Aula 1

PROBABILIDADE E ESTATÍSTICA
APRESENTAÇÃO DO CURSO &

INTRODUÇÃO À ESTATÍSTICA DESCRITIVA
20%
25%
45%
10%
Estatística - Aula 1
SUMÁRIO
1. Apresentação do Curso
2. O papel da Probabilidade e da Estatística
3. Estatística Descritiva
3.1. Medidas de Posição
3.2. Medidas de Dispersão
3.3. Medidas de Assimetria e Achatamento
3.4. Gráficos
1
Apresentação do Curso
Professores
Maj Marcos José Pio
Cap Paulo Henrique Maranhão
Cap Aderson Campos Passos
Livro Texto
Autor: Montgomery. Preço: R$ 90 a 100 reais.
Estatística Aplicada e Probabilidade para Engenheiros.
Editora LTC.
Bibliografia Complementar
• Autor: Barry James. ± R$ 30,00 no IMPA.
Probabilidade: um curso em nível intermediário.
• Autor: Bertsekas e Tsitsiklis. ± R$ 60,00 (por
encomenda). Introduction to Probability
• Autor: William Feller vol 1. (disponível na biblioteca

em inglês). Introdução à teoria das probabilidades e
suas aplicações.
• Autor: Marcos Nascimento Magalhães. Probabilidade

e Variáveis Aleatórias. ± R$ 30,00 (pela internet)
2
Estrutura do Curso
O curso será montado sobre três pilares:
1. Apresentações 2. Livro Texto 3. Listas de Exercícios
Avaliações
O curso terá quatro avaliações:
VE1 + VE2
MVE =
1. VE de Probabilidade 2. VC 2
Obs: As questões serão
3. VE de Estatística 4. VF parecidas mas não iguais
às da lista.
O Papel da Probabilidade e da
Estatística
O que é Estatística?
Área da Matemática que se preocupa

com a organização, coleta e resumo dos
dados, para auxílio na tomada de
decisões.
3
Estatística
Estatística Descritiva
Organização e Resumo dos Dados :
Ex: Medidas Descritivas, Histogramas, “Box Plot” etc.
Estatística Inferencial
Técnicas para obtenção de conclusões sobre a
população a partir da amostra.
Ex: Amostragem, Testes de Hipótese, Regressão,
Correlação etc.
Estatística
O que é população, o que é amostra?
População é o universo de estudo e amostra
é um subconjunto desse universo.
Subconjunto
4
Estatística
O que é Probabilidade?
Área da Matemática que se preocupa

com o estudo da incerteza.
Estatística
Objetivos da Estatística e da Probabilidade
O objetivo é aprender a lidar com a

VARIABILIDADE e com a INCERTEZA.
Essas duas grandezas podem ser medidas:

- A Estatística possui ferramentas para
quantificar e analisar a VARIABILIDADE
- A Probabilidade possui ferramentas para
quantificar e analisar a INCERTEZA.
5
Estatística
Exemplo da Presença da Variabilidade
DESEMPENHO DO CONSUMO DE GASOLINA EM UM CARRO
O consumo nem sempre será o mesmo e dependerá de muitos
fatores:
Tipo de Estrada (rodovia ou cidade)
Desgaste do Veículo
Tipo e qualidade do combustível
Condições climáticas (?)
Para esse exemplo foram citadas as Fontes Potenciais de

Variabilidade do sistema. Com os métodos da estatística é possível
formular modelos para quantificar e estudar as fontes de
variabilidade.
Estatística
Exemplo da Presença da Incerteza
PROSPECÇÃO DE POÇOS DE PETRÓLEO
Empresas como a PETROBRÁS quando procuram novos poços

de petróleo, utilizam informações coletadas do seu serviço
geológico sobre características do terreno que possam indicar a
presença do óleo. Com esses dados, também é possível quantificar
a extensão do poço. Porém, existe a possibilidade dessas
informações não corresponderem às expectativas. Para quantificar
a incerteza são utilizados dados passados que mostram
características das áreas que possuem petróleo. Quanto maior a
semelhança, maior a chance de existir o recurso na área em
estudo.
6
Estatística
Exemplo da Presença da Incerteza
DURAÇÃO DE ATIVIDADES – GERÊNCIA DE PROJETOS
Para reduzir a incerteza associada a previsão da duração

das atividades de um projeto são utilizadas estimativas
pessimistas, normal e otimistas para o término dessas
atividades. Essas estimativas, geralmente fornecidas por
especialistas ou pessoas experientes, irão compor o Valor
Esperado para o término da atividade. Essas estimativas
reduzem a incerteza no planejamento do cronograma e
contribuem para o sucesso do projeto.
Estatística
Aplicações
Engenharia
Economia Marketing
Logística Finanças
Controle de
Qualidade
7
SUMÁRIO
3.4. Gráficos
Distribuições de Freqüência
O que são Distribuições de Freqüência ?

É a forma de organização de dados mais
importante da estatística. Nela os valores e as
suas respectivas freqüências estão posicionados
lado a lado. Os dados e as variáveis utilizados
podem ser discretos ou contínuos. Isso fará com
que seja mudada a forma de representar a
distribuição.
8
Distribuições de Freqüência - Exemplos
variáveis discretas variáveis contínuas

Classes fi salários No de
xi fi empregados
35 a 45 5
5 2 80 a 180 70
45 a 55 12
7 3 180 a 250 140
55 a 65 18
8 4 250 a 300 140
65 a 75 14
9 5 300 a 500 60
75 a 85 6
11 2 85 a 95 3 Suponha:
Σ 16 Σ 58 Classes = faixa etária
fi = no de pessoas
Distribuições de Freqüência - Observações
• Limites das Classes
A representação do limite das classes poderá trazer diferentes
significados quanto a inclusão ou não dos elementos extremos.
a) 10 12 – Classe compreende os dois valores extremos
b) 10 12 – Classe compreende todos os valores excluindo o
último.
c) 10 12 – Classe compreende todos os valores excluindo o
primeiro.
Por simplificação a notação utilizada na apresentação será a e terá
o mesmo significado do item b).
9
Distribuições de Freqüência – Observações (Cont.)
• Pontos médios das classes (xi)
1. É a média aritmética entre o limite inferior e o superior da
classe. Dessa forma na classe 10 a 12, seu ponto médio será 11.
2. Esse ponto médio será muito útil para o cálculo de medidas
descritivas que serão vistas posteriormente.
• Freqüência Acumulada (Fac)

É a soma das freqüências dos valores inferiores ou iguais ao valor dado.
Exemplo: xi 0 1 2 Σ
fi 3 5 2 10
Fac 3 8 10
Definição
O que são Medidas Descritivas ?
São medidas que podem ser obtidas sobre

conjuntos de dados numéricos, de forma a
trazer informações sobre esses dados.
10
Tipos de Medidas Descritivas
Posição Dispersão Assimetria Achatamento
Medidas de Posição
Média Aritmética
Média para dados agrupados
Mediana
Moda
Média Geométrica
Percentil, Decil, Quartil
Escore Z
11
Medidas de Posição - Média Aritmética
∑X i
Média ( µ ) = i =1
n
Exemplo:
Medidas de Posição - Média para Dados
Agrupados
n
∑X
i =1
i × fi
Média = n
∑fi =1
i
Onde fi são as freqüências absolutas de cada categoria
12
Medidas de Posição - Média para Dados
Agrupados
Exemplo 1
Retorno de Carteiras: Calcular o retorno total de uma
carteira de investimentos que possui a seguintes
características: Carteira formada pelas ações A, B, C
e D nas proporções 10%, 15%, 30%, 45%,
respectivamente. Os retornos obtidos em cada ação
foram respectivamente 2%, 5%, -3%, 10%.
Solução: O cálculo a ser feito segue a fórmula.
(10x 2 + 15x 5 + 30x (-3) + 45x 10) / 100 = 4,55%
Medidas de Posição - Mediana
• Posição central da seqüência, para número ímpar de
elementos
• Média aritmética dos dois elementos na posição central
da seqüência, para número par de elementos.
• Os números devem estar dispostos em ordem crescente
Exemplo 2:
A = {24, 27, 32, 34, 34, 34, 56} Mediana !!
B = {12, 13, 14, 15, 16, 17} Mediana = 14,5 !!
13
Medidas de Posição - Mediana
• É o valor que divide a amostra ou população em duas
partes iguais.
Exemplo 3:
n (número de elementos) = 11 é
xi fi ímpar. Assim, o elemento
central será o 6º. Nesse caso a
1 1
mediana será 3.
2 3
3 5 6º elemento, classe que
4 2 contém a mediana
Σ 11
Medidas de Posição – Mediana variável
contínua
1º Passo: Calcula-se a ordem n/2. Como a variável é contínua, não se
preocupe se n é par ou ímpar.
2º Passo: Utiliza-se a fórmula:
Onde:
lMd = limite inferior da classe Md.
n 
 − ∑ f ⋅h n = tamanho da amostra.
+ 
2 Σf = soma das freqüências
Med = lMd
FMd anteriores à classe Md.
h = amplitude da classe Md.
FMd= Freqüência da classe Md.
14
Medidas de Posição – Mediana variável
contínua
Exemplo 4: Dada a distribuição amostral, calcular a mediana
Classes Fi 1º Passo: Como n = 58 a mediana será o 29º
elemento. A classe da mediana Md será a 3ª, pois
35 a 45 5
contém o 29º elemento.
45 a 55 12
55 a 65 18 2º Passo: Utiliza-se a fórmula.
65 a 75 14 lMd = 55, n = 58, Σf = 17, h = 10; FMd = 18

75 a 85 6
 58 
85 a 95 3  − 17  ⋅10
Md = 55 +  
Σ 2
58 = 61,67
18
Medidas de Posição – Quartil, Decil, Percentil
Após formadas as seqüências de números, dos
percentis, decis e quartis poderá ser dito:
• O quartil divide a seqüência em 4 partes
• Os decis em 10 partes (cada uma contendo

10% dos elementos)
• Os percentis em 100 partes (cada uma
contendo 1% das observações)
15
Medidas de Posição – Quartil
O% 25% 50% 75% 100%
Q1 Q2 Q3
Q1 = 1º Quartil, deixa 25% dos elementos.
Q2 = 2º Quartil, coincide com a mediana, deixa 50% dos elementos.
Q3 = 3º Quartil, deixa 75% dos elementos.
Obs: Os elementos da amostra devem estar em ordem crescente
Medidas de Posição – Decil
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
D1 D2 D3 D4 D5 D6 D7 D8 D9
São os valores que dividem a série em 10 (dez) partes

iguais. Os procedimentos de cálculo são muito parecidos
com os quartis.
16
Medidas de Posição – Percentil
0% 1% 2% 3% ..... 50% ..... 97% 98% 99% 100%
P1 P2 P3 P50 P97 P98 P99
São os valores que dividem a série em 100 (cem) partes

iguais. Os procedimentos de cálculo são muito parecidos
com os quartis e decis.
Percentis – Variáveis Discretas
1. Observe que quartis e decis podem ser vistos como percentis. Por
isso, se você aprende a calcular os percentis também aprenderá a
calcular os decis e quartis.
2. Percentis de N medidas podem ser estimados da seguinte

maneira: para o p-ésimo percentil (90% ~ 0,9, p.ex.) faça o produto
p(N+1) igual a um número da forma k + d onde k é um inteiro e d
um número decimal.
Onde:
Y ( p ) = Y[ k ] + d × (Y[k +1] − Y[K ] ) Y[k] indica o k-ésimo elemento

ordenado.
Y(p) indica o p-ésimo
percentil.
17
Quartil – Variáveis Discretas - Exemplo
Exemplo 5: Determinar Q1 e Q3 da seqüência abaixo:
B = {12, 13, 14, 15, 16, 17}
1º Passo: Calcula-se p (n +1). É fácil ver que n = 6 e os valores de p de
referência são 0,25 e 0,75.
Para p = 0,25, teremos 0,25(6+1) = 1,75
Para p = 0,75, teremos 0,75(6+1) = 5,25
2º Passo: Assim, 1,75º elemento será a referência para Q1. Da mesma

forma o 5,25º elemento será a referência para Q3. Entretanto, o que
está sendo procurado são os valores em que, abaixo deles, teremos
aproximadamente 25% e 75% das observações, respectivamente. Para
achar esses valores utilizamos a fórmula sugerida.
Quartil – Variáveis Discretas - Exemplo
3º Passo: Aplica-se a fórmula para Q1e Q3
Q1 = Y[1] + (0,75)× (Y[2 ] − Y[1] )
Q1 = Y[1] + (0,75)× (Y[ 2 ] − Y[1] ) = 12 + (0,75) = 12,75
Q3 = Y[5] + (0,25)× (Y[6 ] − Y[5] )
Q3 = Y[ 5] + (0,25)× (Y[ 6 ] − Y[ 5] ) = 16 + (0,25) = 16,25
Calcule Q2 como exercício e verifique o resultado.
18
Quartil – Variáveis Contínuas
Determinação de Q1:
n 
1º Passo: Calcula-se n / 4
 − ∑ f ⋅h
Q1 = lQ1 +  
2º Passo: Identifica-se a classe Q1. 4
3º Passo: Aplica-se a fórmula FQ1
Determinação de Q3:
 3n 
1º Passo: Calcula-se 3n / 4
 −∑ f ⋅h
Q3 = lQ3 +  
2º Passo: Identifica-se a classe Q3. 4
3º Passo: Aplica-se a fórmula FQ3
Exemplo 6: Dada a distribuição, determinar os quartis (Q1 e Q3) e a mediana.
1º Passo: Calcula-se n / 4, n / 2 e 3n / 4.
Classes fi
n = 56 >>>> 56/4 =14º (Q1) >> 56/2 = 28º (Md) >>
7 a 17 6
3.56/4 = 42º (Q3)
17 a 27 15
27 a 37 20 2º Passo: Identifica-se a classe Q1, Q3 e Mediana.
37 a 47 10
3º Passo: Usam-se as fórmulas.
47 a 57 5
Σ 56 Para Q1 temos: lQ1= 17, n = 56, Σf = 6, h = 10, FQ1= 15
Para Md temos: lMd= 27, n = 56, Σf = 21, h = 10, FMd= 20
Para Q3 temos: lMd= 37, n = 56, Σf = 41, h = 10, FQ3= 10
19
Determinação de Q1: Determinação de Q3:
 56   3 ⋅ 56 
 − 6  ⋅10  − 41 ⋅10
Q1 = 17 +   = 22,33 Q3 = 37 +  
4 4
= 38
15 10
Determinação da Mediana
 56 
 − 21 ⋅10
M d = 27 +  
2
= 30,5
20
Decil – Variáveis Contínuas
1º Passo: Calcula-se i · n / 10, 2º Passo: Identifica-se a classe Di
onde i = 1, 2, 3, …, 9
3º Passo: Aplica-se a fórmula

Onde:
 i⋅n  lDi = limite inferior da classe Di.
 −∑ f ⋅h i = 1, 2, …,9
Di = l Di +  
10
n = tamanho da amostra.
FDi
Σf = soma das freqüências anteriores
à classe Di.
h = amplitude da classe Di.
FDi= Freqüência da classe Di.
20
Percentil – Variáveis Contínuas
1º Passo: Calcula-se i · n / 100, 2º Passo: Identifica-se a classe Pi
onde i = 1, 2, 3, …, 99
3º Passo: Aplica-se a fórmula

Onde:
 i⋅n  lDi = limite inferior da classe Pi.
 −∑ f ⋅h i = 1, 2, …,9
Pi = l Pi +  
100
n = tamanho da amostra.
FPi
Σf = soma das freqüências anteriores
à classe Pi.
h = amplitude da classe Pi.
FPi= Freqüência da classe Pi.
Medidas de Posição: Exemplo Decil e Percentil
Exemplo 7: Determinar o 4o decil e 72o percentil da seguinte distribuição
classes fi 1º Passo: Calcula-se i · n / 10

4a9 8 e i · n / 100.
9 a 14 12 Classe D4 i ⋅ n 4 ⋅ 40
Para D4 , = = 16o
14 a 24 14 Classe P72 10 10
19 a 24 3 i ⋅ n 72 ⋅ 40
Para P72 , = = 28,8o
Σ 40 100 100
2º Passo: Identifica-se a classe Pi
Analisando a quantidade de elementos é possível identificar

facilmente as classes que contém os percentis e decis.
21
3º Passo: Aplicam-se as fórmulas
Para D4 : l D4 = 9, ∑ f = 8, n = 40, h = 5, FD4 = 12
Para P72 : lP72 = 14, ∑ f = 20, n = 40, h = 5, FD4 = 17
 4 ⋅ 40   72 ⋅ 40 
 − 8 ⋅ 5  − 20  ⋅ 5
  = 12,33
P72 = 14 +   = 16,89
10 100
D4 = 9 +
12 17
classes fi Conclusão:
4a9 8
Nessa distribuição o valor 12,33 divide a
9 a 14 12 amostra em duas partes: uma com 40% dos
14 a 24 14 elementos e outra com 60% dos elementos. O
19 a 24 3 valor 16,89 indica que 72% da distribuição está
abaixo dele e 28% acima
Σ 40
22
Medidas de Posição - Moda
Valor mais freqüente na seqüência
Exemplo 8:
C = {3, 5, 9, 9, 6, 9} A moda dessa seqüência é o número 9.
Exemplo 9:
xi 243 245 248 251 307

fi 7 17 23 20 8
A moda dessa distribuição é o número 248.
Para dados agrupados em classes existem alguns
métodos. Nos focaremos na Fórmula de Czuber.
1º - Fórmula de Czuber
1º Passo: Identifica-se a classe modal (que possui maior freqüência)
2º Passo: Utiliza-se a fórmula.
l = limite inferior da classe Modal.
∆1 ∆1 = diferença entre a freqüência da classe

Mo = l + ⋅h modal e a imediatamente anterior.
∆1 + ∆ 2 ∆2 = diferença entre a freqüência da classe
modal e a imediatamente posterior.
h = amplitude da classe.
23
Exemplos – Fórmula de Czuber
Exemplo 10 - Determinar a moda para a distribuição
classes 0a1 1a2 2a3 3a4 4a5 Σ

fi 3 10 17 8 5 43
1º Passo: Identifica-se a classe modal, no caso a 3ª.

7
l = 2, ∆1 = 17 - 10 = 7
Mo = 2 + ⋅1 = 2,44
h = 1, ∆2 = 17 - 8 = 9 7+9
Exemplo 11 - Determinar a moda para a distribuição
salários 80 a 180 180 a 250 250 a 300 300 a 500
Nº empregados 70 140 140 60
Como as amplitudes das classes são diferentes é preciso calcular as

densidades modais (fi / hi). O maior valor de densidade determinará a
classe modal.
salários fi fi / h
80 a 180 70 70/100 = 0,7
180 a 250 140 140/70 = 2,0
250 a 300 140 140/50 = 2,8 classe modal.
300 a 500 60 60/200 = 0,3
24
Exemplo 11 - Determinar a moda para a distribuição (Cont.)
salários 80 a 180 180 a 250 250 a 300 300 a 500
Nº empregados 70 140 140 60
1º Passo: Identifica-se a classe modal, no caso a 3ª.
l = 250, ∆1 = 2,8 – 2,0 = 0,8 0,8

Mo = 250 + ⋅ 50 = 262,12
h = 50, ∆2 = 2,8 – 0,3 = 2,5 0,8 + 2,5
Medidas de Posição – Média Geométrica
1
  n n
MG =  ∏ X i 
 i =1 
25
Medidas de Posição – Escore Z
O escore z associado a X, irá medir a distância entre X e a

média (m) em unidades de desvio padrão (s)
X −µ
z=
σ
Ou seja, quantos desvios padrões (σ) X está distante
da média (µ).
SUMÁRIO
3.3. Medidas
Gráficos de Assimetria e Achatamento
3.4. Gráficos
26
Medidas de Dispersão
• Amplitude
• Desvio Médio
• Variância e Desvio Padrão
Medidas de Dispersão - Amplitude
Para uma seqüência de valores, a

Amplitude será a diferença entre
o maior e o menor valor.
27
Medidas de Dispersão – Desvio Médio
O desvio médio para uma seqüência com
n elementos e média µ será:
∑X i −µ
DM = i =1
n
Medidas de Dispersão – Variância
A variância será determinada pela equação abaixo
n
∑ i
( X − µ ) 2
σ2 = i =1
Onde:
N
N = número de elementos existente na população.
µ = média da população
σ2 = variância da população
28
Medidas de Dispersão – Variância Amostral
A variância da amostra será determinada pela equação
abaixo n
∑(X i − x )2
s2 = i =1
Onde: n −1
S2 = variância amostral
n = é o número de elementos da amostra em estudo
x = média da amostra
Medidas de Dispersão – Variância para dados
agrupados
A variância será determinada pela equação abaixo
n n
∑(X i − µ ) ⋅ fi
2
∑(X i − x )2 ⋅ fi
σ2 = i =1
s2 = i =1
Onde: N n −1
N = número de elementos existente na população.
µ = média da população n = tamanho da amostra.

σ2 = variância da população
fi = freqüência de cada um dos elementos Xi
29
Medidas de Dispersão – Variância para dados
agrupados
Desenvolvendo as fórmulas anteriores é possível chegar
aos seguintes resultados.
1 
σ = ∑ X i f i −
2 2
(∑ X i fi ) 
2

Essas fórmulas
N facilitarão bastante

N 
o cálculo manual
s =
2 1 
∑ X i f i −
2
(∑ X i fi ) 
2

n −1  n 

Medidas de Dispersão – Desvio-Padrão
O DESVIO PADRÃO SERÁ DADO PELA RAIZ
QUADRADA DA VARIÂNCIA
1 1
 n  2
 n  2
 ∑ ( X i − µ )2   ∑ ( X i − x )2 
σ =  i =1  s =  i =1 
 N   n −1 
   
   
O resultado será válido também para o desvio-padrão
amostral.
30
Variância Amostral versus Variância da População
Na prática o valor de µ raramente é conhecido.

Por isso, o valor x é utilizado como substituto. No
entanto, as observações xi, tendem a ser mais
próximas do seu valor x , do que da média
populacional µ. Para compensar isso, usa-se n -1
como divisor em vez de n. A utilização de n traria
distorções na medida de variabilidade.
Exemplo de Aplicação do Desvio-Padrão
Risco de Ações
O Risco das ações no mercado é
calculado como o Desvio Padrão dos
retornos dessa ação para um
determinado período.
31
Desvio Padrão dos Retornos dos Ativos
Risco de Ações
Observe que as ações apresentam
O Risco das ações novariações
maiores mercado é
nos retornos quando
comparadas aos fundos de renda fixa
calculado como o Desvio Padrão dos
retornos dessa ação para um
determinado período.
AÇÕES RENDA FIXA
Exemplo de Aplicação do Desvio-Padrão e Variância
Exemplo 12: Calcule a variância e o desvio-padrão para
a seguinte distribuição amostral.
xi 5 7 8 9 11
fi 2 3 4 5 2
Solução: Para calcular a variância amostral será utilizado o

resultado a seguir, já conhecido.
A tabela será montada
1  (∑ )
X i f i  de forma a facilitar os
2
s2 =
n −1 
∑
 X i2 f i −
n
 cálculos e as
 substituições na

fórmula.
32
Exemplo 12: Calcule a variância e o desvio-padrão para
a seguinte distribuição amostral.
xi 5 7 8 9 11 Σ
fi 2 3 4 5 2 16
xi⋅ fi 10 21 40 36 22 129
xi2⋅ fi 50 147 320 324 242 1.083
1 
∑ X i f i −
(∑ X i fi )  2
2
 s =
1  (129) 
2
s = 1.083 −  = 2,86
2 2
n −1  n  16 − 1  16 
 
s = 2,86 = 1,69
Exemplo 13: Calcule a média e o desvio-padrão para a
seguinte distribuição amostral.
classes 2a4 4a6 6 a 8 8 a 10 10 a 12
fi 2 4 7 4 3
Solução:
classes 2a4 4a6 6a8 8 a 10 10 a 12 Σ
fi 2 4 7 4 3 20
xi 3 5 7 9 11
xi⋅ fi 6 20 49 36 33 144
xi2⋅ fi 18 100 343 324 363 1.148
33
Exemplo 13: Calcule a média e o desvio-padrão para a
seguinte distribuição amostral.
classes 2a4 4a6 6 a 8 8 a 10 10 a 12
fi 2 4 7 4 3
Solução (Cont.):
144 s =
1  (144 ) 
2
1.148 −  = 5,86
2
x= = 7,2
20 20 − 1  20 
s = 5,86 = 2,42
SUMÁRIO
3.4. Gráficos
34
Medidas de Assimetria
• Denomina-se assimetria o grau de afastamento de uma
distribuição da unidade de simetria
Eixo de simetria
Média = Mediana = Moda
• Em uma distribuição assimétrica positiva, ou assimétrica à
direita:
Moda < Mediana < Média
35
• Em uma distribuição assimétrica negativa, ou assimétrica
à esquerda:
Média < Mediana < Moda
• Para calcular a assimetria existem duas fórmulas
principais:
1º Coeficiente de Pearson
x − Mo x − Mo
AS = AS =
σ s
Se a distribuição é simétrica:
2º Coeficiente de Pearson
• AS = 0, simétrica
Q1 + Q3 − 2 M d
AS = • AS > 0, assimétrica positiva
Q3 − Q1 • AS < 0, assimétrica negativa
36
Medidas de Assimetria – Cálculo de AS
Exemplo 14: Dada a distribuição, determinar os 2 Coeficientes de Pearson
Classes fi Do exemplo 5 já temos os valores de Q1, Md e Q3
7 a 17 6 Q1= 22,33 Md = 30,5 Q3 = 38

17 a 27 15
Para calcular a moda usamos a fórmula de Czuber
27 a 37 20
5
37 a 47 10 Mo = 27 + ⋅10 = 30,33
47 a 57 5 5 + 10
Σ 56 Para calcular o desvio-padrão será necessário
montar a tabela de cálculo:
Exemplo 14: Dada a distribuição, determinar os 2 Coeficientes de Pearson
tabela de cálculo:
Classes fi xi xi fi xi2fi
s =
1  (1722) 
2
69268 −
2

7 a 17 6 12 72 10368 160 − 1  160 
17 a 27 15 22 330 7260
27 a 37 20 32 640 20480 s 2 = 319,08
37 a 47 10 42 420 17640
47 a 57 5 52 260 13520
Σ 56 160 1722 69268
37
Para achar os dois Coeficientes de Pearson:
x − Mo 10,76 − 30,33
AS = AS = = −0,061
s 319,08
Q1 + Q3 − 2 M d 22,33 + 38 − 2 × 30,5
AS = AS = = −0,0427
Q3 − Q1 38 − 22,33
Conclusão: A distribuição é assimétrica negativa.
Medidas de Achatamento - Curtose
Denomina-se curtose o grau achatamento de uma
distribuição.
• Uma distribuição nem chata nem delgada é chamada de

mesocúrtica.
38
• Uma distribuição delgada é chamada de leptocúrtica.
• Uma distribuição achatada é chamada de platicúrtica.
• Para medir o grau de achatamento (Curtose) utiliza-se o
coeficiente Onde:
Q3 − Q1 P90 = 90º percentil
K=
2 ⋅ (P90 − P10 ) P10 = 10º percentil
Se K = 0,263 diz-se que a curva corresponde à distribuição de

freqüência mesocúrtica.
Se K > 0,263 diz-se que a curva corresponde à distribuição de
freqüência platicúrtica.
Se K < 0,263 diz-se que a curva corresponde à distribuição de
freqüência leptocúrtica.
39
SUMÁRIO
3.4. Gráficos
Gráficos
• Histogramas
• Gráficos Ogiva (Freqüência Cumulativa)
• Gráficos Setoriais
• “Boxplot”
40
Gráficos – Histograma
O Histograma é a representação gráfica dos Diagramas de
Freqüência.
Classes 20
fi
18
35 a 45 5 16
14
45 a 55 12
12
55 a 65 18 10
8
65 a 75 14
6
75 a 85 6 4
85 a 95 3 2
0
Σ 58 35 40 45 50 55 60 65 70 75 80 85 90 95
Polígono de freqüência
Classes fi 20
18
35 a 45 5 16
45 a 55 12 14
12
55 a 65 18 10
65 a 75 14 8
6
75 a 85 6 4
85 a 95 3 2
0
Σ 58 35 40 45 50 55 60 65 70 75 80 85 90 95
41
Polígono de freqüência Acumulada
70
Classes fi Fac
60
35 a 45 5 5
50
45 a 55 12 17
40
55 a 65 18 35 30
65 a 75 14 49 20
75 a 85 6 55 10
85 a 95 3 58 0
Σ 58 35 40 45 50 55 60 65 70 75 80 85 90 95
Gráficos – Gráficos Setoriais (“Pizza”)
20%
25%
45%
10%
42
Gráficos – “Boxplot”
O BoxPlot é uma representação

gráfica que fornece várias
características importantes de um
conjunto de dados tais como:
centro, dispersão, desvio da
simetria, e “outliers” (observações
longe do seio dos dados).
“Box Plot” Distância do

último ponto
inferior a 1,5IQR
depois de q3
Terceiro Quartil (q3)
Segundo Quartil (Mediana)

“Outliers”
Primeiro Quartil (q1)
Faixa interquartil (IQR) = q3-q1
Distância do
primeiro ponto
superior a 1,5IQR
antes de q1
43
Gráficos – “Boxplot” - Exemplo
Exemplo 15: Para a seqüência de dados abaixo, desenhar o “Boxplot”
B = {12, 13, 14, 15, 16, 17}
Vale observar que essa é a mesma seqüência de dados do exemplo 5 e
para ela já foram calculados todos os quartis. Assim:
Q1 = 12,75 ; Q2 = 14,5 ; Q3 = 16,25
1,5(IQR) ∴ 1,5(Q3 - Q1) ∴ 1,5(16,25 – 12,75) ∴ 1,5(IQR) = 5,25
O último elemento da seqüência (17) estará abaixo de 1,5(IQR) depois

de Q3. E o primeiro (12) estará acima de 1,5(IQR) antes de Q1. Assim,
será possível desenhar o gráfico seguinte.
17 Q3 = 16,25
Q2 = 14,5
12 Q1 = 12,75
44
Exemplo 16: Interprete os dados representados pelo “Boxplot” abaixo
1. 50% do conjunto de
dados (entre Q1 e Q3) está
entre ± 16 e ± 25.
2. Presença de assimetria
positiva.
3. Presença de “outliers”
4. Outras
45

Aula 1

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aula 1

Enviado por

Direitos autorais:

Formatos disponíveis

PROBABILIDADE E ESTATÍSTICA

APRESENTAÇÃO DO CURSO &

• Autor: William Feller vol 1. (disponível na biblioteca

• Autor: Marcos Nascimento Magalhães. Probabilidade

1. Apresentações 2. Livro Texto 3. Listas de Exercícios

Área da Matemática que se preocupa

Área da Matemática que se preocupa

O objetivo é aprender a lidar com a

Essas duas grandezas podem ser medidas:

Para esse exemplo foram citadas as Fontes Potenciais de

PROSPECÇÃO DE POÇOS DE PETRÓLEO

Empresas como a PETROBRÁS quando procuram novos poços

DURAÇÃO DE ATIVIDADES – GERÊNCIA DE PROJETOS

Para reduzir a incerteza associada a previsão da duração

O que são Distribuições de Freqüência ?

variáveis discretas variáveis contínuas

• Freqüência Acumulada (Fac)

O que são Medidas Descritivas ?

São medidas que podem ser obtidas sobre

Posição Dispersão Assimetria Achatamento

Onde fi são as freqüências absolutas de cada categoria

B = {12, 13, 14, 15, 16, 17} Mediana = 14,5 !!

65 a 75 14 lMd = 55, n = 58, Σf = 17, h = 10; FMd = 18

• O quartil divide a seqüência em 4 partes

• Os decis em 10 partes (cada uma contendo

Q1 = 1º Quartil, deixa 25% dos elementos.

Q2 = 2º Quartil, coincide com a mediana, deixa 50% dos elementos.

Q3 = 3º Quartil, deixa 75% dos elementos.

Obs: Os elementos da amostra devem estar em ordem crescente

São os valores que dividem a série em 10 (dez) partes

0% 1% 2% 3% ..... 50% ..... 97% 98% 99% 100%

P1 P2 P3 P50 P97 P98 P99

São os valores que dividem a série em 100 (cem) partes

2. Percentis de N medidas podem ser estimados da seguinte

Y ( p ) = Y[ k ] + d × (Y[k +1] − Y[K ] ) Y[k] indica o k-ésimo elemento

2º Passo: Assim, 1,75º elemento será a referência para Q1. Da mesma

Q1 = Y[1] + (0,75)× (Y[2 ] − Y[1] )

Q1 = Y[1] + (0,75)× (Y[ 2 ] − Y[1] ) = 12 + (0,75) = 12,75

Q3 = Y[5] + (0,25)× (Y[6 ] − Y[5] )

Q3 = Y[ 5] + (0,25)× (Y[ 6 ] − Y[ 5] ) = 16 + (0,25) = 16,25

Calcule Q2 como exercício e verifique o resultado.

Para Md temos: lMd= 27, n = 56, Σf = 21, h = 10, FMd= 20

Para Q3 temos: lMd= 37, n = 56, Σf = 41, h = 10, FQ3= 10

3º Passo: Aplica-se a fórmula

3º Passo: Aplica-se a fórmula

classes fi 1º Passo: Calcula-se i · n / 10

2º Passo: Identifica-se a classe Pi

Analisando a quantidade de elementos é possível identificar

3º Passo: Aplicam-se as fórmulas

Para D4 : l D4 = 9, ∑ f = 8, n = 40, h = 5, FD4 = 12

Para P72 : lP72 = 14, ∑ f = 20, n = 40, h = 5, FD4 = 17

xi 243 245 248 251 307

A moda dessa distribuição é o número 248.

∆1 ∆1 = diferença entre a freqüência da classe

classes 0a1 1a2 2a3 3a4 4a5 Σ

1º Passo: Identifica-se a classe modal, no caso a 3ª.

2º Passo: Utiliza-se a fórmula.

Nº empregados 70 140 140 60

Como as amplitudes das classes são diferentes é preciso calcular as

Nº empregados 70 140 140 60

1º Passo: Identifica-se a classe modal, no caso a 3ª.

2º Passo: Utiliza-se a fórmula.

l = 250, ∆1 = 2,8 – 2,0 = 0,8 0,8