior a vinte e
cinco. Portanto, a mediana desse conjunto :
Md = 4
Observao: Em virtude de o nmero de observaes serem par,
teremos dois valores centrais, que no caso so iguais. Assim,
4+4 = 4
Md = ___
2
O conjunto de observaes, neste caso, mpar:
n = 35.
O elemento mediano ser:
Emd = (n+1)/2 (35+1)/2 = 18
A mediana ser o dcimo oitavo valor da lista. A tabela 2.13 mostra
que at o cinco, inclusive, temos dezoito observaes. Consequentemente,
Md = 5

Tabela 2.13

SAIBA MAIS
OBS:
Quando n/2 coincidir
com a frequncia
acumulada, neste
caso, a mediana ser
a mdia aritmtica do
valor correspondente
a tal frequncia
acumulada e o
seguinte.

Fonte: Toledo (1985)

Medidas de Posio

59

Neste caso, basta calcular 35/2 = 17,5


A mediana ser o valor correspondente frequncia acumulada
imediatamente superior a 17,5. Nesse caso 18,
Logo, a mediana ser:
Md = 5
Exemplo:
Calcular a mediana dos valores constantes da tabela 2.14.

Tabela 2.14

Fonte: Toledo (1985)

Soluo:
Temos n = 36 como n par, ento 36/2 = 18.
Observe que coincide com a frequncia acumulada, logo a mediana
ser calculada pela mdia aritmtica do elemento correspondente a 18
que o 5, e o seguinte 6, logo a mediana ser:
5+6 = 5,5
Md = ___
2
Determinao da mediana de valores tabulados agrupados em
classes. Quando os valores da varivel estiverem agrupados em classes,
o clculo da mediana ser realizado por interpolao. Tratando-se de
60

UNIDADE 02

dados agrupados, admite-se que os valores da varivel na distribuio


de frequncias se distribuam continuamente. A mediana ser, neste
caso, o valor da varivel, para o qual metade ou cinquenta por cento da
frequncia total ( N/2 ) ficam situados abaixo e a outra metade acima dele.
Geometricamente, isso significa dizer que a mediana o valor de x (eixo
das abscissas) que corresponde perpendicular que divide o histograma
em duas partes que apresentam reas iguais. Vejamos alguns mtodos
para o clculo da mediana, quando os valores estiverem agrupados em
classes:
Primeiro mtodo: resoluo por frmula
Neste caso, o problema consiste em determinar o ponto do
intervalo em que est compreendida a mediana.
Para tanto, temos inicialmente que determinar a classe na qual
se acha a mediana classe mediana. Tal classe ser, evidentemente,
aquela correspondente frequncia acumulada imediatamente superior
fi
a ___.
2
Feito isto, um problema de interpolao resolve a questo,
admitindo-se, agora, que os valores se distribuem uniformemente em
todo o intervalo de classe. Assim, considerando a distribuio da tabela
2.15, acrescida das frequncias acumuladas:

Tabela 2.15

Fonte: Martins (2009).


Medidas de Posio

61

Temos:
fi
40
____ = ___ = 20
2
2
Tendo em vista que h 24 valores includos nas trs primeiras
classes da distribuio, e como pretendemos determinar o valor que
ocupa o 20 lugar, a partir do inicio da srie, vemos que este deve estar
localizado na terceira classe (i=3), supondo que as frequncias dessas
classes estejam uniformemente distribudas.
Como h 11 elementos nessa classe e o intervalo de classe
igual a 4, devemos tomar, a partir do limite inferior, a distncia:
20-13 x 4 = __
7 x4
_____
11

11

E a mediana ser dada por:


7 x 4 = 158 +___
28 = 158 + 2,54
Md = 158 +___
11
11
= 160,54
Logo:
Md = 160,5 cm
Na prtica, executamos os seguintes passos:

1) Determinamos as frequncias acumuladas.


fi .
2) Calculamos ___
2
3) Marcamos a classe correspondente frequncia acumulada
f
imediatamente superior ___i classe mediana e, em seguida,
2
empregamos a frmula:

62

UNIDADE 02

fi
Md = li * + [ ___
- Fi(ant)]
2
_____________
. A*

(15)

f*
na qual:
li * o limite inferior da classe mediana;
Fi a frequncia acumulada da classe anterior classe mediana;
f* a frequncia simples da classe mediana;
A* a amplitude do intervalo da classe mediana.
Tomando como exemplo a distribuio anterior, temos:
40
f
___i = ___= 20
2
2
Logo, a classe mediana a de ordem 3. Ento:
20-13.4 = 158 + ___
28 = 158 + 2,54 =
Md = 158 + _______
11
11
= 160,54,
Isto :
Md = 160,5 cm.
Segundo mtodo: por interpolao
Admite-se que as alturas se distribuem continuamente e a altura
mediana o valor tal que metade dos 40 valores lhe seja inferior e
metade superior. Para obter a mediana, devemos localizar o vigsimo
elemento, j que Emd = 20. Percorrendo a tabela 4.14 na coluna de
frequncias acumuladas, verificamos que o vigsimo elemento encontrase na terceira classe: 158162. Como at a segunda classe, inclusive,
acumulamos 13 observaes, precisamos de mais 7 para completar as
20 necessrias. Assim sendo, se tomarmos todo o intervalo da terceira
classe, estaremos considerando todas as observaes dessa classe
(26). Entretanto, interessam-nos apenas 7 observaes para atingir o
ponto que corresponde mediana. Para saber qual a parcela do intervalo
Medidas de Posio

63

da classe mediana (c = 4) deve levar em considerao a seguinte regra


de trs simples:
________4
{ 117_____________X

4x7 = ___
28 = 2,54
implica que x = ___
11
11

Acrescentando-se esse valor ao limite inferior da classe mediana,


chegaremos a:
Md = 158 + 2,54 = 160,54 = 160,5 cm
Valor igual conseguido com o uso da frmula (15). Na realidade,
esse ltimo apenas o resultado de interpolao. Assim, de acordo com
o que vimos acima,
4x7
28
x = ____= 4 ___, onde
11
11
4 = A*
7 = 20 13
11 = fi* (frequncia simples da classe mediana)
Substituindo os nmeros pelos smbolos que os representam,

SAIBA MAIS
Quartis* divide a
distribuio em
quatro partes iguais
quanto ao nmero
de elementos de
cada parte.
Decis* divide a
distribuio em dez
partes iguais quanto
ao nmero de
elementos de cada
parte.
Percentis* divide a
distribuio em cem
partes iguais quanto
ao nmero de
elementos de cada
parte.

64

temos:
Emd Fi(ant)
X = A* __________
,
fi*
que somado ao limite inferior da classe mediana (li*), reproduz a
frmula (15).
f
[ ___i - Fi(ant)]
2
Md = li* + A* ___________
fi*

Quartis Decis Percentis (ou Centis)


H uma srie de medidas de posio semelhantes na sua
concepo mediana, embora no sejam medidas de tendncia central.
Como se sabe, a mediana divide a distribuio em duas partes iguais,
quanto ao nmero de elementos de cada parte. So elas: os quartis*, os
decis* e os centis*.
UNIDADE 02

Para simbolizar cada uma dessas medidas separatrizes, faremos:


i = 1, 2, 3
Qi = quartis
i = 1, 2 , 3, ... , 9
Di = decis
i = 1, 2, 3, ... , 99
Ci = centis
Assim, para dividir uma srie ordenada de valores em quatro
partes iguais, precisaremos de trs separatrizes (quartis); para dividi-la
em dez, iremos recorrer a nove separatrizes (decis); em cem, recorremos
a noventa e nove separatrizes (centis). O grfico a seguir ilustra melhor
o que acabamos de dizer em relao aos quartis e decis:

A
A

Quartis

|_______|_______|______|_______| B
Q2
Q3
Q1
|______________|_______________| B
D5
Q2 = D5 = Md

Primeiro Quartil
Smbolo: Q1
Definio: Dado um conjunto ordenado (ordem crescente) de
valores, o primeiro quartil, Q1 o valor que divide o conjunto em duas
partes tais que um quarto ou vinte e cinco por cento dos valores sejam
menores do que ele e trs quartos ou setenta e cinco por cento dos
restantes sejam maiores. O elemento que indica a ordem ou posio do
primeiro quartil determinado, para dados agrupados em classes, pela
seguinte expresso:
n ,
EQ1 = __
4

Onde n o nmero de valores do conjunto ou o nmero de


observaes.

Medidas de Posio

65

Segundo Quartil
Smbolo: Q2 ou Md
Definio: Dado um conjunto ordenado de valores, o segundo
quartil ou mediana o valor que divide em duas partes iguais quanto
ao nmero de elementos, isto , cinquenta por cento ou dois quartos
dos valores do conjunto so menores, e os dois quartos restantes so
maiores do que ele. O elemento mediano calculado, conforme veremos,
atravs da seguinte expresso:
2n = n
___
Emd = EQ2 = ___
4

Terceiro Quartil
Smbolo: Q3
Definio: Dado um conjunto ordenado (ordem crescente) de
valores, o terceiro quartil o valor que divide o conjunto em duas partes
tais que setenta e cinco por cento ou trs quartos dos valores sejam
menores e vinte e cinco por cento ou um quarto sejam maiores do que
ele. O elemento que indica a ordem em que n encontra o terceiro quartil
calculado, para dados tabulados, conforme segue:
3n
EQ3 = ___,
4

Onde n o nmero de valores observados.


Genericamente, para determinar a ordem ou posio do quartil a
ser calculado, usaremos a seguinte expresso:
in
(16)
EQi = ___
4

Onde:
i= nmero do quartil a ser calculado
n = nmero de observaes.
Decis
Smbolo: Di
66

UNIDADE 02

i = 1, 2, 3, ..., 9

A definio dos decis obedece ao mesmo princpio da definio


dos quartis, com a modificao da porcentagem de valores que ficam
aqum e alm do decil que se pretende calcular. Assim, por exemplo:
Primeiro Decil: D1
O primeiro decil de um conjunto ordenado (ordem crescente) de
valores o valor que divide um conjunto em duas partes tais que dez
por cento ou um dcimo dos valores sejam menores e nove dcimos ou
noventa por cento sejam maiores do que ele. O elemento que indica a
posio do primeiro decil calculado pela expresso:
n
ED1 = ___
10

Segundo decil: D2
Trata-se do valor que divide o conjunto em duas partes, tais que
vinte por cento ou dois dcimos dos valores sejam menores e oitenta por
cento ou oito dcimos dos valores sejam maiores; para saber a ordem do
segundo decil, usamos a expresso:
2n
ED2 = ____
10

De especial interesse o quinto decil, que divide o conjunto em


duas partes, tais que cinco dcimos ou cinquenta por cento dos valores
sejam menores do que cinco dcimos ou cinquenta por cento dos valores
restantes maiores do que ele. Assim sendo, o quinto decil igual ao
segundo quartil que, por sua vez, igual mediana. O elemento que
indica a ordem do quinto decil igual ao elemento mediano, ou seja:
5n = __
n = ___
2n
ED5 = ___
10

Podemos, ento, afirmar que:


Md = D5 = Q2
De modo geral, para calcular os decis, recorremos seguinte
expresso que define a ordem em que o decil se encontra:
Medidas de Posio

67

in
EDi = ___
10

(17)

Onde:
n = nmero de valores observados
i = nmero que identifica o decil a ser calculado
2.4.3 Percentis ou centis
i = 1, 2, 3, ... , 99

Smbolo: Ci

Neste caso, cada parte em que foram subdivididos os valores do


conjunto, atravs dos noventa e nove centis, contar com um centsimo
ou um por cento dos valores do conjunto.
O elemento que definir a ordem do centil, em uma distribuio de
frequncias de valores tabulados agrupados em classes, ser encontrado
pelo emprego da expresso:
in
(18)
ECi = ____
100

Onde:
i = nmero identificador do centil
n = nmero total de observaes
oportuno lembrar que os centis englobam todos os decis e
quartis.
Assim, por exemplo:
Dcimo centil: C10
O dcimo centil dividir o conjunto ordenado (ordem crescente)
de valores em duas partes, tais que dez por cento ou dez centsimos
dos valores do conjunto sejam menores e noventa por cento ou noventa
centsimos sejam maiores do que ele. Teremos, ento:
10n = ___
n = 0,1n
ou
EC10 = ____
100

68

UNIDADE 02

10

1n = ___
n = 0,1n
ED1 = ___
10 10
Vigsimo Centil: C20
O vigsimo centil igual ao segundo decil, porque
20n = 0,2n = ED2 = ___
2n = 0,2n
EC20 = ____
100

10

O vigsimo quinto centil igual ao primeiro quartil, porque


25n =n__= 0,25n
EC25 = ____
100

1n = 0,25n
EQ1 = ___
4

, logo EC25 = EQ1

A frmula do clculo dos centis ser:


in - Fi(ant)]
[ ___
100
Ci = li* + A* ____________
fi*

(19)

Exemplo:
Utilizando os dados da tabela 2.15, calcular as seguintes medidas:
Trigsimo Centil: C30
Quinquagsimo Centil: C50
Septuagsimo quinto Centil: C75
Dcimo Quinto Centil: C15
Tabela 2.16

Medidas de Posio

69

Fonte: Martins (2009).

Soluo:
Trigsimo Centil: C30
Inicialmente, calcularemos EC30, ou seja, o elemento que define a
ordem ou posio do trigsimo centil:
in = 30.40
_____ = 12
EC30 = ____
100
100
Agora, basta procurar a frequncia acumulada imediatamente
superior a 12 que igual a 13; logo, a classe do trigsimo centil a
segunda: 154158, aplicando a frmula (19), obtemos:
12-4
[ECi - Fi(ant)]
Ci = li* + A* ___________
= 154 + 4 _____ =
fi*
9
32 = 154 + 3,55 = 157,55 = 157,6
= 154 + ___
9
C30 = 157,6 cm
Interpretao: o valor 157,6 refere-se estatura dos alunos em
cm. Como esse valor corresponde ao trigsimo centil, podemos afirmar
que trinta por cento dos quarenta alunos tm estatura at 157,6 cm,
enquanto que setenta por cento tm mais de 157,6 cm de altura.
Quinquagsimo Centil: C50
Inicialmente calcularemos o Ec50, ou seja, o elemento que define a
ordem ou posio do quinquagsimo centil:

70

UNIDADE 02

in = _____
50.40 = 20
Ec50 = ___
100
100
Agora basta procurar a frequncia acumulada imediatamente
superior a 20, que igual a 24; logo, a classe do quinquagsimo centil
a terceira: 158162, aplicando a frmula (19), obtemos:
20-13 = 158 + ___
28 = 158 + 2,54 =
C50 = 158 + 4. ______
11

11

= 160,54 = 160,5 = Md
C50 = 160,5 cm
Interpretao: Neste caso, metade ou cinquenta por cento dos
alunos tem estatura at 160,5 cm e os outros cinquenta por cento ou
metade tem estatura superior a 160,5 cm.
Septuagsimo Quinto centil: C75
Segue o mesmo procedimento das letras: a e b:
75.40 = 30
Ec75 = _____
100

A frequncia acumulada imediatamente superior a 30 igual a


32; logo, a classe do septuagsimo quinto centil a quarta: 162166,
aplicando a frmula (19), obtemos:
30-24 = 162 + ___
24 = 162 + 3 =
C75 = 162 + 4. _____
8

= 165
C75 = 165 cm
Interpretao: Neste caso, podemos dizer que trs quartos ou
setenta e cinco por cento dos alunos tm estatura at 165 cm, enquanto
que um quarto ou vinte e cinco por cento possuem altura superior a 165
cm.

Medidas de Posio

71

Dcimo Quinto Centil: C15


____= 6
EC15 =15.40
100

A frequncia acumulada imediatamente superior a 6 igual a 13;


logo, a classe do dcimo quinto centil a segunda: 154158, aplicando
a frmula (19), obtemos:
(6-4)
C15 = 154 + 4. ____ = 154 + 8/9 = 154 + 0,888 =
9
=154,9
C15 = 154,9 cm
Interpretao: o valor 154,9 refere-se estatura dos alunos em
cm. Como esse valor corresponde ao dcimo quinto centil, podemos
afirmar que quinze por cento dos 40 alunos tm estatura at 154,9 cm,
enquanto que oitenta e cinco por cento tm estatura maior que 154,9 cm.

1) A tabela abaixo representa os salrios pagos a 100 operrios da


empresa GLT & Cia.

Fonte: Toledo (1985)

72

UNIDADE 02

Determinar:
a) Salrio mdio.
b) Salrio modal (Czuber).
c) Salrio mediano.
2) Com os dados do exerccio 01, determinar o primeiro e terceiro Quartil.
3) Seja a distribuio das estaturas de 100 alunos de uma classe.

Fonte: Martins (2009).

Determinar:
a) A estatura mdia.
b) A estatura modal (Czuber).
c) A estatura mais frequente de (King).
d) A estatura mediana.
4) Um comerciante atacadista vende determinado produto em sacas que
deveriam conter 16,50 kg. A pesagem de 40 sacas revelou os resultados
representados na tabela abaixo:

Medidas de Posio

73

Fonte: Toledo (1985)

Pede-se:
a) A mdia da distribuio.
b) A mediana.
c) A moda (Czuber).
d) O septuagsimo quinto centil.
e) O terceiro decil.
f) A porcentagem de sacas entre a mediana e o seputagsimo
quinto centil.
5) A tabela abaixo apresenta a distribuio das exportaes de empresas
eletrnicas em 1972.

Fonte: Toledo (1985)

Pede-se:
a) A mdia.
b) A moda.

74

UNIDADE 02

c) A mediana.
d) Primeiro quartil.
e) Terceiro quartil.
f) Quinto decil.
g) Septuagsimo quinto centil.

As medidas de posio, objeto de estudo desta unidade, podemse apresentar de vrias formas, dependendo daquilo que se pretende
conhecer a respeito dos dados estatsticos. As mais importantes so
as medidas de tendncia central ou promdias, as quais so assim
denominadas, em virtude de a tendncia dos dados observados se
agruparem em torno desses valores centrais. A moda, a mdia aritmtica
e a mediana so as trs medidas de tendncia central ou promdios
mais utilizados para resumir o conjunto de valores representativos dos
fenmenos que se deseja estudar. Outros promdios menos usados
so a mdia geomtrica, harmnica, quadrtica, cbica e biquadrtica e
ainda as separatrizes, como os quartis, os centis.

Medidas de Posio

75

UNIDADE 3
Medidas de
disperso

Objetivos:



Diferenciar medidas de posio de modelo de disperso;


Identificar e calcular as medidas de disperso e interpretar os resultados;
Identificar e calcular a medida de disperso absoluta e relativa;
Fazer uma anlise completa de dados, atravs das medidas de disperso.

Medidas de disperso
Medidas de disperso absoluta
Amplitude total ou intervalo total
Smbolo: At
Exemplo 1:
Calcular a amplitude total dos seguintes conjuntos de nmeros:
A ={10,12, 13, 20, 25, 34, 45}
B = {17,18, 19, 20, 21, 22, 23}

saiba mais
Amplitude Total -
a diferena entre os
valores extremos do
conjunto.

Soluo:
Para o conjunto A, temos: At = 45 10 = 35
Para o conjunto B, temos At = 23 17 = 6
Se os dados vierem dispostos em uma tabela de frequncias, com
os valores agrupados em classes, que basta calcular a diferena entre o
limite superior da ltima classe e o limite inferior da primeira classe.
At = Limite superior da ltima classe limite inferior da primeira
classe.

Exemplo 2:
Calcular a amplitude total dos valores dispostos na tabela 3.1

Medidas de Disperso

79

Tabela 3.1

Fonte: Toledo (1985)

Soluo:
At = 70 10 = 60
Restries ao uso da amplitude total
Embora a amplitude total seja a mais simples das medidas de
disperso, h uma forte restrio ao uso em virtude de sua grande
instabilidade, uma vez que ela leva em conta apenas os valores extremos
da srie. Comparemos os conjuntos A e B do exemplo 1:
A mdia aritmtica de cada um desses conjuntos igual a 20.
Portanto, no que diz respeito a uma medida de posio, ambos os
conjuntos podem ser considerados idnticos. Ao calcular a amplitude total,
verificaremos que os valores do conjunto A apresentam maior disperso.
Todavia, no clculo da amplitude total no so levados em considerao
os valores da srie que se encontram entre os extremos, o que poderia
conduzir o analista a interpretaes equivocadas. Muitas vezes, um valor
particularmente anormal poder afetar de maneira acentuada a medida.
O conjunto A, por exemplo, apresenta o ltimo valor (45) sensivelmente
distante do penltimo (25), fato que talvez tenha provocado uma amplitude
80

UNIDADE 03

total de tal magnitude (35).

saiba mais
Desvio mdio*
igual mdia
aritmtica dos
valores absolutos
dos desvios tomados
em relao mdia
ou mediana.

Desvio Mdio
Smbolo: Dm
.
Desvio mdio* para dados brutos
Quando os valores no vierem dispostos em uma tabela de
frequncia, o desvio mdio ser calculado, de acordo com a definio,
atravs do emprego de uma das seguintes frmulas:
n
xi - x
i=1
(20)
Dm = _______________
n

Onde di =(xi - x ) = desvio em relao mdia aritmtica.


n
xi - Md
i=1
Dm = _____________
n

(21)

Onde di = xi Md = desvio em relao mediana.


Exemplo:
Calcular o desvio mdio do conjunto de nmeros
A = {10,12, 13, 20, 25, 34, 45}
Os dados necessrios para o clculo dos desvios so:
10+12+13+20+25+34+45 = ____
159 = 22,714
X A = _____________________
7

Md=20
Faremos uma tabela com cinco colunas, uma para xi, outra para
xi - x , para xi - x , outra para xi Md e a ltima para xi - x .

Medidas de Disperso

81

Tabela 3.2

Fonte: Toledo (1985)

Usando as frmulas (20) e (21), chegaremos a:


Pela M
7
xi 22,714
i=1
= 71,714
______ = 10,245
Dm = ________________
7
7
Dm = 10,245
Pela Mediana
7
xi - 20
i=1
69 = 9,857
= ___
Dm = _______________
7
7
Dm = 9,857
O desvio mdio, neste caso, menor quando tomado em relao
82

UNIDADE 03

mediana do que em relao mdia aritmtica.


Desvio mdio para dados tabulados
Se os valores vierem dispostos em uma tabela de frequncias,
agrupados ou no em classes, sero usadas as seguintes frmulas:
Clculo pela mdia
k
xi - x fi
i=1
Dm = _____________
n

(22)

Onde xi representa um valor individual ou um ponto mdio da


classe.
Clculo pela mediana

Dm

k
xi - Md
i=1
= ______________
n

(23)

Exemplo:
Calcular o desvio mdio dos valores representativos das alturas
dos alunos do Curso de Sistema de Informao da UAPI.
Tabela 3.3

Medidas de Disperso

83

Fonte: Juarez Martins (2009)

A mdia aritmtica foi calculada no exemplo da pag.?? (x = 161


cm) e a mediana (Md = 160,5) do captulo precedente. Teremos, ento:
Clculo pela mdia

6
xi - 161fi
i=1
184 = 4,6
= ____
Dm = _______________
40
40
Dm = 4,6
O clculo do desvio mdio pela mediana segue o mesmo raciocnio
usado para o clculo pela mdia.
Clculo pela Mediana
Usando a frmula (23), obtemos:
Dm = 4,5
Temos novamente neste exemplo o desvio mdio, calculado com
base na mediana, menor que o calculado com base na mdia aritmtica.
Observaes:
O desvio mdio resulta mais vantajoso que a medida de
disperso precedente pelo fato de, em seu clculo, levar em
considerao todos os valores da distribuio;

84

UNIDADE 03

O desvio mdio calculado, levando-se em considerao os


desvios em torno da mediana, mnimo, ou seja, menor do
que qualquer desvio mdio calculado com base em qualquer
outra medida de tendncia central.
Apesar de o desvio mdio expressar aceitavelmente a disperso
de uma amostra, no to frequentemente empregado como o desvio
padro, o qual ser descrito mais adiante, pois este se adapta melhor a
uma ampla gama de aplicaes. Alm disso, o desvio mdio despreza o
fato de alguns desvios serem negativos e outros positivos. Todavia, ser
preferido o uso do desvio mdio em lugar do desvio padro, quando esse
for indevidamente influenciado pelos desvios extremos.
Desvio padro
Smbolo: S
O desvio padro a medida de disperso mais usada, tendo
em comum com o desvio mdio o fato de ambos serem os desvios com
relao x . S que, no clculo do desvio padro, em lugar de serem
usados os valores absolutos das discrepncias ou desvios, calculam-se
os quadrados desses.
Desvio padro de dados brutos
Seja o seguinte conjunto de nmeros: X = {x1, x2, x3,... ,xn}. O
desvio padro ou a mdia quadrtica dos desvios ou afastamento em
relao mdia aritmtica desse conjunto ser definido por:

saiba mais
Desvio padro(s)
igual raiz
quadrada da
varincia.
S = s2

Onde di = (xi - x ).
Se desenvolvermos o numerador da expresso sob o radical,
chegaremos frmula desenvolvida do desvio padro:

Medidas de Disperso

85

Observao:
Quando o desvio padro representar uma descrio da amostra
e no da populao, caso mais frequente em Estatstica, o denominador
das expresses 24 e 25 ser igual a n 1, em vez de n. A razo desse
procedimento reside no fato de que, utilizando o divisor (n 1), obtmse uma estimativa melhor no parmetro de populao. Alm do mais,
apenas (n 1) das discrepncias (xi - x ) so independentes, uma vez
que essas (n 1) discrepncias determinam automaticamente a n-sima.
Para valores grandes de n (n > 30) no h grande diferena entre os
resultados proporcionados pela utilizao de qualquer dos dois divisores,
n ou n 1. Entretanto, daremos preferncia frmula que proporciona
uma estimativa mais justa do desvio padro da populao, ou seja:

Exemplo:
Calcular o desvio padro de cada um dos conjuntos de nmeros
do conjunto A = {10, 12, 13, 20, 25, 34, 45}.
Tabela 3.4

86

UNIDADE 03

Fonte: Toledo (1985)

Resolvendo pela frmula original, devemos ter:

Onde n = 7 e x = 22,714.

SA = 12,958
Utilizando a frmula desenvolvida:

SA = 12,958
Conforme se pode observar, as duas expresses para o clculo
do desvio padro so equivalentes.
Desvio padro de dados tabulados
Quando os valores vierem dispostos em uma tabela de frequncias,
o clculo do desvio padro far-se- atravs de uma das seguintes
Medidas de Disperso

87

frmulas:

Ou, pela frmula desenvolvida:

Onde di = xi - x = desvio em torno da mdia.


Xi = valor isolado da varivel, ou ponto mdio da classe, se os
valores vierem agrupados em classe.
Pelos mesmos motivos expostos anteriormente, ser dada
preferncia ao divisor n 1, em vez de n, no clculo do desvio padro
para dados tabulados.

Ou

Ou

88

UNIDADE 03

Exemplo:
Com os dados da tabela 2.2, calcular o desvio padro da
distribuio de frequncias da altura dos alunos em (cm):
Tabela 3.5

Fonte: Martins (2009).

A mdia aritmtica j foi calculada anteriormente:


6440
(xifi)
x =_____
= _____ = 161
n
40
Clculo do desvio padro pela frmula original (29)

Medidas de Disperso

89

S = 5,64 cm
O desvio padro da altura dos alunos de 5,64 cm. Recorde-se
que o desvio mdio, calculado anteriormente, resultou em Dm = 4,6 cm.
Pela frmula desenvolvida (30):

= 5,64
S = 5,64 cm
Interpretao do desvio padro
O desvio padro no tem uma interpretao fsica, como ocorre
com a mdia, mediana, a moda e os quartis. Contudo, possvel
interpret-lo de forma analtica. Consideremos por exemplo, que dois
estudantes tenham obtido os seguintes resultados em 5 provas de
Estatstica, realizadas ao longo do ano letivo:
Estudante A: 40 50 60 70 80
Estudante B: 20 40 60 80 100
Ambos os estudantes foram aprovados na disciplina, pois suas
mdias foram iguais a 60:
40+50+60+70+80 = ____
300 = 60
x A = _______________
5

90

UNIDADE 03

20+40+60+80+100 = ____
300 = 60
x B = _________________
5
5
Entretanto, a variao das notas em torno das respectivas mdias
difere do aluno A para o aluno B; este ltimo apresentando maior disperso
do que aquele. possvel perceber ainda que a diferena entre pares
sucessivos de notas do aluno B igual a duas vezes a do aluno A, que
a amplitude total das notas de B igual ao dobro da de A. Assim sendo,
podemos afirmar que o aluno B apresentou resultados com uma variao
mdia igual ao dobro da do aluno A. O desvio padro das notas permite
comprovar o que foi dito:

Ou seja,
SB = 2SA
Deste modo, o desvio padro realmente uma mdia satisfatria
de disperso, embora no se possa afirmar muita coisa quanto sua
magnitude.
Medidas de Disperso

91

Varincia

saiba mais
Varincia*
definida como
sendo o quociente
entre a soma dos
quadrados dos
desvios e o nmero
de elementos.

Simbolo: S2
Conforme se pode perceber pelo smbolo, a varincia* o quadrado
do desvio padro, ou se preferir, o desvio padro a raiz quadrada da
varincia. Dessa forma, pode-se dizer que a frmula da varincia igual
expresso do desvio padro, sem o sinal do radical. Adiantamos que
as definies que se seguem aparecem com a correo de Bessel, isto
, com o divisor n -1.
Varincia de dados brutos
Frmula original
n
(xi - x )2
i=1
S2 = __________________
n-1

(31)

Frmula desenvolvida

Ou

Exemplo:
Calcular a varincia dos seguintes conjuntos de nmeros:
A = {10, 12, 13, 20, 25, 34, 45}
92

UNIDADE 03

B = {17, 18, 19, 20, 21, 22, 23}


Anteriormente, j foi calculado o desvio padro de cada conjunto.
Os dados para a determinao de varincia foram extrados desse
exemplo.
Sabemos que
x A = 22,714
x B = 20
Ento,
(xi-22,714) = 167.905
S2A = ____________
(7-1)
(xi-20)
4,667
S2B = _________=
7-1
Varincia de dados tabulados
Frmula original
k
(xi - x ).fi
i=1
S2 = __________________
n-1

(34)

Frmula desenvolvida

Exemplo:
Calcular a varincia da altura dos 40 alunos com os dados da
tabela 5.5.

Medidas de Disperso

93

Usando a frmula (34) temos:


K
6
(xi 161).fi
(xi x ).fi
i=1
i=1
= _______________
=
S2 = _______________
n-1
40 -1
= 1240
_____ = 31,79487 = 31,795
39
S2= 31,795(cm)
Conforme pode ser observado, a varincia expressa unidade de
medida sempre ao quadrado, ao contrrio do desvio padro.
Medidas de disperso relativa
Para determinadas classes de problemas, as medidas de
variabilidade ou disperso relativa, em uma distribuio de frequncias,
proporcionam uma avaliao mais apropriada do grau de disperso da
varivel do que as de disperso absoluta. A disperso relativa permite
ainda comparar duas ou mais distribuies, mesmo que essas se refiram
a diferentes fenmenos e sejam expressas em unidades de medidas
distintas. As medidas de disperso resultam, em geral, de comparao
entre uma medida de disperso absoluta e um promdio, sendo seu
resultado expresso em termos percentuais.
Desvio quartil reduzido
Smbolo: Dqr
O desvio quartil uma medida de disperso relativa resultante do
quociente entre o desvio quartil reduzido e a mediana. Simbolicamente,

O
94

UNIDADE 03

Q3 Q1 x 100
Dq = _________
2Md

(37)

Coeficiente de variao
O coeficiente de variao ou coeficiente de variao relativa uma
porcentagem cujo clculo resulta da comparao entre o desvio padro
ou o desvio mdio e a mdia ou a mediana. Definiremos os seguintes
coeficientes de variao:
Coeficiente de Variao de Pearson
Smbolo: CVp
O coeficiente de variao de Pearson igual ao quociente entre o
desvio padro e a mdia aritmtica.

Exemplo:
Suponhamos que uma empresa fabricante de pneumticos
desenvolveu um novo produto, com um cordel que proporciona maior
resistncia s flexes repetidas e maior resistncia trao do que
o original. Tendo submetido esse componente prova, chegou-se
concluso de que a resistncia s flexes repetidas, testada em um
aparelho de dobrar cordis, foi em mdia de 139 minutos com desvio
padro de 15 minutos contra a mdia de 88 minutos e desvio padro
de 14 minutos do cordel comum. Comparando os valores dos desvios
padres, parece no haver diferena significativa quanto disperso
do tempo de resistncia flexo. Entretanto, deve-se ter presente que
o desvio padro para o novo cordel refere-se a uma maior resistncia
Medidas de Disperso

95

mdia s flexes repetidas; e neste aspecto que se baseia o conceito


de disperso relativa refletido pelo resultado do ndice CVp. Calculemos,
ento, o CVp para os dois casos.
Para o novo cordel:
15 = 0,108
CVp = ____
139

Ou 10,8%

Para o cordel antigo:


14 = 0,159
CVp = ___
88

Ou 15,9%

Comparando-se os resultados v-se que a variao relativa


muito menor para o novo cordel do que para o antigo.
Coeficiente de Variao de Thorndike
Smbolo: CVT
O coeficiente de Thorndike igual ao quociente entre o desvio
padro e a mediana.
S
CVT = ____
Md
Ou
S x 100
CVT = ____
Md
(39)
Exemplo:
Calcular o coeficiente de Thonrndike com os dados do exemplo
relativo altura dos 40 alunos do Curso de Sistema de Informao da
UAPI.
Os dados para resolver o problema j so conhecidos:

96

UNIDADE 03

S = 5,64
Md = 160,5
5,64 = 0,03514= 0,035
CVT = _____
160,5

ou 3,5%

O coeficiente de Pearson para o mesmo problema


____ = 0,03503= 0,035
ou 3,5%
CVT = 5,64
161

1. A tabela abaixo representa os salrios pagos a 100 operrios


da empresa GLT & Cia.

Fonte: Toledo (1985)

Determinar:
a) Desvio quartil.
b) Desvio mdio.
c) Desvio padro.
2. Dados os conjuntos A = {1000, 1001. 1002, 1003, 1004, 1005}
e B = {0, 1, 2, 3, 4, 5}, podemos afirmar que:
Medidas de Disperso

97

a) O desvio padro A igual a 1000 vezes o desvio padro de B.


b) O desvio padro de A igual ao desvio padro de B.
c) O desvio padro de A igual ao desvio padro de B multiplicado
pelo quadrado de 1000.
d) O desvio padro de A igual ao desvio padro de B dividido
por 1000.
A tabela abaixo representa a vida til de postes telefnicos de
madeira:

Fonte: Toledo (1985)

Pede-se:
a) O desvio padro.
b) A varincia;
c) O coeficiente de variao de Pearson.

98

UNIDADE 03

Nesta unidade, veremos a anlise completa dos dados, que


requer no apenas sua apresentao, atravs de grficos e tabelas ou
o clculo de promdios ou outras medidas de posio, pois caracterizar
um conjunto de valores apenas atravs de uma mdia, por exemplo,
descrev-lo inadequadamente, uma vez que os dados diferem entre si,
em maior ou menor grau.

Medidas de Disperso

99

UNIDADE 4

Fundamentos de anlise
combinatria, principais
conceitos probalsticos e seus
principais teoremas e variveis

Objetivos:
Resolver problemas de contagem, utilizando os princpios aditivo e multiplicativo
ou noes de permutaes, arranjes simples e combinaes simples;
Identificar os principais conceitos probabilsticos;
Calcular a probabilidade de um evento, aplicando o resultado.

102

UNIDADE 01

Fundamentos de anlise
combinatria, principais
conceitos probalsticos e seus
principais teoremas e variveis
Fundamentos de anlise combinatria
Principio multiplicativo
Vamos aprender agora a determinar o nmero de possibilidades
de ocorrncia de um evento, sem a necessidade de descrever todas as
possibilidades.
Exemplo 1:
Andr tem duas bermudas (preta e cinza) e quatro camisetas
(branca, verde, amarela e roxa). De quantas maneiras diferentes ele
poder se vestir usando uma bermuda e uma camiseta?
Soluo:
H duas possibilidades de escolher uma bermuda. Para cada uma
delas, quatro possibilidades de escolher uma camiseta. Logo, o nmero
total de maneiras diferentes de Andr se vestir 2. 4 = 8.
Se um acontecimento ocorrer por vrias etapas sucessivas e
independentes, de tal modo que:
P1 o nmero de possibilidades da 1 etapa
P2 o nmero de possibilidades da 2 etapa
.
.
.
Pk o nmero de possibilidades da k-sima etapa,
Fundamentos de Anlise Combinatria, Principais Conceitos Probabilsticos e seus Principais Teoremas e Variveis

103

Ento p1 . p2 . . . pk o nmero total de possibilidades de o


acontecimento ocorrer.
Exemplo 2:
Os nmeros dos telefones de uma cidade tm 8 algarismos.
Determinar a quantidade mxima de telefones a serem instalados,
sabendo que os nmeros no devem comear com zero.
Soluo:
Como o nmero do telefone tem 8 algarismos, ele apresenta a
seguinte forma:
P1 . p2 . p3 . p4 . p5 . p6 . p7 . p8 = 9.10.10.10.10.10.10.10=
= 9.107 = 90.000.000
Fatorial
Sendo n um nmero inteiro maior que 1, define-se fatorial de n
como o produto dos n nmeros naturais consecutivos de n a 1. Indica-se
n!.
n! = n(n 1). (n 2 )....3 . 2 . 1, sendo nN e n > 1.
8! = 8. 7. 6 . 5. 4 .3 . 2. 1 = 40320
Arranjos Simples
Denomina-se arranjo simples dos n elementos tomados p a p, com
(p n) so os agrupamentos ordenados diferentes que se podem formar
com p dos n elementos dados.
n!
An ,p = _____
(40)
(n-p)!
Exemplo:
Calcule o A10,4 .
10! = ___
10! = __________
10 .9 .8 .7! = 5040
A10,4 = ______
(10-4)!
6!
7!

104

UNIDADE 04

Exemplo 2:
Quantos nmeros de dois algarismos diferentes podemos escrever
com os algarismos 1, 2, 3, 4, 5, 6, 7, 8 e 9?
Soluo:
Procuramos agrupamentos de 2 elementos em que a ordem
importante, pois, por exemplo, 12 21. Temos 9 elementos para serem
arranjados 2 a 2. Assim, temos:
9! = ___
9! = _______
9 .8 .7! = 72
A9,2 = _____
(9-2)!

7!

7!

Portanto, existem 72 nmeros de 2 algarismos distintos que


podem ser escritos com os algarismos de 1 a 9.
Exemplo 3:
Quantos nmeros pares de quatro algarismos obtemos com os
algarismos 0, 1, 2, 3, 4, 5 e 6, sem repeti-los?
Soluo:
So sete algarismos disponveis para formar nmeros de quatro
algarismos, com a condio que sejam nmeros pares; portanto devem
terminar em 0, 2, 4 ou 6.
___ ___ ___ 0 A6,3
___ ___ ___ 2 A6,3
___ ___ ___ 4 A6,3
___ ___ ___ 6 A6,3
______
4 . A6,3
Quando os nmeros terminam em 2, 4 ou 6, eles no podem
comear por zero.

Fundamentos de Anlise Combinatria, Principais Conceitos Probabilsticos e seus Principais Teoremas e Variveis

105

0 ___ ___ 2 A5,2


0 ___ ___ 4 A5,2
0 ___ ___ 6 A5,2
______
3 . A5,2
Portanto, o total de nmeros : 4 . A6,3 3 . A5,2 =
= 4. 6 . 5 .4 3 . 5 . 4 =
= 480 60 = 420
Obtemos 420 nmeros
Permutao simples
Se tivermos n elementos distintos, ento o nmero de agrupamentos
ordenados que possam obter com todos esses elementos, chamamos de
permutaes simples, e indicamos por:
Pn = n . (n 1) . (n - 2) . ... . 3 . 2 . 1

(41)

Exemplo 1:
Quantos nmeros de 5 algarismos distintos podem ser formados,
usando os algarismos 1, 3, 5, 7 e 8?
Soluo:
Queremos formar nmeros (agrupamentos de 5 algarismos com
os 5 algarismos dados(1,3,5, 7, 8).
___ ___ ___ ___ ___ P5 = A5,5
P5 = 5 . 4 . 3 . 2 . 1 = 120
Podem ser formados 120 nmeros.
Exemplo 2:
Quantos anagramas h na palavra MITO?
Soluo:
Um anagrama qualquer ordenao (sequncia) das letras de uma
palavra. Como a palavra MITO tem 4 letras, vamos formar anagramas de
106

UNIDADE 04

4 letras com M, I, T e O. Assim, temos:


____ ____ ____ ____ P4 = 4! =
= 4.3.2.1 = 24
A palavra MITO tem 24 anagramas.
Combinaes simples
Combinaes simples de n elementos tomados p a p(pn) so os
subconjuntos com exatamente p elementos que se podem formar com os
n elementos dados. Indicamos por:

Exemplo 1:
Quantas comisses de 3 participantes podem ser formadas com
5 pessoas?
Soluo:
No exemplo, as comisses devem ter 3 participantes, isto ,
no usaremos todas as pessoas. Vamos chamar de A, B, C, D e E as 5
pessoas que podem ser indicadas para a comisso. Dessas escolhemos
3.
ABC
Invertendo-se a ordem, temos B A C
Como A, B e C so a mesma comisso de B, A, C, o problema
de combinao. Logo:
5!
5! = _______
5 .4 .3! = 10
= ___
C5,3 = ______
3!(5-3)!

3!2!

3! .2 .1

saiba mais
Para Classificar
um agrupamento
como arranjo
ou combinao,
procedemos da
seguinte forma:
1) Forma-se
o agrupamento
sugerido pelo
problema;
2) Em seguida,
muda-se a ordem de
seus elementos.
3) Se, com essa
mudana de
ordem, obtivermos
um agrupamento
diferente do
inicial, esses
agrupamentos sero
de arranjos,porm se
o agrupamento for
igual ao inicial, esses
agrupamentos sero
combinaes.

Podemos formar 10 comisses.


Exemplo 2:
Em uma classe tem 10 alunos e 5 alunas. Formam-se comisses
de 4 alunos e duas alunas. Determine o nmero de comisses em que
participa o aluno x e no participa a aluna y.
Fundamentos de Anlise Combinatria, Principais Conceitos Probabilsticos e seus Principais Teoremas e Variveis

107

Soluo:

SAIBA MAIS
Experimentos
aleatrios
so aqueles
que, mesmos
experimentos
repetidos
vrias vezes,
sob condies
semelhantes,
apresentam
resultados
imprevisveis.

A comisso deve ter 6 pessoas.


___ ___ ___ ___
4 alunos
Devemos escolher:
3 alunos entre
2 alunas entre

e ___ ___
e 2 alunas
os 9 restantes: C9,3
as 4 restantes: C4,2

A escolha dos alunos pode ser efetuada de C9,3 maneiras e


a escolha das alunas de C4,2 . Ento, pelo principio fundamental da
contagem, o nmero total de comisses dado por:
9! . ___
4! = 504
C9,3 . C4,2 = ___
3!6! 2!2!

Sero 504 comisses.


Probabilidade
Experimento aleatrio

SAIBA MAIS
Ao conjunto
desses resultados
possveis* damos
o nome de
espao amostral
ou conjunto
universo,
representado por
S.

Em quase tudo, em maior ou menor grau, vislumbramos o acaso.


Assim, da afirmao, provvel que meu time ganhe a partido de hoje,
pode resultar:
_Que, apesar do favoritismo, ele perca:
_Que, como pensamos, ele ganhe;
_Que empate.
Como vimos, o resultado final depende do acaso. Fenmenos
como esses so chamados fenmenos aleatrios ou experimentos
aleatrios.
Espao amostral
A cada experimento correspondem, em geral, vrios resultados
possveis. Assim, ao lanarmos uma moeda, h dois resultados possveis:
ocorrer cara(k) ou ocorrer coroa(c). J ao lanarmos um dado h seis
resultados possveis*: 1, 2, 3, 4, 5 ou 6.

108

UNIDADE 04

Os dois experimentos citados anteriormente tm os seguintes


espaos amostrais:
- Lanamento de uma moeda: S = {k, c}
- Lanamento de um dado: S = {1, 2, 3, 4, 5, 6}.
Do mesmo modo, como em dois lanamentos sucessivos de uma
moeda, podemos obter cara nos dois lanamentos, ou cara no primeiro e
coroa no segundo; ou coroa no primeiro e cara no segundo; ou coroa nos
dois lanamentos, o espao amostral :
S = {(kk), (kc), (ck), (cc)}.
Eventos
Sendo as operaes com conjuntos, podem-se formar novos
eventos.
Assim:
I) A B o evento que ocorre se A ocorre ou B ocorre ou ambos
ocorrem;
II) AB o evento que ocorre se A e B ocorrem;
III) A o evento que ocorre se A no ocorre.

SAIBA MAIS
Evento um
subconjunto de
S. Em particular,
S e (conjunto
vazio) so
eventos, S dito
o evento certo
e o evento
impossvel.

Exemplos:
1) Seja o experimento E: jogar trs moedas e observar os
resultados:
S = {(kkk), (kkc), (kck), (ckk), (ccc), (cck), (kcc), (ckc)}
Seja A o evento: ocorrer pelo menos 2 caras.
Ento, a = {(kkk), (kkc), (kck), (ckk)}
2) Seja o experimento E: Lanar um dado e observar o nmero de
cima.
Ento S = {1, 2, 3, 4, 5, 6}
Seja B o evento: ocorrer mltiplo de 2.
Ento, B = {2, 4, 6}

SAIBA MAIS
Dois eventos
A e B so
denominados
mutuamente
exclusivos,
se eles no
puderem ocorrer
simultaneamente,
isto , AB =

Sendo S espao amostral finito, com n elementos podem verificar


que 2n fornecem o nmero total de eventos extrados de S.

Fundamentos de Anlise Combinatria, Principais Conceitos Probabilsticos e seus Principais Teoremas e Variveis

109

Eventos Mutuamente Exclusivos


Exemplo:
Seja E: jogar um dado e observar o resultado.
S = {1, 2, 3, 4, 5, 6}
Sejam os eventos: A = ocorrer n par, e
B = ocorrer n mpar.
Ento: A = {2, 4, 6} e B = {1, 3, 5}, ento
AB = .
A e B so mutuamente exclusivos, pois a ocorrncia de um n par
e mpar no pode ser verificada como decorrncia da mesma experincia.
Definio de probabilidade
Chamamos de probabilidade de um evento A (A S) o nmero real
P(A), tal que:
n(A)
P(A) = ____
n(S)

(43)

Onde: n(A) o nmero de elementos de A;


n(S) o nmero de elementos de S.
Satisfazendo os seguintes axiomas:
I) 0 P(A) 1
II) P(S) = 1
III) Se A e B forem eventos mutuamente exclusivos,
(AB= ), ento P(AB) = P(A) + P(B).
Principais teoremas
1 Se um conjunto vazio, ento P() = 0
Demonstrao:
Seja A um evento qualquer.
A e so disjuntos, pois A =
P(A) = P(A) + P() por III.
110

UNIDADE 04

P(A) = P(A) + P() pois A = A


Portanto P() = 0.
2 Se A o complemento do evento A, ento
P(A ) = 1 P(A).

(44)

Demonstrao:
Pode-se escrever S = A A . (veja diagrama).

_
A

Ora, A A = (so mutuamente exclusivos)


P(AA ) = P(A) + P(A )
P(S) = P(A) + P(A )
1 = P(A) + P(A ) por II.
Logo: P(A ) = 1 P(A)
3 Se A B, ento P(A) P(B)
Demonstrao:
Pode-se escrever B = A ( A B)
Ora, A e (A B) so mutuamente exclusivos.
Logo, P(B) = P(A) + P(A B)
P(A B) = P(B) P(A)
P(B) P(A) 0 por I
Portanto, P(A) P(B).

Fundamentos de Anlise Combinatria, Principais Conceitos Probabilsticos e seus Principais Teoremas e Variveis

111

A B

4 Teorema da soma: Se A e B so dois eventos quaisquer, ento:


P(A B) = P(A) + P(B) P(A B)

(45)

Demonstrao:
a) A e B so mutuamente exclusivos P(AB) = 0 recai no axioma
III.
b) Para o caso em que AB .
Os eventos A e (AB) so mutuamente exclusivos. Logo, pelo
axioma III:
P[A(A B)] = P(AB) = P(A) + P(A B). Mas, B a unio dos
eventos mutuamente exclusivos (BA) e (BA ); logo P(B) = P(AB) +
P(A B).
Substituindo o valor de P(A B) = P(B) P(AB) na expresso
anterior resulta:
P(AB) = P(A) + P(B) P(AB)

(46)

Probabilidades Finitas dos Espaos Amostrais Finitos


Seja S um espao amostral finito S ={a1, a2, ..., an}. Considere-se
o evento formado por um resultado simples
A = {ai}.
A cada evento simples {ai} associa-se um nmero pi denominado
probabilidade de {ai} satisfazendo as seguintes condies:
a) pi 0 i =1, 2, ..., n
b) p1 + p2 + ... + pn = 1
112

UNIDADE 04

A probabilidade P(A) de cada evento composto (mais de um


elemento) ento definida pela soma das probabilidades dos pontos de
A.
Exemplo:
Trs cavalos, A< B e C, esto em uma corrida; A tem duas
vezes mais probabilidade de ganhar que B que tem duas vezes mais
probabilidade de ganhar que C. Quais so as probabilidades de vitria de
cada um, isto , P(A), P(B) e P(C)?
Resoluo:
Faa P(C) = p; como B tem duas vezes mais probabilidade de
ganharque C, logo P(B) = 2p e assim
P(A) = 2P(B)= 2. 2p = 4p. Como a soma das probabilidades 1,
ento:
p + 2p + 4p = 1 ou 7p = 1 ou p = 1/7 ; logo temos:
P(A) = 4p = 4/7 ; P(B) = 2p= 2/7 e P(C) = p = 1/7 .
Qual seria a probabilidade de B ou C ganhar?
P(A B) = P(A) + P(B), o axioma III com AB = .
Logo, P(BC) = P(B) + P(C) = 2/7 + 1/7 = 3/7 .
Espaos Amostrais Finitos Equiprovveis
Quando a mesma probabilidade se associa a cada ponto amostral,
o espao amostral chama-se equiprovvel ou uniforme. Em particular, se
S contm n pontos, ento, a probabilidade de cada ponto ser 1/n.
Por outro lado, se um evento A contm r pontos, ento:
P(A) = r . ( 1/n ) = r/n .
Este mtodo de avaliar P(A) frequentemente enunciado da
seguinte maneira:
n de vezes em que o evento A pode ocorrer
P(A)=_________________________________________
n de vezes em que o espao amostral S ocorre
n de casos favorveis
P(A) = ____________________
n total de casos

(47)

(48)

Fundamentos de Anlise Combinatria, Principais Conceitos Probabilsticos e seus Principais Teoremas e Variveis

113

Como se observa, o clculo de probabilidades de um evento


reduz-se a um problema de contagem (visto anteriormente).
Combinao de r elementos tomados (combinados) p a p (p r),
calcula-se por:

Onde:

r! = r (r 1) (r 2) . . . 1
p! = p (p 1) (p 2) . . . 1
Admite-se que o! = 1

Exemplo 1:
Quantas comisses de trs pessoas podem-se formar com um
grupo de 10 pessoas?
10 = _______
10!
10! = 10
.9 .8 .7! = 120
= ____
_________
C10,3 = ___
3
3!(10-3)!
3!7!
3.2.1.7!
Exemplo 2:
Em um lote de 12 peas, 4 so defeituosas; 2 peas so retiradas
aleatoriamente. Calcule:
a) A probabilidade de ambas serem defeituosas;
b) A probabilidade de ambas no serem defeituosas;
c) A probabilidade de ao menos uma pea ser defeituosa.
Soluo:
A = {ambas so defeituosas}
A pode ocorrer
S pode ocorrer
N.C.F. ___
6 = ___
1
Logo, P(A) = ______=
N.T.C. 66
11
B = {ambas no defeituosas}

114

UNIDADE 04

6 vezes
66 vezes

B pode ocorrer

()

S pode ocorrer

( ) = 66 vezes

= 28 vezes

28 = ___
14
Logo, P(B) = ___
66
33
C = {ao menos uma defeituosa}
C = o complemento de B,C = B
14 = ______
33-14 = ___
19
Logo, p(C) = 1 P(B) = 1 - ___
33
33
33
Probabilidade condicional
Dados dois eventos, A e B, denota-se P(A/B) a probabilidade
condicionada do evento A, quando B tiver ocorrido, por:
P(AB)
P(A) = _______
P(B)

(50)

Com P(B) 0, pois B j ocorreu.


Pode-se constatar que P(A/B), assim definida, satisfaz os axiomas
da probabilidade j mencionados.
Para aplicaes, convm usar uma frmula mais prtica para o
clculo da probabilidade condicional, assim:
P(AB) = _______
n(AB)
P(A/B) = _______
P(B)
n(AB)
P(A/B) = _______
n(B)

n(B)

(51)

Exemplo:
Dois dados so lanados. Consideremos os eventos:
A = {(x1,x2) / x1 + x2 = 10} e B = {(x1,x2 / x1 > x2}
Onde x1D1 e x2 D2. Calcular P(A), P(B); P(A/B) e P(B/A).

Fundamentos de Anlise Combinatria, Principais Conceitos Probabilsticos e seus Principais Teoremas e Variveis

115

Soluo:
S = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2),..., (6,6)}
Evento A = {(4,6), (5,5), (6,4)}
n(A) = ___
3 = ___.
1
Logo, P(A) = _____
n(S)

36

12

Evento B= {(2,1), (3,1), (3,2), (4,1), (4,2), (4,3), (5,1), (5,2) (5,3),
(5,4), (6,1), (6,2), (6,3), (6,4), (6,5)}
n(B) = ___
15 = ___
5
Logo, P(B) = _____
n(S)

36

12

n(AB) = ___
1
(AB) = {(5,5)}. Logo P(A/B) = _______
n(B)
15
n(BA) = ___
1
P(B/A) = _______
n(A)
3
Teorema do produto
A probabilidade da ocorrncia simultnea de dois eventos, A e B,
do mesmo espao amostral, igual ao produto da probabilidade de um
deles pela probabilidade condicional do outro, dado o primeiro.

Assim:
P(A/B) = (P(AB))/(P(B))

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

P(BA) = P(A).P(B/A)

P(AB)=P(B).P(A/B)

(52)
(53)

Exemplo:
Em um lote de 12 peas, 4 so defeituosas, 2 peas so retiradas
uma aps a outra sem reposio. Qual a probabilidade de que ambas
sejam boas?
Soluo:
A = {a primeira pea boa}
B = {a segunda pea boa}
116

UNIDADE 04

8 . ___
7 = ___
56 = ___
14
P(AB) = P(A). P(B/A) = ___
12
11
132
33
Independncia estatstica
Um evento A considerado independente de outro evento B se a
probabilidade de A igual probabilidade condicional de A dada B, isto
, se:
P(A) = P(A/B)
(54)
evidente que, se A independente de B, B independente de
A; assim:
P(B) = P(B/A)

(55)

Considerando o teorema do produto, pode-se afirmar que: se A e


B so independentes, ento:
P(AB) = P(A). P(B)

(56)

Teorema de Bayes
Seja A1, A2,... , Na, n eventos mutuamente exclusivos tais que
A1A2...An = S. Sejam P(Ai) as probabilidades conhecidas dos vrios
eventos, e b um evento qualquer de S tal que so conhecidas todas as
probabilidades condicionais P(B/Ai).
Ento, para cada i, tem-se:
P(Ai). P(B/Ai)
P(Ai/B) = _______________________________________
P(A1)P(B/A1)+P(A2)P(B/A2)+...+P(Na)P(B/An)

57

O resultado acima muito importante, pois relaciona probabilidades


a priori P(Ai) com probabilidades a posteriori P(Ai/B), probabilidade de Ai
depois que ocorrer B.

Exemplo:
Fundamentos de Anlise Combinatria, Principais Conceitos Probabilsticos e seus Principais Teoremas e Variveis

117

Admita a seguinte configurao:


Escolheu-se uma urna ao acaso, e dela extraiu-se uma bola ao

acaso, verificando-se que a bola branca. Qual a probabilidade de a bola


ter vindo da urna 2? E da urna 3?
Soluo:
1 ;P(U2) = __
1 e P(U3) = __
1
P(U1) = __
3
3
3
1 P(br/U2) = __
3 = __
1 e P(br/U3) = __
3
P(br/U1) = __;
9
9
3
8
Apicando o Teorema de Bayes, temos:
P(U2) P(br/U2)
P(U2/br) = ________________________________
P(U1)P(br/U1)+P(U2)P(br/U2)+P(U3)P(br/U3)
Ou seja, probabilidade a priori de U2 era 1/3. Dada a informaao

que saiu uma bola branca, a probabilidade a posteriori de U2 ser 24/59.


P(U3). P(br/U3)
P(U3/br) = _________________________________

P(U1)P(br/U1)+P(U2)P(br/U2)+P(U3)P(br/U3)
Como P(U1/br)+P(U2/br)+P(U3/br) = 1

118

UNIDADE 04

Tem-se que: P(U1/br)= 1 (24/59 + 27/59 ) = 8/59.


Variveis aleatrias
Definio*

Exemplo:
Seja E: lanamento de duas moedas;
X: n de caras obtidas nas duas moedas;
S = {k,k), (k,c), (c,k), (c,c)}
X = 0 corresponde ao evento (c, c) com probabilidade 1/4;
X = 1 corresponde ao evento (k, c), (c, k) com probabilidade 2/4
X = 2 corresponde ao evento (k, k) com probabilidade 1/4
Observaes importantes:
Observe que uma funo cujo domnio S e contradomnio R;
Nas aplicaes, conveniente trabalhar com nmeros e no com
eventos; da o uso da varivel aleatria;
Se S numrico, ento X(s) = s;
Uma varivel aleatria X ser discreta se o nmero de valores
possveis de X (contradomnio) for finito ou infinito enumervel. Caso seu
contradomnio seja um intervalo ou uma coleo de intervalos, ela ser
uma varivel contnua.
Funo de probabilidades

Tabela 4.1

0
1/4

1
1/2

Varivel aleatria a
funo que associa
a todo evento,
pertencente a uma
partio do espao
amostral, um nico
nmero real.
Indicaremos por:
X: x1 x2, ... , xn.

saiba mais

Ao conjunto {(xi, p(xi)), i = 1, ..., n} damos o nome de distribuio


de probabilidades da varivel aleatria X como no quadro resumo abaixo:

x
P(x)

saiba mais

2
1/4

Fonte: Fonseca, 2006.

importante verificar que para haver uma distribuio de

Funo de
probabilidades
a funo que
associa a cada
valor assumido pela
varivel aleatria,
a probabilidade
do evento
correspondente,
isto ,
P(X=xi) = P(Ai),
i=1,2,...,n.

probabilidades de uma varivel aleatria X necessrio que:

Fundamentos de Anlise Combinatria, Principais Conceitos Probabilsticos e seus Principais Teoremas e Variveis

119

Exemplos:
X V. A. pontos de um dado
Y = X + X V. A. soma dos pontos de dois lanamentos
Z = Max {(x1, x2)} pontos de dois dados.
Determinar a distribuio de probabilidade de X, Y e Z.
Soluo:
- A distribuio de probabilidade de X dada por uma tabela ser:

x
P(x)

1
1/6

2
1/6

3
1/6

4
1/6

5
1/6

6
1/6

Fonte: Fonseca, 2006.

- Para se obter a distribuio de probabilidade de Y convm


construir o espao amostral para Y:
S = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1),..., (6,6)} n(S) =
36
1
Para y = 2, temos P{(1,1)} = ___
36
2
Para y = 3, temos P{(1,2), (2,1)} = ___
36
.
.
.
Para y = 8, temos
P{(2,6), (3,5), (4,4), (5,3), (6,2)} = 5/36
Para y = 9, temos P(y=9) = 4/36 e assim por diante at chegar em
Para y = 12, teremos P(y=12) = 2/36, logo a distribuio de
probabilidade de y ser:

120

UNIDADE 04

10

11

12

P(y)

1/36

2/36

3/36

4/36

5/36

6/36

5/36

4/36

3/36

2/36

1/36

Fonte: Fonseca, 2006.

- Enquanto a distribuio de Z poder ser expressa pela tabela


obtida da seguinte maneira:
Para z=1, temos P{(1,1)} = 1/36
Para z=2, temos P{(1,2), (2,1), (2,2)} = 3/36
Para z=3, temos P{(1,3), (2,3), (3,1), (3,2), (3,3)} = 5/36
Para z=4, temos P{(1,4), (2,4), (3,4), (4,1), (4,2), (4,3), (4,4)} =
7/36
Para z=5, temos P{z=5} = 9/36
Para z=6, temos P{z=6} = 11/36
Logo, a tabela de z ser:

Fonte: Fonseca, 2006.

1. Usando-se 5 dos algarismos 1, 2, 3, 4, 5, 6 e 7, sem repeti-los, quantos


nmeros pares podemos formar?
2. Resolva a equao (n 4)! = 120.
3. Quantos nmeros de trs algarismos, sem repetio, podemos formar
com os algarismos 1, 2, 3, 4, 5, 6, 7, 8, e 9, incluindo sempre o algarismo
4?

Fundamentos de Anlise Combinatria, Principais Conceitos Probabilsticos e seus Principais Teoremas e Variveis

121

4. Quantos nmeros de 4 algarismos distintos podemos formar com os


algarismos 0, 1, 2, 3, 4, 5, 6, 7, 8 e 9?
5. Quantos anagramas da palavra EDITORA:
a) Comeam com A?
b) Comeam com A e terminam com E?
6. Em relao palavra ESCOLA:
a) Quantos anagramas podem ser formados?
b) Quantos anagramas no possuem duas consoantes ou duas vogais
juntas?
c) Quantos anagramas possuem as 3 vogais sempre juntas?
7. Com 10 espcies de frutas, quantos tipos de saladas, contendo 6
espcies diferentes, podem ser feitas?
8. Em uma sala temos 5 rapazes e 6 moas. Quantos grupos de 2 rapazes
e 3 moas podemos formar?
9. Se P(A) = ; P(B) = e A e B mutuamente exclusivos, calcular:
a) P(A )
b) P(B )
c) P(AB)
d) P(AB)
10. Um nmero escolhido aleatoriamente dentre os nmeros 1, 2, 3, ...,
50. Qual a probabilidade de:
a) O nmero ser divisvel por 5.
b) Terminar em 3.
c) Ser primo.
d) Ser divisvel por 6 ou 8.
11. Um lote formado por 10 peas boas, 4 com defeitos e 2 com defeitos
graves. Uma pea escolhida ao acaso. Calcule a probabilidade de que:
a) Ela no tenha defeitos graves.
b) Ela no tenha defeitos.
c) Ela no tenha defeitos ou tenha defeitos graves.
12. Uma urna contm 5 bolas brancas e 6 pretas. Trs bolas so retiradas.
Calcular a probabilidade de:
a) Todas pretas.
b) Exatamente uma branca.
122

UNIDADE 04

c) Ao menos uma preta.


13. Dado P(A) = ; P(B) = ; P(AB) = calcular:
a) P(AB)
b) P(A/B)
c) P(B/A)
d) P[(AB)/B]
14. Consideremos 250 alunos que cursam o primeiro perodo do Curso
de Sistema de Informaes da UAPI. Destes alunos, 100 so homens
(H) e 150 mulheres (M), 110 cursam Fsica (F) e 140 fazem o curso de

Qumica (Q). A distribuio dos alunos a seguinte:


Um aluno sorteado ao acaso. Qual a probabilidade de que esteja
cursando Qumica, dado que mulher?
15. A e B jogam 120 partidas de xadrez, das quais A ganha 60, B ganha
40 e 20 terminam empatadas. A e B concordam em jogar 3 partidas.
Determinar a probabilidade de:
a) A ganhar todas as trs;
b) A e B ganharem alternadamente.
16. Lanam-se trs moedas. Seja X: n de ocorrncias da face cara.
Determinar Distribuio de probabilidade de X.
17. Uma urna tem 4 bolas brancas e 3 pretas. Retiram-se 3 bolas sem
reposio. Seja X: n de bolas brancas. Determinar a distribuio de
Probabilidade de X.

Fundamentos de Anlise Combinatria, Principais Conceitos Probabilsticos e seus Principais Teoremas e Variveis

123

As primeiras atividades matemticas da humanidade estavam ligadas


contagem de objetos de um conjunto, enumerando seus elementos. A
anlise combinatria a rea de Matemtica que trata dos problemas
de contagem. Vamos estudar algumas tcnicas para a descrio e a
contagem de todos os casos possveis de um acontecimento. Todas
as vezes que se estudam fenmenos de observao, cumpre-se
distinguir o prprio fenmeno e o modelo matemtico (determinstico
ou probabilstico) que melhor o explique. Os fenmenos estudados
pela Estatstica so fenmenos cujo resultado, mesmo em condies
normais de experimentao, varia de uma observao para outra,
dificultando, dessa maneira, a previso de um resultado futuro. Para a
explicao desses fenmenos fenmenos aleatrios adota-se um
modelo matemtico probabilstico. Nesta unidade abordaremos sobre
varivel aleatria discreta, funo de probabilidade e distribuio de
probabilidades.

RESPOSTAS DOS EXERCCIOS


1 Lista de Exerccios UNIDADE I
1. C
2. B
3. C
4. C
5. A
6. C
7. B
8. A
9.10.

124

UNIDADE 04

a) 30
b) 5
c) 3; 6; 6; 13; 9; 3
d) 150,5; 155,5; 160,5; 165,5; 170,5; 175,5.
11.
a) Fi : 40; 70; 80; 95; 100.
b) 40
c) 80
d) 0,15 ou 15%
Fi : 100; 60; 30; 20; 5
e) 0,70 ou 70%
12.
a) i = 5 e At = 19
b)

c) Fi : 7; 10; 14; 15; 20 Fi: 20; 13; 10; 6;5


d) falta
e) falta
13.
a) 24
b) 90
c) 3,00
d) 2,95
e) 0,05
f) 0,5
g) 2,875
h) i = 10
i) 26
j) 3,33%

2 Lista de Exerccios UNIDADE II



1.
a) 3,30
b) 1,60
c) 2,67
2. Q1 = 0,625 e Q3 = 4,5
3.
a) 1,705m
b) 1,725m
c) 1,725m
d) 1,713m
4.
a) 16,475
b) 16, 494
c) 16,650
d) 17,00
e)
f) 25%

5.
a) 75000
b) 75000
c) 67500
d) 82500
e) 75000
f) 82500
3 Lista de Exerccios UNIDADE III
1.
a) 1,88
b) 2,02
c) 2,48
2. b
3.
a) 3,767
b) 14,190289

c) 0,353 ou 35,3%
4 Lista de Exerccios UNIDADE IV
1. 1080
2. n = 9
3. 168
4. 4536
5.
a) 720
b) 120
6.
a) 720
b) 72
c) 144
7. 210
8. 200
9.
a) 1/2
b) 3/4
c) 3/4
d) 0
10.
a) 1/5
b) 1/10
c) 3/10
d) 0,24
11.
a) 7/8
b) 5/8
c) 3/4
12.
a) 4/33
b) 5/11
c) 31/33
13.
a) 7/12
b) 3/4
c) 1/2

d) 1
14. 80/150
15.
a) 1/8
b) 5/36
16.

17.

COSTA NETO, Pedro de Oliveira. Estatstica. 2. ed. So Paulo: Blucher,


2002.
CRESPO, Antonio Arnout. Estatstica fcil. 17. ed. So Paulo: Saraiva,
2002.
FONSECA, Jairo Simon da. Curso de Estatstica. 10. ed. Reimp. Martins,
Gilberto de Andrade. So Paulo: Atlas, 2006.
LAPPONI, Juan Carlos. Estatstica usando Excel. 4. ed. Reimpresso.
Rio de Janeiro: Elsevier, 2005.
MEYER, Paul L. Probabilidade: aplicaes Estatstica. 2. ed. Rio de
Janeiro: LTC, 2000.

MORETIN, Pedro Alberto. Estatstica bsica. 5. ed. So Paulo: Saraiva,


2006.
SPIEGEL, M. R. Probabilidade e Estatstica. 1. ed. So Paulo: McGrawHill, 2001.
TOLEDO, Geraldo Luciano. Estatstica bsica. 2. ed. So Paulo: Atlas,
1985.

Juarez Rodrigues Martins


Especialista em Matemtica (2001) e em Estatstica (2008) pela Universidade
Federal do Piau. Graduou-se em Biologia pela Universidade Estadual do Piau
(1992) e em Matemtica pela Universidade Federal do Piau
(1995). Foi professor substituto na Universidade Federal
do Piau, durante quatro anos, nos perodos de maro de
2003 a maro de 2005, e abril de 2007 a abril de 2009.
Foi professor do Ensino Mdio da rede pblica estadual
do Piau e foi professor da rede particular de ensino de
Teresina. Atualmente professor efetivo permanente, com
dedicao exclusiva, da Universidade Federal do Piau.
lotado no CABJ. Tem experincia na rea de matemtica,
com nfase em matemtica, atuando principalmente nos
seguintes temas: estatstica, probabilidade e matemtica.
Email: martins-juarez@bol.com.br.
Web site: http://www.famat.ufu.br/prof/marcelo/exercicios.htm