Escolar Documentos
Profissional Documentos
Cultura Documentos
GRADUAO
Unicesumar
Reitor
Wilson de Matos Silva
Vice-Reitor
Wilson de Matos Silva Filho
Pr-Reitor de Administrao
Wilson de Matos Silva Filho
Pr-Reitor de EAD
Willian Victor Kendrick de Matos Silva
Presidente da Mantenedora
Cludio Ferdinandi
ESTATSTICA
SEJA BEM-VINDO(A)!
Caro(a) estudante, com muito prazer que apresentamos a voc o livro que far parte
da disciplina de Estatstica. A Estatstica uma cincia que se dedica ao desenvolvimen-
to e ao uso de mtodos para a coleta, resumo, organizao, apresentao e anlise de
dados. Um exemplo do uso da estatstica est na previso do tempo em uma regio, em
tendncias numa eleio, a posio dos bancos dos trens em certa linha e, at, o hbito
de lavar as mos aps usar o banheiro.
Fazendo uma pequena viagem pelo tempo, em 3000 a.C., registrava-se os primeiros in-
dcios de censos na Babilnia, na China e no Egito. No Velho Testamento, Livro 4 (N-
meros), registra-se uma instruo de Moiss: Fazer levantamento dos homens de Israel
aptos a guerrear (TOREZANI, 2004, p. 2).
A palavra Censo deriva do verbo latino censere, que significa taxar. O objetivo inicial
da realizao dos censos era buscar informaes sobre as populaes para orientar a
taxao de impostos. Era, portanto, uma atividade que interessava, particularmente, aos
governos, ao Estado. Da deriva a palavra ESTATSTICA (de STATUS). Trata-se da ferramen-
ta de trabalho dos estadistas.
Em 1805, Guilherme, o Conquistador, determinou que se fizesse, na Inglaterra, um le-
vantamento, visando obter informaes sobre posse de terras, sua utilizao, seus pro-
prietrios, nmero de empregados, posse de animais etc., para taxao de impostos.
No sculo XVII, John Graint publica Aritmtica Poltica, uma anlise sobre nascimentos
e bitos, a partir das chamadas Tbuas de Mortalidade.
J, no sculo XVIII (1797), surge, na Enciclopdia Britnica, o verbete STATISTICS pela
primeira vez.
O termo Estatstica usado, hoje, com alguns significados diferentes. Ele pode se referir a:
meros registros de eventos que interessem ao administrador em geral;
uma simples medida estatstica que seja obtida de uma amostra;
mtodos estatsticos padronizados utilizados em pesquisa por amostragem;
cincia estatstica em geral, hoje, grandemente desenvolvida e com aplicao disse-
minada como auxiliar as mais diferentes reas de conhecimento.
De forma simplificada, podemos admitir que a Cincia Estatstica tem como objetivo
obter informaes confiveis sobre determinado fenmeno de interesse.
A Estatstica est de forma muito presente na mdia, seja em jornais, revistas ou meios
de comunicao. Alm disso, uma vez que est diretamente envolvida com pesquisa,
a partir dela que as decises so tomadas. Podemos dizer que a Estatstica uma
ferramenta para qualquer pesquisador na busca pelas respostas aos vrios problemas
relacionados ao meio em que trabalha. Entretanto, para que ela seja bem utilizada,
necessrio conhecer os seus fundamentos, seus princpios e suas ferramentas para que
possamos utiliz-la de forma adequada.
APRESENTAO
Este material foi separado em cinco unidades, sendo iniciado com a importncia da
Estatstica bsica, passando por probabilidades e finalizando com medidas de asso-
ciao.
A unidade I vai do incio de sua utilizao at a importncia dos grficos e das tabelas
na apresentao dos dados. Essa unidade trata, basicamente, dos conceitos que voc
precisar saber para entender a Estatstica nas unidades posteriores.
Na unidade II, nos aprofundaremos no estudo de tabelas e de grficos, mais especi-
ficamente, leitura e construo de tabelas, aplicao e utilizao de alguns tipos de
grficos.
A unidade III mostra as medidas de posio e de disperso. Essas medidas so, ampla-
mente, empregadas dentro de pesquisas em nvel cientfico e, tambm, nos proble-
mas mais simples do cotidiano.
A unidade IV trata sobre probabilidades. As probabilidades podem tratar de eventos
simples a extremamente complexos. De forma abrangente, elas tratam das chances
de determinados fenmenos ocorrerem. A importncia de se estudar probabilidades
est na verificao de que alguns eventos ocorrem com uma facilidade maior que
outros e, assim, podemos prever situaes futuras sobre esses eventos.
A unidade aborda as probabilidades de forma geral, mostrando desde os clculos mais
simples, passando por suas propriedades, e indo at as probabilidades condicionais
e distribuies de probabilidades. As principais distribuies so aquelas que utiliza-
mos com maior frequncia, uma vez que existem inmeros tipos. Essas distribuies
do comportamento da varivel com a qual estamos trabalhando importante, pois,
por meio delas que determinamos como calcular probabilidades de forma correta.
Finalizando o material, a unidade V trata das medidas de associao, mais especifica-
mente a correlao e a anlise de regresso. Essas medidas nos mostram o grau de re-
lao entre duas variveis. A correlao informa a intensidade da relao e a anlise de
regresso mostra a quantidade de variao em uma por meio da variao em outra.
Este material est bastante sintetizado, focando os pontos principais da Estatstica de
modo a proporcionar encaminhamentos que possibilitem a compreenso dos con-
ceitos, ao contrrio do que muitas vezes posto em se tratando de estudar Matem-
tica e, especificamente, Estatstica.
A resoluo de tarefas importante desde que o(a) estudante procure faz-la luz da
teoria que ela contempla. Com isso, afirmo: ser necessrio, tambm, muito empenho
de sua parte para a realizao desse intenso trabalho. No decorrer de suas leituras,
procure interagir com os textos, fazer anotaes, responder as atividades de estudo,
anotar suas dvidas, ver as indicaes de leitura e realizar novas pesquisas sobre os
assuntos tratados, pois com certeza no ser possvel esgot-los em apenas um livro.
Prof. Ivnna Gurniski De Oliveira
Prof. Renata C. de Souza Chatalov
09
SUMRIO
UNIDADE I
15 Introduo
18 Populao e Amostra
20 Amostragem
30 Tipos de Variveis
36 Consideraes Finais
40 Referncias
41 Gabarito
UNIDADE II
TABELAS E GRFICOS
45 Introduo
46 Tabelas
60 Grficos
68 Consideraes Finais
73 Referncias
74 Gabarito
10
SUMRIO
UNIDADE III
79 Introduo
80 Medidas de Posio
91 Medidas Separatrizes
96 Medidas de Disperso
110 Referncias
111 Gabarito
UNIDADE IV
PROBABILIDADES
115 Introduo
116 Probabilidade
155 Referncias
156 Gabarito
11
SUMRIO
UNIDADE V
159 Introduo
179 Referncias
180 Gabarito
182 CONCLUSO
Professora Me. Ivnna Gurniski De Oliveira
Professora Me. Renata Cristina de Souza Chatalov
CONCEITOS E IMPORTNCIA
I
UNIDADE
DA ESTATSTICA
Objetivos de Aprendizagem
Entender o que significa Estatstica.
Compreender a importncia da Estatstica.
Assimilar os principais conceitos dentro da Estatstica.
Compreender as principais formas de apresentao de dados
estatsticos.
Plano de Estudo
A seguir, apresentam-se os tpicos que voc estudar nesta unidade:
A Importncia da Disciplina de Estatstica
Populao e Amostra
Amostragem
Tipos de Variveis
Fases do Mtodo Estatstico
15
INTRODUO
Introduo
16 UNIDADE I
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
A IMPORTNCIA DA DISCIPLINA DE ESTATSTICA
A Estatstica tem por objetivo fornecer mtodos e tcnicas para que se possa
lidar com situaes de incerteza, e pode ser subdividida em trs reas: descri-
tiva, probabilstica e inferencial.
A estatstica descritiva, tambm chamada de estatstica dedutiva, tem como obje-
tivo organizar, resumir e simplificar as informaes, a fim de torn-las mais fceis
de serem entendidas, transmitidas e discutidas. Como o nome indica, ela descreve
os fenmenos de forma prtica e acessvel, ou seja, por meio de tabelas, grficos e
medidas resumo, que veremos nas prximas unidades. Assim, podemos captar rapi-
damente, por exemplo, o significado de uma taxa de desemprego, de um consumo
mdio de combustvel por quilmetro, ou de uma nota mdia de estudantes.
A Estatstica Inferencial objetiva inferir concluses sobre a populao,
interpretando os dados colhidos de uma amostra. Para isso, utiliza amplamente a
Teoria das Probabilidades, que fundamental para avaliar situaes que envol-
vam o acaso. A aplicao de mtodos probabilsticos nos permite quantificar
a importncia do acaso.
Assim, resultados obtidos por amostragem so testados, utilizando-se
conhecimentos probabilsticos, a fim de se determinar at que ponto eles so
significativos, isto , no so obra do acaso.
Quando tratamos de dados estatsticos, podemos optar por dois processos:
o Censo e as Estatsticas, que podem ser assim definidos:
Censo: processo que consiste no exame de todos os elementos da popu-
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
lao. Exemplo: censo demogrfico, censo industrial, etc.
Estatsticas: utilizadas para avaliar os elementos de uma amostra.
POPULAO E AMOSTRA
Populao pode ser definida como sendo uma coleo de elementos que
possuem alguma caracterstica em comum, podendo estes ser animados ou
inanimados.
Quando as informaes desejadas estiverem disponveis para todos os objetos
da populao, temos o chamado censo. Normalmente, impraticvel ou invi-
vel trabalhar com a populao quando se faz Estatstica (CRESPO, 2009). Isto
devido a alguns fatores:
Restrio de tempo ou de recursos.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Populao e Amostra
20 UNIDADE I
AMOSTRAGEM
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
amostragens, a fim de obtermos os valores aproximados (estimativas) para os
parmetros em que estamos interessados.
Esse tipo de pesquisa chamado de levantamento por amostragem
(BARBETTA, 2014). No entanto, a seleo dos elementos que sero utilizados
para fazerem parte da amostra, deve ser feita sob uma metodologia adequada,
de tal forma que os resultados da amostra sejam suficientemente informativos
para se inferir sobre os parmetros populacionais.
Amostragem
22 UNIDADE I
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Existem dois grandes grupos de tcnicas amostrais:
Probabilsticas: quando todos os elementos da populao tm probabili-
dade conhecida e diferente de zero de pertencer amostra.
No probabilsticas: quando nem todos os elementos da populao tm
probabilidade conhecida de pertencer amostra.
Para se ter uma amostra casual simples, precisa-se de uma listagem com todos
os elementos da populao de origem. Os elementos que faro parte da amos-
tra devem ser obtidos de forma totalmente aleatria, ou seja, por sorteio e sem
restrio. escrito cada elemento em um carto e assim sorteado os participan-
tes da amostra. Todos os elementos da populao tm igual probabilidade n
N
de pertencer amostra.
Essa tcnica de sorteio se torna invivel quando a populao significativa-
mente grande. Neste caso, necessrio o uso de tabelas de nmeros aleatrios
ou algoritmos que geram nmeros aleatoriamente.
AMOSTRAGEM SISTEMTICA
Amostragem
24 UNIDADE I
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
da lista. Para obter os demais elementos da amostra, somamos o intervalo I ao
elemento anterior. Se o sorteado for, por exemplo, o nmero 4, a amostra ser
formada pelos sujeitos de nmeros 4, 10, 16, 22 e 28.
AMOSTRAGEM ESTRATIFICADA
importante saber que a amostra no pode conter vcios, ou seja, no ser ten-
denciosa. Deve ser selecionada com cuidado, aplicando a tcnica de amostragem
adequada com tamanho amostral (n) que seja informativo ao que consta na
populao. O tamanho da populao pode ser obtido por frmulas encontra-
das facilmente na literatura ou pode ser dado pelo bom senso do pesquisador.
O importante que ele seja representativo da populao.
Amostragem
26 UNIDADE I
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
AMOSTRAGEM NO ALEATRIA
DIMENSIONAMENTO DA AMOSTRA
tros estimados pela pesquisa. Quanto menor o erro amostral, maior o tamanho
da amostra, implicando em maior preciso nas estimativas populacionais e con-
sequentemente maior custo para execuo da pesquisa (FONSECA, 2008).
O erro amostral a diferena entre uma estatstica e o parmetro que se quer
estimar (BARBETTA, 2014).
Para que possamos determinar o tamanho de uma amostra, o pesquisador
precisa especificar o erro amostral tolervel, isto , o quanto ele admite errar na
avaliao dos parmetros de interesse; por exemplo, em uma pesquisa eleitoral,
comum encontrarmos algo que diz que a pesquisa tem um erro de 2%. Isso
significa que, quando a pesquisa aponta que determinado candidato tem 45% de
intenes de votos, o pesquisador afirma na verdade que a preferncia por este
candidato, em toda a populao de eleitores, um valor no intervalo de 43% a
47%, isto , 45% mais ou menos 2%.
Para dimensionamento da amostra, utilizaremos a equao a seguir:
Z 2 . p^ . q^ . N
d2 . (N - 1) + Z 2 . p^ . q^
Em que:
N = Tamanho da populao.
p^ = estimativa da verdadeira proporo de um dos nveis da varivel
escolhida.
q^ = 1 p
Z /2 = abcissa da curva norma padro, fixado em um nvel de confiana
d = erro amostral.
Amostragem
28 UNIDADE I
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Fonte: elaborado pelas autoras adaptado de Crespo (2009); Barbetta (2014).
Amostragem
30 UNIDADE I
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
2,332 . 0,5 . 0,5 . 43.373
0,022 . (43.373 - 1) + 2,332 . 0,5 . 0,5
58.869,63
= 3.146,43 arredondando = 3147 entrevistados
18,71
TIPOS DE VARIVEIS
VARIVEL uma caracterstica que possa ser avaliada (ou medida) em cada
elemento da populao, sob as mesmas condies. Uma varivel observada (ou
medida) em um elemento da populao deve gerar um e apenas um resultado.
Exemplo:
Seja uma populao formada pelos funcionrios de determinada empresa.
Podemos considerar variveis como: tempo de servio, salrio, estado civil,
idade, sexo, escolaridade, inteligncia, peso, estatura, autoestima, grau de satis-
fao com o emprego, autoritarismo, religiosidade, etc.
Como medir essas caractersticas? Devemos fixar uma unidade de medida
(kg, cm, anos completos,...) ou definir atributos (casado, solteiro, masculino,
feminino, forte, fraco...).
Exerccio:
Tipos de Variveis
32 UNIDADE I
Respostas:
a. Quantitativa Contnua.
b. Qualitativa Nominal.
c. Qualitativa Nominal.
d. Quantitativa Discreta.
e. Quantitativa Contnua.
f. Qualitativa Nominal.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
g. Qualitativa Nominal.
h. Quantitativa Discreta.
i. Quantitativa Discreta.
TABELAS E GRFICOS
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
O objetivo da utilizao de tabelas e grficos transformar dados em informaes
que permitam a fcil visualizao e interpretao da nossa pesquisa. Tambm
servem para verificar a existncia de algum padro para comparar esse padro
com outros resultados ou, ainda, para julgar sua adequao a alguma teoria.
As tabelas so quadros em que sero dispostas as informaes por alguma
categoria pelo clculo de alguma frequncia. Devem ter as laterais abertas, ou
seja, sem bordas, e devem ainda ter um ttulo explicativo e localizado acima delas,
precedido da palavra Tabela e seguido de sua numerao. Veja o exemplo abaixo:
Tabela 2 - Nmero de computadores pessoais instalados no Brasil e percentual sobre total de habitantes de
2000 a 2004
%
100,0
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
90,0
80,0
70,0
60,0
50,0
40,0
30,0
20,0
10,0
0,0
Brasil Norte Nordeste Sudeste Sul Centro-
oeste
2005 2006 2007
Grfico 1 - Percentual de domiclios atendidos por rede geral de abastecimento de gua no total de domiclios
particulares permanentes (%)
Fonte: IBGE - Pesquisa Nacional por Amostra de Domiclios (2006-2007, online).
CONSIDERAES FINAIS
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
elementos da populao e cujas medidas so chamadas de parmetros. Entretanto,
se utilizamos uma parte dessa populao, no temos um parmetro, e sim uma
estatstica ou um estimador; portanto, um estimador uma medida tomada em
uma parte dessa populao, mas no nela toda, embora este estimador repre-
sente o parmetro.
Tambm vimos os conceitos de Populao e Amostra. Populao, no sen-
tido estatstico, pode ser definida como um conjunto de elementos que possuem
alguma caracterstica em comum. Como na maioria das vezes difcil ou custoso
trabalharmos com populao, utilizamos uma parte dela. A esta parte chama-
mos de amostra. Essa amostra deve, porm, representar a populao, ou seja,
deve ter as mesmas caractersticas da populao que se ir amostrar.
Para que isso seja conseguido, o processo de coleta de uma amostra, tambm
conhecido como amostragem, deve ser feito de forma casual ou aleatria. Existem
algumas maneiras de se fazer uma amostragem e, para cada situao, existe uma
maneira ideal. Nesta unidade, foram discutidos os principais tipos de amostras
utilizadas nas pesquisas, sendo que a escolha deve ser feita de modo que as amos-
tras representem de fato a populao e de forma que sejam no tendenciosas.
Aps a coleta da amostra, necessrio descrever os dados. Para isso, primei-
ramente, devemos saber com quais tipos de variveis estamos trabalhando, para,
assim, escolhermos qual a melhor maneira de apresentar a pesquisa.
Finalizando, importante que a apresentao dos dados seja feita de forma
precisa. As duas formas vistas nesta unidade foram as tabelas e os grficos, e o
uso correto das formas de apresentao dos dados fundamental para o sucesso
da pesquisa.
A Estatstica Fcil
Antnio Arnot Crespo
Editora: Saraiva
Sinopse: Este livro apresenta todos os tpicos exigidos pelo programa estabelecido
para os cursos profissionalizantes da rede de ensino particular e oficial, de forma
acessvel ao aluno, dentro de um esquema de ensino objetivo e prtico. O estudo
complementado por exerccios em abundncia com situaes prticas.
Trabalha com estatstica descritiva, probabilidades, distribuies de probabilidades,
correlao e regresso linear, de forma prtica e fcil linguagem.
Material Complementar
REFERNCIAS
1. A Estatstica pode ser definida como uma parte da matemtica que se preocupa
em coletar, organizar, descrever, analisar e interpretar um conjunto de dados.
A estatstica descritiva se preocupa em descrever os dados.
A estatstica inferencial se preocupa com a anlise dos dados e sua interpreta-
o. Ela analisa os dados com base na amostra e, ento, estende as concluses
desta amostra populao.
5.
a) Funcionrio da empresa, amostragem estratificada.
b) Senadores do Brasil, amostragem aleatria simples.
c) Pessoas na fila de atendimento, amostragem sistemtica.
d) Peas fabricadas, amostragem sistemtica.
Professora Me. Ivnna Gurniski De Oliveira
Professora Me. Renata Cristina de Souza Chatalov
II
UNIDADE
TABELAS E GRFICOS
Objetivos de Aprendizagem
Entender a importncia dos grficos e das tabelas.
Aprender a construir grficos e tabelas para variveis qualitativas.
Aprender a construir grficos e tabelas para variveis quantitativas.
Plano de Estudo
A seguir, apresentam-se os tpicos que voc estudar nesta unidade:
Tabelas
Grficos
45
INTRODUO
Introduo
46 UNIDADE II
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
TABELAS
TABELAS E GRFICOS
47
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Tabelas
48 UNIDADE II
Exemplo:
Tabela 02 - Distribuio de frequncias de indivduos que acessam o site quanto ao sexo
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Outro exemplo:
Tabela 03 - Grupo de atributos que mais valorizam os imveis
TABELAS E GRFICOS
49
Tabela Primitiva
Tabelas
50 UNIDADE II
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
A esse tipo de tabela, na qual os valores e/ou elementos no foram trabalhados,
nem numericamente organizados, denominamos de tabela primitiva.
Rol
TABELAS E GRFICOS
51
Tabelas
52 UNIDADE II
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
distribuio de frequncias.
Segue os dados em rol seguir:
TABELAS E GRFICOS
53
165 1
166 1
167 1
168 2
169 1
170 1
172 1
173 1
Total 40
Fonte: dados fictcios elaborados pelas autoras.
Tabelas
54 UNIDADE II
Vamos aprender a construir essa tabela? Vejamos os passos para sua elaborao.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
2 passo: determinar o nmero de classes (k): no h regras absolutas para
a escolha do nmero de classes (k), geralmente entre 5 e 20 classes sero satisfa-
trias para a maior parte dos conjuntos de dados. Uma regra prtica razovel :
K nmero de observaes
K= n
Usar um nmero pequeno de classes poderia concentrar a maioria das
observaes em uma ou duas classes. Se for usado um nmero grande de clas-
ses, muitas delas tero frequncias iguais zero.
No nosso exemplo, K = 40 = 6,32... = arredondando = 6.
Portanto, nossa tabela ter 6 classes.
TABELAS E GRFICOS
55
Tabelas
56 UNIDADE II
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
150 |----- 154 4
154 |----- 158 9
158 |----- 162 11
162 |----- 166 8
166 |----- 170 5
170 |----- 174 3
Total 40
Fonte: dados fictcios elaborados pelas autoras.
TABELAS E GRFICOS
57
n
Em que:
fr(%) = Frequncia relativa em percentual
fi = Frequncia da classe
n = nmero total de elementos (ou somatria da frequncia)
Fac
FRac(%) = . 100
n
Em que:
FRac(%) = Frequncia relativa acumulada em percentual
Fac = Frequncia acumulada
n = nmero total de elementos (ou somatria da frequncia)
Tabelas
58 UNIDADE II
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
(162+166)/2=
162 |----- 166 8 (8/40)*100 = 20 32 (32/40)*100 = 80
164
(166+170)/2=
166 |----- 170 5 (5/40)*100 = 12,5 37 (37/40)*100 = 92,5
168
(170+174)/2=
170 |----- 174 3 (3/40)*100 = 7,5 40 (40/40)*100 = 100
172
Total 40 100 972
Fonte: dados fictcios elaborados pelas autoras.
Para melhor apresentar nossa tabela, vamos apresent-la somente com os resul-
tados, sem os clculos dentro dela, observem:
Tabela 09 - Estaturas de 40 colaboradores de uma organizao
TABELAS E GRFICOS
59
que fazer um bom ROL, pois, se voc errar na distribuio da coluna fre-
quncias (fi), voc poder errar os dados de toda tabela.
Exemplo 02: Suponhamos que perguntamos a idade a um grupo de 100 pessoas
e, ainda, que desejamos representar os resultados obtidos distribudos em inter-
valos. As idades desse grupo esto apresentadas a seguir (em rol):
17 17 18 18 18 18 19 19 19 20
20 21 21 21 22 23 24 24 25 25
25 26 26 26 27 27 27 28 28 28
29 29 29 30 30 30 30 31 32 32
33 34 34 35 35 36 36 36 36 37
38 39 39 40 40 40 40 40 41 42
43 43 43 43 43 44 44 44 44 44
44 44 45 45 45 46 46 46 46 46
47 47 47 47 47 48 48 48 48 48
48 48 48 49 50 52 52 53 55 55
Fonte: elaborados pelas autoras.
2 passo: n = 100 = 10
AT 38
3 passo: h = = =3,8 = arredondando 4.
K 10
Tabelas
60 UNIDADE II
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
45 |----- 49 21 21 93 93 47
49 |----- 53 4 4 97 97 51
53 |----- 57 3 3 100 100 55
Total 100 100 370
Fonte: elaborada pelas autoras.
GRFICOS
TABELAS E GRFICOS
61
Grficos em colunas
Esse tipo de grfico formado por retngulos verticais, em que cada um dos
retngulos representa a intensidade de um atributo. o grfico mais utilizado
para representar variveis qualitativas. Indicado quando as categorias so breves.
Exemplo:
5.5
5
4.5
4
Preo (R$)
3.5
3
2.5
2
1.5
1
Arroz Feijo Macarro Acar Leite
Produto
Grfico 1 - Valores de Produtos em um Supermercado
Fonte: elaborados pelas autoras.
Grficos
62 UNIDADE II
25
25
20
18
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
N de alunos
15 Meninos
15
13 Meninas
11
10 10
10 9
5
5 4
0
Futebol Vlei Basquete Atletismo Tnis
Modalidade Esportiva
Grfico 2 - Modalidades Esportivas de uma escola
Fonte: elaborados pelas autoras.
25
Meninos
20 Meninas
15
10
5
0
Futebol Vlei Basquete Atletismo Tnis
Grfico 3 - Modalidades Esportivas de uma escola
Fonte: elaborados pelas autoras.
TABELAS E GRFICOS
63
importante observar, neste tipo de grfico, que cada uma das modalidades de
esporte refere-se a uma das barras e dividida por sexo.
Grfico em barras
2006
2004
Ano 2002
2000
1998
0 5 10 15 20
% de computadores por total de habitantes
Grfico de setores
Grficos
64 UNIDADE II
Exemplo:
No
informado
Aterro 5%
Controlado
18%
Aterro Vazadouro a
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Sanitrio cu aberto
14% (lixo)
63%
Grfico de linhas
MS NMERO DE VENDAS
Janeiro 10
Fevereiro 16
Maro 9
Abril 12
Fonte: elaborada pelas autoras.
TABELAS E GRFICOS
65
18
16
Nmero de computadores
14
12
10
8
6
4
2
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
0
Janeiro Fevereiro Maro Abril
Ms
Histograma
Grficos
66 UNIDADE II
12
10
8
Frequncias (Fi)
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
2
0
150 | ----- 154 154 | ----- 158 158 | ----- 162 162 | ----- 166 166 | ----- 170 170 | ---- 174
Estaturas (em cm)
Grfico 7 - Estatura (em cm) de 40 colaboradores de uma organizao
Fonte: dados fictcios elaborados pelas autoras.
Polgono de frequncia
4
Frequncia (Fi)
0
0 | --- 2 2 | --- 4 4 | ---- 6 6 | ---- 8 8 | ------ 10
Idades
TABELAS E GRFICOS
67
Grficos
68 UNIDADE II
CONSIDERAES FINAIS
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Nesta unidade, vimos os tipos mais comuns como os de barras e colunas, os de
linha, de setores ou pizza, histograma e polgono de frequncia.
De forma geral, os grficos demonstram dados quantitativos associados a
alguma varivel qualitativa. Todos os grficos tm o mesmo objetivo, que o
de demonstrar de forma clara e rpida os dados da pesquisa. A escolha do tipo
adequado fica ou a critrio do pesquisador ou a critrio do objetivo da pesquisa
estudada.
Nessa etapa, o interesse maior consiste em tirar concluses que auxiliem o
pesquisador a resolver seu problema. Portanto, alm da organizao e da tabu-
lao dos dados, as tabelas e os grficos nos apresentam de uma forma clara,
sucinta e objetiva os resultados de uma pesquisa, para tirarmos concluses e nos
ajudarem na tomada de decises.
Tambm observamos que podemos construir grficos e tabelas por meio
de programas computacionais, por exemplo, o Microsoft Excel, que uma pla-
nilha de dados que dispe de ferramentas para construo de grficos, a partir
de tabelas. Esse programa fcil de usar, tem inmeras ferramentas que podem
ser teis ao gestor.
Esperamos que voc tenha compreendido essa unidade, porque ela de
extrema importncia aos futuros profissionais, pois tabelas e grficos esto pre-
sentes no nosso cotidiano, e cabe a ns entender, interpretar e avaliar os dados
apresentados por meio de tabelas e de grficos.
TABELAS E GRFICOS
69
REGRAS DE ARREDONDAMENTO
Arredondamentos so de fundamental importncia para nossos estudos, principalmen-
te ao calcular valores que tm muitas casas decimais. Muitas vezes, conveniente supri-
mir unidades inferiores s de determinada ordem. Esta tcnica denominada arredon-
damento de dados ou valores.
Muitas vezes muito mais fcil e mais compreensvel usarmos valores arredondados
para melhor entendimento do pblico que ter acesso informao.
De acordo com a Resoluo n 886/66 do IBGE:
I) < 5 (menor que 5). Quando o primeiro algarismo a ser abandonado 0,1,2,3 ou 4, ficar
inalterado o ltimo algarismo que permanece.
Exemplo:
43,24 passa para 43,2.
54,13 passa para 54,1.
II) > 5 (maior que 5). Quando o primeiro algarismo a ser abandonado o 6,7,8, ou 9,
aumenta-se em uma unidade o algarismo que permanece.
Exemplos:
23,87 passa para 23,9.
34,08 passa para 34,1.
74,99 passa para 75,0.
III) = 5 (igual a 5). Quando o primeiro algarismo a ser abandonado 5, h duas solues:
A) Se aps o 5 seguir, em qualquer casa, um algarismo diferente de zero, aumenta-se
uma unidade ao algarismo que permanece.
Exemplos:
6,352 passa para 6,4.
55,6501 passa para 55,7.
96,250002 passa para 96,3.
71
Exemplos:
14,75 passa para 14,8
24,65 passa para 24,6
34,75000 passa para 34,8
44,8500 passa para 44,8
Exemplo:
72,5 passa para 73 inteiros.
72,45 passa para 72,5 (setenta e dois inteiros e cinco dcimos) - uma casa aps a vrgula.
72,445 passa para 72,45 (setenta e dois inteiros e quarenta e cinco centsimos) duas
casas aps a vrgula.
Estatstica Bsica
Geraldo Luciano Toledo, Ivo Izidoro Ovalle
Editora: Atlas
Sinopse: Este livro contm a matria fundamental para estudos subsequentes no
campo da estatstica inferencial. Alm disso, aborda os tpicos mais importantes da
estatstica bsica.
73
REFERNCIAS
Fonte: as autoras.
2.
C1 C2 C3
31,25% 31,25%
37,50%
7,5 - 5,0
3. AC = = 0,625 = arredondando para 0,63
4
Tabela 01 - Distribuio de frequncias para a varivel tempo de resposta
TEMPO Fi Fr% Fac Xi
5,00 |--5,63 1 6,25 1 5,32
5,63 |--6,26 4 25,00 5 5,95
6,26 |--6,89 7 43,75 12 6,58
6,89|--7,52 4 25,00 16 7,21
Total 16 100,00 - -
Fonte: as autoras.
75
GABARITO
4.
8
7
7
5
4 4
4
2
1
1
0
5,00 | -- 5,63 5,63 | -- 6,26 6,26 | -- 6,89 6,89 | -- 7,52
Grfico 02 - Porcentagem de clientes para a varivel tempo de resposta ao usurio
Fonte: as autoras.
5.
III
MEDIDAS DESCRITIVAS
UNIDADE
ASSOCIADAS A VARIVEIS
QUANTITATIVAS
Objetivos de Aprendizagem
Compreender as principais medidas estatsticas de posio, disperso
e separatrizes.
Entender a aplicao das medidas estatsticas de posio, disperso e
separatrizes.
Plano de Estudo
A seguir, apresentam-se os tpicos que voc estudar nesta unidade:
Medidas de Posio
Medidas Separatrizes
Medidas de Disperso
79
INTRODUO
distribuio de dados, dando-nos uma noo do que est ocorrendo com eles.
Por meio dessas medidas, podemos localizar a maior concentrao de valores
em uma distribuio, ou seja, se ela localiza-se no incio, no meio ou no centro,
ou, ainda, se h uma distribuio por igual. As medidas de tendncia central
mais importantes so a mdia aritmtica, a mediana e a moda. Vale salientar
que temos outras medidas de posio que so as separatrizes, que englobam: a
prpria mediana, os quartis e os percentis.
As medidas de disperso, porm, so utilizadas para avaliar o grau de varia-
bilidade do conjunto de dados, mostrando se ele homogneo ou heterogneo.
Essas medidas servem para analisar o quanto os dados so semelhantes e des-
crevem o quanto os dados distanciam do valor central, portanto as medidas de
disperso servem tambm para avaliar o grau de representao da mdia. As
medidas de disperso mais utilizadas so: a amplitude total, a varincia, o des-
vio padro e o coeficiente de variao.
Assim, para descrevermos um conjunto de dados, de bom grado sempre
termos uma medida de posio e uma de disperso para represent-lo. A de
posio, para dizer o que est ocorrendo com a pesquisa, e a de disperso, para
dizer se h alta ou baixa variabilidade.
Nesta unidade, vamos estudar as principais medidas de posio e medidas
de disperso utilizadas nas pesquisas para descrever e representar o conjunto
de dados.
Introduo
80 UNIDADE III
MEDIDAS DE POSIO
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Para sumarizar as informaes de um conjunto de observaes, muitas vezes
necessrio utilizar medidas que resumem em um s nmero certas caracte-
rsticas. Assim, temos as medidas de posio, de disperso, de assimetria e de
curtose. Se as medidas so calculadas para dados a partir de uma amostra, so
chamadas de estatsticas da amostra; se so calculadas a partir de uma popula-
o, so chamadas de parmetros da populao.
As principais medidas de posio e as principais medidas separatrizes so:
MDIA ARITMTICA
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
A mdia de uma varivel a medida mais importante e mais simples de ser cal-
culada. Esta fornece uma medida de posio central. Se os dados so de uma
amostra, a mdia denotada por ; se os dados so de uma populao, a mdia
denotada pela letra grega .
A mdia de um conjunto de dados encontrada somando seus valores e
dividindo pelo nmero de observaes. Seja x1, x2, ..., xn um conjunto de dados,
a mdia ser dada por:
Populao Amostra
Exemplo:
Suponha que estamos estudando a idade de cinco indivduos de uma famlia.
As idades observadas foram: 5, 10, 12, 35, 38. Logo, a idade mdia dessa famlia :
n
i=1
xi x1 + x2 + ... + xn
x= =
n n
x = 5 + 10 + 12 + 35 + 38 = 20 anos
5
Medidas de Posio
82 UNIDADE III
Exerccio
Calcule a mdia para a quantidade de atendimentos realizados em um ms
por um consultor financeiro.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Existem situaes em que no temos todos os dados disponveis ou ento temos
pesos diferentes para os dados considerados. Nestes casos, utilizamos o que
chamamos de mdia aritmtica ponderada para obtermos a mdia, cujas frmu-
las para Populao e para Amostra so dadas da seguinte maneira:
Populao Amostra
20 1 20
21 3 63
25 3 75
28 5 140
29 3 87
Total 20 476
Fonte: dados fictcios elaborados pelas autoras.
476 = 23,8.
20
Quando desejamos obter a mdia de dados que esto distribudos em uma tabela com
intervalo de classes, a equao para determinar a mdia continua sendo a mesma,
no entanto, temos que tirar o ponto mdio antes. Observem um exemplo a seguir.
Tabela 03 - Idades de 100 colaboradores de uma organizao
IDADES Fi Xi Xi. Fi
17 |----- 21 11 19 (11*19) = 209
21 |----- 25 7 23 (7*23) = 161
25 |----- 29 12 27 (12*27) = 324
29 |----- 33 10 31 (10*31) = 310
33 |----- 37 9 35 (9*35) = 315
37 |----- 41 9 39 (9*39) = 351
41 |----- 45 14 43 (14*43) = 602
45 |----- 49 21 47 (21*47) = 987
Medidas de Posio
84 UNIDADE III
Exerccio:
Tabela 4 - Distribuio de frequncias para a idade dos clientes de uma imobiliria para efetuar uma compra
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
CLASSES Fi Fr(%) Fac Xi
17 |---- 29 4 36,4 4 23
29 |---- 41 4 36,4 8 35
41 |----| 53 3 27,3 11 47
Total 11 100 - -
Fonte: dados fictcios elaborados pelas autoras.
Resposta: 33,91
x = (8 x 7) (2 x 9) = 7,4
8+2
Exerccio: Calcule as mdias ponderadas das notas bimestrais dos alunos abaixo:
Tabela 5 - Mdias bimestrais dos alunos da Escola X
(xi - x) = 0
Medidas de Posio
86 UNIDADE III
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
tabelecidas para os seus pesos, dando a aparncia de que se trata de outra
frmula, muito diferente da mdia aritmtica.
Fonte: Neto (2009).
MODA
h(Fi - Fi - 1)
Mo = li +
(Fi - Fi - 1) + (Fi - Fi + 1)
Em que:
i a ordem da classe modal.
li o limite inferior da classe modal.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
IDADES Fi Xi
17 |----- 21 11 19
21 |----- 25 7 23
25 |----- 29 12 27
29 |----- 33 10 31
33 |----- 37 9 35
37 |----- 41 9 39
41 |----- 45 14 43
45 |----- 49 21 47
49 |----- 53 4 51
53 |----- 57 3 55
Total 100 370
Fonte: dados fictcios elaborados pelas autoras.
Medidas de Posio
88 UNIDADE III
Para isso, devemos determinar a classe modal. A classe modal a classe com
a maior frequncia absoluta e, neste caso, a terceira classe, pois essa possui o
maior valor de Fi . Determinada a classe modal, vamos calcular a moda por meio
da frmula para dados agrupados.
Nesse exemplo, temos que a classe modal a 8 classe, pois nela que temos
a maior frequncia, agora que localizamos a classe modal, vamos aplicar a equa-
o dada:
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
(Fi - Fi - 1) + (Fi - Fi + 1) (21 - 14) + (21 - 4)
MEDIANA
Md = 12.
3, 5, 6, 8, 9, 12, 13, 15, 15, 16, 17
Quando o rol tiver nmero par de elementos, a mediana ser a mdia aritmtica
entre os dois elementos centrais. Vejamos, por exemplo, um rol com 10 elemen-
tos (nmero par de elementos):
3, 5, 6, 8, 9, 13, 14, 15, 15, 16.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Md = = 11
Se n for mpar: Md =
Exerccio:
Calcule a mediana para as notas dos alunos nas duas situaes seguintes:
6.0, 4.5, 5.0, 7.0, 6.5;
4.8, 6.3, 8.9, 9.5, 6.0, 7,8;
h(p - Fac - 1)
Md = li +
Fi
Em que:
li o limite inferior da classe da mediana.
h a amplitude da classe da mediana.
Medidas de Posio
90 UNIDADE III
IDADES Fi Fac Xi
17 |----- 21 11 11 19
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
21 |----- 25 7 18 23
25 |----- 29 12 30 27
29 |----- 33 10 40 31
33 |----- 37 9 49 35
37 |----- 41 9 58 39
41 |----- 45 14 72 43
45 |----- 49 21 93 47
49 |----- 53 4 97 51
53 |----- 57 3 100 55
Total 100 370
Fonte: dados fictcios elaborados pelas autoras.
p= n p = 100 = 50
2 2
Quando o valor de p for decimal, sempre aproximamos seu valor para cima.
Para saber qual a classe da mediana, devemos olhar na coluna da frequncia
acumulada, de modo que p Fac . Logo, a mediana est na 6 classe. Em seguida,
aplicamos a equao da mediana:
MEDIDAS SEPARATRIZES
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
QUARTIS
Frmulas:
Medidas Separatrizes
92 UNIDADE III
DECIS
Chamamos de decis os valores que dividem uma srie em dez partes iguais.
Portanto, temos nove decis, o primeiro tem 10% dos dados sua esquerda e 90%
sua direita, o segundo tem 20% dos dados sua esquerda e 80% sua direita
e assim por diante at o nono decil, que tem 90% dos dados sua esquerda e
10% sua direita.
1 Decil (D1) P=0,10(n +1)
2 Decil (D2) P=0,20(n +1)
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
3 Decil (D3) P=0,30(n +1)
4 Decil (D4) P=0,40(n +1)
5 Decil (D5) P=0,50(n +1)
6 Decil (D6) P=0,60(n +1)
7 Decil (D7) P=0,70(n +1)
8 Decil (D8) P=0,80(n +1)
9 Decil (D9) P=0,90(n +1)
PERCENTIS
Em que a letra n nas frmulas de calcular a posio dos quartis, dos decis e dos
percentis representa o nmero total de elementos da amostra.
Quando o valor de p for inteiro, temos que a medida separatriz est na posi-
o de nmero p, caso contrrio, o clculo das medidas separatrizes, para os
dados em rol, dado por:
Sk = Xi + (p - i) (Xi + 1 - Xi)
Em que:
Sk a medida separatriz a ser utilizada, podendo ser os quartis, os decis ou
os percentis.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Medidas Separatrizes
94 UNIDADE III
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
P90 = 36 anos.
Portanto, 90% dos indivduos tm idade inferior a 36 anos.
h(p - Fac - 1)
Sk = li +
Fi
Em que:
Sk a medida separatriz a ser utilizada, podendo ser os quartis, os decis ou
os percentis.
li o limite inferior da classe da separatriz.
h a amplitude da classe da separatriz.
p a posio da medida separatriz adotada. Sendo que para os quartis p = nk 4
,
nk nk
k = 1, 2, 3; para os decis p = 10 , k = 1, 2, ..., 9; para os percentis p = 100, k = 1, 2, ...,
99; onde n a quantidade de elementos da amostra.
Fac - 1 a frequncia acumulada da classe anterior a da separatriz.
Fi a frequncia absoluta da classe da separatriz.
Exemplo:
Vamos determinar o Q3 e o D7 para o seguinte conjunto de dados:
Tabela 9 - Teor de oxignio (mg/L) em vrios rios da regio Norte do Brasil
Para o Q3 :
Primeiro vamos determinar a posio da medida e, em seguida, deter-
minar qual a sua classe.
nk 16 . 3
p= = = 12
4 4
0,3(12 - 8)
Q3 = 1,1 + = 1,27
7
Portanto, pode-se afirmar que 75% dos rios da regio norte do Brasil tm
teor de oxignio inferior a 1,27 mg/L.
Para o D7 :
Primeiro vamos determinar a posio da medida e, em seguida, deter-
minar qual a sua classe.
nk 16 . 7
p= = = 11,2
10 10
Medidas Separatrizes
96 UNIDADE III
Portanto, pode-se afirmar que 70% dos rios da regio norte do Brasil tm
teor de oxignio inferior a 1,24 mg/L.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
MEDIDAS DE DISPERSO
AMPLITUDE TOTAL
AT = xmax xmin
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Em que:
xmax o maior valor no conjunto de dados.
xmin o menor valor no conjunto de dados.
Exemplo:
Suponha que estamos estudando a idade de cinco indivduos de uma fam-
lia. As idades observadas foram: 5, 10, 12, 35, 38. Logo, a amplitude das idades
nessa famlia:
AT = 38 5 = 33 anos
Exerccio
Calcule a Amplitude total dos seguintes conjuntos de dados:
A: 15; 15; 15; 15; 15
B: 13; 14; 15; 16; 17
C: 5; 10; 15; 20; 25
R: 0; 4; 20
Medidas de Disperso
98 UNIDADE III
VARINCIA
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
No qual a mdia da populao e N o nmero de observaes.
Se os dados so para uma amostra, a varincia, denotada por s2, definida
como:
Exemplo:
Vamos calcular a varincia do conjunto de dados do exemplo anterior, ou
seja, vamos calcular a varincia das idades observadas de uma famlia, sendo
elas: 5, 10, 12, 35, 38.
Primeiramente, devemos calcular a mdia x para as idades:
x = 5 + 10 + 12 + 35 + 38 = 20
5
n 5
i=1
(xi - x)
2
i=1
(xi - 20)2
s =
2
=
n-1 5-1
DESVIO PADRO
Populao Amostra
Medidas de Disperso
100 UNIDADE III
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
maior ento ser a variao dos dados e mais heterogneo o nosso conjunto
de observaes.
COEFICIENTE DE VARIAO
Populao Amostra
CV = . 100 CV = . 100
Se isto acontecer, deve-se optar para representar os dados por outra medida,
podendo ser essa a mediana ou moda, no existindo uma regra prtica para a
escolha de uma dessas. Fica, ento, essa escolha a critrio do pesquisador. Ao
mesmo tempo, quanto mais baixo for o valor do CV, mais homogneo o con-
junto de dados e mais representativa ser sua mdia.
Quanto representatividade em relao mdia, podemos dizer que quando
o coeficiente de variao (CV) ou est (CRESPO, 2009):
Menor que 10%: significa que um timo representante da mdia, pois
existe uma pequena disperso (desvio padro) dos dados em torno da
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
mdia.
Entre 10% e 20%: um bom representante da mdia, pois existe uma boa
disperso dos dados em torno da mdia.
Entre 20% e 35%: um razovel representante da mdia, pois existe uma
razovel disperso dos dados em torno da mdia.
Entre 35% e 50%: representa fracamente a mdia, pois existe uma grande
disperso dos dados em torno da mdia.
Acima de 50%: no representa a mdia, pois existe uma grandssima dis-
perso dos dados em torno da mdia.
s 15,31
CV = = x 100 = 76,55%
x 20
Verificamos que h uma grande variao, ou seja, uma alta disperso dos
dados. Portanto, conclumos que a mdia no uma boa representante desse
conjunto de dados.
Medidas de Disperso
102 UNIDADE III
Exerccio:
Calcule as medidas de disperso para um grupo de indivduos que tm as
seguintes idades: 18, 19, 20, 21, 21, 22, 24, 24, 25, 27, 30, 33 e verifique se a mdia
uma medida que representa bem este conjunto de dados.
R: Mdia: 23,67; Varincia: 20,42; desvio padro amostral: 4,51; C.V.(%): 19%.
Observe que, para dados agrupados, h uma pequena diferena nas frmu-
las de varincia da populao e da amostra:
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Populao Amostra
10884
= = 109,93
100 - 1
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
DESVIO PADRO
Populao Amostra
Medidas de Disperso
104 UNIDADE III
Exemplo
Considerando a situao exposta acima, em que a varincia foi igual a s2 =
109,93, o desvio padro ser:
S = 109,93 = 10,48
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Exerccio:
Calcule as medidas de disperso para dados agrupados considerando a
tabela abaixo:
Tabela 11 - Distribuio de frequncias para a idade dos clientes de uma loja em Maring
CONSIDERAES FINAIS
Nas pesquisas, aps a coleta e organizao dos dados, convm verificar o que
ocorre com eles. Nos dados quantitativos, a principal forma de anlise calcu-
lar as medidas de posio e de disperso.
Nesta unidade, voc aprendeu a calcular as principais medidas de Posio e
Disperso, alm das medidas Separatrizes. Vimos que as principais medidas de
posio dentro da estatstica so mdia aritmtica, moda, mediana e separatri-
zes. Pelo menos uma dessas medidas sempre deve estar presente na descrio
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Consideraes Finais
106
Fonte: as autoras.
Calcule:
a. A mdia aritmtica, a moda e a mediana.
b. A varincia, o desvio padro.
c. O coeficiente de variao (interprete).
d. O 3 quartil e o 4 percentil.
107
Estatstica Aplicada
Douglas Downing; Jeffrey Clarck
Editora: Saraiva
Sinopse: este livro aborda assuntos, tcnicas estatsticas e suas aplicaes, estatstica
descritiva, probabilidades, teste de hipteses, pesquisa e amostragem, regresso
linear simples e mltipla, mtodos no-paramtricos, indicadores econmicos e teoria
da deciso. Os captulos comeam com os Termos-chave, trazendo um resumo dos
conceitos fundamentais de cada captulo. A seo Lembre-se retoma, ao longo do
estudo, tpicos essenciais a serem fixados, e no Conhea os conceitos, encontram-se
exerccios para aplicao do aprendizado.
Material Complementar
REFERNCIAS
1.
a) A mdia mais utilizada, pois a medida mais precisa, nica em um con-
junto de dados e sempre existe.
2.
a) A mdia aritmtica: x =95,8 mm
A moda: Mo = 96 mm
A mediana: Md = 96 mm
c) CV = 6,2%. Temos uma baixa disperso dos dados em torno da mdia, logo
esta uma tima representante do conjunto de dados.
d) Q3 = 101 mm, portanto, 75% dos dimetros dos eixos esto abaixo de 101 mm.
D6 = 96 mm, portanto, 60% dos dimetros dos eixos esto abaixo de 96 mm.
3.
a) x = 6,44 dias
Mo = 6,48 dias
Md = 6,5 dias
b) s2 = 33,3 dias2
s = 1,82 dias
IV
UNIDADE
PROBABILIDADES
Objetivos de Aprendizagem
Entender os conceitos relacionados a probabilidades.
Saber aplicar as probabilidades nas diversas situaes.
Compreender probabilidade condicional.
Conhecer as principais distribuies de probabilidades.
Plano de Estudo
A seguir, apresentam-se os tpicos que voc estudar nesta unidade:
Probabilidade
Distribuio de Probabilidades Discreta
Distribuio de Probabilidades Contnua
115
INTRODUO
Introduo
116 UNIDADE IV
PROBABILIDADE
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
que gera resultados bem definidos. Os
experimentos aleatrios so aqueles
que, repetidos vrias vezes, apre-
sentam resultados imprevisveis.
Ao descrever um experimento
aleatrio, deve-se sempre espe-
cificar o que dever ser observado.
PROBABILIDADES
117
Face 1 2 3 4 5 6
Frequncia 1/6 1/6 1/6 1/6 1/6 1/6
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Fonte: as autoras.
Probabilidade
118 UNIDADE IV
Espao amostral
Chamamos de espao amostral o conjunto de todos os resultados possveis de um
experimento. Os elementos do espao amostral so chamados de pontos amos-
trais. Representamos o espao amostral por .
Exemplo: considere o lanamento de uma moeda. Os possveis resulta-
dos (n) so dois: cara (c) ou coroa (k). Ento, o espao amostral dado por =
{c,k}. Se quisermos lanar a moeda duas vezes, os possveis resultados so qua-
tro: cara e cara; cara e coroa; coroa e cara; coroa e coroa. Logo, o espao amostral
= {cc,ck,kc,kk}.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Eventos
Chamamos de evento um subconjunto do espao amostral de um experimento
aleatrio. O evento dito simples se consistir em um nico resultado, ou com-
posto se consistir em mais de um resultado.
Exemplo
No lanamento de uma moeda = {cara, coroa}. Um evento de interesse A
pode ser obter cara no lanamento de uma moeda e ento A = {cara} e o n para
este evento ser 1, sendo n o nmero de resultados para o evento.
No lanamento de um dado, o evento de interesse A pode ser obter face par
e ento A ser igual a:
A = 2; 4, 6 e n = 3.
Probabilidade de um evento
Podemos fazer clculos de probabilidades utilizando trs formas distintas:
Mtodo clssico quando o espao amostral tem resultados equiprovveis.
Mtodo emprico baseado na frequncia relativa de um grande nmero
de experimentos repetidos.
Mtodo subjetivo baseia-se em estimativas pessoais de probabilidade
com certo grau de crena.
PROBABILIDADES
119
n(A)
P(A) = , para qualquer evento discreto. Ou seja,
n(E)
P(E) =
= {1, 2, 3, 4, 5, 6}, n = 6
A = {1, 3, 5}, n = 3
B = {2, 5}, n = 2
Assim,
n(A) 3
P(A) = = = 0, 5 ou, em porcentagem, P(A) = 0,5 x 100 = 50%.
6
n(B) 2
P(B) = = = 0,33 ou, em porcentagem, P(B) = 0,33 x 100 = 33%.
6
Probabilidade
120 UNIDADE IV
REGRAS BSICAS
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
0, enquanto que um evento certo tem probabilidade 1, assim:
P() = 1 P()= 0
A soma das probabilidades para todos os resultados experimentais tem
de ser igual a 1.
Assim:
A probabilidade de um ou outro evento ocorrer dada por P(AB).
A probabilidade de ambos os eventos ocorrerem simultaneamente dada
por P(AB).
PROBABILIDADES
121
Regra da adio
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
A B
P(A B)
Probabilidade
122 UNIDADE IV
COMPLEMENTO DE UM EVENTO
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
O clculo da probabilidade usando o complemento feito por meio da relao:
Exemplo:
Considere o lanamento de um dado e os seguintes eventos: sair faces pares
(A), sair faces mpares (B), sair faces cujo valor maior do que 3 (C). Ou seja,
= {1, 2, 3, 4, 5, 6} n() = 6
A = {2, 4, 6} n(A) = 3
B = {1, 3, 5} n(B) = 3
C = {4, 5, 6} n(C) = 3
PROBABILIDADES
123
Logo,
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
0
P(A B) = =0
6
2
P(A C) = = 0,33
6
6
P(A B) = =1
6
3
P(Ac) = = 0,5
6
Exerccios
Probabilidade
124 UNIDADE IV
TIPO DE IMVEL
REGIO TOTAL
APARTAMENTO CASA
Norte 30 28 58
Sul 40 56 96
Leste 38 34 72
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Oeste 52 22 74
Total 160 140 300
Fonte: as autoras.
Considere Norte por N; Sul por S; Leste por L; Oeste por O; Apartamento
por A e Casa por C.
Calcule as seguintes probabilidades:
a. P(N) =
b. P(S) =
c. P(L) =
d. P(O) =
e. P(A) =
f. P(C) =
g. P(N A) =
h. P(S C) =
i. P(L A) =
j. P(O C) =
k. P(N A) =
l. P(S C) =
m. P(L A) =
n. P(O C) =
PROBABILIDADES
125
Resposta:
1. = {1, 2, 3, 4, 5, 6}
2.
a. = {(1,1) (1,2) (1,3) (1,4) (1,5) (1,6) (2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6) (4,1) (4,2) (4,3) (4,4) (4,5) (4,6) (5,1)
(5,2) (5,3) (5,4) (5,5) (5,6) (6,1) (6,2) (6,3) (6,4) (6,5) (6,6)}
b. A1 = {(1,1) (2,2) (3,3) (4,4) (5,5) (6,6)}
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
PROBABILIDADE CONDICIONAL
Probabilidade
126 UNIDADE IV
Neste caso, podemos utilizar esta informao extra para realocar probabilida-
des aos outros eventos. Vamos utilizar o exemplo da tabela do exerccio anterior.
Tabela 5 - Tipos de imveis e apartamentos por regio
TIPO DE IMVEL
REGIO TOTAL
APARTAMENTO CASA
Norte 30 28 58
Sul 40 56 96
Leste 38 34 72
Oeste 52 22 74
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Total 160 140 300
Fonte: as autoras.
30
P(N A) =
160
De forma geral, para dois eventos quaisquer A e B, sendo P(B) > 0, definimos
a probabilidade condicional de A B como sendo P(A B) dado pela seguinte
frmula:
P(AB)
P(A B) =
P(B)
PROBABILIDADES
127
P(AB)
P(B A) =
P(A)
P(NA) 30/300
P(N A) = = = 30 como mostrado acima.
P(A) 160/300 160
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Observe que, se trocarmos a condio para ser do tipo A, dado que a regio
Norte, a condio agora ser da regio Norte e o problema ficaria da seguinte
maneira:
P(NA) 30/300
P(N A) = = = 30
P(N) 58/300 58
Exerccios
Baseado na tabela acima, calcular as seguintes probabilidades:
a. P(S | C) =
b. P(C | S) =
c. P(L | A) =
d. P(A | L) =
e. P(O | C) =
f. P(C | O) =
EVENTOS INDEPENDENTES
Probabilidade
128 UNIDADE IV
Regra da multiplicao
A relao geral mostrada acima foi:
P(AB)
P(A B) =
P(B)
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Observe que a probabilidade de A e B ocorrerem conjuntamente est sob
uma condio, pois a probabilidade de A est sob a condio de B, mostrando
que h uma dependncia de uma probabilidade em relao ao evento ocorrido
anteriormente.
Em caso de A e B serem eventos independentes, ou seja, a probabilidade
de um evento no depender da ocorrncia do outro evento, nesta condio, a
probabilidade de A e B ocorrer dada pela probabilidade de A vezes a proba-
bilidade de B.
Exemplo:
Uma urna contm duas bolas brancas e trs bolas pretas. Sorteamos duas
bolas ao acaso sem reposio. Isto quer dizer que sorteamos a primeira bola,
verificamos sua cor e no a devolvemos urna. As bolas so novamente mistu-
radas e sorteamos ento a segunda bola. Para resolver as probabilidades nesta
situao, ilustraremos a situao por um diagrama de rvore em que em cada
galho da rvore esto indicadas as probabilidades.
PROBABILIDADES
129
Diagrama de rvore
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
RESULTADOS PROBABILIDADES
BB 2/5 x 1/4 = 2/20
BP 2/5 x 3/4 = 6/20
PB 3/5 x 2/4 = 6/20
PP 3/5 x 2/4 = 6/20
Total 1,0
Fonte: as autoras.
Probabilidade
130 UNIDADE IV
Considere agora que vamos fazer o mesmo sorteio, mas repondo a primeira bola
sorteada novamente na urna. Assim, as probabilidades so:
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Figura 2 - Diagrama de rvores para o sorteio de duas bolas com reposio
Fonte: as autoras.
PROBABILIDADES
131
RESULTADOS PROBABILIDADES
BB 2/5 x 2/5 = 4/25
BP 2/5 x 3/5 = 6/25
PB 3/5 x 2/5 = 6/25
PP 3/5 x 3/5 = 9/25
Total 1,0
Fonte: as autoras.
Probabilidade
132 UNIDADE IV
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
probabilidades. So elas:
Exerccios:
PROBABILIDADES
133
Resposta:
1. a. 0,278
b. 0,167
c. 0,5
2. a. 0,333
b. 0,667
3. a. 0,333
b. 0,103
c. 0,008
Distribuies De Probabilidade
Os mtodos de anlise estatstica requerem sempre que sejam enfocados certos
aspectos numricos dos dados (mdia, desvio padro, etc.), independentemente
de o experimento originar resultados qualitativos ou quantitativos.
Um meio para descrever, por valores numricos, os resultados experimen-
tais o conceito de Varivel Aleatria.
Probabilidade
134 UNIDADE IV
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
uma infinita sequncia de valores, tais como 0, 1, 2, ..., n.
Contnua: quando pode assumir qualquer valor numrico em um inter-
valo ou associao de intervalos.
PROBABILIDADES
135
DISTRIBUIO DE BERNOULLI
Deve ficar claro que nem sempre o que bom o sucesso, mas sim o que se
est estudando. Assim, o fato da pea ser defeituosa, por exemplo, seria o sucesso
da pesquisa em si.
0 fracasso
X=
1 sucesso
onde P (X = 0) = q e P(X = 1) = p.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
P(X = k) = pk . q1-k
E(X) = p
Var(X) = pq
(X) = pq
Exemplo:
Supondo que a probabilidade de venda amanh seja de 0,8.
Seja a varivel aleatria vender, temos que:
A probabilidade de no vender este produto :
P (X = 0) = q
P(X = 0) = 1 - p
P(X = 0) = 1 - 0,8 = 0,2
Ou seja, 20% de chances de no vender.
A probabilidade de vender este produto :
P(X = 1) = p
P(X = 1) = 0,8
Ou seja, 80% de chances de vender.
PROBABILIDADES
137
DISTRIBUIO BINOMIAL
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
n k n-k
P(X = k) = p .q
k
n n!
=
k K! (n - k)!
n n!
P(X = k) = = pk . qn - k
k K! (n - k)!
Em que:
k = nmero de sucessos.
n = nmero de elementos da amostra.
p = probabilidade de sucesso.
q = probabilidade de fracasso.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Var(x).....
(X) = npq
Exemplos:
Um processo industrial na fabricao de monitores opera com mdia de 5%
de defeituosos. Baseado em amostras de 10 unidades, calcule as probabilidades
de uma amostra apresentar:
PROBABILIDADES
139
DISTRIBUIO DE POISSON
Exemplos:
Nmero de chamadas telefnicas durante 10 minutos.
Nmero de falhas de uma mquina durante um dia de operao.
Nmero de acidentes ocorridos numa semana.
Nmero de mensagens que chegam a um servidor por segundo.
Defeitos por m2, etc.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
k . e-
P(X - k) =
k!
Em que:
a taxa de ocorrncia do evento em um intervalo.
k o nmero de ocorrncias do evento.
e uma constante matemtica e 2,71828.
2!
PROBABILIDADES
141
0!
1!
2!
P (X 2) = 0,0067 + 0,0337 + 0,0842 = 0,1246 ou 12,46%
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Grfico 1 - Alturas de indivduos
Fonte: as autoras.
P(a X b) = f (x)dx
a
PROBABILIDADES
143
DISTRIBUIO UNIFORME
Grfico 2 - Funo
Fonte: as autoras.
Sendo que:
1
f(x) = se axb
b-a
a+b
E(x) =
2
(b - a)2
Var (x) =
12
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Fonte: as autoras.
X ~ N(, 2)
1
f(x) = e - (x - )2 / 2 2
2
PROBABILIDADES
145
Em que:
e = constante matemtica (aproximada por 2,71828).
= constante matemtica (aproximada por 3,14159).
= mdia aritmtica da populao.
= desvio padro da populao.
x = qualquer valor da varivel aleatria contnua onde - < X < .
Para calcular P(a X b) quando X uma varivel aleatria normal com par-
metros e , devemos calcular:
b
1
e - (x - )2 / 2 2 dx
a
2
Quando uma varivel aleatria tem uma distribuio normal com mdia
zero e desvio padro 1, tem uma distribuio normal padro de probabilidade.
Nenhuma das tcnicas de integrao padro pode ser usada para calcular a
integral acima. Assim, quando = 0 e = 1, essa expresso foi calculada e tabu-
lada para valores determinados de a e b. Nesta tabela, entra-se com a varivel
reduzida ou a varivel padronizada Z e se encontra f(Z) ou vice-versa.
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
PROBABILIDADES
147
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981
2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
3.0 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
Tabela 10 - Tabela de distribuio normal reduzida
Fonte: EEL-USP ([2017], on-line).
Vale ressaltar que tabelas com diferentes integrais calculadas podem ser encon-
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
xi -
z=
Em que:
xi = ponto que se deseja converter em z.
= mdia da normal original.
= desvio padro da normal original.
Vejamos o exemplo:
Suponha que a mdia da taxa de falhas de dados transmitida em lotes.
Sabe-se que essa caracterstica segue uma distribuio normal com mdia de 2,0
e desvio padro igual a 0,5. Calcule, ento, as seguintes probabilidades:
De tomarmos um lote ao acaso e este ter uma taxa de falhas entre 2,0 e
2,5. Traduzindo para linguagem probabilstica, queremos:
xi -
Z= e que = 2,0 = 0,5
PROBABILIDADES
149
Assim:
2,5 - 2,0
Z= =1
0,5
2,0 - 2,0
Z= =0
0,5
CONSIDERAES FINAIS
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
chances ou probabilidades de maneira correta e ento tomarmos nossas deci-
ses com base em nossas estimativas.
Um efeito importante da teoria da probabilidade no cotidiano est na ava-
liao de riscos. Normalmente, governos, por exemplo, utilizam processos
envolvidos em probabilidades para suas tomadas de decises. Uma aplicao
importante das probabilidades a questo da confiabilidade, por exemplo, no
lanamento de algum produto, nas chances deles falharem.
Para inferir sobre probabilidades, necessrio saber que tipo de varivel
aleatria est sendo trabalhada. Cada varivel aleatria possui um tipo de com-
portamento chamado de distribuio de probabilidades. Isso importante, pois
cada distribuio de probabilidade possui algumas caractersticas e elas devem
ser respeitadas para que se possa chegar a resultados precisos e ento conclu-
ses vlidas possam ser tomadas sobre aquilo que estamos estudando. Vimos,
nesta unidade, os conceitos bsicos de probabilidade, a forma clssica de calcu-
l-la e tambm vimos as principais distribuies de probabilidades utilizadas.
Deve-se entender que razovel pensar ser de extrema importncia com-
preender como estimativas de chance e probabilidades so feitas e como elas
contribuem para reputaes e decises em nossa sociedade.
PROBABILIDADES
151
REFERNCIAS ON-LINE
2.
a. 0,53 + 0,35 = 0,88 ou 88%
b. 0,0145 ou 1,45%
c. 0,53 ou 53%....
d. Mdia = 0,6. Varincia = 0,54
3.
a. Ter resistncia alta a arranhes 840/1000
b. Ter resistncia baixa a arranhes 160/1000
c. Ser aprovado na avaliao das trilhas 800/1000
d. Ser reprovado na avaliao das trilhas 200/1000
840 + 800 - 700
e. Ter resistncia alta ou ser aprovado p(aap) = = 940/1000
1000
160 + 200 - 60
f. Ter resistncia baixa ou ser reprovado p(br) = = 300/1000
1000
g. Ter resistncia alta dado que seja reprovado p(a/r) = 140/200
h. Ter resistncia baixa dado que seja aprovado 100/800
4.
2,71828-80 . 80100
P (X) = =0,0039 ou 0,39%
100!
E(x) = 80
Var (x) = 80
5.
a. 0,4332 ou 43,32%
b. 0,0668
c. 0,3413 + 0,4332 = 0,77 ou 77%
d. 0,8413 ou 84,13%
Professora Me. Ivnna Gurniski De Oliveira
Professora Me. Renata Cristina de Souza Chatalov
CORRELAO LINEAR E
V
UNIDADE
REGRESSO
Objetivos de Aprendizagem
Conhecer o coeficiente de correlao linear.
Entender associao entre duas variveis.
Saber interpretar correlao positiva e negativa.
Compreender a correlao e aplicao da correlao de Pearson.
Conhecer a utilizao da regresso linear.
Entender a predio de uma varivel por meio de outra.
Plano de Estudo
A seguir, apresentam-se os tpicos que voc estudar nesta unidade:
Correlao Linear
Regresso Linear
159
INTRODUO
Introduo
160 UNIDADE V
CORRELAO LINEAR
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
entre duas variveis aleatrias, mas mais conveniente medir o grau da correla-
o por meio do Coeficiente de Correlao Linear de Pearson.
r=
Correlao Linear
162 UNIDADE V
Exemplo:
Verifique se existe correlao linear entre o nmero de nascidos vivos e a
taxa de mortalidade infantil na regio de Maring-PR.
Tabela 01 - Taxa de Mortalidade Infantil em municpios da regio de Maring
TOTAL MENOR DE
REGIONAL DE SADE E MUNICPIOS NASCIDOS VIVOS (X) *
01 ANO (Y)
Astorga 289 6
Colorado 246 2
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Floresta 68 1
Itamb 67 1
Mandaguau 251 4
Mandaguari 423 6
Marialva 378 5
Nova Esperana 423 9
Paiandu 443 4
So Jorge do Iva 59 0
Fonte: adaptada de SESA/ISEP/CIDS - Departamento de Sistemas de Informao em Sade (2002, on-line).
Grfico 04 - Disperso da taxa de mortalidade at 1 ano e o nmero de nascidos vivos na regio de Maring
Fonte: adaptado de SESA/ISEP/CIDS - Departamento de Sistemas de Informao em Sade (2002, on-line).
Por meio do diagrama de disperso, podemos notar que h uma variao cres-
cente entre as duas variveis.
As maiores correlaes positivas e negativas so obtidas somente quando
todos os pontos esto bem prximos a uma linha reta.
O prximo passo calcular o coeficiente de correlao entre as duas vari-
veis. Podemos utilizar uma tabela para organizar os dados:
Tabela 02 - Nascidos Vivos das Cidades Metropolitanas de Maring
NASCIDOS TAXA DE
CIDADE X.Y X2 Y2
VIVOS (X) MORTALIDADE (Y)
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
r= = 0,84
Observe que o valor do coeficiente de correlao foi 0,84. Assim, podemos con-
cluir que existe uma forte correlao ou associao entre o nmero de nascidos
vivos e a taxa de mortalidade antes de 1 ano de idade, uma vez que o valor 0,84
um valor prximo de 1. Em seguida, podemos verificar que, como mostrado
Correlao Linear
164 UNIDADE V
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
ar entre variveis.
COEFICIENTE DE DETERMINAO
REGRESSO LINEAR
Regresso Linear
166 UNIDADE V
= a + bx em que
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
O coeficiente de regresso b fornece uma estimativa da variao esperada
de y a partir da variao de uma unidade em x (BARBETTA et al., 2010).
A partir dessa equao, possvel encontrar os valores preditos para y e a
reta de regresso. Alm disso, a relao entre x e y pode ser mostrada por um
diagrama de disperso. Vejamos o diagrama de disperso abaixo, mostrando a
relao entre as variveis x e y, bem como o exemplo de uma reta de regresso.
O mtodo mais usado para ajustar uma linha reta a um conjunto de pontos
conhecido como mtodo dos mnimos quadrados que nos fornece os seguin-
tes resultados para estimarmos a e b:
b= e a = y - bx
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
TOTAL MENOR
REGIONAL DE SADE E MUNICPIOS NASCIDOS VIVOS *
DE 01 ANO
Astorga 289 6
Colorado 246 2
Floresta 68 1
Itamb 67 1
Mandaguau 251 4
Mandaguari 423 6
Marialva 378 5
Nova Esperana 423 9
Paiandu 443 4
So Jorge do Iva 59 0
Fonte: adaptada de SESA/ISEP/CIDS - Departamento de Sistemas de Informao em Sade (2002, on-line).
Regresso Linear
168 UNIDADE V
TAXA DE
CIDADE NASCIDOS VIVOS (X) X.Y X2
MORTALIDADE (Y)
Astorga 289 6 1734 83521
Colorado 246 2 492 60516
Floresta 68 1 68 4624
Itamb 67 1 67 4489
Mandaguau 251 4 1004 63001
Mandaguari 423 6 2538 178929
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Marialva 378 5 1890 142884
Nova Esperana 423 9 3807 178929
Paiandu 443 4 1772 196249
So Jorge do Iva 59 0 0 3481
Soma 2647 38 13372 916623
Fonte: adaptada de SESA/ISEP/CIDS - Departamento de Sistemas de Informao em Sade (2002, on-line).
(2647 . 38)
13372 -
10
b= = 0,015
2647 2
916623 -
10
2647 38
x= = 264,7 y= = 3,8
10 10
= - 0,17 + 0,015x
Para cada nmero de nascidos vivos, temos uma taxa de mortalidade prevista.
A representao grfica para esta situao pode ser observada no diagrama de
disperso abaixo.
Grfico 06 - Diagrama de disperso para a taxa de mortalidade prevista em funo do nmero de nascidos vivos
Fonte: as autoras.
Regresso Linear
170 UNIDADE V
Observe que, para cada nmero de nascidos vivos, foi construda uma equao
e obtida uma taxa de mortalidade prevista. No grfico 2, mostrada a reta que
descreve os dados e, a ttulo de exemplificao, foi mostrado um ponto no gr-
fico em que o nmero de nascidos vivos (disposto no eixo x) foi 378 e a taxa de
mortalidade (disposta no eixo y) prevista de 5,41.
Vimos que a correlao linear de Pearson mostrou um valor alto para a rela-
o entre o nmero de nascidos vivos e a taxa de mortalidade (0,84), e que foi
verificada uma correlao populacional acima de 0. Na anlise de regresso,
utilizamos, tambm, o coeficiente de determinao para verificar a preciso da
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
reta de regresso e dizer se ela explica bem ou no a variao dos dados.
Como vimos:
R2 = 0,7056
Grfico 07 - Diagrama de disperso para a taxa de mortalidade prevista e taxa de mortalidade observada em
funo do nmero de nascidos vivos
Fonte: as autoras.
Exerccios:
Resultado de um teste (de 0 a 100) sobre conhecimento (X) e tempo gasto
(minutos) para aprender a operar uma mquina (Y) para oito indivduos.
Tabela 06 - Tempo gasto para operao de uma mquina
A 45 343
B 52 368
C 61 355
D 70 334
E 74 337
F 76 381
G 80 345
H 90 375
Fonte: as autoras.
Regresso Linear
172 UNIDADE V
Responda:
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
y preditos.
R: 2) a = 316,462 e b = 0,548
A anlise de regresso tambm pode ser feita com vrias variveis indepen-
dentes sobre uma nica varivel dependente. A esse tipo de anlise damos o
nome de anlise de regresso mltipla, que muito utilizada em aplicaes
financeiras como renda, poupana e juros. Para ver um exemplo, leia o livro
Estatstica para os cursos de engenharia e informtica de Pedro Barbetta.
Fonte: Barbetta (2010, p. 346).
CONSIDERAES FINAIS
deve-se levar em conta 2 ou mais variveis. Dentre esse estudo, o principal obje-
tivo investigar a existncia ou no de relao entres essas variveis, quantificando
a fora dessa relao por meio da correlao, ou explicitando a forma dessa rela-
o por meio da regresso.
As correlaes podem ser Positivas, quando o aumento de uma varivel cor-
responde ao aumento da outra; Negativas, quando o aumento de uma varivel
corresponde diminuio da outra; Lineares, quando possvel ajustar uma reta,
que podem ser fortes (quanto mais prximas da reta) ou fracas (quanto menos
prximas da reta), e ainda No Lineares, quando no possvel ajustar uma reta.
Aps estabelecida uma relao linear e uma boa correlao entre as vari-
veis, deve-se, agora, determinar uma frmula matemtica para fazer predies
de uma das variveis por meio da outra, e a essa tcnica damos o nome de an-
lise de regresso.
importante entender que nem sempre duas variveis esto de fato asso-
ciadas. Para isso, h necessidade da avaliao do coeficiente de determinao
na anlise de regresso. , tambm, importante termos bom senso na hora de
calcular algumas medidas, uma vez que estamos trabalhando com frmulas
matemticas para explicar fenmenos. Assim, sempre algum valor ser extrado
numericamente, porm, nem sempre esses valores podem ser explicados biologi-
camente ou socialmente. Portanto, cabe ao pesquisador escolher quais variveis
devem participar das anlises.
Consideraes Finais
174
Fonte: as autoras.
2. Uma pesquisa foi realizada para verificar o efeito da rea (m2) sobre o preo de
terrenos na cidade de Mogi Mirim-SP. Considere a equao y = 20 + 0,5x para
estimar os preos em funo da rea. Considerando terrenos com 200, 300 e
400 m2, estime o preo de cada terreno.
3. esperado que a massa muscular de uma pessoa diminua com a idade. Para
estudar essa relao, uma nutricionista selecionou 18 mulheres, com idade entre
40 e 79 anos, e observou em cada uma delas a idade (X) e a massa muscular (Y).
Determine a correlao linear entre a idade a massa muscular.
Relao entre massa muscular e idade
MASSA MUSCULAR (Y) IDADE (X)
82.0 71.0
91.0 64.0
100.0 43.0
68.0 67.0
87.0 56.0
73.0 73.0
78.0 68.0
80.0 56.0
65.0 76.0
84.0 65.0
116.0 45.0
76.0 58.0
97.0 45.0
100.0 53.0
105.0 49.0
77.0 78.0
73.0 73.0
78.0 68.0
Fonte: as autoras.
176
A maior parte dos estudos que visa associar o consumo de sdio hipertenso arterial
utiliza a excreo urinria de sdio de 24h como marcador dirio e em muitos h uma
consistente relao. Evidncias sobre a associao do consumo de sdio e hipertenso
foram relatadas tambm pelo INTERSALT Group, principalmente quando foram avalia-
das as diferenas nas prevalncias de hipertenso arterial associadas ao nvel de indus-
trializao das populaes estudadas. Populaes ocidentais e com alto consumo de
sal apareceram como tendo os maiores percentuais de hipertenso, enquanto as popu-
laes rurais ou primitivas que no faziam uso de sal de adio apresentaram menores
prevalncias ou nenhum caso de hipertenso arterial. Porm, o sobrepeso e o seden-
tarismo, presentes nessas populaes, podem ser importantes variveis de confuso.
Outros estudos foram conduzidos nesta direo em vrias populaes com objetivo de
comprovar a hiptese de que uma grande ingesto de sal na dieta aumenta os nveis
pressricos, independentemente da idade e de outros fatores, hoje j bem estabeleci-
dos.
Fonte: Bisi Molina et al. (2003)
MATERIAL COMPLEMENTAR
Estatstica Bsica
Wilton de O. Bussab, Pedro A. Morettin
Editora: Saraiva
Sinopse: O livro trata da estatstica bsica e dividido em trs partes. A primeira trata
da anlise de dados unidimensionais e bidimensionais, com ateno especial para
mtodos grficos. A segunda parte trata dos conceitos bsicos de probabilidades
e variveis aleatrias. Por fim, a terceira parte estuda os tpicos principais da
interferncia estatstica, alm de alguns temas especiais, como regresso linear
simples.
179
REFERNCIAS
1.
a. A varivel independente o comprimento do cabo x e a varivel dependente
a varivel taxa de falhas y, ou seja, a taxa de falhas depende do comprimen-
to do cabo.
b. 0,47 verifica-se uma correlao mediana e positiva entre as duas variveis
a, mostrando que, quanto maior o comprimento do cabo, maior a taxa de
falhas.
c. tc = 2,17 ttabelado = 3,06
tc < ttabelado conclui-se que no existe significncia na correlao entre as duas
variveis em nvel de 1% de erro.
d. Correlao substancial entre as duas variveis.
e. b = 2,4 a = -15,2
f.
COMPRIMENTO DO CABO (M)
8 4,08
9 6,49
10 8,9
11 11,31
12 13,72
13 16,13
14 18,54
15 20,95
g. Diagrama de disperso
3. -0,837.
CONCLUSO
Caro(a) aluno(a)!
Este material foi feito para contribuir com seu processo de formao. Atualmente,
as informaes chegam a ns de forma rpida e no podemos deixar de pensar o
quanto a Estatstica til para quem precisa tomar decises.
Nesse sentido, a Estatstica aparece como suporte na compreenso dos fatos, dando
base para o seu entendimento e compreenso adequada para eles.
Este material tratou de alguns pontos importantes no ensino da Estatstica. O pri-
meiro ponto tratou da importncia da Estatstica, dos seus conceitos e da aplicao
de algumas de suas ferramentas. Em qualquer pesquisa, seja ela de ordem observa-
cional ou experimental, utilizamos a Estatstica.
Na unidade II, foram discutidas formas de apresentao dos dados estatsticos, mais
especificamente a estruturao e a interpretao de grficos e tabelas.
A unidade III tratou das medidas descritivas, mostrou como devemos calcul-las e
onde devemos aplic-las. Vimos as principais medidas de posio, as separatrizes e
as medidas de disperso.
Na unidade IV, trabalhamos com parte da teoria das probabilidades e algumas de
suas principais distribuies. As distribuies de probabilidades, vistas tambm nes-
sa unidade, lida com probabilidades, porm associadas ao tipo de varivel aleatria
em questo. Para utilizarmos qualquer distribuio, necessrio saber se a varivel
aleatria numrica contnua, discreta.
Finalizando o material, a unidade V tratou das medidas de associao, duas ferra-
mentas importantes dentro da estatstica. Tanto a correlao quanto a regresso
envolvem associao entre variveis, embora a funo de cada uma delas seja dife-
rente. Na correlao, tem-se o grau de associao entre as duas variveis; na regres-
so, o que se obtm estimao de uma varivel por meio da outra. Entender como
duas variveis se relacionam importante dentro da anlise de dados. Alguns cri-
trios devem ser seguidos, entretanto, ao se trabalhar com regresso ou correlao,
essas medidas s podem ser utilizadas em casos de variveis quantitativas.
Professora Me. Ivnna Gurniski De Oliveira
Professora Me. Renata Cristina de Souza Chatalov