Estatística e Probabilidade - 2017

-1-
LIVROS PUBLICADOS POR

Uanderson Rbula de Oliveira
QUERO Esses ebooks esto disponveis na livraria Saraiva por
COMPRAR preos bem acessveis (menos de R$ 30,00).
OS LIVROS Alm disso, voc pode imprimir, desenhar,
esquematizar ou usar qualquer leitor pdf,
pois a maioria deles encontra-se
desbloqueado.
Prof. Uanderson Rbula. Doutorando em
Ver amostras engenharia. Professor universitrio. Vivncia
dos livros de 21 anos em ambiente industrial.
uanderson.rebula@yahoo.com.br
http://lattes.cnpq.br/1039175956271626
https://br.linkedin.com/in/uandersonrebula
-2-
UANDERSON REBULA DE OLIVEIRA

https://br.linkedin.com/in/uandersonrebula
http://lattes.cnpq.br/1039175956271626
Doutorando em Engenharia-Universidade Estadual Paulista-UNESP
Mestrado em Engenharia de Produo-Universidade Estadual Paulista-UNESP
Ps-graduado em Controladoria e Finanas-Universidade Federal de Lavras-UFLA
Ps-graduado em Logstica Empresarial-Universidade Estcio de S-UNESA
Graduado em Cincias Contbeis-Universidade Barra Mansa-UBM
Tcnico em Metalurgia-Escola Tcnica Pandi Calgeras-ETPC
Tcnico em Segurana do Trabalho-ETPC
Operador Siderrgico e Industrial-ETPC
Pesquisador pelo ITL/SEST/SENAT. Professor na UNIFOA no curso de Ps graduao em Engenharia de Segurana

do Trabalho. Professor da Universidade Estcio de S - UNESA nas disciplinas de Gesto Financeira de Empresas,
Fundamentos da Contabilidade e Matemtica Financeira, Probabilidade e Estatstica para o curso de Engenharia de
Produo, Anlise Estatstica para o curso de Administrao, Ergonomia, Higiene e Segurana do Trabalho, Gesto
de Segurana e Anlise de Processos Industriais (Gesto Ambiental), Gesto da Qualidade: programa 5S (curso de
frias). Professor na Associao Educacional Dom Bosco para os cursos de Administrao e Logstica. Ex-professor
na Universidade Barra Mansa UBM nos cursos de Engenharia de Produo e de Petrleo. Ex-professor
Conteudista na UNESA (elaborao de Planos de Ensino e de Aula, a nvel nacional). Ex-professor em escolas
tcnicas nas disciplinas de Estatstica Aplicada, Estatstica de Acidentes do Trabalho, Probabilidades, Contabilidade
Bsica de Custos, Metodologia de Pesquisa Cientfica, Segurana na Engenharia de Construo Civil e Higiene do
Trabalho. Ex-professor do SENAI. Ex-consultor interno, desenvolvedor e instrutor de cursos corporativos na CSN,
a nveis Estratgicos, Tticos e Operacionais. Ex-Membro do IBSInstituto Brasileiro de Siderurgia.

ESTATSTICA
EMENTA:
Conceito e fases de estudo. Variveis. Populao e amostra. Sries estatsticas:
conceitos, tabelas, distribuio de frequncia e representao grfica.
Medidas de Posio. Medidas Separatrizes. Medidas de Disperso. Medidas
de Assimetria e Curtose. Probabilidade e seus eventos. Bayes. Distribuio
Binomial.

OBJETIVO:
Refletir a partir da Estatstica Bsica sobre as ferramentas consolidadas pelo
uso e pela cincia, disponveis a todos, que auxiliam na tomada de deciso.
Resende - RJ 2017
-3-
APRESENTAO
DA DISCIPLINA
Uma das ferramentas mais utilizadas hoje em dia
pelos cientistas, analistas financeiros, mdicos, engenheiros,
jornalistas etc. a Estatstica, que descreve os dados observados e
desenvolve a metodologia para a tomada de deciso em presena
da incerteza. O verbete estatstica foi introduzido no sculo XVIII,
tendo origem na palavra latina status (Estado), e serviu
inicialmente a objetivos ligados organizao poltico-social, como
o fornecimento de dados ao sistema de poder vigente. Hoje em dia,
os modelos de aplicao da Teoria Estatstica se estendem por todas
as reas do conhecimento, como testes educacionais, pesquisas
eleitorais, anlise de riscos ambientais, finanas, controle de
qualidade, anlises clnicas, ndices de desenvolvimento,
modelagem de fenmenos atmosfricos etc. Podemos
informalmente dizer que a Teoria Estatstica uma ferramenta que
ajuda a tomar decises com base na evidncia disponvel, decises
essas afetadas por margens de erro, calculadas atravs de modelos
de probabilidade.
No entanto, a probabilidade se desenvolveu muito

antes de ser usada em aplicaes da Teoria Estatstica. Um dos
marcos consagrados na literatura probabilstica foi a
correspondncia entre B. Pascal (1623-1662) e P. Fermat (1601-
1665), onde o tema era a probabilidade de ganhar em um jogo
com dois jogadores, sob determinadas condies. Isso mostra que o
desenvolvimento da teoria de probabilidades comeou com uma
paixo humana, que so os jogos de azar, mas evoluiu para uma
rea fortemente terica, em uma perspectiva de modelar a
incerteza, derivando probabilidades a partir de modelos
matemticos.
A anlise combinatria deve grande parte de seu

desenvolvimento necessidade de resolver problemas
probabilsticos ligados contagem, mas hoje h diversas reas em
que seus resultados so fundamentais para o desenvolvimento de
teorias, como, por exemplo, a rea de sistemas de informao.
Nesta apostila encontraremos as definies de

Estatstica, vocabulrio bsico, populao e amostra, sries
estatsticas, medidas estatsticas, probabilidades e muito mais!
-4-
Falou mais o Senhor a Moiss, no deserto de Sinai, na tenda da

congregao, no primeiro dia do ms segundo, no segundo ano da sua
sada da terra do Egito, dizendo:
Tomai a soma de toda a congregao dos filhos de Israel, segundo as
suas geraes, segundo a casa dos seus pais, conforme o nmero dos
nomes de todo o varo, cabea por cabea;
Da idade de vinte anos e para cima, todos os que saem guerra em
Israel; a estes contareis segundo os seus exrcitos, tu e Aaro.
Estar convosco, de cada tribo, um homem que seja cabea da casa dos
seus pais.
Todos os contados, pois, foram seiscentos e trs mil, quinhentos e
cinquenta.
Nmeros 1: 1-4; 46
-5-

SUMRIO

1CONCEITOSPRELIMINARES 4PROBABILIDADE

1.1CONCEITOEIMPORTNCIADAESTATSTICA,7 4.1CONCEITOSBSICOSDEPROBABILIDADES,44
1.2FASESDOESTUDOESTATSTICO,12 Experimentoaleatrio,44
1.3VOCABULRIOBSICODEESTATSTICA,13 Espaoamostral,44
1.4POPULAOEAMOSTRA,15 Eventos,45
1.5ESTATSTICADESCRITIVAEINFERENCIAL,17 4.2CLCULOSDEPROBABILIDADES,45
Probabilidade,45
Eventoscomplementares,46
2SRIESESTATSTICAS Eventosmutuamenteexclusivos,47

2.1CONCEITOSETIPOSDESRIESESTATSTICAS,19 Eventosnomutuamenteexclusivos,47
Tabelas,19 Probabilidadecondicionalemultiplicaode
Grficos,20 probabilidades,48
Probabilidadecomeventosdependentes,48
2.2DISTRIBUIODEFREQUNCIA,23 Multiplicaodeprobabilidadescom
Frequnciaabsolutaehistograma,23 eventosdependentes,50
Frequnciarelativa,absolutaacumuladae Multiplicaodeprobabilidadescom
relativaacumulada,24 eventosindependentes,51
Agrupamentoemclasses,25 TeoremadeBayes,52
Polgonodefrequnciaeogiva,26 DistribuioBinomial,53

3MEDIDASRESUMO REFERNCIASBIBLIOGRFICAS,55

3.1MEDIDASDEPOSIO,28
ANEXOILIVROSRECOMENDADOS,56
MDIA,28
ANEXOIISoftwareBIOESTAT,57
MdiasimpleseMdiaponderada,28 ANEXOIIIEstatsticanoExcel,58
Mdiadedistribuiodefrequncia,29
MEDIANA,30
MODA,31
RELAOENTREMDIA,MEDIANAEMODA,33

3.2MEDIDASDEORDENAMENTO(OUSEPARATRIZES),34
Quartil,34
DecilePercentil,35

3.3MEDIDASDEVARIAO(OUDISPERSO),36
Introduo,36
VarinciaeDesvioPadro,37
CoeficientedeVariao,39
DesviopadrodeDistribuiodefrequncia,39

3.4MEDIDASDEASSIMETRIAECURTOSE,41
Assimetriaecoeficientedeassimetria,41
Curtoseecoeficientedecurtose,42

-6-
1
CONCEITOS PRELIMINARES
-7-
1.1 CONCEITO E IMPORTNCIA DA ESTATSTICA
ESTATSTICA NA PRTICA
AnaliseasinformaesabaixoparamelhorcompreensodoconceitodeEstatstica.
ACIDENTESDOTRABALHONOBRASIL1970a2005
ConceitodeAcidente:Lesocorporaloudoena,relacionadacomoexercciodotrabalho.(Lei8.213/91art.19a21)
INSS:rgopblicoresponsvelpelacoleta,organizaoerepresentaodosdados.

Coleta:PormeiodeumformulrioeletrnicodenominadoCATComunicaodeAcidentedoTrabalho,enviado
pelasempresasquandodaocorrncia,conformedeterminaoart.22daLei8.213/91.
Organizao:AtravsdeumgrandebancodedadosdoINSS.
Representao:AtravsdeumdocumentodenominadoAnurioEstatsticodeAcidentesdoTrabalho,contendo
tabelas,grficosediversasanlises.Disponvelnositewww.previdencia.gov.br,naseoEstatstica.

Motivo: Quando o trabalhador se afasta por motivo de acidente, o INSS concede benefcios acidentrios, como auxlio
doenaacidentrio,auxlioacidente,aposentadoriaporinvalidez,pensopormorte,reabilitaoentreoutros.
COMPILAO E ANLISE DE DADOS (INFORMAES) sobreacidentesdotrabalho,de1970a2005:

33.238.617
35.000.000 31.407.576
Evoluo da QUANTIDADE de TRABALHADORES
no Brasil - 1970 a 2005.
29.544.927
28.683.913
30.000.000 27.189.614
26.228.629
24.491.635
23.661.57923.198.656 23.667.24123.830.312
25.000.000 22.163.827 22.272.843

19.476.36219.673.915
20.000.000
18.686.355
16.638.799
14.945.489
15.000.000
11.537.024
8.148.987
10.000.000 7.284.022
5.000.000
1970 1972 1974 1976 1978 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2001 2002 2003 2004 2005
FONTE: Revista Proteo Anos
ObservaseaolongodosanosoaumentogradativodaquantidadedetrabalhadoresnoBrasil,de7.284.022chegandoa33.238.617,
reflexodocrescimentoeconmicodoPas.Essasinformaes(dados)soimportantesparafinsdecomparaocomaevoluoda
quantidadedeacidentesdotrabalhonomesmoperodo,comosegueabaixo:
2.000.000 1.796.671
1.743.825 Involuo da QUANTIDADE de ACIDENTES DO
Aprovao das NRs
1.750.000 1.551.461
TRABALHO no Brasil - 1970 a 2005.
1.504.723 1.464.211
1.500.000
1.220.111 1.178.472 1.207.859
1.250.000
961.575 991.581
1.000.000
693.572
750.000 532.514
465.700 491.711
388.304 395.455414.341 363.868 393.071 399.077
500.000 340.251
250.000
0
1970 1972 1974 1976 1978 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2001 2002 2003 2004 2005
Anos
FONTE: Revista Proteo
No perodo de 1970 a 1976 a quantidade de acidentes foi alta, comparandose com a pequena quantidade de trabalhadores no
mesmo perodo. Somente a partir de 1978 os acidentes comearam a reduzir, em razo da aprovao das Normas
RegulamentadorasNRs(disponvelnowww.mte.gov.br),tornandosedeaplicaoobrigatriaemtodooPas.Estareduopode
servistacomopositiva,entretanto,nopodemoscomemoraressesnmeros,poisaquantidadedeacidentesaindaalarmantee
estpraticamenteestagnada,desde1994.
-8-
E as regies? Como esses acidentes esto distribudos nas regies do pas? Qual a pior regio? Vejamos abaixo em um
Cartograma(mapacomdados),REFERENTEAOANODE2005(491.711acidentes):
DistribuiodaquantidadeeporcentagemdeacidentesdetrabalhonoBrasilporRegies,
correlacionadoscomoProdutoInternoBrutoPIBano2005.
NORTE
PIB:5%departicipao
Acidentes:19.117(4%dototal)
NORDESTE
PIB:13,1%departicipao
CENTROOESTE
SUDESTE
SUL
EspritoSanto11.039acidentes
MinasGerais52.335acidentes
RiodeJaneiro34.610acidentes
SoPaulo181.705acidentes
campeo de acidentes no Brasil, participando com

181.705,oquecorrespondea37%dototal;porconseguinte
o seu PIB tambm o maior do Pas, com 33,9% de
participao.
FONTE: Adaptado da Revista Proteo e do IBGE (www.ibge.gov.br)
Observasequearegioem1lugaremnmerodeacidentesaSudeste,em2estaregioSul,em3aregioNordeste,em4aregio
CentroOeste e por ltimo a Norte. Ao analisarmos este grfico podemos tomar diversas concluses, porm, tais concluses somente so
possveis atravs de um estudo, o que demanda tempo. Todavia, observase que a quantidade de acidentes acompanha a porcentagem da
participao do PIB da regio. Esta correlao pode ser resultado do reflexo da economia da regio. Ora, a regio Sudeste, por exemplo,
correspondea56,5%doPIBdoPas.Logicamenteestaregiopossuiummaiornmerodeempresase,consequentemente,maiornmerode
modeobra e atividades produtivas, fato que pode justificar a enorme quantidade de acidentes comparada com as demais regies. Esses
dadostambmpodemestarrelacionadoscomaspolticasdosestadosedasempresas,aatuaodasfiscalizaesdoMinistriodoTrabalho,
as culturas das regies, os investimentos empresariais, a capacitao de mo de obra (treinamentos) entre outros fatores. Entendese por
ProdutoInternoBruto(PIB)asoma,emvaloresmonetrios,detodososbenseserviosfinaisproduzidosemumadeterminadaregio.
Tradicionalmente,noBrasil,aspolticasdedesenvolvimentotmserestringidoaosaspectoseconmicosevmsendotraadas
demaneiraparalelaoupoucoarticuladascomaspolticassociais,cabendoaestasltimasarcaremcomosnusdospossveis
danos gerados sobre a sade da populao, dos trabalhadores em particular e a degradao ambiental. Para que o Estado
cumpraseupapelparaagarantiadessesdireitos,misteraformulaoeimplementaodepolticaseaesdegoverno.
POSSVEIS SOLUES PARA REDUZIR OS ACIDENTES
ApartirdaanlisedosdadospodemosconcluirqueapolticadeseguranadotrabalhoadotadanoPasestestagnada.A
simples aplicao da norma regulamentadora no est sendo suficiente para reduzir o ndice de acidentes. Os dados nos
mostramquenohavermudanassignificativassenoforemfeitasalteraesnessapoltica.
Paracontornarasituao,osMinistriosdoTrabalho,daSadeedaPrevidnciaSocialpublicaram,paraconsultapblica,em
29.12.2004 a PNSST POLTICA NACIONAL DE SEGURANA E SADE DO TRABALHADOR, com a finalidade de promover a
melhoriadaqualidadedevidaedasadedotrabalhador.

OsMinistriosreconheceramadeficinciadaseguranadotrabalhonopas,carecendodemecanismosque:
Incentivemmedidasdepreveno;
Responsabilizemosempregadores;
Propiciemoefetivoreconhecimentodosdireitosdotrabalhador;
Diminuamaexistnciadeconflitosinstitucionais;
Tarifemdemaneiramaisadequadaasempresase
Possibiliteummelhorgerenciamentodosfatoresderiscosocupacionais.
-9-
Faceaoexposto,aPNSSTprope,dentreoutras,asseguintesaesaseremdesenvolvidaspelostrsMinistrios:
rea Aes
Estabelecer poltica tributria que privilegie empresas com menores ndices de acidentes e que
invistamnamelhoriadascondiesdetrabalho;
Criar linhas de financiamento para a melhoria das condies de trabalho, incluindo mquinas e
Tributos1, equipamentos,emespecialparaaspequenasemdiasempresas;
financiamentos IncluirrequisitosdeSSTparaconcessodefinanciamentospblicoseprivados;
elicitaes. IncluirrequisitosdeSSTnosprocessosdelicitaodosrgospblicos;
InstituiraobrigatoriedadedepublicaodebalanodeSSTparaasempresas,aexemplodoquej
ocorrecomosdadoscontbeis;
IncluirconhecimentosbsicosemSSTnocurrculodoensinofundamentalemdio;
IncluirdisciplinasemSSTnocurrculodeensinosuperior,emespecialnascarreirasdeprofissionais
desade,engenhariaeadministrao;
Educaoe EstimularaproduodeestudosepesquisasnareadeinteressedestaPoltica;
pesquisa ArticularinstituiesdepesquisaeuniversidadesparaaexecuodeestudosepesquisasemSST,
integrandoumarededecolaboradoresparaodesenvolvimentotcnicocientificonarea;
Desenvolver um amplo programa de capacitao dos profissionais, para o desenvolvimento das
aesemseguranaesadedotrabalhador;
Ambientes Eliminaraspolticasdemonetarizaodosriscos(adicionaisderiscos).
nocivos Outrasaes
Compatibilizarosinstrumentosdecoletadedadosefluxosdeinformaes.
Coletadedados Incluir nos Sistemas e Bancos de Dados as informaes contidas nos relatrios de intervenes e
anlisesdosambientesdetrabalho,elaboradospelosrgosdegovernoenvolvidosnestaPoltica.
CONSIDERAES FINAIS SOBRE O ESTUDO DE ACIDENTES.
Oqueacabamosdeverumestudoestatstico.Comovimos,osdadossobreacidentesdotrabalhonoBrasilsocontroladas
peloINSS.AcomunicaodeacidentespermiteaoINSSestimareacompanharorealimpactodotrabalhosobreasadeea
segurana da populao brasileira. O INSS coleta, organiza, apresenta e publica as estatsticas de acidentes do trabalho no
Brasil. Conformeobservado,quandoocorreumacidente,aempresa,porforadelei,obrigadaa
enviaraCATaoINSS,alimentando,assim,oseugrandebancodedados.

importanteressaltarqueosdadosdeacidentesdetrabalhonoseconstituem,tosomente,num
importante registro histrico, mas sim numa ferramenta inestimvel para os profissionais que
desempenham atividades nas reas de sade e segurana do trabalhador, assim como
pesquisadores e demais pessoas interessadas no tema. A anlise desses dados possibilita a
construo de um diagnstico mais preciso acerca da epidemiologia dos acidentes, propiciando,
assim,aelaboraodepolticasmaiseficazesparaasreasrelacionadascomotema.
TPICO PARA REFLEXO Acidente do Trabalho: o problema do Brasil.
Os acidentes de trabalho afetam a produtividade econmica, so responsveis por um impacto substancial sobre o sistema de proteo
socialeinfluenciamonveldesatisfaodotrabalhadoreobemestargeraldapopulao.

EstimasequeaausnciadesegurananosambientesdetrabalhonoBrasiltenhagerado,noanode2003,umcustodecercadeR$32,8
bilhesparaopas.Destetotal,R$8,2bilhescorrespondemagastoscombenefciosacidentrioseaposentadoriasespeciais,equivalentea
30%danecessidadedefinanciamentodoRegimeGeraldePrevidnciaSocialRGPSverificadoem2003,quefoideR$27bilhes.Orestante
dadespesacorrespondeassistnciasadedoacidentado,indenizaes,retreinamento,reinseronomercadodetrabalhoehorasde
trabalhoperdidas.

IssosemlevaremconsideraoosubdimensionamentonaapuraodascontasdaPrevidnciaSocial,quedesembolsaecontabilizacomo
despesas no acidentrias os benefcios por incapacidade, cujas CAT no foram emitidas. Ou seja, sob a categoria do auxlio doena no
ocupacional,encontraseencobertoumgrandecontingentedeacidentesquenocompemascontasacidentrias.

Partedestecustosegurananotrabalhoafetanegativamenteacompetitividadedasempresas,poiseleaumentaopreodamodeobra,
o que se reflete no preo dos produtos. Por outro lado, o incremento das despesas pblicas com previdncia, reabilitao profissional e
sadereduzadisponibilidadederecursosoramentriosparaoutrasreasouinduzoaumentodacargatributriasobreasociedade.

De outro lado, algumas empresas afastam trabalhadores, e muitas vezes os despedem logo aps a concesso do beneficio. Com isso, o
trabalhadorseafasta,jsendoportadordedoenacrnicacontradanolabor,eodesempregopoderseprolongarnamedidaemque,para
obteronovoemprego,sernecessriaarealizaodoexameadmissional,noqualseroeleitosapenasaquelesconsideradoscomoaptos
e,portanto,noportadoresdeenfermidades.

Fonte:RESOLUOCNPSN1.269,DE15DEFEVEREIRODE2006
_________________
1.Tributo:Impostos;taxasecontribuiesdemelhoria,devidaaopoderpblico.
- 10 -
CONCEITO DE ESTATSTICA
A CINCIA QUE SE DEDICA EM COLETAR, ORGANIZAR, APRESENTAR, ANALISAR E INTERPRETAR DADOS

(INFORMAES)PARATOMADADEDECISO.
Estatstica a cincia dos dados. A Estatstica lida com a coleta, o

processamento e disposio de dados (informaes), atuando como
ferramenta crucial nos processos de solues de problemas. A Estatstica
facilita o estabelecimento de concluses confiveis sobre algum fenmeno
queestejasendoestudado(WERKEMA,1995).
pormeiodaanliseeinterpretaodosdadosestatsticosquepossvelo
conhecimento de uma realidade, de seus problemas, bem como, a
formulaodesoluesapropriadaspormeiodeumplanejamentoobjetivo
daao,paraalmdosachismosecasuismoscomuns.
No uso dirio o termo estatstica referese a fatos numricos. Tenha em

mente,entretanto,queestatsticabemdiferentedematemtica.Estatstica
,antesdequalquercoisa,ummtodocientficoquedeterminaquestesde
pesquisa; projeta estudos e experimentos; coleta, organiza, resume e analisa dados; interpreta resultados e esboa
concluses. Ou seja, utilizase dados como evidncias para responder a interessantes questes sobre o mundo. A
matemticasutilizadaparacalcularaestatsticaerealizaralgumasdasanlises,maisissoapenasumapequenaparte
do que realmente a estatstica. Portanto, a estatstica mantm com a matemtica uma relao de dependncia,
solicitandolheauxlio,semoqualnopoderiadesenvolverse.
A Estatstica uma cincia interdisciplinar, ou seja, comum a duas ou mais disciplinas ou ramos de conhecimento.
Assim,aEstatsticaaplicadanaMedicina,Administrao,Engenharias,Economia,Contabilidade,Direito,Seguranado
Trabalho,Qualidade,Marketingentreoutrasreas.Vejaabaixo.

Medicina. Estudos de epidemiologia, *EngenhariadeProduo.Estudosde Segurana do Trabalho. Estudos de
interrelaes dos determinantes da um conjunto de dados de todas as acidentes e doenas, suas causas,
freqncia e distribuio de doenas fasesdeumprocessoprodutivo. quantidade,parteatingida,setores,%
populacionais deafastamentosetc.
Contabilidade. Estudos das Finanas. Estudos de uma srie de Economia. Estudos de taxas de
informaesfinanceirasdasempresas informaesestatsticasparaorientar inflao, ndice de preos, taxa de
pblicaseprivadas. investimentos. desemprego,futurodaeconomia.
*EngenhariadeProduoAaplicaodaEstatsticanaproduomereceespecialateno.Aatualnfasenaqualidade
tornaocontroledaqualidadeumaimportanteaplicaodaestatsticanareadaproduo.Usaseumasriedemapas
estatsticos de controle de qualidade para monitorar o resultado (output) de um processo de produo. Suponha, por
exemplo,queumamquinapreencharecipientescom2litrosdedeterminadorefrigerante.Periodicamente,umoperador
do setor de produo seleciona uma quantidade de recipientes e verifica a exatido, ou seja, se no h desvios. A
EstatsticatambmusadanaEngenhariadeProduoparaEstratificao,queconsistenoagrupamentodainformao
(dados)sobvriospontosdevista,demodoafocalizaraao,considerandoosfatoresequipamento,tempoentreoutros.
Exemplo:

Roupasdanificadas Tipodedano: Operador: Mquinadelavar:
emumalavanderia Tipoderoupa: Marcadosabo: Mquinadesecar:
- 11 -
UM POUCO DE HISTRIA E ATUALIDADE
OtermoEstatsticaprovmdapalavraEstadoefoiutilizadooriginalmente
para denominar levantamentos de dados (riquezas, impostos, nascimentos,
mortalidade, batizados, casamentos, habitantes etc.), cuja finalidade era
orientaroEstadoemsuasdecises.
Segundo Costa (2005, p. 5) em 1085, Guilherme O Conquistador,

ordenou que se fizesse um levantamento na Inglaterra, que deveria
incluir informaes sobre terras, proprietrios, uso da terra,
empregados, animais e serviria, tambm, de base para clculo de
impostos.Tallevantamentooriginouumvolumeintituladodomesdaybook.
No sculo XVIII o estudo dos dados foi adquirindo, aos poucos, feio
verdadeiramente cientfica. A palavra Estatstica apareceu pela primeira
veznosculoXVIIIefoisugeridapeloalemoGodofredoAchenwall(1719
1772),ondedeterminouoseuobjetivoesuasrelaescomascincias.
Desde essa poca, a Estatstica deixou de ser a simples catalogao de dados numricos coletivos e se
tornouoestudodecomochegaraconclusessobreotodo,partindodaobservaoeanlisedepartes
dessetodo.Essasuamaiorriqueza.

Atualmente a sociedade est completamente tomada pelos nmeros. Eles
aparecem em todos os lugares para onde voc olha, de outdoors mostrando as
ltimas estatsticas sobre aborto, passando pelos programas de esporte que
discutem as chances de um time de futebol chegar final do campeonato, at o
noticirio da noite, com reportagens focadas no ndice de criminalidade, na
expectativadevidadeumapessoaquenocomealimentossaudveisenondice
deaprovaodopresidente.
Em umdia comum, voc pode sedeparar comcinco,dez ou, atmesmo,vinte diferentesestatsticas (ou at
muito mais em um dia de eleio). Se voc ler todo o jornal de domingo, ir se deparar com centenas de
estatsticasemreportagens,propagandaseartigossobretodotipodeassunto:desdesopa(quantoemmdiauma
pessoaconsomeporano?)atcastanhas(quantascastanhasvocprecisacomerparaaumentarseuQI?).
Nas empresas a Estatstica desempenha um papel cada vez mais importante para os Gerentes. Esses
responsveispelatomadadedecisoutilizamaestatsticapara:
Apresentaredescreverapropriadamentedadoseinformaessobre
aempresa;
Tirarconclusessobregrandespopulaes,utilizandoinformaes
coletadasapartirdeamostras;
Realizarsuposiesconfiveissobreaatividadedaempresa;
Melhorarosprocessosdaempresa.

Aestatsticauminstrumentoeficienteparaacompreensoeinterpretaodarealidadeeno
devesersubestimada.Realmenteexistempesquisasfeitasdeformaincorretaeque,porisso,no
soconfiveis.Mas,emgeral,quandoumestudoestatsticofeitocomcritrio,seusresultados
permitem obter concluses e prever tendncias sobre fatos e fenmenos. Um estudo bem feito
noeliminaoerro,maslimitaoaumamargem,procurandotornlaomenorpossvel.

- 12 -
1.2 FASES DO ESTUDO ESTATSTICO
Umestudoestatsticoconfiveldependedoplanejamentoedacorretaexecuodasseguintesetapas:
1. Definir o que ser estudado e a natureza dos dados, como exemplo:
ESTUDO NATUREZA DOS DADOS

Quantidadeeperodo
Porregies,estadosoumunicpios
Acidentesdo Poratividadeeconmica Defina com clareza os objetivos da
TrabalhonoBrasil Poridadedosacidentados pesquisa,ouseja,oquesepretende
Porpartedocorpoatingida apurar, que tipo de problema
Porcausasdosacidentesetc. buscardetectar.
Tipodepea|Tipodedefeito
Quantidade
Peasdanificadasna
PerodoeTurnos
linhaA MquinaseOperadores
Matriaprimaetc.
2. Coletar dados
Apsdefiniroqueserestudadoeoestabelecimentodoplanejamentodotrabalho(formadecoletadosdados,
cronogramadasatividades,custosenvolvidos,levantamentodasinformaesdisponveis),opassoseguinteo
da coleta de dados, que consiste na busca ou compilao dos dados, componentes do fenmeno a ser
estudado.Nessaetaparecolhemseosdadostendoocuidadodecontrolaraqualidadedainformao.
Osucessodeumapesquisadependemuitodaqualidadedosdadosrecolhidos. Podemserpormeio
deCriaodeSoftwares,aexemplodaCAT;UsodeSoftwaresdaempresa;Dadoshistricos
daempresa(fsicos);Pesquisascomquestionriosetc.
3. Organizar e contar dados

procuradefalhaseimperfeies,osdadosdevemsercuidadosamenteorganizadosecontados,afimdenoincorrermos
emerrosgrosseirosquepossaminfluenciarnosresultados.NoexemplodaEstatsticanaprtica,apsacoletadaquantidade
de acidentes por meio da CAT, organizaos por perodo, regies etc. Da mesma maneira, se voc usa um questionrio para
coletardadosnaempresa,organizaosdaformanecessriapesquisa,almdacontagemaserfeita.
4. Apresentao de dados
2.000 .000 1.796.671 Aprovao das NRs Involuo da QUANTIDADE de ACIDENTES DO
1.743.825
TRABALHO no Brasil - 1970 a 2005.
Osdadosdevemser 1.750 .000 1.551.461
1.504. 723 1.464.211
apresentados sob a 1.500 .000
1. 207.859
formadetabelasou 1.220. 111 1.178. 472
1.250 .000
grficos, a fim de 961. 575 991.581
tornar mais fcil e 1.000 .000

693. 572
rpido o exame 750 .000 532.514
daquilo que est 414.341 465.700 491.711
388.304 395. 455 363. 868 393.071 399.077
500 .000 340.251
sendoestudado.
250 .000
0
1970 1972 1974 19 76 1978 19 80 1982 1 984 1986 1 988 1990 1992 1994 1996 199 8 2000 20 01 2002 20 03 2004 2 005
Anos
FONTE: Revista Proteo
5. Anlise dos dados e tomada de deciso

Chegamosfasemaiscomplexadoprocessoestatstico,queconsistenaanlisedosdados.Porfim,a
partir da anlise realizada, poderemos chegar a uma tomada de deciso. Observe o estudo
Estatstica na prtica. O que resultou a anlise dos acidentes no Brasil, no perodo de 1970 a
2005? Veja que os Ministrios do Trabalho, Previdncia Social e da Sade se mobilizaram para
resolveremessaquestodesadepblica,comdiversasaesaseremimplementadasnopas.A
partir dessa discusso, fica claro que um profissional com conhecimentos de Estatstica ter maior
facilidade em identificar um problema em sua rea de atuao, determinar os tipos de dados que
irocontribuirparasuaanlise,coletaressesdadoseaseguirestabelecerconclusesedeterminar
umplanodeaoparaasoluodoproblemadetectado.
- 13 -
1.3 VOCABULRIO BSICO DE ESTATSTICA
O vocabulrio utilizado em estudos estatsticos teve sua origem nos primeiros estudos feitos pela humanidade e que eram
relativos demografia (estudo estatstico das populaes). Por isso a Estatstica emprega termos prprios dessa rea de
conhecimento,mascomumsentidodiferenciado.Assim,paradarprosseguimento,deextremaimportnciadestacaralguns
termosutilizadosnojargoestatstico.
VARIVEL o termo usado para aquilo que voc est pesquisando, estudando, analisando.
,
No estudo representado no grfico abaixo a varivel o acidente do trabalho. Utilizada como um adjetivo do
vocabulriododiaadia,varivelsugerequealgumacoisasemodificaouvaria.
2.000.000 1.796.671
1.743.825 Involuo da QUANTIDADE de ACIDENTES
1.750.000 1.551.461
DO TRABALHO no Brasil - 1970 a 2005.
1.504.723 1.464.211
1.500.000
1.220.111 1.178.472 1.207.859
1.250.000
VARIVEL
961.575 991.581
1.000.000
693.572
750.000 532.514
465.700 491.711
388.304 395.455414.341 363.868 393.071 399.077
500.000 340.251
250.000
0
1970 1972 1974 1976 1978 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2001 2002 2003 2004 2005
FONTE: Revista Proteo Anos
So exemplos de Variveis
Doenas, Sexo, Estaturas, Peso, Idade, Renda, Natalidade, Mortalidade, PIB, Inflao, Exportaes brasileiras,
Produo de caf, Alimentao, Peas produzidas por hora, Paradas de produo no ms, Rotatividade de
estoque por ano, Poluio, Clima na regio sudeste, Consumo de energia no ms, Vendas mensais de uma
empresa, Produo diria de automveis etc.
EXEMPLO DE APLICAO:
Aassociaodosmoradoresdeumbairroqueriatraarumperfildosfrequentadoresdeumparquealisituado.
Umaequipedepesquisaelaborouquestesafimdereunirasinformaesprocuradas.Numamanhdequarta
feira, 6 pessoas foram entrevistadas e cada uma respondeu a questes para identificar idade, nmero de vezes
quefreqentaoparqueporsemana,estadocivil,meiodetransporteutilizadoparachegaraoparque,tempode
permanncianoparqueerendafamiliarmensal.Osresultadossomostradosnatabelaaseguir:
Variveis
Cadaumdosaspectosinvestigadososquaispermitirofazeraanlisedesejadadenominadovarivel.
- 14 -
TIPOS DE VARIVEIS
H, pois, uma diviso principal para as variveis estatsticas, que consiste em considerlas como Variveis Quantitativas
(discretasoucontnuas)eVariveisQualitativas(nominalouordinal).Estadivisodefaclimacompreenso!
Inteiros Quando as variveis forem em nmeros

inteiros,obtidoporcontagem:
DISCRETA 012345577987etc.
Nmeros
Ex.:Idade(anos),golsdefutebol,etc
QUANTITATIVA
No inteiros
Quando as variveis forem em nmeros
CONTNUA nointeiros,assumemqualquervalor:
0,21,123,774,768etc.

Ex.:Altura(cm),peso(kg),tempo(hh:mm)
VARIVEL
Quandopossvelordenasascategorias.
Ordenvel
Pesquisadealimentao:
ORDINAL [1]timo[2]Bom[3]Regular[4]ruim
Graudeinstruodefuncionriosdeumaempresa
Nomes 1grau2grauSuperiorMestradoDoutorado
QUALITATIVA
Quandonopossvelordenarascategorias.
No ordenvel
Ex.: sexo (masculino ou feminino), Cor dos olhos (preto ou verde),
NOMINAL campodeestudo(Engenharia,Direitoetc)
No possvel estabelecer uma ordem, uma gradao, o mais ou
menosimportante,prioritrioetc.
Ento, os tipos de Variveis da pesquisa do parque sero:
Qualitativanominal
Quantitativadiscreta Quantitativacontnua
PARA LEITURA
Seadvidapersiste,vocpodeobservarnoquadroabaixomaisesclarecimentossobreessesconceitos.
Tipo de VARIVEL Resposta fornecida pesquisa
SerQuantitativaavarivelparaaqualsepossaatribuirumvalornumrico.Searespostafornecidapesquisaestiverexpressa
porumnmero,entoavarivelquantitativa.Porexemplo:quantoslivrosvoclporano?Arespostaumnmero?Ento,
Quantitativa
varivelquantitativa.Quantaspessoasmoramemsuacasa?Arespostaumnmero?Ento,novamente,varivelquantitativa.
(Em nmeros)
NocasodoestudoACIDENTEDOTRABALHO,umavarivelquantitativa,poisestudamosaquantidadedeacidentesnoperodo
de1970a2005
Varivel Quantitativa Discreta a varivel quantitativa que assume somente nmeros inteiros. Resulta, geralmente, de
contagem. Esta varivel no pode assumir qualquer valor, dentro de um intervalo de valores de resultados possveis. Por
Discreta exemplo,seeuperguntoquantosirmosvoctem,arespostajamaispoderiasertenho3,75irmos,outenho4,8irmos,ou
(nmeros inteiros) seja,arespostanopoderiaassumirtodososvaloresdeumintervalo!Esteacimaoconceitoformaldevariveldiscreta!O
(contagem) conceito para memorizar o seguinte: aquela varivel obtida por meio de uma contagem. Em outras palavras: a varivel
discretavocconta!.Exemplos:quantaspessoasmoramnasuacasa?Quantoslivrosvoctem?Quantoscarrosvoctem?Se,
pararesponderpergunta,vocfazumacontagem,entoestdiantedeumavarivelquantitativadiscreta.
VarivelQuantitativaContnuaaquelaquepodeassumirqualquervalordentrodeumintervaloderesultadospossveis.Seeu
Contnua perguntoquantosquilosvocpesa,arespostapodeser65,35kg.Seeuperguntoqualatemperaturanacidadehoje,aresposta
(Nmeros no inteiros) pode ser 27,35C. Para facilitar a memorizao, basta lembrar que a varivel quantitativa contnua pode ser obtida por uma
(medio) medio, ou seja, a varivel contnua voc mede! Exemplos: peso, altura, durao de tempo para resoluo de uma prova,
presso,temperaturaetc.
Qualitativa Se a pergunta qual a sua cor preferida?, logicamente a resposta no ser um nmero, da estaremos tratando de uma
(nomes, atributos) varivelqualitativa,ouseja,aquelaparaaqualnoseatribuiumvalornumrico.Exemplos:Sexo:masculinooufeminino
- 15 -
1.4 POPULAO E AMOSTRA

Quandovocquersaberseasopaficouboa,oquevocfaz?Mexeapanela,retiraumpoucocom
umacolhereprova.Depoistiraumaconclusosobretodoocontedodapanelasem,naverdade,
terprovadotudo.Portanto,possvelterumaidiadecomoasopaestsemterquecomertudo.
Issooquesefazemestatstica.
Aestatsticadeixoudeserasimplescatalogaodedadosnumricosesetornouoestudodecomo
chegar a concluses sobre o todo (populao), partindo da observao e anlise de partes desse
todo(amostra).Essasuamaiorriqueza.Assim,podemosconceituarpopulaoeamostracomo:

POPULAOUMCONJUNTODETODOSOSELEMENTOSEMESTUDO.
AMOSTRAUMAPARTEDAPOPULAO(ousubconjunto).

AMOSTRA
(uma parte da populao)

Podemosvisualizaroconceito
de populao
e amostra na n
figuraaolado.
POPULAO

Quando pesquisamos toda a

populao,damosonomede (todos os elementos em estudo)
censo.
N

A preciso depende do
tamanho da amostra, e
quanto maior
o tamanho
amostral, maior ser a
precisodasinformaes.

N designado para Populao

n designado para Amostra

Muitasvezesquandoqueremosfazerumestudoestatstico,nopossvelanalisartodaapopulao
envolvidacomofatoquepretendemosinvestigar,comoexemploosanguedeumapessoaouapoluio
deumrio.impossvelotestedotodo.Hsituaestambmemqueinviveloestudodapopulao,
por exemplo, a pesquisa com todos os torcedores em um estdio de futebol durante uma partida.
Nesses casos, o estatstico recorre a uma amostra que, basicamente, constitui uma reduo da
populaoadimensesmenores,semperdadascaractersticasessenciais.
Osresultadosfundamentadosemumaamostranoseroexatamenteosmesmosquevocencontraria
se estudasse toda a populao, pois, quando voc retira uma amostra, voc no obtm informaes a
respeito de todos em uma dada populao. Portanto, importante entender que os resultados da
amostrafornecemsomenteestimativasdosvaloresdascaractersticaspopulacionais.Commtodosde
amostragens apropriados, os resultados da amostra produziro boas estimativas da populao, ou
seja,umestudobemfeitonoeliminaoerro,maslimitaoaumamargem,procurandotornlaomenor
possvel.Quandoaprendemosestatsticainferencial,tambmaprendemostcnicasparacontrolaresses
errosdeamostragem.
4 razes para selecionar uma amostra
Onmerodeelementosemumapopulaomuitogrande;
Demandamenostempodoqueselecionartodosositensdeumapopulao;
menosdispendioso(caro)doqueselecionartodosositensdeumapopulao;
Umaanliseamostralmenoscansativaemaisprticadoqueumaanlisedapopulaointeira.
- 16 -
So exemplos de Populao e Amostra:

MEDICINA. Pretendese estudar o efeito de um novo medicamento para curar determinada doena.
selecionadoumgrupode50doentes,administrandoseonovomedicamentoa10dessesdoentesescolhidosao
acasoeomedicamentohabitualaosrestantes.
Populao:Todosos50doentescomadoenaqueomedicamentoaestudarpretendetratar.
Amostra:Os10doentesselecionados.
CONTROLEDEQUALIDADE.OGerentedeProduodeumafbricadeparafusospretendeassegurarsedeque
a porcentagem de peas defeituosas no excede um determinado valor, a partir do qual determinada
encomendapoderiaserrejeitada.
Populao:Todososparafusosfabricadosouafabricar,utilizandoomesmoprocesso.
Amostra:Parafusosescolhidosaoacasoentreoslotesproduzidos.
ESTUDOSDEMERCADO.Ogerentedeumafbricadeprodutosdesportivospretendelanarumanovalinhade
esquis,peloqueencarregaumaempresaespecialistaemestudosdemercadodeestimaraporcentagemde
potenciaiscompradoresdesseproduto.
Populao:conjuntodetodosospraticantesdedesportosdeneve.
Amostra:conjuntodealgunspraticantesinquiridospelaempresa.
SISTEMASDEPRODUO.Umfabricantedepneusdesenvolveuumnovotipodepneuequersaberoaumento
da durabilidade em termos de kilometragem em relao atual linha da empresa. Produz diariamente 1000
pneuseselecionou120paratestes.
Populao:1000pneus.
Amostra:120pneus.
OUTROS EXEMPLOS DE AMOSTRAS:
- 17 -
1.5 ESTATSTICA DESCRITIVA E ESTATSTICA INFERENCIAL

Estatsticadescritivaoramodaestatstica
AMOSTRA
(uma parte da populao) que envolve a organizao, o resumo e a
representao dos dados para tomada de
deciso.
POPULAO
(todos os elementos em estudo)

EstatsticaInferencialoramodaestatstica
que envolve o uso da amostra para chegar a
concluses sobre a populao. Uma
ferramenta bsica no estudo da estatstica
inferencialaprobabilidade.
Algumas ferramentas aplicadas

Estatstica Inferencial:

Probabilidades
UmaProbabilidadeumamedidanumricaquerepresentaachancedeumeventoocorrer.Ex.:
Aolanarumdado,qualaprobabilidadedeobterovalor4?R=1/6=16%

Estimao, margem de erro e intervalo de confiana
Suponhaqueotempomdioquevoclevaparachegaraotrabalhodecarrode35,comumamargemdeerro
de5paramaisouparamenos.Aestimativadequeotempomdiogastoat
chegar ao trabalho fica em algum ponto entre 30 e 40. Esta estimativa um
intervalodeconfiana,poislevaemconsideraoofatodequeosresultadosda
amostrairovariaredumaindicaodeumavariaoesperada.
A margem de erro uma medida

de quo prximo voc espera que
seusresultadosrepresentemtodaa
populao que est sendo
estudada. Vrios fatores
influenciam a amplitude de um
intervalodeconfiana,taiscomoo
tamanhoamostral,avariabilidadedapopulaoeoquantovocesperaobterdepreciso.Amaioriadospesquisadorescontentasecom95%
de confiana em seus resultados. Estar 95% confiante indica que se voc coletar muitas, mas muitas amostras e calcular o intervalo de
confianaparatodas,95%dessasamostrasterointervalosdeconfianaqueabrangerooalvo.

Teste de hiptese
Testedehipteseumprocedimentoestatsticoemqueosdadossocoletadosemedidosparacomprovaruma
alegaofeitasobreumapopulao.Porexemplo,seumapizzariaalegaentregaraspizzasdentrode30apartir
do pedido, voc pode testar se essa alegao verdadeira, coletando uma amostra aleatria do tempo de
entregaduranteumdeterminadoperododetempoeobservarotempomdiodeentregaparaessaamostra.

- 18 -
SRIES ESTATSTICAS
- 19 -
2.1 CONCEITOS E TIPOS DE SRIES

As tabelas e grficos constituem um importante instrumento de anlise e interpretao de um conjunto de dados.
Diariamente possvel encontrar tabelas e grficos nos mais variados veculos de comunicao (jornais, revistas, televiso,
Internet), associadas a assuntos diversos do nosso diaadia, como resultados de pesquisas de opinio, sade e
desenvolvimentohumano,economia,esportes,cidadania,etc.Aimportnciadastabelasedosgrficosestligadasobretudo
facilidadeerapideznaabsoroeinterpretaodasinformaesporpartedoleitoretambmsinmeraspossibilidadesde
ilustraoeresumodosdadosapresentados.
TABELAS

Soquadrosqueresumemumconjuntodedados.

Ttuloconjuntodeinformaessobreoestudo.
Cabealhoespecificaocontedodascolunas
Colunaindicadoraespecificaocontedodaslinhas
Colunanumricaespecificaaquantidadedaslinhas
Linhasretasimaginriasdedados
Clulaespaodestinadoaumsnmero
Rodapsimplesmenteafontedosdados

Tipos de Tabelas

SRIEHISTRICA SRIEGEOGRFICA SRIEESPECFICA
Descreve os valores da varivel, Descreve os valores da varivel, Descreve os valores da varivel,
discriminados por TEMPO (anos, discriminadosporREGIES (pases, discriminados por temas
meses,dias,horas,etc. cidades,bairros,ruas,layout,etc) ESPECIFICOS.

SRIECONJUGADA
utilizadoquandotemosanecessidadedeapresentaremumanica
tabela a variao de valores DE MAIS DE UMA VARIVEL, isto ,
fazerdeformaconjugadadeduasoumaissries.

Estasrie,porexemplo,GEOGRFICAHISTRICA

- 20 -
GRFICOS

A importncia dos grficos est ligada facilidade e rapidez na absoro e interpretao das informaes e
tambmsinmeraspossibilidadesdeilustraoeresumodosdadosapresentados.Eisosmaisusados:

Grfico em Linha (para sries histricas)
arepresentaodosvalorespormeiodelinhas.Usamosquandoprecisamosdeumainformaorpidadeum
valoraolongodotempo.

ACIDENTESDOTRABALHO
SOPAULO:19891994

10000
8658 9578
8000 7265
6325 6254
Quantidade
6000

5458
4000

2000

0
1989 1990 1991 1992 1993 1994
Anos
FONTE: Dados fictcios

ACIDENTESDOTRABALHOEM
SOPAULO:19891991
2500

SoPaulo
2000
Guarulhos

Quantidade
1500 Campinas

Osasco
1000 Santos

500

0
1989 1990 1991
FONTE: Dados fictcios anos
Grfico em Colunas
a representao dos valores por meio de retngulos, dispostos verticalmente. Utilizase muito quando
necessitamossaberaquantidadedevalor.

QUANTIDADEDEACIDENTESDOTRABALHO
SOPAULO:19891994
12000
9578
10000
8658
7265
8000
Quantidade
6325 6254
6000 5458
4000
2000

0
1989 1990 1991 1992 1993 1994

FONTE: Dados fictcios Anos

- 21 -
Grfico em Barras
omesmoconceitoqueodeColunas,pormutilizasesemprequeosdizeresasereminscritossoextensos.

QUANTIDADEDEACIDENTESDOTRABALHO
EMSOPAULOPORTIPO1989

Corte 598
Queda 3578

Tipo
Atrito 698

Perfurao 55
Impacto 1396

0 1000 2000 3000 4000
Quantidade

Grfico em Setores
Estegrficoconstrudocombaseemumcrculo,eempregadosemprequedesejamosressaltaraparticipao
deumdadonototal,geralmentenaformadeporcentagem.
ACIDENTESDOTRABALHO
SOPAULO1989


Grfico Polar
o grfico ideal para representar sries temporais cclicas, isto , sries temporais que apresentam em seu
desenvolvimentodeterminadaperiodicidade,porexemplo,omsdejaneiroadezembro.

ACIDENTESDOTRABALHO

SOPAULO1989

- 22 -
Grfico de Pareto
um grfico de colunas na qual a altura de cada barra representa os dados, porm na ordem de altura
decrescente, com a coluna mais alta posicionada esquerda. Tal posicionamento ajuda a enfatizar dados
importantesefrequentementeusadonosnegcios.
Oscincoveculosmaisvendidos Oscincoveculosmaisvendidos
noBrasilemjaneirode1995 noBrasilemjaneirode1995
40
Quantidade
Quantidade(milhes)
34
Veculo 30
(milhes) 30
25 22
mega 34
20 15
Monza 30
Gol 25 10
Corsa 22
Fusca 15 0
mega Monza Gol Corsa Fusca

FONTE:dadosfictcios
FONTE: Dados fictcios Veculos

Grfico de Disperso
usadopararepresentararelaoentreduasvariveisquantitativas,pormeiodepontoselinhas.Aprendemosa
utilizaressegrficoquandoestudamosCorrelaoeRegresso.

Investimentosversusvendas
nosetordaempresaX
Anos Investimentos Vendas

1999 500 1000
2000 1000 2000
2001 1500 3000
2002 2000 4000
FONTE:dadosfictcios

Grfico Cartograma
Este grfico empregado quando o objetivo o de figurar os dados estatsticos diretamente relacionados com
reasgeogrficasoupolticas(mapas),corpohumanoentreoutrasfiguras.

Nmerodecada
Delegacia

FONTE:SSP/SP
- 23 -
2.2 DISTRIBUIO DE FREQUNCIA

Frequncia absoluta e Histograma
Ao se trabalhar com grandes conjuntos de dados, em geral til organiz-los e resumi-los em uma
tabela, chamada Distribuio de frequncia.
Nadistribuiodefrequncialistamostodososvalorescoletados,umemcadalinha,marcamseasvezesemqueeles
aparecem, incluindo as repeties, e contase a quantidade de ocorrncias de cada valor. Por este motivo, tabelas
queapresentamvaloresesuasocorrnciasdenominamsedistribuiodefreqncias.
Otermofreqnciaindicaonmerodevezesqueumdadoaparecenumaobservaoestatstica.

EXEMPLO
Umprofessororganizouosresultadosobtidosemumaprovacom25alunosdaseguinteforma:
Notasdos25alunosComentrio
4,0 5,0 7,0 9,0 9,0 Agora ele pode fazer uma representao grfica para analisar o
4,0 5,0 7,0 9,0 9,0 desempenho da turma. Em primeiro lugar, o professor pode fazer uma
4,0 5,0 7,0 9,0 9,0 tabulaodosdados,ouseja,organizlosdemodoqueaconsultaaeles
seja simplificada. Ento, faremos a distribuio de freqncia destas
4,0 6,0 8,0 9,0 9,0
notas,pormeiodacontagemdedados.
4,0 6,0 8,0 9,0 9,0
DistribuiodefreqnciaComentrio
Freqncia,f Esta forma de organizar dados conhecida como distribuio de
Nota (ndealunos) frequncia, e o nmero de vezes que um dado aparece chamado de
4,0 5 frequnciaabsoluta,representadoporf.Exemplos:

5,0 3 Afrequnciaabsolutadanota4,05.
6,0 2 Afreqnciaabsolutadanota9,010.

7,0 3
O smbolo grego sigma significa somatrio, muito usado em
8,0 2
Estatstica.Portanto,f=25significaasomade5+3+2+3+2+10.
9,0 10
f=25 Representamosafreqnciaporumgrfico,chamadoHistograma.
HISTOGRAMAComentrio
Quando os dados numricos so organizados, eles geralmente so
Desempenhodosalunosnaprova ordenados do menor para o maior, divididos em grupos de tamanho
12 razovel e, depois, so colocados em grficos para que se examine sua
Nmerodealunos
10
10 forma, ou distribuio (no exemplo: 4,0 5,0 6,0 7,0 8,0 9,0). Este
8 grficochamadodeHistograma.

6 5 Um histograma um grfico de colunas juntas. Em um histograma no

4 3 3
existemespaosentreascolunasadjacentes,comoocorreemumgrfico
2 2 de colunas. No exemplo, a escala horizontal () representa as notas e a
2
escalavertical()asfreqncias.
0
4,0 5,0 6,0 7,0 8,0 9,0 Ohistogramaaoladoindicaquecincoalunostiraramanota4,0;trsalunostiraram

anota5,0;doisalunostiraramanota6,0;trsalunostiraramanota7,0;doisalunos
Nota tiraram8,0edezalunostiraram9,0.

ESTAFREQUNCIAQUEACABAMOSDEESTUDARDENOMINADAFREQUENCIA
ABSOLUTA(f),QUESIMPLESMENTEACONTAGEMDOSDADOS.
EmEstatsticanotrabalhamossomentecomfrequnciaabsoluta(f),mastambmcomoutrostiposdefreqncias,
queso:freqnciarelativa(fr),frequnciaabsolutaacumulada(Fa)efrequnciarelativaacumulada(FRa).
Estudaremosagoracadaumadelas.
- 24 -
Frequncia Relativa fr (%)
Conceito.Representadoporfr(%),significaarelaoexistenteentreafrequnciaabsolutafeasomadasfreqncias f.a
porcentagem(%)donmerodevezesquecadadadoapareceemrelaoaototal.
EXEMPLO
5
/25*100=20%.
freqnciarelativafr(%)Comentriosaosclculos
Nota f fr(%) f
Afrequnciarelativafr(%)obtidapor /f*100,conformeabaixo:
4,0 5 20%
5
Afr(%)danota4,0 /25*100=20%.
5,0 3 12% 3
Afr(%)danota5,0 /25*100=12%
6,0 2 8% 2
Afr(%)danota6,0 /25*100=8%
7,0 3 12% 3
Afr(%)danota7,0 /25*100=12%
8,0 2 8% 2
Afr(%)danota8,0 /25*100=8%
9,0 10 40% 10
Afr(%)danota9,0 /25*100=40%.
f=25 100%

Frequncia Absoluta Acumulada Fa
Conceito.RepresentadoporFa,significaasomadasfreqnciasabsolutasatoelementoanalisado.
EXEMPLO
Fa2=5+3=8
frequnciaabsolutaacumulada(Fa)Comentriosaosclculos
Nota ffr(%) Fa AfrequnciaabsolutaacumuladaFaobtidaconformeabaixo:
4,0 5 20% 5
AFadanota4,05(semprerepeteaprimeira).
5,0 3 12% 8
AFadasnotas4,0e5,05+3=8.
6,0 2 8% 10 AFadasnotas4,0,5,0e6,05+3+2=10.
7,0 3 12% 13 AFadasnotas4,0,5,0,6,0e7,05+3+2+3=13.
8,0 2 8% 15 AFadasnotas4,0,5,0,6,0,7,0e8,05+3+2+3+2=15.
9,0 10 40% 25 AFadasnotas4,0,5,0,6,0,7,0,8,0e9,05+3+2+3+2+10=25

f=25 100%
Frequncia Relativa Acumulada FRa (%)
Conceito.RepresentadoporFRa(%),significaasomadasfreqnciasrelativasfr(%)atoelementoanalisado.
EXEMPLO
20%+12%=32%
frequnciarelativaacumulada(FRa)Comentriosaosclculos
Nota f fr(%) Fa FRa(%) AfrequnciarelativaacumuladaFRa(%)obtidaconformeabaixo:
4,0 5 20% 5 20%
AFRa(%)de4,020%(semprerepeteaprimeira).
5,0 3 12% 8 32%
AFRa(%)de4,0e5,020+12=32%
6,0 2 8% 10 40% AFRa(%)de4,0,5,0e6,020+12+8=40%
7,0 3 12% 13 52% AFRa(%)de4,0,5,0,6,0e7,020+12+8+12=52%
8,0 2 8% 15 60% AFRa(%)de4,0,5,0,6,0,7,0e8,020+12+8+12+8=60%
9,0 10 40% 25 100% AFRa(%)de4,0,5,0,6,0,7,0,8,0e9,020+12+8+12+8+40=100%
f=25 100%
NOTAIMPORTANTESOBREDISTRIBUIODEFREQUNCIA:

Nota f fr(%) Fa FRa(%) Parasaberseodesenvolvimentodadistribuiodefreqnciaporcompletoest
25 100% correto,osvaloresaolado,emvermelho,deverocoincidir.
f=25 100%

- 25 -
Agrupamento em Classes

Em uma distribuio de frequncia, ao se trabalhar com grandes conjuntos de dados e com valores
dispersos, podemos agrup-los em classes.

Se um conjunto de dados for muito disperso, uma representao melhor seria atravs do agrupamento dos dados
comaconstruodeclassesdefrequncia.Casoissonoocorresse,atabelaficariamuitoextensa.Vejaabaixo:

EXEMPLO

UmradarinstaladonaDutraregistrouavelocidade(emKm/h)de40veculos,indicadasabaixo:
Velocidadede40veculos(Km/h) Distribuiodefrequnciacomclasses
Limite Limite
70 90 100 110 123 inferior i Velocidade(Km/h) f superior
71 93 102 115 123 1 7080 4
73 95 103 115 123 Classes 2 8090 4
76 97 105 115 123 3 90100 8
80 97 105 117 124 4 100110 8
81 97 109 117 124 5 6
110120
83 99 109 121 128
6 120130 10
86 99 109 121 128
f=40

Distribuiodefrequncia
A distribuio em classes como se fosse uma compresso dos dados. Imagine se
Nota f fizssemosumadistribuiodefrequnciadetodasvelocidades(de70a128).Atabela

70 1 ficariaimensa!Porestemotivoexisteadistribuiodefrequnciacomclasses.

71 1 ComocriarumaDistribuiodeFreqnciacomclasses

73 1
1. Calculeaquantidadedeclasses(i),pelaraizdaquantidadededados.So
76 1
40veculos.Ento, 40 =6,3 i=6classes.

80 1

81 1 2. Calculeaamplitudedeclasse(h)queotamanhodaclasse,sendo:

83 1 MaiorvalorMenorvalor=12870=9,6 h=10
86 1 quantidadedeclasses(i)6
90 1
Nota:oMaiorvalor(128)eoMenorvalor(70)soobtidosdalistadosregistrosdas
93 1 velocidadesdos40veculos.

95 1

3. Montar as classes a partir do Menor valor (70), somando com a
97 3 amplitudedeclasse(10)atquesecheguena6classe,assim:

99 2
100 1 i Velocidade(Km/h)

1 70+1080
102 1
2... 80+1090
103 1
...6 120+10130
105 2

109 3 TIPOSDEINTERVALOSDECLASSE
110 1

Tipo Representao Dadosdointervalo
115 3
Aberto 7080 70,71,72,73,74,75,76,77,78,79,80
117 2
Fechadoesquerda 7080 70,71,72,73,74,75,76,77,78,79,80

121 2 Fechado 7080 70,71,72,73,74,75,76,77,78,79,80
Fechadodireita 7080 70,71,72,73,74,75,76,77,78,79,80

123 4
124 2 No Brasil usase o intervalo (Resoluo 866/66 do IBGE). J na literatura estrangeira

utilizasecomumentecomintervalofechado.
128 2
CONCEITOSIMPORTANTES

f=40
LIMITESDECLASSESoosvaloresextremosdecadaclasse.Noexemplo7080,
temosqueolimiteinferior70eolimitesuperior80.
fcil ver que a distribuio de frequncias
diretamente obtida a partir desses dados AMPLITUDETOTALDADISTRIBUIO(AT)adiferenaentreolimitesuperiorda
dadaumatabelarazoavelmenteextensa. ltimaclasseeolimiteinferiordaprimeiraclasse,noexemplo13070=60.

AMPLITUDEAMOSTRAL(AA)adiferenaentreovalormximoeovalormnimo
daamostra,noexemplo12870=58.

- 26 -
Abaixo vemos as distribuies de frequncias absoluta f, relativa fr(%), absoluta acumulada Fa e relativa acumulada FRa(%),
bemcomooHistogramadestadistribuio.

Distribuiodefreqnciacomclassesf,fr(%),FaeFRa(%)
Resultadosdosregistros
12 deumradar

Quantidadedeveculos
10
i Velocidade(Km/h) f Fr(%) Fa FRa(%) 10
1 7080 4 10% 4 10% 8 8
8
2 8090 4 10% 8 20% 6
3 90100 8 20% 16 40% 6
4 4
4 100110 8 20% 24 60% 4
5 110120 6 15% 30 75%
2
6 120130 10 25% 40 100%
0
f=40 100%
708090100110120130

Velocidade(Km/h)
OUTRASREPRESENTAESGRFICASDEUMADISTRIBUIODEFREQUNCIA
Polgono de frequnciaumgrficoemlinhaquerepresentaospontoscentraisdosintervalosdeclasse.
Paraconstruirestegrfico,vocdevecalcularopontocentraldeclasse(xi),queopontoquedivideointervalodeclasseem
duaspartesiguais.Porexemplo,avelocidadedosveculosda1classepodeserrepresentadapor70+80=75Km/h
2

i Velocidade(Km/h) f xi
12 deumradar
1 7080 4 75
Quantidadedeveculos
10
2 8090 4 85
Pontocentral
3 90100 8 95 8

75Km/h
4 100110 8 105 6
6 115
5 110120
4
6 120130 10 125
7080
2
f=40
0
Aconstruodeumpolgonodefrequnciasmuitosimples.Primeiro, 70 75 80 85 9095100105110115 120 125 130

construmos um histograma; depois marcamos no telhado de cada
Velocidade(Km/h)
colunaopontocentraleunimossequencialmenteessespontos.
Ogiva (pronunciase ojiva). Conhecida tambm por polgono de frequncia acumulada. um grfico em linha que
representa as freqncias acumuladas (Fa), levantada nos pontos correspondentes aos limites superiores dos intervalos de
classe.Paraconstrula,vocdeveelaborarohistogramadefreqnciafemumaescalamenor,considerandooltimovalora
freqnciaacumuladadaltimaclasse,nocaso,40.
40 40
i Velocidade(Km/h) f Fa deumradar
Quantidadedeveculos
35
1 7080 4 4 30

30
2 8090 4 8 24
25
3 90100 8 16 20 16
4 100110 8 24
15
5 110120 6 30 8 8 8 10
10 6
6 120130 10 40 4 4 4
5
f=40
0
708090100110120130
Velocidade(Km/h)

- 27 -
3

MEDIDAS RESUMO
Oquedizerseumprofessorquersabersobreasnotasdos110alunosdeumadisciplina?Poderamos,talvez,
utilizar para resposta uma tabela com as frequncias das notas. Porm, o professor gostaria de uma resposta
rpida,quesintetizeainformaoquesetem,enoumadistribuiodefrequnciadasnotascoletadas.

Pararesumiraquantidadedeinformaocontidaemumconjuntodedados,utilizamos,emestatstica,medidas
quedescrevem,PORMEIODEUMSNMERO,caractersticasdessesdados.Vejaexemploabaixo.

NOTASDEESTATSTICADE110ALUNOSDAESCOLAA
5.6 8.3 4.5 8.7 3.9 9 5.5 7.9 9.5 10
9.6 6.6 5.3 3 9.5 3.9 9 5.6 7 5.9
7 8.9 2 8.7 9 3 8 6.7 4.2 6.5
6.5 4.6 9.5 5.3 3.9 9 3 8.8 9 8.9
7.1 6.5 3.9 4.9 9.4 5.3 9.5 2 5.3 7.5
9.2 9.8 9.5 5.9 5.5 5 7 8.3 5.6 9
6.1 5.6 4.9 6.5 9 9.6 7.5 7 9 4.5
4.2 8.9 9.6 9.8 8 6.5 7.9 2 5 5.3
7.3 8 9 5.6 1 9.8 4 9.5 3.6 5
8.6 4.2 9.6 8.9 5.9 4.2 6 5.3 8 2.8
9.2 9 9.8 3.9 8 9.5 3.3 8.4 5.3 4.5

Paraumaconclusorpida,qualfoiodesempenhodessesalunos?Istopodeserrespondidocomasmedidasabaixo.

Medidasresumo Valor Interpretao

Mdia 6,5 Valorquerepresentaopontodeequilbriodasnotas(comoumagangorra).
Mediana 7,0 50%dosalunostiraramabaixode7,0.
Moda 9,0 Notaquemaisserepetiu.
DesviopadroDP 2,3 Amaioriadasnotasestvariandoentre2,3emtornodamdia6,5(4,28,8)
Coeficientevariao 34% Hvariaode34%dasnotasemtornodamdia(complementaoDP).
1Quartil 5,0 25%dosalunostiraramabaixode5,0.
3Quartil 9,0 75%dosalunostiraramabaixode9,0.

Atravsdessasinformaespossvelanalisarodesempenhodessesalunos.

- 28 -
3.1 MEDIDAS DE POSIO

Somedidasqueutilizamosparaobterum nmeroquerepresenteovalorcentral deumconjuntodedados.AsMedidasde
TendnciaCentralmaisutilizadasso:Mdia,MedianaeModa.
MDIA
MDIA SIMPLES - uma medida que representa um valor tpico ou normal num conjunto de dados.
A mdia simples serve como um ponto de equilbrio em um conjunto de dados (como o ponto de apoio de uma
gangorra).Cadadadotemigualimportnciaepeso.Sofreainflunciadetodososdados.
AMdiasimplesobtidapelaseguinteequao:
x =xsomadosvaloresdosdados AMdiarepresentadapor x

nquantidadededados (lsexbarra)

EXEMPLO. Supondo que uma escola adote como critrio de aprovao a Mdia 7,0 e, considerando as quatro
notasdeJooeMariaduranteoano,informeseforamaprovados.
MdiadasnotasdeJoo
NotasdeJoo:3,5|6,0|9,5|9,0| 10.0 9.5 9.0

8.0 7,0 MdiadeJoo
x =x3,5+6,0+9,5+9,0 6.0
Notas
6.0
n4
4.0 3.5

x =7,0aprovado 2.0
0.0
1Bim 2Bim Mdia 3Bim 4Bim
Bimestres
MDIA PONDERADA. Semelhante a Mdia simples, porm, atribuindo-se a cada dado um peso que
retrate a sua importncia.

Otermoponderaosinnimodepeso,importncia,relevncia.Sugere,ento,aatribuiodeumpesoaumdeterminadodado.
Emalgunscasos,osvaloresvariamemgraudeimportncia,demodoquepodemosquererponderlosapropriadamente.calculada
multiplicandoseumpesoporcadavalor,fazendocomquealgunsvaloresinfluenciemmaisfortementeamdiadoqueoutros.
AMdiaponderadaobtidapelaseguinteequao: Vamosrepresentara

Mdiaponderadapor
xp =(x.p)somadosvalores.pesos
xp
psoma
dospesos

EXEMPLO SupondoqueumaescolaadotecomocritriodeaprovaoaMdia7,0,sendoqueasprovasbimestrais
soponderadas compesos1,2,3e4,respectivamenteparao 1bim,2bim,3bime4bim.Considerandoas
notasdeJoo(naordembimestralcrescente),informesefoiaprovado.
NotasdeJoo:|9,0|8,0|6,0|5,0 MdiaponderadadasnotasdeJoo

10,0 9,0
x p =(x.p) 8,0
8,0
Notasepesos
p 6,3 Mdiaponderada
6,0
6,0 5,0
xp =(9,0.1)+(8,0.2)+(6,0.3)+(5,0.4) 4,0
1+2+3+4 4
2,0 3

1 2
x p =6,3reprovado 0,0
1Bim 2Bim Mdia 3Bim 4Bim
Nota.Emumamdiasimpleseleseriaaprovadopor7,0. Bimestres

A atribuio de pesos visa fazer com que certos valores tenham mais influncia no resultado do que outros. Tambm pode ser
aplicadoemclculosdendicesdeinflao,atribuindopesosparasetordevesturio,alimentao,etc.
- 29 -
MDIA DE DISTRIBUIO DE FREQUNCIA aplica-se quando no se tem a lista original dos dados
Quando trabalhamos com uma distribuio de frequncia, no sabemos os valores exatos que caem em
determinada classe. Para tornar possveis os clculos, consideramos que, em cada classe, todos os valores
amostraissejamiguaisaopontocentraldeclasse.Porexemplo,considereointervalodeclasse7080,com
umafrequnciade4.Admitimosquetodosos4valoressejamiguaisa75(opontocentraldeclasse).Comototal
de75repetido4vezes,temosumtotalde75x4=300.Podemos,ento,somaressesprodutosobtidosdecada
classeparaencontrarototaldetodososvalores,osquais,ento,dividimospelaquantidadededados.

importantesalientarqueadistribuiodefrequnciaresultaemumaaproximaodamdia
porquenosebaseianalistaoriginalexatadosvaloresamostrais.

CALCULANDOAMDIADEDISTRIBUIODEFREQUNCIACOMINTERVALODECLASSE
Pontocentraldeclasse

Procedimento:
i Velocidade(Km/h) f x f.x
1. Multiplicar as frequncias f pelos pontos centrais
1 7080 4 x=
75 300 declassexeadicionarosprodutos.
2 8090 4 85 340 2. Somarasfrequnciasf;
3 90100 8 95 760 3. Somarosprodutos(f.x);
4 100110 8 105 840 4. Aplicarafrmulaabaixo:

5 110120 6 115 690
6 120130 10 125 1250 x =(f.x)4180=104,5Km/h
f40
f=40 (f.x)=4180
MdiaapartirdeumHISTOGRAMACOMINTERVALOSDECLASSE:

R e s u lta d o s d o s re g is tro s d e u m ra d a r Nonecessriomontartabela.Vejanafiguraaolado

12
10 que basta multiplicar a freqncia pelo ponto mdio e

Quantidadedeveculos
10
(4*75)+(4*85)... adicionar os produtos. Depois, divida pela soma das
8 8
8 freqncias.
6
6
+ (4*75)+(4*85)+(8*95)+(8*105)+(6*115)+(10*125)
4 4
4
4+4+8+8+6+10
2 x x
0 x =(f.x)4180=104,5Km/h
758595105115125
708090100110120130

f40
Velocidade(Km/h)

CALCULANDOAMDIADEDISTRIBUIODEFREQUNCIASEMINTERVALODECLASSE

Nota(x) f f.x Quandoadistribuionotemagrupamentodeclasses,

(ndealunos) consideraremos as frequncias como sendo os pesos
4,0 5
X = 20 doselementoscorrespondentes:
5,0 3 15
6,0 2 12 (5*4,0)+(3*5,0)+(2*6,0)+(3*7,0)+(2*8,0)+(10*9,0)
7,0 3 21 5+3+2+3+2+10
8,0 2 16
9,0 10 90 x =(f.x)174=6,96
f=25 (f.x)=174 f25

MdiaapartirdeumHISTOGRAMASEMINTERVALODECLASSE Multipliqueafreqnciaporx(notas)eadicioneos
produtos.Depois,dividapelasomadasfreqncias.
Desempenhodosalunosnaprova
12 (5*4,0)+(3*5,0)+(2*6,0)+(3*7,0)+(2*8,0)+(10*9,0)
10
Nmerode
10 5+3+2+3+2+10
alunos
8
6 5
4 3 3
x =(f.x)174=6,96
2 2
2 x f25
0
4.0 5.0 6.0 7.0 8.0 9.0
Nota
- 30 -
MEDIANA

Medida que representa o valor que est no MEIO de um conjunto de dados.

Umadesvantagemdamdiasimplesqueelasensvelaqualquervalor,demodoqueumvalor 0%50%100%
excepcional (alto ou baixo) pode afetar drasticamente a mdia. A Mediana supera grandemente
essadesvantagem,poisnoafetadaporvaloresextremos,detalmodoquevocpodeutilizara
medianaquandoestopresentesvaloresextremos. Mediana

Comoacharamedianadeumconjuntodedados
ParaquantidadeMPARdevalores ParaquantidadePARdevalores
n
1
n 2

P
P1
Asposiesdostermos
2
APosiodotermocentraldadapor: eP2=aquesucedeP1
centraissodadaspor:

Ex.:12,78,69,75,80,71,82,73,785.n=9 Ex.:12,78,69,75,80,71,82,73,785,995.n=10
1 2
0
9
1
P1
P
=55posio =5posioeP2=6posio
2
AMdovalorda5posio.Ordenandoosdados,temos: AMdovalorentrea5e6posio.Ordenandoosdados,temos:

12,69,71,73,75,78,80,82,785 12,69,71,73,75,7880,82,785,995
123456789 12345678910
Mediana Mediana
7
5
7
8
M
d
AMdaMdiadosdoistermoscentrais. =76,5
2

MEDIANAdeumadistribuiodefrequnciaeHistogramaSEMINTERVALOSDECLASSE

Desempenhodosalunosnaprova
Nota
f f =n=25mpar
12
Fa Observaes 11
n
1
2
5 2
1

Nmerodealunos
P
=13 10
2
4,0 4 4 Da1ata4 Fa13

8
5,0 3 7 Da5ata7
6
6,0 2 9 Da8ata9 4
Os dados j esto ordenados. Ento a 4 3 3
7,0 3 12 Da10ata12 Mdovalorda13posio.Atravsda 2 2
2
8,0 2 14 Da13ata14 Faficafcilidentificaraposiocentral:
0
9,0 11 25 Da15ata25 Ento,anotaMd=8,0 4.0 5.0 6.0 7.0 8.0 9.0
f=25 Nota Md=8,0

MEDIANAdeumadistribuiodefrequnciaeHistogramaCOMINTERVALOSDECLASSE

AcumuleFaeacheaposiodaMd n 40
Independentesenmparouparusaseaequao /2.Ento, /2=20
A Md est na 20 posio e ser algumvalordaclasse mediana100 110.A
i Velocidades f Fa partirdaequaoabaixopodemosacharumaaproximaodaMd.

1 7080 4 4
n Resolvendoaequao,temos:
2 Faant * h

2 8090 4 8
3 90100 8 16 Md linf 40
2 16 * 10

4 100110 8 24 20 f

Md 100
5 110120 6 30 linf=limiteinferiordaclassemediana 8
6 120130 10 40 Faant=Fadaclasseanterior
h=amplitudedointervalodeclasse
f=40 f=freqnciadaclassemediana
Md=105Km/h,aproximadamente

Resultadosdosregistros Ototaldasfrequncias40.Ento,aMdser40/2=20posio.Observe
12 deumradar Fa pelo Fa que a classe mediana 100 110. Tambm possvel
Quantidadedeveculos
10
10 Faant=16 20 determinarlinf,Faant,hef.Ento,aplicandoaequao,temos:
8 8 8
(4+4+8)
f=8 6 40
6 2 16 * 10
4
4 4
Md 100 = 105km/h,aproximadamente
2
h 8
10
linf
0
708090100110120130

Velocidade(Km/h)
- 31 -
NOTA SOBRE A MEDIANA.Amedianamenosutilizadadoqueamdiasimples.Amedianapodeseraplicadaquandoexistemvalores

discrepantesemumconjuntodedados.Porexemplo,searendapercapitadesetefamliasfosse:$240;$370;$410;$520;$630;$680e$820,
amedianaseria$520eamdia$524.Essasduasmedidaspoderiamrepresentaresteconjuntodedados.Massearendadesetefamliasfosse:
$240;$370;$410;$520;$630;$680e$10.000,ovalordamedianamanterseiaomesmo,enquantoamdiasimplespassariaaser$1.836,
poisfoiinfluenciadapelovalordiscrepante($10.000),quenoumamedidaidealpararepresentaresteconjuntodedados.Amedidaideal
seriaamediana.Notequeosvaloresdiscrepantestem,pois,muitomenorinflunciasobreamedianadoquesobreamdia.
Em relao mediana na distribuio de freqncia com intervalos de classe, admitese que as velocidades dos veculos se distribuem
40
continuamente.Nessecaso,amedianaavelocidadeparaoqualametadedafreqnciatotal /2=20ficasituadaabaixoeaoutraacima
dele.Ora,asomadastrsprimeirasfreqnciasdeclasse4+4+8=16.Ento,paraobtera20velocidadedesejada,sonecessriosmais4
4
dos8casosexistentesna4classe.Comooquartointervalodeclasse,100110,amedianasituasea4/8dedistncia,e:100+ /8(110
100)=105km/h.Comaequaoficamaisfcilencontraramedianapoisnoexigeestetipoderaciocnio.
MODA
Medida que representa o valor que mais se REPETE em um conjunto de dados.
Nalinguagemcoloquial,modaalgoqueestemevidncia,ouseja,algoquesevbastante!Emestatsticaamodaovalorquedetm
o maior nmero de observaes, ou seja, o valor ou valores mais frequentes em uma srie de dados. A moda no necessariamente
nica,aocontrriodamdiasimplesoudamediana.especialmentetilquandoosvaloresouobservaesnosonumricos,umavez
queamdiaeamedianapodemnoserbemdefinidas.

Asrie{1,3,5,5,5,6,6,7}apresentamoda=5,poisonmeroquemaisserepete.
Exemplos: Asrie{1,3,5,5,6,6,7,8}apresentaduasmodas(Bimodal):5e6,poissoosquemaisserepetem.
Asrie{1,3,5,5,6,6,7,7}apresentamaisdoqueduasmodas(Polimodal):5,6e7
Asrie{1,3,2,5,8,7,9,10}noapresentamoda=amodal,poisnenhumnmeroserepete.
MODAdeumadistribuiodefreqnciaeHistogramaSEMINTERVALOSDECLASSE
Notasdosalunos Desempenhodosalunosnaprova
4,0 5,0 8,0 9,0 f
Nota 12
(ndealunos)
Nmerodealunos
4,0 6,0 9,0 9,0 10 Moda

4,0 5 10
4,0 6,0 9,0 9,0 Nota
4,0 7,0 9,0 9,0 5,0 3 8
9,0
4,0 7,0 9,0 6,0 2 6 5
5,0 7,0 9,0 7,0 3 4 3 3
5,0 8,0 9,0 8,0 2 2 2
2
9,0 10
AModasera nota 9,0, pois 0
f=25
a que mais se repete no 4,0 5,0 6,0 7,0 8,0 9,0
conjuntodedados Nota
MODAdeumadistribuiodefrequnciaeHistogramaCOMINTERVALOSDECLASSE
120+130=125Km/h
a)ModaBruta 2
A Moda Bruta ser o ponto 12 deumradar
Quantidadedeveculos
f mdio de classe modal, que a 10

i Velocidade(Km/h) 10
classe que apresenta a maior 8
4 8
1 7080 8
frequncia.Ento: 6
2 8090 4

6
3 90100 8 Mo=120+130=125Km/h 4 4
4
4 100110 8 2
2
5 110120 6
0
6 120130 10
Classemodal(temmaiorfrequncia)
f=40 70 80 90100110 120 130

Velocidade(Km/h)

NOTAS SOBRE A MODA. Nadistribuiodefreqnciaemclasses,omtodoutilizadoparaencontraramodapormeiodopontomdio

declassechamadodemodabruta,eapenasumaaproximaopoisnofoibaseadanalistaoriginaldedados.Existemoutrosmtodospara
encontrar a Moda de uma distribuio de freqncia com intervalo de classe: Mtodo de Czuber, Mtodo de King e Mtodo de Pearson,
normalmenteexigidosemconcursospblicos.
- 32 -
b)Modadeczuber
limite inferior da classe modal f* = frequncia da classe modal

D1 f(ant) = frequncia da classe anterior classe modal
Mo Czuber *h D1 = f* f(ant)
D1 D 2 D2 = f* f(post) f(post) = frequncia da classe posterior classe modal
h = amplitude da classe modal
ExemplodeclculodaModadeCzuber(pelaDistribuiodeFreqnciaepeloHistograma)
Registro das velocidades de

veculos em uma rodovia Resultadosdosregistros
12 deumradar
f*
i Velocidade(Km/h) f
Quantidadedeveculos
10

1 7080 4 10
8 8 f(ant) f(post)
2 8090 4 8
3 90100 8 6
6
4 100110 8 4 4
4
5 110120 6
2
h*
6 120130 10
Classemodal

(temmaiorfrequncia)
f=40 0
Classe
70 80 90 100 110120130 modal

Velocidade(Km/h)
(10 - 6)
D1 4
Mo l * h Mo 120 * 10 Mo 122,85
D1 D 2 4 10
(10 - 6) (10 - 0)
Nota:Comonoexistefrequnciasimplesdaclasseposteriorclassemodal,entoff(post)=100.
- FUNDAMENTOS DA EQUAO DE CZUBER

Podese determinar graficamente a posio da Moda no histograma representativo de uma distribuio de frequncias. O
mtododescritoabaixooequivalentegeomtricodaequaodeCzuber.
1Apartirdosvrticessuperioresdoretngulocorrespondenteclassemodal(AeB),traamososseguimentosconcorrentes
AC e BD, ligando cada um deles ao vrtice superior adjacente do retngulo correspondente a uma classe vizinha, conforme
ilustradonafiguraacima.
2ApartirdainterseodossegmentosACeBD,baixamosumaperpendicularaoeixohorizontal,determinandoopontoque
indicaaModa,que122,85.
- 33 -
RELAO ENTRE MDIA, MEDIANA E MODA.
Peloformatodadistribuiodosdados,sempreexistirumarelaoemprica(baseadonaexperincia)entrea
mdia, mediana e a moda. Atravs dessa relao podemos saber, aproximadamente, onde se encontram essas
medidas,semnecessidadedeclculos.

QuandoaMdia,MedianaeModasecoincidem,chamamosadistribuiodosdadosdeSimtricaouNormal.
Mdia=mediana=moda SIMTRICAouNORMALouFORMADESINO
Quando a distribuio tem a forma de sino (linha tracejada), a

quantidade de dados vai aumentando, atinge um pico, e depois
10 Mdia diminui. Se dividssemos em duas metades, a partir do centro,
deumradar
Mediana notequeosdoisladosseriamiguais.Ocalculoabaixoconfirmaa
Quantidadedeveculos
8 7 Moda afirmativa que numa distribuio normal a mdia, mediana e

modasecoincidem.
6

4 4
4 3 3 Mdia=70(3)+80(4)+90(7)+100(4)+110(3)=90Km/h
3+4+7+4+3
2
0 Mediana=90Km/h
708090100110 90=90=90

Velocidade(Km/h)
Moda=90Km/h
QuandoaMdia,MedianaeModanosecoincidem,chamamosadistribuiodosdadosdeassimtrica.
Mdia<mediana<moda Assimtricaesquerda(ounegativa)
Resultadosdosregistros Neste tipo de distribuio, a mdia, mediana e a moda estaro
12 deumradar Mediana aproximadamenteconformegrficoaolado.Amdiasermenor
Quantidadedeveculos
queamedianaeamoda.Oclculoabaixoconfirmaaafirmativa:
10 9 Moda
Mdia
8 Mdia=70(1)+80(3)+90(6)+100(9)+110(2)=94Km/h
6
6 1+3+6+9+2

4 3
Mediana=100Km/h
2
2 1 MeMdMo
0
94<100100
708090100110 Moda=100Km/h
Velocidade(Km/h)
Mdia>mediana>moda Assimtricadireita(oupositiva)
Neste tipo de distribuio, a mdia, mediana e a moda estaro
Resultadosdosregistros aproximadamenteconformegrficoaolado.Amdiasermaior
12 queamedianaeamoda.Oclculoabaixoconfirmaaafirmativa:
deumradar

Quantidadedeveculos
10 Mediana 9 Mdia
Mdia=70(2)+80(9)+90(6)+100(3)+110(1)=86Km/h
Moda
8 2+9+6+3+1
6
6
Mediana=80Km/h
4 3
MeMoMd
2
2 1 86>8080
0
Moda=80Km/h
708090100110
Velocidade(Km/h)
- 34 -
3.2 MEDIDAS DE ORDENAMENTO (ou separatrizes).

So medidas que "separam" o conjunto de dados em um certo nmero de partes iguais.
AsmedidasusadassoaMediana,oQuartil,DecileoPercentil.Amedianajconhecemos.Estudaremosasoutrasmedidas.
QUARTIL (4 PARTES) 0%25%50%75%100%
Divide um conjunto de dados em quatro |----------|---------|----------|---------|
partes iguais. Precisamos, portanto, de 3 Q1Q2Q3

2quartil 3quartil
quartis (Q1 , Q2 e Q3 ) para dividir a srie 1quartil
Coincidecoma deixa75%dosdados
deixa25%dosdados
emquatropartesiguais. abaixodele. mediana. abaixodele.

O mtodo mais prtico utilizar o princpio do clculo da mediana para os 3 quartis. Na realidade sero calculadas "3
medianas"emumamesmasrie.

DetermineQ1,Q2eQ3.dossalriosde9empregadosdaumaempresa,abaixo
12Q134567Q389
$500$550|$600$650$700$750$800|$850$900
$575Q2$825
Q1seramdiada2e3posioMdQ3seramdiada7e8posio

QUARTILdeumadistribuiodefreqnciaSEMINTERVALOSDECLASSE n
1
4
5 4
1

i Velocidades f Fa 1quartilQ1= = =11,512posio=95Km/h

4
1 85 4 4
2 90 4 8 Interpretao:25%dosveculostiveramvelocidadesabaixode95Km/h
1quartil
3 95 8 16
3
4 4
5
1

3
n 4
1
) =( ) =34,535posio=110Km/h
4 100 8 24
3quartilQ3=(
5 105 6 30
6 110 15 45 3quartil
Interpretao:75%dosveculostiveramvelocidadesabaixode110Km/h
f=45

QUARTILdeumadistribuiodefreqnciaCOMINTERVALOSDECLASSE

Usase a mesma tcnica do clculo da i Velocidades f Fa

mediana, bastando adaptar a sua equao,
1 7080 4 4
conformemostradoabaixo.
2 8090 4 8

1quartil3quartil 3 90100 8 16 1quartil
n 2
n 4
n 2
3 4
n
4 100110 8 24
por por
5 110120 6 30 3quartil
6 120130 10 40
AcumuleFaeacheasposiesQ1eQ3. f=40
1quartilQ1 3quartilQ3

Independente se n mpar ou par usase somente a Independente se n mpar ou par usase somente a
n 40 3n 3*40
equao /4.Ento, /4 = 10.OQ1 estna 10posio equao /4. Ento, /4 = 30. O Q3 est na 30
eseralgumvalordaclasseQ190100.Logo: posioeseralgumvalordaclasseQ3110120.Logo:

n Resolvendoaequao: 3n Resolvendoaequao:
4 Faant * h 4 Faant * h

Q1 linf 40 Q3 linf 3*40
f 4 8 *10 f
4 24 *10

linf=limiteinferiordaclasseQ1 Q1 90 linf=limiteinferiorclasseQ3
Q3 110
Faant=Fadaclasseanterior 8 Faant=Fadaclasseanterior 6
H=amplitudeintervaloclasse h=amplitudeintervaloclasse
Q1=92,5Km/h Q3=120Km/h
f=freqnciadaclasseQ1 f=freqnciadaclasseQ3

Interpretao:aproximadamente25%dosveculosregistrados Interpretao:aproximadamente75%dosveculosregistrados
tiveramvelocidadesabaixode92,5Km/h tiveramvelocidadesabaixode120Km/h
- 35 -
DECIL (10 PARTES) 0%10%20%30%40%50%60%70%80%90%100%

Divideumconjuntodedadosemdezpartes |---|---|---|---|---|---|---|---|---|---|
iguais,comomostradoaolado. D1D2D3D4D5D6D7D8D9
Coincidecomamediana.

DECILdeumadistribuiodefreqncia i Velocidades f Fa

Usase a mesma tcnica do clculo da mediana, 1 7080 4 4

bastandoadaptarasuaequao,conformeabaixo: 2 8090 4 8
3 90100 8 16 ClasseD3
n 2
D 1
n 0
por
D=decilprocurado 4 100110 8 24
n=quantidadededados
5 110120 6 30

6 120130 10 40 ClasseD8
AcumuleFaeacheasposies.
f=40
Acheo3Decil(D3)dadistribuiodefrequncia Acheo8Decil(D8)dadistribuiodefrequncia

Dn 3*40 Dn 8*40
Usando /10 temos /10 = 12. O D3 est na 12 Usandoaequao /10temos /10=32.OD8estna
posioeseralgumvalordaclasseD390100: 32posioeseralgumvalordaclasseD8120130:

Dn Resolvendoaequao: Dn Resolvendoaequao:
10 Faant * h 10 Faant * h

D3 linf 3* 40 D8 linf 8*40
f 10 8 *10 f 10 30 *10

linf=limiteinferiordaclasseD4
D3 90
linf=limiteinferiordaclasseD8 D8 120

8 10
Faant=Fadaclasseanterior Faant=Fadaclasseanterior
h=amplitudeintervaloclasse D3=95Km/h h=amplitudeintervaloclasse D8=122Km/h
f=freqnciadaclasseD4 f=freqnciadaclasseD8

tiveramvelocidadesabaixode95Km/h tiveramvelocidadesabaixode122Km/h.
PERCENTIL (100 PARTES) 0%5%10%...17%...33%...42%50%57%63%70%80%93%100%

Divide um conjunto de dados em cem |-|-|---|---|---|---|--|--|--|---|---|---|
partesiguais,comomostradoaolado. P5P10P17P33P42P50P57P63P70P80P93

PERCENTILdeumadistribuiodefreqncia i Velocidades f Fa

Usase a mesma tcnica do clculo da mediana, 1 7080 4 4

bastandoadaptarasuaequao,conformeabaixo. 2 8090 4 8
n 2
P 1
n 0
3 90100 8 16 ClasseP27
por P=percentilprocurado
0
n=quantidadededados 4 100110 8 24
5 110120 6 30 ClasseP72

AcumuleFaeacheasposies. 6 120130 10 40
f=40
Acheo27Percentil(P27)dadistribuiodefrequncia Acheo72Percentil(P72)dadistribuiodefrequncia

Pn 27*40 Pn 72*40
Usando /100 temos /100=10,811.OP27estna Usando /100temos /100=28,829.OP72estna
11posioeseralgumvalordaclasseP2790100: 29posioeseralgumvalordaclasseP29110120:

Pn Resolvendoaequao: Pn Resolvendoaequao:
100Faant * h 100Faant * h
P27 linf
27* 40 P72 linf 72* 40
f 100 8 * 10 f 100 24 *10
P27 90
D8 110

linf=limiteinferiorclasseP27 8 linf=limiteinferiorclasseP72 6
Faant=Fadaclasseanterior Faant=Fadaclasseanterior
h=amplitudeintervaloclasse P27=93,5Km/h h=amplitudeintervaloclasse P72=118Km/h
f=freqnciadaclasseP27 f=freqnciadaclasseP72

tiveramvelocidadesabaixode93,5Km/h. tiveramvelocidadesabaixode118Km/h.
- 36 -
3.3 MEDIDAS DE VARIAO (OU DISPERSO)

INTRODUO
Otermovariaosugeretornarvriooudiverso;alterar,diversificar;mudar;serinconstante;noserconforme,
discrepar.Namaioriadoscasosexistirvariaoemumconjuntodedados,independentedacaractersticaque
vocestejamedindo,poisnemtodososindivduosteroomesmoexatovalorparatodasasvariveis.
EXEMPLO
Durante o ano letivo a Mdia das notasde Joo, Mrio, Maria e Jos foi 7,0. Se considerarmosapenas a
Mdia,nonotaremosqualquerdiferenaentreosquatroalunos.Noentanto,observasequeasnotasso
muitodiferentesemrelaoaMdia.Hvariaodenotase,nocasodeJooeJos,bemdiscrepante:

Grandevariao
MdiadasnotasdeJoo apartirdaMdia MdiadasnotasdeMrio Semvariaoa
10,0 9,5 10,0 partirdaMdia
9,0

8,0 7,0 8,0 7,0 7,0 7,0 7,0 7,0
6,0
Notas
Notas
6,0 6,0
4,0 3,5 4,0

2,0 2,0
0,0 0,0
1Bim 2Bim Mdia 3Bim 4Bim 1Bim 2Bim Mdia 3Bim 4Bim
Bimestres
Bimestres
Pequenavariaoa Grande variaoa

MdiadasnotasdeMaria
partirdaMdia MdiadasnotasdeJos partirdaMdia
10,0 10,0 9,5
8,5
8,0 7,0 7,5 7,5 8,0 7,0
6,5 6,5
6,0
Notas
Notas
6,0 6,0
4,0
4,0 4,0
2,0 2,0
0,0 0,0
1Bim 2Bim Mdia 3Bim 4Bim 1Bim 2Bim Mdia 3Bim 4Bim
Bimestres Bimestres
Diante deste contexto, podemos questionar: qual o aluno mais estvel? Qual teve melhor
desempenho? Qual o aluno com pior desempenho? Notadamente o aluno de melhor desempenho o
Mrio,poistodasassuasnotasforam7,0e,portanto,nohouvenenhumavariaoemrelaoaMdia.
JJoseJootiveramopiordesempenhopoissuasnotasestiverammuitodistantesdaMdia.

Neste captulo vamos desenvolver maneiras especficas de realmente medirmos a variao, de modo
quepossamosusarnmerosespecficosemlugardejulgamentosubjetivo.
Outrosexemplosdevariaes:

Ospreosdascasasvariamdecasaparacasa,deanoparaanoedeestadoparaestado.
Ospreosdeumprodutovariamdesupermercadoparasupermercado.
Otempoquevoclevaparachegaraotrabalhovariadiaadia.
Otamanhodaspeasproduzidasemumaempresatambmvaria.
Arendafamiliarvariadefamliaparafamlia,depasparapasedeanoparaano.
Osresultadosdaspartidasdefutebol,detemporadaparatemporada,variam.
Asnotasquevoctiranasprovas,nodiferente,tambmvariam.
Seusaldobancriotambmvaria,podendoserdehoraemhora,diaadia,msams.

Estudaremosalgunstiposdemedidasdevariao:varincia,desviopadroecoeficientedevariao.

- 37 -
VARINCIA E DESVIO PADRO (amostral)
So medidas que representam um valor mdio de variao em torno da mdia.

Odesviopadroummodoqueseusaparamediravariabilidadeentreosnmerosemumconjuntodedados.Assimcomootermo
sugere, um desvio padro um padro (ou seja, algo tpico) de desvio (ou distncia) da mdia. O desvio padro uma estatstica
importante, mas, frequentemente, omitida quando os resultados so relatados. Sem ele, voc est recebendo apenas uma parte da
histriasobreosdados.Osestatsticosgostamdecontarahistriadohomemqueestavacomumdospsemumbaldedeguageladae
o outro em um balde de gua fervendo. O homem dizia que, na mdia, ele estava se sentindo timo! Mas imagine a variabilidade da
temperaturaparacadaumdosps.Agora,colocandoospsnocho,opreomdiodeumacasa,porexemplo,nolhediznadasobrea
variedadedepreosdecasascomaqualvocpodesedepararenquantoestiverprocurandoumacasaparacomprar.Amdiadossalrios
podenorepresentaroquerealmenteestsepassandoemsuaempresaseossalriosforemextremamentediscrepantes.
EntendendoaVarinciaeoDesvioPadroCalculandoaVarinciaeoDesvioPadro
DesviosemtornodaMdiadasnotasdeJoo O problema da soma dos desvios foi resolvido pelos
matemticos:bastaelevarcadadesvioaoquadradoantes
10,0 9,5 9,0 de somlos. Um nmero ao quadrado sempre positivo,

portantoasomanoseanulamais,eamdiadosdesviosao

+2,5+2,0
8,0
7,0 quadradopodesercalculada:

6,0 1,0 Notas Mdia Desvios Desvioselevadoao

Notas
3,5 6,0 (x) ( x ) (x x ) quadrado(x x )2

4,0 3,5 7,0 3,5 (3,5)2=12,25
3,5 6,0 7,0 1,0 (1,0)2=1
2,0 9,5 7,0 2,5 (2,5)2=6,25
0,0
9,0 7,0 2,0 (2,0)2=4
1Bim 2Bim Mdia 3Bim 4Bim n=4 =0 =23,5
Bimestres
Varincia amostral
Nogrficopercebemosqueodesviodeterminaoquanto Agora, podemos calcular a mdia dos quadrados dos
2
cada elemento do conjunto de dados se distancia da desvios,chamadadeVarincia,representadaporS :

mdia7,0.No1Bim.faltam3,5parasechegaraMdia

2
e no 2 Bim. 1,0. J nos 3 e 4 Bim. temos +2,5 e +2,0 S2= ( x x) 23,5=7,8
acima da mdia, respectivamente. Transpondo essas 41
informaesparaumatabela,temos: n1
Adivisoporn1apareceporfornecerummelhorresultadodo
queadivisoporn.
Notas Mdia Desvios
Desvio padro amostral
(x) ( x ) (x x ) Mas, se elevamos os desvios ao quadrado para poder
3,5 7,0 3,5 calcularsuamdia,noseriacorretoqueagorafizssemosa
6,0 7,0 1,0 raiz quadrada dessa mdia, para desfazer a potenciao?
9,5 7,0 2,5 Sim, e o valor dessa raiz chamado Desvio padro,
9,0 7,0 2,0 representadoporS:

=0
Desviopadro S= 7,8 =2,8

Interpretao: O desvio padro indica que a maioria das notas de
Perceba que a soma dos desvios igual a zero. Esta
Joo est concentrada dentro dos limites de 2,8 em torno da
caracterstica no exclusiva deste exemplo. Ela sempre mdia7,0.Ouseja,seconcentrandoentre4,2e9,8:
ocorreeprendeseaofatodequeamdiaopontode
equilbrioemumconjuntodedados. 4,22,8+2,89,8

Comoosdesviosindicamograudevariaodosvalores
7,0

em relao mdia, seria interessante poder encontrar
um nico nmero que o representasse. Algo como a
mdia dos desvios. Mas, para fazer essa mdia, Equao da Varincia e Desvio padro
precisamossomarosdesvioseacabamosdeverqueessa Podemosconcluir,ento,ousodasequaes:

somasempreigualazero. daVarincia doDesviopadro

2 2
S = ( x x )
S= S 2
n1

- 38 -
CalculandoaVarinciaeoDesviopadrodasnotasdeMaria,JoseMriopassoapasso.
NotasdeMaria:6,56,57,57,5
1CalcularaMdia 2CalcularaVarincia 3CalcularoDesviopadro

x x S2= ( x x) 2

S= S2 0 , 33

n n 1

x =6,5+6,5+7,5+7,5=7,0 S2=(6,57,0)2+(6,57,0)2+(7,57,0)2+(7,57,0)2=0,33 S=0,5
4 41
Interpretao:OresultadoindicaqueamaioriadasnotasdeMaria 6,50,5+0,57,5
estconcentradadentrodoslimitesde 0,5emtornodaMdia
7,0.Ouseja,seconcentrandoentre6,5e7,5. 7,0
NotasdeJos:4,09,58,56,0

x x S2= ( x x) 2

S= S2 6 ,16

n n 1

x =4,0+9,5+8,5+6,5=7,0 S2=(4,07,0)2+(9,57,0)2+(8,57,0)2+(6,07,0)2=6,16 S=2,5
4 41
Interpretao:OresultadoindicaqueamaioriadasnotasdeMaria 4,52,5+2,59,5
estconcentradadentrodoslimitesde 2,5emtornodaMdia
7,0.Ouseja,seconcentrandoentre4,5e9,5. 7,0
NotasdeMrio:7,07,07,07,0

x x S2= ( x x) 2

S= S2 S=0

n n 1

x =7,0+7,0+7,0+7,0=7,0 S2=(7,07,0)2+(7,07,0)2+(7,07,0)2+(7,07,0)2=0
4 41
O resultado indica que todas as notas de Mrio esto dentro dos limites de 0 em torno da Mdia 7,0. Ou seja, se
concentrandoexatamentenamdia7,0.Portanto,semvariao.

NOTAS SOBRE O DESVIO PADRO. O desvio padro

sempre um valor que est na mesma unidade dos dados originais. desvios
Umdesviopadropequeno,basicamente,significaqueosvaloresdo
conjunto de dados esto, na mdia, prximos do centro desse
conjunto, enquanto um desvio padro grande significa que os
valores do conjunto de dados esto, na mdia, mais afastados do mdia
centro.Ento,quantomaisespalhadosoudispersosforemosdados,
maior ser o desvio padro e, quanto mais concentrados ou
homogneos forem os dados, menor ser o desvio padro. Se os
valores forem iguais, ou seja, sem variao, o desvio padro ser Desviopadro
zero.
Um desvio padro pequeno pode ser um bom objetivo em

determinadas situaes, onde os resultados so restritos, como exemplo, na produo e no controle de qualidade de uma indstria. Uma
determinadapeadecarroquedevetercentmetrosdedimetroparaencaixarperfeitamentenopodeapresentarumdesviopadrogrande,
nessecaso,significariaqueacabariamsendojogadasfora,poisounoseencaixariamadequadamenteouoscarrosteriamproblemas.
ObservequeodesviopadrodasnotasdeJooindicaqueestoconcentradasdentrodoslimitesde 2,8emtornodamdia7,0.Ouseja,se
concentrandoentre4,2e9,8.Istorepresentaumdesviopadrogrande.
- 39 -
COEFICIENTE DE VARIAO - CV
a medida relativa de variao que sempre expressa sob a forma de porcentagem (%).
Em algumas situaes, podemos estar interessados em uma estatstica que indique qual o tamanho do desvio padro em relao
mdia.Amelhorformaderepresentlaatravsdocoeficientedevariaoporserexpressanaformadeporcentagem.
O coeficiente de variao, representado Exemplo:ConsiderandoaMdia7,0deJoocomDesviopadrode2,8,

porCv,calculadodaseguintemaneira: temos:

Cv=Sx100 Cv=2,8x10040%
Cv=Sx100
x 7,0
x

O resultado indica que a Mdia 7,0 de Joo teve um Desvio padro em
Ouseja:Cv=Desviopadrox100
tornode40%.
Mdia
FazendoaDistribuiodeVariabilidadedasnotasdeJoo,Maria,JoseMrio,temos:
Alunos Mdia( x ) Desviopadro(S) Cv(%) ClculodoCv(%) Assim, podemos concluir que o

Joo 7,0 2,8 40%
2,8
/7,0x100 desempenhodosalunosser:
0,5 1Mrio
Maria 7,0 0,5 7% /7,0x100
2,5 2Maria
Jos 7,0 2,5 36% /7,0x100 3Jos

Mrio 7,0 0 0% 4Joo
InterpretaodoCv:Cv<15%=poucavariao|15%<Cv<30%=moderadavariao|Cv>30%=muitavariao
DESVIO PADRO DE DISTRIBUIO DE FREQUNCIA

Quandonotemosalistaoriginaldosdados,damesmaformaqueamdia,podemosencontrarodesviopadroaproximado
deumadistribuiodefreqncia.Nestecaso,usamosaequaododesviopadroestudado,adicionadodef,comoabaixo.
DesviopadroSEMINTERVALODECLASSE
*
i Velocidade(Km/h) f f.xi (xi x )2 f
2
1 60x 4 =240 (6072,5) *4=625
2 65 6 390 (6572,5)2*6=337
3 70 11 770 (7072,5)2*11=69
4 75 8 600 (7572,5)2*8=50
5 80 7 560 (8072,5)2*7=394
6 85 4 340 (8572,5)2*4=625
f=40 (f.xi)=2.900 =2.100
Clculodamdia Clculododesviopadro
x =(f.x)2.900=72,5Km/h S= (x x)2*f 2100 =7,3km/h

f40 f 1 401
DesviopadroCOMINTERVALODECLASSE
*
i Velocidade(Km/h) f xi f.xi (xi x )2 f
1 7080 4x 75 =300 (75104,5)2*4=3.481
2 8090 4 85 340 (85104,5)2*4=1.521
3 90100 8 95 760 (95104,5)2*8=722
4 100110 8 105 840 (105104,5)2*8=2
5 110120 6 115 690 (115104,5)2*6=661
6 120130 10 125 1250 (125104,5)2*10=4.202
f=40 (f.xi)=4180 =10.589
Clculodamdia Clculododesviopadro
x =(f.x)4180=104,5Km/h S= (x x)2*f 10.589 =16,47km/h

f40 f 1 401
- 40 -
ClculodoDesviopadroapartirdeumHistogramaemclasses
R e s u l t a d o s d o s r e g i s t r o s d e u m r a d a r

12
10
Quantidadedeveculos
10 (4*75)+(4*85)...

8
8 8 Primeiramente,vocdevecalcularamdia:
6
6
+ (75*4)+(85*4)+...+(125*10)=104,5Km/h
4
4
4 4+4+8+...+10
2 x x
0
758595105115125
708090100110120130

Velocidade(Km/h)
S= (x x)2*f
f 1
Depois,calculeoDesviopadro,observandoosdadoscirculadosnogrficoacima:
(75104,5)2*4+(85104,5)2*4+...+(125104,5)2*10=16,47Km/h
401
- 41 -
3.4 MEDIDAS DE ASSIMETRIA E CURTOSE.

ASSIMETRIA. A assimetria j foi estudada na Relao entre mdia, mediana e moda, quando vimos que a distribuio simtrica
quandoamdia,medianaemodasecoincidem;assimtricadireitaquandoamdiamaiorqueamedianaeamoda;assimtricaesquerda
quandoamdiamenorqueamedianaeamoda.Esteraciocnioimportantepoisabaseparaoestudodeprobabilidadeseinferncia.
A assimetria mede o grau de afastamento de uma distribuio em relao ao eixo central,

geralmente representado pela mdia.
10 Mdia Graude
deumradar afastamento Simtrica
Mediana Assimtrica
Quantidadedeveculos
8
Assimtrica
7 Moda esquerda
direita
(negativa)
6 (positiva)
4 4
4 3 3
.
2

0 Mdia
708090100 110

Velocidade(Km/h) Importante
Positiva Resultadosdosregistros
Negativa Sempre que a curva da distribuio

12 Mediana deumradar Resultadosdosregistros se afastar do eixo central, no caso,
Quantidadedeveculos
12 deumradar Mediana da mdia, ser considerada como

10 Moda Mdia
Quantidadedeveculos
9
10 9 Moda tendo um certo grau de
8 Mdia afastamento,chamadodeassimetria
6 8
6 6 da distribuio. Este afastamento
6
podeacontecerdoladoesquerdoou
4 3 4
2 3 do lado direito da distribuio,
2
2 1 2 1 chamado de assimetria negativa ou
0 0 positiva,respectivamente.
708090100110 708090100 110
Velocidade(Km/h) Velocidade(Km/h)
xMo
Coeficiente de Assimetria (Coeficiente de Pearson)

OgraudeassimetriadeumadistribuiodefreqnciaspodesercalculadopormeiodoCoeficientedePearson,abaixo:
A
s
x
M S
o
A
s
3
x S
M
d

x =mdia SeAs=0,sersimtrica ( ) Voc pode usar
Mo=moda SeAs<0,serassimtricaesquerda(negativa) esta equao
S=desviopadro SeAs>0,serassimtricadireita(positiva) tambm.

Velocidade Estadistribuiotem: Velocidade Estadistribuiotem:

f f
(Km/h) mdiade83,8Km/h (Km/h) mdiade85,7Km/h
1 75 6 modade80Km/h 1 75 10 modade90Km/h
2 80 30 desviopadrode5,2Km/h. 2 80 14 desviopadrode6,2Km/h.
3 85 24 Qualocoeficientedeassimetria? 3 85 20 Qualocoeficientedeassimetria?

4 90 12 4 90 23
As 83,8 80 =0,730 As 85,7 90 =0,693
5 95 6 5 95 11
f=78 5,2 f=78 6,2

Interpretao:adistribuioassimtricapositiva(direita)e Interpretao: a distribuio assimtrica negativa (

moderada,poisestentre0,15e1.(vejaprximapg.omotivo) esquerda)emoderada,poisestentre0,15e1.

Ao construir o histograma podemos comparar com uma Ao construir o histograma podemos comparar com uma
distribuio simtrica. Perceba o quanto a mdia desta distribuio simtrica. Perceba o quanto a mdia desta
distribuioseafastadoeixocentral,simtrico. distribuioseafastadoeixocentral,simtrico.

Graudeafastamento0,730

Resultadosdosregistrosdeumradar

Result ados dos regist ros de um radar Graude
35 35 afastamento0,693
Quantidadeveculos
30
30 30
25 24 25 23
20
20 20
15 12 15 14
10 11
10 10
6 6
5 5
0 0
7580 859095 7580859095
Velocidade(Km/h) Velocidade(Km/h)
- 42 -
Interpretao da assimetria. Quanto mais As se afasta de zero, mais assimtrica ser a distribuio, podendo ser fraca (se
situada at |0,15|), moderada (se situada de |0,15| a |1|) ou forte (se maior que |1|). Forte, nesse caso, no algo
necessariamente bom, pois indica que a distribuio est fortemente (muito) distante do eixo central, no caso, da mdia.
Portanto,paraefeitosdeinfernciaestatstica,melhorqueaAsseaproximedezero,nocaso,deumadistribuiosimtrica.

Simtrica
. Assimtricadireita Assimtricaesquerda
(positiva) (negativa)

Mdia

forte moderada Fraca Fraca moderada forte

10,15 0 0,15 1

Abarra||indica,matematicamente,queosinalnegativodesprezado.

CURTOSE. AanlisedaCurtosetambmimportante,poisabasedoestudodeprobabilidadeseinfernciaestatstica.
A curtose mede o grau de achatamento ou alongamento de uma distribuio, em relao a uma
distribuio padro, denominada curva normal
(a) Leptocrticas (a) Curvas alongadas, com alta curtose, so chamadas de

(b) Mesocrticas leptocrticas.Observequetemumpicorelativamentealto.
(c) Platicrticas
(b) Curvas nem alongadas nem achatadas e de curtose
medianasochamadasdemesocrticas.

(c) Curvas achatadas apresentam menor curtose e so
denominadas platicrticas. Observe que tem o topo
achatado.

Coeficiente de Curtose
Ograudecurtosedeumadistribuiodefreqnciaspodesercalculadopormeiodaequaoabaixo:
C
Q P
Q 1

3 9
Q1=1quartil Relativamentecurvanormal: Estaequaodenominada

2
-
P
Q3=3quartil SeC<0,263curvaleptocr ca
0
Coeficientepercentlicode
( ) P90=90percentil SeC=0,263curvamesocr ca curtose
P10=10percentil SeC>0,263curvapla cr ca
Portanto, para encontrar o coeficiente de curtose necessrio conhecimento e aplicao das medidas de ordenamento, no
caso,doquartilepercentil.Nesteexemplonocalcularemosessasmedidasumavezquejestudamosnottulo3.2Medidas
deordenamento.Vamosdiretoaoassunto.
Exemplo
Calculeocoeficientedecurtoseeinformeoseutipo.
C
Q P
Q P
i Velocidades f Fa Estadistribuiotem:
C
1
2
0
-
9
2
,
5
3 9
1 7080 4 4 Q1=92,5Km/h
2
2
1
2
6
-
8
0
=0,298
0
1
0
2 8090 4 8 Q3=120Km/h ( ) ( )
3 90100 8 16 P90=126Km/h
P10=80Km/h
4 100110 8 24
Como0,298>0,263,dizemosqueacurvaplaticrtica

5 110120 6 30
6 120130 10 40
f=40
importante ressaltar que o conhecimento e aplicao da Assimetria e Curtose ser complementado com o estudo da
distribuio normal, base da inferncia estatstica. Somente com todos esses conceitos estudados que entenderemos
realmenteaassimetriaecurtose.
- 43 -
4
PROBABILIDADE
possvelquantificaro
acaso?
- 44 -
4.1 CONCEITOS BSICOS DE PROBABILIDADES

Probabilidade uma medida numrica que representa a chance de um evento ocorrer.
Dois exemplos clssicos (por sua simplicidade) do conceito de Probabilidade so:

Aolanarumdado,qualaprobabilidadedeobter4? Aolanaramoeda,qualaprobabilidadededarcara?

Comorepresentarnumericamenteaschancesdesseseventos?

Conhecidas certas condies, possvel responder a essas duas perguntas, antes mesmo da realizao desses
experimentos. A teoria da probabilidade surgiu para tentar calcular a chance de ocorrncia de um resultado
imprevisvel, porm, pertencente a um conjunto de resultados possveis. Todos os dias somos confrontados com
situaes,quenosconduzemautilizarateoriadeprobabilidade:
Dizemosqueexisteumapequenaprobabilidadedeganharnaloteria;
Dizemosqueexisteumagrandeprobabilidadedenochovernumdiadevero;
Ogerentequersaberaprobabilidadedeoprojetoserconcludonoprazo;
Oanalistafinanceiroquersaberachancedeumnovoinvestimentoserlucrativo;
Ogerentedemarketingquersaberaschancesdequedadevendasseaumentarospreos;
Oeng.produoquersaberaprobabilidadedeumnovomtododemontagemaumentaraprodutividade.
POSSVEL QUANTIFICAR O ACASO. Desse modo, se houver probabilidades disponveis, podemos determinar a
possibilidade de cada um dos eventos ocorrer. Para continuar o estudo de probabilidades, trs conceitos so
importantes:Experimentoaleatrio,espaoamostraleeventos.
Experimento aleatrio

Experimento cujo resultado imprevisvel, porm pertencente a um conjunto de resultados possveis.

o fenmeno que estamos interessados em observar, e cada resultado dele uma experincia. Embora no
saibamosqualoresultadoqueirocorrer,conseguimosdescrevertodososresultadospossveis.Exemplos:

EXPERIMENTO Resultados possveis
Jogarumamoeda CaraouCoroa
Lanarumdado 1,2,3,4,5,6
Jogarumapartidadefutebol Ganhar,empatar,perder
Fazerumcontatodevendas Comprar,nocomprar
Selecionarumapeaparainspeo Defeituosa,nodefeituosa
Nascimentodeumacriana Masculino,feminino

A principal caracterstica do experimento ser casual, no sentido de que, apesar de conhecermos seus possveis
resultados, no podemos dizer com certeza o que vai ser obtido. Quantas e quais as possibilidades de resultados
dessesexperimentossoquestesquetentamosresponderparaavaliaraschancesdeelesacontecerem.
Espao amostral

o conjunto de todos os resultados possveis de um experimento aleatrio.

Noteque,aoespecificartodososresultadospossveis,identificamosoespaoamostral,representadoporS.
Soexemplosdeespaosamostrais:

EXPERIMENTO ALEATRIO Espao amostral
Jogarumamoeda S={Cara,Coroa}
Lanarumdado S={1,2,3,4,5,6}
Jogarumapartidadefutebol S={Ganhar,Empatar,Perder}
Fazerumcontatodevendas S={Comprar,Nocomprar}
Selecionarumapeaparainspeo S={Defeituosa,Nodefeituosa}
Nascimentodeumacriana S={Masculino,Feminino}
- 45 -
Eventos

o resultado possvel dentro de um espao amostral.

EventoA{sairnmerodois}A={2}.
Lanar um dado e
observar sua face

EventoB{sairnmeromaiorque4}B={5,6}.

EventoC{sairnmeropar}C={2,4,6}.

S = {1,2,3,4,5,6} EventoD{sairnmeromenorque2}D={1}.

ODiagramadeVennpoderepresentargraficamenteoespaoamostraleoevento.

EventoA{sairnmerodois}A={2}.EventoC{sairnmeropar}C={2,4,6}.

Espao
A S amostral S Espao
1 C amostral
Evento 1
2 Evento
2
34
3

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

6 A={2}
C={2,4,6}

AreadocrculorepresentaoEventoeareadoretngulorepresentatodososelementosdeumespaoamostral.
4.2 CLCULOS DE PROBABILIDADES
Probabilidade
n( A ) n elementos no evento A
Aprobabilidadedadapor: P
S Espao amostral

Exemplos:

1)Nolanamentodeumdado,qualaprobabilidadedeoresultadoseronmero2?
A={2} A=1 P(A)=1=0,1666ou16,66% aprobabilidadedeoresultadosero2
S={1,2,3,4,5,6} S = 6 6 de1chanceem6ou0,1666ou16,66%.
2)Nolanamentodeumamoeda,qualaprobabilidadedeoresultadoserCara?
A={Ca} A=1 P(A)=1=0,50ou50%
S={Ca,Co} S = 2 2
3)Umaurnatem10bolas,sendo8pretase2brancas.Pegandoseumabola,qualaprobabilidadedeelaserbranca?
A={B,B} A=2 P(A)=2=0,20ou20%
S={P,P,P,P,P,P,P,P,B,B} S = 10 10

4) Em um lote de 200 peas, 25 so defeituosas e 175 so boas. Se um Analista Industrial retira uma pea, qual a
probabilidadedeessapeaserdefeituosa?
A={D,D,D,D,D...} A=25 P(A)=25=0125ou12,5%
S={B,B,B,B,B,B...D,D} S=200 200

5)Das120notasfiscaisemitidasporumaempresa,16temerrosdeimpresso.SeumAuditorselecionaumanotafiscal,
qualaprobabilidadedeessanotaapresentarerrosdeimpresso?
A={NE,NE,NE...} A=16 P(A)=16=0125ou12,5%
S={NB,NB,NB...NE,NE} S=120 120

NE=Notacomerro;NB=Notaboa
- 46 -

figuras
Observeascartasdeumbaralhode52cartas,abaixo:
NaipesValeteDamaReiss
(Paus)
(preta)
13cartas

(ouros)
(vermelha)
13cartas
(Espadas)
(preta)
13cartas
(Copas)
(vermelha)
13cartas
Quandoretiramosumacartadeumbaralhode52cartas,qualaprobabilidadedeoresultado:

SairumsdeOuros:temos1sdeOurosnobaralho,ento: SairumReis:temos4Reisnobaralho.Ento:

A={s} A=1 P(A)=1=0,019 A={R,R,R,R} A=4 P(A)=4=0,076
S={52cartas} S = 52 52

S={52cartas} S = 52 52

Interpretao de valores probabilsticos

As probabilidade so sempre so atribudos em uma escala de 0 a 1 (ou 0% a 100%)

00,5(50%)1(100%) Nmerosquenopodem
Impossvel poucoprovvel provvel Certo representarprobabilidade:
10/5120%0,4
Chance5050
Eventos complementares

a probabilidade com os resultados que no fazem parte do evento (A).

Eventualmente queremos saber a probabilidade de um evento no ocorrer. Portanto, o evento formado pelos resultados que no
pertencemaoeventoA.SendoP( A )aprobabilidadedequeelenoocorraeP(A)aprobabilidadequeocorra,temos:
ProbabilidadecomEventocomplementar
Probabilidadedo P( A )=1P(A)
eventonoocorrer Probabilidadeevento(A)

Exemplo.Nolanamentodeumdado,qualaprobabilidadedeoresultado:

Pela probabilidade (A) Probabilidade com evento complementar
seronmero2 noseronmero2

A={2} A=1 P(A)=1=0,1666 P( A )=1P(A)

S={1,2,3,4,5,6} S = 6 6 =10,16660,8333ou83,33%

ODiagramadeVennabaixoilustraarelaoentreoespaoamostral,oeventoAeseucomplemento A :

P(A)=16,66%
P( A )=83,33%
Probabilidade(A) S Probabilidade
A 1 Complementar

2 3
5
6
4 Aequao1P( A )fundamentasena
A
interpretaodosvaloresprobabilsticos:
0 1
0,1666 A =0,8333
- 47 -
Eventos mutuamente exclusivos

a probabilidade com eventos que no ocorrem ao mesmo tempo. Ou ocorre A ou ocorre B (A ou B).
A ocorrncia de um evento impossibilita a ocorrncia do outro.

Doiseventossomutuamenteexclusivosquandoaocorrnciadeumeventoexcluiaocorrnciadeoutro.impossvelocorreroseventosA
e B ao mesmo tempo. Ento, o termo ou indicar adio de probabilidades. Para encontrar a probabilidade de um evento ou outro
ocorrer,adicionamosasprobabilidadesdecadaevento:P(AouB)=P(A)+P(B).

Exemplo1.Aolanarumdado,aprobabilidadedesetiraro2ou5:

3 S
A
B 6 ou indicaAdio deprobabilidades. P(AouB)=P(A)+P(B)
5
2 ou 4 A={2} A=1 P(AouB)=1+1=2=0,3333
1 B={5} B=1 666
S={1,2,3,4,5,6} S =6

Exemplo2.Aoretirarumacartadeumbaralhode52cartas,a Exemplo 3. Numa urna esto 10 bolas, sendo 2 pretas
probabilidadedesairumReiouumaDama: (P),5amarelas(A)e3verdes(V).Pegandoseumabola,

qualaprobabilidadedeelaserpretaouverde?

A={R,R,R,R} A=4 P(AouB)=4+4=8=0,1538
A={P,P} A=2 P(AouB)=2+3=5=0,5
B={D,D,D,D} B=4 525252 B={V,V,V} B=3 101010
S={52cartas S=52

S={10} S=10

Eventos NO mutuamente exclusivos

a probabilidade com Eventos que podem ocorrer ao mesmo tempo. Ou ocorre A ou B ou AMBOS (A e B).
A ocorrncia de um NO impossibilita a ocorrncia do outro.

DoiseventosNOsomutuamenteexclusivosquandoaocorrnciadeumeventonoexcluiaocorrnciadeoutro.possvelocorrer os
eventosAeBaomesmotempo.Otermoou,indicaradioeeindicarambos

Exemplo1Aolanarumdado,aprobabilidadedeobterumnmeromparoumenorque3:

mpar Menorque3 OseventosAeBnosomutuamenteexclusivos,pois1ocorreemAeB(ambos).
B S
A 3 2 5
SeaplicarmosP(AouB)=P(A)+P(B)teremos: /6 + /6= /6. Observenodiagramaque
3 4
este resultado est incorreto, pois P(AouB) = /6. Este erro foi provocado pela dupla
1 6
5 2 contagemde1.
4
Nestecaso,ajustaremosaregradasomaparaevitaraduplacontagem.Aequaoser:

A e B (Ambos) P(AouB)=P(A)+P(B)P(AeB)

Ento,aprobabilidadedelanarumnmeromparoumenorque3ser:

A={1,3,5} A=3
B={1,2} B=2 P(AouB)=3+21=4=0,6666
AeB={1} AeB=1 6666
S={1,2,3,4,5,6} S =6

Exemplo2Numapesquisasobreaprefernciadedoisjornais,consultamos470pessoas,sendoque250lemojornalA,180
lemojornalBe60lemosjornaisAeB.Escolhendoumapessoaaoacaso,qualaprobabilidadedequeseja:

Jornal a) LeitordosjornaisAouB? P(AouB)=P(A)+P(B)P(AeB)
Jornal A B
A={250} 250+18060=370=0,7872
B={180} 470470470470
AeB={60}
60
S={470}

AeB

- 48 -
PROBABILIDADECONDICIONALEMULTIPLICAODEPROBABILIDADES

Probabilidade com Eventos dependentes

a probabilidade do Evento B ocorrer, dado que o evento A j tenha ocorrido.

Dizse probabilidade condicional quando a ocorrncia de um evento est condicionada ocorrncia do outro.
Portanto,oseventossodependentes.Aprobabilidadedeumalteradapelaexistnciadooutro.

A probabilidade condicional do Evento B, dado que A ocorreu denotada por:
ocorreu (lseprobabilidadedeB,dadoqueAocorreu)
P(B|A)=P(AeB)
P(A)espaoamostraldeA,reduzido
AocalcularP(B|A)tudosepassacomoseP(A)fosseonovoespaoamostralreduzidodentrodoqual,queremos
calcularaprobabilidadedeB.Noutilizamosoespaoamostraloriginal.
Exemplo 1. Ao lanar um dado, observouse um nmero maior que 2 (evento A ocorreu). Qual a probabilidade de esse
nmerosero5(eventoB)?

Sero5 OeventoAocorreuequeremossaberoB(dentrodeA):
Maiorque2
A B A={3,4,5,6}

4 3

B={5}
5

Novoespao 6 P(B|A)seraprobabilidadedeocorreronmero5nonovoespao
amostral
amostralreduzidodeA.Ento:
AeB={5}1 P(B|A)=P(AeB)1=0,25
1
A={3,4,5,6}4 P(A)4
2

EspaoamostraloriginalS={1,2,3,4,5,6} ObservequenousamosoespaoamostraloriginalS.
EXEMPLO2 Ao lanar um dado, observouse umnmero maior que 1 (eventoA ocorreu).Qual a probabilidadedeesse
nmerosermpar(EventoB)?

mpar OeventoAocorreuequeremossaberoB(dentrodeA):
Maiorque1
A B A={2,3,4,5,6}
2
4 B={3,5}
3

Novoespao 6 5 P(B|A)seraprobabilidadedeocorrernmeromparnonovoespao
amostral
amostralreduzidodeA.Ento:
AeB={3,5}2 P(B|A)=P(AeB)2=0,40
1 A={2,3,4,5,6}5 P(A)5

ObservequenousamosoespaoamostraloriginalS

EspaoamostraloriginalS={1,2,3,4,5,6}
EXEMPLO 3 Duas cartas so selecionadas em sequncia em um baralho. Qual a probabilidade de que a 2

cartasejaumadama,dadoquea1sejaumrei.(assumaqueoreiestsemreposio).

Soluo.Emrazodeaprimeiracartaserumreienoseraresposta, P(B|A)=4=0,078
obaralhorestantetem51cartas,4dasquaissodama.Ento: 51

EXEMPLO4 Cincocartassoselecionadasemsequnciaemumbaralho.Qualaprobabilidadedequea5cartasejauma
dama.Dadoquea1=rei;2=dama;3=8;4=s.(assumaquenohreposio).

Soluo. Em razo de a 1 = rei; 2 = dama; 3 = 8 ; 4 = s, o baralho P(E|A,B,C,D)=3=0,062
restantetem48(524)cartas,3dasquaissodama.Ento: 48
Notequeoespaoamostraloriginalfoireduzido

- 49 -
EXEMPLO5Numapesquisasobreaprefernciadedoisjornais,consultamos470pessoaseoresultadofoioseguinte:250
lemojornalA,180lemojornalB,60lemosjornaisAeB.Escolhendoumapessoaaoacaso,qualaprobabilidadede:

a)UmleitordojornalA,tambmserleitordoB? b)UmleitordojornalB,tambmserleitordoA?

Jornal Jornal
Jornal A B Jornal A B
Novoespao
190 190 amostral

Novoespao 60 60
amostral
120 120

O evento A ocorreu e queremos saber o B. Ento, denotamos O evento B ocorreu e queremos saber o A. Ento, denotamos
P(B|A).DentreosleitoresdoJornalA,devemosdestacarosque P(A|B). Dentre os leitores do Jornal B, devemos destacar os que
lemB;logo,oespaoamostraldesseeventoA(190+60=250). lem A; logo, o espao amostral desse evento B (120+60=180).
Ento,aprobabilidade: Ento,aprobabilidade:

AeB={60}60 P(B|A)=P(AeB)60=0,24
A={190+60}250 P(A)250

EXEMPLO6.OquadroabaixomostraosresultadosdeumestudonoqualospesquisadoresexaminaramoQIdeumacriana
eapresenadeumgeneespecficonela.
Gene Geneno AprobabilidadedequeacrianatenhaumQIalto(EventoB),dadoque
presente presente acrianatenhaogene(EventoA)?

QIalto 33 19 52 Soluo. H 72 crianas que tm o gene. Ento, o espao amostral consiste

QInormal 39 11 50 dessas72crianas.Dessas,33temQIalto.Ento:

72 30 102 P(B|A)=33=0,458
72

EXEMPLO7Emumlotede12peas,8sodequalidadee4sodefeituosas.Aoselecionarduaspeasemsequncia,sem
reposio,qualaprobabilidadede:

a2peaserdefeituosa,dadoquea1defeituosa.
Soluo. Em razo de a 1 pea ser defeituosa, o lote restante tem 11 P(B|A)=3=0,2727

peas,3dasquaissodefeituosas.Ento: 11
a2peaserdefeituosa,dadoquea1dequalidade.
Soluo.Emrazodea1peaserdequalidade,oloterestantetem11 P(B|A)=4=0,3636
peas,4dasquaissodefeituosas.Ento: 11
a2peaserdequalidade,dadoquea1defeituosa.
Soluo. Em razo de a 1 pea ser defeituosa, o lote restante tem 11 P(B|A)=8=0,7272
peas,8dasquaissodequalidade 11
- 50 -
Multiplicao de probabilidade com eventos dependentes ...ache P(A e B) , dado P(B|A) e P(A)
Umaconsequnciamatemticaimportantedadefiniodeprobabilidadecondicionalaseguinte:
P(B|A)=P(AeB) sequeroachar:P(B|A)=?ento P(AeB)=P(A)xP(B|A)
P(A) P(AeB)P(A)
Isto,aprobabilidadedoseventos(AeB)oprodutodaprobabilidadedeumdelespelaprobabilidadedooutro,dadooprimeiro.
EXEMPLO 1 Duas cartas so selecionadas em sequncia em um baralho de 52 cartas. Qual a probabilidadede

selecionarumReieumaDama?(nohreposio).
Aprobabilidadedea1cartaserumRei /52.A P(AeB)=?
4
4
P(AeB)=P(A)xP(B|A)
2 carta ser uma Dama /51, pois o baralho P(A)= /452 4x416=0,006
4
restantetem51cartas,4dasquaissodama. P(B|A)= /51 52512652

EXEMPLO2Emumlotede12peas,8sodequalidadee4sodefeituosas.Sendoretiradasduaspeasemsequncia,
qualaprobabilidadedeque:(nohreposio)
a)Ambassejamdefeituosas b)Ambassejamdequalidade
P(AeB)=? P(AeB)=?
4 4x3=0,090 8 8x7=0,4242
P(A)= /12 P(A)= /12
3 1211 7 1211
P(B|A)= /11 P(B|A)= /11
4 3 8 7
Aprobabilidadedea1peaserdefeituosa /12ea2 /11,poiso Aprobabilidadedea 1peaserdequalidade /12ea2 /11,
loterestantetem11peas,3dasquaissodefeituosas. poisoloterestantetem11peas,7dasquaissodequalidade.

EXEMPLO3Umaurnacontm7bolasbrancas(B)e3pretas(P).Extraindosetrsbolasemsequncia,qualaprobabilidade
deque:(nohreposio).
a)Asduasprimeirassejambrancaseaterceirasejapreta(ouseja,BBP)
7 6 7
A probabilidade de a 1 bola ser branca /10 e a 2 /9. A P(A)= /10
3 6 7x6x3=0,175
probabilidade de a 3 bola ser preta /8, pois a urna restante P(B|A)= /9
3 1098
tem8peas,3dasquaissopretas. P(C|B)= /8
b)Duassejambrancaseumasejapreta(ouseja:BBP,BPBouPBB)=3[BBP]
O evento sair duas brancas e uma preta pode ocorrer de trs maneiras que 7
P(A)= /10
diferem apenas pela ordem de aparecimento das bolas: (BBP, BPB, PBB). Logo, a 7 6 3
probabilidadeserasomadessasmaneiras.Ento,bastacalcularaprobabilidadede
6
P(B|A)= /9 3 x x =0,525
3
P(C|B)= /8 10 9 8
umadessasmaneiras(porexemplo,aprimeira)emultiplicarpor3.Ento:3(BBP).

c)Pelomenosduassejambrancas(ouseja:3[BBP]+[BBB])
2 brancas 3 brancas

3[BBP] [BBB]
Pelo menos duas brancas a mesma coisa que no 7
P(A)= /10
7
P(A)= /10 7 6 3 7 6 5
mnimo duas brancas, ou seja, duas ou trs brancas. 6 6 3 x x + x x =0,8166
Ento,calculamosduasbrancas+trsbrancas.
P(B|A)= /9
3
P(B|A)= /9
5
10 9 8 10 9 8
P(C|B)= /8 P(C|B)= /8

d)Nomximoumasejabranca(ouseja:[PPP]+3[PPB])
0 branca 1 branca

[PPP] 3[PPB]
No mximo uma branca a mesma coisa que ou 3
P(A)= /10
3
P(A)= /10 3 2 1 3 2 7
nenhuma branca ou uma branca. Ento, calculamos 2 2 x x + 3 x x =0,1833
nenhumabranca(todaspretas)+umabranca.
P(B|A)= /9
1
P(B|A)= /9
7
10 9 8 10 9 8
P(C|B)= /8 P(C|B)= /8
e)Pelomenosumasejapreta.(ouseja:3[PBB]+3[PPB]+[PPP])
1 preta 2 pretas 3 pretas
3[PBB] 3[PPB] [PPP]

3 3 3
P(A)= /10 P(A)= /10 P(A)= /10 3 7 6 3 2 7 3 2 1
7
P(B|A)= /9
2
P(B|A)= /9
2
P(B|A)= /9
3 x x + 3 x x + x x =0,7083
6 7 1 10 9 8 10 9 8 10 9 8
P(C|B)= /8 P(C|B)= /8 P(C|B)= /8
MTODOALTERNATIVO: [BBB]
7
maisprticousaro P(A)= /10 7 6 5
eventocomplementar: 6
P(B|A)= /9
1 x x =0,7083
5 10 9 8
1BBB(nenhumapreta) P(C|B)= /8
f)Todassejamdamesmacor:
[PPP]+[BBB]=0,30
- 51 -
Multiplicao de Probabilidade com Eventos independentes

quando a ocorrncia do Evento A no afeta a probabilidade da ocorrncia do B. No existe dependncia.

A e B podem ocorrer simultaneamente (ao mesmo tempo). So independentes.

AregradamultiplicaousadaparaacharP(AeB)paraeventosindependentes.Aquiassociaremosapalavrae
commultiplicao.Otermochaveusadosimultneo.Aequao:P(AeB)=P(A)xP(B).Existereposio

1 ( 1, 1 )
2 ( 1, 2 ) Exemplo 1. Ao lanar dois dados simultaneamente, qual a
1 3 ( 1, 3 ) probabilidade de:
4 ( 1, 4 )
5 ( 1, 5 ) Obter o nmero 2 e mpar ?

6 ( 1, 6 )
1 ( 2, 1 )
PeloDiagramadervore: Ento,aprobabilidade:

2 ( 2, 2 )
3 ( 2, 3 ) (2,1),(2,3),(2,5) 3=8,33%
2
4 ( 2, 4 )

36
5 ( 2, 5 ) Seaplicarmosaregradamultiplicao,temos:
6 ( 2, 6 )

1 ( 3, 1 ) A={2} A=1 P(AeB)=P(A)xP(B)

2 ( 3, 2 ) B={1,3,5} B=3 1x3=3=8,33%
3 3 ( 3, 3 )
Lanar dois dados 4 ( 3, 4 ) S={1,2,3,4,5,6}S =6 6636
5 ( 3, 5 )

6 ( 3, 6 ) Obter um nmero par e mpar ?

1 ( 4, 1 ) PeloDiagramadervore Ento,aprobabilidade:
2 ( 4, 2 )
4 3 ( 4, 3 ) 9=25%
4 ( 4, 4 )
(2,1),(2,3),(2,5)
5 ( 4, 5 ) (4,1),(4,3),(4,5) 36
6 ( 4, 6 )
(6,1),(6,3),(6,5)

1 ( 5, 1 )
2 ( 5, 2 ) Aplicandoaregradamultiplicao,temos:

5 3 ( 5, 3 )
4 ( 5, 4 ) A={2,4,6} A=3 P(AeB)=P(A)xP(B)
5 ( 5, 5 ) B={1,3,5} B=3 3x3=9=25%
6 ( 5, 6 )
S={1,2,3,4,5,6}S =6 6636
1 ( 6, 1 )
2 ( 6, 2 )
3 ( 6, 3 ) Esta regra pode ser estendida para qualquer nmero de eventos
6
4 ( 6, 4 ) independentes:P(AeBeC)=P(A)xP(B)xP(C)...
5 ( 6, 5 )
6 ( 6, 6 ) OresultadodoeventoBindependedoresultadodeA.
EventoAeEventoB Soindependentes
S={36}

Exemplo 2. Cirurgias de microfraturas no joelho tm 75% de chance de Sucesso em pacientes com joelhos
degenerativos (25% de fracasso). A cirurgia realizada em 3 pacientes. Calcule a probabilidade de que:
Nota:Aprobabilidadedequecadacirurgiasejaumsucessode0,75.Achancedeumsucessoparaumacirurgia
independentedaschancesparaasoutrascirurgias.Portanto,oseventossoindependentes.

a)Astrscirurgiassejamumsucesso.ouseja:[SSS] b)Astrscirurgiassejamumfracasso.ouseja:[FFF]

[SSS] P(AeBeC)=P(A)xP(B)xP(C) [FFF] P(AeBeC)=P(A)xP(B)xP(C)
P(A)=0,75 P(A)=0,25
P(B)=0,75 0,75x0,75x0,75=0,4218 P(B)=0,25 0,25x0,25x0,25=0,0156

P(C)=0,75 P(C)=0,25

c)Duascirurgiassejamumsucesso(ouseja:SSF,SFS,FSS)=3[SSF]

OeventoDuascirurgiaspodeocorrerdetrsmaneirasquediferemapenaspela
P(A)=0,75
ordem dos resultados das cirurgias: (SSF, SFS, FSS). Logo, a probabilidade ser a
soma dessas maneiras. Ento, basta calcular a probabilidade de uma dessas
P(B)=0,75 3*(0,75*0,75*0,25)=0,4218
P(C)=0,25
maneiras(porexemplo,aprimeira)emultiplicarpor3.Ento:3(SSF).

- 52 -
Teorema de Bayes (THOMAZ BAYES 1701-1761 MATEMTICO)

uma extenso da probabilidade condicional, que procura responder a pergunta: sabendo-se que o
evento A ocorreu, qual a probabilidade de que esse evento tenha provindo de X?

UsamosoTeoremadeBayesparareverprobabilidadescombaseeminformaoadicionalobtidaposteriormente.Umaidiachave
para se entender a essncia do teorema reconhecer que estamos trabalhando com eventos sequenciais, pelos quais novas
informaes so obtidas para se rever a probabilidade do evento inicial. Nesse contexto, os termos probabilidade a priori e
probabilidadeaposteriorisocomumenteusados.
Uma probabilidade a priori um valor de probabilidade inicial originalmente obtido antes que seja obtida qualquer informao
adicional. Uma probabilidade a posteriori um valor de probabilidade que foi revisto usandose informao adicional obtida
posteriormente.OteoremadeBayespodeserobtidopormeiodetabelas,diagramadervoreepelaequaodeBayes.

Exemplo 1. Usando um Diagrama de rvore e a Equao de Bayes
As mquinas A e B so responsveis por 65% e 35%, respectivamente, da produo de uma empresa. Os ndices de
peas defeituosas na produo destas respectivas mquinas valem 2% e 5%. Se uma pea defeituosa foi selecionada
da produo desta empresa, qual a probabilidade de que tenha sido produzida pela mquina A?
Resoluo: Portanto, ao selecionar uma pea, atribumos as probabilidades iniciais: P(A) = 0,65 e P(B) = 0,35, incluindo as peas
perfeitas e defeituosas. Denotamos P = pea perfeita e D = pea defeituosa
A probabilidade da pea sair defeituosa,

Pelo Diagrama de rvore Pea seja da mquina A ou B, 0,0305
0,98 perfeita P(A) * (P|A) = 0,6370 (0,0130+0,0175), que a probabilidade
total da pea sair defeituosa.
mquina
A Se queremos saber a probabilidade de a
0,65 0,02 pea defeituosa ter sido produzida pela
Pea mquina A, ser:
Pea defeituosa P(A) *(D|A) = 0,0130
0,0130 = 0,4262
fabricada
0,0305
Pea
P(B) * (P|B) = 0,3325 Enquanto que ter sido produzida pela
0,35 0,95 perfeita
mquina + mquina B ser:
B
0,05 0,0175 = 0,5738
Pea 0,0305
defeituosa P(B) * (D|B) = 0,0175
Pela equao de Bayes

A equao de Bayes dada por Usando a equao de Bayes e as probabilidades do exemplo 1,
referente ao clculo da pea defeituosa ter sido produzida pela
P(A1) . P(B|A1) mquina A, temos:
P(x) =
P(A1) . P(B|A1) + P(A2) . P(B|A2)
P(A1) = 0,65 (pea ser produzida pela mquina A)
Sendo o numerador a probabilidade condicionada P(B|A1) = 0,02 (pea ser defeituosa, dado ser produzida pela mquina A)
procurada, o denominador a probabilidade total P(A2) = 0,35 (pea ser produzida pela mquina B)
condicionada, podendo estender a P(An) . P(B|An). P(B|A2) = 0,05 (pea ser defeituosa, dado ser produzida pela mquina B)
(0,65) . (0,02)
P(x) = = 0,4262
(0,65) . (0,02) + (0,35) . (0,05)
Exemplo 2. As mquinas A e B so responsveis por 400 e 150, respectivamente, da produo de peas de uma
empresa. A quantidade de peas defeituosas produzidas pelas respectivas mquinas so 10 e 20. Se uma pea
defeituosa foi selecionada da produo, qual a probabilidade de que tenha sido produzida pela mquina B?
O total de peas produzidas igual a 550 (400+150), logo:

P(A1) = 0,727 (400/550) (pea ser produzida pela mquina A)
A
P(B|A1) = 0,025 (10/400) (pea ser defeituosa, dado ser produzida pela mquina A)
P(A2) = 0,272 (150/550) (pea ser produzida pela mquina B)
B
P(B|A2) = 0,133 (20/150) (pea ser defeituosa, dado ser produzida pela mquina B)
Logo, a probabilidade da pea ser defeituosa e ter sido produzida pela mquina B ser:
P(A2) . P(B|A2) (0,272) . (0,133)

P(x) = P(x) = = 0,6661
P(A2) . P(B|A2) + P(A1) . P(B|A1) (0,272) . (0,133) + (0,727) . (0,025)
- 53 -
DISTRIBUIOBINOMIAL(JAKOBBERNOULLI16541705)
um experimento de probabilidades para os quais os resultados de cada tentativa podem ser
reduzidos a dois resultados: SUCESSO ou FRACASSO.
Sucesso corresponde probabilidade procurada enquanto que Fracasso probabilidade no procurada, ou seja, o
eventocomplementar.Apalavrasucessocomousadaaquiarbitrriaenorepresenta,necessariamente,algobom.
AprobabilidadeBinomialaplicadaparaEventosindependentes.
Reviso de FATORIAL (O fatorial usado na equao binomial, por isso a importncia da reviso)
FATORIAL um procedimento matemtico utilizado para calcular o produto de uma multiplicao cujos
fatores so nmeros naturais consecutivos, denotado por x!. Exemplos:
5! = 5.4.3.2.1 = 120 5! = 5.4.3! = 20 5! = 5.4.3! = 5 5! = 5.4.3! = 10

30! = 30.29.28 . ... .1 3! 3! 3! 4 3! 4 3! (5-3)! 3! (2)!
0! = 1
Paracalcular5!useacalculadoranatecla x! .Procedimento:Introduza5 x! =120
HvriasformasdeencontrarprobabilidadeBinomial.UmaformausarumDiagramadervoreearegrademultiplicao.
OutraformausaraequaodeprobabilidadeBinomial,ondeusamosFatorial.Podemostambmusartabelas.

EQUAO DA PROBABILIDADE BINOMIAL
P(x) = n! . S x . F n-x
x! (n - x)!
F = probabilidade de Fracasso
n tamanho da amostra (evento complementar)
x n sucessos na amostra
S = probabilidade de Sucesso
Nota: p e q foram substitudos por S e F por fins didticos. (evento procurado)

Exemplo 1. Usando um Diagrama de rvore (evento independente) e a equao da probabilidade Binomial
Cirurgias de microfaturas no joelho tm 75% de chance de sucesso em pacientes com joelhos degenerativos. A
cirurgia realizada em 3 pacientes. Encontre a probabilidade de a cirurgia ser um sucesso em 2 pacientes.
Pelo Diagrama de rvore ou Pela equao Binomial
1 2 3 Resultado Sucessos Probabilidade (ev. indepen)

0,75 S (S,S,S) 3 0,75 . 0,75 . 0,75 = 0,422 P(x) = n! . S x . F n - x
0,75
x! (n - x)!
0,75 S 0,25 F (S,S,F) 2 0,75 . 0,75 . 0,25 = 0,141 +
S n=3
0,25 S (S,F,S) 2 0,75 . 0,25 . 0,75 = 0,141 + x=2
F S = 0,75
(S,F,F) 1 0,75 . 0,25 . 0,25 = 0,047 F = 0,25 (evento complementar)
F
S (F,S,S) 2 0,25 . 0,75 . 0,75 = 0,141 + P(x)= 3! . 0,75 2 . 0,25 3 - 2
0,75
0,25 S F (F,S,F) 1 0,25 . 0,75 . 0,25 = 0,047
2! (3-2)!
F
0,25 S (F,F,S) 1 0,25 . 0,25 . 0,75 = 0,047 P(x)= 0,422
F
F (F,F,F) 0 0,25 . 0,25 . 0,25 = 0,016
H trs resultados que tm dois sucessos e cada um tem uma probabilidade de Usando a equao Binomial obtemos
0,141. Aplicando a Regra da Adio, a probabilidade de a cirurgia ser um sucesso o mesmo resultado pelo mtodo do
com dois pacientes 0,422. (0,141 + 0,141 + 0,141) Diagrama de rvore, de 0,422.
A probabilidade de sucesso em 1 paciente ser: A probabilidade de no ter sucesso ser:
P(x)= 3! . 0,75 1 . 0,25 3 1 0,141 P(x)= 3! . 0,75 0 . 0,25 3 0 0,016

1! (3-1)! 0! (3-0)!
Pelo Diagrama ser (0,047+0,047+0,047)
Nota: x0 = 1
- 54 -
Exemplo 2. Um levantamento estatstico realizado pelo IBGE constatou que a taxa de desemprego na cidade de
Resende da ordem de 13%. Ao tomarmos uma amostra de 30 pessoas, com reposio, qual a probabilidade de:
a) 5 estarem desempregados 13% desemprego(Sucesso) 87% emprego(Fracasso)
b) 28 estarem empregados Sucessooquesedesejaestudar;
c) 27 estarem empregados 87% emprego(Sucesso) 13% desemprego(Fracasso) Fracassooquenosedesejaestudar
P(x) = n! . S x . F n-x
x! (n - x)!
a) 5 estarem desempregados b) 28 estarem empregados c) 27 estarem empregados
n = 30 n = 30 n = 30
x=5 x = 28 x = 27
S = 0,13 S = 0,87 S = 0,87
F = 0,87 F = 0,13 F = 0,13
P(x)= 30! . 0,13 5 . 0,87 30 - 5 P(x)= 30! . 0,87 28 . 0,13 30-28 P(x)= 30! . 0,87 27 . 0,13 30-27
5! (30-5)! 28! (30-28)! 27! (30-27)!
P(x)= 142506 . 0,000037 . 0,0307 P(x)= 435 . 0,0202 . 0,0169 P(x)= 4060 . 0,0232 . 0,0021
P(x) 0,1627 P(x) 0,1489 P(x) 0,1978
Paracalcular0,135useateclaXy ou^.Introduza0,13Xy 5=3,705queomesmoque0,000037

Exemplo 3. Uma caixa contm 50 bolas, sendo 40 brancas e 10 pretas. Ao tirar 5 bolas, qual probabilidade de sarem:
a) 2 bolas pretas b) 4 bolas brancas
n=5 n=5
x=2 x=4 P = 5! . 0,804 . 0,205 4 0,4096
10 P = 5! . 0,202 . 0,8052 0,2048 40
S = 0,20 ( /50) S = 0,80 ( /50) 4! (5-4)!
2! (5-2)!
F = 0,80 (40/50) F = 0,20 (10/50)
Exemplo 4. Uma moeda lanada 5 vezes. Qual a probabilidade de obter 3 caras nessas cinco provas?

n = 5 (tamanho da amostra)
x = 3 (n sucessos da amostra) P(x) = 5! __ . 0,503 . 0,5053 0,3125
S = 0,50 ( = a p de obter cara) 3! (5-3)!
F = 0,50 (= a p de obter coroa)

Exemplo 5. Um dado lanado 6 vezes. Qual a probabilidade de que a face 4 aparea 2 vezes?
1
S = 0,17 ( = /6 a p de obter 4) 2! (6-2)!
F = 0,83 (= 5/6 a p de no obter 4)

Exemplo 6. Dois times de futebol, A e B, jogam entre si 6 vezes. Qual a probabilidade de o time A ganhar 4 jogos?
S = 0,33 ( = 1/3 a p de ganhar)* 4! (6-4)!
F = 0,66 (= 2/3 a p de no ganhar)
*1/3otimeApodeganhar,empatarouperder.Logo,aprobabilidadeparacadaeventode1/3
Exemplo 7. Em uma fbrica, 3 em cada 10 peas so defeituosas. Uma remessa a um determinado cliente possui 5
peas. Determine a probabilidade de que, nessa remessa:
2 estejam defeituosas 4 estejam perfeitas

n = 5 (tamanho da amostra) n = 5 (tamanho da amostra)
x = 2 (n sucessos da amostra) x = 4 (n sucessos da amostra)
3 7
S = 0,30 ( = /10 a p pea ser defeituosa) S = 0,70 ( = /10 a p pea ser perfeita)
7 3
F = 0,70 (= /10 a p pea ser perfeita) F = 0,30 (= /10 a p pea ser defeituosa)
P(x) = 5! __ . 0,302 . 0,7052 0,3087 P(x) = 5! __ . 0,704 . 0,3054 0,3602

2! (5-2)! 4! (5-4)!
- 55 -
REFERNCIAS BIBLIOGRFICAS
ANDERSON, David R.; SWEENEY, Dennis J.; WILLIANS, Thomas A. Estatstica aplicada administrao e economia. 2
ed. So Paulo: Cengage Learning, 2009. 597 p.
BRUNI, Adriano Leal. Estatstica para concursos. So Paulo: Atlas, 2008. 197p.
COSTA, Srgio Francisco. Introduo ilustrada estatstica. 4 ed. So Paulo: Harbra, 2005. 399 p.
CRESPO, Antnio Arnot. Estatstica fcil. 17 ed. So Paulo: Saraiva, 1999. 224 p.
FARIAS, Alfredo Alves et al. Introduo estatstica. 2 ed. Rio de Janeiro: LTC, 2003, 320 p.
GIOVANNI Jos Ruy; BONJORNO, Jos Roberto; GIOVANNI JR., Jos Rui. Matemtica fundamental: uma nova
abordagem volume nico. So Paulo: FTD, 2002. 712 p.
HAZZAN, Samuel. Fundamentos da matemtica elementar: Matemtica financeira, comercial e estatstica descritiva.
Volume 11. 1 ed. So Paulo: Atual editora, 2004. 230p.
HELP! Sistema de consulta interativa. Matemtica. Rio de Janeiro: O globo, 1997. 319 p.
Instituto Brasileiro de Geografia e Estatstica IBGE. A instituio. Disponvel em

<http://www.ibge.gov.br/home/disseminacao/eventos/missao/default.shtm>. Acesso em 06 abr 2010.
LAPPONI, Juan Carlos. Estatstica usando o Excel. 4 ed. Rio de Janeiro: Elsevier, 2005. 476 p.
LARSON, Ron; FARBER, Betsy. Estatstica aplicada. 4 ed. So Paulo: Pearson, 2010. 637 p.
LEVINE, David M. et al. Estatstica: teoria e aplicaes. 5 ed. Rio de Janeiro: LTC, 2008. 752 p.
LOPES, Paulo Afonso. Probabilidade e estatstica: conceitos, modelos e aplicaes em Excel. Ernesto Reichmann, 1999.
174 p.
MANDIN, Daniel. Estatstica descomplicada. 9 ed. Braslia: Vestcon, 2002. 227 p.
MONTGOMERY, Douglas C.; RUNGER, George C. Estatstica aplicada e probabilidade para engenheiros. 2 ed. Rio de
Janeiro: LTC, 2003. 465 p.
OLIVEIRA, Uanderson Rebula de. Ergonomia, higiene e segurana do trabalho. Resende-RJ: Apostila. Universidade
Estcio de S, 2009. 199 p.
Resumo estatstica. 2 ed. So Paulo: Barros, fischer & Associados, novembro 2006. 6 p.
RUMSEY, Deborah. Estatstica para leigos. Rio de Janeiro: Alta books, 2009. 350 p.
SILVA, Ermes Medeiros et al. Estatstica: para os cursos de Economia, Administrao e Cincias Contbeis - volume 1. 2
ed. So Paulo: Atlas, 1996. 189 p.
SMOLE, Ktia Stocco; DINIZ, Maria Ignez. Matemticaensino mdio. 5 ed. So Paulo: Saraiva, 2005. 558p.
SPIEGEL, Murray R. Estatstica: resumo da teoria, 875 problemas resolvidos, 619 problemas propostos. So Paulo:
McGraw-Hill do Brasil, 1977. 580 p.
TRIOLA, Mario F. Introduo estatstica. 10 ed. Rio de Janeiro: LTC, 2008. 696 p.
URBANO, Joo. Estatstica: uma nova abordagem. Rio de Janeiro: Cincia moderna, 2010. 530p.
VASCONCELLOS, Maria Jos Couto; SCORDAMAGLIO, Maria Terezinha; CNDIDO, Suzana Laino. Coleo
Matemtica. 1 e 3 srie do ensino mdio. So Paulo: Editora do Brasil, 2004. 232 p.
WERKEMA, Maria Cristina Catarino. As ferramentas da qualidade no gerenciamento dos processos. Belo Horizonte:
EDG, 1995. 128 p.
- 56 -
SITES PARA CONSULTA

www.brasilescola.com
Instituto de pesquisa econmica aplicada - http://www.ipea.gov.br
Instituto brasileiro de geografia e estatstica - http://www.ibge.gov.br
Associao Brasileira de Estatstica - http://www.ime.usp.br/~abe/
www.ibope.com.br
ANEXO I - LIVROS RECOMENDADOS
Um livro introdutrio de estatstica que inclui um estilo de escrita Este livro diferencia-se dos tradicionais livros,
amigvel, contedo que reflete as caractersticas importantes de um materiais de referncia e manuais de estatsticas,
curso introdutrio moderno de estatstica, o uso da tecnologia pois possui: Explicaes intuitivas e prticas sobre
computacional mais recente, de conjuntos de dados interessantes e conceitos estatsticos, ideias, tcnicas, frmulas e
reais, e abundncia de componentes pedaggicos. O CD-ROM inclui clculos. Passo a passo conciso e claro de
os conjuntos de dados do Apndice B do livro. Esses conjuntos de procedimentos que intuitivamente explicam
dados encontram-se armazenados em formato texto, planilhas do como lidar com problemas estatsticos. Exemplos
Minitab, planilhas do Excel e uma aplicao para a calculadora TI-83. interessantes do mundo real relacionados ao
Inclui tambm programas para a calculadora grfica TI-83 Plus, o cotidiano pessoal e profissional. Respostas
Programa Estatstico STATDISK (Verso 9.1) e um suplemento do honestas e sinceras para perguntas como O que
Excel, desenvolvido para aumentar os recursos dos programas isso realmente significa? e Quando e como eu
estatsticos do Excel. vou usar isso?
Neste livro voc encontrar:
Explicaes em portugus de fcil entendimento.
Informaes fceis de localizar e passo-a-passo.
cones e outros recursos de identificao e
memorizao. Folha de cola para destacar com
informaes prticas. Listas dos 10 melhores
relacionados ao assunto. Um toque de humor e
diverso.
Onde comprar: www.submarino.com.br
- 57 -
ANEXO II - SOFTWARE BIOESTAT
TextoextradodatesededoutoradoemEngenhariadeUalisonRebuladeOliveira
Existem inmeros recursos tecnolgicos para a anlise estatstica de dados, que vo desde
calculadoras, a exemplo da TI 83 PLUS, a aplicativos especficos, tais como o STATDISK e o
MINITAB (TRIOLA, 2005). Assim, buscandose recursos computacionais que facilitassem o
tratamentode dados, vrios aplicativos e softwares estatsticos foram pesquisados, dos quais se
destacam a planilha Excel, o STATDISK, o MINITAB, o BioEstat, o SPSS e algumas pginas na
Internet que oferecem programas em Javascript para clculos online, a exemplo da pgina na
Internetwww.stat.ucla.edu.

Aps anlise de ps e contras de cada aplicativo pesquisado, selecionouse o pacote estatstico
BioEstat, disponvel para download no site www.mamiraua.org.br, por possuir as seguintes
caractersticaspositivas:i)serventiatantoparaaEstatsticadescritivacomoparatestesestatsticos
noparamtricos;ii)seremportugus;iii)possuirmanualemPDFcomdiversosexemplos;iv)ser
de fcil utilizao; v) ser gratuito; vi) ser referenciado em vrios livros, sites e entidades de
pesquisaconformeSiegel&CastellanJunior(2006),oBioEstatomelhorprogramadisponvel
naatualidadeparaoclculodoquiquadrado;vii)possuirapoiodoCNPQ;eviii)estarnaverso5.0
epossuirmaisde20anosdecriao.
INTERFACEBIOESTAT

Baixarsoftware:
www.mamiraua.org.br
- 58 -
Anexo III - ESTATSTICA NO EXCEL

OExcel dispe da funoEstatstica. Assim, tudo que vimos poder ser desenvolvido pelo
excel,bastandoinserirosvaloresdavariveldeinteresse.
Para saber mais, basta adquirir o livro Estatstica usando o excel, de Juan Carlos
Lapponi.WWW.SUBMARINO.COM.BR

4Edio,Edio2005,496pgs.EditoraElsevierCampusAcompanhaCDROMcomPlanilhas,Modelos,
Simuladoresetc.paraExcel.

Ocontedodestelivrotilpara:EstudantesquecursamEstatsticanasdiversasreasdoconhecimentoe
em diferentes nveis de graduao como, em ordem alfabtica, Administrao, Biologia, Contabilidade,
Economia, Engenharia, Finanas, Marketing, Medicina, etc. Estudantes que necessitam aprimorar ou
complementar seus conhecimentos de Estatstica utilizando o Excel. Profissionais das diversas reas que
utilizam os conceitos de Estatstica e necessitam, ou gostariam, de utilizar as funes estatsticas, as
ferramentasdeanlise,planilhas,modelosesimuladoresdeestatsticaemExcel.Todosaquelesquepodero
utilizar as planilhas, modelos e simuladores de estatstica em Excel da forma como esto no CDRom, ou
modificandoos, para atender s suas necessidades. Alunos de reas correlatas que utilizaro estatstica e
desejam antecipar seu aprendizado e agregar valor ao seu conhecimento visando o mercado de trabalho. Usurios de Excel que desejam
conhecereaprenderautilizarosrecursosdeEstatsticadisponveis.
TPICOS
DADOS,VARIVEISEAMOSTRAS
DESCRIODEAMOSTRASCOMTABELASEGRFICOS
MEDIDASDETENDNCIACENTRAL
MEDIDASDEDISPERSO/VARIAO
PROBABILIDADE
CORRELAO
VARIVEISALEATRIASEDISTRIBUIESDISCRETAS
DISTRIBUIESCONTNUAS
COMBINAOLINEARDEVARIVEISALEATRIAS
DISTRIBUIOAMOSTRAL
ESTIMAO
TESTEDEHIPTESES
TESTESDEHIPTESESCOMDUASAMOSTRAS
ANLISEDAVARINCIA
REGRESSOLINEAR
AJUSTENOLINEAR

Estatística e Probabilidade - 2017

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Estatística e Probabilidade - 2017

Enviado por

Direitos autorais:

Formatos disponíveis

-1-

LIVROS PUBLICADOS POR

UANDERSON REBULA DE OLIVEIRA

Pesquisador pelo ITL/SEST/SENAT. Professor na UNIFOA no curso de Ps graduao em Engenharia de Segurana

No entanto, a probabilidade se desenvolveu muito

A anlise combinatria deve grande parte de seu

Nesta apostila encontraremos as definies de

Falou mais o Senhor a Moiss, no deserto de Sinai, na tenda da

1.1 CONCEITO E IMPORTNCIA DA ESTATSTICA

COMPILAO E ANLISE DE DADOS (INFORMAES) sobreacidentesdotrabalho,de1970a2005:

25.000.000 22.163.827 22.272.843

campeo de acidentes no Brasil, participando com

FONTE: Adaptado da Revista Proteo e do IBGE (www.ibge.gov.br)

POSSVEIS SOLUES PARA REDUZIR OS ACIDENTES

CONSIDERAES FINAIS SOBRE O ESTUDO DE ACIDENTES.

A CINCIA QUE SE DEDICA EM COLETAR, ORGANIZAR, APRESENTAR, ANALISAR E INTERPRETAR DADOS

Estatstica a cincia dos dados. A Estatstica lida com a coleta, o

No uso dirio o termo estatstica referese a fatos numricos. Tenha em

UM POUCO DE HISTRIA E ATUALIDADE

Segundo Costa (2005, p. 5) em 1085, Guilherme O Conquistador,

1.2 FASES DO ESTUDO ESTATSTICO

ESTUDO NATUREZA DOS DADOS

3. Organizar e contar dados

tornar mais fcil e 1.000 .000

5. Anlise dos dados e tomada de deciso

1.3 VOCABULRIO BSICO DE ESTATSTICA

FONTE: Revista Proteo Anos

Inteiros Quando as variveis forem em nmeros

1.4 POPULAO E AMOSTRA

4 razes para selecionar uma amostra

So exemplos de Populao e Amostra:

OUTROS EXEMPLOS DE AMOSTRAS:

1.5 ESTATSTICA DESCRITIVA E ESTATSTICA INFERENCIAL

Algumas ferramentas aplicadas

A margem de erro uma medida

2.1 CONCEITOS E TIPOS DE SRIES

FONTE: Dados fictcios

mega Monza Gol Corsa Fusca

Anos Investimentos Vendas

2.2 DISTRIBUIO DE FREQUNCIA

tabela, chamada Distribuio de frequncia.

6 5 Um histograma um grfico de colunas juntas. Em um histograma no

4,0 5,0 6,0 7,0 8,0 9,0 Ohistogramaaoladoindicaquecincoalunostiraramanota4,0;trsalunostiraram

Frequncia Relativa fr (%)

Frequncia Relativa Acumulada FRa (%)

Medidasresumo Valor Interpretao

3.1 MEDIDAS DE POSIO

R e s u lta d o s d o s re g is tro s d e u m ra d a r Nonecessriomontartabela.Vejanafiguraaolado

10 que basta multiplicar a freqncia pelo ponto mdio e

Medida que representa o valor que est no MEIO de um conjunto de dados.

4,0 4 4 Da1ata4 Fa13

NOTA SOBRE A MEDIANA.Amedianamenosutilizadadoqueamdiasimples.Amedianapodeseraplicadaquandoexistemvalores

4,0 6,0 9,0 9,0 10 Moda

f mdio de classe modal, que a 10

NOTAS SOBRE A MODA. Nadistribuiodefreqnciaemclasses,omtodoutilizadoparaencontraramodapormeiodopontomdio

limite inferior da classe modal f* = frequncia da classe modal

Registro das velocidades de

- FUNDAMENTOS DA EQUAO DE CZUBER

RELAO ENTRE MDIA, MEDIANA E MODA.

Quando a distribuio tem a forma de sino (linha tracejada), a

8 7 Moda afirmativa que numa distribuio normal a mdia, mediana e

3.2 MEDIDAS DE ORDENAMENTO (ou separatrizes).

i Velocidades f Fa 1quartilQ1= = =11,512posio=95Km/h

Usase a mesma tcnica do clculo da i Velocidades f Fa

P(x) = 5! . 0,302 . 0,7052 0,3087 P(x) = 5! . 0,704 . 0,3054 0,3602