Escolar Documentos
Profissional Documentos
Cultura Documentos
Autor do original
Projeto editorial
Coordenao de produo
Projeto grfico
Diagramao
Reviso lingustica
Imagem de capa
Todos os direitos reservados. Nenhuma parte desta obra pode ser reproduzida ou transmitida
por quaisquer meios (eletrnico ou mecnico, incluindo fotocpia e gravao) ou arquivada em
qualquer sistema ou banco de dados sem permisso escrita da Editora. Copyright
Sumrio
Prefcio
Breve histrico
Definio de Estatstica
Amostragem
Exemplo Prtico Envolvendo Tcnicas de Amostragem Probabilstica
2. Distribuio de Frequncias e
Medidas de Posio Central
12
16
27
Distribuio de Frequncias
29
Medidas de posio
34
51
53
63
79
99
Conceitos Bsicos
100
102
104
106
Distribuies Amostrais
107
109
112
114
121
Varivel Aleatria
122
123
123
130
Prefcio
Prezados(as) alun os (as)
Estatstica um a palavra de origem latina, que sign ificou por m uito tem po
cincia dos negcios do Estado. Ela pode ser vista com o um a Matemtica Aplicada,
um a disciplin a da rea das cincias exatas que tem aplicao em praticam ente
todas as reas de estudo. Esse fato serve para desm istificar o tem or vivido pelos
alun os com relao ao ensin o da m atem tica em si (aquela que n s apren dem os
at o en sino m dio). As dificuldades enfren tadas e a falta de con exo com a prtica so talvez os fatores que m ais con tribuem para que este tem or ocorra.
No en tanto, o en sin o da Estatstica, m esm o provocan do sen tim en tos sem elh an tes aos estudantes, proporcion a a esses um a viso prtica do con tedo que
est sen do abordado. Mais que isso, ele possibilita, a quem o est aplican do, a
obten o de im portan tes in form aes do fato que est sen do estudado. O con hecim ento m nim o em Estatstica se torn ou pr-requisito para ler um jorn al
ou um a revista con ceituada, pois m uitas in form aes se en con tram resum idas
em tabelas ou grficos que gran de parte da populao n o tem con dies de in terpretar e por isso ign oram (ou n o en ten dem ) reportagen s im portan tes para a
form ao de um a pessoa esclarecida social, econ m ica e politicam en te.
Procuram os, aqui, apresen tar a Estatstica de form a clara e prtica. No
com o intuito de form ar especialistas n essa rea, m as sim de proporcion ar a
voc, futuro gestor, um a com preen so dos elem en tos bsicos que com pem
essa cincia, visan do a aplicao n a sua rea de atuao. No tivem os a in ten o de esgotar o assun to, m as sim de apresen tar os elem en tos n ecessrios para
que voc realize um a leitura satisfatria da realidade que o cerca e das in form aes que tm a sua volta.
Muitos dos exem plos aqui apresen tados so h ipotticos. So exem plos de
situaes que ocorrem de form a sem elh an te n a realidade, m as os dados apresen tados no so reais, foram criados apen as para ilustrar a aplicao do con tedo apresen tado.
Conceitos
Introdutrios
e Tcnicas de
Amostragem
OBJETIVOS
Identificar os diferentes tipos de variveis que podem estar presentes em uma pesquisa,
compreender a que se destina cada uma das reas da Estatstica e entender as caractersticas dos vrios tipos de amostragens utilizados para coleta de dados.
REFLEXO
Voc se lembra de j ter visto nos meios de comunicao informaes de pesquisas, por
exemplo, eleitorais ou de avaliao de um governo, obtidas atravs de amostras? Neste captulo, apresentaremos o conceito de populao e amostra e estudaremos como (e por que),
na maioria das vezes, fazemos levantamento de dados atravs de amostras.
10 capt ul o 1
Na sua origem , a Estatstica estava ligada ao Estado. Na atualidade, a Estatstica n o se lim ita apenas ao estudo de dados dem ogrficos e econ m icos.
Ela em pregada em praticam en te todas as reas do con hecim en to, sem pre
que estiverem envolvidas coleta e an lise de dados.
CONEXO
Para saber um pouco sobre a evoluo histrica da Estatstica, assista o vdeo Histria da
Estatstica produzido pela Fundao Universidade de Tocantins, disponvel em:< http:/ / www.
youtube.com/ watch?v= jCzMPL7Ub2k&feature= related> .
Depois dos dados coletados, devem os resum i-los em tabelas de frequn cias e/ou grficos e, posteriorm en te, en con trar as m edidas de posio e variabilidade (quan tidades). Esta etapa tam bm con h ecida
com o Esta tstica Descritiva ou Dedutiva.
3.
capt ul o 1
11
Podem os citar inm eros exem plos da Estatstica em vrias reas do con h ecim en to, m as s para con ven c-lo da im portn cia das tcn icas estatsticas, vam os en um erar alguns deles:
1. Se estam os in teressados em abrir um superm ercado em um determ inado
local precisam os saber se fatores com o sexo, grau de escolaridade, idade,
estado civil, renda fam iliar, entre outros, in terferem n a abertura deste superm ercado e os tipos de produtos que devem ser priorizados n esse estabelecim ento, alm de defin ir as estratgias de marketing m ais eficien tes.
2.
3.
O gestor precisa saber escolher um a am ostra represen tativa de um a populao de in teresse para n o perder m uito tem po e, con sequen tem en -
4.
5.
se destin a e quan to aos efeitos colaterais que pode causar, an tes de ser
lan ado n o m ercado.
Para um a em presa, m uito im portan te fazer previses de dem an da de
seus produtos. Para isto existem vrias tcn icas estatsticas com o re-
gresso lin ear, regresso logstica, an lise de sries tem porais, etc.
6. Con troles estatsticos de qualidade (ou con troles estatsticos do processo) so indispen sveis em todos os tipos de em presas. Eles so realizados
atravs de um conjunto de tcnicas estatsticas, geralm ente aplicadas
por engenheiros de produo e adm inistradores, para garan tir o n vel de
qualidade exigido para a produo (ou servio) den tro de um a indstria.
So in m eras e diversificadas as aplicaes de tcn icas estatsticas que um
gestor pode utilizar. No conseguirem os falar sobre todas elas, m as apresen tarem os os principais con ceitos e tcn icas que quan do utilizados podem auxiliar
na tom ada de decises.
Com earem os por apresen tar algun s con ceitos elem en tares bastan te utilizados no processo estatstico.
12 capt ul o 1
capt ul o 1
13
1.3 Amostragem
Em qualquer estudo que en volva coleta de dados, sabem os que dificilm en te podem os estudar a populao de in teresse com o um todo. Para isso, utilizam os
tcn icas de am ostragem para selecion ar am ostras que sejam represen tativas
da populao de in teresse. No prxim o item estudarem os algum as tcn icas de
am ostragem m uito utilizadas em estudos e/ou pesquisas.
1.3.1 Tcnicas de Amostragem
Quan do selecion am os um a am ostra devem os garan tir que esta am ostra seja
represen tativa da populao, ou seja, n o processo de am ostragem , a am ostra
selecion ada dever possuir as m esm as caractersticas bsicas da populao.
Tem os dois tipos de am ostragem , a que ch am am os de probabilstica (ou aleatria ) e a no probabilstica (ou no aleatria ).
14 capt ul o 1
A am ostragem ser probabilstica se todos os elem en tos da populao tiverem probabilidade con hecida, e diferen te de zero, de perten cer am ostra. Caso
con trrio, a am ostragem ser n o probabilstica.
Indenpen den te do tipo de am ostragem , podem os trabalhar com am ostragem com reposio ou sem reposio. Na am ostragem com reposio perm itido
que um a unidade experim en tal seja sorteada m ais de um a vez, e n a am ostragem
sem reposio, a un idade experim en tal sorteada rem ovida da populao. Quan do pen sam os n a quan tidade de in form ao con tida n a am ostra, am ostrar sem
reposio m ais adequado. Mas, am ostragem com reposio im plica que tenham os independncia entre as un idades experim entais selecion adas, o que facilita
o desen volvim ento de propriedades de estim adores que sero abordados m ais
adiante. Na prtica, com um considerarm os a selao das un idades experim en tais com o independentes quan do pequen as am ostras so retiradas de grandes
populaes. De acordo com (TRIOLA, 2008), um a diretriz com um a ser seguida :
Se o tam an ho da am ostra n o m aior que 5% d o tam an h o da popu lao,
tratam os a seleo das un idades experim en tais com o sen d o independentes
(m esm o que as selees sejam feitas sem reposio, p ois tecn icam en te elas
so depen den tes).
Agora, vam os estudar algun s tipos de tcn icas de am ostragen s probabilsticas e n o probabilsticas.
1.3.1.1 Defin ies das Tcn icas d e Am ostragem Probab ilstica (ou Aleatria)
Sem pre que possvel, devem os escolher trabalhar com am ostragem probabilstica. Este tipo de am ostragem nos garan te, com alto grau de confian a, a represen tatividade da am ostra com relao populao que se tem in teresse em estudar.
Usarem os N para den otar o tam an h o da populao e n in dican do o tam an ho da am ostra.
1.3.1.1.1 Am ostragem Aleatria Sim ples
capt ul o 1
15
Exem plo 1.1: Se desejam os, por exem plo, selecion ar 50 elem en tos de um a
populao de 500 elem en tos, ento n um eram os a populao de 1 a 500 e sorteam os, dessa form a, cada um dos 50 que iro com por a am ostra.
1.3.1.1.2 Am ostragem Sistem tica
ATENO
Cuidado com ciclos de variao. s vezes, podem ocorrer ciclos de variao e os elementos
sorteados para a amostra tero sempre a mesma caracterstica. Se isto for detectado, o salto
poder ser diversificado, podendo ento selecionar, por exemplo, o 3, o 5 e o 9 elementos,
depois novamente conto 3, 5 e 9 e assim por diante at obter a amostra desejada.
Exem plo 1.2: Usan do o exem plo an terior, on de a populao com posta de
500 elem en tos orden ados, poderam os utilizar a am ostragem sistem tica prim eiram en te determ inan do qual o sa lto que dever ser dado. Para isto, fazem os a diviso do tam anh o da populao pelo tam an ho da am ostra desejada:
N 500
=
= 10
n
50
Em seguida, podem os in iciar a am ostragem com qualquer in divduo escolh ido (de form a aleatria) en tre os 10 prim eiros. A partir desse elem en to, selecionam os os dem ais sem pre saltan do de 10 em 10.
1.3.1.1.3 Am ostragem por Con glom erad os (Clusters)
Em algum as vezes a populao se apresen ta n um a subdiviso em pequen os
grupos, cham ados conglomerados. Neste caso possvel, e at con ven ien te, fazerm os um a am ostragem por m eio desses con glom erados. Este tipo de am ostragem con siste em sortear um n m ero suficien te de con glom erados, cujos
elem en tos con stituiro a am ostra. Quan do um con glom erado sorteado, todos
os elem en tos den tro dele so selecion ados para a am ostra. Este tipo de am ostragem m uitas vezes utilizado por m otivos de ordem prtica e econ m ica.
16 capt ul o 1
Exem plo 1.3: Supon ham os que desejam os estudar algum a caracterstica
dos in divduos que m oram n um determ in ado bairro de sua cidade. A populao de in teresse con stituda, portan to, por todos os in divduos que m oram
n esse bairro e cada residn cia con stitui um con glom erado. Podem os sortear
algun s con glom erados (residn cias) e cada m orador da un idade sorteada far
parte da n ossa am ostra.
1.3.1.1.4 Am ostragem Estratificada
Esta tcnica m uito utilizada quan do a populao h eterogn ea ou quan do se
con segue dividi-la em subpopulaes ou estratos. A am ostragem estratificada
con siste em especificar quan tos elem en tos da am ostra sero retirados em cada
estrato. O n m ero de elem en tos sorteados em cada estrato deve ser proporcion al ao n m ero de elem en tos existen te n o estrato.
Exem plo 1.4: Vam os supor que um a pesquisa tem com o objetivo estudar
um a determ in ada caracterstica do povo brasileiro, com o por exem plo, a ren da
fam iliar. Nesse caso, a populao de in teresse con stituda por todo cidado
que m ora n o Brasil. Podem os con siderar cada estrato com o sen do cada um dos
estados brasileiros. Em cada um deles ser selecion ado um n m ero x de elem en tos, proporcional populao de cada estado.
1.3.1.2 Tcn icas de Am ostragem No Probab ilstica (ou No Aleatria)
Som ente recom en dam os o uso de m todos de am ostragem no probabilstica nos
casos em que impossvel ou invivel a utilizao de m todos probabilsticos.
1.3.1.2.1 Am ostragem a Esm o ou Sem Norm a
a am ostragem em que o pesquisador, para sim plificar o processo, procura ser
aleatrio sem , n o en tan to, usar algum dispositivo aleatrio con fivel.
Exem plo 1.5: Supon ha que desejam os retirar um a am ostra de 50 parafusos de um a caixa conten do 5.000. Nesse caso, poderam os, ao in vs de sortear
os parafusos, escolh er a esm o aqueles que fariam parte da am ostra. No um
procedim en to totalm en te aleatrio porque, m esm o sem perceberm os, poderam os estar privilegian do algum a parte da caixa, n o dan do, dessa form a, a
m esm a ch an ce de participao a qualquer um dos parafusos.
capt ul o 1
17
PROFISSIONAIS
IDADE
OPINIO
TIPODE
EMPRESA
52
contra
Pblica
22
a favor
pblica
36
a favor
privada
35
a favor
privada
35
a favor
privada
50
contra
pblica
44
contra
pblica
42
contra
pblica
40
contra
pblica
10
45
contra
pblica
18 capt ul o 1
PROFISSIONAIS
IDADE
OPINIO
TIPODE
EMPRESA
11
36
a favor
privada
12
34
a favor
privada
13
23
contra
pblica
14
26
a favor
pblica
15
28
a favor
pblica
16
28
a favor
pblica
17
29
a favor
privada
18
30
a favor
privada
19
30
a favor
privada
20
34
a favor
privada
21
38
a favor
privada
22
41
contra
pblica
23
42
contra
pblica
24
50
contra
pblica
25
49
contra
pblica
26
38
contra
privada
27
26
a favor
privada
28
29
a favor
privada
29
26
a favor
privada
30
36
a favor
privada
31
27
a favor
privada
capt ul o 1
19
PROFISSIONAIS
IDADE
OPINIO
TIPODE
EMPRESA
32
32
a favor
privada
33
31
a favor
privada
34
33
a favor
privada
35
33
a favor
privada
36
36
contra
pblica
37
34
a favor
pblica
38
46
contra
privada
39
44
contra
pblica
40
65
contra
pblica
41
56
contra
pblica
42
52
contra
pblica
43
35
a favor
pblica
44
24
a favor
privada
45
23
a favor
privada
46
28
a favor
privada
47
30
a favor
privada
48
34
a favor
privada
49
46
contra
pblica
50
26
a favor
privada
Quadro 1.1 Idade e a opinio de profissionais de empresas pblicas e privadas com relao a
incluso de deficientes visuais e auditivos
20 capt ul o 1
a) Utilizan do o quadro acim a, retire um a am ostra sistem tica de 10 profission ais, in ician do pelo 3 profission al, e liste o n do profission al sorteado, a idade, a opin io e o tipo de em presa que ele trabalh a.
Resoluo:
Dividin do 50 por 10, tem os grupos com 5 elem en tos cada. Se sortearm os o
terceiro elem en to do prim eiro grupo, por exem plo, os participan tes da am ostra
sero os listados abaixo:
PROFISSIONAIS
IDADE
OPINIO
TIPODE
EMPRESA
36
a favor
privada
42
contra
pblica
13
23
contra
pblica
18
30
a favor
privada
23
42
contra
pblica
28
29
a favor
privada
33
31
a favor
privada
38
46
contra
privada
43
35
a favor
pblica
48
34
a favor
privada
Resoluo:
x=
348
= 34, 8 anos
10
capt ul o 1
21
Resoluo:
Resoluo:
ATIVIDADE
1. Classifique as variveis abaixo em quantitativas (discretas ou contnuas) ou qualitativas
(nominal ou ordinal).
a) cor dos olhos
b) nmero de peas produzidas por hora
c) dimetro externo
d) nmero de pontos em uma partida de futebol
22 capt ul o 1
e) produo de algodo
f) salrios dos executivos de uma empresa
g) nmero de aes negociadas na bolsa de valores
h) sexo dos filhos
i)
j)
k) grau de escolaridade
l)
nvel social
m) tipo sanguneo
n) estado civil
2. A guerra das Colas o termo popular para a intensa competio entre Coca-Cola e
Pepsi mostrada em suas campanhas de marketing. As campanhas tm estrelas de
cinema e televiso, vdeos de rock, apoio de atletas e afirmaes das preferncias dos
consumidores com base em testes de sabor. Como uma parte de uma campanha de
marketing da Pepsi, suponha que 1 000 consumidores de refrigerante sabor cola submetam-se a um teste cego de sabor (isto , as marcas esto encobertas). Cada consumidor questionado quanto sua preferncia em relao marca A ou B.
a) Descreva a populao.
b) Descreva a varivel de interesse.
c) Descreva a amostra
d) Descreva a inferncia.
3. Suponha que voc tenha determinado conjunto de dados e classifique cada unidade da
amostra em quatro categorias: A, B, C ou D. Voc planeja criar um banco de dados no
computador com esses dados e decide codific-los como A = 1, B = 2, C = 3 e D = 4.
Os dados A, B, C e D so qualitativos ou quantitativos? Depois de introduzidos no banco de
dados como 1, 2, 3 e 4, os dados so qualitativos ou quantitativos? Explique sua resposta.
4. Os institutos de pesquisa de opinio regularmente fazem pesquisas para determinar o
ndice de popularidade do presidente em exerccio. Suponha que uma pesquisa ser
conduzida com 2.500 indivduos, que sero questionados se o presidente est fazendo
um bom ou um mau governo. Os 2.500 indivduos sero selecionados por nmeros de
telefone aleatrios e sero entrevistados por telefone.
a) Qual a populao relevante?
b) Qual a varivel de interesse? qualitativa ou quantitativa?
capt ul o 1
23
c) Qual a amostra?
d) Qual o interesse da inferncia para o pesquisador?
e) Qual o mtodo de coleta de dados que foi empregado?
f) A amostra em estudo representativa?
5. Uma populao se encontra dividida em quatro estratos. O tamanho de cada estrato ,
N1 = 80, N2 = 120, N3 = 60 e N4 = 60 Sabe-se que uma amostragem proporcional
foi realizada e dezoito elementos da amostra foram retirados do segundo estrato. Qual
o nmero total de elementos da amostra?
6. Uma pesquisa precisa ser realizada em uma determinada cidade. A amostragem proposta para este problema a seguinte: dividir a cidade em bairros (pelo prprio mapa da
cidade): em cada bairro, sorteia-se certo nmero de quarteires proporcional rea do
bairro; de cada quarteiro, so sorteadas quatro residncias, destas quatro residncias,
todos os moradores so entrevistados.
a) Essa amostra ser representativa da populao ou poder apresentar algum vcio
(no confivel)?
b) Quais tipos de amostragem foram utilizados no procedimento?
7. Uma empresa de seguros mostra que, entre 4000 sinistros reportados empresa durante um ms, 2700 so sinistros pequenos (inferiores a R$400,00), enquanto os outros
1300 so sinistros grandes (R$400,00 ou mais). Foi extrada uma amostra proporcional de 1% para estimar o valor mdio desses sinistros, Os dados esto a seguir,
separados por tipo de sinistro.
SINISTROSPEQUENOS
84
390 132
340
36
73 55 178
SINISTROSGRANDES
492 710 1744 1298 506
676 982 1720 1510 976 1004
2600 2420
58 166 228
a) Determine a mdia de cada uma das amostras (sinistros pequenos e sinistros grandes),
b) Determine sua mdia ponderada, tomando como pesos os dois tamanhos de estratos
N1 = 2700 e N2 = 1300.
24 capt ul o 1
8. Consideremos um estudo realizado em empresas de pequeno e mdio porte de uma determinada regio composto por 1000 empresas, distribudas, quanto ao nmero de funcionrios, como mostra a tabela abaixo, e que nesta regio sejam amostrados 50 empresas.
Distribuio do n de empresas de uma regio qualquer,
quanto ao n de funcionrios.
N DE
FUNCIONRIOS
N DE
PROPRIEDADES
0 20
500
20 50
320
50 100
100
100 200
50
200 400
30
Total
1000
AMOSTRAESTRATIFICADA
(N= 50)
UNIFORME
PROPORCIONAL
50
50
a) Qual dever ser o tamanho da amostra dentro de cada estrato no caso uniforme e
no proporcional?
b) Determine a mdia amostral obtida para a amostragem estratificada uniforme e para
a amostragem estratificada proporcional. Comente os resultados.
Observao: Amostragem estratificada uniforme quando retiramos o mesmo nmero de
elementos de cada estrato, independente do tamanho do estrato.
REFLEXO
Estamos encerrando nosso primeiro captulo. Vimos, aqui, alguns conceitos que sero fundamentais na compreenso dos outros contedos abordados no livro. J deve ter dado para
perceber que, mesmo estando no incio da disciplina, as aplicaes prticas que voc poder
fazer na sua rea de atuao sero muitas. A compreenso e interpretao das mais variadas
informaes, com as quais nos deparamos em nosso cotidiano, dependem, em parte, do conhecimento de certos elementos estatsticos.
capt ul o 1
25
Estamos apenas no comeo. Muitas tcnicas (muito interessantes!) ainda sero abordadas.
E lembre-se que o conhecimento e o domnio da Estatstica certamente levaro voc, futuro
gestor, s decises mais acertadas.
LEITURA
Sugerimos que voc oua os udios que esto no seguinte endereo: < http:/ / m3.ime.unicamp.
br/ recursos/ 1252> . No primeiro mdulo voc conhecer um pouco da histria da Estatstica
e, no segundo mdulo, a histria da Probabilidade.
REFERNCIASBIBLIOGRFICAS
ANDERSON, David R.; SWEENEY, Denis J.; WILLIAMS, Thomas A. Estatstica aplicada
administrao e economia. So Paulo: Pioneira Thomson Learning, 2003.
BUSSAB, Wilton de O.; MORETTIN, Pedro A.. Estatstica bsica. So Paulo: Saraiva, 2003.
COSTA NETO, Pedro Luiz de Oliveira. Estatstica, So Paulo: Edgard Blucher, 2002.
DOWNING, Douglas; CLARK, Jeffrey. Estatstica aplicada. So Paulo: Saraiva, 2002.
FARIAS, Alfredo Alves de; SOARES, Jos Francisco; CSAR, Cibele Comini. Introduo
estatstica. Rio de Janeiro: LTC, 2003.
FONSECA, Jairo Simon; MARTINS, Gilberto de Andrade; TOLEDO, Geraldo Luciano.
Estatstica Aplicada. So Paulo: Atlas, 1985.
LEVIN, Jack; FOX, James Alan. Estatstica para cincias humanas. So Paulo: Prentice Hall, 2004.
LEVINE, David M.; BERENSON, Mark L.; STEPHAN David. Estatstica: teoria e aplicaes.
Rio de Janeiro: LTC, 2000.
MARTINS, Gilberto de Andrade. Estatstica geral e aplicada. So Paulo: Atlas, 2002.
26 capt ul o 1
McClave, James T.; BENSON P. George.; SINCICH, Terry. Estatstica para adminstrao e
economia. So Paulo: Pearson Prentice Hall, 2009.
MEMRIA, Jos M. P. Breve Histria da Estatstica. Disponvel em: < http:/ / www.im.ufrj.
br/ ~ lpbraga/ prob1/ historia_estatistica.pdf> . Acesso em: 25 setembro 2014.
MILONE, Giuseppe. Estatstica geral e aplicada. So Paulo: Pioneira Thomson Learning,
2004.
TRIOLA, Mario F.. Introduo estatstica. Rio de Janeiro: LTC, 1999.
VIEIRA, Sonia. Elementos de estatstica. So Paulo: Atlas, 2003. Disponvel em: < http:/ /
www.ufrgs.br/ mat/ graduacao/ estatistica/ historia-da-estatistica> . Acesso em: 25 set. 2014
NOPRXIMOCAPTULO
Agora que j sabemos como coletar dados, aprenderemos no prximo captulo como organizar, resumir e apresentar os dados coletados em distribuies de frequncias. Estudaremos,
tambm, como resumir informaes de conjuntos de dados numricos em alguns valores que
sejam representativos de todo o conjunto.
capt ul o 1
27
Distribuio de
Frequncias e
Medidas de Posio
Central
OBJETIVOS
Organizar, resumir e apresentar, atravs de distribuio de frequncias, as informaes contidas em grandes conjuntos de dados. Calcular e interpretar as medidas de posio central.
REFLEXO
Voc se lembra de j ter visto tabelas em jornais, livros ou revistas, em que eram utilizados percentuais para indicar as frequncias de ocorrncias de respostas em uma pesquisa? Ou com
os percentuais referentes avaliao de um governo? E informaes como mdia salarial de
determinada categoria de profissionais, ou ainda, idade mdia dos estudantes do primeiro ciclo
de determinada universidade? Neste captulo, veremos como (e para qu) construimos tabelas
dessa natureza e como calculamos medidas descritivas como a mdia aritmtica.
30 capt ul o 2
capt ul o 2
31
FAIXADERENDA
(EMSALRIOS
MNIMOS)
NMERODE
OPERRIOS(f )
fr (%)
02
43
39,09
24
39
35,45
46
16
14,55
68
7,27
8 10
3,64
Total
110
100
Resoluo:
A varivel em estudo a renda dos operrios de um a determ in ada em presa. Esta varivel classificada com o quan titativa con tn ua, pois pode assum ir
qualquer valor den tro de um in tervalo n um rico.
ATENO
Em todos os nossos exemplos, na distribuio de frequncias construda com intervalos de classes, vamos considerar que o intervalo de classe fechado esquerda e aberto direita. Por
exemplo, no caso dessa tabela, considerando a terceira classe de frequncia, podemos dizer que
os 16 operrios que esto nesta classe recebem de 4 a menos que 6 salrios mnimos por ms.
As frequn cias absolutas (f) so fon ecidas n o problem a. As frequn cias relativas (fr (%)) so en contradas dividin do cada frequn cia absoluta (de cada classe
de frequn cia) pelo total de operrios (110) e m ultiplican do por 100.
Um a distribuio de frequn cias apresen ta, basicam en te, as 3 colun as
apresen tadas na tabela 2.1. Desta m an eira, con seguim os organ izar de form a
resum ida um con jun to de dados.
32 capt ul o 2
Em alguns estudos podem os ter in teresse em outras quantidades relacion adas tabela, com o, por exem plo, a frequncia acum ulada ou a frequn cia acum ulada (%). Verem os m ais adiante que a frequn cia acum ulada utilizada na
con struo de um grfico denom in ado Ogiva. Atabela 2.2 apresen ta a frequn cia
acum ulada e a frequncia relativa acum ulada (%).
FAIXADE
RENDA(EM
SALRIOS
MNIMOS)
NMERODE
OPERRIOS
(f )
02
fr (%)
FREQUNCIA
ACUMULADA
(fa)
fra (%)
43
39,09
43
39,09
24
39
35,45
82
75,55
46
16
14,55
98
89,09
68
7,27
106
96,36
8 10
3,64
110
100,00
Total
110
100
A colun a frequn cia acum ulada (fa ) decada classe obtida som an do a frequn cia da respectiva classe com as que lh e so an teriores e a fra (%) obtida
dividin do a fa pelo n m ero total de dados e m ultiplican do por 100.
Para organ izar dados de variveis qualitativas ou quan titativas discretas
(cujos valores n o esto agrupados em classes) seguim os o m esm o procedim en to que foi utilizado n a con struo da tabela 2.1.
Exem plo 2.2: Um a determ in ada em presa resolveu traar o perfil socioecon m ico de seus em pregados. Um a das variveis estudadas foi o n m ero de filh os, com idade inferior a 18 an os, de cada um dos em pregados. A tabela 2.3
forn ece a frequn cia e a frequn cia relativa (%) para cada valor obtido.
capt ul o 2
33
NMERODE
FILHOS
NMERODE
OPERRIOS(f )
fr (%)
13,33
24,44
28,89
15,56
11,11
2,22
4,44
Total
45
100,00
Lim ite inferior (Li): o m enor valor que a varivel pode assum ir em um a
classe de frequn cia;
Lim ite superior (Ls): serve de lim ite para estabelecer qual o m aior valor que a
varivel pode assum ir em um a classe de frequn cia, m as, geralm ente, os valores
iguais ao lim ite superior n o so com putados naquela classe e sim n a seguin te;
34 capt ul o 2
Li + Ls
2
k@ n
h=
k
k'
(2.1)
onde k o n m ero de classes que vam os con struir n a distribuio de frequn cias; n o tam an ho da am ostra que estam os trabalhan do; h a am plitude de
cada um a das classes e R a am plitude total dos dados.
Os valores de k e h devem ser arredondados sempre para o maior valor. Por exemplo, para uma amostra de tamanho n = 50 cujo menor valor 4 e o maior valor 445
temos que R = 441 (maior valor menor valor). O nmero de classes seria dado por
k n=
R 441
=
= 55,125 56 (maior inteiro
k
8
depois de 55). Ou seja, deveramos, para este exemplo, montar uma tabela com 8 classes
e de amplitude 56. A tabela pode ser iniciada pelo menor valor do conjunto de dados.
capt ul o 2
35
k
k'
36 capt ul o 2
x=
xi
i =1
onde:
ATENO
A mediana a medida de posio mais frequentemente usada quando a varivel em estudo
for renda (R$), pois algumas rendas extremamente elevadas podem inflacionar a mdia.
Neste caso, a mediana uma melhor medida de posio central.
capt ul o 2
37
Md = x
n +1
2
(2.3)
Se o n m ero de elem entos do con jun to de dados for par, en to a m edian a
ser exatam ente a m dia dos dois valores do m eio, isto :
x
Md =
onde
n
2
,x
n +1
2
ex
n
2
+x
n
+1
2
2
(2.4)
n
+1 indicam as posies on de os dados se encon tram .
2
2.2.3 Moda
A m oda de um con jun to de dados o valor (ou valores) que ocorre com m aior
frequn cia. A m oda, diferentem en te das outras m edidas de posio, tam bm
pode ser en con trada quando a varivel em estudo for qualitativa. Existem con jun tos de dados em que n enh um valor aparece m ais vezes que os outros. Neste
caso, dizem os que o con jun to de dados n o apresen ta m oda.
Em outros casos, podem aparecer dois ou m ais valores de m aior frequn cia n o
con jun to de dados. Nestes casos, dizem os que o con jun to de dados bim odal e
m ultim odal, respectivam en te.
Por con ta das defin ies diferen tes, a m dia , a m edian a e a m oda forn ecem ,
m uitas vezes, inform aes diferen tes sobre o cen tro de um con jun to de dados,
em bora sejam todas m edidas de ten dn cia central.
No exem plo 2.3 apresen tarem os os clculos das m edidas de posio para
dados no tabelados (dados brutos).
Exem plo 2.3: Um geren te de ban co deseja estudar a m ovim en tao de pessoas em sua agn cia n a segun da sem an a de um m s qualquer. Ele con stata que
no prim eiro dia entraram 1.348 pessoas, n o segun do dia, 1.260 pessoas, n o terceiro, 1.095, n o quarto, 832 e n o ltim o dia do levan tam en to, 850 pessoas. En con tre a m dia aritm tica, a m edian a e a m oda para este con jun to de dados e
in terprete os resultados.
38 capt ul o 2
Resoluo:
A mdia a ritmtica dada por:
n
xi
x=
i =1
O n m ero m dio de pessoas que en tram n a agn cia ban cria n a segun da
sem an a do m s de 1.077 pessoas. Isto quer dizer que, algun s dias en tram m en os que 1.077 e outros dias entram m ais, ou seja, 1.077 um valor em torn o do
qual o n m ero de pessoas que en tram n a agn cia, duran te a segun da sem an a
de cada m s, se concen tra.
Para en con trar a mediana , devem os, prim eiram en te, orden ar os dados em
ordem crescente (pode ser decrescen te tam bm ):
832, 850, 1095, 1.260, 1.348
Com o a quan tidade de dados (n) um n m ero m par, a m edian a exatam en te o valor que se en con tra n o m eio do con jun to de dados:
Md = x
n +1
2
= x6 = x3 = 1.095 pessoas
2
Isto sign ifica que tem os o m esm o n m ero de observaes m en ores ou iguais
ao valor da m edian a e o m esm o n m ero de observaes m aiores ou iguais ao
valor da m edian a.
Este con jun to de dados n o possui m oda , pois n o existe n en h um valor que
aparece com m ais frequn cia que os outros.
Agora, vam os fazer um estudo para os dados tabulados , ou seja, quan do os dados estiverem n a form a de um a distribuio de frequn cias.
Neste caso, a m aneira de se calcular a m dia aritm tica m uda um pouco.
Com o as frequn cias so n m eros que in dicam quan tas vezes aparece determ in ado valor ou quan tos valores tm em cada classe de frequn cia, elas fun cio-
capt ul o 2
39
naro com o fatores de pon derao. Estas situaes sero apresen tadas n os
exem plos 2.4 e 2.5, respectivam en te.
x=
xi fi
i =1
i =1
fi
(2.5)
onde:
xi o valor da varivel (ou o pon to m dio de um a classe de frequn cia);
fi a frequn cia referen te a cada valor (ou classe);
k
i =1
A expresso (2.5) apresen tada acim a tam bm con h ecida com o frm ula da
m dia pon derada.
No caso de distribuies de frequn cias que n o apresen tam in tervalos de
classes, a media na e a moda so en con tradas utilizan do os con ceitos apresen tados n os iten s 2.2.2 e 2.2.3, respectivam en te.
Exem plo 2.4: Em um determ in ado m s, foi com putado o n m ero de faltas
ao trabalh o, por m otivos de sade, que cada fun cion rio de um a determ in ada
em presa teve. Os dados esto apresen tados n a tabela a seguir.
40 capt ul o 2
NMERODE
FALTAS
31
20
Total
63
En con tre a m dia aritm tica, a m edian a e a m oda para este con jun to de dados e in terprete os resultados.
Resoluo:
xi fi ( 0 31) + (1 20 ) + ( 2 8) + ( 3 2 ) + ( 4 0 ) + ( 5 1) + ( 6 1) 53
x = i =1
=
=
0,84
k
fi
63
63
i =1
ou seja, n esta em presa ocorreram , em m dia, 0,84 faltas por fun cion rio,
por m otivo de sade.
Median a
Com o os dados esto tabelados, eles j se en con tram orden ados. Para ficar
m ais fcil encon trar o valor da m edian a, vam os in cluir n a distribuio de frequn cias um a colun a com as frequn cias acum uladas.
capt ul o 2
41
ATENO
Quando os dados estiverem dispostos numa distribuio de frequncias, o clculo da mdia
aritmtica pode ser feito acrescentando uma coluna na distribuio de frequncias. Esta
coluna denominada xi x f i e obtida multiplicando cada valor da varivel (xi ) pela sua respectiva frequncia (f i ). A mdia aritmtica obtida dividindo a soma dos valores desta coluna
pela soma dos valores da coluna da frequncia.
NMERODE
FALTAS
fa
31
31
20
51
59
61
61
62
63
Total
63
42 capt ul o 2
No caso do valor i =1
fi
ser exatamente igual a uma das frequncias acumu
ladas f a, o clculo da mediana ser a mdia aritmtica entre dois valores da varivel:
xi e xi + 1.
O valor da varivel xi ser aquele cujo
i =1
fi
= fa
e o valor da varivel xi + 1
Moda
A resposta que aparece com m aior frequ n cia n este con jun to de dad os o
0 (com frequn cia 31), ou seja, m ais frequen te en con trar fun cion rios q ue
n o faltam .
ATENO
As medidas resumo calculadas quando os dados estiverem agrupados em intervalos de classes so apenas aproximaes dos verdadeiros valores, pois substitumos os valores das observaes pelo ponto do mdio do intervalo de classe.
No caso do exem plo 2.5 verem os que os dados esto agrupados em in tervalos de classes. Quando o conjun to de dados for apresen tado sob a form a agrupada perdem os a inform ao dos valores das observaes. Neste caso, vam os
supor que todos os valores den tro de um a classe ten ham seus valores iguais ao
pon to m dio desta classe.
Os clculos da m dia, da m oda e da m edian a para distribuio de frequn cias agrupadas em classes esto apresen tados a seguir.
Vale ressaltar que, sem pre que possvel, as m edidas de posio e disperso
devem ser calculadas antes dos dados serem agrupados.
Exem plo 2.5: A tabela abaixo apresen ta a distribuio de frequn cias do tem po de vida de 60 com ponentes eletrnicos (m edido em dias) subm etidos experim entao num laboratrio especializado. Calcular as m edidas de posio.
capt ul o 2
43
TEMPODEVIDA
(DIAS)
PONTOMDIO
(xi )
3 18
10,5
18 33
25,5
33 48
40,5
48 63
55,5
63 78
10
70,5
78 93
28
85,5
93 108
100,5
108 123
115,5
Total
60
Resoluo:
Neste tipo de tabela, com o tem os classes de frequn cias, devem os en con trar um valor que represente cada classe, para que possam os efetuar os clcu los. Por exem plo, con sideran do a prim eira classe de frequn cia,
TEMPODEVIDA
(DIAS)
PONTOMDIO
(xi )
3 18
10,5
sabem os que 3 com ponentes eletrn icos tiveram tem po de vida en tre 3 e 18
dias, porm , n o sabem os exatam en te qual foi o tem po de vida de cada um . Se
con siderarm os o lim ite inferior da classe (3) para efetuarm os os clculos estarem os subestim an do as estim ativas. Por outro lado, se con siderarm os o lim ite
superior da classe (18) estarem os superestim an do as estim ativas. Portan to, vam os utilizar o pon to m dio de cada classe para poderm os fazer os clculos sem
gran des prejuzos. A terceira colun a da tabela acim a con tm os pon tos m dios
calculados para cada in tervalo de classe. O valor do pon to m dio passa a ser o
nosso valor xi a ser utilizado n os clculos. Vam os apren der com o se faz:
44 capt ul o 2
x=
xi fi
i =1
i =1
=
=
fi
(10, 5 3)+ (25, 5 4)+ (40, 5 4)+ (55, 58)+ (70, 510)+ (85, 5 28)+ (100, 5 2)+ (115, 51)
60
4155
= 69, 25
60
Podem os dizer, atravs da m dia aritm tica, que os com pon en tes eletrn icos tm um a durao m dia de 69 dias e 6 horas (69,25 dias).
Median a
Com o os dados esto tabelados em classes de frequn cias, calculam os a
m edian a atravs da seguin te frm ula:
M e = Xe +
h (X m - Fiaa )
F
onde
Xe o lim ite in ferior da classe que con tm a m edian a;
Xm: m etade do valor da frequn cia total;
(2.6)
Fiaa : frequncia acum ulada da classe an terior classe que con tm a m ediana;
Fi: n m ero de observaes n a classe que con tm a m edian a;
h: am plitude da classe que con tm a m edian a.
No clculo da m ediana para os dados da tabela 2.5 tem os que prim eiram en te en contrar a classe que con tm a m edian a. Esta classe correspon de classe
i.
associada frequn cia acum ulada im ediatam en te superior
fi 60
2
Com o
=
= 30 , tem os que a classe que con tm a m edian a de
78 93 (pois fa = 57).
capt ul o 2
45
P. M
xi
fa
10,5
1833
25,5
3348
40,5
11
4863
55,5
19
6378
10
70,5
29
7893
28
85,5
57
93108
100,5
59
108123
115,5
60
Total
60
Classeque
contm
amediana
Tempo
devida
318
N de
observaes da
classequecontm
amediana
fadaclasse
anterior aclasse
quecontm
aMd.
fi
M e = 78 +
15 (30 - 29)
= 28 + 0.54 @ 78.5
28
Atravs da m edian a podem os dizer que pelo m en os 50% dos com pon en tes
eletrn icos avaliados tm durao igual ou in ferior a 78 dias e 12 horas.
Para calcularm os a m oda para distribuies de frequn cias com in tervalos
de classes, utilizarem os a seguin te frm ula:
46 capt ul o 2
Mo = X o +
h (Fm - Fa )
2Fm - Fa + Fp
)
(2.7)
onde
Xo o lim ite in ferior da classe que con tm a m oda;
Fm: frequncia m xim a;
Fa : frequncia anterior frequn cia m xim a;
Fp: frequn cia posterior frequn cia m xim a;
h: am plitude da classe que con tm a m oda.
No clculo da m oda para os dados da Tabela 2.5 tem os que prim eiram en te
en con trar a classe que con tm a m oda. Esta classe correspon de classe que
possui a frequn cia m xim a. En to, a classe que con tm a m oda de 7893
(pois f = 28).
Alm disso, tem os:
Xo 78;
Fm: 28;
Fa : 10;
Fp: 2;
h: 15.
Agora, basta substituirm os todos os valores en con trados n a frm ula 2.7 e
en con tram os o valor da m oda:
Mo = 78 +
15(28 - 10)
2 (28)- (10 + 2)
= 78 +
270
@ 84,1
44
Portanto, com um en con trar com pon en tes eletrn icos que durem , aproxim adam en te, 84 dias e 2 h oras.
capt ul o 2
47
CONEXO
Sugerimos os vdeos: Novo Telecurso E. Fundamental Matemtica Aula 34 (parte
1) e Novo Telecurso E. Fundamental Matemtica Aula 34 (parte 2) disponveis,
respectimante em < http:/ / www.youtube.com/ watch?v= SyWbYOtAIYc&NR= 1> e < http:/ /
www.youtube.com/ watch?v= ejMyWfuSO5k> . que apresenta de modo bem prtico a
utilizao das medidas de posio.
ATIVIDADE
1. Abaixo temos as idades dos funcionrios de uma determinada empresa. Construir uma
distribuio de frequncias, agrupando os dados em classes.
OBS.: A tabela de distribuio de frequncias deve ser completa com f, fr e fa.
Idades (dados brutos)
48
28
37
26
29
59
27
28
30
40
42
35
23
22
31
21
51
19
27
28
36
25
40
36
49
28
26
27
41
29
48 capt ul o 2
4,89
11,00
5,60
73,85
24,83
98,00
186,00
234,87
58,00
198,65
223,86
341,42
94,76
445,76
82,80
35,00
455,00
371,00
398,60
234,00
64,90
54,98
48,80
68,90
120,32
126,98
76,43
6,35
9,98
12,68
243,00
18,65
134,90
11,10
321,09
290,76
74,00
48,80
74,52
138,65
26,00
210,13
15,78
197,45
75,00
76,55
32,78
166,09
105,34
99,10
Os dados abaixo referem-se ao nmero de horas extras de trabalho que uma amostra de
64 funcionrios de uma determinada empresa localizada na capital paulista.
10
10
12
14
14
14
15
16
18
18
18
18
18
19
20
20
20
20
20
21
22
22
22
22
22
22
22
22
22
22
22
22
23
23
24
24
24
24
24
24
24
25
25
25
25
26
26
26
26
26
26
27
27
27
28
28
29
30
30
32
35
36
40
41
Pede-se:
a) Calcule e interprete as seguintes medidas descritivas calculadas para os dados brutos (dados no tabulados): mdia aritmtica; mediana; moda.
b) Construir uma distribuio de frequncias completa (com freq. absoluta, freq. relativa,
freq. acumulada e ponto mdio).
c) Com a tabela construda no item b), encontre as seguintes medidas: mdia aritmtica,
mediana, moda. Interprete os resultados.
capt ul o 2
49
VENDASMENSAIS
(EMMILHESDEREAIS)
NMERODEVENDEDORES
0 | 1
1 | 2
12
2 | 3
20
3 | 4
48
4 | 5
14
5 | 6
10
Total
110
NMERODEFILHOS
FREQUNCIADE
FAMLIAS
19
22
28
16
50 capt ul o 2
LEITURA
Recomendamos a leitura do texto Como analisar de forma simples um grande nmero de dados?, disponvel no endereo: < http:/ / www.klick.com.br/ conteudo/ pagina/ 0,6313,POR-1453--1453,00.html> , que aborda de maneira clara alguns procedimentos
que podem ser utilizados quando nos deparamos com situaes em que precisamos resumir
as informaes de grandes conjuntos de dados.
REFERNCIASBIBLIOGRFICAS
ANDERSON, David R.; SWEENEY, Denis J.; WILLIAMS, Thomas A. Estatstica aplicada administrao e economia. So Paulo: Pioneira Thomson Learning, 2003.
BUSSAB, Wilton de O.; MORETTIN, Pedro A.. Estatstica bsica. So Paulo: Saraiva, 2003.
COSTA NETO, Pedro Luiz de Oliveira. Estatstica, So Paulo: Edgard Blucher, 2002.
DOWNING, Douglas; CLARK, Jeffrey. Estatstica aplicada. So Paulo: Saraiva, 2002.
FARIAS, Alfredo Alves de; SOARES, Jos Francisco; CSAR, Cibele Comini. Introduo estatstica. Rio de Janeiro: LTC, 2003.
TRIOLA, Mario F.. Introduo estatstica. Rio de Janeiro: LTC, 1999.
VIEIRA, Sonia. Elementos de estatstica. So Paulo: Atlas, 2003.
capt ul o 2
51
NOPRXIMOCAPTULO
Se at agora vimos como organizar os dados (informaes) em distribuies de frequncias
e como resumir as informaes numricas em medidas de posio central, iremos incrementar esse processo atravs da insero de medidas de ordenamento e disperso. As medidas
de ordenamento nos fornecem uma ideia sobre a distribuio dos dados ordenados e apresentam a vantagem de no serem afetadas pela forma da distribuio dos dados ou por valores discrepantes. Para que tenhamos informaes mais completas do conjunto de dados,
necessrio estudar a sua variabilidade. As estatsticas que tm essa funo so denominadas medidas de variabilidade ou de disperso. Finalizaremos o captulo apresentando vrios
tipos de grficos que representam de maneira adequada as informaes contidas em um
conjunto de dados.
52 capt ul o 2
Medidas de
Ordenamento e
Forma, Medidas de
Disperso e
Grficos
OBJETIVOS
Calcular e interpretar as medidas de ordenamento e de disperso;
Saber escolher representaes grficas mais apropriadas para variveis qualitativas e
quantitativas.
REFLEXO
Voc se lembra de, aps ter feito uma prova bimestral, algum professor ter informado que o desempenho mdio da turma ficou em torno de 7,2? Para efeito de comparao, ele tambm pode
ter calculado a mdia de outra turma, e verificado que o desempenho mdio tambm ficou em
torno de 7,2. Surgem os seguintes questionamentos:
ser que as notas das duas turmas foram iguais?
ser que as notas das turmas esto prximas da mdia ou dispersas?
Utilizaremos os conceitos deste captulo para responder a estas perguntas.
54 capt ul o 3
ATENO
Perceba que o 2 quartil, o 5 decil e o 50 percentil representam a prpria mediana, ou seja,
todas estas medidas separatrizes (Q 2, D5, e P50), dividem a distribuio dos dados ao meio,
deixando aproximadamente 50% dos dados abaixo delas e 50% acima.
Os decis, por sua vez, dividem a distribuio dos dados em 10 partes (Di, i =
1, 2, ..., 9) e os percen tis dividem a distribuio em 100 partes (Pi = 1, 2, ..., 99).
As m edidas separatrizes, geralm en te, s so calculadas para gran des quan tidades de dados.
No Excel, por exem plo, tem os a opo de pedir o clculo de tais m edidas.
Com os clculos dos quartis, jun tam en te com os valores m n im o e m xim o do conjunto de dados, podem os con struir um grfico ch am ado desenho
esquem tico ou boxplot. A an lise deste grfico bastan te til n o sen tido de
in form ar, en tre outras coisas, a variabilidade e a sim etria dos dados.
CONEXO
Para se entender quais so os procedimentos utilizados na construo de um boxplot, bem
como sua interpretao, leia o texto: Diagramas de Caixa (Boxplots) em: TRIOLA, Mario F.
Introduo estatstica. 10.ed. Rio de Janeiro: LTC, 2008. pp. 98 a 102.
capt ul o 3
55
3.1.1 Clculo dos quartis, decis e percentis para dados no agrupados em classes
3.1.1.1 Qu artis
Com o os quartis so m edidas separatrizes precisam os, prim eiram en te, ordenar o con jun to de dados.
Podem os obter os quartis utilizan do a seguin te frm ula:
Qnq = xnqn
1
+
4
2
On de
Q: quartil que se deseja obter;
nq: n m ero do quartil que se deseja obter (1, 2 ou 3);
x: elem en to do con jun to de dados orden ados;
n: tam an ho da am ostra.
Exem plo 3.1: Um escritrio que presta con sultoria em adm in istrao levan tou os tem pos de espera de pacien tes que chegam a um a cln ica de ortopedia
para aten dim ento de em ergn cia. Foram coletados os seguin tes tem pos, em
m inutos, duran te um a sem ana. En con tre os quartis.
2 5 10 11 3 14 8 8 7 12 3 4 7 3 4 2 6 7
Resoluo:
Para en con trarm os os quartis, precisam os orden ar o con jun to de dados.
En to:
2 2 3 3 3 4 4 5 6 7 7 7 8 8 10 11 12 14
56 capt ul o 3
Q1 = x118
1
+
2
4
Q1 = x5
Portanto, o prim eiro quartil o elem en to que est n a quin ta posio, no
con jun to de dados ordenados. En to:
Q1 = 3
Pelo m enos, 25% das observaes so m en ores ou iguais a 3 m in utos.
Q2 = x218
1
+
2
4
Q2 = x9,5
Portanto, o segundo quartil est en tre os elem en tos que ocupam a n on a e
a dcim a posio do con jun to de dados oren ados. Para en con tr-lo, fazem os a
m dia entre os valores que esto n estas posies, ou seja:
6 + 7
Q2 =
= 6, 5
2
Pelo m enos, 50% das observaes so m en ores ou iguais a 6,5 m in utos.
Q3 = x318
1
+
2
4
Q3 = x14
capt ul o 3
57
Portan to, o terceiro quartil o elem en to que ocupa a dcim a quarta posio
do con jun to de dados ordenados. En to:
Q3 = 8
Pelo m enos, 25% das observaes so m aiores ou iguais a 8 m in utos.
3.1.1.2 Decis
Os decis dividem o conjunto de dados orden ados em 10 partes. Eles podem ser
obtidos atravs da seguin te frm ula:
Dnq = xndn
1
+
2
10
On de
D: decil que se deseja obter;
nd: n m ero do decil que se deseja obter (1, 2 ou 3);
x: elem en to do con jun to de dados orden ados;
n: tam an ho da am ostra.
Exem plo 3.2: Vam os utilizar os dados do Exem plo 3.1 para en con trar o oitavo decil:
2 5 10 11 3 14 8 8 7 12 3 4 7 3 4 2 6 7
Resoluo:
Para encontrarm os os decis, precisam os ordenar o con jun to de dados. En to:
2 2 3 3 3 4 4 5 6 7 7 7 8 8 10 11 12 14
D8 = x8 18
1
+
2
10
D8 = x14,9
58 capt ul o 3
x-8 2
=
0, 9
1
Usando a propriedade fun dam en tal da proporo (m ultiplicao em
cruz), obtem os:
x - 8 = 1, 8
x=1, 8 + 8
x = 9, 8
Aproxim adam en te 20% das observaes so m aiores ou iguais a 9,8 m in utos.
ATENO
A proporo montada neste exemplo foi obtida atravs do seguinte raciocnio: a diferena
entre o elemento x que queremos encontrar e o elemento que est na dcima quarta posio
(8) est para a diferena entre as posies 14,9 e 14 (14,9 14) assim como a diferena
entre os elementos 10 e 8 est para a diferena entre as posies 15 e 14 (15-14).
Pnq = xnp n
1
+
2
100
On de
P: percen til que se deseja obter;
np: nm ero do percentil que se deseja obter (1, 2, ..., 99);
x: elem en to do con junto de dados orden ados;
n: tam an ho da am ostra.
capt ul o 3
59
Exem plo 3.3: Vam os utilizar os dados do Exem plo 3.1 para en con trar o trigsim o quinto percen til:
2 5 10 11 3 14 8 8 7 12 3 4 7 3 4 2 6 7
Resoluo:
Para en con trarm os os percen tis, precisam os orden ar o con jun to de dados.
En to:
2 2 3 3 3 4 4 5 6 7 7 7 8 8 10 11 12 14
P35 = x3518
1
+
2
10
P35 = x6,8
Portan to, o trigsim o quin to percen til correspon de ao elem en to 6,8 n o con jun to de dados ordenados, situados en tre as posies 6 e 7. A sexta e a stim a
posio so ocupadas pela observao 4, portan to:
P35 = 4
En to, aproxim adam ente 35% das observaes so m en ores ou iguais a 4
m inutos.
3.1.2 Clculo dos quartis e percentis para dados agrupados em classes
Podem os en contrar os quartis e decis para dados agrupados em classes, utilizan do a frm ula dos percen tis para dados agrupados:
Pnx
60 capt ul o 3
nx x
100 - Faant
= Li +
Fi
onde
n: n m ero de elem entos da am ostra.
nx: 1, 2, ..., 99;
Li: lim ite in ferior da classe en con trada;
h: am plitude do in tervalo;
Fa a nt : frequn cia acum ulada an terior classe Pi.
Fi: frequncia absoluta da classe en con trada Pi.
CONEXO
Podemos utilizar esta frmula geral, pois Q1= P25, Q2= P50 e Q3 = P75, D1 = P10, D2 = P20, ..., D9 = P90
Exem plo 3.4: Vam os utilizar os dados do Exem plo 2.5 para en con trar o terceiro quartil, o quinto decil e o dcim o quin to percen til.
TEMPODEVIDA(DIAS)
P. M. x1
fa
3 18
10,5
18 33
25,5
33 48
40,5
11
48 63
55,5
19
63 78
10
70,5
29
78 93
28
85,5
57
93 108
100,5
59
108 123
115,5
60
Total
60
capt ul o 3
61
Resoluo
Terceiro Quartil
Prim eiram en te, tem os que en con trar a classe que con tm o terceiro quartil.
Esta classe correspon de classe associada frequn cia acum ulada im ediatam en te superior
Com o
75 fi .
100
75 fi
100
75 60
= 45, tem os que a classe que con tm o pri100
nx n
100 - Faant
Pnx = Li +
h
F
i
7560
100 - 29
P75 = 78 +
15
28
45 - 29
P75 = 78 +
15= 78 + 8,57 @ 86,6
28
De acordo com o resultado obtido podem os esperar que aproxim adam en te
25% dos dados so m aiores ou iguais a 86,6, ou seja, aproxim adam en te 25% dos
com pon en tes eletrn icos tm durao superior a 86 dias e 14 h oras.
62 capt ul o 3
Quin to decil
Prim eiram en te, tem os que en con trar a classe que con tm o quin to decil.
Esta classe correspon de classe associada frequn cia acum ulada im ediatam en te superior
Com o
50 fi
100
50 fi 50 x 60
=
= 30 , tem os que a classe que con tm o quin to
100
100
Agora, basta substituirm os todos os valores en con trados n a frm ula 3.4 e
en con trar o valor do quin to percen til:
nx n
100 - Faant
Pnx = Li +
h
F
i
5060
100 - 29
P50 = 78 +
15
28
30 - 29
P50 = 78 +
15= 78 + 0,54 @ 78,5
28
De acordo com o resultado obtido podem os esperar que aproxim adam en te
50% dos dados so m en ores ou iguais a 78,5, ou seja, aproxim adam en te 50%
dos com pon en tes eletrnicos tm durao in ferior a 78 dias e 12 h oras.
Vale ressaltar que o P50 = Md e este clculo j h avia sido feito n o exem plo 2.5.
capt ul o 3
63
Prim eiram en te, tem os que en con trar a classe que con tm o dcim o quin to
percen til. Esta classe correspon de classe associada frequn cia acum ulada
im ediatam en te superior
Com o 50
15 fi
100
nx n
100 - Faant
Pnx = Li +
h
F
i
1560
100 - 7
P15 = 33 +
15
4
9 - 7
P15 = 33 +
15= 33 + 7,5 @ 40,5
4
64 capt ul o 3
capt ul o 3
65
ATENO
As medidas de disperso indicam o grau de variabilidade das observaes. Estas medidas possibilitam que faamos distino entre conjuntos de observaes quanto sua homogeneidade.
Quanto menor as medidas de disperso, mais homogneo o conjunto de dados.
66 capt ul o 3
3.2.3 Desvio-Padro
Prim eiram en te, vam os en tender qual a defin io da palavra desvio em estatstica. Desvio nada m ais do que a distn cia en tre qualquer valor do con jun to de
dados em relao m dia aritm tica deste m esm o con jun to de dados.
Existem vrias m ed idas d e disp erso qu e en volvem os desvios. So elas: o
desvio-pad ro (m ais utilizada), a varin cia e o coeficien te de variao.
O desvio-padro a m edida m ais utilizada n a com parao de diferen as
en tre grupos, por ser m ais precisa e estar n a m esm a m edida do con jun to de
dados. Matem aticam en te, sua frm ula dada pela raiz quadrada da m dia aritm tica aproxim ada dos quadrados dos desvios, ou seja:
n
( xi - x )2
i =1
s=
n -1
( x1 - x ) 2 + ( x2 - x ) 2 +
n -1
+ ( xn - x ) 2
s=
( xi )
x2 i
n -1
onde:
( xi )
capt ul o 3
67
ATENO
O valor do desvio-padro nunca negativo. zero apenas quando todos os valores do conjunto
de dados so os mesmos. A unidade do desvio-padro a mesma unidade dos dados originais.
Cerca de 68% das observaes do con jun to de dados ficam a 1 desvio-padro da m dia, ou seja, (x - s) e (x + s)
Cerca de 95% das observaes do con jun to de dados ficam a 2 desvios-padres da m dia, ou seja, (x - 2s) e (x + 2s)
Cerca de 99,7% das observaes do con jun to de dados ficam a 3 desvios
-padres da m dia, ou seja, (x - 3s)e (x + 3s)
yi = xi c Sy = Sx
2.
yi = xi c Sy = c Sx
68 capt ul o 3
ou
yi =
xi
S
Sy = x
c
c
s2 =
( xi - x )2
i =1
n -1
ou
2
s2
( xi )
x2 i
n -1
capt ul o 3
69
cular o grau de variao dos dados em relao m dia aritm tica. E obtido
atravs do seguin te clculo:
cv =
s
100
x
Alta: C. V. 30%
70 capt ul o 3
Resoluo:
A am plitude dada por:
R = x(m ximo) x(mnimo) = 1348 832 = 516 pessoas
A diferen a, n o n m ero de pessoas que en tram n a agn cia, en tre o dia de
m aior m ovim en to e o dia de m en or m ovim en to de 516 pessoas.
Para en con trarm os a am plitude in terquartil precisam os calcu lar o prim eiro e o terceiro quartil. Para isto, vam os segu ir os procedim en tos descritos n o
item 3.1.1.1.
Q1 = x15
1
+
4 2
Q1 = x1,75
Portanto, o prim eiro quartil est en tre os elem en tos que ocupam a prim eira
e a segun da posio do con jun to de dados orden ados. En to:
Q3 = x35
1
+
4 2
Q3 = x4,25
capt ul o 3
71
Portan to, o terceiro quartil est en tre os elem en tos que ocupam a quarta e a
quin ta posio do con jun to de dados orden ados. En to:
s=
=
=
( xi - x )2
i =1
n -1
(1348 -1077)2 + (1260 -1077)2 + (1095 -1077)2 + (832 -1077)2 + (850 -1077)2
5 -1
218808
= 54702 @ 233, 88 pessoas
4
Neste exem plo, en tram n a agn cia, em m dia, 1077 pessoas por dia. O n m ero de pessoas que en tram na agn cia varia, m as, tipicam en te, a diferen a
em relao m dia foi de aproxim adam en te 234 pessoas.
72 capt ul o 3
A varin cia, com o vim os, obtida atravs das frm ulas (3.9) ou (3.10), ou
sim plestem en te, com o j tem os o desvio-padro, a varin cia o valor que est
den tro da raiz quadrada, ou seja:
s2 = 54.702 pessoas 2
No h com o in terpretar a expresso pessoa s2. Por esse m otivo, utilizam os o
desvio-padro n o lugar da varin cia.
O coeficien te de variao, dado pela frm ula (3.11), m uito fcil de ser obtido desde que j con h eam os os valores da m dia aritm tica e do desvio-padro.
Pela frm ula podem os observar que basta fazerm os um a sim ples diviso. Para
este exem plo tem os que:
cv =
s 233, 88
=
@ 0, 2172 ou 21, 72%
x
1077
Utilizando a regra em prica, podem os dizer que o con jun to de dados apresen ta um a m dia disperso.
Agora, vam os apren der a calcular as m ed idas de disperso atravs d e d ados tabu lados.
Quan do os dados estiverem n a form a tabulada, h aver um a pequen a diferen a n o clculo das m edidas de disperso, pois agora ser n ecessrio con siderar as frequn cias, que funcion aro com o fatores de pon derao, referen tes
a cada valor da varivel.
3.2.7 Desvio-Padro para Dados Tabulados
Se os dados estiverem tabulados, o desvio-padro pode ser en con trado da seguin te form a:
k
s=
( xi - x )2 fi
i =1
n -1
capt ul o 3
73
Desen volven do a frm ula (3.12) ch egam os a frm ula (3.13) que tam bm
utilizada para o clculo do desvio-padro:
2
xi2 fi
s=
( xi fi )
n
n -1
onde, para am bas as frm ulas (3.12) e (3.13), xi represen ta cada um a das
observaes do con jun to de dados ou, se os dados estiverem agrupados em
classes de frequn cias, xi represen ta o pon to m dio da classe, x a m dia do
con jun to de dados, fi a frequn cia associada a cada observao (ou classe de
observaes) do con jun to de dados e n o n m ero de total de observaes n o
con jun to de dados.
3.2.8 Varincia para Dados Tabulados
A varin cia de um conjunto de dados agrupados dada por:
k
s2 =
( xi - x )2 fi
i =1
n -1
ou
2
s2 =
xi2 fi
( xi fi )
n
n -1
74 capt ul o 3
prim eiro quartil e o clculo do coeficien te de variao feito utilizan do a frm ula
(3.11), porm , se os dados estiverem em classes de frequncias, o desvio-padro e
a m dia aritm tica so obtidos utilizan do xi com o o ponto m dio da classe.
3.2.9 Exemplos de Aplicaes das Medidas de Disperso para Dados Tabulados
Para dem on strao dos clculos para dados tabelados, vam os con tin uar utilizan do os exem plos desenvolvidos n o item 2.2 (Exem plos 2.4 e 2.5).
NMERODEFALTA
31
20
Total
63
Exem plo 3.7: Em um determ in ado m s, foi com putado o n m ero x de faltas
ao trabalho, por m otivos de sade, que cada fun cion rio de um a determ in ada
em presa teve. Os dados esto apresen tados n a tabela abaixo:
En con tre a am plitude, o desvio-padro, a varin cia e o coeficien te de variao para este conjun to de dados e in terprete os resultados.
capt ul o 3
75
Resoluo:
A am plitude para este con jun to de dados dada por:
R = x(m ximo) x(mnimo) = 6 0 = 6 pessoas
A m aior diferen a en tre os n m eros de faltas ao trabalh o, por m otivo de
sade, que fun cion rios de um a determ in ada em presa tiveram n o perodo de
um m s, 6 faltas.
O desvio-padro obtido atravs das frm ulas (3.12) ou (3.13). Para exem plificar, vam os trabalhar com a frm ula (3.13). Para facilitar, vam os m on tar um
quadro com os resultados que nos in teressa para aplicar tal expresso.
NMERODE
FALTAS(xi )
xi fi
x2i fi
31
20
20
20
16
32
18
25
36
63
53
131
Total
76 capt ul o 3
( )
Substituin do os valores en con trados n o quadro acim a n a frm ula 3.13, obtem os:
s=
xi2 fi
( xi fi )
n
n -1
2
53)
(
131 -
63
63 -1
2809
63 @ 131 - 44, 59 @
62
62
131 -
ATENO
O valor da mdia, calculado anteriormente para este conjunto de dados, igual a 0,84 falta.
Se arredondarmos esse valor para um valor inteiro, podemos dizer que a mdia aproximadamente igual a 1 falta.
cv =
s 1,18
=
@ 1, 4048 ou 140.48%
x 0, 84
capt ul o 3
77
TEMPODE
VIDA(DIAS)
PONTO
MDIO(xi )
3 18
10,5
18 33
25,5
33 48
40,5
48 63
55,5
63 78
10
70,5
78 93
28
85,5
93 108
100,5
108 123
115,5
Total
60
78 capt ul o 3
Resoluo:
A am plitude para este con jun to de dados dada por:
R = x(m ximo) x(mnimo) = 123 3 = 120 dias
A m aior diferen a en tre os tem pos de vida (em dias) dos com pon en tes eletrn icos foi de 120 dias, ou seja, o com pon en te com m aior sobrevivn cia durou
120 dias a m ais do que o com pon en te que durou m en os tem po.
Para o clculo do desvio-padro, podem os utilizar as frm ulas (3.12) ou
(3.13), on de o term o xi o pon to m dio de cada classe de frequn -cia. Com o a
m dia aritm tica en volve valores decim ais, m ais sim ples efetuar os clculos
atravs da frm ula (3.13). Com o n o exem plo an terior, vam os con struir um quadro acrescen tan do as colun as que forn ecero os valores que precisam os para
substituir na frm ula 3.13.
CLASSESDE
FREQUNCIAS
PONTO
MDIO(xi )
xi fi
x2i fi
3 18
10,5
31,5
330,75
18 33
25,5
102
2601
33 48
40,5
162
6561
48 63
55,5
444
24642
63 78
10
70,5
705
49702,5
78 93
28
85,5
2394
204687
93 108
100,5
201
20200,5
108 123
115,5
115,5
13340,25
Total
60
4155
322065
capt ul o 3
79
s=
xi2 fi
xi f i )
(
n- 1
2
4155)
(
322065 -
60
60 -1
172640
025
322065 - 287733, 75
60
@
@
59
59
322065 =
cv =
s 24,12
=
@ 0, 3483 ou 34, 83%
x 69, 25
3.3 Grficos
O objetivo da utilizao de grficos em an lise de dados o de facilitar a com preen so do fenm en o estatstico por m eio do efeito visual im ediato que os
grficos proporcion am .
80 capt ul o 3
CONEXO
Vamos refletir um pouco sobre a necessidade de abordagens pedaggicas para o ensino e a
aprendizagem de grficos acessando o endereo < http:/ / www.ufrrj.br/ emanped/ paginas/
conteudo_producoes/ docs_22/ carlos.pdf> .
Vam os saber um pouco quando usar e com o construir cada um destes grficos.
3.3.1.1 Grfico em Lin h as
Sem pre que os dados estiverem distribudos segun do um a varivel n o tem po
(m eses, anos, etc.), assim com o sucede com os dados do exem plo 3.9 figura 1,
os dados podem , tam bm , ser descritos atravs de um grfico em lin h as. Esse
tipo de grfico retrata as m udan as n as quan tidades com respeito ao tem po
atravs de um a srie de segm en tos de reta. m uito eficien te para m ostrar possveis ten dn cias no conjunto de dados.
capt ul o 3
81
Exem plo 3.9: A tabela 3.1 forn ece um a lista do n m ero de assin an tes de
telefon es celulares, em m ilhes, de 1997 a 2007, do pas X. Con strua um grfico
para resum ir os dados da tabela abaixo.
ANO
ASSINANTES(EMMILHES)
1997
1,1
1998
1,3
1999
1,5
2000
1,9
2001
2,4
2002
2,6
2003
3,1
2004
7,4
2005
18,6
2006
21,5
2007
29
O grfico que m elh or represen ta este con jun to de dados o grfico em linh as, j que os dados se reportam a um a srie n o tem po (srie temporal). O grfico est ilustrado n a figura 1..
82 capt ul o 3
35
Assinantes (emmilhes)
30
29
25
21,5
20
18,6
15
10
5
0
1996
7,4
1,1
1,3
1,5
1998
1,9
2000
2,4
2,6 3,1
2002
Anos
2004
2006
2008
ATENO
Quando construmos o grfico de barras para variveis qualitativas e as barras so arranjadas em ordem descendente de altura, a partir da esquerda para a direita, com o atributo que
ocorre com maior frequncia aparecendo em primeiro lugar, denominamos este grfico de
barras de Diagrama de Pareto.
Exem plo 3.10: Um a gran de in dstria de m ateriais de con struo, com diversas lojas espalhadas pelo pas, fez um levan tam en to das prin cipais causas
de perda de ativos durante o an o de 2007 e as in form aes esto dispostas na
tabela seguin te.
capt ul o 3
83
CAUSAS
VALORPERDIDO
(MILHESDEREAIS)
M administrao
5,2
Roubos de funcionrios
3,9
5,5
Assaltos s lojas
1,8
Perda do estoque
1,6
Atendimento ruim
0,8
Graficam en te, podem os represen tar este con jun to de dados de trs form as
diferen tes: grfico em colun as, grfico em barras e o grfico em setores (ou piz-
6
4
Atendimentoruim
Perdadoestoque
Assaltosslojas
Fraudesnas vendas
Roubosdefuncionrios
Madministrao
Causas
84 capt ul o 3
Atendimentoruim
Perdadoestoque
Causas
Assaltosslojas
Fraudesnas vendas
Roubosdefuncionrios
Madministrao
0
Perdadoestoque
8%
Atendimentoruim
4%
Madministrao
28%
Assaltos
slojas
10%
Fraudesnasvendas
29%
Roubos defuncionrios
21%
capt ul o 3
85
Os grficos que sero apresentados a seguir so grficos con strudos segun do um a distribuio de frequn cias com in tervalos de classes. So eles: o h istogram a, o polgon o de frequncias e a ogiva.
3.3.1.4 Histogram a
Um h istogram a sem elhan te ao diagram a de barras, porm refere-se a um a
distribuio de frequncias para dados quan titativos con tn uos. Por isso, apresen ta um a diferen a: n o h espaos en tre as barras. Os in tervalos de classes
so colocados n o eixo h orizon tal en quan to as frequn cias so colocadas n o
eixo vertical. As frequn cias podem ser absolutas ou relativas.
Exem plo 3.11: A tabela abaixo apresen ta o salrio de fun cion rios de um a
em presa no interior de Min as Gerais.
SALRIO(R$)
FREQ. ABSOLUTA(f )
FREQ. ACUMULADA(fa)
400,00 800,00
38
38
800,00 1200,00
18
56
1200,00 1600,00
12
68
1600,00 2000,00
76
2000,00 2400,00
84
2400,00 2800,00
89
2800,00 3200,00
92
3200,00 3600,00
92
3600,00 4000,00
94
4000,00 4400,00
94
4400,00 4800,00
95
Total
95
86 capt ul o 3
Tabela 3.3 Distribuio de frequncias dos salrios dos funcionrios de uma empresa no
interior de Minas Gerais.
4400,004800,00
4000,004400,00
3600,004000,00
3200,003600,00
2800,003200,00
2400,002800,00
2000,002400,00
1600,002000,00
1200,001600,00
800,001200,00
40
35
30
25
20
15
10
5
0
400,00800,00
Frequncia
Salrio (R$)
Figura 4 Histograma dos salrios dos funcionrios de uma empresa no interior de Minas
Gerais.
capt ul o 3
87
Con sideran do os dados do Exem plo 3.11, tem os o polgon o de frequn cias
represen tado pela Figura 5.
40
38
35
30
Frequncia
25
20
18
15
12
10
8
5
2
1
0
0
0
0
200 600 1000 1400 1800 2200 2600 3000 3400 3800 4200 4600 5000
Ponto mdio das faixas salariais (R$)
Figura 5 Polgono de frequncias dos salrios dos funcionrios de uma empresa no interior
de Minas Gerais.
3.3.1.6 Ogiva
Um a ogiva um grfico para um a distribuio de frequn -cias acum uladas.
Utilizan do o Exem plo 3.11, a terceira colun a traz a frequn cia acum ulada dos
dados e a ogiva fica represen tada pela Figura 6.
ATENO
Para construir um grfico de ogiva, devemos usar o limite superior de cada intervalo no eixo
horizontal e a frequncia acumulada no eixo vertical. A frequncia acumulada relacionada
com o limite inferior da primeira classe sempre zero.
88 capt ul o 3
100
90
80
Frequncia Acumulada
70
60
50
40
30
20
10
0
400
800 1200 1600 2000 2400 2800 3200 3600 4000 4400 4800
Salrio (R$)
Figura 6 Ogiva dos salrios dos funcionrios de uma empresa no interior de Minas Gerais.
NMERODEANNCIOSPUBLICADOS(X)
NMERODECARROSVENDIDOS(Y)
28
140
20
110
22
100
14
75
10
60
52
capt ul o 3
89
Para verificarm os, visualm ente, se h relao entre o nm ero de anncios publicados e o nm ero de carros vendidos, construm os o diagram a de disperso.
160
Nmero de carros vendidos
140
120
100
80
60
40
20
0
10
15
20
25
30
Nmero de annciospublicados
ATENO
Um tipo de grfico muito utilizado em jornais e revistas o grfico pictrico. Estes grficos
so construdos a partir de figuras ou conjunto de figuras que so representativas do fenmeno em estudo. Como so representados por figuras, despertam a ateno do leitor.
90 capt ul o 3
Eixo vertical com prim ido: as escalas em pregadas devem ser coeren tes
com o tam an ho da figura exibida. Se o eixo vertical estiver com prim ido,
as diferen as reais en tre as categorias de respostas da varivel podem
ficar distorcidas.
4.
Ausncia do pon to zero: a ausn cia do pon to zero n o eixo vertical ten de a produzir um a im presso en gan osa do com portam en to dos dados,
exageran do ou reduzin do even tuais variaes.
ATIVIDADE
1. Uma agncia de turismo est interessada em saber o perfil dos seus clientes com relao varivel estado civil. Para isso, o gerente desta agncia pediu ao funcionrio do
setor de vendas para fazer um grfico que resuma estas informaes. Construa o grfico
e interprete-o.
ESTADOCIVIL
NMERODECLIENTES
Solteiro
2600
Casado
900
Vivo
345
Separado
1200
Outros
1020
Total
6065
11,00
5,60
73,85
24,83
98,00
186,00
234,87
58,00
198,65
223,86
341,42
94,76
445,76
82,80
35,00
455,00
371,00
398,60
234,00
64,90
54,98
48,80
68,90
120,32
126,98
76,43
6,35
9,98
12,68
capt ul o 3
91
243,00
18,65
134,90
11,10
321,09
290,76
74,00
48,80
74,52
138,65
26,00
210,13
15,78
197,45
75,00
76,55
32,78
166,09
105,34
99,10
45
17
4
1400| 1700
1700| 2100
2100| 2400
2400| 2700
1100| 1400
12
800| 1100
50
45
40
35
30
25
20
15
10
5
0
500| 800
Frequncia
Salrio (R$)
92 capt ul o 3
4. Os dados abaixo referem-se ao nmero de horas extras de trabalho que uma amostra de
64 funcionrios de uma determinada empresa localizada na capital paulista.
10
10
12
14
14
14
15
16
18
18
18
18
18
19
20
20
20
20
20
21
22
22
22
22
22
22
22
22
22
22
22
22
23
23
24
24
24
24
24
24
24
25
25
25
25
26
26
26
26
26
26
27
27
27
28
28
29
30
30
32
35
36
40
41
Pede-se:
a) Calcule e interprete as seguintes medidas de disperso, calculadas para os dados
brutos (dados no tabulados): amplitude, desvio-padro, varincia e coeficiente de
variao e interprete os resultados.
b) Construir uma distribuio de frequncias completa (com freq. absoluta, freq. relativa, freq. acumulada e ponto mdio).
c) Atravs da distribuio de frequncias construda no item b), encontre a amplitude,
o desvio-padro, a varincia e o coeficiente de variao e interprete os resultados.
d) Com a tabela construda no item b), encontre as seguintes medidas: 1 quartil, 7
decil e 99 Percentil. Interprete os resultados.
e) Construa o histograma para este conjunto de dados.
5. Os dados a seguir representam as notas de 5 disciplinas de um determinado candidato
em um concurso pblico. So elas:
2, 5, 8, 8, 9
Calcule a amplitude, o desvio-padro, a varincia e o coeficiente de variao. Interprete
os resultados.
capt ul o 3
93
NMERODEFILHOS
FREQUNCIADE
FAMLIAS
19
22
28
16
frequncias
Histograma
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
94 capt ul o 3
TIPOSDECAIXAS
15
20
30
REFLEXO
Vimos, nesse captulo, que to importante quanto conhecer a mdia de um conjunto de dados, por exemplo, determinar o seu grau de variabilidade (ou disperso). Na maioria dos
estudos que realizamos, nos deparamos com conjuntos que podem apresentar maior ou
menor grau de homogeneidade.
Conjuntos com caractersticas de maior homogeneidade tendem a nos fornecer informaes mais precisas e confiveis. Imagine, por exemplo, um estabelecimento que diariamente
presta atendimento aos seus clientes. Se a quantidade desses clientes varia muito de um dia
para outro, fica mais difcil voc determinar quantos funcionrios disponibilizar para realizar
o atendimento. No entanto, se esse nmero varia pouco (apresenta-se mais homogneo) de
um dia para o outro, fica muito mais fcil montar uma estrutura adequada de atendimento.
LEITURA
Sugerimos a leitura do artigo E se todos fossem ao cinema ao mesmo tempo? do professor
Luiz Barco, disponvel em:< http:/ / super.abril.com.br/ ciencia/ lei-regularidade-estatistica-se-todos-fossem-ao-mesmo-cinema-ao-mesmo-tempo-439499.shtml> . Ele retrata, de forma bem
interessante, a questo da regularidade dos fenmenos relacionados ao comportamento social.
capt ul o 3
95
REFERNCIASBIBLIOGRFICAS
ANDERSON, David R.; SWEENEY, Denis J.; WILLIAMS, Thomas A. Estatstica aplicada administrao e economia. So Paulo: Pioneira Thomson Learning, 2003.
BRUNI, Adriano L. Estatstica Aplicada Gesto Empresarial. 2.ed. So Paulo: Atlas, 2010.
BUSSAB, Wilton de O.; MORETTIN, Pedro A.. Estatstica bsica. So Paulo: Saraiva, 2003
COSTA NETO, Pedro Luiz de Oliveira. Estatstica, So Paulo: Edgard Blucher, 2002.
DOWNING, Douglas; CLARK, Jeffrey. Estatstica aplicada. So Paulo: Saraiva, 2002.
FARIAS, Alfredo Alves de; SOARES, Jos Francisco; CSAR, Cibele Comini. Introduo estatstica. Rio de Janeiro: LTC, 2003.
TRIOLA, Mario F.. Introduo estatstica. Rio de Janeiro: LTC, 1999.
VIEIRA, Sonia. Estatstica Bsica. So Paulo: Cengage Learning, 2013.
NOPRXIMOCAPTULO
No prximo captulo estudaremos uma das tcnicas mais utilizadas da Inferncia Estatstica: Estimao Pontual e Estimao Intervalar. Veremos como estimar a mdia populacional a partir da
mdia de uma amostra retirada dessa populao. Nesse tipo de estudo, surgem definies conhecidas como: margem de erro, nvel de confiana da pesquisa, etc. Alm da estimao das
mdias, tambm estudaremos a estimao de propores populacionais. Na construo do intervalo de confiana precisamos de conhecimentos sobre a distribuio Normal, cujo conceito tambm ser introduzido no prximo captulo.
96 capt ul o 3
Distribuies
Amostrais e
Estimao
OBJETIVOS
Saber estimar tanto a mdia como a proporo populacional (referentes a uma varivel presente na populao) a partir de dados coletados em uma amostra aleatria retirada dessa populao.
REFLEXO
Voc se lembra de j ter ouvido notcias sobre divulgao de resultados de pesquisas em que
foram citados termos como margem de erro e nvel de confiana da pesquisa? Sempre que as
pesquisas so realizadas em amostras, esses conceitos passam a fazer parte dos resultados que
sero obtidos. Vamos compreender melhor o que eles significam e como so determinados.
98 capt ul o 4
Parmetro
Estatstica
Interferncia Estatstica
capt ul o 4
99
limE(q) = q
n
limVar(q) = 0
n
Podem os observar que um estim ador con sistente se, quando aum entam os
o tam an ho da am ostra, o valor esperado do estim ador igual ao valor do parm etro, portanto, no viciado, e a varincia do estim ador con vergir para zero.
Dois parm etros populacion ais m uito im portan tes e de gran de in teresse
em se estim ar so a mdia e a propor o. Portan to, vam os escolh er agora os estim adores utilizados para estim ar estes dois parm etros de m an eira que eles
satisfaam as propriedades de vcio e con sistn cia.
1
X = ( X1 + X 2 + ... + X n )
n
Para m ostrar que X um estim ador no viciado e consisten te da m dia populacion al precisam os encontrar E(X) e Var(X) .
Seja X1, X2, ..., Xn um a am ostra aleatria retirada de um a populao,
iden tificada pela varivel X, com m dia e varin cia 2 Da defin io de
AAS tem os que cada Xi, i = 1, 2, ..., n tem a m esm a distribuio de X, ou seja,
E(Xi )= m e Var(X i )= s 2 .
100 capt ul o 4
X + X 2 + ... + X n 1
E( X ) = E 1
= n
E( X1) + E( X 2 ) + ... + E( X n )
1
nm
= [ m + m + ... + m] =
=m
n
n
e
X + X 2 + ... + X n 1
Var ( X ) = Var 1
= n2
Var ( X1) + Var ( X 2 ) + ... + Var ( X n )
1 2
ns2 s2
2
2
= 2 [ s + s + ... + s ] = 2 =
n
n
n
O prim eiro resultado m ostra que a m dia am ostral um estim ador n o
viciado da m dia populacional. O segun do resultado m ostra que, con form e n
cresce, a varincia da m dia am ostral ten de a zero, portan to X um estim ador
con sisten te para .
Exem plo 4.1: Um a am ostra aleatria de 20 fam lias de determ in ado bairro
foi selecion ada e observou-se o n m ero de pessoas em cada fam lia com n vel
superior com pleto. Os dados obtidos foram :
1, 2, 2, 0, 3, 1, 1, 3, 0, 1, 2, 2, 1, 3, 1, 0, 2, 1, 1, 2
En con tre a estim ativa para a m dia de pessoas com n vel superior com pleto
n este bairro.
capt ul o 4
101
Resoluo:
Pelo que vim os na teoria, o estim ador utilizado para se estim ar a m dia populacion al a m dia am ostral, ou seja:
1
(1+ 2 + 2 + 0 + ... + 2)
20
29
=
@ 0, 97
30
X=
En to, podem os con cluir que, n este bairro, aproxim adam en te 1 pessoa
possui n vel superior com pleto.
p=
102 capt ul o 4
ATENO
A distribuio de Bernoulli uma distribuio de probabilidade discreta com as seguintes
caractersticas: o experimento realizado somente uma vez e a v.a. X assume apenas dois
valores, P(sucesso) = P(X = 1) = p e P (fracasso) = P(X = 0) = 1 p, com E(X) = p e VAR(X)
= 1 p.
Seja X1, X2, ..., Xn um a sequn cia de variveis aleatrias in depen den tes com
distribuio de Bern oulli. Pelas propriedades da esperan a e da varin cia tem os:
X + X 2 + ... + X n 1
E p = E 1
= n
E( X1) + E( X 2 ) + ... + E( X n )
1
np
= [ p + p + ... + p] =
=p
n
n
()
X + X 2 + ... + X n 1
Var p = Var 1
= n2
Var ( X1) + Var ( X 2 ) + ... + E( X n )
1
np(1- p) p(1- p)
= 2 [ p(1- p) + p(1- p) + ... + p(1- p)] =
=
n
n2
n
()
capt ul o 4
103
Obten h a (estim e) a proporo de pessoas, n este bairro, que fazem atividades fsicas pelo m en os trs vezes por sem an a.
Para estim arm os esta proporo utilizam os a proporo am ostral dada por:
p=
0 +1+ 0 + 0 + 1+ ... + 0 16
=
= 0, 5333
30
30
Portan to, baseado nesta am ostra, aproxim adam en te 53,33% das pessoas
deste bairro fazem atividade fsica pelo m en os trs vezes por sem an a.
An tes de passarm os para o con ceito de distribuies am ostrais e estim ao
in tervalar vam os estudar as caractersticas de um a varivel aleatria cuja distribuio Norm al. Precisarem os do con ceito da distribuio Norm al para con struir in tervalos de con fian a.
A curva n orm al tem form ato de sin o e sim trica em torn o da m dia.
A rea total sob a curva n orm al igual a 1.
A curva n orm al aproxim a-se m ais do eixo x m edida que se afasta da
m dia em am bos os lados, m as n un ca toca o eixo.
Dois parm etros, e , determ in am com pletam en te o aspecto de um a curva n orm al. A m dia () inform a a localizao do eixo de sim etria e o desvio padro () descreve quanto os dados se espalh am em torn o da m dia.
104 capt ul o 4
0,9
0,8
= 0, 2 = 0,2
= 0, 2 = 1,0
0,7
0,6
= 0, 2 = 5,0
= 2, 2 = 0,5
0,5
0,4
0,3
0,2
0,1
0
5
As curvas n orm ais a, b e c apresen tam m dias iguais (por isto esto localizadas n a m esm a posio no eixo x), m as apresen tam desvios padro diferen tes
(por isto a curva c, que apresen ta m aior desvio padro, m ais ach atada e a curva
a , que apresen ta m en or desvio padro, m ais fech ada em torn o da m dia).
A curva d apresen ta m dia diferen te das outras curvas, por isto est localizada n um a posio diferen te n o eixo x.
capt ul o 4
105
n ).
Observao: para am ostras com 30 elem en tos ou m ais a aproxim ao con siderada boa.
Se a populao n orm al N(, 2), a distribuio am ostral da m dia tem
distribuio exata n orm al com m dia e varin cia 2/n para qualquer tam an ho
de am ostra.
lao seja infinitamente grande. Quando trabalhamos com amostragem com reposio,
a populao infinitamente grande. Agora, em populaes finitas, cuja amostragem
feita sem reposio, precisamos fazer um ajuste no resultado
. Vamos
106 capt ul o 4
p=
X1 + X 2 + ... + X n
=X
n
p(1- p)
p ~ N p,
EP(X) =
s2
s
=
n
n
Com o , em geral, descon h ecido podem os obter o erro padro estim ado
de X , ou seja:
s2
EP(X) =
=
n
s
n
capt ul o 4
107
EP( p ) =
p (1 - p)
n
Quan do n o con hecem os p obtem os o erro padro estim ado de p substituin do p por p :
EP( p ) =
p 1- p
108 capt ul o 4
As escolh as m ais com un s para o n vel de con fian a e, con sequen tem en te,
os respectivos valores crticos obtidos da distribuio n orm al so:
NVEL DE
CONFIANA
VALORCRTICOZ/2
90%
0,10
1,645
95%
0,05
1,96
99%
0,01
2,575
A escolha de 95% a m ais com um porque resulta em um bom equilbrio en tre preciso (que refletido na largura do in tevalo de con fian a) e con fiabilidade (con form e expresso pelo nvel de con fian a). Depen den do da n ecessidade,
o nvel de con fian a pode superar 99%. No en tan to, quan to m aior esse n vel,
capt ul o 4
109
m aior tam bm ser a m argem de erro, que sign ifica perda n a preciso dos resultados. Portan to, n ecessrio dosar n vel de con fian a e m argem de erro,
para se ch egar aos resultados m ais apropriados.
ATENO
De acordo com TRIOLA (2008, p. 255) , um valor crtico um nmero na fronteira que
separa estatsticas amostrais que tm chance de ocorrer daquelas que no tem. O nmero
Z/ 2 um valor crtico que um escore z com a propriedade de separar uma rea de / 2 na
cauda direita da distribuio normal padronizada.
Um in tervalo de con fian a para a m dia populacion al, verificado os requisitos acim a, dado por:
x za / 2
s
n
110 capt ul o 4
ATENO
Quando coletamos um conjunto de dados amostrais para estimar um parmetro populacional,
o valor obtido pelo estimador deste parmetro tipicamente diferente do valor do parmetro. A
diferena entre estes dois valores chamada margem de erro ou erro mximo de estimativa, ou
seja, a diferena mxima provvel entre a estimativa obtida atravs do estimador e o verdadeiro
valor do parmetro populacional.
2.
Um in tervalo de con fian a para a m dia populacion al, verificado os requisitos acim a, dado por:
x ta / 2
s
n
estim ativa.
A form a da distribuio t de Student parecida com a da distribuio n orm al: tem m dia t = 0, com o a distribuio n orm al padron izada, com m dia z =
0; sim trica m as apresenta caudas m ais alon gadas, ou seja, m aior variabilidade do que a n orm al. Quan do aum en tam os o tam an ho da am ostra, a distribuio t de Student ten de para a distribuio n orm al.
O quadro a seguir resum e os Casos 1 e 2.
capt ul o 4
111
DISTRIBUIO
CONDIES
conhecido e populao normalmente
distribuda ou conhecido e n
>
30
>
Use a distribuio t
te distribuda ou desconhecido e n
30
bootstrap
en
30
p(1- p)
p ~ N p,
112 capt ul o 4
Verificados os requisitos, tem os que um in tervalo de con fian a para a proporo dado por:
p za/2
p(1- p)
n
p(1- p)
ch am ado m argem de erro ou erro m n
CONEXO
Os requisitos necessrios para a costruo de intervalos de confiana para a proporo populacionam exigem conhecimento da distribuio de probabilidade Binomial. Para isto, leia a
Seo 7.2 Estimao da Proporo Populacional, em (TRIOLA, 2008, p. 252).
x = 25.
Con struir um in tervalo de 95% de con fian a para a m dia populacion al.
Resoluo:
Neste exem plo vam os usar a frm ula do in tervalo de con fian a descrito n o
1 CASO. Os dados que o exerccio forn ece so:
capt ul o 4
113
s
s
; x + za / 2
x - za / 2
n
n
5
5
25
1
,
96
;
25
+
1
,
96
40
40
9, 8
9, 8
;
+
2
5
25
6, 3246
6, 3246
[23, 4505 ;
26, 5495]
Podem os in terpretar este in tervalo da seguin te m an eira: estam os 95% con fian tes que o in tervalo de 23,4505 a 26,5495 realm en te con ten h a o verdadeiro
valor de . Ou ainda, se selecion ssem os m uitas am ostras diferen tes de tam anh o 40 e con strussem os os intervalos de con fian a com o fizem os aqui, 95%
deles con teriam realm en te o valor da m dia populacion al .
Exem plo 4.4: Um a am ostra de tam an h o 15, extrada de um a populao n orm al, forn ece um a m dia am ostral x = 23 e s = 0,5. Con struir um in tervalo de
90% de con fian a para a m dia populacion al.
Resoluo:
Vam os usar o intervalo de con fian a descrito n o 2 CASO, pois tem os um a
populao n orm al com descon hecido. Os dados so:
114 capt ul o 4
S
S
; x + ta / 2
x - ta / 2
n
n
0, 5
0, 5
15
15
0, 8805
0, 8805
[23, 2727 ;
23, 7273]
1.200
= 0, 6; 1 - p = 0, 4; n = 2.000; 1- a = 0, 95;
2.000
a = 0, 05; a /2 = 0,025; za / 2 = 1, 96
p=
S
S
p
z
;
p
+
z
a/2
a/2
n
n
0, 6 0, 4
0, 6 0, 4
0
,
6
1
,
96
;
0
,
6
+
1
,
96
2.000
2.000
115
ATENO
Podemos interpretar este intervalo da seguinte maneira: entre os moradores desta cidade, a porcentagem dos que esto satisfeitos com o atual prefeito estimada em 60%, com uma margem
de erro de 2,15%.
ATIVIDADE
1. Uma agncia de publicidade est interessada em estimar a idade mdia em que os adolescentes comeam a fumar. Uma amostra aleatria de 25 fumantes, extrada de uma populao normal, forneceu uma mdia amostral de 15 anos e um desvio-padro amostral de
1,7 ano. Construir um intervalo de 99% de confiana para estimar a idade mdia em que
a populao adolescente comea a fumar. Determine a margem de erro e o erro padro
estimado da mdia.
2. 02. A fim de averiguar a popularidade da gesto da nova reitoria de determinada universidade, uma amostra aleatria de 400 estudantes foi selecionada e constatou-se que 45%
estavam satisfeitos com a nova gesto.
a) Obtenha o erro padro estimado da proporo;
b) Determine o intervalo de 95% de confiana para a proporo populacional.
3. Os dados abaixo referem-se ao nmero de horas semanais que os estudantes do primeiro
semestre de administrao passaram se preparando para o exame de Estatstica.
1
1
6
1
6
2
6
2
7
2
7
3
7
3
7
4
7
4
7 7
4
7
4
8
4
8
5
8
5
8
5
8
6
8
Determine:
a) o erro padro estimado da mdia;
b) o intervalo de 96% de confiana para a mdia populacional.
4.
Dos 1.600 funcionrios entrevistados numa empresa, 880 esto de acordo com a nova
poltica salarial. Construir um intervalo de 98% de confiana para a proporo populacional
dos funcionrios desta empresa favorveis nova poltica salarial.
116 capt ul o 4
5. Para se avaliar a popularidade de certo candidato prxima eleio para prefeito de determinada cidade, extraiu-se uma amostra aleatria de 1.000 eleitores e constatou-se que
400 votariam no candidato. Estimar a proporo de eleitores em toda a cidade que tm a
inteno de votar no candidato. Encontre o erro padro estimado da proporo.
REFLEXO
Vimos que possvel encontrar a melhor estimativa pontual da mdia e da proporo, mas
no temos indicao de quo boa esta nossa melhor estimativa. Para contornar isto, utilizamos a estimativa intervalar, ou intervalo de confiana, que consiste em uma faixa de valores
em vez de apenas um nico valor. Como dissemos anteriormente, precisamos ser cuidadosos para interpretar corretamente os intervalos de confiana. Na interpretao correta, o nvel
de confiana se refere taxa de sucesso do processo em uso para se estimar o parmetro
populacional e no a chance de que o verdadeiro valor do parmetro esteja entre os limites
do intervalo de confiana. Por exemplo, um nvel de confiana de 95% nos diz que o processo
em uso resultar, a longo prazo, em limites de intervalo de confiana que contenham o verdadeiro valor do parmetro populacional 95% das vezes.
LEITURA
Sugerimos que voc oua os udios que esto no seguinte endereo: < http:/ / m3.ime.unicamp.br/ recursos/ 1288> . Nestes udios voc aprender o significado da expresso margem de erro no contexto da Matemtica.
REFERNCIASBIBLIOGRFICAS
ANDERSON, David R.; SWEENEY, Denis J.; WILLIAMS, Thomas A. Estatstica aplicada administrao e economia. So Paulo: Pioneira Thomson Learning, 2003.
BUSSAB, Wilton de O.; MORETTIN, Pedro A.. Estatstica bsica. So Paulo: Saraiva, 2003.
FARIAS, Alfredo Alves de; SOARES, Jos Francisco; CSAR, Cibele Comini. Introduo estatstica. Rio de Janeiro,: LTC, 2003.
capt ul o 4
117
LARSON, R; FARBER, Betsy. Estatstica aplicada. So Paulo: Pearson Prentice Hall, 2004.
SMAILES, Joanne; McGRANE, Angela. Estatstica aplicada administrao com Excel. So Paulo: Atlas, 2002.
SPIEGEL, Murray R.. Estatstica. So Paulo: Makron Books, 1993.
TRIOLA, Mario F.. Introduo estatstica. Rio de Janeiro: LTC, 2008.
NOPRXIMOCAPTULO
Neste captulo estudamos a tcnica de Estimao, uma das mais importantes da inferncia
estatstica. Usando dados amostrais, aprendemos a obter estimativas pontuais e intervalares
para parmetros populacionais importantes: mdia e proporo. Para a construo de intervalos de confianas vimos que precisamos encontrar valores crticos da distribuio normal
padro ou da distribuio t-student.
No prximo captulo estudaremos outra tcnica da inferncia estatstica: teste de hiptese.
E, nos aprofundaremos no estudo da distribuio normal.
118 capt ul o 4
Distribuio Normal
e Teste de Hiptese
OBJETIVOS
Identificar situaes nas quais podemos aplicar o modelo de probabilidade normal, bem
como calcular probabilidades associadas a tal modelo.
Compreender quais so as etapas necessrias para a realizao de um teste de hiptese.
REFLEXO
Voc se lembra de ter ouvido de alguma companhia de transporte que, em mdia, o
intervalo entre sucessivos nibus de 20 minutos? Aprenderemos neste captulo como
podemos testar a afimartiva da companhia utilizando o conceito de teste de hiptese.
Antes de iniciarmos o estudo da distribuio normal, importante a compreenso do
conceito de varivel aleatria.
120 capt ul o 5
0 para todo x (- , );
f(x)
P(X = x0) = 0, ou seja, a probabilidade da v.a. assum ir um valor pon tual zero.
O valor esperado e a varincia de um a v.a. con tn ua so defin idos, respectivam ente, por:
E (X )= x f (x)dx
-
e
2
Var (X )= E (X 2 )-
E (X )
ceito m atem tico cuja com preen so n o n ada elem en tar. Mas n o se preocupe, pois n o terem os que saber com o calcul-la.
capt ul o 5
121
f (x)=
2
1
2
exp-(x - m ) / 2s ,
s 2p
- < x <
P (a X b)= f (x)dx
a
122 capt ul o 5
onde a in tegral in dica a rea sob a curva da den sidade en tre os pon tos a e b.
a b
Esta integral s pode ser resolvida, aproxim adam en te, por m eio de in tegrao n um rica. Para contorn ar esta dificuldade, as probabilidades para a distribuio n orm al so calculadas com o auxlio de tabelas. Para isto, utilizam os
um a tran sform ao da v.a. X em um a v.a. Z defin ida por:
Z=
X -m
s
capt ul o 5
123
A tabela forn ecida n o fin al do livro, utilizada n os clculos das probabilidades, nos d a P(0 Z zc) = P, isto ,
ATENO
A caracterstica de simetria da distribuio normal implica que a probabilidade de estar acima
(ou abaixo) de zero 0,5, ou seja, P(Z 0) = 0,5 = P( Z 0).
ATENO
O enunciado desse exemplo forneceu o valor do desvio-padro que, por definio, a raiz
quadrada da varincia. Portanto, 2 = 50 2 = 2.500 unidades.
124 capt ul o 5
Resoluo:
Vam os defin ir a v.a. com o sen do X: venda s mensais de determinado produto.
Portan to, X ~ N(500,2500).
a) P(X 530)
Para calcularm os esta probabilidade, vam os tran sform ar a v.a. X n a v.a. Z
para poderm os usar a tabela.
Z=
X - m 530 - 500 30
=
= = 0, 6
s
50
50
0,6
Portanto,
P(X 530) = P(Z 0,6) =0,5 + P(0 Z 0,6) = 0,5 + 0,2257= 0,7257
O valor 0,5 vem do fato que P(Z 0) = 0,5.
b) P(X 460)
Usando a tran sform ao:
Z=
X - m 460 - 500
=
= 40 / 50 =- 0, 8
s
50
capt ul o 5
125
-0,8
Portan to,
P(X 460) = P(Z 0,8) = P(0,8 Z 0) + 0,5 = 0,2881 + 0,5 = 0,7881
Observao.: Devido sim etria da distribuio norm al tem os que
P(0,8 Z 0) = P(0 Z 0,8) e, com o no item anterior, o valor 0,5 vem do fato
que P(Z 0) =0,5.
c) P(450 X 550)
Transform ando:
X - m 450- 500 50
=
= =-1
s
50
50
X - m 550- 500 50
Z2 =
=
= =1
s
50
50
Z1 =
+1
126 capt ul o 5
d) P(X 530)
X - m 530 - 500 30
=
= = 0, 6
s
50
50
Portanto,
P(X 530) = P(Z 0,6) =0,5 P(0 Z 0,6) = 0,5 0,2257= 0,2743
O valor 0,5 vem do fato que P(Z 0) =0,5
Exem plo 5.2: O tem po de vida m dio de certo aparelho de dez an os, com
desvio-padro de 1,5 ano. O fabrican te substitui os aparelh os que acusam defeito den tro do prazo de garan tia. Qual deve ser o prazo de garan tia para que a
porcen tagem de aparelh os substitudos seja n o m xim o 5%?
Resoluo
X: tem po de vida do aparelh o
X ~N (10, 2,25)
Neste exerccio querem os en con trar Xc: prazo de ga rantia para que no mximo 5% dos aparelhos produzidos sejam substitudos dentro desse prazo. Observe
que o exerccio j forn eceu a probabilidade e querem os en con trar qual o valor
correspon den te a esta probabilidade, isto ,
P(X Xc) =0,05
Transform an do n a v.a. Z tem os P(Z Zc) =0,5 e procuran do n o corpo da tabela 0,45 (0,5-0,05) en con tram os Zc = 1,645.
capt ul o 5
127
0,05
z = 1,645
Portan to:
Xc - m
s
X -m
-1, 645 = c
1, 5
X c - 10 =- 2, 4675
Zc =
X c =- 2, 4675 + 10
X c = 7, 5325
En to, o prazo de garantia deve ser de 7,5 an os.
128 capt ul o 5
Testes n o param tricos n o exigem que as am ostras sejam proven ien tes
de populaes norm ais ou qualquer outra distribuio especfica. Com isso,
em geral, so cham ados testes livres de distribuio.
5.4.1 Passos para a construo de um teste de hiptese
1.
Dada um a afirm ativa, iden tificar a h iptese n ula e a h iptese altern ativa
e expressar am bas em form a sim blica;
2.
Atravs de um a afirm ativa e dos dados am ostrais, calcular o valor da estatstica de teste.
3.
4.
H1 : m > k
H 0 : m = k
H1 : m < k
H 0 : m = k
H1 : m k
capt ul o 5
129
ATENO
Alguns livros texto usam os smbolos ou na hiptese nula H0, mas seguiremos a notao
da maioria dos peridicos profissionais que usam apenas o smbolo de igualdade.
Exem plo 5.3: Identifique as hipteses n ulas e altern ativa e iden tifique qual
represen ta a afirm ao em cada um dos iten s abaixo.
a) Um a universidade alega que a proporo de seus alun os que so do sexo
m asculino de 46%. O departam en to de ma rketing da un iversidade deseja testar esta afirm ao.
b) Os am ortecedores de autom veis que circulam em cidades duram , em
m dia, 35.000 quilm etros, segun do inform ao de algum as oficinas especializadas. Um proprietrio de autom vel deseja testar essa afirm ao.
c) Um veterin rio con seguiu gan ho m dio dirio de 2,5 litros de leite por
vaca com um a n ova com posio de rao. Um pecuarista acredita que o
gan h o n o to gran de assim .
Resoluo:
a ) H0 : p = 0,46 afirm ao
H1 : p 0,46
b) H 0 : = 35.000 afirm ao
H1 : 35.000
c) H 0 : = 2,5 afirm ao
H1 : < 2,5
5.4.3 Estatstica de teste paramtrico para a mdia
Segun do (TRIOLA, 2008, p. 310)
A estatstica de teste um valor usado para se tomar a deciso sobre a hiptese nula
e encontrada pela converso da estatstica amostral (como a proporo amostral p
ou a mdia amostral x ou o desvio padro s) em um escore (como z, t ou 2) com a
suposio de que a hiptese nula seja verdadeira.
130 capt ul o 5
Z=
x -m
s
n
ou
t=
x -m
s
n
Podem os observar que esta estatstica de teste pode se basear n a distribuio n orm al ou na distribuio t de Student, depen den do das con dies que sejam satisfeitas. Utilizarem os, aqui, os m esm os requisitos descritos n o item 4.7
(ver quadro 4.1).
5.4.4 Regio crtica, nvel de significncia e valor crtico
A regio crtica com posta por todos os valores da estatstica de teste que n os
fazem rejeitar a hiptese nula.
O nvel de sign ificn cia () a probabilidade da estatstica de teste cair n a
regio crtica quando a h iptese n ula for realm en te verdadeira. Portan to,
a probabilidade de com eterm os o erro de rejeitar a hiptese n ula quan do ela
verdadeira. Esse erro con h ecido com o Erro do tipo I. Este n vel de sign ificncia o m esm o que aquele foi defin ido para a con struo do in tervalo de
con fian a n o Captulo 4, cujas escolh as com un s para so 0,05; 0,01 e 0,10.
5.4.5 Teste bilateral, unilateral esquerda e unilateral direita
Um teste de h iptese pode ser bilateral, un ilateral esquerda ou un ilateral
direita. O tipo de teste depen de da regio da distribuio am ostral que favorece
um a rejeio de H 0
Tem os que:
Se a hiptese altern ativa H 1 con tiver o sm bolo <, o teste de h iptese ser
um teste un ilateral esquerda, ou seja, a regio crtica est n a cauda esquerda sob a curva;
Se a hiptese altern ativa H 1 con tiver o sm bolo >, o teste de h iptese ser
um teste un ilateral direita, ou seja, a regio crtica est n a cauda direita
sob a curva;
Se a hiptese altern ativa H 1 contiver o sm bolo , o teste de hiptese ser
um teste bilateral, ou seja, a regio crtica est n as duas caudas sob a curva;
capt ul o 5
131
Nos testes bilaterais, o n vel de sign ificn cia dividido igualm en te en tre
as duas caudas que con stituem a regio crtica. Em testes un ilaterais esquerda ou direita, a rea da regio crtica n a cauda respectiva .
5.4.6 Concluso do teste de hiptese
O objetivo de um teste de h iptese testar a h iptese n ula, de m odo que n ossa
con cluso ser um a das seguin tes:
1.
2.
CONEXO
O uso do mtodo do valor P est sendo utilizado com bastante frequncia, pois tal valor aparece
nos resultados de pacotes estatsticos. Para a compreenso de tal mtodo, leia o Procedimento para a Determinao de Valores P, que se encontra em (TRIOLA, 2008, p. 314).
132 capt ul o 5
Resoluo:
1.
2.
Atravs de um a afirm ativa e dos dados am ostrais, calcular o valor da estatstica de teste.
Com o o desvio padro con h ecido e n > 30, utilizarem os a seguin te estatstica de teste:
x -m
s
n
780.000 - 820.000
40.00
Z=
=
=-1, 97
120.000
20283, 702
35
Z=
3.
Do en un ciado, tem os = 0,08. Com o o teste bilateral, o n vel de sign ificn cia = 0,08 dividido igualm en te en tre as dus caudas que con stituem a regio
crtica. Portan to:
Z/2 = 1,755
4.
Z/2 = 1,755
capt ul o 5
133
Exem plo 5.5: Um a gran de con strutora n acion al afirm a que seus fun cion rios recebem um salrio m dio igual a, n o m n im o, R$ 1.450,00, com desvio
padro igual a R$ 700,00 e a distribuio supostam en te n orm al. Um a am ostra
com 500 funcion rios apresen tou um a m dia de R$ 1 000,00. A alegao da
em presa poderia ser aceita? Justifique. Con sidere = 2%.
Resoluo:
1.
2.
Atravs de um a afirm ativa e dos dados am ostrais, calcular o valor da estatstica de teste.
x -m
s
n
1.000 -1.450
450
Z=
=
=-14, 37
700
31, 204952
500
Z=
3.
Z = 2,055
134 capt ul o 5
4.
Temos que a estatstica de teste caiu na regio de rejeio, pois 14,37 < 2,055.
Portanto, rejeitam os a hiptese n ula.
H evidn cia suficien te para garan tir a rejeio da afirm ativa de que salrio
m dio dos funcion rios da con strutora seja de, n o m n im o, R$ 1.450,00.
5.4.7 Testes no paramtricos
Com o vim os no item 5.4, os testes param tricos tm requisitos sobre a n atureza ou a form a das populaes en volvidas. So baseados em parm etros da
distribuio. Quando n o for possvel supor ou assum ir caractersticas sobre
parm etros da populao de on de os dados foram extrados, torn a-se n ecessrio aplicar testes n o param tricos de h iptese.
Listarem os os prin cipais testes n a param tricos e em que situao devem
ser utilizados.
De acordo com (BRUNI, 2010, p. 256), den tre os prin cipais m odelos de testes n o parm tricos, podem ser destacados os relacion ados a seguir:
a) Teste do qui-quadrado: em pregado n a an lise de frequn cias, quan do
um a caracterstica da am ostra an alisada;
b) Teste do qui-quadrado para in depen dn cia ou associao: tam bm em pregado n a an lise de frequn cias, porm quan do duas caractersticas
da am ostra so an alisadas;
c) Teste dos sinais: em pregado n o estudo de dados em parelh ados, quan do
um m esm o elem ento subm etido a duas m edidas;
d) Teste de Wilcoxon: tam bm an alisa dados em parelh ados, perm itin do,
porm , um a con siderao das m agn itudes en con tradas;
e) Teste de Man n -Whitn ey: an alisa se dois grupos origin am -se de populaes com m dias diferen tes;
f) Teste da m ediana: analisa se dois grupos origin am -se de populaes
com m edian as diferen tes;
g) Teste de Kruskal-Wallis: an alisa se m ais de dois grupos origin am -se de
populaes com m dias diferen tes.
Os testes n o param tricos n o so to eficien tes quan to os testes param tricos. En to, precisam os, em geral, de evidn cia m ais forte (am ostra m aior ou
diferen as m aiores) para rejeitar a h iptese n ula.
capt ul o 5
135
ATIVIDADE
1. A durabilidade de um tipo de pneu de determinada marca descrita por uma v.a.Normal
de mdia 70.000 km e desvio-padro de 9.000 km.
a) Se o fabricante desta marca garante os pneus pelos primeiros 50.000 km,qual a proporo de pneus que devero ser trocados pela garantia?
b) Qual deve ser a garantia (em km) para assegurar que o fabricante troque sob garantia
no mximo 2% dos pneus?
2. As vendas de determinado produto tm distribuio aproximadamente normal, com mdia 700 unidades e desvio-padro 80 unidades. Se a empresa decide fabricar 800
unidades no ms em estudo, qual a probabilidade de que no possa atender a todos
os pedidos desse ms, por estar com a produo esgotada?
3. As velocidades dos carros numa rodovia tm distribuio normal, com mdia de 90km/ h.
Determinar:
a) o desvio-padro das velocidades, se 5% dos carros ultrapassar 100 km/ h;
b) a porcentagem dos carros que trafegam a menos de 80 km/ h.
4. Uma fbrica de embalagens de papelo afirma que suas caixas modelo padro tm uma
resistncia mdia no inferior a 14 kg. Uma amostra de cinco caixas revelou uma resistncia mdia igual a 12,6 kg. Assumindo um nvel de significncia igual a 2%, possvel
confiar na palavra da fbrica? Sabe-se que o desvio padro populacional das resistncias das caixas igual a 2 kg e que esta varivel encontra-se normalmente distribuda.
5. 05. A campanha WZA fabrica um determinado analgsico que alega ter durao no
inferior a quatro horas. Uma anlise de 30 medicamentos escolhidos aleatoriamente
acusou uma mdia de 3,8 horas de durao. Teste a alegao da campanhia, contra a
alternativa de que a durao seja inferior a quatro horas ao nvel de 0,05, se o desvio
populacional for de 0,5 hora.
136 capt ul o 5
REFLEXO
Agora, acreditamos que voc poder interpretar de maneira mais profunda muitas das informaes que recebe. O conhecimento dos conceitos abordados neste livro de fundamental
importncia nas anlises que qualquer profissional necessita fazer em seu cotidiano.
Comprovadamente, o uso da Estatstica em qualquer rea leva a tomada de decises com
maiores chances de acerto. Agora, aplicar ou no o que voc aprendeu, depende exclusivamente de voc. Boa sorte e muito sucesso!
LEITURA
Sugerimos que voc assista ao vdeo que est no seguinte endereo: < http:/ / m3.ime.unicamp.
br/ recursos/ 1098> . Voc aprender algumas tcnicas de planejamento de experimento, bem
como verificar a importncia da formulao correta de uma hiptese na anlise estatstica.
REFERNCIASBIBLIOGRFICAS
ANDERSON, David R.; SWEENEY, Denis J.; WILLIAMS, Thomas A. Estatstica aplicada
administrao e economia. So Paulo: Pioneira Thomson Learning, 2003.
BRUNI, Adriano L. Estatstica Aplicada Gesto Empresarial. 2.ed. So Paulo: Atlas, 2010.
BUSSAB, Wilton de O.; MORETTIN, Pedro A.. Estatstica bsica. So Paulo: Saraiva, 2003.
FARIAS, Alfredo Alves de; SOARES, Jos Francisco; CSAR, Cibele Comini. Introduo
estatstica. Rio de Janeiro,: LTC, 2003.
LARSON, R; FARBER, Betsy. Estatstica aplicada. So Paulo: Pearson Prentice Hall, 2004.
MAGALHES, Marcos Nascimento; LIMA, Antnio Carlos Pedroso de. Noes de probabilidade e estatstica. So Paulo: Editora da Universidade de So Paulo, 2004.
TRIOLA, Mario F.. Introduo estatstica. Rio de Janeiro: LTC,.
capt ul o 5
137
EXERCCIORESOLVIDO
Captulo 1
1. Resposta
a) qualitativa nominal
b) quantitativa discreta
c) quantitativa contnua
d) quantitativa discreta
e) quantitativa contnua
f) quantitativa contnua
g) quantitativa discreta
h) qualitativa nominal
i)
quantitativa contnua
j)
quantitativa contnua
k) qualitativa ordinal
l)
qualitativa ordinal
m) qualitativa nominal
n) qualitativa nominal
2. Resposta
a) Como estamos interessados nas respostas dos consumidores de refrigerantes sabor cola
no teste de sabor, um consumidor desse tipo de refrigerante uma unidade experimental.
Assim, a populao de interesse a coleo ou conjunto de todos esses consumidores.
b) A caracterstica que a Pepsi deseja medir a preferncia do consumidor de refrigerante sabor cola revelada sob a aplicabilidade de um teste cego, logo, a preferncia
pelo tipo de refrigerante a varivel de interesse.
c) A amostra de 1.000 consumidores de refrigerante sabor cola selecionados da populao de todos os consumidores desse tipo de refrigerante.
d) A inferncia de interesse a generalizao da preferncia de refrigerantes sabor
cola dos 1.000 consumidores da amostra para a populao de todos os consumidores desse tipo de refrigerante. Em particular, as preferncias dos consumidores
da amostra podem ser usadas para estimar o percentual de todos os consumidores
que preferem cada marca.
138 capt ul o 5
3. Qualitativos.
Qualitativos, pois as categorias foram simplesmente codificadas. Mas, isto no torna a varivel quantitativa. No h sentido, por exemplo, calcular a mdia para estes dados codificados.
4. Resposta
a) Todos os cidados brasileiros.
b) Avaliao do trabalho do presidente (bom ou mau); qualitativa.
c) 2.500 indivduos sorteados.
d) Estimar a proporo de todos os cidados que acreditam que o presidente est fazendo um bom trabalho.
e) Pesquisa.
f) A amostra em estudo no representativa, pois foram entrevistadas somente pessoas que possuem telefone.
5. Aproximadamente 48.
6. Resposta
a) Sim, ser representativa.
b) Foram utilizados pelo menos 3 tipos de tcnicas de amostragem: Amostragem Estratificada no primeiro momento, Amostragem casual simples no segundo momento e
Amostragem por meio de conglomerados para finalizar.
7. Resposta
a)
x p = 161.33; x g= 1279, 85
b) x ponderada = 524, 85
capt ul o 5
139
8. Resposta
a)
N DE
FUNCIONRIOS
N DE
PROPRIEDADES
0 20
AMOSTRAESTRATIFICADA
(N= 50)
UNIFORME
PROPORCIONAL
500
10
25
20 50
320
10
15
50 100
100
10
100 200
50
10
200 400
30
10
Total
1.000
50
50
b)
Captulo 2
Antes das respostas gostaramos de deixar claro que as interpretaes das questes ficam a cargo do estudante. Se ocorrer dvidas, entrar em contato com o tutor.
1. k 6 classes e amplitude da classe h 7
IDADES
fr
fa
19 26
0,1667
26 33
13
0,4333
18
33 40
0,1333
22
40 47
0,1333
26
47 54
0,1000
29
54 61
0,0333
30
Total
30
140 capt ul o 5
a) 18
b) 13,33%
c) 17
d) 73,33%
e) 26,67%
2. Resposta
a) Valores gastos com supermercado. Varivel quantitativa contnua.
b)
CLASSES(GASTOSEMR$)
fr
fa
4,89 61,89
17
0,34
17
61,89 118,89
13
0,26
30
118,89 175,89
0,10
35
175,89 232,89
0,10
40
232,89 289,89
0,06
43
289,89 346,89
0,06
46
346,89 403,89
0,04
48
403,89 460,89
0,04
50
Total
30
capt ul o 5
141
3. Resposta
a) x = 23,1, Md= 22, 5, Mo = 22
b)
c)
CLASSES
fr
fa
Pm
10 14
0,0469
12
14 18
0,0781
16
18 22
12
0,1875
20
20
22 26
25
0,3906
45
24
26 30
12
0,1875
57
28
30 34
0,0469
60
32
34 38
0,0313
62
36
38 42
0,0313
64
40
Total
64
1,0000
4. Resposta
a) Vendas mensais. Varivel quantitativa contnua.
b)
x @ 3, 2, Md = 3, 4, Mo = 3, 5
c) 16,36%
d) 21,82%
e) 56,36%
f) 65,45%
5.
x @ 1, 7, Md = 2, Mo = 2
6. 4,3
142 capt ul o 5
Captulo 3
1. Resposta
Outros
16,82%
Solteiro
42,87%
Separado
19,79%
Casado
14,84%
Vivo
5,69%
Atravs do grfico, podemos dizer que aproximadamente 43% dos clientes desta agncia
de turismo so solteiros, 20% so separados, 17% tm outro tipo de estado civil, 15% so
casados e apenas 5% so vivos. Esta informao importante na hora de lanar pacotes
de viagens. A agncia deve se lembrar que grande parte de seus clientes so solteiros. Tambm pode criar estratgias para trazer mais clientes casados ou vivos, que provavelmente
devem ter outro tipo de perfil.
2. Resposta
a)
IDADES
fr
fa
4,89 61,89
17
0,34
17
61,89 118,89
13
0,26
30
118,89 175,89
0,10
35
175,89 232,89
0,10
40
232,89 289,89
0,06
43
289,89 346,89
0,06
46
346,89 403,89
0,04
48
403,89 460,89
0,04
50
Total
50
capt ul o 5
143
b)
346,89403,89
403,89460,89
289,89346,89
232,89289,89
175,89232,89
118,89175,89
61,89118,89
18
16
14
12
10
8
6
4
2
0
4,8961,89
Frequncia
Histograma
Gastos (R$)
Polgono de Frequncias
18
17
16
14
13
Frequncia
12
10
8
6
2
0
0
0
33,39
0
90,38 147,39 204,39 261,39 318,39 375,39 432,39 489,39
Ponto mdio das classes Gastos (R$)
3. Resposta
a) Salrio de funcionrios de uma empresa. Esta varivel classificada como quantitativa contnua.
b) 45 funcionrios
c) 86 funcionrios
d) 9,30%
e) 72,09%
f) Tabela 1: Distribuio de frequncias dos salrios dos funcionrios de uma empresa.
144 capt ul o 5
IDADES
fr
fa
500,00 800,00
17
19,77
17
800,00 1100,00
45
52,33
62
1100,00 1400,00
12
13,95
74
1400,00 1700,00
4,65
78
1700,00 2100,00
3,49
81
2100,00 2400,00
3,49
84
2400,00 2700,00
2,33
86
Total
86
100
4. Resposta
a)
b)
c)
d)
CLASSES
fr
fa
Pm
10 14
0,0469
12
14 18
0,0781
16
18 22
12
0,1875
20
20
22 26
25
0,3906
45
24
26 30
12
0,1875
57
28
30 34
0,0469
60
32
34 38
0,0313
62
36
38 42
0,0313
64
40
Total
64
1,0000
e)
capt ul o 5
145
30
Frequncia
25
20
15
10
3842
3438
3034
2630
2226
1822
1418
1014
Nmero de horas
5.
6.
7.
8. Resposta
a) Caixa A (menor variao absoluta (s))
b) Caixa A (maior variao relativa (cv))
Captulo 4
1.
2. a) EP( p ) =
3. a) EP(X) =
p(1- p)
= 0, 02487
n
S
= 0, 3863
n
146 capt ul o 5
EP(X) =
b) [0,40125 ; 0,49875]
b) [4,3749 ; 6,0251]
S
= 0, 34
n
4. [0,52110 ; 0,57890]
5. a) p = 0.4
b) EP( p ) =
p(1- p)
= 0, 01549
n
Captulo 5
6. a) 0,0132
7.
b) 51.496 km
0,1056
8. a) = 6.08
9.
b) 5,05%
10.
SEGUNDACASADECIMAL
z
0.00
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.1
0.0000
0.0040
0.0080
0.0120
0.0160
0.0199
0.0239
0.0279
0.0319
0.0359
0.2
0.0398
0.0438
0.0478
0.0517
0.0557
0.0596
0.0636
0.0675
0.0714
0.0753
0.3
0.0793
0.0832
0.0871
0.0910
0.0948
0.0987
0.1026
0.1064
0.1103
0.1141
0.4
0.1179
0.1217
0.1255
0.1293
0.1331
0.1368
0.1406
0.1443
0.1480
0.1517
0.5
0.1554
0.1591
0.1628
0.1664
0.1700
0.1736
0.1772
0.1808
0.1844
0.1879
capt ul o 5
147
0.6
0.1915
0.1950
0.1985
0.2019
0.2054
0.2088
0.2123
0.2157
0.2190
0.2224
0.7
0.2257
0.2291
0.2324
0.2357
0.2389
0.2422
0.2454
0.2486
0.2517
0.2549
0.8
0.2580
0.2611
0.2642
0.2673
0.2704
0.2734
2764
0.2794
0.2823
0.2852
0.9
0.2881
0.2910
0.2939
0.2967
0.2995
0.3023
0.3051
0.3078
0.3106
0.3133
1.0
0.3159
0.3186
0.3212
0.3238
0.3264
0.3289
0.3315
0.3340
0.3365
0.3389
1.1
0.3413
0.3438
0.3461
0.3485
0.3508
0.3531
0.3554
0.3577
0.3599
0.3621
1.2
0.3643
0.3665
0.3686
0.3708
0.3729
0.3749
0.3770
0.3790
0.3810
0.3830
1.3
0.3849
0.3869
0.3888
0.3907
0.3925
0.3944
0.3962
0.3980
0.3997
0.4015
1.4
0.4032
0.4049
0.4066
0.4082
0.4099
0.1415
0.4131
0.4147
0.4162
0.4177
1.5
0.4192
0.4207
0.4222
0.4236
0.4251
0.4265
0.4279
0.4292
0.4306
0.4319
1.6
0.4332
0.4345
0.4357
0.4370
0.4382
0.4394
0.4406
0.4418
0.4429
0.4441
1.7
0.4452
0.4463
0.4474
0.4484
0.4495
0.4505
0.4515
0.4525
0.4535
0.2545
1.8
0.4641
0.4649
0.4656
0.4664
0.4671
0.4678
0.4686
0.4693
0.4699
0.4706
1.9
0.4713
0.4719
0.4726
04732
0.4738
0.4744
0.4750
0.4756
0.4761
0.4767
2.0
0.4772
0.4778
0.4783
0.4788
0.4793
0.4798
0.4803
0.4808
0.4812
0.4817
2.1
0.4821
0.4826
0.4830
0.4834
0.4838
0.4842
0.4846
0.4850
0.4854
0.4857
2.2
0.4861
0.4864
0.4868
0.4871
0.4875
0.4878
0.4881
0.4884
0.4887
0.4890
2.3
0.4893
0.4896
0.4898
0.4901
0.4904
0.4906
0.4909
0.4911
0.4913
04916
2.4
0.4918
0.4920
0.4922
0.4925
0.4927
0.4929
0.4931
0.4932
0.4934
0.4936
2.5
0.4938
0.4940
0.4941
0.4943
0.4945
0.4946
0.4948
0.4949
0.4951
0.4952
2.6
0.4953
0.4955
0.4956
0.4957
0.4959
0.4960
0.4961
0.4962
0.4963
0.4964
2.7
0.4965
0.4966
0.4967
0.4968
0.4969
0.4970
0.4971
0.4972
0.4973
0.4974
2.8
0.4974
0.4975
0.4976
0.4977
0.4977
0.4978
0.4979
0.4979
0.4980
0.4981
2.9
0.4981
0.4982
0.4982
0.4983
0.4984
0.4984
0.4985
0.4985
0.4986
0.4986
3.0
0.4987
0.4987
0.4987
0.4988
0.4988
0.4989
0.4989
0.4989
0.4990
0.4990
0.50
0.20
0.10
0.05
0.04
0.02
0.01
0.005
0.001
1.000
3.078
6.314
12.706
15.894
31.821
63.656
127.321
636.578
0.816
1.886
2.920
4.303
4.849
6.965
9.925
14.089
31.600
0.765
1.638
2.353
3.182
3.482
4.541
5.841
7.453
12.924
148 capt ul o 5
0.741
1.533
2.132
2.776
2.999
3.747
4.604
5.598
8.610
0.727
1.476
2.015
2.571
2.757
3.365
4.032
4.773
6.869
0.718
1.440
1.943
2.447
2.612
3.143
3.707
4.317
5.959
0.711
1.415
1.895
2.365
2.517
2.998
3.499
4.029
5.408
0.706
1.397
1.860
2.306
2.449
2.896
3.355
3.833
5.041
0.703
1.383
1.833
2.262
2.398
2.821
3.250
3.690
4.781
10
0.700
1.372
1.812
2.228
2.359
2.764
3.169
3.581
4.587
11
0.697
1.363
1.796
2.201
2.328
2.718
3.106
3.497
4.437
12
0.695
1.356
1.782
2.179
2.303
2.681
3.055
3.428
4.318
13
0.694
1.350
1.771
2.160
2.282
2.650
3.012
3.372
4.221
14
0.692
1.345
1.761
2.145
2.264
2.624
2.977
3.326
4.140
15
0.691
1.341
1.753
2.131
2.249
2.602
2.947
3.286
4.073
16
0.690
1.337
1.746
2.120
2.235
2.583
2.921
3.252
4.015
17
0.689
1.333
1.740
2.110
2.224
2.567
2.898
3.222
3.965
18
0.688
1.330
1.734
2.101
2.214
2.552
2.878
3.197
3.922
19
0.688
1.328
1.729
2.093
2.205
2.539
2.861
3.174
3.883
20
0.687
1.325
1.725
2.086
2.197
2.528
2.845
3.153
3.850
21
0.686
1.323
1.721
2.080
2.189
2.518
2.831
3.135
3.819
22
0.686
1.321
1.717
2.074
2.183
2.508
2.819
3.119
3.792
23
0.685
1.319
1.714
2.069
2.177
2.500
2.807
3.104
3.768
24
0.685
1.318
1.711
2.064
2.172
2.492
2.797
3.091
3.745
25
0.684
1.316
1.708
2.060
2.167
2.485
2.787
3.078
3.725
26
0.684
1.315
1.706
2.056
2.162
2.479
2.779
3.067
3.707
27
0.684
1.314
1.703
2.052
2.158
2.473
2.771
3.057
3.689
28
0.683
1.313
1.701
2.048
2.154
2.467
2.763
3.047
3.674
29
0.683
1.311
1.699
2.045
2.150
2.462
2.756
3.038
3.660
30
0.683
1.310
1.697
2.042
2.147
2.457
2.750
3.030
3.646
31
0.682
1.309
1.696
2.040
2.144
2.453
2.744
3.022
3.633
capt ul o 5
149
0.682
1.309
1.694
2.037
2.141
2.449
2.738
3.015
3.622
33
0.682
1.308
1.692
2.035
2.138
2.445
2.733
3.008
3.611
34
0.682
1.307
1.691
2.032
2.136
2.441
2.728
3.002
3.601
35
0.682
1.306
1.690
2.030
2.133
2.438
2.724
2.996
3.591
36
0.681
1.306
1.688
2.028
2.131
2.434
2.719
2.990
3.582
37
0.681
1.305
1.687
2.026
2.129
2.431
2.715
2.985
3.574
38
0.681
1.304
1.686
2.024
2.127
2.429
2.712
2.980
3.566
39
0.681
1.304
1.685
2.023
2.125
2.426
2.708
2.976
3.558
40
0.681
1.303
1.684
2.021
2.123
2.423
2.704
2.971
3.551
41
0.681
1.303
1.683
2.020
2.121
2.421
2.701
2.967
3.544
42
0.680
1.302
1.682
2.018
2.120
2.418
2.698
2.963
3.538
43
0.680
1.302
1.681
2.017
2.118
2.416
2.695
2.959
3.532
44
0.680
1.301
1.680
2.015
2.116
2.414
2.692
2.956
3.526
45
0.680
1.301
1.679
2.014
2.115
2.412
2.690
2.952
3.520
46
0.680
1.300
1.679
2.013
2.114
2.410
2.687
2.949
3.515
47
0.680
1.300
1.678
2.012
2.112
2.408
2.685
2.946
3.510
48
0.680
1.299
1.677
2.011
2.111
2.407
2.682
2.943
3.505
49
0.680
1.299
1.677
2.010
2.110
2.405
2.680
2.940
3.500
50
0.679
1.299
1.676
2.009
2.109
2.403
2.678
2.937
3.496
60
0.679
1.296
1.671
2.000
2.099
2.390
2.660
2.915
3.460
70
0.678
1.294
1.667
1.994
2.093
2.381
2.648
2.899
3.435
80
0.678
1.292
1.664
1.990
2.088
2.374
2.639
2.887
3.416
90
0.677
1.291
1.662
1.987
2.084
2.368
2.632
2.878
3.402
100
0.677
1.290
1.660
1.984
2.081
2.364
2.626
2.871
3.390
110
0.677
1.289
1.659
1.982
2.078
2.361
2.621
2.865
3.381
120
0.677
1.289
1.658
1.980
2.076
2.358
2.617
2.860
3.373
0.674
1.282
1.645
1.960
2.054
2.326
2.576
2.807
3.290
0,25
0,10
0,05
0,025
0,02
0,01
0,005
0,0025
0,0005
150 capt ul o 5