Probabilidade e Estatística 2014 02

Probabilidade e Estatstica - Daniela Muller de Quevedo
Universidade Feevale
Instituto de Cincias Exatas e Tecnolgicas - ICET
Apostila para a Disciplina de

Probabilidade e Estatstica
Bacharelado em Engenharia Eletrnica, Industrial,

Produo e Agroindustrial.
Profa Dra Daniela Mller de Quevedo
Novo Hamburgo 2014
Disciplina: Probabilidade e Estatstica

Professora: Daniela Muller de Quevedo
e-mail: danielamq@feevale.br
Cronograma da disciplina:
ETAPA I: -
Conceitos Bsicos
Tabelas e Grficos
Distribuio de Freqncias.
Medidas de Tendncia Central.
Medidas de Disperso.
Avaliao I:
Data: 01/09 - Laboratrio de Informtica (2,0) Sala:________.
Data: 08/09 - Reviso
Data: 15/09 Prova (8,0)
ETAPA II: - Introduo a Probabilidade.
- Teoremas da Probabilidade.
- Distribuio discreta de probabilidade. Distribuio Binomial.
- Distribuio contnua de probabilidade. Distribuio Normal.
Avaliao II:
Data: 03/11 - Reviso
Data: 10/11 Prova (8,0) + Exerccios (2,0)
ETAPA III:
Correlao e Regresso.
Avaliao III:
Esta atividade ser realizada em laboratrio de Informtica e consta de organizao de dados e
aplicao do contedo trabalhado em sala de aula, na qual ser gerado um relatrio onde deve constar
desenvolvimento dos clculos e anlise dos resultados.
Data: 24/11 - Laboratrio de Informtica (10,0) Sala:________.
AVALIAO COMPLEMENTAR: (Mdia inferior a sete)
- Atividade: Prova
- Todo o contedo do semestre
Data: 08/12
Observaes:
2
1. A mdia final ser a mdia aritmtica simples das Avaliaes I, II e III. Alunos com mdia
inferior a sete devem fazer a Avaliao Complementar.
2. Avaliaes perdidas devem ser feitas em um prazo mximo de duas semanas. Entrar em contato
com o professor por e-mail ou pelo telefone 3586-8800 RAM 8936.
3. O aluno tem direito a um mximo de 15 faltas (5 dias) extrapolando este limite o aluno estar
reprovado por freqncia, independente das notas obtidas no semestre.
4. No decorrer do semestre podero ser realizadas atividades em sala que sero avaliadas pelo
professor e com isto haver alteraes nos pesos das atividades mencionadas acima.
SUMRIO
CAPTULO I ........................................................................................................................................................... 6
1
INTRODUO ESTATSTICA .............................................................................................................. 6
1.1
HISTRICO......................................................................................................................................... 6
1.2
DEFINIO ........................................................................................................................................ 7
1.3
APLICAES ..................................................................................................................................... 7
1.4
CONCEITOS BSICOS ...................................................................................................................... 8
1.5
VARIVEIS ESTATSTICAS ............................................................................................................ 8
1.6
DIVISO DA ESTATSTICA........................................................................................................... 10
CAPTULO II ........................................................................................................................................................ 11
2
TABELAS ............................................................................................................................................... 11
2.1
COMPONENTES BSICOS ............................................................................................................. 11
2.2
FORMATAO ................................................................................................................................ 11
2.3
SRIES ESTATSTICAS .................................................................................................................. 12
EXERCCIOS COMPLEMENTARES I ........................................................................................................... 15
CAPTULO III ....................................................................................................................................................... 16
3
DISTRIBUIO DE FREQUNCIAS .................................................................................................... 16
3.1
DISTRIBUIO DE FREQUNCIAS PARA VARIVEIS QUALITATIVAS ............................. 16
3.2
DISTRIBUIO DE FREQUNCIAS PARA VARIVEIS QUANTITATIVAS .......................... 17
CAPTULO IV ....................................................................................................................................................... 24
4
REPRESENTAO GRFICA .............................................................................................................. 24
4.1
PRINCPIOS BSICOS NA CONSTRUO DE GRFICOS ....................................................... 24
4.2
ELEMENTOS .................................................................................................................................... 24
4.2
TIPOS DE GRFICOS ...................................................................................................................... 24
EXERCCIOS COMPLEMENTARES II ......................................................................................................... 30
CAPTULO V ........................................................................................................................................................ 32
5
MEDIDAS DE TENDNCIA CENTRAL ................................................................................................ 32
5.1
MDIA ARITMTICA SIMPLES .................................................................................................... 32
5.2
MDIA ARITMTICA PONDERADA ............................................................................................ 32
5.3
MDIA ARITMTICA PARA DISTRIBUIES DE FREQNCIAS ........................................ 33
5.4
MEDIANA ......................................................................................................................................... 35
5.5
MDIANA PARA DISTRIBUIES DE FREQNCIAS ............................................................ 36
5.6
MODA................................................................................................................................................ 37
CAPTULO VI ....................................................................................................................................................... 40
6
MEDIDAS DE DISPERSO ................................................................................................................... 40
6.1
DESVIO PADRO ............................................................................................................................ 40
6.2
VARINCIA ..................................................................................................................................... 42
6.3
COEFICIENTE DE VARIAO ...................................................................................................... 42
EXERCCIOS COMPLEMENTARES III ........................................................................................................ 43
CAPTULO VII ...................................................................................................................................................... 46
7
PROBABILIDADE .................................................................................................................................. 46
7.1 DEFINIO DE ESPAO AMOSTRAL (S) ........................................................................................ 46
7.2 DEFINIO DE EVENTO .................................................................................................................... 46
7.3 DEFINIO DE PROBABILIDADE .................................................................................................... 48
7.4 TEOREMAS ........................................................................................................................................... 49
7.5 VARIVEIS ALEATRIAS.................................................................................................................. 53
7.6 DISTRIBUIO DISCRETA DE PROBABILIDADE ......................................................................... 53
7.7 VALOR ESPERADO (ESPERANA) ................................................................................................... 54
EXERCCIOS COMPLEMENTARES IV ........................................................................................................ 56
CAPTULO VIII .................................................................................................................................................... 58
8
DISTRIBUIO BINOMIAL .................................................................................................................. 58
8.1 MDIA E VARINCIA ......................................................................................................................... 59
CAPTULO IX ....................................................................................................................................................... 60
4

DISTRIBUIO CONTNUA DE PROBABILIDADE ........................................................................... 60
9.1 DISTRIBUIO NORMAL ................................................................................................................... 60
EXERCCIOS COMPLEMENTARES V ......................................................................................................... 65
CAPTULO X ........................................................................................................................................................ 67
10
CORRELAO E REGRESSO ............................................................................................................. 67
10.1
INTRODUO ............................................................................................................................. 67
10.2
CORRELAO ............................................................................................................................ 67
10.3
REGRESSO ................................................................................................................................ 72
EXERCCIOS COMPLEMENTARES VI ........................................................................................................ 78
BIBLIOGRAFIA ............................................................................................................................................... 82
CAPTULO I
1
INTRODUO ESTATSTICA
1.1
HISTRICO
Todas as cincias tm suas razes na histria do homem. A Matemtica, que considerada a
cincia que une clareza do raciocnio a sntese da linguagem, originou-se do convvio social, das
trocas, da contagem, com carcter prtico, utilitrio, emprico.
A Estatstica teve origem semelhante. Desde a Antiguidade, vrios povos j registravam o
nmero de habitantes, de nascimentos, de bitos, faziam estimativas das riquezas individuais e sociais,
distribuam eqitativamente terras ao povo, cobravam impostos e realizavam inquritos quantitativos
por processos que, hoje, chamaramos de estatsticas.
Na Idade Mdia colhiam-se informaes, geralmente com finalidades tributrias ou blicas. A
partir do sculo XVI comearam a surgir as primeiras anlises sistemticas de fatos sociais, como
batizados, casamentos, funerais, originando as primeiras tbuas e tabelas e os primeiros nmeros
relativos.
No sculo XVIII o estudo de tais fatos foi adquirindo, aos poucos, feio verdadeiramente
cientfica. Godofredo Achenwall batizou a nova cincia (ou mtodo) com o nome de Estatstica,
determinando o seu objetivo e suas relaes com as cincias.
As tabelas tornaram-se mais completas, surgiram as representaes grficas e o clculo das
probabilidades, e a Estatstica deixou de ser simples catalogao de dados numricos coletivos para se
tornar o estudo de como chegar a concluses sobre o todo (populao) , partindo da observao de
partes desse todo (amostras).
Atualmente, o pblico leigo (leitor de jornais e revistas) posiciona-se em dois extremos
divergentes e igualmente errneos, quanto validade das concluses estatsticas: ou cr em sua
infalibilidade ou afirma que elas nada provam. Os que assim pensam ignoram os objetivos, o campo e
o rigor do mtodo estatstico; ignoram a Estatstica, quer terica como prtica, ou a conhecem muito
superficialmente.
Na era da energia nuclear, os estudos estatsticos tm avanado rapidamente e, com seus
processos e tcnicas, tm contribudo para a organizao dos negcios e recursos do mundo moderno.
1.2
DEFINIO
Inmeras so as definies com que os autores conceituam a Estatstica, tendo em vista seus
processos, objetivos e aplicaes. So aqui destacadas, entre tantas, as que melhor esclarecem sua
finalidade, seu mbito e sua significao:
Conjunto dos processos que tm por objeto a observao, a classificao formal e a anlise dos
fenmenos coletivos ou de massa e, por fim, a induo das leis a que tais fenmenos obedecem
globalmente. (Milton da Silva Rodrigues.)
Apresentao numrica, tabular ou grfica dos resultados da observao dos fenmenos de
massa.
A Estatstica parte da Matemtica Aplicada que se ocupa em obter concluses a partir de dados
observados. (Ruy Aguiar da Silva Leme.)
A Estatstica o estudo numrico dos fatos sociais. (Levasseur.)
A Estatstica no seno a Histria em repouso; a Histria no seno a Estatstica em
movimento. (Schlzer.)
A Estatstica coleta, apresentao, anlise e interpretao de dados numricos. (Croxton e
Cowden.)
Algumas frases clebres tm sido arquivadas pelos estatsticos, entre as quais:
Estatstica o oramento das coisas, e sem oramento no h salvao. (Napoleo.)
1.3
APLICAES
A aplicao prtica da Estatstica s mais diversa reas do conhecimento humano comprova sua
utilidade, destacadamente nos ramos onde a experimentao de fundamental importncia como,

por exemplo:
Pode ser empregada em uma empresa para seu controle, relativos ao crescimento e volume
de empreendimento.
Permite um estudo sobre o nmero de pedidos de determinada mercadoria na empresa
durante vrias semanas, que apresenta flutuaes devidas a fatores de difcil controle.
Auxilia a evitar dificuldades financeiras ocasionadas pelos desnveis de venda,
recebimentos e de pagamentos.
Da estatstica se deduzem regras e projetos para controlar os diversos aspectos dos
empreendimentos de uma empresa, assegurando-lhe uma direo e administrao segura e
eficiente.
1.4
CONCEITOS BSICOS
Populao o conjunto de elementos (pessoas, coisas, objetos) que tem em comum uma
caracterstica em estudo.
Exemplos:
1) Populao: moradores de uma determinada cidade. Varivel: renda mensal.
2) Populao: candidatos a um exame de vestibular. Varivel: sexo.
3) Populao: aparelhos produzidos em uma linha de montagem. Varivel: nmero de
defeitos por unidade.
4) Populao: peas produzidas por uma mquina. Varivel: dimetro externo.
Amostra qualquer subconjunto finito (ou parte) de uma populao. Duas consideraes
devem ser feitas sobre o estudo amostral dos fenmenos:
a) Deve-se tomar cuidado para que a amostra seja representativa de toda a populao;
b) Preciso dos dados coletados, buscando minimizar os erros.
Parmetro uma caracterstica numrica estabelecida para toda uma populao.
Estimador uma caracterstica numrica estabelecida para uma amostra.

Exemplos:
1.5
VARIVEIS ESTATSTICAS
A cada fenmeno corresponde um nmero de resultados possveis. Assim, por exemplo:
para o fenmeno nmero de estudantes das escolas pblicas do RS h um nmero de

resultados possveis expresso atravs dos nmeros naturais:
para o fenmeno estatura dos estudantes das escolas pblicas do RS temos uma situao
diferente, pois os resultados podem tomar um nmero infinito de valores numricos dentro de
um determinado intervalo.
para o fenmeno cor dos olhos, os resultados possveis so:
Portanto, varivel , convencionalmente, o conjunto de resultados possveis de um fenmeno.
Os exemplos que acabamos de ver nos dizem que, conforme suas caractersticas particulares, as
variveis, podem ser classificadas da seguinte forma:
1.5.1
Quantitativas: so aquelas que podem ser expressas em termos numricos. Em geral, so

resultantes de medies, enumeraes ou contagens. So subdivididas em contnuas e
discretas, conforme abaixo.
a). Contnuas: so aquelas que podem assumir qualquer valor num certo intervalo de medida,
podendo ser associadas ao conjunto dos nmeros reais.
Exemplos: medidas de tempo, comprimento, espessura, rea, volume, peso e velocidade.
b) Discretas: so aquelas que s podem assumir determinados valores num certo intervalo. Em
geral, representam inteiros resultantes do processo de contagem.
Exemplos: nmero de alunos por sala, de carros num engarrafamento ou de acidentes por ano
num determinado cruzamento.
1.5.2
Qualitativas: quando os elementos da populao no so exclusivamente contveis. Muitas

vezes eles podem ser classificados tambm segundo algumas de suas caractersticas tpicas.
Nesses casos, as variveis podem ser agrupadas em nominais ou por postos.
a). Nominais: quando puderem ser reunidas em categorias ou espcies com idnticos atributos.
Aqui se incluem os agrupamentos por sexo, rea de estudo, desempenho, cor, nacionalidade,
religio, causa de morte, grupo sangneo, etc.
b). Ordinal: quando os elementos forem reunidos segundo a ordem em que aparecem dispostos em
uma lista ou rol. So tpicos desta forma de agrupamento as listas classificatrias de concursos, as
tabelas de campeonatos esportivos, estgio da doena, etc.
EXERCCIO 1: Classifique as seguintes variveis :

a) Nmero de peas defeituosas por caixa __________________________.
b) Dimetro de cilindros __________________________.
c) Nacionalidade
de
pessoas
que
utilizam
os
servios
de
uma
empresa
area
____________________________
d) Estatura dos alunos da disciplina de Estatstica ____________________.
e) Grau de instruo de candidatos a uma vaga na Empresa B __________________.
f) Temperatura durante um dia de inverno ________________________.
9
g) Hbito de fumar (0 = no fumante ; 1 = fumante)__________________________.

h) Tamanhos de camisa (P,M,G)___________________________________
i)
1.6
Tempo para realizar uma prova___________________________________
DIVISO DA ESTATSTICA
Podemos dividir a Estatstica em duas reas:
Estatstica Descritiva se preocupa com a organizao dos dados experimentais;
Estatstica Indutiva ou Inferencial se preocupa com a anlise e interpretao dos dados.
1.6.1- Fases do Mtodo Estatstico

Definimos como sendo um processo utilizado para coletar, apresentar, descrever,
interpretar ou at mesmo prever os aspectos quantitativos dos fenmenos analisados, desde
que eles possam conseguir a forma de contagem ou medida.
a) Coleta de Dados
i) Direta: Quando o pesquisador coleta os dados em uma fonte de origem (dados primrios)
Exemplos: dados provenientes de pessoas pesquisadas, ou pessoas que tenham
informaes sobre o pesquisado e situaes similares.
ii) Indireta: Quando os dados provm da coleta direta, ou seja, que j foram coletados,
tabulados, ordenados etc.(dados secundrios)
Exemplos: a prpria empresa, publicaes, governos, instituies no governamentais
etc.
b) Apurao dos Dados
Aps a coleta dos dados torne-se necessria sua apurao, ou contagem, denominandoa tabulao. Para tanto de posse dos dados, devemos orden-los mediante critrios de
classificao. Esta classificao pode ser mecnica ou manual.
c) Apresentao dos Dados
1) Lista: a forma mais rudimentar de apresentao dos dados. Consiste em mostrlos exatamente como foram coletados.
2) Rol: Os dados so apresentados segundo uma determinada ordem.
3) Tabelas: Apresentam um grau considervel de organizao dos dados.
10
CAPTULO II
2
TABELAS
2.1
COMPONENTES BSICOS
Em termos genricos, uma tabela se compe dos seguintes elementos bsicos:

a) Corpo: Conjunto de linhas e colunas que contm informaes sobre a varivel em estudo.
b) Cabealho: Parte superior da tabela que especifica o contedo das colunas.
c) Coluna Indicadora: Parte da tabela que especifica o contedo das linhas.
d) Linhas: Retas imaginrias que facilitam a leitura, no sentido horizontal, de dados que se
inscrevem nos seus cruzamentos com as colunas.
e) Ttulo: Conjunto de informaes, as mais completas possveis localizadas no topo da tabela,
respondendo s perguntas: O qu? Onde? Quando?
f) Rodap: localizado imediatamente aps o fechamento da tabela contm a indicao da fonte e
dados necessrios para a explicao de algum de seus aspectos.
2.2
FORMATAO
Ttulo
O ttulo das tabelas deve ser escrito em letras minsculas, centrado, em espao simples e
colocado na parte superior.
Tracejamento
As tabelas devem ser fechadas, no alto e embaixo, por traos contnuos. Ns lados
permanecem abertas. As colunas devem ser separadas por traos verticais. Os totais de uma tabela
no so separados das parcelas.
Cabealho
As designaes referentes aos contedos das diversas colunas devem ser feitas com o mesmo
tipo de letra utilizado no corpo da tabela.
Unidades de Medidas
Quaisquer unidades de medidas ou grandezas mencionadas numa tabela devem ser indicadas
atravs de seus nomes ou smbolos, no cabealho da coluna onde aparecem, ou logo abaixo da
legenda, no caso de todas as colunas exprimirem a mesma medida
11
Exemplo:
Tabela 1
Distribuio dos ocupados por setor de atividade
econmica na grande So Paulo em 1996/99
ndices do nvel de ocupao
Perodos
Setor de atividade econmica

Indstria
Comrcio
33,0
31,2
32,4
30,9
14,8
16,0
17,3
18,4
jan./dez./96
jan./dez./97
jan./dez./98
jan./dez./99
Servios (1) Servios (2)
41,3
42,5
39,4
38,1
10,9
10,3
11,0
12,6
Total
100
100
100
100
Fonte: ABCDE/SP
Nota: Os dados dessa tabela so fictcios.
(1) Excludos os empregados domsticos.
(2) Englobam: construo civil, servios domsticos, etc.
Observao: As tabelas constituem um tipo especfico de ilustrao e se constituem numa
unidade autnoma. Devem ser numeradas consecutivamente com algarismos arbicos que
segue a palavra Tabela, escrita em letras minsculas.
2.3
SRIES ESTATSTICAS
Denominamos de Sries Estatsticas toda tabela que apresenta a distribuio de um conjunto
de dados estatsticos em funo da poca do local ou da espcie.

Conforme varie um dos elementos da srie podemos classific-la em:
Histrica
Geogrfica
Especfica
a) Sries Histricas, Cronolgicas, Temporais ou Marchas: Descrevem os valores da varivel
determinado local, segundo um intervalo de tempo.
Exemplo:
Preo do acm no varejo
So Paulo 1991-94
Anos
Preo Mdio
( US $)
1991
2,12
1992
1,89
1993
2,04
1994
2,62
Fonte: IPA
12
b) Sries Geogrficas, Espaciais, Territoriais ou de Localizao: Descrevem os valores da varivel

em determinado instante, descriminados segundo regies.
Exemplo:
Durao mdia dos estudos
superiores 1994
Pases
Nmero de Anos
Itlia
Alemanha
Frana
Holanda
Inglaterra
Fonte: Revista Veja
7,5
7,0
7,0
5,9
menos de 4
c) Sries Especficas ou Categricas: Descrevem os valores da varivel em determinado tempo e

local, descriminados segundo espcies ou categorias.
Exemplo:
Rebanhos brasileiros 1994
Espcies
Quantidade
(1000 cabeas)
Bovinos
154.440,8
Caprinos
34.532,2
Sunos
12.159,6
Bubalinos
1.423,3
Fonte: IBGE
d) Sries Conjugadas, Compostas ou Mistas ( Tabelas de Dupla Entrada): Quando podemos
observar a variao de dois ou mais fatores.
Exemplos:
Terminais telefnicos em servio 1991-93
Regies
1991
1992
1993
Norte
342.938
375.658
Nordeste
1.287.813 1.379.101
Sudeste
6.234.501 6.729.467
Sul
1.497.315 1.608.989
Centro-Oeste
713.357
778.925
Fonte: Ministrio das Comunicaes
403.494
1.486.649
7.231.634
1.746.232
884.822
Nmero de pessoas empregadas nos principais

setores da economia gacha
Setor
1997
1998
Variao
%
Indstria
Servios
Comrcio
Construo civil
289.886
645.725
209.477
89.139
277.681
680.739
208.264
89.542
-4,39
+5,42
-0,58
+0,45
Fonte: IBGE
Obs: mdia do perodo de jan/mai 1997 e jan/mai 1998.
13
Exerccios:
1) Verificou-se, no Brasil, em 1993, o seguinte movimento de importao de mercadorias: 14.839.804
t, oriundas da Arbia Saudita, no valor de US$ 1.469.104.000; 10.547.889 t, dos Estados Unidos,
no valor de US$ 6.034.946.000; e 561.024 t, do Japo, no valor de US$ 1.518.843.000.
Confeccione a srie correspondente e classifique-a, sabendo que os dados acima foram fornecidos
pelo ministrio da Fazenda.
2) Substituir por uma tabela o trecho do Relatrio a seguir: - Assim sendo, podemos concluir que o
Banco B, em 1996, contou com a colaborao de 345 funcionrios, distribudos pelas cinco
agncias, a saber: Niteri, 43; Rio de Janeiro, 102; So Paulo, 98; Belo Horizonte, 75; Vitria 27.
Quanto ao sexo, apenas em Vitria no existiam funcionrias, mas em So Paulo trabalharam 11
delas, enquanto em Belo Horizonte apenas 3. Em Niteri 38 eram homens e no Rio de Janeiro,
87.Classifique a tabela.
14
EXERCCIOS COMPLEMENTARES I
1) Analise e identifique os erros (se houverem) da seguinte tabela:
PRODUO DE
BORRACHA NATURAL
ANO
QUANTIDADE
1991
29.543
1992
30.712
1993
40.663
Fonte:IBGE
2) A revista Veja do ms de setembro de 1999 publicou os salrios mdios em reais para diretor,
gerente e secretria, de grandes empresas, para trs cidades Brasileiras. Para Belo Horizonte os
salrios de diretor, gerente e secretria so, respectivamente, 14.000, 8.000 e 1.300, Rio de Janeiro ;
15.000, 8.000, 1.300 e So Paulo; 17.000, 9.000 e 1.300.
a) Construa uma srie para estes dados.
b) Classifique a srie.
15
CAPTULO III
3
DISTRIBUIO DE FREQUNCIAS
Para o estudo e descrio do comportamento de todos os indivduos, com relao a uma ou
mais das variveis em estudo, pode-se inicialmente verificar os valores encontrados no conjunto de
dados, orden-los com relao a essa varivel, e depois descrev-los segundo o nmero de vezes
(freqncia) que ocorreu cada valor em particular, ou tipo de caracterstica.
Vamos ver alguns mtodos de descrio da distribuio de freqncia segundo o tipo de
varivel ( qualitativa ou quantitativa) :
3.1
DISTRIBUIO DE FREQUNCIAS PARA VARIVEIS QUALITATIVAS

Para que possamos estudar as formas de descrever as freqncias ocorridas no banco de dados,
considere o seguinte exemplo:

Exemplo:
Suponha uma pesquisa de mercado para estudar a aceitabilidade de um possvel produto a ser
lanado; registrando-se entre muitas variveis, o Tipo de Ocupao do entrevistado. Considerando-se
como possveis resultados dessa varivel:
Empregado / Desempregado / Patro / Autnomo / Estudante / outros .
Considere que a amostra coletada foi de 20 indivduos, com os seguintes resultados:
Des , Aut , Est , Emp , Emp , Des , Pat , Aut , Emp , Des , Est , Emp , Out , Aut , Emp , Est , Emp ,
Emp, Aut, Emp.
O primeiro passo para descrever as ocorrncias, contar o nmero de vezes que ocorre cada
tipo de ocupao, colocando os resultados em uma tabela como segue:
Tabela 3.1: Distribuio de freqncias para a
varivel ocupao.
Ocupao
Freqncia (fi)
Autnomo
Desempregado
Empregado
Estudante
Patro
Outros
TOTAL
20
16
Outras formas so: usar a freqncia relativa ou proporo dada por fri=fi/n ou a freqncia
porcentual dada por fri= (fi/n)x100.
As propores ou percentagens so muito teis para a comparao entre resultados de
pesquisas distintas, ou grupos distintos dentro da mesma pesquisa.
Exemplo:
Para o exemplo anterior uma tabela completa com a distribuio das freqncias das
ocupaes seria:
Tabela 3.2: Distribuio de freqncias, freqncias relativas e percentuais,
para a varivel Ocupao.
Freqncia percentual
Ocupao
Freqncia (fi)
Freqncia relativa
Autnomo
4/20 = 0,20
0,20x100=20,0
Desempregado
0,15
15,0
Empregado
0,40
40,0
Estudante
0,15
15,0
Patro
0,05
5,0
Outros
0,05
5,0
TOTAL
20 = n
100
(%)
Se a varivel for qualitativa ordinal, os valores que a varivel assume devem ser colocados na
ordem natural crescente.
3.2
DISTRIBUIO DE FREQUNCIAS PARA VARIVEIS QUANTITATIVAS
Vamos considerar a forma pelo qual podemos descrever os dados estatsticos resultantes de
variveis quantitativas, como o caso de estaturas de um conjunto de pessoas, salrios recebidos por
operrios de uma fbrica, etc.
Exemplo: Suponhamos termos feito uma coleta de dados relativos ao comprimento em mm de 20
cilindros, que compe uma amostra da produo da mquina B em determinado dia.
160
160
152
156
158
156
158
155
160
155
160
153
151
155
155
156
157
160
150
154
17
Denominamos freqncia o nmero de cilindros que fica relacionado a um determinado valor

da varivel. Obtemos, assim, uma tabela que recebe o nome de distribuio de freqncia.
Tabela 1: Comprimento de 20 cilindros produzidos
pela mquina B
Comprimento (mm)
Freqncia
150
1
151
1
1
152
153
1
154
1
155
4
156
3
157
1
158
2
160
5
Total
20
Tabela 2: Comprimento de 20 cilindros produzidos
pela mquina B
Comprimento (mm)
Freqncia
150 |153
3
153 |156
6
6
156 |159
5
159 |162
20
Total
3.2.1
Construo da Distribuio de Freqncia (Tabela 1)

uma representao tabular de um conjunto de valores em que colocamos na 1a coluna em
ordem crescente apenas os valores distintos da srie e na segunda coluna colocamos os valores das
freqncias correspondentes.
Exemplo: Observamos o nmero de acidentes por dia, em uma rodovia durante 20 dias.
X: 0, 2, 0, 1, 1, 0, 0, 0,3, 2, 1, 0, 1, 2, 0, 1, 3, 2, 2, 0.
3.2.2
Construo da Distribuio de Freqncia (Tabela 2)

Observando os valores apresentados no exemplo inicial, notamos um grande nmero de
elementos distintos o que significa que a varivel discreta no aconselhvel. Os dados ficaro melhor
representados da forma de uma distribuio por intervalos.
18
Para construirmos uma distribuio de freqncias utilizando intervalos necessitamos

primeiramente de algumas definies.
a) Elementos de uma distribuio de Freqncia
i) Classes de Freqncia (ou classes) : So os intervalos de variao da varivel, representado
simbolicamente por i.
Exemplo: Ver Tabela 2, pg. 18.
ii) Limites de classe: So os extremos de cada classe. O menor o limite inferior da classe ( li )
e o maior nmero limite superior da classe ( Li ).
Exemplo: Ver Tabela 2, pg. 18.
iii) Amplitude de um Intervalo de Classe ( hi ): a medida do intervalo que define a classe.
hi = Li - li
Exemplo:
iv) Amplitude Total da Distribuio (AT): a diferena entre o limite superior da ltima classe
e o limite inferior da primeira.
AT = L(mx.) l(min.)
Exemplo:
v) Amplitude Amostral (AA) : a diferena entre o valor mximo e o valor mnimo da

amostra.
Exemplo:
vi) Ponto Mdio de uma Classe (mi): o ponto que divide o intervalo de classe em duas partes
iguais.
mi =
li + L i
2
19
Exemplo:
vii) Freqncia Simples Absoluta ( fi ): o nmero de observaes correspondente a cada classe,

ou valor individual.
A soma de todas as freqncias dado pelo smbolo de somatrio:
f 1 + f 2 + f 3 + ... + f n =
fi
i =1
viii)
Nmero de Classes e Intervalos de Classes: Para determinar o nmero de classes de

uma distribuio podemos usar a Regra de Sturges que d o nmero de classes em funo
do nmero de valores da varivel.
k 1+ 3,3logn
h=
AA
k
Exemplo:
Observaes:
Esta frmula no nos leva a uma deciso final. Tudo depender de um julgamento
pessoal, ligado natureza dos dados, da unidade usada, e do objetivo.
Sempre que possvel evitar classes com freqncia nula ou muito alta.
20
Exerccios:
1) Uma indstria embala peas em caixas com 100 unidades. O controle de qualidade selecionou
48 caixas na linha de produo e anotou em cada caixa o nmero de peas defeituosas.
Obteve-se os seguintes dados:
2 0
1 1
0 0
1 2
0 0
Agrupe por freqncia estes dados.
0
2
3
0
0
4
1
0
2
0
3
1
0
0
0
0
1
0
0
0
0
1
2
0
1
1
1
0
0
0
0
1
0
0
0
0
1
0
2) O seguinte quadro apresenta as idades de 44 funcionrios da Empresa X, do ramo

metalrgico, localizada em Novo Hamburgo:
b)
a)
19
19
20
20
21
21
21
22
22
22
23
23
24
25
26
26
27
27
28
28
28
29
30
30
30
32
33
33
35
35
35
37
40
41
44
48
49
50
52
Qual a varivel observada? Qual a classificao desta varivel?
21
25
29
34
47
b)
Qual a amplitude amostral. Interprete.
c)
Construa uma distribuio de freqncias adequada para estes dados.
Freqncia Relativa ( fri )

a diviso da freqncia de um elemento ou classe pelo nmero total de elementos da srie.
f ri =
c)
fi
n
Freqncia Acumulada (Fi)

a soma da freqncia simples de um elemento ou classe com as freqncias simples dos
elementos que o antecedem.
Fi = f1 + f2 +...+ fi
d)
Freqncia Acumulada Relativa (Fr)
21
a diviso da freqncia acumulada de um elemento ou classe, pelo nmero total de

elementos da srie.
Fri =
Fi
n
Exemplo 1: Verificando o nmero de acidentes em uma rodovia durante 20 dias elaborou-se a

seguinte distribuio de freqncia.
No de acidentes
0
1
2
3
Total
Dias (fi)
fr
Fi
Fr
8
5
5
2
20
Anlise: a) Freqncia Simples (fi):_____________________________________________________

b) Freqncia Relativa (fr):____________________________________________________
c) Freqncia Acumulada (Fi):__________________________________________________
d) Freqncia Acumulada Relativa (Fr):__________________________________________
Exemplo 2:
Comprimento de 20 cilindros produzidos pela mquina B
Comprimento
No de Cilindros
fr
Fi
(mm)
(fi )
150|153
3
153|156
6
6
156|159
5
159|162
20
Total
Fr
Anlise: a) Freqncia Simples (fi):_____________________________________________________

b) Freqncia Relativa (fr):____________________________________________________
c) Freqncia Acumulada (Fi):__________________________________________________
d) Freqncia Acumulada Relativa (Fr):__________________________________________
22
Exerccios:
3) Uma indstria embala peas em caixas com 100 unidades. O controle de qualidade selecionou
48 caixas na linha de produo e anotou em cada caixa o nmero de peas defeituosas.
Obteve-se os seguintes dados:
2 0 0 4 3 0 0 1 0 0
1 1 2 1 1 1 1 1 1 0
0 0 3 0 0 0 2 0 0 1
1 2 0 2 0 0 0 0 0 0
0 0 0 0 0 0 1 0
Utilizando a distribuio encontrada no exerccio 1 (pg. 21) encontre:
a) Freqncia relativa
b) Freqncia acumulada
c) Freqncia acumulada relativa
4) O seguinte quadro apresenta as idades de 44 funcionrios da Empresa X, do ramo
metalrgico , localizada em Novo Hamburgo:
19
19
20
20
21
21
21
22
22
22
23
23
24
25
26
26
27
27
28
28
28
29
30
30
30
32
33
33
35
35
35
37
40
41
44
48
49
50
52
Utilizando a distribuio encontrada no exerccio 2 (pg. 21) encontre:
21
25
29
34
47
a) Calcule as freqncias relativa, acumulada e acumulada relativa. Analise.

b) Com base na tabela obtida em a), quais suas concluses sobre a idade dos 44
funcionrios desta empresa?
23
CAPTULO IV
4
REPRESENTAO GRFICA
4.1
PRINCPIOS BSICOS NA CONSTRUO DE GRFICOS

Depois de sintetizados em tabelas, os dados podem ser apresentados em grficos, a fim de
proporcionarem ao interessado uma viso rpida do comportamento do fenmeno.

Requisitos Fundamentais:
Simplicidade ( sem traos desnecessrios)
Clareza ( para uma correta interpretao)
Veracidade.
4.2
ELEMENTOS
Ttulo: localizado acima ou abaixo do grfico, informa sobre o que est sendo apresentado.
Deve ser simples, claro e objetivo.
Escala: no eixo das abscissas (x) cresce da esquerda para a direita e escrita embaixo do eixo.
No eixo das ordenadas (y) cresce de baixo para cima e escrita esquerda.
Variveis: o nome da varivel deve ser centralizado e colocado no eixo das abscissas embaixo
da escala, no eixo das ordenadas na extremidade.
Traado: o sistema de eixos cartesianos e as linhas auxiliares devem ser traados mais leve do
que a linha demonstrativa.
Opcionais:
a) Setas: podem ser feitas para indicar a direo dos eixos.
b) Fonte: localizada no rodap do grfico, indica o responsvel pelo fornecimento dos dados.
c) Notas: idntico das tabelas.
4.2
TIPOS DE GRFICOS
a) Grfico Linear ou de Linhas
Usualmente utilizados para apresentar sries cronolgicas e dados exclusivamente numricos.
Procedimentos para montagem:
Traar o sistema de eixos cartesianos
Estabelecer as escalas nos eixos correspondentes.
Colocar o ttulo e o nome das variveis.
Corresponder os pontos do eixo das abscissas com as ordenadas, conforme a tabela.

24
Unir os pontos do segmento de reta na ordem da tabela.
Exemplos:
Fonte: www. campus.fct.unl.pt
ACIDENTES DE TRABALHO EM UMA EMPRESA

DE PORTE
ACIDENTES
400
370
300
300
200
100
210
190
120
0
1988
1989
1990
1991
1992
ANOS
Fonte: Dados Fictcios

b) Grfico em Barras ou Colunas:
Utilizado para representar todas as sries. chamado de colunas quando est na posio vertical e
barras quando na posio horizontal.
Procedimentos para a montagem:
Traar o sistema de eixos cartesianos.
Colocar o ttulo e o nome das variveis.
Estabelecer as escalas nos eixos correspondentes.
Construir figuras retangulares (todas da mesma largura), com seu centro coincidindo com
a marcao da escala no eixo das abscissas.
25
Exemplos:
G R U P O S G A C H O S M A IS L E M B R A D O S
T c h G arotos
4 ,3
GRUPOS
O s S erran os
4,7
T c h B arbaridad e
6,3
E n g en h eiros do H aw ai
8 ,7
T c h G u ri
1 1,3
0
10
12
N D IC E
Fonte: Jornal Zero Hora fev/1999
POPULAO ATENDIDA
O S D E Z E S T AD O S E M Q U E A C O L E T A D E LIX O U R B AN O M AIS
PR E C R IA - E M % D A P O P U L A O AT E N D ID A
80
62
60
48
40
51,5
55
PA
TO
66,5
68
71
AC
CE
AM
75
76
RR
BA
26,5
20
0
MA
PI
AP
E S T ADO S
Fonte: Revista Veja mar/2001

c) Grfico em Setores
Utilizado para comparar propores at no mximo de sete dados.
Procedimentos para a montagem:
Traar uma circunferncia que equivale a 100%.
Marcar os valores dos arcos traar raios separando os setores.
Fazer um tracejado diferente para cada setor.
Colocar o ttulo e a legenda explicativa.
26
Exemplo:
ESPECIALIDADES MDICAS QUE MAIS SOFREM PROCESSOS

POR ERROS CIRRGICOS ANUALMENTE
Ginecologia e Obstetrcia
20%
Outros
41%
Cirurgia Plstica
10%
Oftalmologia
9%
Pediatria
6%
Cirurgia Geral
8%
Ortopedia
6%
Fonte: Revista Veja abr/2001

d) Histograma
Esta grfico utilizado para representar distribuies de freqncias. composto por retngulos,
com base na abscissa, e seu ponto mdio coincide com o ponto mdio dos intervalos de classe, ou seja,
sua largura coincide com a amplitude dos intervalos. As alturas so proporcionais as freqncias.
Exemplo 1:
Vida til de ferramentas de corte em
um processo industrial
Horas antes da
Nmero de
reposio
ferramentas
0 | 25
3
25 | 50
4
50 | 75
12
20
75 | 100
18
100 | 125
4
125 | 150
f
20
15
10
5
0
25
50
75
100
125
150
x
27
e) Diagrama de Caixa (Box Plot)

O diagrama de caixa uma apresentao grfica que descreve simultaneamente vrias
caractersticas importantes de um conjunto de dados, tais como centro, disperso, desvio da simetria e
identificao de observaes discrepantes (outlier). O diagrama de caixa apresenta os trs quartis, o
mnimo e o mximo dos dados em uma caixa retangular, podendo ser alinhados horizontalmente ou
verticalmente.
O intervalo interquartlico (IQR= Q3-Q1) muitas vezes usado como uma medida de
variabilidade. Quanto maior a variabilidade da distribuio mais distantes ficam ficam os quartis. Em
distribuies simtricas a distncia entre o 1 quartil (Q1) e a mediana a mesma que a distncia entre
o 3 quartil (Q3) e a mediana, enquanto que em distribuies assimtricas essas distncias so
diferentes.
No diagrama de caixa, o retngulo representa o intervalo interquartlico (IQR), representando
a faixa dos 50% dos valores mais tpicos da distribuio. O retngulo dividido no valor
correspondente mediana, indicando assim, o 1 quartil (Q1), a mediana e o 3 quartil (Q3). Entre os
quartis e os extremos so traadas linhas. Caso existam valores discrepantes (alm de 1,5 IQR), a linha
traada at o ltimo valor no discrepante, e os valores discrepantes so indicados por pontos.
Figura 4.1 Construo de um diagrama em caixas
A figura 4.1 a seguir exibe diagramas de caixa comparativos para um ndice da qualidade para
produtos de trs fbricas.
28
Figura 4.2 Diagramas de caixa comparativos do ndice da qualidade para itens

produzidos em trs fbricas
Os trs diagramas fornecem a mesma informao geral para produtos de trs fbricas. A
inspeo da figura mostra que h muita variabilidade na planta 2 e que as plantas 2 e 3 precisam
melhorar seu desempenho.
29
EXERCCIOS COMPLEMENTARES II
1) A listagem abaixo representa as vendas dirias de um determinado aparelho eltrico, durante um
ms, por uma firma comercial:
14
12
12
15
12
14
14
13
11
13
10
16
13
14
13
17
14
11
15
14
13
12
11
14
a) Forme uma distribuio de freqncia para estes dados.

b) Encontre as freqncias relativas de cada classe.
c) Encontre as freqncias acumuladas de cada classe.
2) Os nmeros de lugares vagos em vos entre duas cidades foram agrupados nas classes
Lugares Vagos
0 | 5
5 | 10
10 | 15
15 | 20
20 | 25
25 | 30
Nmero de vos
4
6
10
12
8
5
Com esta distribuio pode-se determinar o nmero de vos em que h (responda sim ou no):
a)
menos de 20 assentos vagos; b) mais de 20; c) ao menos 9; d) no mximo 9; e)exatamente 5;
f)entre 10 (inclusive) e 25 (inclusive) ?

3) A tabela seguinte nos d o valor das compras de 200 clientes em um supermercado:
Valores das compras de 200 clientes
Em um supermercado
Classe
Freqncia
(Cr$)
75
5,00 | 10,00
72
10,00 | 15,00
41
15,00 | 20,00
12
20,00 | 25,00
a) Encontre as freqncias relativas de cada classe;
b) Encontre as freqncias acumuladas de cada classe;
c) Encontre as freqncias acumuladas relativas de cada classe;
d) Construa um histograma para esta distribuio.
4) Um fabricante de parafusos est interessado em obter informaes a respeito do comprimento de
certo tipo de parafusos que sua fbrica produz. Para isso ele seleciona 18 parafusos e mede seus
comprimentos (mm). Os dados obtidos foram:
30 29 29 30 34 30 24 29 26 25 36 31 26 29 27 31 39 33
a) Organize uma distribuio de freqncias adotando classes de mesma amplitude de modo que
a primeira seja [24,28).
b) Calcule e interprete: (i) a freqncia simples da terceira classe;
(ii) a freqncia relativa da segunda classe.
30
c) Construa o histograma desta distribuio.

5) Examinando o histograma abaixo, que corresponde s notas relativas aplicao de um teste de
inteligncia a um grupo de alunos, responda:
a) Qual o intervalo de classe que tem maior freqncia?
b) Qual a amplitude total da distribuio?
c) Qual o nmero total de alunos?
d) Qual a freqncia do intervalo de classe 100 | 120?
e) Quantos alunos receberam notas de teste entre 80 (inclusive) e inferior a 120?
f) Quantos alunos receberam notas no inferiores a 100?
F
25
20
18
15
10
5
40
60
80
100
120
140
6) G. Calot, no seu Cours de Statistique Descriptive, 1973, apresenta um caso referente

fabricao em srie de peas numa oficina metalomecnica, em que estudou, em relao as peas
fabricadas, o carter qualitativo com duas modalidades: defeituosas e no-defeituosas. Para isso
formaram-se 100 lotes cada um com 100 peas e observou-se vinte e um lotes. Para cada um dos
lotes contou-se o nmero de peas defeituosas. O resultado foi:
7 9 14 10 18 6 1 8 9
2 2
3 20 5 15 9 6 4
a) Qual a varivel observada? contnua ou discreta?
4
2
11
b) No total quantas peas foram analisadas?

c) Quantas peas defeituosas foram encontradas?
d) Construa uma distribuio de freqncias para este conjunto.
31
CAPTULO V
5
MEDIDAS DE TENDNCIA CENTRAL

Pode-se considerar como sendo:
5.1
Um valor intermedirio da srie.
Valor em torno do que os elementos da srie esto distribudos.
MDIA ARITMTICA SIMPLES

Dado uma seqncia numrica de tamanho n representada por X: x1, x2, x3,..., xn . A mdia ser
dada por:
n
x
X=
i =1
Exemplos:
1) Encontre a mdia da seguinte seqncia numrica X: 0, 1, 3, 5, 1, 2
2) Os valores de precipitao (em mm) registradas em uma estao meteorolgica, em 10 dias do

ms de janeiro de 2006, foram os seguintes:
Dias
10
mm
4,7
0,6
17,2
1,4
1,2
11,2
0,8
Calcule a precipitao mdia diria nesse perodo.
5.2
MDIA ARITMTICA PONDERADA

Dado uma seqncia numrica de tamanho n, X= x1, x2,..., xn, afetados de pesos p1, p2,..., pn,
respectivamente. A mdia aritmtica ponderada definida por:

n
x p
i
X =
i =1
n
i =1
32
Exemplos:
1)
Encontre a mdia ponderada da seguinte seqncia numrica X: 2,4,5, com pesos 1,3,2,
respectivamente.
2)
Em uma companhia de produo mltipla, as margens de lucro para as quatro linhas de

produto da firma, durante o ltimo ano fiscal, foram: linha A, 4,2%, linha B, 5,5%, linha
C, 7,4% e linha D, 10,1%. A mdia no-ponderada do lucro :
3) Calcule, agora, a mdia aritmtica ponderada do lucro utilizando a seguinte tabela:

Margem de lucro e volume de vendas para as quatro linhas de produto
Linha de produto Margem de lucro (%)
(x)
A
4,2
B
5,5
C
7,4
D
10,1
5.3
Vendas (R$)
(p)
x.p
30.000.000
20.000.000
5.000.000
3.000.000
Tot= 58.000.000
MDIA ARITMTICA PARA DISTRIBUIES DE FREQNCIAS

Nos utilizamos da mdia aritmtica ponderada , considerando as freqncias simples fi como
sendo os pesos dos elementos xi correspondentes.

n
x
X =
fi
i =1
n
fi
i =1
33
Exemplos:
1) (Discreta) O controle de qualidade de determinada empresa selecionou 40 caixas do total
de uma produo diria para verificao do nmero de peas defeituosas por caixa,
encontrando o seguinte resultado. Qual o nmero mdio de defeitos por caixa?
NO de defeitos
0
1
2
3
4
Total
Caixas
20
9
5
4
2
40
xi.fi
2) A seguinte distribuio de freqncias demonstra os salrios semanais para 100 operrios

no-especializados. Calcule o salrio mdio semanal.
Distribuio de freqncia de salrios semanais para
100 operrios no-especializados
mi = xi
xifi
Salrio Semanal No de oper. (fi)
140 | 160
160 | 180
180 | 200
200 | 220
220 | 240
240 | 260
7
20
33
25
11
4
100
Total
Vantagens e Desvantagens da Mdia Aritmtica
uma medida de tendncia central que, por uniformizar os valores da srie, no representa
bem os conjuntos que revelam tendncias extremas. Deste modo grandemente influenciada
pelos valores extremos da srie.
Nem sempre um elemento que faz parte do conjunto.
facilmente calculvel.
Serve para compararmos conjuntos semelhantes.
indicada para sries que possuem valores em progresso aritmtica em relao a um valor
mximo.
Depende de todos os valores da srie.
34
5.4
MEDIANA
Seja X:x1,x2,...,xn, um conjunto ordenado de dados estatsticos. Define-se Mediana de X,
denotado por Md, como sendo o elemento que ocupa posio central no rol, se existir.
Equivalentemente a Mediana o elemento que separa o rol em dois subconjuntos com igual nmero
de elementos. Logo a Mediana ser dada por
x n +1 , se n mpar
2
M d = xn + xn
+1
2
2
, se n par
Exemplos:
1) Durante um determinado ms de vero, os oito vendedores de uma firma de calefao
central e ar-condicionado venderam os seguintes nmeros de unidades de ar-condicionado
central: 8, 11, 5, 14, 8, 11, 16, 11. O valor da mediana ser:
2) Os valores de precipitao (em mm) registradas em uma estao meteorolgica, em 10

dias do ms de janeiro de 2006, foram os seguintes:
Dias
10
mm
4,7
0,6
17,2
1,4
1,2
11,2
0,8
Calcule a precipitao mediana diria nesse perodo.
3) Seguinte distribuio de freqncias representa os salrios de 25 funcionrios do Mercado

B:
Salrios No de funcionrios
180
1
320
5
450
11
600
8
Total
25
Encontre o salrio mediano destes funcionrios.
35
5.5
MDIANA PARA DISTRIBUIES DE FREQNCIAS

Se os xis estiverem agrupados em distribuio de freqncias (contnua), o valor
n
Fa
2
*
Md = l +
fi
.h
aproximado da Md dado por:

Onde: l* = limite inferior da classe que contm a mediana.
n = nmero de termos da srie.
Fa= freqncia acumulada da classe anterior classe da mediana.
fi = freqncia da classe da mediana.
h = amplitude.
Exemplo: A seguinte distribuio de freqncias demonstra os salrios semanais para 100 operrios
no-especializados. Calcule o salrio mediano.
Salrios semanais para 100 operrios no especializados
Salrio
No de operrios (fi) Freqncia acumulada (Fi)
Semanal
7
140 | 160
20
160 | 180
33
180 | 200
25
200 | 220
11
220 | 240
4
240 | 260
100
Total
P=
n
2
Vantagens e Desvantagens da Mediana
No depende de todos os valores da srie, podendo mesmo no se alterar com a modificao

de alguns deles.
No influenciada pelos valores extremos da srie.
geralmente usada para comparar elementos da srie.
36
5.6
MODA
Seja X:x1,x2,...,x3, um conjunto de dados. Define-se Moda, denotada por Mo, como sendo o
elemento mais freqente no conjunto.

Um conjunto de dados pode Ter:
Nenhuma moda (amodal)
Uma moda (unimodal)
Duas ou mais modas (multimodal)
Exemplos:
1) Os oito vendedores, descritos em um dos exemplos anteriores, venderam as seguintes
unidades de ar condicionado, 8, 11, 5, 14, 8, 11, 16, 11. O valor da moda ser:
2) Os valores de precipitao (em mm) registradas em uma estao meteorolgica, em 10

dias do ms de janeiro de 2006, foram os seguintes:
Dias
10
mm
4,7
0,6
17,2
1,4
1,2
11,2
0,8
O valor da moda ser.

3) O controle de qualidade de determinada empresa selecionou 40 caixas do total de uma
produo diria para verificao do nmero de peas defeituosas por caixa, encontrando o
seguinte resultado. Qual o moda de defeitos por caixa?
NO de defeitos
0
1
2
3
4
Caixas
20
9
5
4
2
4) A seguinte distribuio de freqncias demonstra os salrios semanais para 100 operrios

no-especializados. Calcule o salrio modal.
Salrio Semanal
No de operrios (fi)
7
140 | 160
20
160 | 180
33
180 | 200
25
200 | 220
11
220 | 240
4
240 | 260
100
Total
37
Vantagens e Desvantagens da Moda
No depende de todos os valores da srie, podendo mesmo no se alterar com a modificao

de alguns deles.
No influenciada por valores extremos da srie.
Sempre representada por um elemento do conjunto de dados, excetuando o caso de classes

de freqncias.
Exerccios:
1)
O nmero de carros vendidos por cada um dos vendedores de um negcio de automveis

durante um ms particular, em ordem crescente : 2,4, 7, 10, 10, 10, 12, 12, 14, 15. Determinar
(a) a mdia, (b) a mediana, (c) a moda.
2)
Qual dos valores calculados no exerccio 1 descreve melhor o volume de vendas por vendedor?
3)
O nmero de acidentes ocorridos durante um dado ms em 12 departamentos de manufaturas

em um estabelecimento industrial foi:2, 0, 0, 3, 12, 1, 0, 8, 1, 0, 5, 1. Calcular (a) a mdia, (b) a
mediana, (c) a moda para o nmero de acidentes por departamento.
4)
Uma amostra de 20 operrios de uma companhia apresentou os seguintes salrios recebidos

durante certa semana, arredondados para o dlar mais prximo e apresentados em ordem
crescente: $140; 140; 140; 140; 140; 140; 140; 140; 155; 155; 165; 165; 180; 180; 190; 200;
205; 225; 230; 240.Calcular (a)a mdia, (b) a mediana, (c) a moda, para este grupo de salrios.
5)
Qual dos parmetros encontrados em 5 representa melhor o salrio destes funcionrios?
6)
Em conjunto com uma auditoria anual, uma firma de contabilidade pblica anota o tempo
necessrio para realizar a auditoria de 50 balanos contbeis. Calcular:
38
(a) a mdia, (b) a mediana, (c) a moda, para o tempo de auditoria necessrio para esta amostra de
registros.
Tempo necessrio para a auditoria de balanos
Tempo de auditoria Nmero de balanos (fi)
(minutos)
3
10 | 20
5
20 | 30
10
30 | 40
12
40 | 50
20
50 | 60
50
Total
39
CAPTULO VI
6
MEDIDAS DE DISPERSO
Considerando os seguintes conjuntos de valores:
Seja quatro grupos de alunos com as seguintes notas
Grupo A:7,7,7,7 e 7
Grupo B:5,6,7,8 e 9
Grupo C:4,5,7,9 e 10
Grupo D:0,5,10,10 e 10
Calculando a mdia de cada grupo encontramos:
Mas notamos que o grupo A mais homogneo que B, C e D. E B mais homogneo que B,
C e D. Logo somente a mdia no nos d uma avaliao muito ampla dos elementos de cada grupo.
Necessitamos assim de uma medida estatstica complementar para caracterizar cada grupo.
Nos utilizaremos para isto das medidas de disperso ou de variabilidade:
6.1
Desvio Padro
Varincia
Coeficiente de Variabilidade
DESVIO PADRO
a mais importante medida de variabilidade.
a) Dados Listados:
Dada uma srie com n termos, o desvio padro ser a mdia quadrtica dos desvios calculados
em relao mdia aritmtica da srie.
( x x )
2
(xi x )
i =1
ou
S=
i =1
n 1
, no casode umaamostra.
Exemplo: Tomando os dados dos grupos A e B, encontre

A:7,7,7,7 e 7
B:5,6,7,8 e 9
40
b) Dados em distribuio de freqncias:
(x
=
x ) fi
i =1
n
i =1
Exemplo:
Salrio Semanal
No de
xi=mi
(xi-x)2
fi(xi-x)2
operrios (fi)
7
140 | 160
20
160 | 180
33
180 |200
25
200 |220
11
220 |240
4
240 |260
Encontre o .
Exerccio:
1) Os valores de precipitao (em mm) registradas em uma estao meteorolgica, em 10 dias do
ms de janeiro de 2006, foram os seguintes:
Dias
10
mm
4,7
0,6
17,2
1,4
1,2
11,2
0,8
Calcule a precipitao mdia diria e o desvio-padro nesse perodo.

2) Observando os rendimentos dirios da poupana
Dias
5/04
6/04
7/04
8/04
9/04
Rendimento
1,23
1,15
1,13
1,23
1,30
Dias
10/04
11/04
12/04
13/04
14/04
Rendimento
1.25
1,14
1,02
0,91
0,91
a) Qual foi o rendimento mdio do dia 5/04 a 9/04?

b) Qual foi o rendimento mdio do dia 10/04 a 14/04?
c) Qual o desvio padro do dia 5/04 a 9/04? E do dia 10/04 a 14/04?
d) Que concluses podemos tirar destes dados?
41
6.2
VARINCIA
o quadrado do desvio padro Ou seja:
(x
2 =
6.3
x)
i =1
COEFICIENTE DE VARIAO
Sejam as distribuies de pesos e estaturas com as seguintes caractersticas:
Pesos: X= 57,7 kg e
=7,5kg
Estaturas: X=170,0 cm e =7,1 cm
Como no h muito sentido no fato de compararmos unidades diferentes, como por exemplo
kg com cm, definimos o coeficiente de variao (V), que uma medida relativa de disperso. O
coeficiente de variao mede percentualmente a relao entre o desvio padro e a mdia aritmtica,
sendo pois, uma medida adimensional.
V = 100.
Poderemos fazer ento, uma comparao entre:

a) Dist. Pesos:
Dist. Estat.:
X=57,7 kg e =7,5kg
X=170,0 cm e = 7,1cm
b) Srie I: X=70,0 t e =8,2 t

Srie II: X=820,0 t
e
=12,4 t
Exerccio:
1) Calcule o coeficiente de variao para o exerccio 1 da pgina 40. Poderamos comparar estes
dados utilizando apenas o desvio padro? Justifique.
42
EXERCCIOS COMPLEMENTARES III

1) Dados os conjuntos abaixo, calcule a mdia aritmtica e mediana.
a) A= { 3, 5, 2, 1, 4, 7, 9 }
b) B= { 9,14,2,8,7,14,3,21,1 }
c) C= { 6,5,5,7,6,5,6,3,4,5,5,9,5,10,12 }
2) O quadrado abaixo mostra as rentabilidades mensais durante o ms de setembro de 1996 das
aplicaes mais tradicionais do mercado financeiro, incluindo a inflao no mesmo perodo.
Aplicao
Rentabilidade % a.m.
Ouro
-1,74
Inflao
0,10
FIF Curto Prazo
0,52
Dlar Paralelo
0,87
CDB para < R$5000
1,15
Caderneta de Poupana
1,16
FIF 30 dias
1,30
FIF 60 dias
1,49
CDB para > R$1000000
1,58
Bolsa RJ
2,12
Bolsa SP
2,99
Fonte: Caderno de Economia do Jornal O Estado

De So Paulo de 01/10/96
Pede-se calcular os valores da mdia, da moda e da mediana. R: Mdia: 1,05/ Md= 1,16/ Mo= No
existe.
3) No quadro abaixo esto registradas as 20 maiores empresas por lucro no ano de 1995.
Empresa
Petrobs
Fiat Automveis
Aracruz Celulose
Vale do Rio Doce
Usiminas
Telesp
Brahma
Cemig
Nestl-SP
Souza Cruz
Cia. Sider. Tubaro
Petrobrs Distribuidora
Lucro em milhes (reais)

619,7
475,5
356,5
338,5
336,0
310,0
257,5
223,3
209,7
198,4
190,5
189,3
43
Cia. Brasileira de Alumnio

176,9
Camargo Corra
162,4
Semp Toshiba Amazonas
155,5
Vasp
155,5
Copene
148,9
Gessi Lever
142,7
Embratel
141,9
Souza Cruz Trading
136,6
Fonte: Revista Exame Melhores e Maiores agosto de 1996.
Pede-se calcular os valores da mdia, da moda e da mediana do lucro das 20 maiores empresas durante
o ano de 1995. R: Mdia=246,29/Mo=155,5/Md=194,45
4) Em certa Empresa trabalham 4 analistas de mercado, 2 supervisores, 1 chefe de seo e um gerente,
que ganham respectivamente: R$ 1.300,00; R$ 1.600,00; R$ 1.750,00; R$ 2.500,00. Qual o valor do
salrio mdio destes funcionrios? R: 1581,25
5) A produo mensal de parafusos de determinada fbrica de 40 lotes com 100.000 parafusos em
cada lote. Ao escolher uma amostra aleatria de 8 lotes, o controle de qualidade verificou o
seguinte nmero de parafusos com defeito em cada lote:
Amostra
Defeitos
300
550
480
980
1050
350
450
870
Pede-se projetar o nmero mdio de parafusos com defeito num ms de trabalho. R: 25.150
6) Uma pesquisa salarial levada a efeito em janeiro de 1982 junto comunidade metalrgica na regio
de Campinas, para o cargo de comprador, revelou os seguintes resultados:
Classes Salariais- R$
900 |1050
1050 | 1200
1200 | 1350
1350 | 1500
1500 | 1650
Freqncias
8
9
16
15
12
Encontre: a) O salrio mdio. R: 1.310,00

b) O salrio mediano. R: 1321,87
c) O salrio modal. R: 1275,00
d) Interprete os resultados encontrados em a), b) e c).
7) O capital de uma empresa est formado pelo aporte dos acionistas, por financiamentos de longo
prazo e pela emisso de debntures. Cada tipo de capital tem um custo diferente, dado por uma taxa
de juros anual. Com os dados apresentados no quadro seguinte, pede-se calcular a taxa de juros
mdia das fontes de capital da empresa.
44
Fonte de Capital
Participao
Taxa de Juros
Acionistas
R$ 1.000.000
12%
Financiamentos de Longo
Prazo
R$ 600.000
8%
Debntures
R$ 400.000
14%
R: 11,2%
8) O nmero de gerentes operacionais que correspondem diretamente a um diretor em 24 empresas do
ramo qumico est relacionado abaixo. Calcule a mdia e o desvio padro d nmero de gerentes por
empresa.
7
13
10
14
10
11
11
12
10
R: Mdia= 9/ Des. Pad =2,04

9)
As rentabilidades anuais durante os ltimos 5 anos das aes X e Y esto registradas no seguinte
quadro. Determine qual das duas tem maior disperso.
X
12%
15%
12%
11%
14%
12%
16%
15%
9%
13%
R: Ao Y.
45
CAPTULO VII
PROBABILIDADE
Introduo:
Empregamos mais o termo Probabilidade quando estamos diante de certa observao do
comportamento de um fenmeno qualquer, e este, leva-nos a formulao de sua teoria sobre variaes
deste comportamento ou mesmo quando estamos com certo grau de incerteza naquilo que pode ocorrer
ou que ocorreu no presente, passado ou futuro.
7.1 DEFINIO DE ESPAO AMOSTRAL (S)
o conjunto formado por todos os eventos possveis de um experimento aleatrio.
Exemplos:
a) Se o experimento consistir no lanamento de uma moeda, o espao amostral ser:
S=
b) Se o experimento consistir no lanamento de um dado o espao amostral ser:
S=
c) Se o experimento consistir no lanamento de dois dados o espao amostral ser:
S=
7.2 DEFINIO DE EVENTO

Qualquer subconjunto de um espao amostral (S) considerado evento.
Exemplos:
a) se lanarmos dois dados queremos os eventos cuja soma das faces igual a 11.
A=
b) Lanando duas moedas queremos os eventos com faces iguais.
B=
c) Lanando um dado queremos o evento face par.
C=
a) Evento Certo: ocorre em qualquer realizao do experimento.
46
Exemplos:
b) Evento Impossvel: aquele que no ocorre em qualquer realizao de um experimento

aleatrio.
Exemplos:
c) Evento Complementar: Seja um evento qualquer A, o complementar de a o evento A , ou

seja um outro conjunto formado pelos elementos que pertencem a S e no pertencem a A.
Exemplos:
a) Lanando uma moeda teremos S={Ca, Co}
A= {Ca}
A=
b) Lanando um dado teremos S= {1, 2, 3, 4, 5, 6}

A={2}
A=
d) Eventos Mutuamente Exclusivos ou Disjuntos ou Incompatveis:
Exemplo:
Lanando um dado teremos S= {1, 2, 3, 4, 5, 6}. Se
A= Face menor do que dois = {1}
B= Face maior do que dois = {3, 4, 5, 6}
Logo A B =
e) Eventos Independentes: Dizemos que dois ou mais eventos so independentes, quando eles
no exercem aes recprocas, comportando-se cada um de maneira que lhe prpria, sem
influenciar os demais.
Exemplo:
47
Lanando duas moedas simultaneamente teremos S = { (Ca, Co); (Co, Ca); (Co, Co);
(Ca,
Ca)}
f) Eventos Condicionados: Quando associamos dois ou mais eventos a um experimento

aleatrio qualquer, dizemos que lhes so condicionados ou vinculados desde que o
aparecimento de um evento A qualquer dependa do aparecimento de um outro B no mesmo
experimento.
Exemplos:
a) Retirada consecutiva (sem reposio) de duas cartas vermelhas de um baralho comum de 52
cartas.
7.3 DEFINIO DE PROBABILIDADE

Qualquer que seja um experimento aleatrio, haver sempre um certo grau de incerteza quanto
ocorrncia ou no de certo evento. Por outro lado, considerado tambm que todos os experimentos
de um espao amostral (S) tm a mesma chance de ocorrer, ou ainda, os resultados so igualmente
equiprovveis ou simtricos.
Processo Clssico ( priori):
Define o sucesso da ocorrncia de um experimento qualquer A como sendo o quociente em que o

numerador o nmero de casos favorveis ao evento A e o denominador o nmero de casos
possveis de S, desde que igualmente equiprovveis.
P(A) =
n(A)
n(S)
Exemplo1: Desejamos determinar a probabilidade do aparecimento de uma cara em uma jogada de

uma moeda honesta.
Exemplo2: Suponha o experimento que consiste no lanamento de um dado honesto. Seja o evento A
o aparecimento de um nmero mpar.
48
7.4 TEOREMAS
1o) LIMITES DA PROBABILIDADE
Seja o evento A
0P(A)1
Exemplo:
a) Seja o evento A= Sair face 7 no lanamento de um dado
b) Seja o evento B= Sair Ca ou Co no lanamento de uma moeda.
2o) COMPLEMENTAR
Seja A o evento complementar de A
P(A ) = 1 P(A)
Exemplo:
Seja o evento A= ocorrer face 6 no lanamento de um dado = {6}
3o) TEOREMA DA SOMA:
a)
b)
P(AB)=P(A)+P(B)-P(AB)
P(AB)=P(A)+P(B)
(AB)
(AB=)
Exemplos:
Seja o experimento lanar um dado, e os eventos:
A= ocorrer face 4
B= ocorrer face 6
C= face mltiplo de 2
D= face mltiplo de 3
Encontre:
a) P(A B)=
b) P(C D)=
49
4o) TEOREMA DO PRODUTO:

O teorema do produto de relaciona com a determinao da probabilidade da ocorrncia
conjunta de A e B. Como mencionado anteriormente, isto a intercesso de A e B, sendo a
probabilidade designada por P(AB). Existem duas variaes da regra de multiplicao, conforme os
eventos sejam independentes ou dependentes.
a) A regra de multiplicao para eventos independentes :
P(A e B)=P(AB)=P(A).P(B)
Exemplo: Uma urna contm trs pedras brancas e nove pretas. Uma pedra retirada ao acaso
e reposta na urna, ento outra pedra retirada. Qual a probabilidade de ambas serem pretas?
b) Para eventos dependentes, a probabilidade da ocorrncia conjunta de A e B a probabilidade de A

multiplicada pela probabilidade condicional de B dado A. O mesmo ser obtido se os dois estiverem
em posies inversas. Portanto, a regra de multiplicao para eventos dependentes :
P(AB)=P(A).P(B/A) ou P(AB)=P(B).P(A/B)
Obs:
P(ABC)=P(A).P(B/A).P(C/AB)
Exemplo1: Suponha que um conjunto de 10 peas contenha oito em boas condies (A) e duas
defeituosas (B). Seja o experimento retirar duas peas aleatoriamente e sem reposio, qual a
probabilidade de que as duas peas selecionadas sejam boas?
Exemplo2: Seja o experimento que consiste na retirada de 3 cartas de um baralho de 52 cartas(sem

reposio). Qual a probabilidade de que todas elas sejam de ouro?
50
5o) TEOREMA DA PROBABILIDADE CONDICIONAL:

Consideremos B um evento qualquer em um espao amostral S, com P(B)>0. A probabilidade
do evento A ocorrer, uma vez que B tenha ocorrido, denotado por P(A/B) e definida como:
P(A/B) =
P(A B)
P(B)
com P(B) 0
Isto significa que a ocorrncia do evento A est vinculada ou condicionada ocorrncia do

evento B.
Exemplo1: De 100 pessoas que solicitarem emprego de programador de computadores, durante o ano
passado, em uma grande empresa, 40 possuam experincia anterior (A) e 30 possuam um certificado
profissional (B). Vinte dos candidatos possuam tanto experincia anterior como certificado
profissional e foram includos nas contagens de dois grupos.
a) Elaborar um diagrama de Venn para descrever estes eventos graficamente.
b) Qual a probabilidade de que um candidato escolhido aleatoriamente tenha um certificado, dado

que ele tenha alguma experincia anterior?
Exemplo2: Dois diferentes departamentos de produo que fazem parte de uma grande empresa so:
Produtos Martimos(M) e produtos para Oficinas (O). A probabilidade de que a diviso de Produtos
Martimos tenha, no corrente ano fiscal, uma margem de lucros de no mnimo 10% estimada em
0,30; a probabilidade de que a diviso de Equipamentos para Oficinas tenha uma margem de lucro de
pelo menos 10% de 0,20; e a probabilidade de que ambas as divises tenham uma margem de lucro
de no mnimo 10% de 0,06. Determine a probabilidade de que a diviso de Equipamentos para
Oficinas tenha uma margem de lucro no mnimo de 10% dado que a diviso de Produtos Martimos
tenha alcanado este nvel de lucro.
51
Exerccios:
1) Uma urna contm 10 bolas verdes, 8 vermelhas, 4 amarelas, 4 pretas e 5 brancas, todas com o
mesmo raio. Seja A o evento que consiste na retirada de uma bola verde e A o evento de no
ser bola verde. Encontre a probabilidade destes eventos.
2) Em uma urna contm15 bolas de mesmo raio, enumeradas de 1 a 15. Sendo A o evento retirar
uma bola mltiplo de 3 e B o evento retirar uma bola mltiplo de 4, encontre a probabilidade
destes eventos. Qual a probabilidade de se retirar uma bola mltiplo de 3 ou 4?
3) Com base no enunciado anterior (exerccio 2), considere o evento retirar uma bola mltiplo de 5
e 4. Encontre a sua probabilidade.
4) Metade dos estudantes de uma universidade possui automvel e um tero possui bicicleta. Um
quarto possui ambos. Qual a probabilidade de se encontrar um estudante que possua meio de
transporte prprio?
5) De 12 contas de um arquivo, quatro contm um erro na contabilizao do saldo da conta.
a) Se um auditor seleciona aleatoriamente duas destas contas (sem reposio), qual a
probabilidade de que nenhuma destas contas contenha erro?
b) Se o auditor inspeciona trs contas ao acaso, qual a probabilidade de que nenhuma
apresente erro de contabilizao?
6) Dispe-se de duas urnas sendo que na I temos 5 bolas azuis, 3 pretas e 4 brancas. Na urna II
temos 6 azuis, 4 pretas e 10 brancas.
a) Retirando uma bola de cada urna qual a probabilidade de:
1) Formar um par de bolas azuis.
2) Formar um par de bolas pretas.
3) Formar um par de bolas brancas.
b) Qual a probabilidade de formar um par de mesma cor retirando-se uma bola de cada urna?
52
7.5 VARIVEIS ALEATRIAS

At agora estvamos interessados em definir o Espao amostral (S), e associarmos suas
respectivas probabilidades aos experimentos aleatrios.
Existem, contudo, experimentos cujos resultados podem ser expressos por quantidades
numricas. Ou ainda, por vezes, desejamos atribuir um valor especfico a cada resultado do
experimento aleatrio.
Exemplo1: Analisando um lote de lmpadas produzido em determinado dia. Classificamos as
lmpadas como sendo perfeitas ou defeituosas. Para esta classificao podemos atribuir valores
numricos a cada resultado do experimento:
Se atribuirmos a cada evento s do espao amostral (S) um nmero real x tal que Z=X(s)
o valor de uma funo X do espao amostral S no campo dos nmeros reais podemos definir uma v. a.
como aquela cujos valores so obtidos por um experimento aleatrio e aos quais podemos associar
probabilidades. Lembrando que a soma das probabilidades de todos os valores de uma varivel
aleatria igual a 1 (um).
Exemplo2: Jogando-se uma moeda honesta duas vezes:
A cada evento de S associaremos um nmero real. Para isto vamos definir
X= nmero de caras
X
Probabilidade
7.6 DISTRIBUIO DISCRETA DE PROBABILIDADE

Se uma v. a. discreta X pode assumir os valores: x1, x2,x3,...,xn, com probabilidades
respectivamente P1, P2, P3,...,Pn, sendo que P1+P2+P3+...+Pn=1, diremos que esta definida a
distribuio de probabilidade de X, ou seja, P(X= xi)=f(xi) onde i=1,2,3,...,n e f(xi)0.
Exemplo: Jogando-se dois dados, onde X representa a soma dos nmeros obtidos nas faces, isto :
X(a,b)=a+b
X(S)={2,3,4,5,6,7,8,9,10,11,12}
53
Exerccio:
Considerando a distribuio de freqncias relativa ao nmero dirio de acidentes em um
estacionamento, encontre a distribuio de probabilidade.
No de acidentes Freqncia
0
1
2
3
22
5
2
1
7.7 VALOR ESPERADO (ESPERANA)

Tal como para conjunto de dados de amostras de populaes, freqentemente til descrever
uma distribuio de probabilidade em termos de sua mdia e de sua varincia. A mdia chamada de
valor esperado da distribuio de probabilidade. Onde:
n
E(X) = xP(x)
x =1
e
2
Var(X) = E(X 2 ) [E(X)]
Exemplo: O nmero de caminhes que chegam, por hora, a um depsito segue a distribuio de
probabilidade dados pela tabela 1. Calcule o nmero esperado de chegadas por hora e a varincia desta
distribuio de probabilidade.
Tabela 1 Chegadas de caminhes por hora em um depsito
Nmero de Caminhes X
Probabilidade P(X)
0
1
2
3
4
5
6
0,05 0,10 0,15 0,25 0,30 0,10 0,05
54
Exerccios:
1) As vendas de uma revista mensal em uma banca seguem a distribuio de probabilidade da tabela2.
Calcular o valor esperado e a varincia.
Tabela2: Venda de uma revista mensal em uma banca
Nmero de revistas, em mil X
15
16
17 18 19
Probabilidade
20
0,05 0,10 0,25 0,30 0,20 0,10
2) Uma seguradora cobra de prmio R$ 350,00 para segurar uma casa no valor de R$45.000,00.
Sabendo que a chance de um sinistro vir a acontecer de 1/1000, qual o lucro esperado desta
seguradora? Se a seguradora espera ter um lucro de 350,00 quanto deveria cobrar de prmio?
55
EXERCCIOS COMPLEMENTARES IV
1)
Demonstre o espao amostral para o experimento de lanar simultaneamente 3 moedas.
2)
De um grupo de 50 alunos, 40 esto matriculados na disciplina de Matemtica I, 30 na disciplina

de Estatstica I e 20 em ambas as disciplinas. Selecionando um aluno ao acaso qual a
probabilidade dele estar matriculado:
a) Em matemtica ou estatstica?
b) Apenas em matemtica?
c) Em nenhuma destas disciplinas?
3)
Considere que em seu bolso existem 5 moedas de 50 centavos, 2 moedas de 25 centavos e 3 de 50

centavos. Calcule a probabilidade:
a) De retirando uma moeda de seu bolso, que ela seja de 50 centavos?
b) De retirando uma moeda de seu bolso, que ela seja de 10 centavos ou de 50 centavos?
c) De retirando duas moedas sem reposio de seu bolso, que d um total de 75 centavos?
4)
Em uma turma de 50 alunos, 30 esto matriculados em disciplinas de clculo, 20 em disciplinas

de estatstica e 10 esto matriculados em ambas. Qual a probabilidade de selecionando um aluno
ao acaso, que ele esteja matriculado:
a) Em clculo ou estatstica?
b) Em estatstica, dado que est matriculado em clculo?
c) No esteja matriculado em clculo?
5)
Sabe-se que em um nascimento a probabilidade de uma criana ser do sexo masculino de 50%.
Qual a probabilidade de um casal:
a) Tendo um filho, que seja do sexo masculino?
b) Tendo dois filhos, que ambos sejam do sexo feminino?
c) Tendo dois filhos, que seja um casal?
6)
Selecionando uma carta de um baralho comum de 52 cartas, qual a probabilidade da carta

selecionada:
a) Ser do naipe de copas?
b) No ser do naipe de copas?
c) Ser um valete?
d) Ser um valete do naipe de copas?
7)
Em um grupo de 80 torcedores, 50 assistem aos jogos do Grmio, 30 assistem aos jogos do Inter,
e 10 assistem a ambos os jogos. Qual a probabilidade de selecionando um torcedor ao acaso:
56
a) Que ele assista aos jogos do Inter ou do Grmio;

b) Que ele no assista aos jogos do Grmio;
c) Que assista aos jogos do Grmio dado que assiste aos jogos do Inter.
8)
Um aluno estima que a probabilidade de tirar um A em Matemtica de 50%, a probabilidade de

tirar em A em estatstica de 60%. Calcule a probabilidade:
a) Dele no tirar um A em Estatstica.
b) De ele tirar A em Matemtica e Estatstica.
c) De ele tirar A em Matemtica dado que tirou A em estatstica.
9)
Joo acerta 1/3 das questes que tenta resolver, Pedro acerta 3/5. Se ambos tentarem
independentemente resolver este problema, qual a probabilidade dele ser resolvido corretamente?
10) Num estudo de hbitos de fumantes, foram entrevistadas 350 pessoas e os resultados apresentamse na tabela abaixo:
Estado
civil
No
Fumante fumante
Total
Casado
45
155
200
Divorciado
43
57
100
Solteiro
15
35
50
103
247
350
Total
Escolhendo aleatoriamente um indivduo determine:

a) Qual a probabilidade de obter algum fumante dado que casado?
b) Qual a probabilidade de obter algum que seja casado dado que ele no fumante?
11) Uma seguradora cobra de multa para segurar um veculo no valor de R$ 27000,00, um prmio de
R$ 1400,00 com uma franquia de R$ 1200,00. Sabendo que a probabilidade de uma perda parcial
de at 10% do valor do veculo de 5%, e a probabilidade de uma perda total de 2%, calcule o
lucro esperado da seguradora. Considere que para perdas totais no cobrada a franquia.
57
CAPTULO VIII
8
DISTRIBUIO BINOMIAL
A distribuio binomial descreve experimentos constitudos por repeties de provas
independentes, nas quais h apenas dois resultados. Por exemplo, ao jogarmos uma moeda, h
apenas dois resultados possveis: cara ou coroa; no nascimento de uma criana, esta pode ser menina
ou menino; segundo a teoria de personalidade de Eysenck, a pessoa pode ser introvertida ou
extrovertida etc. Convm ressaltar que um experimento pode ser constitudo de vrias provas
idnticas.
Considerando que:
a) n provas independentes e do mesmo tipo so realizadas.
b) Cada prova admite dois resultados sucesso ou fracasso, que so mutuamente exclusivos.
c) A probabilidade de sucesso ou fracasso so as mesmas em cada prova.
d) p a probabilidade de sucesso em cada prova e q=1-p a ocorrncia do fracasso.
A frmula para se determinar a probabilidade de certo nmero de sucessos, sabendo que a
varivel aleatria X tem distribuio binomial dada por

n!
P( X = x) = C x p x q n x , onde C x =
, sendo
n
n x! (n x)!
p = probabilidade de sucesso, que varia de 0 a 1.

q = probabilidade de fracasso, determinada por 1-p.
x = nmero de sucessos, que varia de 0 a n.
n - x = nmero de fracassos.
n nmero de provas.
Exemplo1: Qual a probabilidade que em quatro jogadas de uma moeda obtenha-se:
a) 3 caras
b) 2 caras
Exemplo2: A probabilidade de que um presumvel cliente escolhido aleatoriamente faa uma compra
de 0,60. Se um vendedor visita 6 presumveis clientes
a) qual a probabilidade de que ele faa exatamente quatro vendas?
b) qual a probabilidade de que o vendedor realiza 4 ou mais vendas?
58
8.1 MDIA E VARINCIA

A mdia de uma distribuio binomial dada pela frmula:
E(X) = n.p
e a varincia dada por:
V(X) = n.p.q.
Exerccios:
1)
Em 10.000 famlias com 8 filhos cada uma, quantas se esperaria que tivessem:
a) Exatamente 2 meninos
b) Nenhum menino
c) Trs meninos
2)
Em um hospital 5 pacientes devem submeter-se a um tipo de operao da qual 80% sobrevivem.

Qual a probabilidade de que:
a) Todos sobrevivam
b) Pelo menos 2 sobrevivam
c) No mximo 3 no consigam sobreviver.
3)
Um exame constitudo de dez testes com 5 alternativas, onde apenas uma correta. Quantos
testes acerta, em mdia, um aluno que nada sabe sobre a matria do exame? Qual a varincia da
distribuio?
4)
Uma cooperativa agrcola afirma que 95% das melancias vendidas por ela esto maduras e
prontas para consumo. Determine as probabilidades de que, dentre 18 melancias despachadas:
a) todas as 18 estejam maduras e prontas para o consumo;
b) Nenhuma das 18 estejam maduras;
c) No mnimo 14 estejam maduras e prontas para consumo;
d) No mximo 14 estejam maduras e prontas para consumo.
59
CAPTULO IX
9
DISTRIBUIO CONTNUA DE PROBABILIDADE

Para definir uma funo de probabilidade contnua, necessrio utilizar critrios diferentes das
variveis discretas. Isto porque X dever estar compreendido entre dois valores diferentes, sendo em
geral a probabilidade de X assumir um determinado valor zero.
Consideremos X uma v.a. contnua. Uma funo f(x) que satisfaa as propriedades a seguir
chamada funo densidade de probabilidade ou funo densidade.
a)f(x)0
b)
f(x)dx = 1
Obs:
a) P(X=xo)=0
b) Quaisquer das probabilidades a seguir so iguais:
P(aXb); P(aX<b); P(a<Xb); P(a<X<b)
9.1 DISTRIBUIO NORMAL

Normalmente em Estatstica, trabalhamos com uma amostra representativa de determinado
fenmeno.
Na coleta de dados referentes a estes fenmenos, como, por exemplo, preos de um produto,
espessuras de um lote de chapas, rendas individuais, peso de um recm nascido,..., obtm-se sries de
distribuio, cujos valores tendem a concentrar-se em torno de um determinado valor, e, quando
plotados em um plano cartesiano, eles assumem a forma de uma curva chamada Distribuio.
Existem casos em que a curva da distribuio se apresenta em forma de um sino,
perfeitamente simtrica em relao ordenada principal, curva esta chamada de Gauss ou Normal.
A Distribuio Normal uma distribuio terica, podendo ser aplicada em grande nmero de
fenmenos.
1 x - 2
f(x) =
exp

2
2
1
Onde
=3,14159
, xR
=mdia
=desvio-padro
60
a) Grfico:
A forma da curva normal fica perfeitamente determinada pelos seus parmetros onde:
-
centra a curva
determina a extenso do aparelhamento (abertura)
A rea sob a curva normal (na verdade abaixo de qualquer funo de densidade de
probabilidade) 1. Ento, para quaisquer dois valores especficos podemos determinar a proporo de
rea sob a curva entre esses dois valores. Para a distribuio Normal, a proporo de valores caindo
dentro de um, dois, ou trs desvios padro da mdia so:
Intervalo
Proporo
68.3%
95.5%
99.7%
61
b) Propriedades:
1) simtrica em torno de .
2) Tem ponto mximo para x=
3) Tem dois pontos de inflexo.
c) Clculo das Probabilidades
Surgem dois problemas
1) Para a integrao de f(x).
2) Na elaborao de uma tabela de probabilidades, visto que f(x) depende de dois parmetros
(,2) que implica em grande trabalho para se conseguir tabelar todas essas
probabilidades.
Solucionamos estes problemas atravs de uma mudana de varivel criando uma Normal
Padronizada ou Reduzida definida por:
Z=
X-
d) Exemplos para uso da Tabela:

a)
P(0Z2)=
b)
P(-2Z0)=
c)
P(-1,32Z1,74)=
d)
P(1,31Z2,44)=
62
e)
P(Z1,15)=
f)
P(Z1,43)=
9.1.1 Soluo de Problemas com Varivel Normal

1o) Identificar o que queremos da distribuio original.
2o) Obter a mdia e .
3o) transformar a v.a. original na varivel padronizada.
Exemplos:
1) Dado X
N(8,4), calcular:
a) P(X15)
b) P(X5)
2) As vendas de determinado produto tem apresentado distribuio normal, com mdia de 600
unid/ms e desvio padro de 40 unid/ms. Se a empresa decide fabricar 700 unidades naquele mesmo
ms, qual a probabilidade dela no poder atender a todos os pedidos desse ms, por estar com a
produo completa?
3)Determinada classe de operrios industriais tem seus salrios semanais em torno de uma mdia de
R$200,00, com desvio padro de R$30,00. Pede-se:
a) Encontre a probabilidade de um operrio desta classe Ter salrio semanal situado entre
R$180,00 e 250,00?
b) Ter salrio semanal de 240,00 reais ou mais?
63
4)Certas vlvulas fabricadas por uma companhia tem uma vida mdia de 800 horas e desvio
padro desta mdia de 9 horas. Determine a probabilidade de uma amostra, ter vida mdia
a) entre 790 e 810 horas;
b)inferior a 785 horas;
c)superior a 820 horas;
64
EXERCCIOS COMPLEMENTARES V
1) Acredita-se que 20% dos moradores das proximidades de uma grande indstria siderrgica tem
alergia aos poluentes lanados ao ar. Admitindo que este percentual de alrgicos real (correto),
calcule a probabilidade de que entre 13 moradores selecionados ao acaso:
a) exatamente 4 tenham alergia;
b) menos de 3 tenham alergia;
c) pelo menos 4 moradores tenham alergia.
2) Trs em cada quatro alunos de uma universidade fizeram cursinho antes de prestar vestibular. Se 16
alunos so selecionados ao acaso, qual a probabilidade de que:
a) exatamente 12 tenham feito cursinho?
b) pelo menos 12 tenham feito cursinho?
3) A durabilidade de um tipo de pneu da marca Rodabem descrita por uma v.a. Normal com mdia
60.000 km e desvio padro de 8.300 km.
a) Se a Rodabem garante os pneus pelos primeiros 48.000 km, qual a proporo de pneus que
devero ser trocados pela garantia?
b) O que aconteceria com a proporo do item anterior, se a garantia fosse para os primeiros
45.000 km?
c) Qual deveria ser a garantia (em km) de tal forma a assegurar que o fabricante esperaria trocar
sob garantia no mximo 2% dos pneus?
4) O tempo para que um sistema computacional execute determinada tarefa uma v.a. com
distribuio normal, com mdia 320 segundos e desvio padro de 7 segundos.
a) Qual a probabilidade de uma tarefa levar mais do que 330 segundos para ser executada?
b) Qual a probabilidade de uma tarefa ser executada entre 310 e 330 segundos?
5) Numa certa populao, o peso dos homens tem distribuio normal com mdia 75 kg e desvio
padro 10 kg, enquanto que o das mulheres tambm normal com mdia 60 kg e desvio padro 4 kg.
a) Sorteando-se um homem qualquer, qual a probabilidade dele ter peso acima de 65 kg?
b) Sorteando-se uma mulher qualquer, qual a probabilidade dela ter peso acima de 65 kg?
6) Suponha que o tempo necessrio para que estudantes completem uma prova tenha distribuio
normal com mdia 90 minutos e desvio padro 15 minutos.
a) Qual a probabilidade do estudante terminar a prova em menos de 80 minutos?
b) Em mais de 120 minutos?
c) Entre 75 e 85 minutos?
65
d) Qual o tempo necessrio para que 98% dos estudantes terminem a prova?
7) A idade dos alunos matriculados no curso de Gesto de Recursos Humanos, nas turmas do 1
ano de uma Universidade Privada est normalmente distribuda com mdia de 22 anos e desvio
padro de 4 anos. Calcule:
a) A probabilidade de se encontrar um aluno com mais de 30 anos.
b) Qual a percentagem de alunos com mais de 20 anos, mas menos do que 25 anos ?
c) Sabendo que so 120 os matriculados, quantos tero menos do que 20 anos?
8) O tamanho das pizzas mdias da Pizzaria Bom-Queijo segue uma distribuio normal com
mdia de 25 cm e varincia de 9 cm. Qual a probabilidade de:
a) Adquirir uma pizza com mais de 28 cm.
b) Adquirir uma pizza com mais de 24 cm, mas menos de 27 cm.
9) A queda pluviomtrica anual em determinado distrito normalmente distribuda com mdia 65

dm3 e varincia 9. Calcule a probabilidade de:
a) a queda pluviomtrica estar entre 60 e 70 dm3.
b) a queda pluviomtrica estar entre 62 e 68 dm3.
66
CAPTULO X
10 CORRELAO E REGRESSO
10.1
INTRODUO
J trabalhamos com a descrio de valores de uma nica varivel. Quando, porm,
consideramos observaes de duas ou mais variveis surge um novo problema: as relaes que podem
existir entre as variveis estudadas.
Assim, quando consideramos variveis como peso e estatura de um grupo de pessoas, uso do
cigarro e incidncia do cncer, procuramos verificar se existe alguma relao entre as variveis de
cada um dos pares e qual dessa relao.
Uma vez caracterizada a relao, procuramos descrev-la atravs de uma funo matemtica.
A regresso o instrumento adequado para determinao dos parmetros dessa funo. Se todos os
valores da variveis satisfazem exatamente uma equao, diz-se que elas esto perfeitamente
correlacionadas ou que h correlao perfeita entre elas.
Quando esto em jogo somente duas variveis, fala-se em correlao e regresso simples.
Quando se trata de mais de duas variveis, fala-se em correlao e regresso mltipla.
10.2
CORRELAO
O objetivo do estudo correlacional a determinao da fora do relacionamento entre duas
observaes. H muitos casos em que pode existir um relacionamento entre duas variveis.
Consideremos, por exemplo,
-
A idade e a resistncia fsica esto correlacionadas?
Pessoas com maior renda tendem a apresentar melhor escolaridade?
Estudantes com maior capacidade de leitura tendem a obter melhores resultados em cursos de
matemtica?
Ento, quando duas variveis esto ligadas por uma relao estatstica, dizemos que existe
correlao entre elas.
67
10.2.1 Diagrama de disperso:

Consideremos uma amostra aleatria, formada por dez dos 98 alunos de uma classe da
Universidade A e pelas notas obtidas por eles em Matemtica e Estatstica:
Notas
No
Matemtica
(X)
5,0
8,0
7,0
10,0
6,0
7,0
9,0
3,0
8,0
2,0
01
02
03
04
05
06
07
08
09
10
Estatstica
(Y)
6,0
9,0
8,0
10,0
5,0
7,0
8,0
4,0
6,0
2,0
Representando, em um sistema cartesiano coordenado cartesiano ortogonal, os pares

ordenados (x,y), obtemos uma nuvem de pontos que denominamos diagrama de disperso. Esse
diagrama nos fornece uma idia grosseira, porm til da correlao existente:
Estatstica
Diagrama de Disperso
12
10
8
6
4
2
0
0
10
15
Matemtica
10.2.2 Correlao Linear:

Os pontos obtidos, vistos em conjunto, formam uma elipse em diagonal.
Podemos imaginar que, quanto mais fina for a elipse, mais ela se aproximar de uma reta.
Verificamos no exemplo anterior, poderemos aproximar aos pontos uma reta ascendente, ela
chamada correlao linear positiva.
Assim, uma correlao :
68
a) Linear positiva: Se os pontos do diagrama tm como imagem uma reta ascendente;
b) Linear negativa: Se os pontos do diagrama tm como imagem uma reta descendente.
c) No-linear : Se os pontos tm como imagem uma curva.
d) No Correlacionados: Se os pontos apresentarem-se dispersos, no oferecendo uma imagem

definida, conclumos que no h relao alguma entre as variveis em estudo.
Exerccios:
1) Trace o diagrama de dispersso e identifique a correlao se existir:
a)
x
10
12
12
10
69
b)
X
10
8
13
9
11
14
6
4
12
7
5
Y
9
8
8,7
8,7
9
8
6
3
9
7
4,7
c)
Z
10
8
13
9
11
14
6
4
12
7
5
W
7,5
6,7
12,7
7
7,8
8,8
6
5,5
8
6
5,7
10.2.3 Coeficiente de Correlao Linear:

O instrumento empregado para a medida da correlao linear o coeficiente de correlao.
Este coeficiente deve indicar o grau de intensidade da correlao entre duas variveis e , ainda, o
sentido dessa correlao (positivo ou negativo)
Usaremos o coeficiente de correlao de Pearson, que dado por:
nxi yi (xi )(yi )
[nx (x ) ][ny (y ) ]
2
i
2
i
Onde n o nmero de observaes.

Observaes:
Os valore limites de so -1 e +1, isto , pertence ao intervalo [-1, 1]
Se a correlao entre as variveis perfeita positiva, ento = +1.
Se a correlao perfeita e negativa, ento = -1.
Se no existe correlao entre as variveis, ento = 0.
Para que uma relao possa ser descrita por meio do coeficiente de Pearson
imprescindvel que ela se aproxime de uma funo linear.
Se 0,6 < 1 existe uma correlao forte entre as variveis.
Se 0,3 < < 0,6 h uma correlao relativamente fraca entre as variveis.
70
Se 0 < < 0,3 a correlao muito fraca e , praticamente, nada podemos concluir
sobre a relao entre as variveis em estudo.
Consideremos uma amostra aleatria, formada por dez dos 98 alunos de uma classe da Universidade A
e pelas notas obtidas por eles em Matemtica e Estatstica. Vamos ento calcular o coeficiente de
correlao relativo a estes dados:
No
01
02
03
04
05
06
07
08
09
10
Matemtica
(X)
5,0
8,0
7,0
10,0
6,0
7,0
9,0
3,0
8,0
2,0
Estatstica
(Y)
6,0
9,0
8,0
10,0
5,0
7,0
8,0
4,0
6,0
2,0
xi yi
xi2
yi2
Exerccios:
1) Os dados abaixo do, para 10 pases, o consumo de cigarros per capta (X) em 1930 e as mortes por
1000 habitantes em 1950, causadas por cncer no pulmo (Y).Calcular o coeficiente de correlao
entre X e Y.
Pas
Islndia
Noruega
Sucia
Dinamarca
Canad
Austrlia
Holanda
Sua
Finlndia
Gr-Bretanha
240
255
340
375
510
490
490
180
1125
1150
63
100
140
175
160
180
250
180
360
470
2) Os dados abaixo representam a taxa de desemprego e a taxa de utilizao da capacidade industrial

global (CAP). Existe correlao entre estes dados? Faa o diagrama de disperso e calcule o
coeficiente de correlao se possvel. Existe correlao entre estes dados?
71
Ano
Desemp.
CAP
1984
1985
1986
1987
1988
1989
1990
1991
7,4
7,1
6,9
6,1
5,4
5,2
5,4
6,6
81,1
80,3
79,2
81,4
84,0
84,2
83,0
79,4
3) O gerente de vendas est sempre insistindo com os vendedores que a venda dos seus produtos tem
forte relao com as visitas realizadas pelos vendedores aos seus cliente. A empresa tem 11
vendedores e, como regra, eles visitam seus clientes uma vez por ms. Para tentar confirmar a
crena do gerente de vendas foi realizado o levantamento das visitas realizadas e as vendas de
cada vendedor durante o ms passado. Esses dados esto registrados no quadro seguinte. Pede-se
fazer o grfico de disperso e encontrar o coeficiente de correlao.
Samuel
Ricardo
Suely
Manuel
Ivany
Rafaela
Carlos
Joo
Susana
Marcos
Andrea
10.3
Contatos
42
105
66
87
50
55
51
60
40
87
78
Vendas Prod.
140
330
190
350
110
135
140
235
70
320
220
REGRESSO
Um problema freqente em estatstica consiste em investigar questes como estas: H alguma
relao entre duas grandezas? As variaes em uma grandeza acarretam variaes na outra? Por
exemplo, as variaes de taxas de juros afetam a procura por casas? Em outras situaes, interessados
saber se possvel usar uma das variveis para predizer o valor de outra.
Suponha que estejamos queiramos avaliar a despesa de consumo do prximo ano. difcil
predizer diretamente tal despesa; pode ser mais fcil prever o valor da renda disponvel. Se pudermos
achar uma relao entre a renda e consumo, est resolvido o problema. Com o conhecimento dessa
relao e do valor da renda, podemos prever o consumo.
72
Rgresso linear simples: mtodo de anlise da relao entre uma varivel independente e uma
varivel dependente.
Reta de regresso: reta calculada na anlise de regresso, usada para estimar a relao entre as
grandezas.
10.3.1 A reta de regresso

Em economia, admite-se que o nvel de renda afete a procura de determinado bem de
consumo. Para a maior parte desses bens, uma renda mais elevada acarreta maior procura. Mas isto
nem sempre verdade. H alguns bens de consumo (chamados bens inferiores) que so menos
adquiridos quando a renda aumenta. Presumivelmente, compra-se algo melhor, quando possvel. A
nica maneira de dizer se um determinado bem de consumo um bem inferior consiste em coletar os
dados.
Suponha as seguintes observaes da renda mdia e de consumo de pizza durante um ms, em
oito cidades distintas:
Cidade
Renda
($1.000)
Pizzas vendidas
(milhares)
1
2
3
4
5
6
7
8
5
10
20
8
4
6
12
15
27
46
73
40
30
28
46
59
Traaremos o diagrama de disperso:

Vendas
80
60
40
20
0
0
10
15
20
25
Renda
10.3.2 Ajustamento da reta

Sempre que desejamos estudar determinada varivel em funo da outra, fazemos uma anlise
de regresso.
Dizemos que a anlise de regresso tem por objetivo descrever, atravs de um modelo
matemtico, a relao entre duas variveis, partindo de n observaes das mesmas.
73
A varivel sobre a qual desejamos fazer uma estimativa recebe o nome de varivel
dependente e a outra recebe o nome de varivel independente.
Assim, supondo X a varivel independente e Y a dependente, vamos procurar determinar o
ajustamento de uma reta relao entre essas variveis, ou seja, vamos obter uma funo definida por:
Y= a X + b
Onde a e b so os parmetros dados por:
a=
n xi y i xi y i
n xi2 ( xi )
b = y a x
n o nmero de observaes;
onde:
x a mdia aritmtica dos valores xi.

y a mdia aritmtica dos valores yi.
Observao:
Como estamos fazendo estimativas de uma amostra para obtermos os valore dos parmetros, o
resultado, na realidade, uma estimativa da verdadeira equao de regresso. Sendo assim,
escrevemos:
=aX+b
Y
o Y estimado.
Onde Y
Exemplo 1: Para o caso das vendas de pizza, no podemos traar uma reta que passe por todos os
pontos; mas podemos determinar uma reta que passe perto da maioria deles, que chamada reta de
regresso.
Cidade
Renda (xi)
($1.000)
1
2
3
4
5
6
7
8
5
10
20
8
4
6
12
15
Pizzas
vendidas (yi)
(milhares)
27
46
73
40
30
28
46
59
xi yi
xi2
74

Vendas
80
60
40
y = 2,9048x + 14,577
R2 = 0,9683
20
0
0
10
15
20
25
Renda
Exemplo2: Consideremos uma amostra aleatria, formada por dez dos 98 alunos de uma classe da
Universidade A e pelas notas obtidas por eles em Matemtica e Estatstica. Vamos, ento calcular a
reta de regresso tomando como varivel independente
a) As notas obtidas em matemtica
b) As notas obtidas em estatstica.
01
02
03
04
05
06
07
08
09
10
Matemtica
(X)
5,0
8,0
7,0
10,0
6,0
7,0
9,0
3,0
8,0
2,0
Estatstica
(Y)
6,0
9,0
8,0
10,0
5,0
7,0
8,0
4,0
6,0
2,0
xi2
xi yi
yi2
12
10
Estatstica
No
8
6
4
y = 0,8632x + 0,8889
R2 = 0,8304
2
0
0
10
12
Matemtica
75
Matemtica
12
10
8
6
4
2
0
y = 0,9619x + 0,2476
R2 = 0,8304
10
12
Estatstica
10.3.3 Interpolao e extrapolao

Analisando as notas obtidas em matemtica no exemplo 2, verificamos que a nota 4,0 no
figura entre as notas de matemtica. Entretanto, podemos estimar a nota correspondente em estatstica
tomando x=4,0 na equao de regresso encontrada:
O mesmo acontece com a nota 1,0. Repetindo o procedimento temos:
Como 4 [2,10], dizemos que foi feita uma interpolao; e como 1 [2,10], dizemos que foi
feita uma extrapolao.
Exemplo3:
a) Qual a possvel nota em matemtica para um aluno que recebeu nota 9,5 em estatstica?
b) Qual o provvel consumo de pizzas para uma cidade com renda de $ 7.000 ?
Exerccios:
4)
Os dados abaixo do, para 10 pases, o consumo de cigarros per capta (X) em 1930 e as mortes
por 1000 habitantes em 1950, causadas por cncer no pulmo (Y).Calcular a reta de regresso
tomando X como varivel independente. Qual a previso de mortes por cncer no pulmo se
tivermos um consumo per capta de 400?
76
Pas
Islndia
Noruega
Sucia
Dinamarca
Canad
Austrlia
Holanda
Sua
Finlndia
Gr-Bretanha
240
255
340
375
510
490
490
180
1125
1150
63
100
140
175
160
180
250
180
360
470
5) Os dados abaixo representam a taxa de desemprego e a taxa de utilizao da capacidade industrial

global (CAP). Calcule a reta de regresso tomando como varivel independente a CAP. Qual a
provvel taxa de desemprego se tivermos um CAP de 82? E de 85?
Ano
Desemp.
CAP
1984
1985
1986
1987
1988
1989
1990
1991
7,4
7,1
6,9
6,1
5,4
5,2
5,4
6,6
81,1
80,3
79,2
81,4
84,0
84,2
83,0
79,4
6) O gerente de vendas est sempre insistindo com os vendedores que a venda dos seus produtos tem
forte relao com as visitas realizadas pelos vendedores aos seus clientes. A empresa tem 11
vendedores e, como regra, eles visitam seus clientes uma vez por ms. Para tentar confirmar a
crena do gerente de vendas foi realizado o levantamento das visitas realizadas e as vendas de
cada vendedor durante o ms passado. Esses dados esto registrados no quadro seguinte. Pede-se
calcular a reta de regresso tomando
(a) os contatos como varivel independente,
(b) as vendas como varivel independente.
(c) Se um vendedor em determinado ms mantiver 70 contatos com clientes qual ser a sua
previso de vendas?
(d) se um vendedor pretende alcanar uma venda de 300 quantos contatos ele dever manter
durante o ms?
Samuel
Ricardo
Suely
Manuel
Ivany
Rafaela
Carlos
Joo
Susana
Marcos
Andrea
Contatos
42
105
66
87
50
55
51
60
40
87
78
Vendas Prod.
140
330
190
350
110
135
140
235
70
320
220
77
EXERCCIOS COMPLEMENTARES VI
1) O quadro abaixo apresenta a renda anual e o montante de seguro:

Renda (em $1.000)
Seguro
20
25
26
18
16
17
32
13
38
40
42
Com base nos dados acima, calcule:
10
12
15
10
15
20
30
5
40
50
40
a) Trace o diagrama de disperso;

b) O coeficiente de correlao e interprete-o;
c) A reta de regresso.
d) Qual o valor gasto em seguro para uma renda anual de $48? E para uma renda de $27?
e) Quando realizamos uma previso para o gasto em seguro para uma renda de $27, estamos
interpolando ou extrapolando? Justifique sua resposta.
2) Suponha que um analista toma uma amostra aleatria de 10 carregamentos recentes por caminho
feitos por uma companhia e anota a distncia em quilmetros e o tempo de entrega ao meio-dia mais
prximo.
Carregam
ento
10
Distncia
(X)
825
215
1070
550
480
920
1350
325
670
1215
Tempo
/dias (Y)
3,5
1,0
4,0
2,0
1,0
3,0
4,5
1,5
3,0
5,0
a) Trace o diagrama de disperso.

b) Analisando o diagrama de disperso, poderemos dizer que estas variveis esto correlacionadas?
Justifique.
c) Se esto correlacionadas qual o tipo de correlao? Justifique.
d) Calcule o coeficiente de correlao.
e) Para uma distncia de 1270 Km quantos dias devemos esperar para que a entrega seja feita?
3) Considerando os seguintes dados referentes ao nmero de livros de estatstica vendidos em 15
cidades diferentes, durante certo perodo.
78
Cidade
Livros
Adquiridos
166
180
73
81
229
182
233
102
190
150
221
137
173
150
92
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Preo
10
9
10
14
8
15
6
10
7
10
11
15
8
12
10
a) Analise o diagrama de disperso e verifique se os dados esto correlacionados.

b) De que maneira estes dados esto correlacionados? Justifique
c) Se vendermos um livro a um preo de 13 qual a quantidade de livros que esperaramos vender?
d) Para obtermos uma venda de 210 livros por quanto deveramos vender os livros?
4) A tabela apresenta dados relacionados com o nmero de semanas de experincia de colocar fios em
pequenos componentes eletrnicos bem como o nmero de tais componentes que foram rejeitados
durante a ltima semana, dados estes referentes a 12 trabalhadores aleatoriamente selecionados
Trabalhador
10
11
12
Semanas de
experincia
14
12
10
11
Quantidade de
26
20
28
16
23
18
24
26
38
22
32
25
rejeitados
a) Analise o diagrama de disperso e verifique se os dados esto correlacionados. Se estiverem
correlacionados analise o tipo de correlao.
b) Calcule o coeficiente de correlao e faa uma comparao com o que voc observou no diagrama
de disperso.
c) De acordo com o valor encontrado em b) a correlao para estes dados muito fraca, mdia, forte
ou no existe? Justifique sua resposta.
d) Para que se tenha apenas 15 peas rejeitadas quantas semanas um funcionrio deve ter de
experincia?
e) Em d) estamos extrapolando ou interpolando? Justifique sua resposta.
5) A tabela apresenta dados de amostra referentes ao nmero de horas de estudo fora de classe para
determinados alunos de um curso de estatstica, bem como os graus obtidos em um exame aplicado no
fim do curso.
79
Estudante
Horas de
estudo
Grau no
exame
20
16
34
23
27
32
18
22
64
61
84
70
88
92
72
77
a) Trace o diagrama de disperso e faa sua anlise.

b) Calcule o coeficiente de correlao e faa um paralelo com o que voc concluiu em a).
c) Se um estudante pretende obter grau 90 no exame durante quantas horas ele deve estudar?
d) Se um estudante estudou durante 25 horas qual o provvel grau obtido no exame?
80
Tabela I : Distribuio Normal
Fonte: Crespo, A. A. Estatstica Fcil.
81
BIBLIOGRAFIA
AZEVEDO, Amlcar G., CAMPOS, Paulo, H. B. Estatstica Bsica. Ed LTCS. Paulo, 1984.
CRESPO, Antonio Arnot. Estatstica Fcil. So Paulo, SP: Ed. Saraiva, 2003.
DOWING, Douglas & Clarck, Jeffrey. Estatstica Aplicada. S. Paulo. Ed. Saraiva, 1998.
FREUND, Jhon E., SIMON, Gary A.. Estatstica Aplicada Economia, Administrao e
Contabilidade. Ed Bookman, Porto Alegre, 2000.
KAZMIER, Leonard J. Estatstica Aplicada a Economia e Administrao. MAKRON Books, S.
Paulo, 1982.
LAPPONI, Juan C. Estatstica Usando o Excel. Lapponi Treinamento e Editora, S. Paulo, 1998.
MALHOTRA, Naresh K. Pesquisa de Marqueting: Uma orientao Aplicada. Bookman, Porto
Alegre, 2001.
SPIEGEL, Murray R. Probabilidade e Estatstica. Ed McGraw-Hill, 1988.
TRIOLA, Mario F. Introduo Estatstica. Ed. LTC,RJ, 1999.
82

Probabilidade e Estatística 2014 02

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Probabilidade e Estatística 2014 02

Enviado por

Direitos autorais:

Formatos disponíveis

Probabilidade e Estatstica - Daniela Muller de Quevedo

Apostila para a Disciplina de

Bacharelado em Engenharia Eletrnica, Industrial,

Profa Dra Daniela Mller de Quevedo

Novo Hamburgo 2014

Probabilidade e Estatstica - Daniela Muller de Quevedo

Disciplina: Probabilidade e Estatstica

Medidas de Tendncia Central.

Probabilidade e Estatstica - Daniela Muller de Quevedo

Probabilidade e Estatstica - Daniela Muller de Quevedo

Probabilidade e Estatstica - Daniela Muller de Quevedo

Probabilidade e Estatstica - Daniela Muller de Quevedo

Probabilidade e Estatstica - Daniela Muller de Quevedo

utilidade, destacadamente nos ramos onde a experimentao de fundamental importncia como,

Probabilidade e Estatstica - Daniela Muller de Quevedo

Parmetro uma caracterstica numrica estabelecida para toda uma populao.

Estimador uma caracterstica numrica estabelecida para uma amostra.

A cada fenmeno corresponde um nmero de resultados possveis. Assim, por exemplo:

para o fenmeno nmero de estudantes das escolas pblicas do RS h um nmero de

para o fenmeno cor dos olhos, os resultados possveis so:

Portanto, varivel , convencionalmente, o conjunto de resultados possveis de um fenmeno.

Probabilidade e Estatstica - Daniela Muller de Quevedo

Quantitativas: so aquelas que podem ser expressas em termos numricos. Em geral, so

Qualitativas: quando os elementos da populao no so exclusivamente contveis. Muitas

EXERCCIO 1: Classifique as seguintes variveis :

Probabilidade e Estatstica - Daniela Muller de Quevedo

g) Hbito de fumar (0 = no fumante ; 1 = fumante)__________________________.

Tempo para realizar uma prova___________________________________

1.6.1- Fases do Mtodo Estatstico

Probabilidade e Estatstica - Daniela Muller de Quevedo

Em termos genricos, uma tabela se compe dos seguintes elementos bsicos:

Probabilidade e Estatstica - Daniela Muller de Quevedo

Setor de atividade econmica

Servios (1) Servios (2)

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

Probabilidade e Estatstica - Daniela Muller de Quevedo

b) Sries Geogrficas, Espaciais, Territoriais ou de Localizao: Descrevem os valores da varivel

c) Sries Especficas ou Categricas: Descrevem os valores da varivel em determinado tempo e

Nmero de pessoas empregadas nos principais

Probabilidade e Estatstica - Daniela Muller de Quevedo

Probabilidade e Estatstica - Daniela Muller de Quevedo

Probabilidade e Estatstica - Daniela Muller de Quevedo

DISTRIBUIO DE FREQUNCIAS PARA VARIVEIS QUALITATIVAS

considere o seguinte exemplo:

Probabilidade e Estatstica - Daniela Muller de Quevedo

DISTRIBUIO DE FREQUNCIAS PARA VARIVEIS QUANTITATIVAS

Probabilidade e Estatstica - Daniela Muller de Quevedo

Denominamos freqncia o nmero de cilindros que fica relacionado a um determinado valor

Construo da Distribuio de Freqncia (Tabela 1)

Construo da Distribuio de Freqncia (Tabela 2)

Probabilidade e Estatstica - Daniela Muller de Quevedo

Para construirmos uma distribuio de freqncias utilizando intervalos necessitamos

iii) Amplitude de um Intervalo de Classe ( hi ): a medida do intervalo que define a classe.

v) Amplitude Amostral (AA) : a diferena entre o valor mximo e o valor mnimo da

Probabilidade e Estatstica - Daniela Muller de Quevedo

vii) Freqncia Simples Absoluta ( fi ): o nmero de observaes correspondente a cada classe,

Nmero de Classes e Intervalos de Classes: Para determinar o nmero de classes de

Probabilidade e Estatstica - Daniela Muller de Quevedo

2) O seguinte quadro apresenta as idades de 44 funcionrios da Empresa X, do ramo

Qual a amplitude amostral. Interprete.

Construa uma distribuio de freqncias adequada para estes dados.

Freqncia Relativa ( fri )

Freqncia Acumulada (Fi)

elementos que o antecedem.