UNIVERSIDADE FEDERAL RURAL DO SEMI-RIDO-UFERSA

DEPARTAMENTO DE CINCIAS VEGETAIS-DCV

DISCIPLINA: ESTATSTICA

UFERSA
MOSSOR-RN
2012

RESISTA

Resista
um pouco mais, mesmo que as feridas latejam e que sua coragem esteja cochilando.

Resista
mais um minuto e ser fcil resistir aos demais.
Resista
mais um instante, mesmo que a derrota seja um im, mesmo que a desiluso caminhe
em sua direo.

Resista
mais um pouco, mesmo que os invejosos digam para voc parar, mesmo que sua
esperana esteja no fim.

Resista
mais um momento, mesmo que voc no possa avistar ainda linha de chegada.
Mesmo que as inseguranas brinquem de roda a sua volta.

Resista
um pouco mais, mesmo que a sua vida esteja sendo pesada como a conscincia dos
insensatos e voc se sinta indefeso como um pssaro de asas quebradas.
Resista,
porque o ultimo instante da madrugada e sempre aquele que puxa a manha pelo
brao e essa manha bonita, ensolarada, sem algemas, nascera para voc em breve, desde que
voc resista.

Resista,
porque estamos sentados na arquibancada do tempo, torcendo ansiosos para que
voc vena e ganhe de Deus o trofu que voc merece:
A
FELICIDADE.

(Everton Luis da Silva)

1. ESTATSTICA DESCRITIVA
1.1.Introduo
1.2.Coleta, organizao e apresentao de dados
1.3.Medidas de posio
1.4 .Medidas de disperso
2. CONJUNTOS E PROBABILIDADES
2.1.Conjuntos e Subconjuntos
2.2.Operaes com conjuntos
2.3.Espao amostral
2.4.Probabilidade e suas leis
2.5.Probabilidade condicional
3. VARIVEIS ALEATRIAS E DISTRIBUIO DE PROBABILIDADE
3.1.Variveis Aleatrias (conceitos)
3.2.Distribuies Discretas de Probabilidades
3.3.Funes de Distribuio para Variveis Aleatrias Discretas
3.4.Distribuies de Probabilidades Contnua.
3.5.Funes de Distribuies para Variveis Aleatrias Contnuas.
3.6.Esperana Matemtica
4. DISTRIBUIES ESPECIAIS DE PROBABILIDADE
4.1.Distribuio binomial
4.2.Distribuio de Poisson
4.3.Distribuio Normal
4.4.Distribuio Qui-quadrado
4.5.Distribuio t de Student
5. TEORIA DA AMOSTRAGEM
5.1.Introduo
5.2. Amostragem probabilstica
Amostragem casual simples
Amostragem sistemtica
Amostragem estratificada
5.3. Amostragem no probabilstica
Amostragem a esmo ou sem norma
Amostragem intencionais
6. TEORIA DE ESTIMAO
6.1.Introduo
6.2.Estimativa por ponto e por intervalo
6.3.Estimando a mdia em grandes e pequenas amostras
6.4. Estimando a diferena entre duas mdias em grandes e pequenas amostras

7. TESTES DE HIPTESES
7.1.Hiptese estatstica
7.2.Erros do tipo I e II
7.3.Testes unilaterais e bilaterais
7.4.Testes referentes a mdias
7.5.Teste de ajustamento de distribuio tericas
7.6.Testes de independncia
8. REGRESSO LINEAR E CORRELAO
8.1.Ajustamento de curvas
8.2.Estimao dos parmetros
8.3.Provas para os parmetros da Equao de Regresso
8.4.Coeficiente de Correlao
8.5.Os perigos da Extrapolao

1
2
3
4
5
6

Introduo
O Mtodo Estatstico
Definies Preliminares
Distribuio de freqncia: Coleta, organizao e apresentao de dados
Medidas de posio
Medidas de disperso

1.

INTRODUO
No nosso dia a dia fazemos uso da Estatstica.

Exemplos:

O jornal anuncia que o candidato x ganha eleio por apenas 2% a mais de votos;

O meteorologista informa que a probabilidade de chover hoje de 50%;

A probabilidade de um acidente mais grave sem auxlio do cinto de segurana.

A razo do nome Estatstica vem do fato de que os primeiros trabalhos eram de catalogao
de dados, sendo oneroso, somente o estado podia arcar com as despesas. Da a origem do nome.
ESTADO - STATUS ESTATSTICA

O que Estatstica?
1. a parte da Matemtica Aplicada que trata de chegar a concluses a partir de dados
observados.
2. a cincia que trata da organizao, descrio, anlise e interpretao dos dados
experimentais.
3. o estudo dos mtodos e procedimentos para recolher, classificar, resumir e analisar
dados e, a partir deles, estabelecer inferncias cientficas.

Evoluo histrica da Estatstica

As necessidades que exigiam o conhecimento numrico dos recursos disponveis
comearam a surgir quando as sociedades primitivas se organizaram. Os Estados, desde tempos
remotos, precisaram conhecer determinadas caractersticas da populao, efectuar a sua
contagem e saber a sua composio ou os seus rendimentos.
Para que os governantes das grandes civilizaes antigas tivessem conhecimento dos bens
que o Estado possua e como estavam distribudos pelos habitantes, realizaram-se as primeiras
estatsticas, nomeadamente para determinarem leis sobre impostos e nmeros de homens
disponveis para combater. Estas estatsticas, eram frequentemente limitadas populao adulta
masculina.
O primeiro dado disponvel sobre um levantamento estatstico foi referido por Herdoto,
que afirmava ter-se efectuado em 3050 a. C. um estudo das riquezas da populao do Egipto com
a finalidade de averiguar quais os recursos humanos e econmicos disponveis para a construo
das pirmides.
H tambm notcia de que no ano 2238 a. C. se realizou um levantamento estatstico com
fins industriais e comerciais ordenado pelo imperador chins Yao.
Existem indcios, que constam da Bblia, relativamente a recenseamentos feitos por
Moiss (1490 a.C.).
Outra estatstica referida pelos investigadores foi feita no ano 1400 a. C., quando Ramss
II mandou realizar um levantamento das terras do Egipto.
Tambm os romanos faziam o recenseamento dos cidados e dos bens. Eram os censores,
magistrados romanos, que asseguravam o censo dos cidados.
Uma das convenes da Histria ligar a datao (a.C. ou d.C.) ao recenseamento
populacional ordenado pelo imperador Csar Augusto.
As estatsticas realizadas por Pipino, em 758, e por Carlos Magno, em 762, sobre as terras
que eram propriedade da Igreja, so algumas das estatsticas importantes de que h referncias
desde a queda do imprio romano.
Guilherme, O Conquistador, que reinou entre 1066 e 1087, ordenou que se fizesse um
levantamento estatstico da Inglaterra. Este levantamento deveria incluir informaes sobre

terras, proprietrios, uso da terra, animais... e serviria de base, tambm, para o clculo de
impostos.
Para responder ao desenvolvimento social surgiram estas primeiras tcnicas estatsticas:
classificar, apresentar, interpretar os dados recolhidos foram para os censos e so para a
Estatstica um aspecto essencial do mtodo utilizado. Mas, um longo caminho havia de ser
percorrido at aos dias de hoje.
At ao incio do sc. XVII, a Estatstica limitou-se ao estudo dos assuntos de Estado.
O desenvolvimento do Clculo das Probabilidades surge tambm no sculo XVII. A ligao
das probabilidades com os conhecimentos estatsticos veio dar uma nova dimenso Estatstica,
que progressivamente se foi tornando um instrumento cientfico poderoso e indispensvel.
Considera-se assim uma nova fase, a terceira, em que se comea a fazer inferncia estatstica:
quando a partir de observaes se procurou deduzir relaes causais, entre variveis, realizandose previses a partir daquelas relaes.
A palavra Estatstica surge, pela primeira vez, no sc. XVIII. Alguns autores atribuem esta
origem ao alemo Gottfried Achemmel (1719-1772), que teria utilizado pela primeira vez o
termo statistik, do grego statizein; outros dizem ter origem na palavra estado, do latim status,
pelo aproveitamento que dela tiravam os polticos e o Estado.
Na sua origem, a Estatstica estava ligada ao Estado. Hoje, no s se mantem esta ligao,
como todos os Estados e a sociedade em geral dependem cada vez mais dela. Por isso, em todos
os Estados existe um Departamento ou Instituto Nacional de Estatstica.
Na actualidade, a Estatstica j no se limita apenas ao estudo da Demografia e da Economia.
O seu campo de aplicao alargou-se anlise de dados em Biologia, Medicina, Fsica,
Psicologia, Indstria, Comrcio, Meteorologia, Educao, etc., e ainda a domnios aparentemente
desligados, como estrutura de linguagem e estudo de formas literrias.
Quando a Estatstica nos engana...
A Estatstica muito frequentemente pretexto para anedotas e
caricaturas. Mas, tal como na primeira metade do sculo XX se
pretendeu responsabilizar os fsicos atmicos e nucleares pelas decises
polticas da utilizao destes conhecimentos para efeitos de guerra, a
utilizao abusiva e no a prpria Estatstica que gera absurdos e
enganos frequentes.
Uma acusao que frequentemente se faz Estatstica a de
induzir em erro, no s porque apresenta dados obtidos por
procedimentos que podem ser questionados no seu rigor, mas tambm
porque, apesar de serem correctos e obtidos por mtodos vlidos, esses dados podem ser
apresentados de maneira a induzir confuso a quem no est especialmente familiarizado com
esta linguagem. Desta forma, parece de extrema importncia a capacidade de se detectar este tipo
de confuses e, consequentemente, imprescindvel conhec-las. Por outro lado, a anlise e a
procura de erros, desenvolvem a capacidade de observao e fomentam o sentido crtico.

1. RAMOS DA ESTATSTICA
Estatstica Descritiva
Trata da observao de fenmenos de mesma natureza, da coleta de dados
numricos referentes a esses fenmenos, da sua organizao e classificao
atravs de tabelas e grficos, bem como da anlise e interpretao.

Tornar as coisas fceis de entender, relatar e discutir.

Probabilidade Estatstica
Utilizado para situaes que envolvem o acaso (aleatoriedade).

Jogos de cartas e dados.

Inferncia Estatstica
Estuda as caractersticas de uma populao com base em dados obtidos de
amostras-Amostragem.

Provar um pedao de bolo; folhear um novo livro.

1. A populao composta
de todas as lmpadas
produzidas com o novo
filamento.
A durabilidade mdia
desconhecida.

4. A mdia da amostra
usada para estimar a mdia
da populao.

2. Uma amostra de 200

lmpadas produzida com o
novo filamento.

3. Os dados amostrais
fornecem uma durabilidade
mdia de 76 horas por
lmpada da amostra.

2.

O MTODO ESTATSTICO
A realizao de uma pesquisa deve passar necessariamente, pelas fases resumidas no

diagrama abaixo, se um resultado satisfatrio e preciso desejado.

3.

DEFINIES PRELIMINARES
Populao:
um conjunto de observaes (valores, pessoas, medidas, etc.), com pelo menos uma

caracterstica em comum.
Ex: Estudantes da turma 5 da disciplina de Estatstica.
Simbologia

N = x1, x2, x3, ... xn.

Tipos:
1) Finita: aquela que tem um nmero limitado de elementos.
Ex: Estudantes do sexo feminino que cursam administrao.
2) Infinita: aquela onde o nmero de elementos muito grande.
Ex: As possveis vazes da cesso de um rio.

Amostra:
um subconjunto de uma populao.
necessariamente finita - todos os seus elementos so examinados.
A amostra uma reduo da populao a dimenses menores, sem perda das
caractersticas essenciais.
Simbologia

n= x1=x2+x3+...+xn

Tamanho da amostra
N de elementos da amostra
n.

Ex: Populao: Os alunos da turma A.
Amostra:

N=25

Alunos com menos de 20 anos.

Populao:
Eleitores brasileiros

n= 6.

Amostra:
uma parte dos eleitores

Amostragem
o processo de obteno de amostras de uma populao.
Varivel
a caracterstica pela qual se deseja que a populao seja descrita. Pode assumir
diferentes valores de elemento para elemento.
Notao:
Varivel
X,Y,Z, etc.
X: Idade dos alunos da disciplina de Estatstica
Y: Altura dos alunos da disciplina de Estatstica

Dado ou observao
o valor registrado para um elemento.
Notao:
Varivel
x,y,z,etc
x1: 24 anos; x2=36 anos; x3=30 anos
y1: 1,75m; y2=1,60m; y3=1,52m;
Tipos de Variveis

Varivel qualitativa
So aquelas variveis que correspondem a atributos ou categorias. Ex: Sexo, profisso,
estado civil, cor, etc.
1) Varivel qualitativa nominal:
Quando os atributos no so possveis de ordenao.
Ex: Sexo dos alunos da turma A e B.
Masculino, Feminino
SEXO
Feminino

20%
80%

Feminino

100%

Masculino

Masculino
TOTAL

Ex: Estado civil

Solteiro, casado e divorciado
Solteiro

37%

Casado

57%

Divorciado

16%

TOTAL

100%

Solteiro
Casado
Divorciado

2) Varivel qualitativa ordinal:

Quando os atributos so passveis de ordenao.
Ex: Nvel de conhecimento de ingls dos alunos de Estatstica
- Nvel Bsico, Mdio, Avanado.
Ex: Grau de instruo de um indivduo
- 1 grau, 2 grau e 3 grau.

Varivel quantitativa
aquela cuja estrutura numrica.
1) Varivel quantitativa discreta
So prprias de dados de contagem, isto , esto definidas em um conjunto enumervel
(nmeros inteiros racionais).
Ex: nmero de filhos
Ex: nmero de empregados de uma firma
Ex: nmero de ovos depositados por um inseto
Ex: nmero de defeitos
2) Varivel quantitativa contnua
So aquelas em que as realizaes resultam de uma medida (uma mensurao) que pode
assumir qualquer valor real entre dois extremos.
Ex: estatura dos alunos de Estatstica
Ex: peso de crianas ao nascer
Ex: velocidade um carro

Atividade em classe - Estatstica Descritiva

1. Populao ou universo :
a) Um conjunto de pessoas;
b) Um conjunto de elementos quaisquer;
c) Um conjunto de pessoas com uma caracterstica comum;
d) Um conjunto de pessoas com pelo menos uma caracterstica em comum;
2. Uma parte da populao retirada para analis-la denomina-se:
a) Universo
b) Dados brutos
c) Pedao
d) Amostra
3. A parte da estatstica que se preocupa somente com a descrio de determinadas
caractersticas de um grupo, sem tirar concluses sobre um grupo maior denomina-se:
a) Estatstica da populao;
b) Estatstica de Amostra;
c) Estatstica Inferencial;
d) Estatstica Descritiva.
4. Diga qual tipo de varivel estamos trabalhando nos casos abaixo:
a) N de inscries no seguro social. ______________________
b) Cor dos olhos. ______________________
c) Escolaridade. ______________________
d) Peso mdio dos Recm Nascidos. ______________________
e) Altitude acima do nvel do mar. ______________________
f) Uma pesquisa efetuada com 1015 pessoas indica que 40 delas so assinantes de um
servio ______________________

DISTRIBUIO DE FREQNCIA
(Coleta, organizao e apresentao de dados)

A utilizao de tabelas com grandes quantidades de nmeros de dados

so cansativas e no do uma viso rpida e geral do fenmeno. Dessa forma necessrio que os
dados sejam organizados em uma distribuio de freqncias (simples ou em classe).
 SUMARIZAO DOS DADOS
Representao Tabular
Consiste em dispor os dados em linhas e colunas, distribudas de modo ordenado,
segundo algumas regras prticas e obedecendo Resoluo nmero 886/66, de 26 de Outubro de
1966, do Conselho Nacional de Estatstica.

Componentes das tabelas

a) Ttulo: Explica o que a tabela contm. Responde a perguntas como: O qu?(fenmeno);
Onde? (local); Quando (poca).
b) Cabealho: Indica o contedo das colunas.
c) Coluna indicadora: Especifica o contedo das linhas.
d) Cabealho ou coluna da Indicadora: Indica o contedo da coluna indicadora.
e) Corpo: Caselas ou clulas onde so registrados os dados.
f) Rodap: Notas de identificao da fonte de onde foram coletados dados.
Obs.: A fonte corresponde indicao da entidade ou rgo responsvel pelo
fornecimento dos dados ou pela sua elaborao.
Tabela 01 - Casos registrados de intoxicao humana, segundo a causa determinante.
Brasil, 1993.
Causas
Acidente
Abuso
Suicdio
Profissional
Total
Fonte: IBGE

Freqncia Absoluta
29.601
2.604
7.965
3.735
43.905

Freqncia Relativa
29.601/43.905=0,67
2.604/43.905=0,06
7.965/43.905=0,18
3.735/43.905=0,09
1,00

4.1- Sries estatsticas:

Conjunto de dados associados a um fenmeno expresso em que os dados so agrupados
em classes, com suas respectivas freqncias absolutas, relativas e percentuais. De acordo com a
poca de ocorrncia, o fenmeno e o local classificam-se, respectivamente, em: Temporal,
Especificativa e Geogrfica.
a) Srie Temporal: os dados so observados segundo a poca de sua ocorrncia.
b) Srie Geogrfica: os dados so observados segundo o local onde ocorram.
c) Srie Especificativa: os dados so agrupados segundo a modalidade (espcie) de
ocorrncia.
d) Srie Mista ou Dupla Entrada: corresponde a fuso de duas ou mais sries simples.
Pode ser visto como uma Tabela de Contingncia, a qual ocorre quando os elementos
da amostra ou da populao so classificados de acordo com dois fatores.
Exemplos:
Tabela 01 - Populao brasileira no perodo
de 1940 a 1970.
Anos
Populao
1940
41.236.315
1950
51.944.397
1960
70.119.071
1970
93.139.037
Fonte: Livro de Estatstica

______________________
Tabela 02 Regio de origem de
universitrios. So Paulo, 2000.
Regio
f
f%
Urbana
240
12
Suburbana
1400
70
Rural
360
18
Total
2000
100
Fonte: Livro de Estatstica

______________________

Tabela 03 Entrevistados segundo a

distribuio ocupacional. Natal, 2001.
Distribuio ocupacional
N de
Entrevistados
Artesanato
52
Gerencial
29
Servios Burocrticos
34
Trabalho No Qualificado
65
Total
180
Fonte: Livro de Estatstica

______________________
Tabela 04 Nmero de alunos em uma
exposio de pintura segundo sexo e o tipo
de arte preferida. So Paulo, 2000.
Tipo de arte
Sexo
Arte
Arte
Clssica
Moderna
Masculino
80
70
Feminino
20
30
Fonte: Livro de Estatstica

______________________

Questo 2. Num estudo feito numa escola, recolheram-se dados referentes s seguintes
variveis:
(A) idade
(B) ano de escolaridade
(C) sexo
(D) nota na disciplina de Matemtica
(E) tempo gasto diariamente no
estudo
(F) distncia de casa escola
(G) local de estudo
(H) nmero de irmos
a) Das variveis indicadas, quais so as quantitativas e quais so as qualitativas?
b) Das variveis quantitativas, relacione as que so contnuas.
Questo 3. Enumere conforme adequado cada uma das situaes expostas com a numerao
correspondente varivel estatstica associada mesma.
1. Qualitativa nominal
2. Qualitativa ordinal
3. Quantitativa discreta
4. Quantitativa contnua
( ) N de alunos aprovados em informtica em 2007.1 no curso de Administrao distncia;
( ) Mdia final obtida pelo aluno na disciplina Matemtica I;
( ) Inteno de voto para prefeito (candidato em quem pretende votar);
( ) Nvel de escolaridade dos adolescentes internos no CEDUC;
( ) Estado civil dos alunos do curso de Administrao distncia;
A seqncia correta :
a) 3; 4; 2; 1; 2
b) 3; 4; 1; 1; 2
c) 4; 3; 1; 2; 1
d) 3; 4; 1; 2; 1

Questo 4. De acordo com os dados divulgados pelo MEC, as taxas de alfabetizao em sete
importantes municpios do RN, Natal, Parnamirim, Mossor, Caic, Paus dos Ferros, Cear
Mirim e Macaba, foram em 2000, respectivamente, igual a: 88, 86, 81, 79, 76, 69 e 70. Quando
apresentados em uma tabela ou um grfico os dados citados constituem uma srie estatstica.
Que tipo de srie essa?
a) Geogrfica
b) Especificativa
c) Temporal
d) Distribuio de freqncia
e) Mista

Regras de arredondamento (uma casa decimal aps a vrgula), conforme resoluo 886/66 da
Fundao IBGE.
a) 2,38 = ____

f) 2,97 =____

b) 24,65=____

g) 6,829=____

c) 0,351=____

h) 5,550=____

d) 4,24 =____

i) 89,99 =____

e) 328,35=____

j) 24,66 =____

PS: Quando o algarismo a ser abandonado 0, 1, 2, 3 ou 4, fica inalterado o ltimo algarismo a permanecer;
Quando o algarismo a ser abandonado 6, 7, 8 ou 9, aumenta-se de uma unidade o algarismo a permanecer;
Quando o primeiro algarismo a ser abandonado 5, h duas solues:
- Se ao 5 seguir qualquer casa um algarismo diferente de zero, aumenta-se uma unidade ao algarismo a
permanecer. Ex: 2,352= 2,4; 25,6501= 25,7.
- Se for o ltimo algarismo ou se ao 5 s se seguirem zeros, o ltimo algarismo a ser conservado s ser aumentado
de uma unidade se for mpar. Ex: 24,75= 24,8; 24,65= 24,6.

4.2- Distribuio de freqncia

a srie em que os dados so agrupados com suas respectivas freqncias.
Elementos de uma distribuio de freqncia
a) Freqncia (absoluta)

 o nmero de vezes ou repeties que elemento aparece na amostra, ou o nmero de

elementos pertencentes a uma classe.
b) Dados brutos
So aqueles que no sofreram nenhum tipo de organizao.
c) Rol
a organizao dos dados brutos em ordem de freqncia crescente ou decrescente.
d) Amplitude total (At)
determinada pela diferena entre o maior valor (limite superior) e o menor valor (limite
inferior) de um conjunto de dados.
At=Ls-Li
e) Classes de freqncia
cada um dos sub-intervalos em que se subdivide a amplitude total do conjunto de dados
de valores da varivel.

Mtodos para se determinar o melhor nmero de classes (K)

1) Mtodo de Sturges: K= 1 + 3,3logn
2) Mtodo de Oliveira: K = n;

f) Intervalo de classes
um smbolo que define uma classe.
Ex:
Li
0

Ls
10

) * mais utilizado

g) Ponto mdio de classe (xi) (P

)
A mdia aritmtica dos limites inferior e superior de uma classe define o ponto mdio ou
centro da classe. o elemento mais importante por que para fins de anlise matemtica todas as
observaes contidas num intervalo de classe, so consideradas iguais ao seu ponto mdio. Esta
a hiptese tabular.
xi =

Li + Ls
2

h) Comprimento do intervalo da classe (c ou h)

Obtido dividindo-se a amplitude da classe pelo nmero de classes.
c=

At
K

i) Determinar o limite inferior da primeira classe (Li), dado por:

Li= Li (menor valor do rol)
c
2
j) Tipos de frequncia
Li = Li

a) Frequncia simples
- Absoluta
- Relativa
b) Freqncias acumuladas

- Abaixo de (crescentes)
Absoluta e relativa

- Acima de (decrescentes)
Absoluta e relativa

k) Representaes grficas
Grficos representativos das distribuies de frequncias

k.a) Freqncias simples

a) Dados discretos
Grfico em haste ou basto
b) Dados contnuos
I Histograma de frequncia
II Polgono de freqncia.

B) Freqncias acumuladas
a) Dados discretos
Grfico em escada
b) Dados contnuos
I A) Abaixo de

II B) Acima de

DISTRIBUIO DE FREQUNCIA PARA DADOS DISCRETOS

Varivel: Nmero de cries em crianas.
Dados brutos:
1

Rol
0

Distribuio de freqncia
N de cries em crianas
0
1
2
3
4
6
Total ()

fi

fr

f%

fac

fac

REPRESENTAO GRFICA PARA VARVEIS ALEATRIAS DISCRETAS

GRFICO EM HASTE OU BASTO

GRFICO EM ESCADAS

DISTRIBUIO DE FREQUNCIA PARA DADOS CONTNUOS

Varivel: Idade dos 30 alunos da turma de Estatstica.
Dados brutos:
24

23

22

28

35

21

23

23

33

34

33

34

21

31

25

24

21

25

36

26

22

30

32

25

26

31

26

25

35

33

Rol
21

21

21

22

22

23

23

23

24

24

25

25

25

25

26

26

26

28

30

31

31

32

33

33

33

34

34

35

35

36

Determinar a amplitude do dados

At= Ls Li
At=
Determinar o nmero de classes pela regra de Sturges
K = 1+ 3,3log n
K=
K=
Determinar o comprimento de classes (c ou h)
c = At =
K
Determinar os limites de classe
Li= menor valor do rol

Construir a tabela de freqncia

Idades

Xi

Fi

fr

f%

fac

Total ()

REPRESENTAO GRFICA DAS VARIVEIS ALEATRIAS CONTNUAS

HISTOGRAMA DE FREQUNCIA E POLGONO DE FREQUNCIA

fac

MEDIDAS DESCRITIVAS DE UMA DISTRIBUIO DE FREQUNCIA

1.1 Finalidade:
Resumir certas informaes importantes das distribuies de freqncias.

1.2 Tipos:
Medidas de posio ou tendncia central
Mdia: Aritmtica
Mediana
Moda

Medidas de disperso
Amplitude total
Varincia
Desvio padro
Coeficiente de variao

Medidas de assimetria
Medidas de curtose

MEDIDAS DE POSIO:
1- Mdia Aritmtica
A mdia aritmtica a idia que ocorre a maioria das pessoas quando se fala em mdias.
a soma dos valores do conjunto dividido pelo nmero de valores no conjunto.
A simbologia usada para a mdia a seguinte:
- Para a populao usa-se: .
- Para a amostra usa-se: x .

Caractersticas da mdia aritmtica

1) uma medida influenciada por valores extremos podendo em alguns casos no

representar a srie;
2) uma medida facilmente calculvel;
3) rigorosa definida e exata;
4) Descreve todos os dados de uma srie e de fcil compreenso;
5) No pode ser empregada para dados qualitativos.
6) Ela no pode ser calculada para distribuies de freqncia em classes abertas (limites
indefinidos).

Clculo da mdia
 Dados no agrupados

1) Para a populao
Sejam {x1, x2, x3,...., xn} dados de uma populao.
n

xi
x1 + x 2 + x3 + ... + xn i =1
=
=
N
N
2) Para a amostra
Sejam {x1, x2, x3,...., xn} dados de uma amostra.
n

x1 + x 2 + x3 + ... + xn
x=
=
n

xi
i =1

Exemplo:
1) Seja Yi a varivel referente a salrios mensais em reais de cinco empregados de uma
agroindstria: Determine o salrio mdio mensal dos trabalhadores.
Yi = {R$780,00, R$790,00, R$800,00, R$810,00 e R$820,00}, n=5.

X =

 Dados agrupados
Dados agrupados sem intervalo de classes (Discreta)

xi fi
x=

i =1

onde n = fi
i =1

Exemplo:
2) Seja Yi a varivel referente o nmero de cries em crianas: Determine o nmero mdio de
cries por criana.
1 2

Xi

fi

0 1

Xifi

xi fi
x=

i =1

 Dados agrupados


Dados agrupados com intervalo de classes (Contnua)

Obs. Quando dados discretos apresentam-se muito dispersos.

n

xi fi
x=

onde n = fi e xi o ponto mdio da classe.

i =1

i =1

Exemplo:
3) Seja Yi a varivel referente ao nmero de residentes por quarto avaliados em 40 casas da
residncia universitria: Determine o nmero mdio de residentes por quarto.
Classes
[2, 4)
[4, 6)
[6, 8)
[8, 10)
[10, 12)

fi
5
10
14
8
3
40

xi

xifi

2- Mediana
Colocando-se os valores de uma srie em ordem crescente ou decrescente, a mediana o
valor que ocupa a posio central.

Caractersticas da mediana

1) uma medida separatriz, definida e exata, de fcil compreenso, a clculo simples e

ela serve para anlise comparativa.
2) uma medida que depende da ordem (posio) e no dos elementos da distribuio.
3) A mediana pode ser usada como uma medida alternativa em relao a mdia aritmtica
para caracterizar o centro do conjunto de dados, como por exemplo, a distribuio de renda de
uma populao.
Exemplo: 136, 250, 480, 1.000, 6.000, 10.000
4) mediana empregada nas distribuies de freqncias que apresentam nos extremos
classes abertas.
Xi
Menos de 25
[25, 50)
[50, 75)

Fi
2
4
12

Fac
2
6
18

[75,100)

1
19

19
-

5) A mediana pela sua prpria caracterstica define exatamente o centro da distribuio.

Clculo da mediana
 Mediana para dados discretos

Obs.: Os dados esto dispostos em forma de rol ou em distribuio de freqncia simples.

Se n for impar:
A mediana igual ao valor de ordem (n+1)/2 do conjunto.

n + 1
Med =

Exemplo 1: Calcular a mediana da srie: 2, 3, 7, 11, 15, 18, 22.

Se n for par:
A mediana definida como qualquer valor situado entre os valores de ordem Md1=n/2 e

Md2 =(n+1)/2. Para simplificarmos a determinao da mediana consideramos como sendo o

valor mdio entre esses valores.
0

n n
+ + 1
Md1 + Md 2 2 2
Med =
=
2
2

Exemplo 1: Calcular a mediana da srie: 12, 13, 14, 15, 16, 16, 17, 20

 Mediana para dados contnuos

1. Os dados esto agrupados em uma distribuio de freqncias em classes, ento:

Passos:
(1 Passo) Calcular a ordem, ou posio da mediana, PMed= (

n
). No importa se n
2

impar ou par.
(2 Passo) Atravs da fac identificar a classe que contm a mediana.
(3 Passo) Aplicar na frmula:

n
fac ant
2
Md = Li +
.c , onde
fiMd

Md = Mediana
Limed = Limite inferior da classe mediana
n = fi

fac.ant = A soma da freqncia acumuladas anterior a classe mediana

fi Md = Freqncia da classe mediana

c = comprimento da classe mediana = Amplitude da classe da mediana

Exemplo: Calcular a mediana dos dados da distribuio de freqncia abaixo:

Classes

fi

fac

[35, 45)

[45, 55)

12

17

[55, 65)

18

35

[65, 75)

14

49

[75, 85)

55

[85, 95)

58

58

n
fac ant
Md = Li + 2
.c
fiMd

3- Moda
a medida que indica o valor que ocorre com maior frequncia num conjunto de dados.

Caractersticas da moda

1) uma medida de posio de fcil compreenso, no rigorosamente definida e exata,

podendo no existir em uma srie ou ocorrer mais de uma vez em outras.

2) muito utilizada quando h valores extremos que afetam de maneira acentuada o valor da
mdia

3) No afetada pelos valores extremos da distribuio

4) uma medida bastante empregada na estatstica econmica e na indstria

Dados qualitativos
E= excelente
O=timo

Exemplo: Notas atribudas a comida de um restaurante A.

B=bom

Restaurante A= P, R, B, B, O, O, O, O, E, E.

R=regular
P=pssimo

Qual a moda?
Restaurante B= R, B, B, B, B, O, O, O, O, E.
Qual a moda?

Restaurante

C=

P,P,

Qual a moda?

R,R, B, B, O, O,E, E.

Dados quantitativos
A: {2, 3, 7, 9, 12, 15}:
B: {1, 1, 2, 2, 3, 3, 6, 6}:
C: {2, 3, 4, 4, 4, 5, 5, 6, 6, 8, 9}:
D: {2, 3, 7, 7, 7, 9, 9, 11, 11, 11, 12, 13, 14, 15}:
E: {2, 3, 3, 4, 4, 5, 5, 6, 7, 8}:

Moda para dados discretos

Os dados so apresentados em forma de rol ou em uma distribuio de freqncia
simples.

Obs.: A moda o valor que ocorre com maior freqncia.

xi
0
1
2
3
4
5

fi
15
10
13
6
3
3
50

Qual a moda?

Moda para dados contnuos

1. Os dados esto agrupados em uma distribuio de freqncias em classes, ento:

Passos:
(1 Passo) Identificar a classe modal: A classe modal aquela que apresenta o valor que ocorre
com maior freqncia;

(2 Passo) Utilizar a frmula:

Moda de King

fpost
.c , onde
Mo = Li +
fant + fpost
Mok = Moda
Limo = Limite inferior da classe modal
fpost = freqncia absoluta da classe posterior classe modal
fant = frequncia absoluta da classe anterior classe modal
Imo = Intervalo (comprimento) da classe modal - At
Exemplo: Calcular a moda dos dados da distribuio de freqncia abaixo:
Classes

Fi

fac

[35, 45)

[45, 55)

12

17

[55, 65)

18

35

[65, 75)

14

49

[75, 85)

55

[85, 95)

58

58

Qual a moda?

4. Separatrizes

Atividade em classe- Estatstica Descritiva - Medidas de posio

1. Calcule para cada caso abaixo a respectiva mdia, mediana e moda.
a) 7, 8, 9, 12, 14

b)
xi
3
4
7
8

fi
2
5
8
4

12

3
22

Classes
68-72
72-76
76-80
80-84

fi
8
20
35
40
103

c)

MEDIDAS DE DISPERSO
As medidas de disperso de uma distribuio so valores que indicam o grau de
afastamento dos valores da varivel em relao mdia.

Finalidade: Caracterizar a variao de um grupo de dados estatsticos

Amplitude total
A amplitude total (AT) de uma distribuio de frequncia a diferena entre o maior e o
menor valor da varivel, dos dados, da classe.

Exemplo: Seja Yi a varivel referente a salrios mensais em reais de cinco empregados de uma
agroindstria: Determine a amplitude total dos salrios dos trabalhadores.
Yi = {R$780,00, R$790,00, R$800,00, R$810,00 e R$820,00}, n=5.

Varincia ou quadrado mdio

A varincia de uma distribuio a mdia dos quadrados dos desvios.

A varincia de uma amostra representada por S e constitui uma estimativa da varincia
da populao 2 (sigma ao quadrado).
Assim, se x1, x2, x3, ...xn, uma amostra de n elementos da varivel xi, ento

( xi )
xi

S =

n 1

Obs. Para (n<25) o denominador de S deve ser n-1 em lugar de n.

Dados no agrupados

Exemplo 1: Seja Yi a varivel referente a salrios mensais em reais de cinco empregados de uma
agroindstria: Determine a varincia dos salrios dos trabalhadores.
Yi = {R$780,00, R$790,00, R$800,00, R$810,00 e R$820,00}, n=5.

Resposta:

Dados agrupados

Exemplo 2) Seja Yi a varivel referente o nmero de cries em crianas: Determine a varincia

do nmero de cries das criana.
x i

xifi

xi

fi

xifi

15

30

( xi )
xi

S =

n 1

Dados agrupados em classe

Exemplo 3) Seja Yi a varivel referente ao nmero de residentes por quarto avaliados em 40

casas da residncia universitria: Determine a varincia de residentes por quarto.
Classes
[2, 4)
[4, 6)
[6, 8)
[8, 10)
[10, 12)

fi
5
10
14
8
3
40

xi

xifi

xi

xifi

Resposta:

( xi )
xi

S =

n 1

Desvio padro
O desvio padro de uma distribuio a raiz quadrada positiva da varincia.
O desvio padro representado por (sigma) e o desvio padro da amostra por S.

Assim na distribuio amostral anterior, o desvio padro :

- Dados no agrupados

Exemplo 1: S=S
S=
- Dados agrupados sem intervalo de classes

Exemplo 2: S=S
S=
- Dados agrupados em classe

Exemplo 3: S=S
S=

Coeficiente de variao
O coeficiente de variao a relao entre o desvio-padro e a mdia.
CV= S
x

Exemplo 1:
CV= S . 100
x

Exemplo 2:
CV= S
x

Exemplo 3:
CV= S
x

ASSIMETRIA E CURTOSE
a) Assimetria

b) Curtose

Exerccio Geral- Estatstica Descritiva- Data de entrega: ____/____/___

Questo 1. Pede-se:
1 Diferencie estatstica descritiva e inferencial.
2 Defina dados contnuos e discretos, nominal e ordinal e d exemplos.
3 Defina populao e amostra. Cite exemplos.
4 Defina conjunto e subconjunto.
5 Defina espao amostral e evento.
6 Diferencie probabilidade e chance.
Questo 2 De acordo com a amostra dada A (nmero de defeitos de um produto uma linha de
produo), com n = 50.
X = (5, 8, 0, 4, 6, 10, 9, 6, 2, 2, 6, 8, 9, 9, 7, 6, 5, 4, 0, 1, 0, 1, 1, 3, 4, 3, 3, 9, 9, 8, 6, 6, 5, 4, 7, 9.
10, 8, 10, 10, 5, 1, 3, 3, 4, 5, 5, 8, 5, 5).
a - Complete a tabela de uma distribuio simples:
Xi
fa
fr
fr%
fa
1
2
3
4
5
6
7
8
9
10
Total

fa

frac

frac

b Represente os dados na forma de grficos de barra para fa.

Questo 3 Foram realizadas 40 observaes em propriedades produtoras de melo no RN e
obteve-se a seguinte produtividade em t ha-1.
20,4
15,6
26,1
24,4
20,3
16,5
25,5
25,4
34,6
35,6
22,2
23,4
24,4
25,4
21,3
27,5
18,9
30,1
33,3
32,3
30,2
32,7
25,6
26,6
30,5
30,9
34,3
36,0
14,0
25,0

24,5

23,0

25,9

28,5

33,6

38,0

21,4

24,7

26,5

28,0

a Construa uma tabela de distribuio de freqncias em classe contendo as freqncias

absoluta, relativa e percentual.
b Construa o histograma e polgono das freqncias absolutas dos dados da amostra.
Resposta: a) At:24; K:6,0; c:4.

Questo 4 Calcule a mdia, mediana e moda da amostra: (26, 25, 23, 34, 31, 26, 26, 20, 35, 30,
24,30).
Resposta: Mdia:27,5; Md:26; Mo: 26.

Questo 5 - Calcule a mdia, mediana e moda da distribuio de freqncia em classes abaixo:

Intervalo de classes
fa
15,5 25,5
6
25,5 35,5
10
35,5 45,5
18
45,5 55,5
8
55,5 65,5
5

Resposta: Mdia:39,65; Md:39,7; Mo: 39,9.

Questo 6 Os dados seguintes referem-se a uma amostra de n = 10. (10, 8, 12, 9, 15, 6, 7, 5, 12,
10). Calcule a amplitude, varincia, desvio padro, desvio padro da mdia e coeficiente de
variao.
Questo 7 - Calcule a amplitude, varincia e desvio padro da distribuio em classes de
freqncias.
Classes
fi
xi
xifi
xi2fi
20 25
5
25 30
6
30 35
15
35 40
8
40 45
4
45 50
2
Total
40
Resposta: At: ; S:

; S:

2.1 Conjuntos e subconjuntos

2.2 Operaes com conjuntos
2.3 Espao amostral
2.4 Probabilidades e suas leis
2.5 Probabilidade condicional

2.1

Conjuntos e Subconjuntos

2.2

Representao de conjuntos

a) Tabular
A= {1, 2, 3, 4, 5, 6}
b) Uma propriedade
S={x/x seja as faces de uma dados}
c) Diagrama de Venn

1.1.

3
5

Conceitos
Experimentos aleatrios

Os resultados no so previsveis, mesmo que haja um grande nmero de repeties do mesmo

fenmeno.
Ex: - Lanamento de uma moeda honesta
- Lanamento de um dado
- Retirada de uma carta de baralho de 52 cartas

- Determinao da vida til de um componente eletrnico

Espao amostral

Define-se espao amostral (S) ao conjunto de todos os resultados possveis de um experimento.

Ex: S = {c, k}

Ex: S = {1, 2, 3, 4, 5,6}

Ex: S = {t R/ t 0}

Evento

Chamamos de Evento (E) a qualquer subconjunto do espao amostral S de um experimento

aleatrio.
Se E = S, E chamado evento certo

Se E
S e E um conjunto unitrio, E chamado evento elementar.
Se E = , E chamado evento impossvel.

1.2.

Operaes com conjuntos

1.4.1 Unio
1.4.2 Interseo
1.4.3 Complementar de A
1.4.4 Eventos Mutuamente Excludentes
1.4.5 Eventos Independentes
1.4.6 Eventos dependentes
1.5 Probabilidade e suas leis

1.5.1 Conceitos de probabilidades

Conceito clssico ou Probabilidade a priori

Seja E um experimento aleatrio e S um espao amostral a ele associado,

composto de n pontos amostrais todos equiprovveis. Se existe em S, m pontos favorveis

realizao de um evento A ento a probabilidade da ocorrncia do evento A, indicada por
P(A); ser:
P(A)= m/n

Frequncia relativa ou probabilidade a posteriori

Seja E um experimento e A um evento. Se aps n realizaes do

experimento E,n suficientemente grande, forem observados m resultados favorveis

A, ento uma estimativa da probabilidade P(A) dada pela frequncia relativa.

F=m/n

Conceito Moderno ou Axiomtico

Seja S um espao amostral e seja A qualquer evento S, isto um evento

subconjunto de S. Ento por definio, a probabilidade de ocorrer A dada pela medida de A,

que satisfaa as seguintes probabilidades:
a)

A medida do universo igual a 1

P(S) = 1

b)

A medida no negativa
P(A) 0
0 P(A) 1

c)

Para um nmero qualquer de eventos mutuamente exclusivos A e B.

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

1.5.2 Alguns teoremas importantes

a) Se () o conjunto vazio, ento P()=0
Seja A um conjunto qualquer, onde A e so mutuamente excludente, ento
A =A, logo:
P(A )= P(A) ento P(A)+P()= P(A)
P() = P(A) P(A)
P() = 0
b)

Se A for evento complementar de A, ento

P(A) = 1 P(A).
O espao amostral S pode ser decomposto nos eventos mutuamente exclusivos A e A,

ou seja, S= A A, assim:
P(S) = P(A) + P(A), mas P(S)=1
P(A) + P(A) = 1

P(A) = 1- P(A)

Se A e B forem dois eventos quaisquer, ento P(A

c)

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

Note que A B pode ser decomposto nos eventos mutuamente exclusivos A\B e B, ou
seja, A

B = P(A\B) B, como mostra o diagrama, temos

P( A B) = P(A\B) + P(B)
P( A B) = P(A) P(AB) + P(B)
P( A B) = P(A) + P(B) P(AB)
P( A

U
A

B) = P(A) + P(B) = Mutuamente exclusivos

U
A

d)

B, ento P(A) P(B).

Se A B, ento B pode ser decomposto nos eventos mutuamente exclusivos A e B\A,
Se A

como mostra o diagrama. Assim

P(B) = P(A)+P(B\A)
P(B\A) 0

U
A

e)
P(A

Para quaisquer eventos A, B e C,

B C) = P(A) + P(B) + P(C) - P(AB) - P(AC) - P(BC) + P(ABC).

U
B
A

1.5.3 Probabilidade condicional e Teorema do Produto

A probabilidade de ocorrncia de um evento B quando se sabe que algum evento A tenha
ocorrido conhecida como uma probabilidade condicional, e representada por P(B\A).
P(B\A)= P(BA) , se P(A)>0
P(A)

Exemplo 1:
Considere que dois dados foram equilibrados so lanados, registrando-se o resultado
como (x1, x2). Por isso, o espao amostral S pode ser representado pela seguinte lista de 36
resultados equiprovveis.
n=36
(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
S=

(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)

(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)

Considere os dois eventos seguintes:

A={(x1,x2)/ x1 +x2 =10} ,
A={( , ), ( , ), ( , )}

B={(x1,x2)/ x1>x2}
B={( , ), ( , ), ( , ) ( , ), ( , ),
( , ), ( , ), ( , ) ( , ), ( , ),
( , ), ( , ), ( , ) ( , ), ( , )}

a) Qual a probabilidade da soma ser 10? Isto , qual o valor de P(A)?

P(A) =

b) Qual a probabilidade de sair um nmero maior no 1 dado? Qual a probabilidade de P(B)?

P(B)=
c) Qual a probabilidade de sair um valor maior no 1 dado, tendo ocorrido a soma 10, no
primeiro caso? Isto , quanto vale P(B-A)?

Exemplo 2
Suponha-se que a UFERSA possua 100 mquinas de calcular. Algumas dessas mquinas
so Eltricas (E), enquanto outras so manuais (M), e algumas so novas (N), enquanto outras
so muito usadas (U).
A tabela a seguir d o nmero de mquinas de cada categoria.
N
U

E
40
20
60

M
30
10
40

Total
70
30
100

Uma pessoa entra no escritrio, pega uma mquina ao acaso, e descobre que nova. Qual ser a
probabilidade de que seja eltrica? Logo P(E-N)?

Resposta:

Obs: P(AB) = P(B\A) . P(A), ou

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

Teorema do produto

1.5.4 Eventos independentes

Um evento B dito independente de um evento A, se a probabilidade de B ocorrer no
influenciada pelo fato de A ter ocorrido ou no.
P(B)=P(B\A) substituindo P(B\A) por P(B) no teorema do produto temos
P(BA) = P(A). P(B\A) - (Eventos dependentes)
P(BA) = P(A). P(B) - (Eventos independentes)
Se dois dados so lanados, qual a probabilidade de que cada um mostre no mnimo 5 pontos.
A1= 5 ou 6 no lanamento do 1 dado
A2= 5 ou 6 no lanamento do 2 dado

Espao amostral para cada dado:

S1={1, 2, 3, 4, 5, 6}; S2={1, 2, 3, 4, 5, 6}
P(A1A2) = P(A1). P(A2)
Soluo direta pela contagem dos pontos do espao amostral:
Seja o evento:
A={(5,5), (5,6), (6,5), (6,6)}
(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
S=

(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)

(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
n=36

Exerccio Geral- Estatstica Descritiva- Data de entrega: ____/____/___

Regras de Probabilidade
1.

Complementar de A
P(A) = 1 P(A).

2.

P(A ou B)

Eventos dependentes
P(A

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

Eventos mutuamente excludentes ]

P(A
3.

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

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

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

(Eventos dependentes)

P(AB) = P(A). P(B) - (Eventos independentes)

1.

Lanando-se um dado, qual a probabilidade de ocorrer o ponto 4 ou um ponto mpar?

S = {1, 2, 3, 4, 5,6}
A = {4}
B = {1, 3, 5}
P(A)= 1/6
P(B) = 3/6
2.

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

=1/6+3/6
=4/6

Retirando-se, aleatoriamente, uma carta de um baralho, qual a probabilidade de ocorrer

figura e espada?
3.

Um experimento aleatrio consiste em retirar ao acaso 3 cartas de um baralho com 52

cartas. Qual a probabilidade de sarem duas figuras e um s?

A = {z}
B = {Figura}
4.

Num baralho de 52 cartas, colocados numa urna, uma carta escolhida aleatoriamente,

qual a probabilidade de se obter 1 carta de ouro, ou 1 carta de paus.

5.

Num baralho de 52 cartas, colocados numa urna, uma carta escolhida casualmente, qual

a probabilidade de se obter 1 z ou uma carta de espada na retirada dessa carta?

6.

Um baralho de 52 cartas tira-se uma carta ao acaso. Qual a probabilidade de ser ouros ou

figura a carta tirada?

7.

No lanamento de dois dados, qual a probabilidade de sete pontos?

8.
No mesmo baralho, do exemplo anterior. Qual a probabilidade de se tirar 2 figuras ou 2
azes?

9.

Uma caixa contm 4 bolas pretas e 2 bolas brancas. Retirando-se, ao acaso, duas bolas

sem reposio, qual a probabilidade de ambas serem pretas?

10.

Considere o lanamento de dois dados (Hexaedro). Considere os eventos: A: Soma dos

nmeros obtidos iguais a 9 e B: nmero do primeiro dado maior ou igual a 4. Enumere os

elementos de A e B. Obtenha A B, AB e Ac. Obtenha as probabilidades dos eventos.
11.

Das 10 alunas de uma classe, 3 tem olhos azuis. Se duas delas so escolhidas ao acaso,

qual a probabilidade de ambas terem olhos azuis? Calcule tambm a probabilidade de nenhuma
ter olhos azuis.
12.

Um casal tem dois filhos. Qual a probabilidade de: (a) O primognito ser homem? (b)

Os dois filhos serem homens? (c) Pelo menos um dos filhos ser homem?

13.

Numa escola fez-se uma enqute com duas perguntas: Gosta de matemtica? Gosta de

Estatstica? Os resultados obtidos foram: 86 respostas sim primeira pergunta; 75 respostas sim
segunda; 23 respostas sim s duas perguntas e 42 respostas no s duas perguntas. Pede-se:
a) Quantos alunos foram entrevistados?
b) Sorteando, ao acaso, um dos alunos entrevistados, qual a probabilidade de que ele tenha
respondido sim primeira pergunta?
c) Sorteando, ao acaso, um dos alunos entrevistados, qual a probabilidade de que ele tenha
respondido sim primeira pergunta e no segunda pergunta?

42
A
63

23

B
52

3.1 Variveis aleatrias (conceitos)

3.2 Distribuies Discretas de probabilidade
3.3 Funes de Distribuio Variveis Aleatrias Discretas
3.4 Distribuies de probabilidades contnuas
3.5 Funes de Distribuio para Variveis Aleatrias contnuas
3.6 Esperana Matemtica

3. INTRODUO
3.1 Conceitos
1-Varivel Aleatria Discreta - aquela cujos valores so obtidos atravs de contagem.
2-Varivel Aleatria Contnua - aquela cujos valores so obtidos atravs de
mensurao (medidas).

3.2 Distribuio Discreta de Probabilidade (ddp)

O conjunto de duas variveis, uma que representa os acontecimentos, chamada varivel
aleatria, casual e a outra que representa as respectivas probabilidades.
Se uma v.a. puder assumir um conjunto discreto de valor x1, x2, ..., xn com as
probabilidades p1, p2, ..., pn, respectivamente sendo

P(xi) = 1 , dizemos que est definida uma

D.D.P.

3.3 Funes de Distribuio para Variveis Aleatrias Discreta

a funo f(x) que associa a cada valor x da varivel aleatria a sua respectiva
probabilidade. f(x) precisa satisfazer duas condies:
1. 0 f(xi) 1 ou f(x)
2.

f (xi) = 1

0;

3.3.1. Parmetros de posio da d.d.p.

= E ( x) = xiP( xi)

3.3.2. Parmetros de disperso da d.d.p.

2 = E ( x ) [E ( x) ] 2 = E [( x )]

cv =

* 100

Atividade em classe - Variveis aleatrias

e Distribuio de probabilidade

1) O espao amostral relativo ao lanamento simultneo de duas moedas :

S={(ca,ca),(ca,co), (co,ca), (co,co)} e se xi representa o nmero de caras que aparecem, a cada
ponto amostral podemos associar um nmero para x, de acordo com a tabela abaixo.
Ponto amostral

Distribuio de Probabilidade
Nmero de caras
P(xi)

P(X)

2) Suponha-se que uma loja tenha compilado os seguintes dados sobre vendas de refrigeradores:
Xi
Nmero vendido
0
1
2
3
4

Calcule a esperana de venda dos refrigeradores.

P(xi)
Freqncia relativa
0,20
0,30
0,30
0,15
0,05
1,00

Resposta: E(X) =

3) Se jogarmos um dado equilibrado, qual o valor esperado numa jogada?

S={1, 2, 3, 4, 5, 6}

E(x)=xiP(xi)=?

Lados dos dados

1
2
3
4
5
6

P(xi)
1/6
1/6
1/6
1/6
1/6
1/6
1,00

Resposta:E(X)=

4) Um investidor julga que tem 0,40 de probabilidade de ganhar R$25000 e 0,60 de

probabilidade de perder R$15000 num investimento. Seu ganho esperado :
Resposta: E(X) =

5) Um empreiteiro faz as seguintes estimativas.

Prazo de execuo
Probabilidade
10 dias
0,30
15 dias
0,20
20 dias
0,50

1,00
Calcule o prazo esperado para a execuo da obra, de acordo com essas estimativas.
Resposta: E(X) =

6) Dez por cento dos carros num parque de carros usados tm bateria defeituosa. Se h 82 carros
no lote, qual o nmero esperado de carros com bateria defeituosa?
Resposta: E(X) =

7) Uma confeitaria estabeleceu um registro de vendas para certo tipo de bolo. Determine o
nmero esperado de bolos encomendados. Determine a varincia, desvio padro e coeficiente de
variao.
Nmero de bolos/dia
0
1
2
3
4
5
6
7
8
9

Fr
0,02
0,07
0,09
0,12
0,20
0,20
0,18
0,10
0,01
0,01
1,00

Resposta: E(X) =

8) O nmero de acidentes no trecho X da Rodoviria Y no perodo da noite, em dias de chuva,

uma varivel aleatria com a seguinte distribuio de probabilidade:
N de acidentes
0
1
2
3

Freqncia
22
5
2
1
30

Pede-se:
- Em um dia, a probabilidade de:
a) no ocorrer acidente.
b) ocorrer um acidente.
c) ocorrer dois acidentes
d)ocorrer trs acidentes
- A mdia dos acidentes
- A varincia, o desvio padro e o coeficiente de variao dos acidentes.

Resposta:
a)

b)
c)
d) Mdia:
S:
S:
CV(%):

3.4 Distribuies de Probabilidades Contnuas

Se x uma varivel aleatria contnua, a probabilidade de x tomar um
determinado valor zero.
Se para uma varivel aleatria contnua x se conhece a probabilidade de que assuma
valores em cada um dos intervalos de seu campo de variao, de tal maneira que a soma das
probabilidades seja igual a 1, dizemos que est definida uma distribuio de probabilidade x.

3.5 Funes de Distribuio para Variveis Aleatrias contnuas ou funo densidade de

probabilidade
Uma funo de densidade de probabilidade de uma varivel aleatria contnua uma
funo definida no campo de variao da varivel, sendo sempre positiva ou nula dentro desse
campo, devendo representar a expresso matemtica de uma curva, de rea igual a 1.
Para que uma funo da varivel contnua possa ser considerada como uma funo
densidade de probabilidade ela deve satisfazer as seguintes condies:

1.

f(x) 0 x R
+

2.

f(x)dx=1

A probabilidade de que a varivel x assuma um valor dentro do intervalo axb, ser

dada pela integral:
b

P(axb)=

f(x)dx

Grfico de f(x)
b

P(axb)=

f(x)dx = rea hachurada

3.5.1. Parmetros de posio da d.p.c.

+

= E(x) =

f(x)dx

3.5.2. Parmetros de disperso da d.p.c.

= E ( x ) [E ( x)] =
2

(x ) f ( x)dx

E(X)=

CV=

x.f(x)dx

* 100

Atividade em classe - Variveis aleatrias e Distribuio de probabilidade.

1) O tempo gasto, em minutos, para a realizao de uma reao qumica uma varivel aleatria
contnua com funo dada por:
f(x)

x/4 para 1x3

0 para outros valores

Pergunta-se:
a) A funo f(x) uma densidade legtima?
b) Calcule (2x3).
c) Calcule a mdia da reao qumica
d) Calcule a varincia e o desvio padro da reao

2) O tempo de corroso de determinada pea em contato com uma soluo uma varivel
contnua com funo densidade de probabilidade dada por:

kx , 0 x 6, x
centenas de horas
f ( x) =
0, caso contrrio
a) determine k;
b) uma pea escolhida ao acaso de um lote e colocada em contato com a soluo. Qual a
probabilidade de que dure menos de 400 horas;
c) qual a percentagem de pacas com vida til entre 100 e 400 horas.

Exerccio Geral- Estatstica Descritiva- Data de entrega: ____/____/___

Questo 1.
Defina varivel aleatria (V. A), varivel aleatria discreta (V. A. D.), varivel aleatria
contnua (V. A. C.) e descreve diversos exemplos na sua rea de estudo (Administrao,
Cincias Contbeis e Bacharelado em cincia e tecnologia).
Questo 2.
Identifique as seguintes variveis aleatrias como discreta ou contnuas:
a) O nmero de acidentes de automveis em cada ano de uma cidade;
b) A quantidade de leite produzida por vaca;
c) O nmero de ovos postos por ms por uma galinha;
d) Quantidade de dinheiro (roubado) aguardando reclamao, em uma delegacia;
e) Nmero de pacientes esperando atendimento em uma sala de emergncia de um hospital
pblico;
f) Total de gols feitos em um jogo de futebol;
g) Total de reclamaes recebidas por uma companhia de seguros durante, durante um dia;
h) Sua presso sangunea.
i) A resistncia de um determinado tipo de concreto

j) O comprimento de 100 peixes Tilpias capturados em um aude.

Questo 3.
Suponha que 2% dos itens produzidos por uma fbrica sejam defeituosos. Encontre a
probabilidade P e de existirem 3 defeituosos em uma amostra de 100.
Questo 4.
Seja X o nmero de pontos que aparece na jogada de um dado no-viciado.
a) encontre a distribuio de probabilidade de x;
b) calcule P(1< x< 4)
Questo 5.
O nmero de acidentes no trecho X da Rodoviria Y no perodo da noite, em dias de
chuva, uma varivel aleatria com a seguinte distribuio de probabilidade:
P(X=x) = k. (3-x). (4-x), x= 0, 1, 2, 3 (k constante)
a) encontre o valor de k;
b) qual a probabilidade de nenhum acidente naquele trecho e naquele perodo?;
c) qual a probabilidade de pelo menos um acidente;
d) qual a probabilidade de uma acidente no mximo.
Questo 6.
O quadro a seguir fornece o nmero de avarias apresentadas por 28 computadores antes
de completar seis meses de trabalho e as probabilidades respectivas. Encontre o valor esperado
(mdia de avarias por mquina durante o perodo analisado), a varincia e o desvio padro.
X=x

P(X=x)

2
28

4
28

6
28

10
28

3
28

2
28

1
28

Questo 7.
Seja X a varivel aleatria do exerccio 3 (nmero de avarias apresentadas por 28
computadores) e defina-se Y=2X, como sendo o custo para concerto de X avarias. Pede-se:
a) Custo mdio
b) P(Y 4).

Questo 8.
A funo de densidade de probabilidade de uma V.A. X dada por:
kx 2 ,0 x 6
f ( x) =
0, x < 0

Encontre:
a) O valor de K
b) P(X>2)
c) P(0<X 4).
Resposta: a) b) c) d) Mdia: S: S: e CV(%):

Questo 9.
O tempo de espera por caminhoneiro para desembarque de carga do produto Z em uma
indstria uma varivel aleatria com f.d.p. dada por:
kx, 0 < x < 4, medida em horas
f ( x) =
0, caso contrrio

Calcule o tempo mdio que cada caminhoneiro fica na fila de espera.

Calcule a varincia e o desvio padro.
Resposta: a) b) c) d) Mdia: S: S: e CV(%):

Questo 10.
Seja,
1

x + k , se x 3

f ( x) =
0, em qualquer outro caso

Pede-se:
a) Encontre o valor de k na funo para que f(x) seja uma funo de densidade de
probabilidade (f.d.p.);
b) Encontre P(1 x 2)
c) P( 2)

Resposta: a) b) c) d) Mdia: S: S: e CV(%):

Questo 11.
O tempo de reao de um determinado elemento qumico uma varivel aleatria x com
a seguinte funo de densidade de probabilidade:

cx ,1 x 2

f ( x) =
cx , 2 x 3
0, caso
contrrio

Determine:
a) A constante c;
b) P(x>2)
3
2

c) P(1<x< )

Resposta: a) b) c) d) Mdia: S: S: e CV(%):

Questo 12.
O tempo (em horas) gasto por um tcnico na execuo de certo reparo uma varivel
com f.d.p. dada por:

Kt , t > 1
f ( x) =
0, t 1
Sabendo-se que ele cobra R$50,00 por hora de trabalho para os concertos que duram menos
de 3 horas e R$ 40,00 para os concertos que duram 3 horas ou mais, quanto custa em mdia um
concerto?
Resposta: a) b) c) d) Mdia: S: S: e CV(%):

4.1 Distribuio Binomial

4.2 Distribuio de Poisson
4.3 Distribuio de Normal
4.4 Distribuio Qui-quadrado
4.5 Distribuio T-Student

Distribuies Tericas (Especiais) de Probabilidade

Generalidades
So modelos matemticos de distribuies de probabilidades de certos universos, os quais
so obtidos partindo-se de certas hipteses gerais e deduzidos matematicamente.
Constituem a base para boa parte da teoria estatstica, usada pelos pesquisadores em
geral.
O conhecimento destas distribuies tem importantes conseqncias prticas, isto porque
so diferentes os mtodos de anlise para os dados de observao (varivel aleatria) que
seguem diferentes distribuies tericas.

Tipos
As distribuies de probabilidades podem ser discretas ou contnuas, segundo a varivel
aleatria seja discreta ou contnua respectivamente.
Distribuies tericas discretas ou descontnuas: Uniforme, Bernoulli, Binomial, Poisson,
Geomtrica ou Pascal, Hipergeomtrica, Polinomial ou Multinomial, Binomial Negativa, etc.
Distribuies tericas contnuas: Uniforme, Normal, Triangular, Beta, Gama, Gauchy,
Qui-quadrado, t de Student, F de Snedecor-Fisher, etc.

Modelos de Distribuies de Probabilidade Tericas Discretas

DISTRIBUIO DE BERNOULLI
Introduo: Muitos experimentos so tais que os resultados possveis
apresentam ou no uma determinada caracterstica.
i)

Uma moeda lanada: o resultado ou cara ou no .

ii) Uma pea escolhida, ao acaso, de um lote, contendo 500 peas; esta pea defeituosa ou
no defeituosa.
Em todos os casos, estamos interessados na ocorrncia de um sucesso (ocorrncia de
cara, pea defeituosa etc.). Para cada experimento acima, podemos definir uma varivel X que
assume apenas dois valores: o valor 1, se ocorre sucesso e o valor 0, se ocorre fracasso
indicamos p a probabilidade de sucesso, p(sucesso) = p(s) = p, onde 0 < p < 1.

4.1 DISTRIBUIO BINOMIAL OU SEQNCIA DE BERNOULLI

Generalidades: Esse modelo foi criado pelo matemtico Suo Jacques Bernoulli
a mais importante das distribuies tericas para variveis aleatrias discretas, e foi a
primeira distribuio introduzida na estatstica.
Imagine agora que repetimos um ensaio de Bernoulli n vezes, ou, como se diz tambm
obtemos uma amostra de tamanho n de uma distribuio de Bernoulli.

4.1.1 Caractersticas de uma experincia binomial

Em cada tentativa existem dois resultados possveis mutuamente exclusivos. Eles so
chamados por convenincia, sucesso e fracasso.

Os ensaios repetidos so independentes.

A probabilidade de sucesso indicada por P, permanece constante de ensaio para ensaio,

ou seja estacionrio.

Um nmero fixo de ensaios (n) sero conduzidos.

Interessa-nos X, nmero de sucessos obtidos em n tentativas.

4.1.2 Funo de probabilidade [P(x=xi)]

a) Seja p a probabilidade de ocorrncia (sucesso) e q = 1 p, a de no ocorrncia
(fracasso), evidentemente

p + q = 1.

b) Admitimos que em n provas independentes (repeties) h x sucessos, a

probabilidade de se obter x sucessos consecutivos (e portanto n-x fracassos) nas n provas
dado por:

n
x

P(x=x)= C .px. qn-x

P(x=x)=

o termo geral
do desenvolvimento do Binmio de Newton

n
C(n, x) = C . px. (1 x
n

p)n-x
P(x=x)=

n! . px. qn-x

(p + q)n =

x =0

P(x) =1

x!(n-x)!
n= nmero de ensaios
x= nmero de sucessos em um ensaio
n-x= nmero de falhas em um ensaio
p= probabilidade de sucesso n
x
q= 1 - p = probabilidade de falha
n
C = nmero possvel de maneiras na qual o sucesso pode ocorrer
x

Probabilidade de no ocorrer nenhum evento

p (x = 0) = P(X=0) = qn

Probabilidade de ocorrer no mximo dois eventos

p ( x 2) = P(X = 0) + P(X=1) + P(X=2)

Probabilidade de ocorrer um ou mais eventos

p (x 1) = 1 [p(x = 0)]

4.1.3

NOTAO: X~Bin (n;p):A varivel x tem distribuio binomial com parmetros n e

p.

4.1.4 Parmetros caractersticos da distribuio binomial:

= E (x) = n.p

2 = n.p.q

= n.p.q

4.1.5 Situaes reais que envolvem variveis aleatrias discretas ou descontnuas nas quais
pode ser aplicado o modelo matemtico da distribuio binomial:

Lanamentos sucessivos de uma moeda e observar a seqncia de cara ou coroa.

Nmero de pessoas com determinada doena.

Nmero de produtos manufaturados que so defeituosos

Nmero de folhas de uma planta afetada por certa doena.

Nmero de animais curados com certo medicamento.

Nmero de sementes germinadas.

e.t.c.

Atividade em classe - Distribuio Binomial.

01)

Lanando-se 5 vezes uma moeda, qual a probabilidade de se obter cara 4 vezes?

n=5; x=4; p=1/2 e q=1/2

P(x=4)= C 5 .0,54. 0,55-4

4

P(x=4)= 5.1/16. 1/2

P(x=4)=5/32
02) Retirando-se, com reposio, 3 cartas de um baralho, qual a probabilidade de se obter 2
cartas vermelhas?

03) Numa famlia com 5 filhos, qual a probabilidade de:

- no haver homens?

- qual a probabilidade de haver dois homens?

04) Os registros de uma pequena companhia indicam que 40% das faturas por ela emitidas so
pagas aps o vencimento. De 14 faturas expedidas, determine a probabilidade de:
a)

Nenhuma ser paga com atraso.

b)

No mximo 2 serem pagas com atraso.

c)

Mais de trs serem pagas com atraso.

05)

Sabendo-se que 4% das peas produzidas por certa mquina so defeituosas. Em um lote

de 10 peas, calcular a probabilidade de:

a)

Exatamente duas serem defeituosas;

b)

Menos de 2 serem defeituosas;

c)

Qual a mdia e o desvio padro do nmero de peas defeituosas?

4.2 DISTRIBUIO DE POISSON

Esse modelo foi criado pelo matemtico e fsico francs Simon Denis
Poisson (1781-1840), em 1837
.

Generalidades
um modelo usado para descrever as probabilidades do nmero de
ocorrncias de acontecimentos (eventos) raros, em geral num intervalo de tempo, distncia, rea
ou volume (contnuo), como por exemplo o nmero de ligaes erradas num circuito telefnico.
O nmero de automveis que passam numa esquina (observe que poderemos anotar o nmero de
automveis que passaram (sucesso), porm o nmero de carros que deixaram de passar no
poder ser determinado (fracasso)).
Note-se que a unidade de medida (tempo, rea, volume) contnuo, mas a varivel
(nmero de ocorrncias) discreta.Sendo assim denominada distribuio de eventos raros.

4.2.1 Caractersticas de um experimento de Poisson

A utilizao da distribuio de Poisson, baseia-se nas seguintes hipteses.

A probabilidade de uma ocorrncia a mesma em todo o campo de observao;

A probabilidade de mais de uma ocorrncia num nico ponto aproximadamente zero.

Quando n cresce indefinidamente, p tende para zero;

O nmero de ocorrncias em qualquer intervalo independente do nmero de

ocorrncias em outros intervalos.

4.2.2 Funo de probabilidade

Se uma varivel aleatria descrita por uma distribuio de Poisson, ento a
probabilidade de se realizar um determinado nmero de ocorrncias por unidade de medida
(minuto, hora cm2, cm3, etc.) dado pela seguinte frmula.

P(x = k) =

k e -
, onde k = {0, 1, 2, ..., }
k!

- Onde,
x = k = nmero de ocorrncias
e = base do logaritmo natural
e = 2,71828
= taxa mdia por intervalo ou unidade (constante positiva dada), = . t
= nmero mdio de eventos ocorrendo no intervalo considerado
- A distribuio de Poisson caracterizada por um nico parmetro (a mdia do processo que o
).

4.2.3 Medidas caractersticas: propriedades da distribuio de Poisson

Mdia: E(x) = x =

Varincia: V(x) =

Desvio padro: D.P. = x =

2x

4.2.4.Situaes reais que envolvem variveis aleatrias discretas nas quais pode ser
aplicado o modelo matemtico da distribuio de Poisson.

O nmero de defeitos por cm2 num tecido;

O nmero de bactrias por volume unitrio de um fludo;

O nmero de acidentes por dia num trecho de uma rodovia;

O nmero da ocorrncia de gmeos;

O nmero de desintegraes por segundo de um istopo radioativo como o fsforo

32(p32);

O nmero de chamadas telefnicas, Recebidas por uma central num intervalo de 1 hora;

O nmero de sementes de ervas daninhas presentes num lote de sementes de uma cultura;

O nmero de falhas de um computador em um dia de operao;

O nmero de nematides encontrados em amostras de solo;

O nmero de clulas contadas usando um hemocitrmetro;

etc.

4.2.5. Notao: X pois (), significa que uma varivel aleatria discreta X possui distribuio
de probabilidade de Poisson com parmetro .

Atividade em classe - Distribuio de Poisson

Exerccio de aplicao:

Exemplo 1. Os clientes chegam a uma loja a uma razo de cinco por hora. Admitindo que esse
processo possa ser aproximado por um modelo de Poisson, determine a probabilidade de que
durante qualquer hora:
a. No chegue nenhum cliente;
b. Chegue mais de um cliente.
Fonte: Oliveira, 2008. Estatstica e Probabilidade.
Pag.159; exerc.25

Exemplo 2. Numa lmina verificou-se que existiam em mdia 2,5 bactrias/cm2. A lmina foi
subdividida em 300 quadrados de 1cm2. Em quantos destes quadrados vocs espera encontrar no
mximo 1 bactria? Qual a probabilidade de se encontrar mais de 3 bactrias por centmetro
quadrado?

Exemplo 3. Na reviso tipogrfica de um livro achou-se em mdia 1,5 erros por pgina. Das 800
pginas do livro, estimar quantas no precisam ser modificadas por no apresentarem erros.

Exemplo 4. O nmero de chamadas telefnicas que chegam a uma central segue uma
distribuio de Poisson com mdia 6 por minuto.
a) Qual a probabilidade de nenhuma chamada chegar a central em um minuto?
b) Duas ou mais chamadas chegarem?

Exemplo 5. Caminhes chegam a um depsito a razo de 2,8 caminhes por hora. Determine a
probabilidade de chegarem trs ou mais caminhes:
a) Num perodo de 30 minutos;
b) Num perodo de 1 hora;
c) Num perodo de 2 horas.

4.APROXIMAO DA DISTRIBUIO BINOMIAL ATRAVS DA DISTRIBUIO DE

POISSON
4.1.Generalidades

n n 30

Quando n grande e p pequeno, p 0 p < 0,1

0 < 10 = n . p =

Outros autores recomendam como regra prtica se:

n 30 e np < 5 ou n(1 p) < 5. Ou

nas seguintes situaes.

n 10
n 20
n 50

0,01
P

0,03

P 0,05

n 100

P 0,08

-Temos ento o seguinte:

(x) = n . p . = p =

2


= n . p. q. = 1 - e ( x ) = 1
, q = 1 - , (x)
n
n
n

Exerccio de aplicao

Exemplo 1: Se a probabilidade de um indivduo sofrer uma reao nociva, resultante da injeo

de um determinado soro, 0,001, determinar a probabilidade de, entre 2000 indivduos: a)
Exatamente 3; b) mais do que dois; sofrerem aquela reao.

Exemplo 2: -A probabilidade de uma determinada marca de arado de disco agrcola apresentar

defeitos nos seus discos 0,012. Ao se examinar ao acaso um lote de 80 arados, qual a
probabilidade de no haver nenhum defeito (a) pelo menos um defeituoso (b)?

Exemplo 3: Estima-se em 0,01 a probabilidade de vender uma aplice de seguro a pessoas que
respondem a um determinado anncio. Com base nessa informao, se 400 pessoas respondem
ao anncio, qual a probabilidade de que:
a) exatamente 1 compre a aplice;
b) pelo menos 1 compre a aplice;
c) no mximo 2 comprem a aplice.

Exemplo 4: Em um cruzamento de trfego intenso, a probabilidade de um carro sofrer um

acidente 0,002. Sabendo-se que das 16 s 18 horas passam aproximadamente 1.000 carros no
cruzamento, qual a probabilidade de que dois ou mais acidentes ocorram naquele perodo.

Exerccio de fixao
2) Segue-se a distribuio de probabilidade da varivel aleatria x.
x
f(x)

a.
b.
c.
d.

20

0,20

25

0,15

30

0,25

35

0,40

Essa distribuio de probabilidade vlida?

Qual a probabilidade de x ser igual a 30?
Qual a probabilidade de x ser igual ou menor a 25?
Qual a probabilidade de x ser maior que 30?
Fonte: Anderson et al., 2008. Estatstica Aplicada Administrao e Economia. Pag.175; exerc.07

3) Um servio voluntrio de ambulncias atende de 0 a 5 chamadas de servio em

determinado dia. A distribuio de probabilidade correspondente ao nmero de chamadas
de servio apresentada a seguir:
Nmero de
Probabilidade
chamadas de servio
0

0,10

0,15

0,30

0,20

0,15

0,10

a. Qual o nmero esperado de chamadas de servio?

b. Qual a varincia no nmero de chamadas de servio? Qual o desvio padro?
Fonte: Anderson et al., 2008. Estatstica Aplicada Administrao e Economia. Pag.179; exerc.17

4) A Empresa Equilibrada S.A. vende trs produtos, cujos lucros e probabilidades de venda
esto anotados na tabela a seguir:
Produto
A
B
C
Lucro unitrio (US$)
15
20
10
Probabilidade de venda
20
30
50
(%)
Pede-se:
a) O lucro mdio por unidade vendida e o desvio padro.
b) O lucro total esperado num ms em que foram vendidas 5000 unidades.
Fonte: Oliveira, 2008. Estatstica e Probabilidade.

5) A Loteria Ligeirinha distribui prmios entre seus clientes da forma seguinte:

400 prmios de US$ 100;
50 prmios de US$ 200;
10 prmios de US$ 400;
Admitindo-se, em certo concurso, sejam emitidos e vendidos 10.000 bilhetes, qual o
preo justo a se pagar por bilhete?
Fonte: Oliveira, 2008. Estatstica e Probabilidade. Pag.132; exerc.07

6) Uma fbrica de automveis deve enviar peas pesadas de seu equipamento para sua
fbrica de montagem na cidade de Marimb.
Sabe-se que:
As peas podem ser enviadas por via area ou via martima;
O custo por via area geralmente mais alto, porm h a possibilidade de
haver greve no embarque, o que atrasaria a chegada das peas a Marimb.
A matriz de custo, expressa em US$, dada por:
Deciso
Com greve
Sem greve
Enviar por avio (Ea)

2.000

2.000

Enviar por navio (En)

6.000

1.000

a) Se a probabilidade de acontecer uma greve estimada em 40%, qual a tomada de

deciso que minimizaria os custos esperados?
b)
c) At que valor de probabilidade de greve ainda mais vantajoso o envio por via
area?
Fonte: Oliveira, 2008. Estatstica e Probabilidade. Pag.133; exerc.08

7) Determine a distribuio de probabilidade de meninos e meninas em famlias com trs

filhos, admitindo iguais as probabilidades de nascimentos de menino e menina. Esboce
um grfico de distribuio.
R:
X
P(x) em (%)
Fonte: Oliveira, 2008. Estatstica e Probabilidade. Pag.149; exerc.09

8) Sabendo-se que a probabilidade de um indivduo acusar reao negativa injeo de

determinado soro 0,001, determine a probabilidade de que, em 3.000 indivduos:
a. Exatamente dois acusem reao negativa;
b. Mais de dois indivduos acusem reao negativa.
Fonte: Oliveira, 2008. Estatstica e Probabilidade. Pag.152; exerc.15

4.3 DISTRIBUIO NORMAL

Se x uma varivel aleatria contnua, a probabilidade de x tomar

um determinado valor zero.

A varivel aleatria contnua pode assumir qualquer valor fracionrio

dentro de um intervalo definido de valores.

Para as distribuies de probabilidade, no se consegue enumerar todos os possveis

valores de uma varivel aleatria contnua com os valores de probabilidade correspondentes.

A proporo da rea includa entre dois pontos quaisquer, debaixo da curva de

probabilidade, identifica a probabilidade de que a varivel aleatria contnua selecionada assuma
um valor entre tais pontos.

Para se achar a rea includa entre dois pontos especficos pode ser determinada pela
aplicao da integrao em combinao com a funo matemtica para esta curva de
probabilidade.

Distribuio Normal
a mais importante das distribuies do grupo continuo pela grande aplicabilidade em
pesquisas das cincias agrrias. A distribuio normal tem densidade dada por:

f ( x) =

1
2

1 x

Em que e 2 so os parmetros dessa distribuio, os quais so respectivamente a mdia

e varincia dessa distribuio.
O grfico da funo normal :

4.3.1 Caractersticas de uma Distribuio Normal

Grfico de uma Distribuio Normal se assemelha muito a um sino.
Tem um mximo no ponto (x=).
As trs medidas de posio: mdia, mediana e moda se confundem no ponto de mximo
da curva. X = Md = Mo.
A curva possui dois pontos de infleco cujas abcissas valem ( - ); (+ ).

Figura 1. Curva normal. A rea hachurada est

compreendida entre - e + e corresponde a
aproximadamente 68% da rea total que fica abaixo da
curva normal.
A rea total compreendida pela curva e o eixo dos x igual a 1 ou 100%.
A curva fica perfeitamente definida se conhecermos a mdia e o desvio padro .
A rea sob a curva entre dois pontos a probabilidade de uma varivel normalmente
distribuda tomar valores entre esses pontos (as probabilidades sempre se referem intervalos ou
reas).

A rea sob a curva totaliza 1 ou 100%.

Aproximadamente 68% (2/3) dos valores de x situam-se entre os pontos (-) e (+)
Aproximadamente 95% dos valores de x esto entre (-2) e (+2)
Aproximadamente 99,7% dos valores de x esto entre (-3) e (+3)

4.3.2 Notao: Se X N ( , ) ento a V.A. Z, definida por: Z =

, ter distribuio normal

padronizada-N(0,1). Sabe-se que a probabilidade de X estar entre dois valores quaisquer (a, b)
dada pela rea sob a curva normal entre estes valores:

Atividade em classe - Distribuio Normal

1) Calcule as seguintes probabilidades?
a) P(0 Z 1,44)

e) P(0,72 Z 1,89)

b) P(-0,85 Z 0)

f) P(-0,85 Z 2)

c) P(Z 1,93)

g) P(Z < -0,66)

d) P(Z 1,93)

h) P(Z < 0,60)

2) As alturas dos alunos da turma de Engenharia so normalmente distribudas com mdia 1,60 e
desvio padro 0,30. Encontre a probabilidade de um aluno medir:
a)

entre 1,50 m e 1,80 m;

b)

mais de 1,75 m;

c)

menos de 1,48 m

d)

qual deve ser a mdia mnima para escolhermos 10% dos mais altos?

3) Um teste padronizado de escolaridade tem distribuio normal com mdia 100 e desvio padro
10. Determine a probabilidade de um indivduo submetido ao teste ter notas entre:
a)

entre 85 e 115

b)

maior que 120

c)

maior que 100

d)

maior que 80

4) Os pesos de 600 estudantes so normalmente distribudo com mdia 65,3kg e desvio padro
5,5kg. Determine o nmero de estudantes que pesam:
a)

entre 60 e 70 kg;

b)

mais que 63,2 kg;

c)

menos que 68 kg;

5) X uma varivel aleatria contnua, tal que XN(12, 25). Qual a probabilidade de uma
observao ao acaso:
a)

ser menor que -3

b)

cair entre -1 e 15?

5.1 Introduo
5.2 Amostragem Probabilstica
5.2.1 Amostragem casual simples
5.2.2 Amostragem sistemtica
5.2.3 Amostragem estratificada
5.3 Amostragem no probabilstica
5.3.1 Amostragem a esmo ou sem norma
5.3.2 Amostragem intencionais

5.1 Introduo
Populao e a varivel a ser observada
Caracterstica X observvel:
POPULAO:
eleitores brasileiros

AMOSTRA: uma
parte dos
eleitores

Conceitos

Populao: o conjunto de elementos para os quais desejamos que as concluses da

pesquisa sejam vlidas, com a restrio de que esses elementos possam ser observados ou
mensurados sob as mesmas condies.
Muitas vezes vamos chamar de populao a todo o conjunto de observaes da
varivel de interesse.

Exemplo:
Considere a populao P = {1, 3, 5, 6}. Em seguida, observe os clculos do nmero de
amostras atravs dos procedimentos de amostragem com e sem reposio, para tamanhos de
amostras de 2 e 3.

Sem reposio

Tamanho de amostra (n) = 2

Como N = 4 e n = 2, ento o nmero de amostras possveis ser: K = C nN = K = C 24 =6 amostras
As amostras sero: (1,3) (1,5) (1,6) (3,5) (3,6) (5,6).
Tamanho de amostra (n) = 3
Como N = 4 e n = 3, ento o nmero de amostras possveis ser: K = C nN = K = C 34 =4 amostras
As amostras sero: (1,3,5) (1,3,6) (1,5,6) (3,5,6).
Observe que os grupos de amostras no se repetem, ou seja, a ordem dos elementos dentro do
grupo no relevante no mtodo de amostragem simples sem reposio.

Exemplo:
Considere a populao P = {1, 3, 5, 6}. Em seguida, observe os clculos do nmero de
amostras atravs dos procedimentos de amostragem com e sem reposio, para tamanhos de
amostras de 2 e 3.

Com reposio

Tamanho de amostra (n) = 2

Como

2,

ento

As amostras sero: K = N n = K = 4 2 =16

(1,1) (1,3) (1,5) (1,6) (3,1) (3,3) (3,5) (3,6)
(5,1) (5,3) (5,5) (5,6) (6,1) (6,3) (6,5) (6,6).

nmero

de

amostras

possveis

ser:

Tamanho de amostra (n) = 3

Como N = 4 e n = 3, ento o nmero de amostras possveis ser:
As amostras sero: K = N n = K = 4 3 =64
(1,1,1) (1,1,3) (1,1,5) (1,1,6) (1,3,1) (1,3,3) (1,3,5) (1,3,6) (1,5,1) (1,5,3) (1,5,5) (1,5,6)
(1,6,1) (1,6,3) (1,6,5) (1,6,6) (3,1,1) (3,1,3) (3,1,5) (3,1,6) (3,3,1) (3,3,3) (3,3,5) (3,3,6)
(3,5,1) (3,5,3) (3,5,5) (3,5,6) (3,6,1) (3,6,3) (3,6,5) (3,6,6) (5,1,1) (5,1,3) (5,1,5) (5,1,6)
(5,3,1) (5,3,3) (5,3,5) (5,3,6) (5,5,1) (5,5,3) (5,5,5) (5,5,6) (5,6,1) (5,6,3) (5,6,5) (5,6,6)
(6,1,1) (6,1,3) (6,1,5) (6,1,6) (6,3,1) (6,3,3) (6,3,5) (6,3,6) (6,5,1) (6,5,3) (6,5,5) (6,5,6)
(6,6,1) (6,6,3) (6,6,5) (6,6,6).
Parmetro uma medida que descreve certa caracterstica dos elementos da populao
(uma mdia, uma proporo,... da varivel de interesse).

O processo de seleo da amostra

Estimativa: valor calculado com base na amostra, e usado com a finalidade de avaliar
aproximadamente um parmetro.

Amostragem
POPULAO

AMOSTRA

=?
Parmetro

Voto do eleitor:

X1

X1
2

Resultado estatstico:

X1
3

..
.

Estatstica

= p erro amostral

Censo: Estudo atravs da observao de todos os elementos da populao.

Amostragem: Estudo por meio da observao de uma amostra.

Por que fazer amostragem?



Economia

Menor tempo

Maior qualidade nos dados levantados

Populao infinita

Mais fcil, com resultados satisfatrios.

Quando fazer censo?



Populao pequena (tamanho da amostra grande em relao ao da populao).

Quando se exige o resultado exato.

Quando j se dispe dos dados da populao.

Tcnicas de Amostragem


Amostragem probabilstica (aleatria) - a probabilidade de um elemento da populao ser

escolhido conhecida.
Usa alguma forma de sorteio - aleatoriedade

Amostragem no-probabilstica (no-aleatria) - No se conhece, a priori, a probabilidade

de um elemento da populao vir a pertencer amostra.

Amostragem probabilstica (aleatria

Amostragem aleatria simples

Amostragem sistemtica

Amostragem estratificada

Amostragem por conglomerados

1 Amostragem aleatria simples

Faz-se uma lista da populao e sorteiam-se os elementos que faro parte da amostra.
Pode-se utilizar uma tabela de nmeros aleatrios.
Propriedade bsica: cada subconjunto da populao com o mesmo n de elementos tem a
mesma chance de ser includo na amostra. Em particular, cada elemento da populao tem
probabilidade p = n/N de pertencer amostra.

01. Aristteles

02. Anastcia

03. Arnaldo

04. Bartolomeu

05. Bernardino

06. Cardoso

07. Carlito

08. Cludio

09. Ermlio

10. Herclio

11. Ernestino

12. Endevaldo

13. Francisco

14. Felcio

15. Fabrcio

16. Geraldo

17. Gabriel

18. Getlio

19. Hiraldo

20.Joo Silva

21. Joana

22. Joaquim

23. Joaquina

24. Jos da Silva

25. Jos Souza

26. Josefa

27. Josefina

28.Maria Jos

29. Ma Cristina

30. Mauro

59 58 48 36 47

92 85 05 08 65

47 49 10 41 05

10 75 59 75 99

17 28 97 99 75

53 26 21 50 21

37 93 85 52 86

86 22 75 34 37

69 85 25 03 78

50 26 18 25 10

5.2.2 Amostragem sistemtica

Os elementos da populao apresentam-se ordenados e so retirados periodicamente (de
cada k elementos, um escolhido).

5.2.3 Amostragem estratificada

 Usada quando a populao pode ser dividida em subgrupos (estratos) relativamente
homogneos.
 A seleo em cada estrato deve ser aleatria
Ilustrao de uma amostragem estratificada proporcional
POPULAO:
comunidade da escola
professor
20%

AMOSTRA: parte da
comunidade da escola
20%

servidor
aluno

20%
60%

20%
60%

500 / 100 = 0,5

0,5 * 50 = 25

50

Em que situaes usar a amostragem estratificada

 Pesquisas de mercado:
 homens e mulheres;
 faixas etrias.
 Pesquisas eleitorais:
 regio demogrfica;
 cidades pequenas mdias e grandes;
 rea urbana e rural.

5.2.4 Amostragem por conglomeros

 Usada quando a populao pode ser naturalmente dividida em vrios subgrupos
(conglomerados).
 Ao contrrio dos estratos, espera-se que os conglomerados sejam quase to
heterogneos quanto populao toda.
 Num primeiro estgio, a amostragem feita sobre os conglomerados, e no mais sobre os
indivduos da populao.

2 Amostragem no probabilstica
2.1 Amostragem por quotas prvias eleitorais
2.2 Amostragem intencional- opinio de elementos especficos
2.3 Amostragem acidental - rpida e barata -supermercados

2.4 Amostragem a esmo-ser aleatrio - caixa de parafusos

Tamanho da amostra
 Supondo amostragem aleatria simples.
 Supondo que o objetivo estimar determinadas propores.
 Quantos elementos da populao devemos pesquisar?
 Digamos que no queremos errar em mais que E0, com alto nvel de confiana (digamos
95%). Ou seja, a proporo a ser calculada na amostra no deve diferir da verdadeira
proporo (na populao) em mais que E0 unidades, com 95% de probabilidade.
 E0 = limite superior provvel para o erro amostral.

Exemplo: Suponha que a universidade deseja investigar o nvel de satisfao dos alunos quanto
aos seus servios. Com esse intuito realizada uma pesquisa de opinio pblica junto aos alunos
da instituio. Para minimizar as despesas uma amostra deve ser extrada da populao de 3000
alunos. Supondo um erro amostral de 5% qual deve ser o tamanho da amostra?
N=3000
Eo=5%
N=?

no=

n=

1
E o2

N .no
N + no

1
(0,05) 2

=400

3000.(400)
3000 + 400

=352,94 353

Exerccio Geral- Teria de Amostragem- Data de entrega: ____/____/___

1-Defina os conceitos bsicos em amostragem listados abaixo e d exemplo.
a) Populao e os seus tipos (Finita e Infinita , Real e hipottica)
b) Amostra
c) Censo
d) Recenseamento
e) Amostragem
f) Amostragem com reposio
g) Amostragem sem reposio
h) Preciso
i) Exatido

2. Quais as aplicaes prticas da amostragem.

3. O que significa amostra probabilstica e amostra no probabilstica.
4. Cite exemplos dos diversos tipos de amostragem: probabilstica e no probabilstica.
5. Quais as vantagens da amostragem em relao ao censo.
6 Quais os procedimentos (etapas) a serem obedecidos num processo de levantamento
por amostragem.
7. Quantas amostras diferentes de 3 elementos podem ser obtidas de uma populao de seis
elementos, sem reposio e com reposio? Determine em cada caso, a probabilidade de obter, em
uma amostragem aleatria, as diferentes amostras. Indique os elementos da populao A, B, C, D,
E e F.

8. Em uma populao em que N =6, tal que X = {1, 3, 4, 7, 8, 11}, calcular a mdia amostral para
todas as possveis amostras de tamanho 2. Provar que X uma estimativa no viezada (ou noviciada) de (mdia da populao). Use o processo com e sem reposio.
9. Suponha que uma companhia telefnica queria selecionar uma amostra aleatria de n = 20
assinantes (escolheu-se um nmero pequeno para simplificar o exerccio) entre 7.000, visando
estudar a atitude dos assinantes com relao aos servios prestados por essa companhia. Se os
assinantes forem numerados, a fim de serem identificados,indique que assinantes voc incluiria
nessa amostra. Use a tabela de nmeros aleatrios e mostre como escolher essa amostra.
10. Uma cidade pequena tem 20.000 eleitores. Use a tabela de nmeros aleatrios para identificar
os eleitores que devem ser includos em uma amostra de 15.
11. Doze pessoas devem tomar uma vacina, segundo uma ordem aleatria. Use a tabela de
nmeros aleatrios para escolher a melhor ordem.
12. Se uma pesquisa de um jornal feita pedindo-se aos leitores que respondam a um questionrio
publicado, as respostas resultantes fornecero uma amostra aleatria da opinio dos leitores?
Justifique a resposta.
13. Uma amostra aleatria da opinio pblica, em uma cidade pequena, foi obtida, selecionandose cada dcima pessoa que passava pela esquina mais movimentada dessa cidade. Essa amostra
tem as caractersticas de uma amostra aleatria dos cidados dessa cidade? Justifique a resposta.
14. Determinar o nmero mnimo de elementos de uma amostra se desejarmos com 95% de
confiana que a nossa estimativa de tenha um erro de no mximo 5%, sendo 2 = 0,09.
16. Foram feitas vinte medidas de tempo total gasto para a precipitao de um sal, em segundos,
numa dada experincia, obtendo-se:
13
17

15
14

12
16

14
15

17
15

15
13

16
14

15

14

16

15

16

15

Sendo assim pergunta-se: esses dados so suficientes, para estimar o tempo mdio gasto na
precipitao com preciso de meio segundo e 95% de certeza? Caso negativo, qual o tamanho da
amostra adicional necessrio?

Usualmente impraticvel observar toda a populao, seja pelo custo

carssimo seja por dificuldades diversas. Examina-se ento uma amostra. Se
essa amostra for bastante representativa, os resultados obtidos podero ser generalizados para toda
a populao.
O pesquisador poder levantar hipteses das possibilidades das generalizaes dos
resultados aos experimentos semelhantes. Dever testar essas hipteses que podero ser rejeitadas.
Um experimento pode finalidade a determinao da estimativa de um parmetro de uma
funo.
Ao conjunto de tcnicas e procedimentos que permitem dar ao pesquisador um grau de
confiabilidade, de confiana, nas afirmaes que faz para toda a populao, baseadas nos
resultados das amostras, damos o nome de Inferncia Estatstica.

Amostragem
Amostra (x)

Populao ( )

Inferncia Estatstica
6.1 Conceitos bsicos:
1.

Parmetro ( )

- uma medida estatstica que serve para identificar determinada caracterstica populacional.

2.

Estimador ( )

uma regra que diz como calcular a estimativa com base na informao contida na amostra onde
representado atravs de uma frmula.

3.

Estimativa ( o )

o valor numrico assumido pelo estimador numa determinada amostra.

4.

Estimao

o processo que consiste em utilizar os dados amostrais para estimar valores de parmetros
populacionais desconhecidos.

6.2 Qualidade de um bom estimador:

*Consistncia:
*Ausncia de vcio:
*Eficincia:
*Suficincia:
6.3 Tipos de Estimativa:
*Por ponto: a partir da amostra procura-se obter um nico valor de certo parmetro
populacional.
s =
*Por intervalo: a partir da amostra procura-se construir um intervalo de variao
1 2 , com certa probabilidade de conter o verdadeiro valor do parmetro populacional.

Esse intervalo chamado de limite de confiana

Estimando a mdia para grandes e pequenas amostras
Mtodos
Fatores
Tamanho da amostra
Varincia
Varivel utilizada

Distribuio
Normal
n 30
2

Distribuio
t-Student
n<30
s2
T

6.4 Estimativa da Mdia

6.4.1). Estimativa da mdia () em grande amostra (n 30) ou conhecido
Z=

x
s/ n

P(Z1< Z< Z2) = 1-

P(-1,96 < Z<1,96)=95%
P(-1,96 <

P(x-1,96

. x 1,96

/ n

<1,96)=95%

< < x+1,96

)=95%

so os limites de confiana;

. 95% o grau ou coeficiente de confiana;

. No tendo o valor de

, pode-se usar o valor de s, desde que n 30.

Valores de Z tabelado
Probabilidade

90%

95%

99%

Z tabelado

1,64

1,96

2,57

Representao grfica

0,45
-1,645

Z= 0

0,45
+1,645

6.4.2 Erro mximo da estimativa

e = Z.

Esse valor indica o afastamento mximo que o parmetro pode ter em relao aos limites
de confiana para determinado nvel de confiana.

6.4.3. Tamanho da amostra

no =

Z .

Exemplo:
1) Estabelecer um intervalo de confiana de 95% para , sendo que uma amostra de tamanho
n=36, dessa populao forneceu x=30 e s=4.
P(x - z
P(30-1,96

<<x+z

)=1-

4
4
< < 30+1,96
)=95%
36
36

P(30-1,31< < 30+1,31)=95%

P(28,69< < 31,31)=95%
Concluso: Este intervalo significa que provavelmente com 95% de confiana o intervalo conter o
verdadeiro valor da .
2) Qual o erro amostral?
e = Z. = 1,96. 4 =1,31 em torno da x.
36

3) Qual o tamanho da amostra?

no =

Z . = 1,96.4 = 35,76~36

e
1,31

2). Estimativa da mdia em pequena amostra (n<30) ou se desconhecido

t=

P(x-t / 2

x
s/ n

< < x+t / 2

s
n

)= (1- ) 100%

Exemplo:
1) Qual o intervalo de confiana para , no nvel de 95%, sendo que uma amostra de tamanho 20
forneceu x=38 e s=5?
P(x-t

s
s
< < x+t
)=1-
n
n

4
4
< < 30+1,96
)=95%
36
36
P(30-1,31< < 30+1,31)=95%
P(28,69< < 31,31)=95%

P(30-1,96

Concluso: Este intervalo significa que provavelmente com 95% de confiana o intervalo conter o
verdadeiro valor da .
6.5 Estimativa de uma Proporo
Numa amostra de n elementos, obtm-se uma estimativa por ponto da proporo p de
indivduos com determinada caracterstica da populao atravs do valor p= x , onde x o nmero
n

de elementos da amostra com a caracterstica.

.Grandes amostras

Distribuio amostral de p (amostra 30)

-Ditribuio Normal Aproximada

- p= p
- p=

pq
n

P(p- Z / 2

p' q'
<p< p+ Z / 2
n

p' q'
)= 1-
n

Exemplo:

Examinando 100 peas produzidas por uma mquina, foram encontradas 3 defeituosas. Estimar,
no nvel de 95%, a proporo de peas defeituosas dessa mquina?
p=x/n3/100 = 0,03
q=1-p1-0,03= 0,97
=0,95%
z=1,96

P(p- Z / 2

p' q'
<p< p+ Z / 2
n

p' q'
)= 1-
n

0,03.0,97
0,03.0,97
<p< 0,03 + 1,96
)= 0,95
100
100
P(0,03 0,033<p< 0,03 + 0,033)= 0,95
P(0,003 <p< 0,063)= 0,95
ou
3% <p< 6,3%
Concluso: Este intervalo significa que provavelmente com 95% de confiana o intervalo
conter o verdadeiro valor da proporo.
P(0,03 - 1,96

6.6 Estimativa da diferena entre duas mdias

A diferena amostral (x1-x2) estima ( 1- 2) a um nvel

de probabilidade.

Caso 1- Intervalo de confiana para a diferena entre mdias de duas populaes normais

(varincias conhecidas)
P(Z1< Z< Z2) = 95%
P(-1,96 < Z<1,96)=95%
P(-1,96 <

/ n

<1,96)=95%

P((x1-x2)-1,96

. x 1,96

<( 1- 2)< (x1-x2)+1,96

so os limites de confiana;

. 95% o grau ou coeficiente de confiana;

. No tendo o valor de , pode-se usar o valor de s, desde que n 30.

)=95%

Exerccio Geral- Estimao- Data de entrega: ____/____/___

1 Uma amostra de 36 baterias foi testada acusando vida mdia de 48 meses. Sabendo-se que de
levantamentos anteriores, o desvio padro da populao da qual foi extrada a amostra de 4
meses, determine um intervalo de confiana de 95 % em torno da verdadeira mdia da populao.
2 Qual o intervalo de confiana que contar com 90 % a verdadeira mdia de uma populao
normal que resultou xi = 700,8 e xi2 = 23436,8 de uma amostra de 30 elementos.
3 - Uma amostra aleatria de 20 baterias foi testada acusando vida mdia de 48,2 meses e desvio
padro de 5,4 meses. Determine um intervalo de confiana de 95 % em torno da verdadeira mdia
da populao.
4 - Uma amostra aleatria de 500 peas produzidas por certa uma mquina verificou-se que 30
eram defeituosas. Determine o intervalo de confiana de 90 e 95 % em torno da verdadeira
proporo de peas defeituosas produzidas por essa mquina.
5 - Utilizando os dados do exerccio 10, determine o intervalo de confiana de 90 e 95 % em torno
da verdadeira proporo de peas sem defeitos produzidas por essa mquina.
6 - Amostras de peas de uma mquina foram retiradas de um lote em duas fbricas, onde na = 40
e nb = 50. Investigou-se a durao da vida til das peas em que = 2500 h e
= 2200 h com a
= 70 e b = 50. Construa um intervalo de confiana para a diferena mdia das peas com nvel
de 95 % de confiana.
7 - Seja X1 N( 1, 12) e X2 N( 2, 22). Da populao 1 foi extrada uma amostra de 20 elementos
obtendo-se
= 45 e S1 = 2,4 e da populao 2 foi extrada uma amostra de 12 elementos
obtendo-se
= 38 e S2 = 2,4. Construir o intervalo de confiana ao nvel de 10 % para ( 1 - 2).
8 Uma amostra aleatria do peso de 5 crianas forneceu os seguintes valores em Kg.
23,0

20,5

21,3

24,5

22,0

- Determine o intervalo de confiana de 95 % em torno da verdadeira varincia e desvio padro

populacional.
9 Qual o tamanho da amostra suficiente para estimar a mdia de uma populao cujo desvio
padro igual a 3, com 95 % de confiana e erro de 0,5.

10- Uma amostra de 36 crianas de uma escola de 1 grau forneceu peso mdio de 28,5 kg e
desvio padro de 5,2 kg. Determinar, no nvel de 95%:
a) Intervalo de confiana da .
b) qual seria o tamanho da amostra para que o erro mximo de estimativa fosse de 1,2?
c) qual seria o erro mximo de estimativa, se amostra fosse de 200 crianas? Interprete o
resultado.

7.1. Introduo
7.2. Teste de hipteses
7.3. Hiptese estatstica
7.4. Tipos de hipteses estatstica
7.5. Natureza dos teste
7.6. Tipos de Testes de hiptese
7.7. Riscos envolvidos na tomada de deciso
7.8. Procedimentos para se efetuar um teste de hiptese
7.9. Tipos de teste paramtricos
7.9.1para mdia,
7.9.2 diferena entre mdias
7.9.3 propores
7.9.4 diferena entre propores
7.9.5 varincia e razo entre varincias
7.9.6 teste no-paramtrico:
a) Teste do Qui-quadrado
7.2 Teste de Hiptese ou Significncia
7.2.1 Teste de hiptese uma tcnica com objetivos bem definidos que auxiliam o

pesquisador a aceitar ou rejeitar determinada hiptese estatstica com base em resultados

amostrais ou experimentais.
7.2.2 Hiptese estatstica toda hiptese relativa a caracterizao de uma populao

podendo se refletir tanto a forma, como aos parmetros da distribuio de probabilidade dessa
populao.
- Altura mdia da populao brasileira 1,65 m.
Ho: = 1,65 m;

H1: 1,65 m;
> 1,65 m;
< 1,65 m;

- A varincia populacional dos salrios vale $ 500.

H0: 2 = $ 500;
H1: 2 $ 500;
2 > $ 500;
2 < $ 500.
7.3 Tipos de hiptese estatstica
a)

Hiptese de nulidade (Ho)

aquela que se enuncia sob a forma de uma ou mais igualdade a zero.
Ho: 1 = 2
1- 2 = 0

b)

Hiptese alternativa (H1) (Ha)

aquela que se difere da hiptese Ho.
H1: 1 2

1 > 2 ;

1 < 2

7.4 Tipos de Testes de Hipteses

a)

Teste bilateral
RR
H0

Ho: p = 40
H1: p
b)

40

RR
H0

RAH0
1- = 95%

Teste unilateral direita

RAH0

Ho: p = 40

RRH0

1-

H1: p > 40
c)

Teste unilateral esquerda

Ho: p = 40 H1: p < 40

7.5 Riscos envolvidos na tomadaRRH
de 0deciso
RAH0
1 = 0,99
Tomada de deciso
Situao

Aceitar Ho

Rejeitar Ho

Se Ho verdadeira
Se Ho falsa

Deciso correta nvel de

confiana do teste de
probabilidade = 1-
Deciso errada
Erro tipo II

Deciso errada
Erro tipo I Deciso correta
Poder do teste

7.6 Procedimetos para se efetuar um teste de hiptese

1)

Enunciar as hipteses Ho e H1

2)

Especificar o nvel de significncia do teste

3)

Construir a curva com distribuio amostral do estimador mostrando as regies de

rejeio e de aceitao de Ho.

4)

Calcular a estatstica teste

5)

Concluses

Observaes importantes:
a) A rejeio da Hiptese Ho, implicar a aceitao da hiptese H1.
b) A Hiptese Alternativa geralmente representa a suposio que o pesquisador quer
provar, sendo a Hiptese Ho formulada com o expresso propsito de ser rejeitado.
c) A Hiptese Ho considerada verdadeira ao longo da realizao do Teste de Hiptese
at o momento em que haja clara evidncia apontando em sentido contrrio.

7.7 Tipos de testes de hipteses

Natureza dos Testes

7.7.1 Testes Paramtricos: So aqueles que formulamos Hipteses com respeito ao(s)
valor(res) de um(uns) parmetro(s) populacional.

Exemplo: teste referente a mdia populacional .

7.7.2 Testes No Paramtricos: So aqueles nos quais formulamos Hipteses em que

no fazemos nenhuma meno a respeito de parmetros populacionais ou quando formulamos
Hipteses com respeito natureza da distribuio de probabilidades da populao.
Exemplo: Teste do qui-quadrado ( ) para aderncia, Teste do quiquadrado ( ) para
independncia, etc.

Exemplo 1. Uma amostra de 36 elementos de uma varivel x normalmente distribuda forneceu

x = 42 ,3 e s = 5,2 . Testar, no nvel de significncia 0,05, a hiptese de que

>40.

1) Hipteses:
Ho:
H1: .
2) Nvel de significncia
=

3) Curva da curva com distribuio amostral

4) Calcular a estatstica teste
5) Concluses

Exemplo 2. Uma amostra de 20 elementos de uma varivel x normalmente distribuda forneceu

x = 53,4 e s = 7,5 . Testar a hiptese de que =50, no nvel de significncia 0,05.

1) Hipteses:
Ho:
H1: .
2) Nvel de significncia
=

3) Curva da curva com distribuio amostral

4) Calcular a estatstica teste
5) Concluses

Exemplo 3. Numa amostra de 100 peas produzidas por uma mquina foram encontradas 4
defeituosas. Testar, no nvel de significncia 0,05, a hiptese de que p=0,05 (5%).
1) Hipteses:
Ho:
H1: .
2) Nvel de significncia
=

3) Curva da curva com distribuio amostral

4) Calcular a estatstica teste
5) Concluses

Exemplo 4. Em uma classe de 40 alunos da faculdade A, as notas de Matemtica distriburam-se

normalmente com mdia 7,25 e desvio-padro 3,5. Numa classe de 50 alunos da faculdade B as
notas tambm distriburam-se normalmente com mdia 6,8 e desvio padro 1,75. Testar, no nvel
de 0,05, a hiptese de que no h diferena significativa no aproveitamento dos alunos das duas
faculdades com relao Matemtica.
1) Hipteses:
Ho:
H1: .
2) Nvel de significncia
=

3) Curva da curva com distribuio amostral

4) Calcular a estatstica teste
5) Concluses

Aplicao dos Testes No Paramtricos

Exemplo1: Suponhamos que um jogador deseja saber se um dado viciado. Para isso, ele contou
o nmero de vezes que cada face apareceu voltada para cima em 60 jogadas. Admitindo-se que o
dado honesto, a probabilidade de aparecer cada face, numa jogada
as freqncias esperadas fe=

1
. A previso terica para
6

1
x 60 = 10 (i = 1, 2, 3, 4, 5, 6).
6

O resultado das jogadas foi o seguinte:

Tabela 1: Freqncias observadas e esperadas obtidas de um experimento referente ao
lanamento de um dado honesto.
Faces

Fo

12

11

10

14

Fe

10

10

10

10

10

10

O nvel de significncia: 0,05

A regio de Rejeio da hiptese Ho a seguinte.

( = 5; 0,05) = 11,07 c = 5,8

O nmero de graus de liberdade dado por:

= 6-1 = 5, portanto o valor crtico ou tabelado de

qui quadrado : [ ].
O valor da estatstica teste o seguinte.

(4 10) (12 10) (9 10) (11 10) (10 10) (14 10)
+
+
+
+
+
= 5,8
10
10
10
10
10
10

Como o valor do qui quadrado teste calculado menor que o valor do qui-quadrado
tabelado, ento aceita-se a hiptese Ho.
As concluses so de que, de acordo com o teste do qui-quadrado com cinco graus de
liberdade, e um nvel de significncia de 5% de probabilidade pode-se concluir, portanto que, a
hiptese de nulidade ser aceita, isto , as freqncias observadas no diferem das freqncias
calculadas mais do que seria esperado na variao acidental do processo de amostragem. A
deciso considerar o dato como honesto ou no viciado.

Teste de Ajustamento
Objetivo:
So usados para verificar se resultados experimentais esto coerentes com resultados
tericos conhecidos a priori ou so usados na comprovao de uma lei natural, ou verificar
hipteses elaboradas por raciocnio indutivo.
A hiptese Ho diz que os resultados experimentais obedecem a Lei Natural, e a hiptese
alternativa H1 diz o contrrio da hiptese Ho.

Exerccio Geral- Teste de Hiptese- Data de entrega: ____/____/___

1- A experincia de muitos anos de uso de um dispositivo eletrnico, da marca A, tem mostrado
que sua vida mdia de 300 horas. Uma amostra de 25 dispositivos de uma nova marca B deu
uma vida mdia de 290 horas com desvio padro de 40 horas. Testar no nvel de significncia
0,10, a hiptese de que os dispositivos das duas marcas tm a mesma vida mdia.
2 Uma amostra de 30 elementos de uma varivel x normalmente distribuda forneceu:
x = 32,8 e s=6,5. Testar, no nvel de significncia 0,01, a hiptese de que < 34.
3- Uma amostra de 20 elementos de uma varivel x normalmente distribuda deu x = 53,4 e
s=7,5. Testar a hiptese de que = 50 , no nvel de significncia 0,05.
4- Uma amostra de 15 elementos de uma varivel x normalmente distribuda deu: x = 28,7 e
s=3,8. Testar, no nvel de significncia 0,05, a hiptese de que > 25.
5-Uma amostra de 50 alunos de uma escola de 1 grau apresentou 3 canhotos. Testar, no nvel de
significncia 0,10, a hiptese de que a percentagem de alunos canhotos dessa escola menor que
0,05 (50%).
6- A fim de verificar o consumo de combustvel (km/L), foram tomadas duas amostras de dois
modelos de automveis, A e B. Uma amostra de 12 automveis do modelo A apresentou x = 7,6
e s=1,3 e uma amostra de 15 automveis do modelo B forneceu x = 8,1 e s=2,4. Testar no nvel
0,10, a hiptese de que no h diferena significativa de consumo de combustvel entre os dois
modelos de automveis.
que = 3.

Regresso e correlao so tcnicas destinadas a estimar o

relacionamento entre duas ou mais variveis.
A correlao sintetiza o grau de correlacionamento, enquanto a
regresso equaciona matematicamente o relacionamento.
A anlise de correlao d um nmero que resume o grau de
relacionamento entre duas, ou mais variveis; A anlise de regresso tem
como resultado uma equao matemtica que descreve o relacionamento.
A equao pode ser usada para estimar, ou predizer, valores futuros de uma varivel
quando se conhecem ou se supem conhecidos valores da outra varivel.
A anlise de correlao til em trabalho exploratrio, quando um pesquisador ou
analista procura determinar quais variveis so potencialmente importantes e o interesse est
basicamente no grau ou fora do relacionamento.
Os dados para anlise de regresso e correlao provm de observaes de variveis
emparelhadas. Para um problema de duas variveis, isto significa que observao origina dois
valores, um para cada varivel.

Exemplo:
1) Os nveis de nitrognio x rendimento da cultura
2) Peso x altura
3) Notas de clculo x nota de estatstica

1 Regresso:
A origem do termo regresso deve-se ao antropologista, meteorologista, matemtico e
estatstico ingls, Francis Galton (1885), quando pesquisava relaes entre as alturas dos pais e
altura dos filhos.
A anlise de regresso simples uma tcnica, usada pelos pesquisadores onde relacionase uma varivel aleatria Y com uma ou mais varivel X, fixa.

A varivel aleatria X conhecida como varivel independente e a varivel aleatria

Y como a varivel dependente.

2 - Diagrama de disperso:
Uma maneira de examinar visualmente se duas variveis esto relacionadas construir
um diagrama de disperso. Na qual cada ponto representa um par de valores conhecidos ou
observados de Y e X.
Para interpretar um diagrama de disperso, atente primeiro para o padro geral. Esse
padro deve revelar a direo, a forma e a fora (ou intensidade) da relao entre as duas
variveis.
Xxx
A fora de uma relao determinada pelo grau de proximidade dos pontos do diagrama
de disperso a uma forma simples como uma reta.
Exemplo de diagrama de disperso:

Exemplo:
(X)

15

41

33

18

37

52

28

24

45

(Y)

12

10

Diagrama de disperso dos dados

14
12
10
8
6
4
2
0
0

10

20

30

40

50

60

3 Modelo de regresso linear simples:

O modelo de regresso linear simples uma equao linear tendo um intercepto em Y e
um coeficiente angular, com estimativas destes parmetros populacionais baseado nos dados
amostrais e determinados por frmulas padres.
O modelo descrito em termos dos parmetros populacionais:
Yi = + Xi + ei, onde
Yi= um valor da varivel de pendente, Y.
Xi = um valor da varivel independente, X.

=o intercepto em Y da linha de regresso (representa o valor de Y quando X = 0).

=o coeficiente angular da linha de regresso (inclinao da reta). Mudana esperada de Y por
unidade de X.
ei = erro aleatrio de Y para a observao i
(representa uma varivel aleatria que descreve o erro de Y para cada observao i).

Observaes:

4 Determinao dos parmetros da equao linear simples:

Determinar com base em amostras, a equao de regresso linear simples que melhor se
ajuste aos dados amostrais (coeficientes da reta).

y =a+bx
y = o valor estimado da varivel dependente (Y) para um valor de X.
a= intercepto de y, valor de y quando x=0.
b=coeficiente angular da reta.
x=valor da varivel independente.
Para determinar os coeficientes da equao utilizamos o mtodo dos mnimos quadrados.
Esse mtodo requer que a reta que ajustamos aos dados tenha a propriedade de que seja mnima a
soma dos quadrados das distncias verticais dos pontos reta.

4.1 - Expresso para obteno do Coeficiente angular (b): d a inclinao da reta.

( x y )
n
x
x
n

xy
b=

4.2 - Expresso para obteno do Coeficiente linear (a): a ordenada do ponto em que a
reta corta o eixo das ordenadas.
a=

y b x ,
n

Exemplos:
1) Desejamos conhecer uma possvel relao linear entre o preo de venda (Y) e o valor
estimado ou valor contbil de residncias em determinado bairro. Escolhemos uma amostra de 5
residncias que foram vendidas no ltimo ano. Os valores esto em unidade de $100.000.
Residncias
1

Valor estimado (x)

2

Preo de venda (y)

2

2
3
4
5

3
4
5
6

5
7
10
11

* Construo da tabela auxiliar.

b=

xy
x

a=

X
2
3
4
5
6
20
( x y )

n
x2

Y
2
5
7
10
11
35
b=

y b x
n

Equao obtida:

y =

- Pode-se fazer ento o diagrama de disperso.

x2

xy

y2

5 - Pressuposies do modelo de regresso linear simples:

a) A relao entre X e Y linear
b) Os valores de X so fixos (X no uma varivel aleatria).
c) A mdia do erro nula e so independentes entre observaes (ei =0).
d) Os erros tm distribuio normal.

OBS: o nmero de observaes disponveis deve ser maior que o nmero de parmetros da
equao de regresso.

6 Caractersticas da anlise de Regresso Linear

1) Ela vlida dentro dos valores observados de X.
2) Se b positivo, a reta de regresso ascendente da esquerda para a direita e se
negativa descendente.
3) A linha de regresso deve passar pelo ponto de coordenadas

y.

) deve ser nula.

4) A soma algbrica dos desvios ei=(yi- y
5) A soma dos quadrados dos desvios menor que a mesma soma calcula em relao a
qualquer outra reta.
6) A linha de regresso corta o eixo das ordenadas a uma distncia da origem deste eixo
igual a a (coeficiente linear da reta de regresso).
9 Coeficiente de determinao (r2):
Alm dos testes de hipteses e dos intervalos de confiana, outro indicador que nos
fornece elementos para a anlise do modelo de regresso adotado o coeficiente de
determinao ou de explicao, definido por:
r2 =

VE b.SPXY
=
.100% , onde
VT
SQY

b=

( x y )

xy
x

n
x2
n

y. x

i =1

VE = SQYX= b. xy

VT= SQY=

i =1

( y )
y

O coeficiente de determinao indica quanto por cento a variao explicada pela

regresso

[VE ] representa da variao total [VT ].

No campo de variao desse coeficiente devemos ter sempre ele variando entre 0 e 1, ou
seja: 0 r 1.

10 Correlao linear:
A correlao linear simples uma medida do grau de associao entre duas variveis
quantitativas, e essa associao entre essas duas variveis pode ser medida matematicamente
atravs do coeficiente de correlao linear de Pearson (r).
Esta anlise s vlida se satisfizermos as seguintes pressuposies:
i) Tanto X como Y so variveis aleatrias e normalmente distribudos;
ii) O relacionamento entre as variveis seja linear;
iii) Cada par de observao no est conectado com outro par.

10.1 Descrio da correlao (Diagrama de disperso).

Os diagramas demonstram diferentes situaes de grau de associao entre duas variveis
quantitativas (X,Y).

10.2 - Clculo do coeficiente de correlao:

Seja (x1, y1) (x2y2),..., (xn,yn) uma amostra aleatria das variveis (X,Y). O clculo do coeficiente
de correlao entre X e Y dado por:

( x )( y )
X Y
n
;
x ( x ) . y ( y )
i

SXY
rxy =
=
( SXX )( SYY )

i i

2
i

10.3 - Caractersticas do coeficiente de correlao linear

i) Os coeficientes so nmeros abstratos;
ii) Ele varia de -1 a 1.
iii) O sinal do coeficiente s depende de SXY

2
i

iv) Se o sinal for positivo as duas caractersticas estudadas tendem a variar no mesmo
sentido.
v) Se a relao entre as variveis perfeita , o valor de r = 1 ou -1 e se no e zero.
vi) Numa amostra bicaracterizada, o valor de r uma estimativa de da populao.

10.4 Interpretao do coeficiente de correlao

De maneira prtica a interpretao poderia ser feita da seguinte maneira:
i) Dependncia insignificante [ 0 r 0,20]
ii) Dependncia fraca [ 0,21 r 0,40]
iii) Dependncia marcante [ 0,41 r 0,70]
iv) Dependncia forte [ 0,70 r 1,00]

Exerccio Geral- Regresso e Correlao- Data de entrega: ____/____/___

1- Nmero de anos de atendimento ao pblico e nmero de clientes de 5 empresas de Seguro de
Automveis.
Anos de atendimento (X)

Nmero de clientes (Y)

48

56

64

60

72

2 Considere os dados abaixo referentes venda e lucro de um determinado produto.

Observaes
1
2
3
4
5
6
7
8

Vendas (X)
201
225
305
380
560
600
685
735

Lucros (Y)
17
20
21
23
25
24
27
27

a) Calcular o coeficiente linear e angular e determinar a equao de regresso.

b) Calcular e interpretar o coeficiente de determinao e de correlao.
c) Estimar o lucro obtido para um total de vendas de 700.
3 Relao entre horas de estudo (X) e notas de prova (Y).
Aluno

Horas

10

Nota

10

a) Traar o diagrama de disperso

b) Calcular os parmetros da equao de regresso e o coeficiente de determinao.
c) Calcule o coeficiente de correlao de Pearson.
d) Interprete os resultados.
4 Peso seco e peso mido, em gramas, de glbulos hepticos em ratos. Pede-se:
Peso seco (X)

2,0

2,2

2,0

2,2

1,9

2,3

Peso mido (Y)

6,7

7,7

6,5

7,4

6,1

7,4

a) Diagrama de disperso;
b) Coeficiente de correlao de Pearson;
c) Coeficiente de determinao;
d) Ajuste da reta de regresso.
5 - As exportaes de castanha in natura, processadas pela Empresa Yasmin Ltda., no perodo de
1983 a 1989, encontram-se na tabela abaixo a seguir:
Ano
Quantidade

1983

1984

1985

1986

1987

1988

1989

50

46

36

31

25

11

18

a) A equao de regresso linear da quantidade sobre o tempo;

b) o coeficiente de correlao linear;
c) a quantidade estimada para a exportao em 1990;
d) a variao (%) da quantidade exportada em 1990, relativamente ao ano de 1988.

6. Relao entre horas de estudo (X) e notas de prova (Y).

Aluno
1
2
3
Horas
2
4
5
Nota
1
3
6
a) Traar o diagrama de disperso

4
5
6

5
6
8

6
8
7

7
9
8

8
10
10

b) Calcular os parmetros da equao de regresso e o coeficiente de determinao.

c) Calcule o coeficiente de correlao de Pearson.
d) Interprete os resultados.
7. Peso seco e peso mido, em gramas, de glbulos hepticos em ratos. Pede-se:
Peso seco (X)
Peso mido (Y)
a) Diagrama de disperso;

2,0
6,7

2,2
7,7

2,0
6,5

2,2
7,4

1,9
6,1

2,3
7,4

b) Coeficiente de correlao de Pearson;

c) Coeficiente de determinao;
d) Ajuste da reta de regresso.

8. Considere os pesos ao nascer e na desmama de 12 bezerros machos da raa Guzer.

Peso na desmama (kg) Y
Peso ao nascer (kg) X
25,3
48,6
26,9
49,7
26,5
49,2
27,4
50,0
27,9
50,6
25,8
48,7
28,4
51,6
28,9
52,3
27,6
50,4
27,2
50,0
27,5
50,7
28,1
50,9
a) Calcular o coeficiente linear e angular
b) Determinar a equao de regresso
c) Calcular e interpretar o coeficiente de determinao.
d) Calcular e interpretar o coeficiente de correlao.
e) Estimar o peso na desmama para um peso ao nascer de 26 kg.

BUSSAB, W. O. & MORETTIN, P. A. Estatstica Bsica. So Paulo: ed. ATUAL. 4.ed. 1997. 130p.

BUSSAB, W. O. & MORETTIN, P. A. Estatstica Bsica. So Paulo: SARAIVA, 5.ed. 2003, 526P.
COSTA NETO, P.L.O. Estatstica. So Paulo: Edgard Blucher, 1977. 264p.

FONSECA, J.S.; MARTINS, G.A. & TOLEDO, G.L. Estatstica Aplicada. So Paulo: Atlas, 1985.
267p.

FREUND; SIMON. Estatstica Aplicada: Economia, Administrao e Contabilidade. Porto Alegre:

Bookman, 9.ed. 2000. 404p.

HOFFMANN, R. Estatstica para Economistas. So Paulo: Livraria Pioneira Editora. 1990. 238p.

MEYER, P.L. Probabilidade Aplicaes e Estatstica. Rio de Janeiro: Livro Tcnico, 1973. 391p.

MURRAY R. SPIEGEL; JOHN SCHILLER E R. ALU SRUNIVASAN. Probabilidade e Estatstica. Porto

Alegre: 2. ed. Bookman, 2004. 398p.

SPIEGEL, M.R. Estatstica. So Paulo: Makron Books, 4.ed. 2000. 580p.

STELL, R.G.D. & TORRIES, J. Introduction to Statistics. New York: Mc Graw-Hill Book Campany,
1976. 387p.

STEVENSON, W.J. Estatstica Aplicada Administrao. So Paulo: Harles e Pow do Brasil,

1981.495p.

THURSTONE, L.L. Noes Bsicas de Estatstica. So Paulo: Livraria Martins Editora, 1963.
253p.