Propabilidade e EStatística I - Livro Texto PDF

Universidade Federal do Piau
Centro de Educao Aberta a Distncia
Probabilidade e
estatstica i
Juarez Rodrigues Martins

Ministrio da Educao - MEC
Universidade Aberta do Brasil - UAB
Universidade Federal do Piau - UFPI
Centro de Educao Aberta a Distncia - CEAD
Probabilidade e estatstica i
Juarez Rodrigues martins

PRESIDENTE DA REPBLICA Dilma Vana Rousseff Linhares
MINISTRIO DA EDUCAO Jos Henrique Paim
GOVERNADOR DO ESTADO Wilson Nunes Martins
REITOR DA UNIVERSIDADE FEDERAL DO PIAU Jos Arimatia Dantas Lopes
PRESIDENTE DA CAPES Jorge Almeida Guimares
COORDENADOR GERAL DA UNIVERSIDADE ABERTA DO BRASIL Joo Carlos Teatini de S. Clmaco
DIRETOR DO CENTRO DE EDUCAO ABERTA E A DISTNCIA DA UFPI Gildsio Guedes Fernandes
COORDENADORES DE CURSOS
ADMINISTRAO Antonella Maria das Chagas Sousa
ADMINISTRAO PBLICA Fabiana Rodrigues de Almeida Castro
CINCIAS BIOLGICAS Maria da Conceio Prado de Oliveira
FILOSOFIA Zoraida Maria Lopes Feitosa
FSICA Miguel Arcanjo Costa
LETRAS PORTUGUS Jos Vanderlei Carneiro
LETRAS INGLS Lvia Fernanda Nery da Silva
MATEMTICA Joo Bencio de Melo Neto
PEDAGOGIA Vera Lcia Costa Oliveira
QUMICA Davi da Silva
SISTEMAS DE INFORMAO Arlino Henrique Magalhes de Arajo
EQUIPE DE DESENVOLVIMENTO CONSELHO EDITORIAL DA EDUFPI

TCNICO EM ASSUNTOS EDUCACIONAIS Ubirajara Santana Assuno Prof. Dr. Ricardo Alaggio Ribeiro ( Presidente )
EDIO Roberto Denes Quaresma Rgo Des. Tomaz Gomes Campelo
PROJETO GRFICO Samuel Falco Silva Prof. Dr. Jos Renato de Arajo Sousa
DIAGRAMAO Cleonildo F. de Mendona Neto Prof. Dr. Teresinha de Jesus Mesquita Queiroz
REVISO ORTOGRFICA Lgia Carvalho de Figueiredo Prof. Francisca Maria Soares Mendes
REVISO GRFICA Aurenice Pinheiro Tavares Prof. Iracildes Maria de Moura F Lima
Prof. Dr. Joo Renr Ferreira de Carvalho
M386p Martins, Juarez Rodrigues.

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

I. Ttulo.
C.D.D. - 519.2
2013. Universidade Federal do Piau - UFPI. Todos os direitos reservados.
A responsabilidade pelo contedo e imagens desta obra do autor. O contedo desta obra foi licenciado tem-
porria e gratuitamente para utilizao no mbito do Sistema Universidade Aberta do Brasil, atravs da UFPI.
O leitor se compromete a utilizar ocontedo desta obra para aprendizado pessoal, sendo que a reproduo e
distribuio ficaro limitadas ao mbito interno dos cursos.
A citao desta obra em trabalhos acadmicos e/ou profissionais poder ser feita com indicao da fonte. A c-
pia deste obra sem autorizao expressa ou com intuito de lucro constitui crime contra a propriedade intelec-
tual, com sanses previstas no Cdigo Penal.
Este livro destinado aos alunos aprendizes que participam do
Programa de Educao a Distncia da Universidade Aberta do Piau
(UAPI), vinculada ao consrcio formado pela Universidade Federal do
Piau (UFPI), Universidade Estadual do Piau (UESPI) e Instituto Federal
de Educao, Cincia e Tecnologia do Piau IFET, com apoio do Governo
do Estado do Piau, atravs da Secretaria de Educao.
Este material composto de quatro unidades, contendo
subunidades, estruturadas de modo sequencial, que discorrem sobre
a Estatstica Bsica; Fundamentos de Anlise Combinatria; Principais
Conceitos de Probabilidades e seus principais Teoremas e Variveis
Aleatrias.
Na Unidade 1, apresentamos os principais conceitos de Estatstica
e distribuies de frequncias. Exemplificamos o rol, dados brutos,
passos para a construo de uma tabela de distribuio de frequncias,
alm de uma lista de exerccios no final da unidade.
Na Unidade 2, apresentamos as Medidas de posio, tambm
conhecidas como Medidas de tendncia central e as separatrizes. As
principais Medidas de Tendncia Central so: a mdia aritmtica e a
mdia ponderada, a moda e a mediana, como tambm as separatrizes,
como: a mediana, que tambm considerada uma medida separatriz, os
quartis, os decis e os centis.
Na Unidade 3, apresentamos as Medidas de disperso ou
variabilidades; divididas em Disperso absoluta e Disperso relativa. As
principais Medidas de Disperso Absoluta so: Amplitude total, desvio
mdio, a varincia e o desvio padro. As principais Medidas de Disperso
Relativas so: Coeficiente de disperso de Pearson e o Coeficiente de
disperso de Thorndike.
Na Unidade 4, so expostos contedos sobre Anlise Combinatria;
principais conceitos de Probabilidades e seus principais Teoremas, como
tambm Variveis aleatrias.
UNIDADE 1
09 DISTRIBUIO DE FREQUNCIAS
Conceitos Bsicos de Estatstica...................................11
Distribuio de Frequncias.........................................14
UNIDADE 2
33 MEDIDAS DE POSIO
Mdia...........................................................................33
Moda............................................................................48
Mediana.......................................................................53
Quartis decis centis................................................64
UNIDADE 3
47 MEDIDAS DE DISPERSO
Medidas de disperso absoluta...................................79
Medidas de disperso relativa.....................................94
UNIDADE 4
99 FUNDAMENTOS DE ANLISE COMBINATRIA,
PRINCIPAIS CONCEITOS PROBABILSTICOS E
SEUS PRINCIPAIS TEOREMAS E VARIVEL ALEATRIA
Fundamentos de Anlise Combinatria.....................103
Probabilidade.............................................................108
UNIDADE 1
Distribuio de
frequncia
Objetivos:
Identificar os principais conceitos bsicos de estatstica;

Construir tabelas de frequncias e grficos;
Identificar os principais elementos de uma distribuio de frequncia;
Diferenciar a estatstica descritiva da estatstica indutiva;
Identificar as fases do mtodo estatstico.
DISTRIBUIO DE FREQUNCIA
Conceitos Bsicos de Estatstica
Estatstica
No plural, Estatsticas indicam qualquer coleo consistente de

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

dados experimentais.
Estatstica indutiva ou inferencial
aquela que se preocupa com a anlise e interpretao de dados

experimentais.
Distribuio de Frequncia 11
Fases do mtodo estatstico
Definio do problema - saber exatamente o que se pretende

pesquisar, ou seja, definir corretamente o problema.
Planejamento - determinar o procedimento necessrio para
resolver o problema; como por exemplo, levantar informaes sobre o
assunto objeto de estudo. importante a escolha das perguntas em um
questionrio, que devem ser fechadas, na medida do possvel.
Coleta de dados - o levantamento dos dados pode ser feito de
duas maneiras: Censitrio e Amostragem. E pode ser classificado, quanto
ao tempo, em:
Contnua (Ex: inflao, desemprego);

Peridica (Ex: Censo);
Ocasional (Ex: pesquisa de mercado, eleitoral).
Crtica dos dados - objetiva a eliminao de erros capazes de

promover futuros enganos. Faz-se uma reviso critica dos dados,
suprimindo os valores estranhos ao levantamento.
Apresentao dos dados - a organizao dos dados denomina-se
srie estatstica. Sua apresentao pode ocorrer por meio de tabelas e
grficos.
Anlise e interpretao dos dados - consiste em tirar concluses
que auxiliem o pesquisador a resolver seu problema, descrevendo o
fenmeno atravs do clculo de medidas estatsticas, especialmente as
de posio e as de disperso.
Populao ou universo
um conjunto de todos os elementos (pessoas, objetos, etc.) que

possuem pelo menos uma caracterstica em comum, que os relaciona ao
problema que est sendo estudado.
Amostra
So os objetos selecionados da populao, os quais se tiverem a

mesma chance de serem selecionados, teremos uma amostra aleatria.
12 UNIDADE 01
Varivel
uma caracterstica ou dado associado a cada elemento da

populao ou amostra. A Varivel apresenta diferentes valores, e, em
geral, denotada por letras maisculas: X - peso, Y- altura.
Qualitativa - aquela que resulta de uma classificao por tipos
ou atributos, como nos exemplos:
Populao: moradores de uma cidade.
Varivel: cor dos olhos (pretos, castanhos, verdes, etc.).
Populao: estudantes de um Estado.
Varivel: escolaridade (1 Grau completo, 2 Grau completo,
Superior, Ps- Graduao).
Quantitativa - aquela que pode assumir valores numricos, os
quais podem ser obtidos atravs de uma contagem ou mensurao.
Discreta: seus valores so obtidos por um processo de contagem.
Por exemplo, quantidade de aluno por sala, quantidade de falhas por
pea em determinada linha de produo.
Contnua: seus valores so obtidos por um procedimento de
mensurao, podendo assumir quaisquer valores, em um intervalo dos
nmeros reais, como, por exemplo: temperatura, altura, peso, etc.
Tabelas ou sries
Consiste em dispor os dados em linhas e colunas, distribudos

de modo ordenado, segundo algumas regras prticas obedecendo
resoluo n 886/66, de 26 de setembro de 1966, do Conselho Nacional
de Estatstica. De acordo com o fenmeno, local e poca, classificam-se
em:
a) Srie temporal (histrica ou cronolgica): os dados so
observados segundo a poca de sua ocorrncia. Ex: bitos infantis no
Piau de 2001 a 2004.
b) Srie geogrfica (espaciais, territoriais ou de localizao): os
dados so observados, segundo o local onde ocorreram. Ex: bitos no
Piau, segundo microrregies, em 2004.
c) Srie especificada (categrica): os dados so agrupados,
segundo a modalidade (espcie) de ocorrncia.
d) Srie mista ou de dupla entrada: a fuso de duas ou mais
sries simples. Ex: bitos infantis no Piau, segundo microrregies, no
perodo de 2001 a 2004.
Somatrio
Indicado pela letra grega sigma maiscula (), facilita a indicao

e a formulao de medidas, bem como algumas operaes algbricas
desenvolvidas pela Estatstica.
Define-se genericamente:
n
Xi = X1+X2+...+Xn.
i =1
Parmetro
Trata-se de medida numrica que descreve uma caracterstica da

populao.
Estimador
uma medida numrica, que descreve uma caracterstica da

amostra.
Como voc pode Distribuio de Frequncia

organizar os dados de
uma forma mais eficiente Dados brutos ou tabela primitiva
e com maior quantidade
de informaes?
So os dados apresentados desordenadamente, ou seja, da
forma que foram coletados; ou ainda tabela, cujos elementos no foram
numericamente organizados.
Vamos supor que fizemos uma coleta de dados relativos s
14 UNIDADE 01
estaturas de 40 alunos do Curso de Sistema de Informao da UAPI.
Tabela 1.1 - Estatura de 40 Alunos do Curso de Sistema de Informao da UAPI
Fonte: Martins (2009).
a) Rol
uma lista em que os dados esto dispostos em ordem crescente,

ou seja, a tabela obtida aps a ordenao dos dados.
b) Tabela de frequncias
As tabelas de frequncias podem representar tanto valores

individuais como valores agrupados em classes.
Distribuio de frequncia de dados tabulados no agrupados em

classes
Aparecem individualmente, ou seja, uma tabela de frequncias

de valores no agrupados em classes*. Ex: Uma empresa fabricante
de instrumento de preciso est interessada em saber o nmero de
aparelhos defeituosos, rejeitados pela seo encarregada do controle de
qualidade. Os dados, fornecidos por essa seo referem-se ao perodo
de 1971 a 1974.
Tabela 1.3 Empresa X - Nmero Mensal de Aparelhos Defeituosos
Fonte: Toledo (1985)
Abaixo esto os valores da Varivel n mensal de aparelhos

defeituosos, dispostos em uma tabela de distribuio de frequncias.
Tabela 1.4 X Nmero Mensal de Aparelhos Defeituosos
Fonte:Toledo (1985).
n = 48
16 UNIDADE 01
Na primeira coluna est o ndice i, onde aparecem os nmeros
correspondentes ordem dos valores da varivel. Na segunda coluna
est Xi, correspondente aos valores da varivel; e na ltima coluna est
fi, correspondente s frequncias, que so os resultados numricos
provenientes da contagem. A soma das frequncias sempre igual ao
nmero total de valores observados.
k
fi = n.
i =1
Onde, k o extremo superior do intervalo de valores do ndice i,

fi o nmero de observaes de um valor,
para refletir
n o nmero total de valores observados.
verdade que
Distribuio de frequncias de dados agrupados em classes essas frmulas
no nos levam a
uma deciso final;
Primeiramente, iremos estudar os elementos de uma distribuio
esta vai depender,
de frequncias; posteriormente, os passos para a sua construo. So na realidade, de
estes os principais elementos: um julgamento
pessoal, que
deve estar ligado
Frequncia simples absoluta o nmero de observaes
natureza
correspondentes a uma classe. Essa frequncia simbolizada por (fi). dos dados, da
unidade usada
Amplitude total a diferena entre o maior e o menor valor para express-
observado da Varivel em estudo. Essa amplitude indicada los, do objetivo
que se tem em
por (At).
vista, procurando,
Classe cada um dos grupos de valores em que se sempre que
subdivide a amplitude total do conjunto de valores observados possvel, evitar
da varivel. Essa classe indicada por (k). classe com
frequncia nula
ou com frequncia
Para se determinar o n de classes h diversos mtodos. A regra relativa muito
de Sturges um dos mtodos que estabelece o nmero de classes, que exagerada.
igual a:
k = 1 + 3,3. log n
k= o n de classes
n = n total de observaes
Truman L. Kelley, em The Grouping Data for Graphic Portrayal,
sugere os seguintes nmeros de classe, com base no nmero total de
observaes, para efeito de representao grfica:
n 5 10 25 50 100 200 500 1000

k 2 4 6 8 10 12 15 15
K =n, essa ltima tambm muito utilizada.
Limites de classes Os limites de classes so seus valores

extremos. O limite inferior da classe (li) e o limite superior (Li).
Amplitude de um intervalo de classe a medida que define

a classe. Ela obtida pela diferena entre os limites superior e
inferior dessa classe e indicada por (Ac), assim:
Ac = Li li
Usaremos esta notao: liLi (limite inferior incluso ao limite
superior excluso)
Amplitude total da amostra (At) a diferena entre o maior e

o menor valor da amostra.
At = X(mx) X(mn), onde X(mx) o maior valor da amostra e

X(mn) o menor valor da amostra.
Amplitude total da distribuio a diferena entre o limite

superior mximo Li(mx) e o limite inferior mnimo li(mn).
At = Li(Max) li(mn), onde Li(mx) o limite superior mximo da

distribuio e li(mn) o limite inferior mnimo da distribuio.
Ponto mdio de uma classe (xi) o ponto que divide o

intervalo de classe em duas partes iguais.
xi = (Li + li) / 2, onde xi indica o ponto mdio da classe, para dados

agrupados em classes ou o valor da varivel para dados no agrupados
em classes.
Tipos de frequncias
18 UNIDADE 01
- Frequncia simples absoluta (fi) o nmero de repeties de
um valor individual ou de uma classe de valores da varivel. A soma das
frequncias simples absoluta em uma tabela chamada frequncia total
e corresponde ao nmero total de observaes.
- Frequncia simples relativa (fri) aquela que representa a

proporo de observaes de um valor individual ou de uma classe,
com relao ao nmero total de observaes. Para calcular a frequncia
relativa, basta dividir a frequncia absoluta da classe ou do valor individual
pelo nmero total de observaes.
- Frequncia acumulada abaixo de (Fi abaixo) a soma da

frequncia simples absoluta de uma classe ou de um valor individual de
uma varivel com as frequncias simples absolutas das classes ou dos
valores individuais anteriores. Toda vez que se procura saber quantas
observaes existem at uma determinada classe ou valor individual
recorre-se frequncia acumulada abaixo de.
- Frequncia relativa acumulada abaixo de (Fri) aquela que se

obtm dividindo a frequncia acumulada de uma classe ou de um valor
individual de uma varivel pela frequncia total da distribuio.
- Frequncia acumulada acima de (Fi acima) aquela que

representa o nmero de observaes existentes alm do valor de uma
varivel ou de uma classe; e obtm-se somando a frequncia simples
absoluta da classe ou do valor individual de uma varivel s frequncias
simples absolutas das classes ou dos valores individuais posteriores.
- Frequncia relativa acumulada acima de (Fri acima) aquela

que se obtm dividindo a frequncia acumulada acima de de uma
classe ou de um valor individual de uma varivel pela frequncia total da
distribuio.
Passos para a construo de uma distribuio de frequncias

de dados agrupados em classes:
1) Primeiramente, pegam-se os dados brutos e constri-se o rol;

2) Calcula-se a amplitude total das amostras(At);
3) Calcula-se o n de classes, usando uma das regras estudadas
anteriormente; aqui ser usada a Regra de Sturges;
4) Calcula-se a amplitude do intervalo de classe (Ac);
5) Constri-se uma tabela que contenha uma coluna para
i (ordem das classes), e outra para os intervalos, para as frequncias
simples absoluta, para o ponto mdio das classes(xi), para as frequncias
simples relativas(fri), frequncias acumuladas abaixo e acima de e as
frequncias acumuladas relativas abaixo e acima de.
Agora temos uma tabela de frequncias que contm todas as
informaes da varivel em estudo. Vejamos o exemplo referente
Estatura de 40 Alunos do Curso de Sistema de Informao da UAPI
(tabela 1.5).
Clculo da amplitude total da Amostra:

At = Li(mximo) li(mn) = 173 150 = 23 cm
Clculo do n de classes (i) pela Regra de Sturges:
i = 1 + 3,3. logn, como n= 40, temos:
i = 1 + 3,3. log40
i = 1 + 3,3. 1,6020599
i = 1 + 5,2867979
saiba mais i = 6,28679
aproximamos para i 6
Os intervalos de
Clculo da amplitude de classe (Ac)
classe devem ser
escritos, de acordo Ac = 23/6 = 3,8333...
com a Resoluo aproximamos para Ac 4 , isto , 6 classes de intervalos iguais a
886/66 do IBGE, 4.
em termos de
Podemos agora dar a distribuio de frequncias das estaturas
desta quantidade
at menos aquela, dos 40 alunos do Curso de Sistema de Informao da UAPI seguinte
empregando, para representao tabular tcnica:
isso, o smbolo
(incluso de li e Tabela 1.5 - Estaturas de 40 Alunos do Curso de Sistema de Informao da UAPI
excluso de Li).
Ex: no intervalo
154158 um
intervalo fechado
esquerda e aberto
direita, tal que:
154 x < 158.
20 UNIDADE 01
Na 1 classe, contamos no rol, quantos alunos tm estaturas entre

150 incluso e 154 excluso, e o resultado foram 4;
Na 2, entre 154 incluso a 158 excluso, 9;
Na 3, entre 158 incluso e 162 excluso, 11;
Na 6, entre 170 incluso e 174 excluso, 3.
Considerando a tabela 1.5 acima, podemos montar a seguinte

tabela com as frequncias estudadas:

Tabela 1.6 - Estaturas de 40 Alunos do Curso de Sistema de Informao da UAPI.
Para obtermos o ponto mdio de cada classe, pegamos a amplitude
de classe e dividimos por 2, obtemos 2. Somamos 2 a cada limite inferior
de cada classe. Mas para obtermos as frequncias acumuladas abaixo
(Fi), pegamos F1=4; F2=4+9=13; F3=13+11=24; F4=24+8=32;
F5=32+5=37 e F6=37+3=40; e as frequncias acumuladas acima de
(Fi), assim: F1=40; F2=40-4=36; F3=36-9=27; F4=27-11=16; F5=16-
8=8; e F6=8-5=3.
O conhecimento dos vrios tipos de frequncia ajuda-nos a

responder muitas questes com relativa facilidade, como as seguintes:
a) Quantos alunos tm estatura entre 154 cm, inclusive, e 158
cm?
Resposta: 9 alunos; so os valores que formam a segunda classe
(f2=9).
b) Qual a percentagem de alunos cuja estatura inferior a 154

cm?
Esses valores so os que formam a primeira classe (fri=0,100);
obtemos a resposta multiplicando a frequncia relativa por 100:
0,100. 100 = 10.
Logo, a percentagem de alunos 10%.
c) Quantos alunos tm estatura abaixo de 162 cm?

Basta procurarmos a frequncia acumulada abaixo (Fi), referente
3 classe, ou seja, Fi= 24. Portanto, 24 alunos tm estatura abaixo de
162 cm.
d) Quantos alunos tm estatura acima de 158 cm, inclusive?

Basta procurarmos a frequncia acumulada acima (Fi), referente
3 classe, ou seja, Fi=27. Portanto, 27 alunos.
Representao grfica de uma distribuio de frequncia
Uma distribuio de frequncia pode ser representada graficamente

pelo histograma, pelo polgono de frequncia e pelo polgono de
frequncia acumulada.
Construmos qualquer um dos grficos mencionados utilizando
o primeiro quadrante do sistema de eixos coordenados cartesianos
ortogonais. Na linha horizontal (eixo das abscissas) colocamos os valores
22 UNIDADE 01
da varivel e na linha vertical (eixo das ordenadas), as frequncias.
Histograma
O histograma formado por um conjunto de retngulos justapostos,

cujas bases se localizam sobre o eixo horizontal, de tal modo que seus
pontos mdios coincidam com os pontos mdios dos intervalos de classe.
As larguras dos retngulos so iguais s amplitudes dos intervalos
de classe.
As alturas dos retngulos devem ser proporcionais s frequncias saiba mais
das classes, sendo a amplitude dos intervalos igual. Isso nos permite
Veja a construo
tomar as alturas numericamente iguais s frequncias. do histograma com
distribuio da tabela 1.5 (p. 8) corresponde o seguinte Excel, p. 48, do
histograma: livro Estatstica,
usando Excel do
Lapponi.
saiba mais
Polgono de
frequncia*
Importante: um grfico de
anlise no qual
O histograma goza de uma propriedade da qual faremos
as frequncias
considervel uso: a rea de um histograma proporcional soma das das classes so
frequncias. localizadas sobre
No caso de usarmos as frequncias relativas, obtemos um grfico perpendiculares
levantadas nos
de rea unitria.
pontos mdios das
Quando queremos comparar duas distribuies, o ideal faz-lo classes.
pelo histograma de frequncias relativas.
Polgono de frequncia
Para realmente obtermos um polgono (linha fechada), devemos

completar a figura ligando os extremos da linha obtida aos pontos mdios
da classe anterior primeira, e da posterior ltima da distribuio.
A distribuio da tabela 1.5 corresponde ao seguinte polgono de
frequncia*:
Importante:
No caso de termos uma varivel essencialmente positiva, cuja
distribuio se inicia no valor zero, devemos considerar um intervalo
anterior localizado no semieixo negativo. Porm, consideraremos apenas
a parte positiva do segmento que liga o ponto mdio desse intervalo com
a frequncia do intervalo 0... .
Exemplo:
Tabela 1.7 Classes.
Fonte: CRESPO (2002).
24 UNIDADE 01
Polgono de frequncia acumulada
O polgono de frequncia acumulada traado marcando-se

as frequncias acumuladas sobre perpendiculares ao eixo horizontal,
levantadas nos pontos correspondentes aos limites superiores dos
intervalos de classe.
Assim, distribuio da tabela 1.6 (Fi) corresponde o seguinte
polgono de frequncia acumulada:
Nas questes de 01 a 08, assinale a alternativa correta:
1. Populao ou Universo :
a) Conjunto de pessoas.
b) Conjunto de indivduos apresentando uma caracterstica especial.
c) Conjunto de todos os indivduos apresentando uma caracterstica
comum objeto de estudo.
2. Os fenmenos de massa so:
a) Aqueles em que as caractersticas observadas no valem para os
indivduos.
b) Aqueles que no podem ser definidos por uma simples observao.
c) Aqueles que iro compor os fenmenos coletivos.
3. A varivel discreta quando:

a) Dados dois valores reais, podemos encontrar pelo menos um valor
entre eles.
b) A menor diferena no nula entre dois valores dados for finita.
c) Dados dois valores reais, a diferena entre eles zero.
4. As fases principais do mtodo estatstico so:

a) A coleta dos dados, amostragem, apresentao tabular e apresentao
grfica e definio dos problemas.
b) Amostragem, apresentao tabular, apurao dos dados, interpretao
dos dados e planejamento.
c) Definio do problema, planejamento, coleta dos dados, apurao,
apresentao dos dados, anlise e interpretao dos dados.
5. A srie estatstica chamada cronolgica quando:

a) O elemento varivel o tempo.
b) O elemento varivel o local.
c) No tem elemento varivel.
6. A amplitude total :
a) A diferena entre dois valores quaisquer de um conjunto de valores.
b) A diferena entre o maior e o menor valor observado da varivel
dividido por 2.
c) A diferena entre o maior e o menor valor observado da varivel.
7. Para obter o ponto mdio de uma classe:

a) Soma-se ao seu limite superior metade de sua amplitude.
b) Soma-se ao seu limite inferior metade de sua amplitude.
c) Soma-se ao seu limite inferior metade de sua amplitude e divide o
resultado por 2.
8. Frequncia simples absoluta de um valor da varivel :

a) O nmero de repeties desse valor.
26 UNIDADE 01
b) A porcentagem de repeties desse valor.
c) O nmero de observaes acumuladas at esse valor.
9. A tabela abaixo apresenta as vendas dirias de um determinado

aparelho eltrico, durante um ms, por uma firma comercial:
Forme uma distribuio de frequncia sem intervalos de classe.
10. A tabela seguinte representa as alturas (em cm), de 40 alunos de uma

classe.
Fonte: Toledo (1985).
a) Calcular a amplitude total.

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

empresa GLT & Cia.
a) Determinar frequncias absolutas acumuladas (abaixo e acima de);

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

pluviomtrico em determinados municpios do Estado.
a) Determinar o nmero de classes pela regra de Sturges.

b) Construir a tabela de frequncias absolutas simples.
c) Determinar as frequncias acumuladas (abaixo e acima de).
28 UNIDADE 01
d) Determinar as frequncias simples relativas.
e) Determinar as frequncias relativas acumuladas (abaixo e acima de).
13. Considere a seguinte tabela:
Identificar os seguintes elementos da tabela:
a) Frequncia simples absoluta da quinta classe.

b) Frequncia total.
c) Limite inferior da sexta classe.
d) Limite superior da quarta classe.
e) Amplitude do intervalo de classe.
f) Amplitude total.
g) Ponto mdio da terceira classe.
h) Nmero total de classe.
i) Frequncia absoluta acumulada alm da sexta classe.
j) Porcentagem de valores iguais ou maiores que 3,20.
Nesta unidade iremos abordar os principais conceitos bsicos de
Estatstica e um tipo de tabelas que condensa uma coleo e dados,
conforme as frequncias ou repeties de seus valores. Uma das
vantagens das tabelas estatsticas a de condensar, de forma
consistente, as informaes necessrias ao estudo desejado. Isto
porque, frequentemente, o estudo de um determinado fenmeno requer
a coleta de uma grande massa de dados numricos, difcil de ser tratada,
se esses dados no forem organizados e condensados em uma tabela.
Agora, seguiremos os passos para a construo de uma tabela de
distribuio de frequncias.
30 UNIDADE 01
UNIDADE 2
Medidas de
posio
Objetivos:
Identificar as medidas de posio;

Calcular a mdia aritmtica de dados no tabulados e tabulados e interpretar
os resultados;
Calcular a moda, mediana de dados no tabulados e tabulados e interpretar
os resultados;
Identificar as medidas de tendncia central;
Definir e calcular os Quartis, Decis e Centis.
32 UNIDADE 02
Medidas de posio
Mdia
A medida de tendncia central mais comumente usada para

descrever de modo resumido uma distribuio de frequncia a mdia,
ou mais apropriadamente, a mdia aritmtica. H vrios tipos de mdias:
mdia aritmtica, mdia geomtrica, mdia harmnica, mdia quadrtica,
mdia cbica, mdia biquadrtica, porm daremos maior nfase mdia
aritmtica.
saiba mais
Mdia aritmtica A mdia aritmtica*,

ou simplesmente
mdia de um
Smbolo x
conjunto de n
(l-se x trao ou x barra) observaes, x1,
x2, ..., xn definida
A mdia aritmtica* de um conjunto de nmeros pode ser de dois como:
tipos: simples ou ponderada. n
xi
Mdia aritmtica simples
i=1
a1) dados no agrupados
x = _____ (1)
n
A mdia aritmtica simples de um conjunto de nmeros igual onde:
ao quociente entre a soma dos valores do conjunto e o nmero total de xi= valor genrico
da observao
valores.
n= nmero de
Suponhamos que em um escritrio de Consultoria a Empresas observaes
h 5 contnuos que recebem os seguintes salrios mensais: R$ 800,00;
R$ 780,00; R$ 820,00; R$ 810,00 e R$ 790,00. A mdia aritmtica dos
salrios ou o salrio mdio mensal dos contnuos desse escritrio ser
de 800,00 reais, de acordo com a definio.
x = (800+780+820+810+780)/5 = 800
Medidas de Posio 33
A mdia aritmtica simples ser calculada sempre que os valores
no estiverem tabulados, ou seja, quando aparecerem representados
individualmente, como o caso, por exemplo, dos dados brutos. No
exemplo acima, a varivel x representa os salrios dos contnuos.
Consequentemente,
X1 = 800
X2 = 780
X3 = 820 i = 1, 2, 3, 4, 5
X4 = 810 n=5
X5 = 790 5
xi
x1 + x 2 + x 3 + x 4 + x 5 i =1
x = ________________________ = ________
5 5
Mdia aritmtica ponderada
Exemplo: Um professor de Estatstica realiza quatro provas por

semestre em sua matria, atribuindo a cada uma delas os seguintes
pesos: 1, 2, 3, 4. Suponhamos que um dos alunos recebeu as seguintes
notas 8, 7, 9 e 9, nessa ordem, sua nota final foi a mdia aritmtica
ponderada* 8,5, obtida da seguinte maneira:
saiba mais
A mdia Mdia final = [(8x1) + (7x2) + 9x3) + (9x4)] / (1+2+3+4)

considerada = [8 + 14 + 27 + 36] / 10 = 85/10 = 8,5
ponderada* quando
os valores do
No exemplo apresentado, os pesos dos valores da varivel so
conjunto tiverem
pesos diferentes. fixados previamente para efeito de clculo. Tratando-se, todavia, de
Obtm-se atravs distribuies de frequncias, os pesos dos valores da varivel no so
do quociente entre o atribudos arbitrariamente, mas correspondem ao nmero de vezes que
produto dos valores cada valor ocorre.
da varivel pelos
respectivos pesos e
Assim, por exemplo, admitamos que as notas atribudas a vinte
a soma dos pesos. alunos em um teste de Estatstica sejam as seguintes, dispostas em
ordem crescente:
34 UNIDADE 02
A nota obtida mediante a utilizao da frmula abaixo ser:
n
x = (xi ) / n
i=1
x = (4+5+5+5+5+5+6+6+6+6+6+6+7+7+7+7+7+8+8+8)/20
= 124 / 20 = 6,2, logo x = 6,2
Portanto, a mdia aritmtica simples das notas 6,2. Como os

valores da varivel aparecem repetidos, possvel adotar o nmero
de observaes ou frequncia de cada um deles como peso ou fator
de ponderao. Assim, por exemplo, a nota 7 aparece cinco vezes.
indiferente, portanto, para efeito de clculo da mdia somar o nmero 7
cinco vezes ou multiplicar esse valor por cinco.
7+7+7+7+7 = 5 x 7 = 35.
possvel proceder da mesma forma para os demais valores de

varivel, como se observa no desenvolvimento seguinte:
x =(4+5+5+5+5+5+6+6+6+6+6+6+7+7+7+7+7+8+8+8),
1+5+6+5+3
ou
x = ( 4 x 1) + ( 5 x 5) + ( 6 x 6 ) + ( 7 x 5) + ( 8 x 3)
20
O numerador da primeira expresso representa a operao
necessria para o clculo da mdia aritmtica simples, de acordo com a
frmula (1). O denominador o nmero total de observaes.
J o numerador da segunda expresso apresenta o procedimento
para o clculo da mdia ponderada, onde cada valor da varivel
multiplicado pela respectiva frequncia. O nmero 4 apareceu uma vez, o
Medidas de Posio 35
5 e o 7 apareceram cinco vezes, o 6 apareceu seis vezes e o 8 trs vezes.
Ao invs de considerar cada nota do aluno individualmente, como feito
para o clculo da mdia aritmtica simples, toma-se o valor tantas vezes
quantas ele houver ocorrido. O denominador da segunda expresso
calculado pela soma das frequncias de cada valor da varivel, o que
equivale frequncia total, ou nmero total de valores observados.
Retomando-se os clculos:
x = (4 x 1) + ( 5 x 5) + ( 6 x 6 ) + ( 7 x 5) + ( 8 x 3)
1+5+6+5+3
x = ((4+25+36+35+24))/(1+5+6+5+3) = 124/20 = 6,2
Esse resultado o mesmo que o obtido pelo emprego da frmula

(1), porque o princpio dos mtodos o mesmo, diferindo apenas a forma
de clculo.
Genericamente, se os valores x1, x2, ..., xk ocorrerem f1, f2, ..., fk
vezes, respectivamente, a mdia aritmtica do conjunto ser calculado
por:
n
x if i
i=1 xifi xifi
x = ____________ = _______ = ________ (2)
k fi n
fi
i=1
Em que:
Xi = valores da varivel ou pontos mdios de classe
K
= n = nmero total de observaes
i=1
k = nmero de valores individuais diferentes da varivel ou nmero
de classes.
Na tabela 2.1, condensamos os resultados do exemplo acima.
36 UNIDADE 02
Tabela 2.1 - Notas de 20 Alunos de Estatstica (fictcias)
Normalmente, para o clculo da mdia aritmtica ponderada,

recorre-se a uma tabela desse tipo, o que possibilita maior rapidez de
operao e organizao dos valores.
Quando os valores esto agrupados em classes, a tabela requer
mais uma coluna necessria para dispor os pontos mdios de classes,
que veremos a seguir.
b1) Dados agrupados em classes
Neste caso, convencionamos que todos os valores includos em

um determinado intervalo de classe coincidem com o seu ponto mdio,
e determinamos a mdia aritmtica ponderada por meio da frmula (2).
xifi
x = --------------- (3)
n
Onde xi o ponto mdio da classe.
Consideremos os dados da tabela 1.5 referentes estatura de 40

alunos do Curso Sistemas de Informao da UAP:
Medidas de Posio 37
Pela mesma razo do caso anterior, vamos, inicialmente, abrir

uma coluna para os pontos mdios (xi) e outra para os produtos xifi:
Tabela 2.3 - Estatura de 40 Alunos do Curso de Sistema de Informao da UAPI.
38 UNIDADE 02
Como, neste caso:
o xi.fi = 6440 e o fi = n = 40 e x = __xi.fi ____

n
temos:
x = 6440 = 161 cm.
40
Isto quer dizer que, a estatura mdia dos alunos do Curso de

Sistema de Informao da UAPI de 161 cm.
Propriedades da mdia
P1) A soma algbrica dos desvios de um conjunto de nmeros

tomados em relao mdia aritmtica zero. Simbolicamente:
di = (xi - x ) = 0 (4)
n
di .fi = (xi - x ) .fi = 0 (5)
i=1
Em que,
di = xi -- x
e i = {1,2,3,..., n} e xi o valor da varivel para dados brutos e o
ponto mdio das classes para dados tabulados.
Medidas de Posio 39
A comprovao dessa propriedade simples:
Para dados brutos:
n n n n
di = ( xi - x ) = xi - x
i=1 i=1 i=1 i=1
Como x uma constante, para um dado conjunto de valores,

ento:
n
x = n x
i=1
mas
n n
xi xi
i=1 i=1 n
x =___________ n __________
e, assim, nx = = xi
n n
i=1
Ento,
n n n n n
di = xi - x = xi - xi = 0
i=1 i=1 i=1 i=1 i=1
Exemplo 1:
Consideremos os salrios recebidos pelos cinco contnuos.

X = {780, 790, 800, 810, 820}
A mdia dos salrios x = 800, e a soma dos desvios ser zero,

como na tabela seguinte:
Tabela 2.4
40 UNIDADE 02
5
Logo, o di = 0.
i=1
Exemplo 2:
Com os dados da tabela 2.1, comprovar a primeira propriedade

da mdia.
FFonte: Toledo (1985)
A mdia aritmtica das notas x = 6,2, conforme visto anteriormente.

A tabela 2.5 permite operar mais rapidamente.
Medidas de Posio 41
Tabela 2.5
P2) Segunda Propriedade
A soma dos quadrados dos desvios tomados em relao mdia

aritmtica um mnimo.
Para dados brutos

n n
(xi - x ) < (xi x0) (6)
i=1 i=1
Para dados tabulados

k k
(xi - x ). fi < (xi x0). fi (7)
i=1 i=1
Em que x0 um valor arbitrrio qualquer, muitas vezes chamado

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

(6).
42 UNIDADE 02
Devemos ter:
S1 = (xi - x ) = (xi + x - 2xix ) = xi +nx - 2xi x =
= xi + n x - 2 (xi) ((xi)/n) n/n =
= xi + n x - 2n x = xi - n x
S2 = (xi x0) = (xi + x0 - 2 xix0) =

= xi + n x0 - 2x0xi =
= xi + nx0 -2x0nx
Mas
S2 S1 = (xi + nx0 - 2nx0x ) (xi - n x ) =
= n(x0 - 2x0x + x ) = n (x0 - x )
Como n > 0 e (x0 - x ) > 0 implica que n(x0 - x ) > 0.
Assim sendo, a diferena
S2 S1 = n(x0 - x ) sempre positiva, para x0 x, ou seja,

S2 S1 > 0
Da, tiramos:
S1 < S2 ou (xi - x ) < (xi x0)
Exemplo:
Considere o conjunto de nmeros X = {3, 5, 7, 9, 10}. A mdia

aritmtica do conjunto :
5
xi
i=1
x = _____________ = (3+5+7+9+10)/5 = 34/5 = 6,8
5
Medidas de Posio 43
Considere agora os seguintes valores arbitrrios para x0 = 7 e
5. Os clculos das somas dos quadrados dos desvios sero feitos com
recurso da tabela auxiliar 2.6.
Tabela 2.6
Como pode ser observado,

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

32,8 < 33 < 45
Para x = 6,8.
P3) Terceira propriedade
Mdia aritmtica ponderada de todas as mdias. Se n1 nmeros

tem mdia x 1, n2 nmeros tem mdia x 2, ..., nk nmeros tem mdia x k, a
mdia do conjunto formado por todos os nmeros dada pela expresso:
x 1n1 + x 2n2 + ... + x knk

x = ___________________
N1 + n2 + ... +nk
44 UNIDADE 02
5
xi fi
i=1
x = _____________ (08)
k
ni
i=1
A comprovao dessa propriedade imediata, por isso no a

demonstraremos.
Exemplo:
Considere os seguintes conjuntos de nmeros:

X1 = {10, 40, 70, 80}
X2 = {5, 15, 20, 30, 40}
X3 = {1, 2, 3, 10, 12, 20}
Devemos ter:
(10+40+70+80) 200
x 1 =_____________ =_______= 50
4 4
(5+15+20+30+40) 110
x 2 =________________ =_______= 22
5 5
(1+ 2+3+10+12+20) 48
x 3 =________________ =_______= 8
6 6
i = 1, 2, 3.
3
xi ni
i=1 ((50x4)+ (22x5)+8x6))
x = ________ = _____________________=
3 (4+ 5 + 6)
(200+110+48 )
_______________=
15
Medidas de Posio 45
ni
i=1
= ___
358 = 23,87
15
Supondo agora que as trs sries de nmeros constituem uma

nica srie, teramos ordenados os valores:
1, 2, 3, 5, 10, 10, 12, 15, 20, 20, 30, 40, 40, 70, 80
Da calculamos:
(1+2+3+5+10+10+12+15+20+20+30+40+40+70+80)
x = _____________________________________________=
15
358
= _____ = 23,87
15
P4) Quarta propriedade
Somando-se (ou subtraindo-se) um valor constante e arbitrrio a

cada um dos elementos de um conjunto de nmeros, a mdia aritmtica
fica somada (ou subtrada) por essa constante.
Seja X = {x1, x2, ... , xn} e seja x0 uma constante escolhida

arbitrariamente.
Faamos Y = X X0
Assim sendo,
n
xi
i=1
x = ______________
n
n n n n
yi (xi x0) xi x0
i=1 i=1 i=1 i=1
y = _________ = ____________ =______ - ______
n n n n
46 UNIDADE 02
nx0
= x - ____ = x - x0 , logo
n
y = x x0 (09)
Como pode ser observado, x , a mdia de x, ficou subtrada pela

constante. Da mesma forma, poderia ser demonstrada que para:
Y = x + x0 teramos:
y = x + x0 (10)
P5) Quinta propriedade
Multiplicando-se (ou dividindo-se) cada elemento de um conjunto

de nmeros por um valor constante e arbitrrio, a mdia fica multiplicada
(ou dividida) por essa constante.
Sejam, X = {x1, x2, ... , xn} e c uma constante arbitrria. Faamos
Y = c X.
Devemos ter:
n n n
yi cxi xi
i=1 i=1 i=1
y = ______ = ______ = c _______ = cx
n n n
y = c x (11)
X
De igual modo poderia ser demonstrado que, para y =___, teramos
c
x
y = ___ (12)
c
Exemplo:
Comprovar a quinta propriedade, com os dados da tabela 2.7,
fazendo c = 5 e Y = X/5. A comprovao feita com o auxlio da tabela
2.7.
Medidas de Posio 47
Tabela 2.7
5
xi.fi
i=1 1575
x = _______ = _____ = 35
45 45
De acordo com a quinta propriedade, devemos ter:

x 35
y =___=___ =7
c 5
A mdia dos valores da varivel transformada Y , segundo a

saiba mais definio:
A moda* (Mo) k
o valor em um
yi.fi
conjunto de dados
que ocorre com a i=1 315
y = ___________ = ____ = 7, onde 7 igual mdia aritmtica
maior frequncia. 45
dos valores de x0 dividida pela constante arbitrria 5.
48 UNIDADE 02
Moda
Smbolo: Mo ou X
A moda* outra medida de tendncia central, mas h outras

denominaes para design-la: norma, valor dominante, valor tpico.
Quando afirmamos que o salrio modal de uma empresa igual a dois mil
reais, queremos dizer que esse o salrio percebido pelo maior nmero
de pessoas dessa empresa.
Determinao da moda de valores no tabulados
Considerando um conjunto ordenado de valores, a moda ser o valor

predominante, o valor mais frequente desse conjunto. Evidentemente,
um conjunto de valores pode no apresentar moda, sendo denominado
conjunto amodal, caso em que todos os valores da varivel em estudo
correm com a mesma frequncia. Por outro lado, podemos ter conjuntos
plurimodais, quando houver mais de um valor predominante.
Exemplo:
Calcular a moda dos seguintes conjuntos de valores:
X = {4, 5, 5, 6, 6, 6, 7, 7, 8, 8}
Y = {4, 4, 5, 5, 6, 6}
Z = {1, 2, 2, 2, 3, 3, 4, 5, 5, 5, 6, 6}
W = {1, 2, 3, 4, 5}
A moda de cada um dos conjuntos ser:
Moda de X: Mo = 6, o valor 6 o mais frequente.
Moda de Y: Esse conjunto amodal, pois seus trs valores

apareceram duas vezes cada um. No h, portanto, predominncia de
nenhum valor do conjunto sobre os outros.
Moda de Z: Mo1 = 2 e Mo2 = 5. Trata-se de um conjunto bimodal,

uma vez que tanto o valor 3 como o 5 apresentaram o maior nmero de
observaes.
Moda de W: Esse outro conjunto amodal.
Medidas de Posio 49
Determinao da moda para valores tabulados
a) Dados no agrupados em classes:
Os valores da varivel dispostos em uma tabela de frequncias

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

mensalmente pelo Controle de Qualidade.
b) Dados agrupados em classes:
Tratando-se de uma tabela de frequncias com valores tabulados

e agrupados em classes, o procedimento no imediato, sendo
disponveis alguns mtodos de clculo distintos. Qualquer que seja o
50 UNIDADE 02
mtodo adotado, o primeiro passo para determinar a moda localizar
a classe que apresenta a maior frequncia, comumente chamada de
classe modal.
Moda Bruta
O mtodo mais rudimentar de clculo da moda em tabelas de

frequncias com valores agrupados em classes consiste em tomar o
ponto mdio da classe modal. Esse valor recebe o nome de moda bruta.
Examinando os dados da tabela 4.7, por exemplo, podemos dizer que a
terceira classe a classe modal e a moda bruta ser seu ponto mdio:
Mo = 35.
Os dois mtodos que apresentaremos a seguir so mais elaborados

e baseiam-se no apenas na frequncia da classe modal, mas tambm
nas frequncias das classes adjacentes.
Mtodo de King
O mtodo de King, para o clculo da moda elaborada, baseia-

se na influncia das frequncias das classes adjacentes sobre a classe
modal. Considerando essas frequncias, admite-se que a moda se
desloca dentro do intervalo de classe para um determinado ponto (valor),
de tal sorte que as distncias desse ponto aos limites de classe sejam
inversamente proporcionais s frequncias das respectivas classes
adjacentes. Ento, quanto maior for frequncia da classe adjacente,
menor ser a distncia do ponto a essa classe. Isto se comprova com a
frmula seguinte:
fpost
Mo = li* + A*. _______ (13)
fant + fpos
Onde,
li* = limite inferior da classe modal
A* = amplitude da classe modal
fant = frequncias simples inferior classe modal
fpos = frequncia simples superior classe modal
Medidas de Posio 51
Exemplo:
Calcular pelo mtodo de King, a moda dos valores constantes da
tabela abaixo:
Tabela 2.9
Soluo:
A classe modal a terceira: 3040, pois apresenta a maior
frequncia 8. A moda, segundo a frmula de King, ser:
fpost 5 50
Mo = li* + ________ = 30 + ____ . 10 = 30 + ___ = 30 + 5,556
fant + fpost (4+5) 9
= 35,56
Mo =35,56
A moda bruta desses valores ligeiramente menor: Mobruta = 35.
Mtodo de Czuber
O mtodo de Czuber, para o clculo da moda elaborada, leva

em considerao no apenas as frequncias das classes adjacentes,
mas tambm a frequncia da classe modal. O ponto que corresponde
moda divide o intervalo da classe modal em duas partes, as quais
so proporcionais s diferenas entre a frequncia da classe modal e as
das respectivas classes adjacentes. Isto se comprova com a seguinte
52 UNIDADE 02
frmula:
d1
Mo = li* + _______ (14)
d1 + d2
Onde,
Mo = moda
d1 = f * - fant e f * = frequncia simples da classe modal.
d2 = f * - fpost
Exemplo:
Determinar a moda, pelo mtodo de Czuber, usando os dados do
da tabela 2.9.
De acordo com a frmula 14,
li* = 30
A* = Li* - li* = 40 30 = 10
d1 = f* - fant = 8 4 = 4
d2 = f* - fpos = 8 5 = 3
d1
Mo = li* + A* . ______ =
d1 + d 2
4
= 30 + 10 . _____ = 30 + 5,7 = 35,7
4+3
Mo = 35,7
SAIBA MAIS
Mediana A mediana* (Md) o
valor que divide uma
Smbolo: Md ou X . srie ordenada de
tal forma no conjunto
que o separa em
A mediana* a terceira medida de tendncia central, ela
dois subconjuntos
considerada uma separatriz, por ser um promdio que divide a distribuio de mesmo nmero
ou conjunto de dados em partes iguais. Trata-se de uma medida muito de elementos, ou
utilizada na anlise de dados estatsticos, especialmente quando se seja, 50% dos dados
so superiores
atribui pouca importncia aos valores extremos da varivel.
mediana e 50% so
inferiores.
Medidas de Posio 53
Elemento mediano
Por ser uma separatriz, isto , em virtude de a mediana se

constituir em um valor que separa a distribuio em partes de tal sorte
que uma frao (0,5 ou 1/2) de valores lhe seja inferior e os restantes
superiores, podemos concluir que essa medida apresenta um nmero
de ordem. Assim que, ordenando os valores da srie, a mediana um
valor que ocupa uma determinada ordem ou posio na srie ordenada.
O nmero que indica a ordem em que se encontra o valor correspondente
mediana denominado elemento mediano, cujo smbolo Emd.
Determinao da mediana de valores no tabulados
A determinao da mediana de valores no tabulados processa-

se a partir de um rol ou lista ordenada dos dados. Podem ocorrer duas
hipteses com relao ao nmero de observaes n: que ele seja mpar
ou par. Veremos os dois casos.
O nmero de observaes impar
O procedimento para o clculo da mediana, quando a lista de

valores contiver um nmero mpar de observaes, requer, em primeiro
lugar, que se determine a ordem em que se encontra a mediana na srie.
Deve-se, ento, encontrar o valor do elemento mediano, o que feito da
seguinte forma:
n+1
Emd = ____ (15)
2
O passo seguinte ser localizar a mediana na lista de valores, de

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

Neste exemplo, os valores da srie j se encontram ordenados.
54 UNIDADE 02
Em seguida, determinaremos o valor do elemento mediano,
utilizando a frmula (14), uma vez que o nmero de observaes mpar
(n = 7).
n+1 ____=
Emd = ____= 7+1 4 (quarto elemento na srie)
2 2
Ressalte-se o fato de que o valor 4 um nmero ordinal. Assim,

Emd = 4 indica que a mediana o valor que se encontra na quarta posio
da lista ordenada de valores, o quarto nmero na srie.
Finalmente, procuraremos no conjunto qual o valor que se

encontra no quarto lugar da lista. Esse nmero corresponde mediana
do conjunto.
No exemplo:
Md = 12
Observe que existem trs valores menores do que doze (2, 3 e 6)

e trs valores maiores (15, 23 e 30), o que corresponde a cinqenta por
cento (ou metade) de itens maiores e menores do que a mediana.
O nmero de observaes par
O procedimento para calcular a mediana de um nmero par de

observaes ligeiramente diferente do adotado para o caso em que
n mpar. O elemento mediano ser determinado, agora, atravs da
seguinte expresso:
Emd = n/2 (16)
Exemplo:
Calcular a mediana do conjunto:
X = {3, 6, 9, 12, 14, 15, 17, 20}.
Soluo:
Como vemos n = 8.
O elemento mediano ser, de acordo com a frmula (15),
Medidas de Posio 55
n __
Emd = __= 8 =4
2 2
Seguindo a mesma linha de raciocnio do exemplo anterior,

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

maiores (14, 15, 17 e 20) e menores (3, 6, 9 e 12) do que a mediana.
Determinao da mediana de valores tabulados no agrupados em

classes
Quando os valores da varivel estiverem j tabulados, o

procedimento a ser adotado ser praticamente idntico ao anterior.
Em primeiro lugar, deve-se verificar se o nmero de observaes

mpar ou par, e conforme o caso, aplicar as frmulas (14) e (15) para o
clculo do elemento mediano.
Em seguida, acrescentamos uma coluna tabela de frequncia

original, onde sero determinadas as frequncias acumuladas.
Comparando o resultado obtido no clculo do elemento mediano com os
valores constantes dessa coluna, determinaremos a mediana.
56 UNIDADE 02
Exemplo:
Calcular a mediana dos valores apresentados nas tabelas 2.10 e

2.11.
Tabela 2.10
Tabela 2.11
Medidas de Posio 57
Soluo:
O nmero de observaes da varivel, conforme a tabela 2.10,

n=50. Assim sendo, fazemos:
Emd n
_= 50
__= 25
2 2
A mediana dever ser o vigsimo quinto elemento, se levarmos

em considerao os valores do conjunto ordenados, ou seja:
{2, 2, 2, 2, 2, 3, 3, 3, ..., 7, 7, 7}
O passo seguinte era o clculo das frequncias acumuladas, o

que ser feito com o recurso da tabela auxiliar 2.12.
Tabela 2.12
Examinando a coluna das frequncias acumuladas, verificaremos

at o valor dois, inclusive, existem cinco observaes, o que significa
dizer que o quinto elemento da lista igual a dois. Portanto, a mediana
no pode ser dois, uma vez que ela equivale ao vigsimo quinto valor,
e at dois temos apenas cinco observaes. Assim, iremos percorrendo
a coluna at encontrar um valor (frequncia acumulada) igual ou maior
que o elemento mediano. A frequncia acumulada seguinte quinze, que
58 UNIDADE 02
por ser inferior a vinte e cinco, indica que trs no a mediana. J a
frequncia acumulada at o valor quatro da varivel superior a vinte e
cinco. Portanto, a mediana desse conjunto :
Md = 4
Observao: Em virtude de o nmero de observaes serem par,

teremos dois valores centrais, que no caso so iguais. Assim,
4+4 = 4
Md = ___
2
O conjunto de observaes, neste caso, mpar:

n = 35.
O elemento mediano ser:
Emd = (n+1)/2 (35+1)/2 = 18
A mediana ser o dcimo oitavo valor da lista. A tabela 2.13 mostra

que at o cinco, inclusive, temos dezoito observaes. Consequentemente,
Md = 5
Tabela 2.13
SAIBA MAIS
OBS:
Quando n/2 coincidir
com a frequncia
acumulada, neste
caso, a mediana ser
a mdia aritmtica do
valor correspondente
a tal frequncia
acumulada e o
seguinte.
Medidas de Posio 59
Neste caso, basta calcular 35/2 = 17,5
A mediana ser o valor correspondente frequncia acumulada
imediatamente superior a 17,5. Nesse caso 18,
Logo, a mediana ser:
Md = 5
Exemplo:
Calcular a mediana dos valores constantes da tabela 2.14.
Tabela 2.14
Soluo:
Temos n = 36 como n par, ento 36/2 = 18.
Observe que coincide com a frequncia acumulada, logo a mediana

ser calculada pela mdia aritmtica do elemento correspondente a 18
que o 5, e o seguinte 6, logo a mediana ser:
5+6 = 5,5
Md = ___
2
Determinao da mediana de valores tabulados agrupados em

classes. Quando os valores da varivel estiverem agrupados em classes,
o clculo da mediana ser realizado por interpolao. Tratando-se de
60 UNIDADE 02
dados agrupados, admite-se que os valores da varivel na distribuio
de frequncias se distribuam continuamente. A mediana ser, neste
caso, o valor da varivel, para o qual metade ou cinquenta por cento da
frequncia total ( N/2 ) ficam situados abaixo e a outra metade acima dele.
Geometricamente, isso significa dizer que a mediana o valor de x (eixo
das abscissas) que corresponde perpendicular que divide o histograma
em duas partes que apresentam reas iguais. Vejamos alguns mtodos
para o clculo da mediana, quando os valores estiverem agrupados em
classes:
Primeiro mtodo: resoluo por frmula
Neste caso, o problema consiste em determinar o ponto do

intervalo em que est compreendida a mediana.
Para tanto, temos inicialmente que determinar a classe na qual

se acha a mediana classe mediana. Tal classe ser, evidentemente,
aquela correspondente frequncia acumulada imediatamente superior
fi
a ___.
2
Feito isto, um problema de interpolao resolve a questo,

admitindo-se, agora, que os valores se distribuem uniformemente em
todo o intervalo de classe. Assim, considerando a distribuio da tabela
2.15, acrescida das frequncias acumuladas:
Tabela 2.15
Medidas de Posio 61
Temos:
fi 40
____ = ___ = 20
2 2
Tendo em vista que h 24 valores includos nas trs primeiras

classes da distribuio, e como pretendemos determinar o valor que
ocupa o 20 lugar, a partir do inicio da srie, vemos que este deve estar
localizado na terceira classe (i=3), supondo que as frequncias dessas
classes estejam uniformemente distribudas.
Como h 11 elementos nessa classe e o intervalo de classe

igual a 4, devemos tomar, a partir do limite inferior, a distncia:
20-13 x 4 = __
_____ 7 x4
11 11
E a mediana ser dada por:

Md = 158 +___7 x 4 = 158 +___
28 = 158 + 2,54
11 11
= 160,54
Logo:
Md = 160,5 cm
Na prtica, executamos os seguintes passos:
1) Determinamos as frequncias acumuladas.

fi .
2) Calculamos ___
2
3) Marcamos a classe correspondente frequncia acumulada

f
imediatamente superior ___i classe mediana e, em seguida,
2
empregamos a frmula:
62 UNIDADE 02
fi
Md = li * + [ ___ - Fi(ant)] (15)
2
_____________ . A*
f*
na qual:
li * o limite inferior da classe mediana;
Fi a frequncia acumulada da classe anterior classe mediana;
f* a frequncia simples da classe mediana;
A* a amplitude do intervalo da classe mediana.
Tomando como exemplo a distribuio anterior, temos:

f 40
___i = ___= 20
2 2
Logo, a classe mediana a de ordem 3. Ento:

20-13.4 = 158 + ___
Md = 158 + _______ 28 = 158 + 2,54 =
11 11
= 160,54,
Isto :
Md = 160,5 cm.
Segundo mtodo: por interpolao
Admite-se que as alturas se distribuem continuamente e a altura

mediana o valor tal que metade dos 40 valores lhe seja inferior e
metade superior. Para obter a mediana, devemos localizar o vigsimo
elemento, j que Emd = 20. Percorrendo a tabela 4.14 na coluna de
frequncias acumuladas, verificamos que o vigsimo elemento encontra-
se na terceira classe: 158162. Como at a segunda classe, inclusive,
acumulamos 13 observaes, precisamos de mais 7 para completar as
20 necessrias. Assim sendo, se tomarmos todo o intervalo da terceira
classe, estaremos considerando todas as observaes dessa classe
(26). Entretanto, interessam-nos apenas 7 observaes para atingir o
ponto que corresponde mediana. Para saber qual a parcela do intervalo
Medidas de Posio 63
da classe mediana (c = 4) deve levar em considerao a seguinte regra
de trs simples:
{ 117_____________X
________4 4x7 = ___
implica que x = ___
11
28 = 2,54
11
Acrescentando-se esse valor ao limite inferior da classe mediana,

chegaremos a:
Md = 158 + 2,54 = 160,54 = 160,5 cm
Valor igual conseguido com o uso da frmula (15). Na realidade,

esse ltimo apenas o resultado de interpolao. Assim, de acordo com
o que vimos acima,
4x7 28
x = ____= 4 ___, onde
11 11
4 = A*
7 = 20 13
11 = fi* (frequncia simples da classe mediana)
SAIBA MAIS Substituindo os nmeros pelos smbolos que os representam,
Quartis* divide a temos:
distribuio em Emd Fi(ant)
quatro partes iguais X = A* __________ ,
quanto ao nmero fi*
de elementos de
cada parte. que somado ao limite inferior da classe mediana (li*), reproduz a
Decis* divide a frmula (15).
distribuio em dez
f
partes iguais quanto [ ___i - Fi(ant)]
ao nmero de 2
Md = li* + A* ___________
elementos de cada
fi*
parte.
Percentis* divide a
distribuio em cem
partes iguais quanto Quartis Decis Percentis (ou Centis)
ao nmero de
elementos de cada H uma srie de medidas de posio semelhantes na sua
parte. concepo mediana, embora no sejam medidas de tendncia central.
Como se sabe, a mediana divide a distribuio em duas partes iguais,
quanto ao nmero de elementos de cada parte. So elas: os quartis*, os
decis* e os centis*.
64 UNIDADE 02
Para simbolizar cada uma dessas medidas separatrizes, faremos:
Qi = quartis i = 1, 2, 3
Di = decis i = 1, 2 , 3, ... , 9
Ci = centis i = 1, 2, 3, ... , 99
Assim, para dividir uma srie ordenada de valores em quatro

partes iguais, precisaremos de trs separatrizes (quartis); para dividi-la
em dez, iremos recorrer a nove separatrizes (decis); em cem, recorremos
a noventa e nove separatrizes (centis). O grfico a seguir ilustra melhor
o que acabamos de dizer em relao aos quartis e decis:
A |_______|_______|______|_______| B
Q1 Q2 Q3
A |______________|_______________| B
D5
Q2 = D5 = Md
Quartis
Primeiro Quartil
Smbolo: Q1
Definio: Dado um conjunto ordenado (ordem crescente) de

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

observaes.
Medidas de Posio 65
Segundo Quartil
Smbolo: Q2 ou Md
Definio: Dado um conjunto ordenado de valores, o segundo
quartil ou mediana o valor que divide em duas partes iguais quanto
ao nmero de elementos, isto , cinquenta por cento ou dois quartos
dos valores do conjunto so menores, e os dois quartos restantes so
maiores do que ele. O elemento mediano calculado, conforme veremos,
atravs da seguinte expresso:
2n = n
Emd = EQ2 = ___ ___
4 2
Terceiro Quartil
Smbolo: Q3
Definio: Dado um conjunto ordenado (ordem crescente) de

valores, o terceiro quartil o valor que divide o conjunto em duas partes
tais que setenta e cinco por cento ou trs quartos dos valores sejam
menores e vinte e cinco por cento ou um quarto sejam maiores do que
ele. O elemento que indica a ordem em que n encontra o terceiro quartil
calculado, para dados tabulados, conforme segue:
3n
EQ3 = ___,
4
Onde n o nmero de valores observados.
Genericamente, para determinar a ordem ou posio do quartil a

ser calculado, usaremos a seguinte expresso:
in
EQi = ___ (16)
4
Onde:
i= nmero do quartil a ser calculado
n = nmero de observaes.
Decis
Smbolo: Di i = 1, 2, 3, ..., 9
66 UNIDADE 02
A definio dos decis obedece ao mesmo princpio da definio
dos quartis, com a modificao da porcentagem de valores que ficam
aqum e alm do decil que se pretende calcular. Assim, por exemplo:
Primeiro Decil: D1
O primeiro decil de um conjunto ordenado (ordem crescente) de

valores o valor que divide um conjunto em duas partes tais que dez
por cento ou um dcimo dos valores sejam menores e nove dcimos ou
noventa por cento sejam maiores do que ele. O elemento que indica a
posio do primeiro decil calculado pela expresso:
n
ED1 = ___
10
Segundo decil: D2
Trata-se do valor que divide o conjunto em duas partes, tais que

vinte por cento ou dois dcimos dos valores sejam menores e oitenta por
cento ou oito dcimos dos valores sejam maiores; para saber a ordem do
segundo decil, usamos a expresso:
2n
ED2 = ____
10
De especial interesse o quinto decil, que divide o conjunto em

duas partes, tais que cinco dcimos ou cinquenta por cento dos valores
sejam menores do que cinco dcimos ou cinquenta por cento dos valores
restantes maiores do que ele. Assim sendo, o quinto decil igual ao
segundo quartil que, por sua vez, igual mediana. O elemento que
indica a ordem do quinto decil igual ao elemento mediano, ou seja:
5n = __
ED5 = ___ n = ___
2n
10 2 4
Podemos, ento, afirmar que:
Md = D5 = Q2
De modo geral, para calcular os decis, recorremos seguinte

expresso que define a ordem em que o decil se encontra:
Medidas de Posio 67
in
EDi = ___ (17)
10
Onde:
n = nmero de valores observados

i = nmero que identifica o decil a ser calculado
2.4.3 Percentis ou centis
Smbolo: Ci i = 1, 2, 3, ... , 99
Neste caso, cada parte em que foram subdivididos os valores do

conjunto, atravs dos noventa e nove centis, contar com um centsimo
ou um por cento dos valores do conjunto.
O elemento que definir a ordem do centil, em uma distribuio de

frequncias de valores tabulados agrupados em classes, ser encontrado
pelo emprego da expresso:
in
ECi = ____ (18)
100
Onde:
i = nmero identificador do centil
n = nmero total de observaes
oportuno lembrar que os centis englobam todos os decis e

quartis.
Assim, por exemplo:
Dcimo centil: C10
O dcimo centil dividir o conjunto ordenado (ordem crescente)

de valores em duas partes, tais que dez por cento ou dez centsimos
dos valores do conjunto sejam menores e noventa por cento ou noventa
centsimos sejam maiores do que ele. Teremos, ento:
10n = ___
EC10 = ____ n = 0,1n ou
100 10
68 UNIDADE 02
1n = ___
ED1 = ___ n = 0,1n
10 10
Vigsimo Centil: C20
O vigsimo centil igual ao segundo decil, porque

20n = 0,2n = ED2 = ___
EC20 = ____ 2n = 0,2n
100 10
O vigsimo quinto centil igual ao primeiro quartil, porque

25n =n__= 0,25n
EC25 = ____
100 4
, logo EC25 = EQ1
1n = 0,25n
EQ1 = ___
4
A frmula do clculo dos centis ser:
in - Fi(ant)]
[ ___
100
Ci = li* + A* ____________
(19)
fi*
Exemplo:
Utilizando os dados da tabela 2.15, calcular as seguintes medidas:
Trigsimo Centil: C30
Quinquagsimo Centil: C50
Septuagsimo quinto Centil: C75
Dcimo Quinto Centil: C15
Tabela 2.16
Medidas de Posio 69
Soluo:
Trigsimo Centil: C30

Inicialmente, calcularemos EC30, ou seja, o elemento que define a
ordem ou posio do trigsimo centil:
in = 30.40
EC30 = ____ _____ = 12
100 100
Agora, basta procurar a frequncia acumulada imediatamente

superior a 12 que igual a 13; logo, a classe do trigsimo centil a
segunda: 154158, aplicando a frmula (19), obtemos:
[ECi - Fi(ant)] 12-4

Ci = li* + A* ___________ = 154 + 4 _____ =
fi* 9
32 = 154 + 3,55 = 157,55 = 157,6

= 154 + ___
9
C30 = 157,6 cm
Interpretao: o valor 157,6 refere-se estatura dos alunos em

cm. Como esse valor corresponde ao trigsimo centil, podemos afirmar
que trinta por cento dos quarenta alunos tm estatura at 157,6 cm,
enquanto que setenta por cento tm mais de 157,6 cm de altura.
Quinquagsimo Centil: C50
Inicialmente calcularemos o Ec50, ou seja, o elemento que define a

ordem ou posio do quinquagsimo centil:
70 UNIDADE 02
in = _____
Ec50 = ___ 50.40 = 20
100 100
Agora basta procurar a frequncia acumulada imediatamente

superior a 20, que igual a 24; logo, a classe do quinquagsimo centil
a terceira: 158162, aplicando a frmula (19), obtemos:
20-13 = 158 + ___
C50 = 158 + 4. ______ 28 = 158 + 2,54 =
11 11
= 160,54 = 160,5 = Md
C50 = 160,5 cm
Interpretao: Neste caso, metade ou cinquenta por cento dos

alunos tem estatura at 160,5 cm e os outros cinquenta por cento ou
metade tem estatura superior a 160,5 cm.
Septuagsimo Quinto centil: C75
Segue o mesmo procedimento das letras: a e b:

75.40 = 30
Ec75 = _____
100
A frequncia acumulada imediatamente superior a 30 igual a

32; logo, a classe do septuagsimo quinto centil a quarta: 162166,
aplicando a frmula (19), obtemos:
30-24 = 162 + ___
C75 = 162 + 4. _____ 24 = 162 + 3 =
8 8
= 165
C75 = 165 cm
Interpretao: Neste caso, podemos dizer que trs quartos ou

setenta e cinco por cento dos alunos tm estatura at 165 cm, enquanto
que um quarto ou vinte e cinco por cento possuem altura superior a 165
cm.
Medidas de Posio 71
Dcimo Quinto Centil: C15
EC15 =15.40
____= 6
100
A frequncia acumulada imediatamente superior a 6 igual a 13;

logo, a classe do dcimo quinto centil a segunda: 154158, aplicando
a frmula (19), obtemos:
(6-4)
C15 = 154 + 4. ____ = 154 + 8/9 = 154 + 0,888 =
9
=154,9
C15 = 154,9 cm
Interpretao: o valor 154,9 refere-se estatura dos alunos em

cm. Como esse valor corresponde ao dcimo quinto centil, podemos
afirmar que quinze por cento dos 40 alunos tm estatura at 154,9 cm,
enquanto que oitenta e cinco por cento tm estatura maior que 154,9 cm.
1) A tabela abaixo representa os salrios pagos a 100 operrios da

empresa GLT & Cia.
72 UNIDADE 02
Determinar:
a) Salrio mdio.
b) Salrio modal (Czuber).
c) Salrio mediano.
2) Com os dados do exerccio 01, determinar o primeiro e terceiro Quartil.
3) Seja a distribuio das estaturas de 100 alunos de uma classe.
Determinar:
a) A estatura mdia.
b) A estatura modal (Czuber).
c) A estatura mais frequente de (King).
d) A estatura mediana.
4) Um comerciante atacadista vende determinado produto em sacas que

deveriam conter 16,50 kg. A pesagem de 40 sacas revelou os resultados
representados na tabela abaixo:
Medidas de Posio 73
Pede-se:
a) A mdia da distribuio.
b) A mediana.
c) A moda (Czuber).
d) O septuagsimo quinto centil.
e) O terceiro decil.
f) A porcentagem de sacas entre a mediana e o seputagsimo
quinto centil.
5) A tabela abaixo apresenta a distribuio das exportaes de empresas

eletrnicas em 1972.
Pede-se:
a) A mdia.
b) A moda.
74 UNIDADE 02
c) A mediana.
d) Primeiro quartil.
e) Terceiro quartil.
f) Quinto decil.
g) Septuagsimo quinto centil.
As medidas de posio, objeto de estudo desta unidade, podem-

se apresentar de vrias formas, dependendo daquilo que se pretende
conhecer a respeito dos dados estatsticos. As mais importantes so
as medidas de tendncia central ou promdias, as quais so assim
denominadas, em virtude de a tendncia dos dados observados se
agruparem em torno desses valores centrais. A moda, a mdia aritmtica
e a mediana so as trs medidas de tendncia central ou promdios
mais utilizados para resumir o conjunto de valores representativos dos
fenmenos que se deseja estudar. Outros promdios menos usados
so a mdia geomtrica, harmnica, quadrtica, cbica e biquadrtica e
ainda as separatrizes, como os quartis, os centis.
Medidas de Posio 75
UNIDADE 3
Medidas de
disperso
Objetivos:
Diferenciar medidas de posio de modelo de disperso;

Identificar e calcular as medidas de disperso e interpretar os resultados;
Identificar e calcular a medida de disperso absoluta e relativa;
Fazer uma anlise completa de dados, atravs das medidas de disperso.
Medidas de disperso
Medidas de disperso absoluta
Amplitude total ou intervalo total
Smbolo: At
Exemplo 1: saiba mais

Calcular a amplitude total dos seguintes conjuntos de nmeros: Amplitude Total -
a diferena entre os
A ={10,12, 13, 20, 25, 34, 45}
valores extremos do
B = {17,18, 19, 20, 21, 22, 23} conjunto.
Soluo:
Para o conjunto A, temos: At = 45 10 = 35
Para o conjunto B, temos At = 23 17 = 6
Se os dados vierem dispostos em uma tabela de frequncias, com

os valores agrupados em classes, que basta calcular a diferena entre o
limite superior da ltima classe e o limite inferior da primeira classe.
At = Limite superior da ltima classe limite inferior da primeira
classe.
Exemplo 2:
Calcular a amplitude total dos valores dispostos na tabela 3.1
Medidas de Disperso 79
Tabela 3.1
Soluo:
At = 70 10 = 60
Restries ao uso da amplitude total
Embora a amplitude total seja a mais simples das medidas de

disperso, h uma forte restrio ao uso em virtude de sua grande
instabilidade, uma vez que ela leva em conta apenas os valores extremos
da srie. Comparemos os conjuntos A e B do exemplo 1:
A mdia aritmtica de cada um desses conjuntos igual a 20.

Portanto, no que diz respeito a uma medida de posio, ambos os
conjuntos podem ser considerados idnticos. Ao calcular a amplitude total,
verificaremos que os valores do conjunto A apresentam maior disperso.
Todavia, no clculo da amplitude total no so levados em considerao
os valores da srie que se encontram entre os extremos, o que poderia
conduzir o analista a interpretaes equivocadas. Muitas vezes, um valor
particularmente anormal poder afetar de maneira acentuada a medida.
O conjunto A, por exemplo, apresenta o ltimo valor (45) sensivelmente
distante do penltimo (25), fato que talvez tenha provocado uma amplitude
80 UNIDADE 03
total de tal magnitude (35).
saiba mais
Desvio mdio*
Desvio Mdio
igual mdia
aritmtica dos
Smbolo: Dm valores absolutos
. dos desvios tomados
Desvio mdio* para dados brutos em relao mdia
ou mediana.
Quando os valores no vierem dispostos em uma tabela de

frequncia, o desvio mdio ser calculado, de acordo com a definio,
atravs do emprego de uma das seguintes frmulas:
n
xi - x
i=1
Dm = _______________ (20)
n
Onde di =(xi - x ) = desvio em relao mdia aritmtica.
n
xi - Md
i=1
Dm = _____________ (21)
n
Onde di = xi Md = desvio em relao mediana.
Exemplo:
Calcular o desvio mdio do conjunto de nmeros
A = {10,12, 13, 20, 25, 34, 45}
Os dados necessrios para o clculo dos desvios so:
10+12+13+20+25+34+45 = ____
X A = _____________________ 159 = 22,714
7 7
Md=20
Faremos uma tabela com cinco colunas, uma para xi, outra para
xi - x , para xi - x , outra para xi Md e a ltima para xi - x .
Tabela 3.2
Usando as frmulas (20) e (21), chegaremos a:
Pela M
7
xi 22,714
i=1
Dm = ________________ = 71,714
______ = 10,245
7 7
Dm = 10,245
Pela Mediana
7
xi - 20
i=1
Dm = _______________ 69 = 9,857
= ___
7 7
Dm = 9,857
O desvio mdio, neste caso, menor quando tomado em relao
82 UNIDADE 03
mediana do que em relao mdia aritmtica.
Desvio mdio para dados tabulados
Se os valores vierem dispostos em uma tabela de frequncias,

agrupados ou no em classes, sero usadas as seguintes frmulas:
Clculo pela mdia
k
xi - x fi
i=1
Dm = _____________ (22)
n
Onde xi representa um valor individual ou um ponto mdio da

classe.
Clculo pela mediana
k
xi - Md
Dm i=1
= ______________ (23)
n
Exemplo:
Calcular o desvio mdio dos valores representativos das alturas

dos alunos do Curso de Sistema de Informao da UAPI.
Tabela 3.3
Fonte: Juarez Martins (2009)
A mdia aritmtica foi calculada no exemplo da pag.?? (x = 161

cm) e a mediana (Md = 160,5) do captulo precedente. Teremos, ento:
Clculo pela mdia
6
xi - 161fi
i=1
Dm = _______________ 184 = 4,6
= ____
40 40
Dm = 4,6
O clculo do desvio mdio pela mediana segue o mesmo raciocnio

usado para o clculo pela mdia.
Clculo pela Mediana
Usando a frmula (23), obtemos:
Dm = 4,5
Temos novamente neste exemplo o desvio mdio, calculado com

base na mediana, menor que o calculado com base na mdia aritmtica.
Observaes:
O desvio mdio resulta mais vantajoso que a medida de
disperso precedente pelo fato de, em seu clculo, levar em
considerao todos os valores da distribuio;
84 UNIDADE 03
O desvio mdio calculado, levando-se em considerao os
desvios em torno da mediana, mnimo, ou seja, menor do
que qualquer desvio mdio calculado com base em qualquer
outra medida de tendncia central.
Apesar de o desvio mdio expressar aceitavelmente a disperso

de uma amostra, no to frequentemente empregado como o desvio
padro, o qual ser descrito mais adiante, pois este se adapta melhor a
uma ampla gama de aplicaes. Alm disso, o desvio mdio despreza o
fato de alguns desvios serem negativos e outros positivos. Todavia, ser
preferido o uso do desvio mdio em lugar do desvio padro, quando esse
for indevidamente influenciado pelos desvios extremos.
Desvio padro
Smbolo: S
O desvio padro a medida de disperso mais usada, tendo

em comum com o desvio mdio o fato de ambos serem os desvios com
relao x . S que, no clculo do desvio padro, em lugar de serem
usados os valores absolutos das discrepncias ou desvios, calculam-se
os quadrados desses.
saiba mais
Desvio padro de dados brutos Desvio padro(s)
igual raiz
Seja o seguinte conjunto de nmeros: X = {x1, x2, x3,... ,xn}. O quadrada da
varincia.
desvio padro ou a mdia quadrtica dos desvios ou afastamento em
relao mdia aritmtica desse conjunto ser definido por: S = s2
Onde di = (xi - x ).
Se desenvolvermos o numerador da expresso sob o radical,

chegaremos frmula desenvolvida do desvio padro:
Observao:
Quando o desvio padro representar uma descrio da amostra

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

do conjunto A = {10, 12, 13, 20, 25, 34, 45}.
Tabela 3.4
86 UNIDADE 03
Resolvendo pela frmula original, devemos ter:
Onde n = 7 e x = 22,714.
SA = 12,958
Utilizando a frmula desenvolvida:
SA = 12,958
Conforme se pode observar, as duas expresses para o clculo

do desvio padro so equivalentes.
Desvio padro de dados tabulados
Quando os valores vierem dispostos em uma tabela de frequncias,

o clculo do desvio padro far-se- atravs de uma das seguintes
frmulas:
Ou, pela frmula desenvolvida:
Onde di = xi - x = desvio em torno da mdia.

Xi = valor isolado da varivel, ou ponto mdio da classe, se os
valores vierem agrupados em classe.
Pelos mesmos motivos expostos anteriormente, ser dada

preferncia ao divisor n 1, em vez de n, no clculo do desvio padro
para dados tabulados.
Ou
Ou
88 UNIDADE 03
Exemplo:
Com os dados da tabela 2.2, calcular o desvio padro da

distribuio de frequncias da altura dos alunos em (cm):
Tabela 3.5
A mdia aritmtica j foi calculada anteriormente:

(xifi) 6440
x =_____ = _____ = 161
n 40
Clculo do desvio padro pela frmula original (29)
S = 5,64 cm
O desvio padro da altura dos alunos de 5,64 cm. Recorde-se

que o desvio mdio, calculado anteriormente, resultou em Dm = 4,6 cm.
Pela frmula desenvolvida (30):
= 5,64
S = 5,64 cm
Interpretao do desvio padro
O desvio padro no tem uma interpretao fsica, como ocorre

com a mdia, mediana, a moda e os quartis. Contudo, possvel
interpret-lo de forma analtica. Consideremos por exemplo, que dois
estudantes tenham obtido os seguintes resultados em 5 provas de
Estatstica, realizadas ao longo do ano letivo:
Estudante A: 40 50 60 70 80
Estudante B: 20 40 60 80 100
Ambos os estudantes foram aprovados na disciplina, pois suas

mdias foram iguais a 60:
40+50+60+70+80 = ____
x A = _______________ 300 = 60
5 5
90 UNIDADE 03
20+40+60+80+100 = ____
x B = _________________ 300 = 60
5 5
Entretanto, a variao das notas em torno das respectivas mdias

difere do aluno A para o aluno B; este ltimo apresentando maior disperso
do que aquele. possvel perceber ainda que a diferena entre pares
sucessivos de notas do aluno B igual a duas vezes a do aluno A, que
a amplitude total das notas de B igual ao dobro da de A. Assim sendo,
podemos afirmar que o aluno B apresentou resultados com uma variao
mdia igual ao dobro da do aluno A. O desvio padro das notas permite
comprovar o que foi dito:
Ou seja,
SB = 2SA
Deste modo, o desvio padro realmente uma mdia satisfatria

de disperso, embora no se possa afirmar muita coisa quanto sua
magnitude.
Varincia
Simbolo: S2
saiba mais
Varincia* Conforme se pode perceber pelo smbolo, a varincia* o quadrado
definida como do desvio padro, ou se preferir, o desvio padro a raiz quadrada da
sendo o quociente
varincia. Dessa forma, pode-se dizer que a frmula da varincia igual
entre a soma dos
quadrados dos expresso do desvio padro, sem o sinal do radical. Adiantamos que
desvios e o nmero as definies que se seguem aparecem com a correo de Bessel, isto
de elementos. , com o divisor n -1.
Varincia de dados brutos
Frmula original
n
(xi - x )2
i=1
S2 = __________________ (31)
n-1
Frmula desenvolvida
Ou
Exemplo:
Calcular a varincia dos seguintes conjuntos de nmeros:
A = {10, 12, 13, 20, 25, 34, 45}
92 UNIDADE 03
B = {17, 18, 19, 20, 21, 22, 23}
Anteriormente, j foi calculado o desvio padro de cada conjunto.

Os dados para a determinao de varincia foram extrados desse
exemplo.
Sabemos que
x A = 22,714
x B = 20
Ento,
(xi-22,714) = 167.905
S2A = ____________
(7-1)
(xi-20)
S2B = _________= 4,667
7-1
Varincia de dados tabulados
Frmula original
k
(xi - x ).fi
i=1
S2 = __________________ (34)
n-1
Frmula desenvolvida
Exemplo:
Calcular a varincia da altura dos 40 alunos com os dados da
tabela 5.5.
Usando a frmula (34) temos:
K 6
(xi x ).fi (xi 161).fi
i=1
S2 = _______________ i=1
= _______________ =
n-1 40 -1
= 1240
_____ = 31,79487 = 31,795
39
S2= 31,795(cm)
Conforme pode ser observado, a varincia expressa unidade de

medida sempre ao quadrado, ao contrrio do desvio padro.
Medidas de disperso relativa
Para determinadas classes de problemas, as medidas de

variabilidade ou disperso relativa, em uma distribuio de frequncias,
proporcionam uma avaliao mais apropriada do grau de disperso da
varivel do que as de disperso absoluta. A disperso relativa permite
ainda comparar duas ou mais distribuies, mesmo que essas se refiram
a diferentes fenmenos e sejam expressas em unidades de medidas
distintas. As medidas de disperso resultam, em geral, de comparao
entre uma medida de disperso absoluta e um promdio, sendo seu
resultado expresso em termos percentuais.
Desvio quartil reduzido
Smbolo: Dqr
O desvio quartil uma medida de disperso relativa resultante do

quociente entre o desvio quartil reduzido e a mediana. Simbolicamente,
94 UNIDADE 03
Q3 Q1 x 100
Dq = _________ (37)
2Md
Coeficiente de variao
O coeficiente de variao ou coeficiente de variao relativa uma

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

desvio padro e a mdia aritmtica.
Exemplo:
Suponhamos que uma empresa fabricante de pneumticos

desenvolveu um novo produto, com um cordel que proporciona maior
resistncia s flexes repetidas e maior resistncia trao do que
o original. Tendo submetido esse componente prova, chegou-se
concluso de que a resistncia s flexes repetidas, testada em um
aparelho de dobrar cordis, foi em mdia de 139 minutos com desvio
padro de 15 minutos contra a mdia de 88 minutos e desvio padro
de 14 minutos do cordel comum. Comparando os valores dos desvios
padres, parece no haver diferena significativa quanto disperso
do tempo de resistncia flexo. Entretanto, deve-se ter presente que
o desvio padro para o novo cordel refere-se a uma maior resistncia
mdia s flexes repetidas; e neste aspecto que se baseia o conceito
de disperso relativa refletido pelo resultado do ndice CVp. Calculemos,
ento, o CVp para os dois casos.
Para o novo cordel:
15 = 0,108
CVp = ____ Ou 10,8%
139
Para o cordel antigo:
14 = 0,159
CVp = ___
88 Ou 15,9%
Comparando-se os resultados v-se que a variao relativa

muito menor para o novo cordel do que para o antigo.
Coeficiente de Variao de Thorndike
Smbolo: CVT
O coeficiente de Thorndike igual ao quociente entre o desvio

padro e a mediana.
S
CVT = ____
Md
Ou
S x 100
CVT = ____
Md
(39)
Exemplo:
Calcular o coeficiente de Thonrndike com os dados do exemplo
relativo altura dos 40 alunos do Curso de Sistema de Informao da
UAPI.
Os dados para resolver o problema j so conhecidos:
96 UNIDADE 03
S = 5,64
Md = 160,5
5,64 = 0,03514= 0,035

CVT = _____ ou 3,5%
160,5
O coeficiente de Pearson para o mesmo problema

CVT = 5,64
____ = 0,03503= 0,035 ou 3,5%
161
1. A tabela abaixo representa os salrios pagos a 100 operrios

da empresa GLT & Cia.
Determinar:
a) Desvio quartil.
b) Desvio mdio.
c) Desvio padro.
2. Dados os conjuntos A = {1000, 1001. 1002, 1003, 1004, 1005}

e B = {0, 1, 2, 3, 4, 5}, podemos afirmar que:
a) O desvio padro A igual a 1000 vezes o desvio padro de B.
b) O desvio padro de A igual ao desvio padro de B.
c) O desvio padro de A igual ao desvio padro de B multiplicado
pelo quadrado de 1000.
d) O desvio padro de A igual ao desvio padro de B dividido
por 1000.
A tabela abaixo representa a vida til de postes telefnicos de

madeira:
Pede-se:
a) O desvio padro.
b) A varincia;
c) O coeficiente de variao de Pearson.
98 UNIDADE 03
Nesta unidade, veremos a anlise completa dos dados, que
requer no apenas sua apresentao, atravs de grficos e tabelas ou
o clculo de promdios ou outras medidas de posio, pois caracterizar
um conjunto de valores apenas atravs de uma mdia, por exemplo,
descrev-lo inadequadamente, uma vez que os dados diferem entre si,
em maior ou menor grau.
UNIDADE 4
Fundamentos de anlise
combinatria, principais
conceitos probalsticos e seus
principais teoremas e variveis
Objetivos:
Resolver problemas de contagem, utilizando os princpios aditivo e multiplicativo

ou noes de permutaes, arranjes simples e combinaes simples;
Identificar os principais conceitos probabilsticos;
Calcular a probabilidade de um evento, aplicando o resultado.
102 UNIDADE 01
Fundamentos de anlise
combinatria, principais
conceitos probalsticos e seus
principais teoremas e variveis
Fundamentos de anlise combinatria
Principio multiplicativo
Vamos aprender agora a determinar o nmero de possibilidades

de ocorrncia de um evento, sem a necessidade de descrever todas as
possibilidades.
Exemplo 1:
Andr tem duas bermudas (preta e cinza) e quatro camisetas

(branca, verde, amarela e roxa). De quantas maneiras diferentes ele
poder se vestir usando uma bermuda e uma camiseta?
Soluo:
H duas possibilidades de escolher uma bermuda. Para cada uma

delas, quatro possibilidades de escolher uma camiseta. Logo, o nmero
total de maneiras diferentes de Andr se vestir 2. 4 = 8.
Se um acontecimento ocorrer por vrias etapas sucessivas e

independentes, de tal modo que:
P1 o nmero de possibilidades da 1 etapa
P2 o nmero de possibilidades da 2 etapa
.
.
.
Pk o nmero de possibilidades da k-sima etapa,
Fundamentos de Anlise Combinatria, Principais Conceitos Probabilsticos e seus Principais Teoremas e Variveis 103
Ento p1 . p2 . . . pk o nmero total de possibilidades de o
acontecimento ocorrer.
Exemplo 2:
Os nmeros dos telefones de uma cidade tm 8 algarismos.

Determinar a quantidade mxima de telefones a serem instalados,
sabendo que os nmeros no devem comear com zero.
Soluo:
Como o nmero do telefone tem 8 algarismos, ele apresenta a

seguinte forma:
P1 . p2 . p3 . p4 . p5 . p6 . p7 . p8 = 9.10.10.10.10.10.10.10=
= 9.107 = 90.000.000
Fatorial
Sendo n um nmero inteiro maior que 1, define-se fatorial de n

como o produto dos n nmeros naturais consecutivos de n a 1. Indica-se
n!.
n! = n(n 1). (n 2 )....3 . 2 . 1, sendo nN e n > 1.
8! = 8. 7. 6 . 5. 4 .3 . 2. 1 = 40320
Arranjos Simples
Denomina-se arranjo simples dos n elementos tomados p a p, com

(p n) so os agrupamentos ordenados diferentes que se podem formar
com p dos n elementos dados.
n!
An ,p = _____ (40)
(n-p)!
Exemplo:
Calcule o A10,4 .
10! = ___
A10,4 = ______ 10! = __________
10 .9 .8 .7! = 5040
(10-4)! 6! 7!
104 UNIDADE 04
Exemplo 2:
Quantos nmeros de dois algarismos diferentes podemos escrever

com os algarismos 1, 2, 3, 4, 5, 6, 7, 8 e 9?
Soluo:
Procuramos agrupamentos de 2 elementos em que a ordem

importante, pois, por exemplo, 12 21. Temos 9 elementos para serem
arranjados 2 a 2. Assim, temos:
9! = ___
A9,2 = _____ 9! = _______
9 .8 .7! = 72
(9-2)! 7! 7!
Portanto, existem 72 nmeros de 2 algarismos distintos que

podem ser escritos com os algarismos de 1 a 9.
Exemplo 3:
Quantos nmeros pares de quatro algarismos obtemos com os

algarismos 0, 1, 2, 3, 4, 5 e 6, sem repeti-los?
Soluo:
So sete algarismos disponveis para formar nmeros de quatro

algarismos, com a condio que sejam nmeros pares; portanto devem
terminar em 0, 2, 4 ou 6.
___ ___ ___ 0 A6,3
___ ___ ___ 2 A6,3
___ ___ ___ 4 A6,3
___ ___ ___ 6 A6,3
______
4 . A6,3
Quando os nmeros terminam em 2, 4 ou 6, eles no podem

comear por zero.
0 ___ ___ 2 A5,2
0 ___ ___ 4 A5,2
0 ___ ___ 6 A5,2
______
3 . A5,2
Portanto, o total de nmeros : 4 . A6,3 3 . A5,2 =

= 4. 6 . 5 .4 3 . 5 . 4 =
= 480 60 = 420
Obtemos 420 nmeros
Permutao simples
Se tivermos n elementos distintos, ento o nmero de agrupamentos

ordenados que possam obter com todos esses elementos, chamamos de
permutaes simples, e indicamos por:
Pn = n . (n 1) . (n - 2) . ... . 3 . 2 . 1 (41)
Exemplo 1:
Quantos nmeros de 5 algarismos distintos podem ser formados,

usando os algarismos 1, 3, 5, 7 e 8?
Soluo:
Queremos formar nmeros (agrupamentos de 5 algarismos com

os 5 algarismos dados(1,3,5, 7, 8).
___ ___ ___ ___ ___ P5 = A5,5
P5 = 5 . 4 . 3 . 2 . 1 = 120
Podem ser formados 120 nmeros.
Exemplo 2:
Quantos anagramas h na palavra MITO?
Soluo:
Um anagrama qualquer ordenao (sequncia) das letras de uma

palavra. Como a palavra MITO tem 4 letras, vamos formar anagramas de
106 UNIDADE 04
4 letras com M, I, T e O. Assim, temos:
____ ____ ____ ____ P4 = 4! =

= 4.3.2.1 = 24
A palavra MITO tem 24 anagramas.
Combinaes simples
Combinaes simples de n elementos tomados p a p(pn) so os

subconjuntos com exatamente p elementos que se podem formar com os
n elementos dados. Indicamos por:
saiba mais
Para Classificar
um agrupamento
como arranjo
Exemplo 1: ou combinao,
procedemos da
seguinte forma:
Quantas comisses de 3 participantes podem ser formadas com 1) Forma-se
5 pessoas? o agrupamento
sugerido pelo
problema;
Soluo:
2) Em seguida,
muda-se a ordem de
No exemplo, as comisses devem ter 3 participantes, isto , seus elementos.
no usaremos todas as pessoas. Vamos chamar de A, B, C, D e E as 5 3) Se, com essa
pessoas que podem ser indicadas para a comisso. Dessas escolhemos mudana de
ordem, obtivermos
3.
um agrupamento
ABC diferente do
Invertendo-se a ordem, temos B A C inicial, esses
Como A, B e C so a mesma comisso de B, A, C, o problema agrupamentos sero
de arranjos,porm se
de combinao. Logo:
o agrupamento for
5!
C5,3 = ______ 5! = _______
= ___ 5 .4 .3! = 10 igual ao inicial, esses
3!(5-3)! 3!2! 3! .2 .1 agrupamentos sero
combinaes.
Podemos formar 10 comisses.
Exemplo 2:
Em uma classe tem 10 alunos e 5 alunas. Formam-se comisses

de 4 alunos e duas alunas. Determine o nmero de comisses em que
participa o aluno x e no participa a aluna y.
Soluo:
A comisso deve ter 6 pessoas.

___ ___ ___ ___ e ___ ___
4 alunos e 2 alunas
Devemos escolher:
3 alunos entre os 9 restantes: C9,3
SAIBA MAIS
2 alunas entre as 4 restantes: C4,2
Experimentos
aleatrios
so aqueles A escolha dos alunos pode ser efetuada de C9,3 maneiras e
que, mesmos a escolha das alunas de C4,2 . Ento, pelo principio fundamental da
experimentos contagem, o nmero total de comisses dado por:
repetidos
9! . ___
C9,3 . C4,2 = ___ 4! = 504
vrias vezes,
sob condies 3!6! 2!2!
semelhantes,
apresentam Sero 504 comisses.
resultados
imprevisveis.
Probabilidade
Experimento aleatrio
Em quase tudo, em maior ou menor grau, vislumbramos o acaso.

Assim, da afirmao, provvel que meu time ganhe a partido de hoje,
pode resultar:
_Que, apesar do favoritismo, ele perca:
SAIBA MAIS
_Que, como pensamos, ele ganhe;
Ao conjunto _Que empate.
desses resultados
possveis* damos
o nome de Como vimos, o resultado final depende do acaso. Fenmenos
espao amostral como esses so chamados fenmenos aleatrios ou experimentos
ou conjunto aleatrios.
universo,
representado por
S. Espao amostral
A cada experimento correspondem, em geral, vrios resultados

possveis. Assim, ao lanarmos uma moeda, h dois resultados possveis:
ocorrer cara(k) ou ocorrer coroa(c). J ao lanarmos um dado h seis
resultados possveis*: 1, 2, 3, 4, 5 ou 6.
108 UNIDADE 04
Os dois experimentos citados anteriormente tm os seguintes
espaos amostrais:
- Lanamento de uma moeda: S = {k, c}
- Lanamento de um dado: S = {1, 2, 3, 4, 5, 6}.
Do mesmo modo, como em dois lanamentos sucessivos de uma

moeda, podemos obter cara nos dois lanamentos, ou cara no primeiro e
coroa no segundo; ou coroa no primeiro e cara no segundo; ou coroa nos SAIBA MAIS
dois lanamentos, o espao amostral :
Evento um
S = {(kk), (kc), (ck), (cc)}.
subconjunto de
S. Em particular,
Eventos S e (conjunto
vazio) so
eventos, S dito
Sendo as operaes com conjuntos, podem-se formar novos
o evento certo
eventos. e o evento
impossvel.
Assim:
I) A B o evento que ocorre se A ocorre ou B ocorre ou ambos
ocorrem;
II) AB o evento que ocorre se A e B ocorrem;
III) A o evento que ocorre se A no ocorre.
Exemplos:
1) Seja o experimento E: jogar trs moedas e observar os

resultados:
S = {(kkk), (kkc), (kck), (ckk), (ccc), (cck), (kcc), (ckc)}
SAIBA MAIS
Seja A o evento: ocorrer pelo menos 2 caras.
Ento, a = {(kkk), (kkc), (kck), (ckk)} Dois eventos
A e B so
denominados
2) Seja o experimento E: Lanar um dado e observar o nmero de mutuamente
cima. exclusivos,
Ento S = {1, 2, 3, 4, 5, 6} se eles no
Seja B o evento: ocorrer mltiplo de 2. puderem ocorrer
simultaneamente,
Ento, B = {2, 4, 6}
isto , AB =
Sendo S espao amostral finito, com n elementos podem verificar

que 2n fornecem o nmero total de eventos extrados de S.
Eventos Mutuamente Exclusivos
Exemplo:
Seja E: jogar um dado e observar o resultado.

S = {1, 2, 3, 4, 5, 6}
Sejam os eventos: A = ocorrer n par, e
B = ocorrer n mpar.
Ento: A = {2, 4, 6} e B = {1, 3, 5}, ento
AB = .
A e B so mutuamente exclusivos, pois a ocorrncia de um n par

e mpar no pode ser verificada como decorrncia da mesma experincia.
Definio de probabilidade
Chamamos de probabilidade de um evento A (A S) o nmero real

P(A), tal que:
n(A)
P(A) = ____
n(S) (43)
Onde: n(A) o nmero de elementos de A;

n(S) o nmero de elementos de S.
Satisfazendo os seguintes axiomas:

I) 0 P(A) 1
II) P(S) = 1
III) Se A e B forem eventos mutuamente exclusivos,
(AB= ), ento P(AB) = P(A) + P(B).
Principais teoremas
1 Se um conjunto vazio, ento P() = 0
Demonstrao:
Seja A um evento qualquer.

A e so disjuntos, pois A =
P(A) = P(A) + P() por III.
110 UNIDADE 04
P(A) = P(A) + P() pois A = A
Portanto P() = 0.
2 Se A o complemento do evento A, ento
P(A ) = 1 P(A). (44)
Demonstrao:
Pode-se escrever S = A A . (veja diagrama).
A _
A
Ora, A A = (so mutuamente exclusivos)

P(AA ) = P(A) + P(A )
P(S) = P(A) + P(A )
1 = P(A) + P(A ) por II.
Logo: P(A ) = 1 P(A)
3 Se A B, ento P(A) P(B)
Demonstrao:
Pode-se escrever B = A ( A B)
Ora, A e (A B) so mutuamente exclusivos.
Logo, P(B) = P(A) + P(A B)
P(A B) = P(B) P(A)
P(B) P(A) 0 por I
Portanto, P(A) P(B).
S
A B
4 Teorema da soma: Se A e B so dois eventos quaisquer, ento:
P(A B) = P(A) + P(B) P(A B) (45)
Demonstrao:
a) A e B so mutuamente exclusivos P(AB) = 0 recai no axioma

III.
b) Para o caso em que AB .
Os eventos A e (AB) so mutuamente exclusivos. Logo, pelo

axioma III:
P[A(A B)] = P(AB) = P(A) + P(A B). Mas, B a unio dos
eventos mutuamente exclusivos (BA) e (BA ); logo P(B) = P(AB) +
P(A B).
Substituindo o valor de P(A B) = P(B) P(AB) na expresso
anterior resulta:
P(AB) = P(A) + P(B) P(AB) (46)
Probabilidades Finitas dos Espaos Amostrais Finitos
Seja S um espao amostral finito S ={a1, a2, ..., an}. Considere-se

o evento formado por um resultado simples
A = {ai}.
A cada evento simples {ai} associa-se um nmero pi denominado

probabilidade de {ai} satisfazendo as seguintes condies:
a) pi 0 i =1, 2, ..., n
b) p1 + p2 + ... + pn = 1
112 UNIDADE 04
A probabilidade P(A) de cada evento composto (mais de um
elemento) ento definida pela soma das probabilidades dos pontos de
A.
Exemplo:
Trs cavalos, A< B e C, esto em uma corrida; A tem duas

vezes mais probabilidade de ganhar que B que tem duas vezes mais
probabilidade de ganhar que C. Quais so as probabilidades de vitria de
cada um, isto , P(A), P(B) e P(C)?
Resoluo:
Faa P(C) = p; como B tem duas vezes mais probabilidade de

ganharque C, logo P(B) = 2p e assim
P(A) = 2P(B)= 2. 2p = 4p. Como a soma das probabilidades 1,
ento:
p + 2p + 4p = 1 ou 7p = 1 ou p = 1/7 ; logo temos:
P(A) = 4p = 4/7 ; P(B) = 2p= 2/7 e P(C) = p = 1/7 .
Qual seria a probabilidade de B ou C ganhar?
P(A B) = P(A) + P(B), o axioma III com AB = .
Logo, P(BC) = P(B) + P(C) = 2/7 + 1/7 = 3/7 .
Espaos Amostrais Finitos Equiprovveis
Quando a mesma probabilidade se associa a cada ponto amostral,

o espao amostral chama-se equiprovvel ou uniforme. Em particular, se
S contm n pontos, ento, a probabilidade de cada ponto ser 1/n.
Por outro lado, se um evento A contm r pontos, ento:

P(A) = r . ( 1/n ) = r/n .
Este mtodo de avaliar P(A) frequentemente enunciado da
seguinte maneira:
n de vezes em que o evento A pode ocorrer

P(A)=_________________________________________
n de vezes em que o espao amostral S ocorre (47)
n de casos favorveis
P(A) = ____________________
n total de casos (48)
Como se observa, o clculo de probabilidades de um evento
reduz-se a um problema de contagem (visto anteriormente).
Combinao de r elementos tomados (combinados) p a p (p r),

calcula-se por:
Onde: r! = r (r 1) (r 2) . . . 1
p! = p (p 1) (p 2) . . . 1
Admite-se que o! = 1
Exemplo 1:
Quantas comisses de trs pessoas podem-se formar com um

grupo de 10 pessoas?
10 = _______
C10,3 = ___ 10! 10! = 10
= ____ .9 .8 .7! = 120
_________
3 3!(10-3)! 3!7! 3.2.1.7!
Exemplo 2:
Em um lote de 12 peas, 4 so defeituosas; 2 peas so retiradas

aleatoriamente. Calcule:
a) A probabilidade de ambas serem defeituosas;
b) A probabilidade de ambas no serem defeituosas;
c) A probabilidade de ao menos uma pea ser defeituosa.
Soluo:
A = {ambas so defeituosas}
A pode ocorrer 6 vezes
S pode ocorrer 66 vezes
N.C.F. ___
Logo, P(A) = ______= 6 = ___
1
N.T.C. 66 11
B = {ambas no defeituosas}
114 UNIDADE 04
B pode ocorrer () = 28 vezes
S pode ocorrer ( ) = 66 vezes
28 = ___
Logo, P(B) = ___ 14
66 33
C = {ao menos uma defeituosa}

C = o complemento de B,C = B
14 = ______
Logo, p(C) = 1 P(B) = 1 - ___ 33-14 = ___
19
33 33 33
Probabilidade condicional
Dados dois eventos, A e B, denota-se P(A/B) a probabilidade

condicionada do evento A, quando B tiver ocorrido, por:
P(AB)
P(A) = _______ (50)
P(B)
Com P(B) 0, pois B j ocorreu.
Pode-se constatar que P(A/B), assim definida, satisfaz os axiomas

da probabilidade j mencionados.
Para aplicaes, convm usar uma frmula mais prtica para o
clculo da probabilidade condicional, assim:
P(AB) = _______
P(A/B) = _______ n(AB)
P(B) n(B)
n(AB)
P(A/B) = _______ (51)
n(B)
Exemplo:
Dois dados so lanados. Consideremos os eventos:

A = {(x1,x2) / x1 + x2 = 10} e B = {(x1,x2 / x1 > x2}
Onde x1D1 e x2 D2. Calcular P(A), P(B); P(A/B) e P(B/A).
Soluo:
S = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2),..., (6,6)}

Evento A = {(4,6), (5,5), (6,4)}
n(A) = ___
Logo, P(A) = _____ 3 = ___.
1
n(S) 36 12
Evento B= {(2,1), (3,1), (3,2), (4,1), (4,2), (4,3), (5,1), (5,2) (5,3),
(5,4), (6,1), (6,2), (6,3), (6,4), (6,5)}
n(B) = ___
Logo, P(B) = _____ 15 = ___
5
n(S) 36 12
n(AB) = ___
(AB) = {(5,5)}. Logo P(A/B) = _______ 1
n(B) 15
n(BA) = ___
P(B/A) = _______ 1
n(A) 3
Teorema do produto
A probabilidade da ocorrncia simultnea de dois eventos, A e B,

do mesmo espao amostral, igual ao produto da probabilidade de um
deles pela probabilidade condicional do outro, dado o primeiro.
Assim:
P(A/B) = (P(AB))/(P(B)) P(AB)=P(B).P(A/B) (52)
P(B/A) = (P(BA))/(P(A)) P(BA) = P(A).P(B/A) (53)
Exemplo:
Em um lote de 12 peas, 4 so defeituosas, 2 peas so retiradas

uma aps a outra sem reposio. Qual a probabilidade de que ambas
sejam boas?
Soluo:
A = {a primeira pea boa}
B = {a segunda pea boa}
116 UNIDADE 04
8 . ___
P(AB) = P(A). P(B/A) = ___ 7 = ___
56 = ___
14
12 11 132 33
Independncia estatstica
Um evento A considerado independente de outro evento B se a

probabilidade de A igual probabilidade condicional de A dada B, isto
, se:
P(A) = P(A/B) (54)
evidente que, se A independente de B, B independente de

A; assim:
P(B) = P(B/A) (55)
Considerando o teorema do produto, pode-se afirmar que: se A e

B so independentes, ento:
P(AB) = P(A). P(B) (56)
Teorema de Bayes
Seja A1, A2,... , Na, n eventos mutuamente exclusivos tais que

A1A2...An = S. Sejam P(Ai) as probabilidades conhecidas dos vrios
eventos, e b um evento qualquer de S tal que so conhecidas todas as
probabilidades condicionais P(B/Ai).
Ento, para cada i, tem-se:
P(Ai). P(B/Ai)
P(Ai/B) = _______________________________________ 57
P(A1)P(B/A1)+P(A2)P(B/A2)+...+P(Na)P(B/An)
O resultado acima muito importante, pois relaciona probabilidades

a priori P(Ai) com probabilidades a posteriori P(Ai/B), probabilidade de Ai
depois que ocorrer B.
Exemplo:
Admita a seguinte configurao:
Escolheu-se uma urna ao acaso, e dela extraiu-se uma bola ao
acaso, verificando-se que a bola branca. Qual a probabilidade de a bola

ter vindo da urna 2? E da urna 3?
Soluo:
1 ;P(U2) = __
P(U1) = __ 1 e P(U3) = __
1
3 3 3
1 P(br/U2) = __
P(br/U1) = __; 3 = __
1 e P(br/U3) = __
3
9 9 3 8
Apicando o Teorema de Bayes, temos:
P(U2) P(br/U2)
P(U2/br) = ________________________________
P(U1)P(br/U1)+P(U2)P(br/U2)+P(U3)P(br/U3)
Ou seja, probabilidade a priori de U2 era 1/3. Dada a informaao
que saiu uma bola branca, a probabilidade a posteriori de U2 ser 24/59.

P(U3). P(br/U3)
P(U3/br) = _________________________________
P(U1)P(br/U1)+P(U2)P(br/U2)+P(U3)P(br/U3)
Como P(U1/br)+P(U2/br)+P(U3/br) = 1
118 UNIDADE 04
Tem-se que: P(U1/br)= 1 (24/59 + 27/59 ) = 8/59.

Variveis aleatrias
Definio*
Exemplo:
Seja E: lanamento de duas moedas;
X: n de caras obtidas nas duas moedas;
S = {k,k), (k,c), (c,k), (c,c)}
X = 0 corresponde ao evento (c, c) com probabilidade 1/4;
X = 1 corresponde ao evento (k, c), (c, k) com probabilidade 2/4 saiba mais
X = 2 corresponde ao evento (k, k) com probabilidade 1/4 Varivel aleatria a
funo que associa
Observaes importantes: a todo evento,
pertencente a uma
partio do espao
Observe que uma funo cujo domnio S e contradomnio R; amostral, um nico
Nas aplicaes, conveniente trabalhar com nmeros e no com nmero real.
eventos; da o uso da varivel aleatria; Indicaremos por:
Se S numrico, ento X(s) = s; X: x1 x2, ... , xn.
Uma varivel aleatria X ser discreta se o nmero de valores

possveis de X (contradomnio) for finito ou infinito enumervel. Caso seu
contradomnio seja um intervalo ou uma coleo de intervalos, ela ser
uma varivel contnua.
Funo de probabilidades saiba mais

Funo de
Ao conjunto {(xi, p(xi)), i = 1, ..., n} damos o nome de distribuio probabilidades
a funo que
de probabilidades da varivel aleatria X como no quadro resumo abaixo:
associa a cada
valor assumido pela
Tabela 4.1 varivel aleatria,
x 0 1 2 a probabilidade
do evento
P(x) 1/4 1/2 1/4 correspondente,
Fonte: Fonseca, 2006. isto ,
P(X=xi) = P(Ai),
importante verificar que para haver uma distribuio de i=1,2,...,n.
probabilidades de uma varivel aleatria X necessrio que:
Exemplos:
X V. A. pontos de um dado
Y = X + X V. A. soma dos pontos de dois lanamentos
Z = Max {(x1, x2)} pontos de dois dados.
Determinar a distribuio de probabilidade de X, Y e Z.
Soluo:
- A distribuio de probabilidade de X dada por uma tabela ser:
x 1 2 3 4 5 6
P(x) 1/6 1/6 1/6 1/6 1/6 1/6
Fonte: Fonseca, 2006.
- Para se obter a distribuio de probabilidade de Y convm

construir o espao amostral para Y:
S = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1),..., (6,6)} n(S) =
36
Para y = 2, temos P{(1,1)} = ___ 1
36
2
Para y = 3, temos P{(1,2), (2,1)} = ___
36
.
.
.
Para y = 8, temos P{(2,6), (3,5), (4,4), (5,3), (6,2)} = 5/36
Para y = 9, temos P(y=9) = 4/36 e assim por diante at chegar em
Para y = 12, teremos P(y=12) = 2/36, logo a distribuio de
probabilidade de y ser:
120 UNIDADE 04
y 2 3 4 5 6 7 8 9 10 11 12
P(y) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
- Enquanto a distribuio de Z poder ser expressa pela tabela

obtida da seguinte maneira:
Para z=1, temos P{(1,1)} = 1/36
Para z=2, temos P{(1,2), (2,1), (2,2)} = 3/36
Para z=3, temos P{(1,3), (2,3), (3,1), (3,2), (3,3)} = 5/36
Para z=4, temos P{(1,4), (2,4), (3,4), (4,1), (4,2), (4,3), (4,4)} =
7/36
Para z=5, temos P{z=5} = 9/36
Para z=6, temos P{z=6} = 11/36
Logo, a tabela de z ser:
z 1 2 3 4 5 6
1. Usando-se 5 dos algarismos 1, 2, 3, 4, 5, 6 e 7, sem repeti-los, quantos

nmeros pares podemos formar?
2. Resolva a equao (n 4)! = 120.
3. Quantos nmeros de trs algarismos, sem repetio, podemos formar

com os algarismos 1, 2, 3, 4, 5, 6, 7, 8, e 9, incluindo sempre o algarismo
4?
4. Quantos nmeros de 4 algarismos distintos podemos formar com os
algarismos 0, 1, 2, 3, 4, 5, 6, 7, 8 e 9?
5. Quantos anagramas da palavra EDITORA:

a) Comeam com A?
b) Comeam com A e terminam com E?
6. Em relao palavra ESCOLA:

a) Quantos anagramas podem ser formados?
b) Quantos anagramas no possuem duas consoantes ou duas vogais
juntas?
c) Quantos anagramas possuem as 3 vogais sempre juntas?
7. Com 10 espcies de frutas, quantos tipos de saladas, contendo 6

espcies diferentes, podem ser feitas?
8. Em uma sala temos 5 rapazes e 6 moas. Quantos grupos de 2 rapazes

e 3 moas podemos formar?
9. Se P(A) = ; P(B) = e A e B mutuamente exclusivos, calcular:

a) P(A ) b) P(B ) c) P(AB) d) P(AB)
10. Um nmero escolhido aleatoriamente dentre os nmeros 1, 2, 3, ...,

50. Qual a probabilidade de:
a) O nmero ser divisvel por 5.
b) Terminar em 3.
c) Ser primo.
d) Ser divisvel por 6 ou 8.
11. Um lote formado por 10 peas boas, 4 com defeitos e 2 com defeitos
graves. Uma pea escolhida ao acaso. Calcule a probabilidade de que:
a) Ela no tenha defeitos graves.
b) Ela no tenha defeitos.
c) Ela no tenha defeitos ou tenha defeitos graves.
12. Uma urna contm 5 bolas brancas e 6 pretas. Trs bolas so retiradas.
Calcular a probabilidade de:
a) Todas pretas.
b) Exatamente uma branca.
122 UNIDADE 04
c) Ao menos uma preta.
13. Dado P(A) = ; P(B) = ; P(AB) = calcular:
a) P(AB)
b) P(A/B)
c) P(B/A)
d) P[(AB)/B]
14. Consideremos 250 alunos que cursam o primeiro perodo do Curso

de Sistema de Informaes da UAPI. Destes alunos, 100 so homens
(H) e 150 mulheres (M), 110 cursam Fsica (F) e 140 fazem o curso de
Qumica (Q). A distribuio dos alunos a seguinte:

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

Determinar Distribuio de probabilidade de X.
17. Uma urna tem 4 bolas brancas e 3 pretas. Retiram-se 3 bolas sem
reposio. Seja X: n de bolas brancas. Determinar a distribuio de
Probabilidade de X.
As primeiras atividades matemticas da humanidade estavam ligadas
contagem de objetos de um conjunto, enumerando seus elementos. A
anlise combinatria a rea de Matemtica que trata dos problemas
de contagem. Vamos estudar algumas tcnicas para a descrio e a
contagem de todos os casos possveis de um acontecimento. Todas
as vezes que se estudam fenmenos de observao, cumpre-se
distinguir o prprio fenmeno e o modelo matemtico (determinstico
ou probabilstico) que melhor o explique. Os fenmenos estudados
pela Estatstica so fenmenos cujo resultado, mesmo em condies
normais de experimentao, varia de uma observao para outra,
dificultando, dessa maneira, a previso de um resultado futuro. Para a
explicao desses fenmenos fenmenos aleatrios adota-se um
modelo matemtico probabilstico. Nesta unidade abordaremos sobre
varivel aleatria discreta, funo de probabilidade e distribuio de
probabilidades.
RESPOSTAS DOS EXERCCIOS
1 Lista de Exerccios UNIDADE I
1. C
2. B
3. C
4. C
5. A
6. C
7. B
8. A
9.10.
124 UNIDADE 04
a) 30
b) 5
c) 3; 6; 6; 13; 9; 3
d) 150,5; 155,5; 160,5; 165,5; 170,5; 175,5.
11.
a) Fi : 40; 70; 80; 95; 100.
b) 40
c) 80
d) 0,15 ou 15%
Fi : 100; 60; 30; 20; 5
e) 0,70 ou 70%
12.
a) i = 5 e At = 19
b)
c) Fi : 7; 10; 14; 15; 20 Fi: 20; 13; 10; 6;5

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

1.
a) 3,30
b) 1,60
c) 2,67
2. Q1 = 0,625 e Q3 = 4,5
3.
a) 1,705m
b) 1,725m
c) 1,725m
d) 1,713m
4.
a) 16,475
b) 16, 494
c) 16,650
d) 17,00
e)
f) 25%
5.
a) 75000
b) 75000
c) 67500
d) 82500
e) 75000
f) 82500
3 Lista de Exerccios UNIDADE III
1.
a) 1,88
b) 2,02
c) 2,48
2. b
3.
a) 3,767
b) 14,190289
c) 0,353 ou 35,3%
4 Lista de Exerccios UNIDADE IV
1. 1080
2. n = 9
3. 168
4. 4536
5.
a) 720
b) 120
6.
a) 720
b) 72
c) 144
7. 210
8. 200
9.
a) 1/2
b) 3/4
c) 3/4
d) 0
10.
a) 1/5
b) 1/10
c) 3/10
d) 0,24
11.
a) 7/8
b) 5/8
c) 3/4
12.
a) 4/33
b) 5/11
c) 31/33
13.
a) 7/12
b) 3/4
c) 1/2
d) 1
14. 80/150
15.
a) 1/8
b) 5/36
16. 17.
COSTA NETO, Pedro de Oliveira. Estatstica. 2. ed. So Paulo: Blucher,

2002.
CRESPO, Antonio Arnout. Estatstica fcil. 17. ed. So Paulo: Saraiva,

2002.
FONSECA, Jairo Simon da. Curso de Estatstica. 10. ed. Reimp. Martins,
Gilberto de Andrade. So Paulo: Atlas, 2006.
LAPPONI, Juan Carlos. Estatstica usando Excel. 4. ed. Reimpresso.

Rio de Janeiro: Elsevier, 2005.
MEYER, Paul L. Probabilidade: aplicaes Estatstica. 2. ed. Rio de

Janeiro: LTC, 2000.
MORETIN, Pedro Alberto. Estatstica bsica. 5. ed. So Paulo: Saraiva,
2006.
SPIEGEL, M. R. Probabilidade e Estatstica. 1. ed. So Paulo: McGraw-

Hill, 2001.
TOLEDO, Geraldo Luciano. Estatstica bsica. 2. ed. So Paulo: Atlas,

1985.
Juarez Rodrigues Martins
Especialista em Matemtica (2001) e em Estatstica (2008) pela Universidade

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

Propabilidade e EStatística I - Livro Texto PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Propabilidade e EStatística I - Livro Texto PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Universidade Federal do Piau

Centro de Educao Aberta a Distncia

Juarez Rodrigues Martins

Juarez Rodrigues martins

EQUIPE DE DESENVOLVIMENTO CONSELHO EDITORIAL DA EDUFPI

M386p Martins, Juarez Rodrigues.

1. Estatstica. 2. Probabilidade. 3. Estatstica Descritiva.

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

Identificar os principais conceitos bsicos de estatstica;

Conceitos Bsicos de Estatstica

No plural, Estatsticas indicam qualquer coleo consistente de

aquela que se preocupa com a organizao e descrio de

Estatstica indutiva ou inferencial

aquela que se preocupa com a anlise e interpretao de dados

Definio do problema - saber exatamente o que se pretende

Contnua (Ex: inflao, desemprego);

Crtica dos dados - objetiva a eliminao de erros capazes de

um conjunto de todos os elementos (pessoas, objetos, etc.) que

So os objetos selecionados da populao, os quais se tiverem a

uma caracterstica ou dado associado a cada elemento da

Consiste em dispor os dados em linhas e colunas, distribudos

Indicado pela letra grega sigma maiscula (), facilita a indicao

Trata-se de medida numrica que descreve uma caracterstica da

uma medida numrica, que descreve uma caracterstica da

Como voc pode Distribuio de Frequncia

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

Fonte: Martins (2009).

uma lista em que os dados esto dispostos em ordem crescente,

Tabela 1.2 - Estatura de 40 Alunos do Curso de Sistema de Informao da UAPI

Fonte: Martins (2009).

As tabelas de frequncias podem representar tanto valores

Distribuio de frequncia de dados tabulados no agrupados em

Aparecem individualmente, ou seja, uma tabela de frequncias

Tabela 1.3 Empresa X - Nmero Mensal de Aparelhos Defeituosos

Fonte: Toledo (1985)

Abaixo esto os valores da Varivel n mensal de aparelhos

Tabela 1.4 X Nmero Mensal de Aparelhos Defeituosos

Onde, k o extremo superior do intervalo de valores do ndice i,

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

n 5 10 25 50 100 200 500 1000

K =n, essa ltima tambm muito utilizada.

Limites de classes Os limites de classes so seus valores

Amplitude de um intervalo de classe a medida que define

Amplitude total da amostra (At) a diferena entre o maior e

At = X(mx) X(mn), onde X(mx) o maior valor da amostra e

Amplitude total da distribuio a diferena entre o limite

At = Li(Max) li(mn), onde Li(mx) o limite superior mximo da

Ponto mdio de uma classe (xi) o ponto que divide o

xi = (Li + li) / 2, onde xi indica o ponto mdio da classe, para dados

- Frequncia simples relativa (fri) aquela que representa a

- Frequncia acumulada abaixo de (Fi abaixo) a soma da

- Frequncia relativa acumulada abaixo de (Fri) aquela que se

- Frequncia acumulada acima de (Fi acima) aquela que

- Frequncia relativa acumulada acima de (Fri acima) aquela

Passos para a construo de uma distribuio de frequncias

1) Primeiramente, pegam-se os dados brutos e constri-se o rol;

Clculo da amplitude total da Amostra:

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

Considerando a tabela 1.5 acima, podemos montar a seguinte

Fonte: Martins (2009).

O conhecimento dos vrios tipos de frequncia ajuda-nos a

b) Qual a percentagem de alunos cuja estatura inferior a 154

c) Quantos alunos tm estatura abaixo de 162 cm?

o xi.fi = 6440 e o fi = n = 40 e x = xi.fi __