Você está na página 1de 34

Matemática Aplicada às Ciências Sociais (M.A.C.S.

)
1 – Métodos de apoio à decisão 3
1.1 – Teoria matemática das eleições 3
1.1.1 – Sistemas de votação 3
1.2 – Teoria da partilha equilibrada 6
1.2.1 – Partilhas no caso discreto 6
1.2.2 – Partilhas no caso contínuo 8
2 – Estatística 9
2.1 – Dados, tabelas e gráficos 9
2.1.1 – Construção de tabelas de frequência 9
2.1.2 – Representações gráficas 10
2.2 – Cálculo de estatísticas 12
2.2.1 – Medidas de localização 12
2.2.2 – Medidas de dispersão 14
2.3 – Dados bivariados 15
2.3.1 – Análise gráfica de dados bivariados 15
3 – Modelos matemáticos 16
3.1 – Modelos financeiros 16
3.1.1 – Problemas matemáticos da área financeira 16
3.1.2 – Atividade bancária 18
3.2 – Modelos de grafos 19
3.2.1 – Grafos eulerianos 19
3.2.2 – Grafos hamiltonianos 19
3.2.3 – Árvores 20
3.3 – Modelos populacionais 21
3.3.1 – Modelo linear 21
3.3.2 – Modelo exponencial 21
3.3.3 – Modelo logarítmico 22
3.3.4 – Modelo logístico 22
4 – Modelos de probabilidade 22
4.1 – Noções básicas 22
4.1.1 – Experiências e espaço de resultados 22
4.2 – Cálculo de probabilidades 23
4.2.1 – Lei de Laplace 23
4.2.2 – Probabilidade condicional, probabilidade total e 23
regra de Bayes
4.3 – Distribuição de probabilidades 24
4.3.1 – Variável aleatória e distribuição de probabilidades 24
de uma variável aleatória discreta
4.3.2 – Distribuição binomial 25
4.3.3 – Distribuição normal 26
5 – Introdução à inferência estatística 27
5.1 – Intervalos de confiança e estimativas 27
5.1.1 – Teorema do limite central e intervalo de confiança 27
5.1.2 – Estimar uma proporção 28
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

Matemática Aplicada às Ciências Sociais (M.A.C.S.)


1 – Métodos de apoio à decisão
1.1 – Teoria matemática das eleições
1.1.1 – Sistemas de votação
1.1.1.1 – Sistemas maioritários
Nos sistemas maioritários, o candidato mais votado ganha tudo, e os outros não ganham
nada.

• De uma volta: ganha o candidato mais votado (independentemente de ter maioria


absoluta – mais de metade dos votos – ou relativa – maior parte dos votos);
• De duas voltas: ganha o candidato que obtiver maioria absoluta na 1ª volta, caso
contrário serão admitidos à 2ª volta os dois candidatos mais votados, e ganhará o
que obtiver mais votos;
• De duas ou mais voltas: são admitidos na 2ª votação todos aqueles que atinjam
uma determinada percentagem de votos, repetindo-se o processo até se obter o
vencedor com maioria absoluta.

1.1.1.2 – Sistemas de representação proporcional

Método de Hondt Método de Saint-Laguë


1 – Dividir os votos por 1, 2, 3, ...; 1 – Dividir os votos por nºs ímpares;

2 – Ordenam-se os quocientes por ordem decrescente, até que o seu nº seja igual ao de
representantes a eleger;

3 – Os mandatos pertencem às listas com maiores quocientes;


4 – Em caso de empate no último mandato, ele pertence à lista com menos votos.

nº total de eleitores
1 – Calcular o divisor padrão = ;
nº de lugares a distribuir

nº de votos na lista
2 – Calcular a quota padrão = ;
divisor padrão

3 – Atribuir a cada lista um nº de lugares iguais às:

1
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

• Quotas mínimas

4 – Se a soma das quotas mínimas for igual ao nº de lugares a eleger, a eleição está feita,
caso contrário:

Método de Hamilton Método de Jefferson


Atribuem-se os lugares sobrantes, um a Procura-se, por tentativa e erro (t. e e.),
um, às listas com quota com maior um divisor padrão modificado – assim,
decimal. quando se procede ao arredondamento
das quotas modificadas , a soma de
todas elas é igual ao número de lugares
a atribuir.
• Quotas máximas

Método de Adams
4 – Se a soma das quotas máximas for igual ao nº de lugares a eleger, a eleição está
feita, caso contrário, procura-se, por t. e e., um divisor padrão modificado.

• Quotas arredondadas

Método de Webster
4 – Se a soma das quotas arredondadas for igual ao nº de lugares a eleger, a eleição está
feita, caso contrário, procura-se, por t. e e., um divisor padrão modificado.

Método de Huntington-Hill
3 – Se a quota é um nº inteiro, atribui-se ao interveniente essa quota; se não for, calcula-
se a sua média geométrica - MG = √p×q, sendo p a quota superior, e q a quota inferior;

4 – Se a média geométrica for menor que a quota padrão, então arredonda-se a quota
para quota máxima; se for maior que a quota padrão, arredonda-se a quota para quota
mínima;

5 – Se a soma das quotas não for igual ao nº de lugares a eleger, por t. e e., procura-se
por um divisor padrão modificado.

Paradoxos do método de Hamilton


Paradoxo de Alabama – Um aumento no nº total de lugares a distribuir pode provocar
a perda de um lugar a um estado;

Paradoxo da população – Perda de um lugar a um estado por aumento da sua


população.

Paradoxo dos novos estados – A introdução de um novo estado e dos seus novos
lugares pode afetar o nº de lugares atribuído aos outros estados.

2
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

1.1.1.3 – Sistemas por ordem de preferência ou preferenciais


Método da pluralidade
Vence o candidato com maior nº de lugares.

Método de eliminação run-off


Simples: São eliminados todos os candidatos à exceção dos dois que reúnem maior nº
de primeiras preferências.

Sequencial:
1 – Contam-se os primeiros lugares de cada candidato e elimina-se aquele que tiver
menos;
2 – Com o esquema reorganizado, sem o candidato eliminado, repete-se o processo, até
se obter o vencedor.

1 – P = nº de pessoas que possam ser eleitas;


2 – Cada eleitor vota nos candidatos pela sua ordem de preferência, da 1ª à p-ésima
preferência;

Método de Borda
3 – São atribuídos pontos a cada um, conforme a ordem de preferência, ou seja, p
pontos para o 1º, p-1 para o 2º, …, e 1 ponto para o último;

4 – Os candidatos são ordenados pela soma dos pontos obtidos, e ganha quem obtiver
mais pontos.

Método de Condorcet
3 – Os candidatos são comparados dois a dois, e o vencedor é aquele que venceu mais
confrontos diretos.

1.1.1.4 – Sistema de aprovação


• É uma forma encontrada para uma eleição mais justa;
• Todos os votantes podem votar em tantos candidatos quantos quiserem;
• Cada candidato recebe um voto, e o candidato com mais votos ganha.
Teorema de Arrow – Para eleições envolvendo mais do que dois candidatos, é
matematicamente impossível encontrar um método democrático e justo para
determinar o vencedor.

3
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

1.2 – Teoria da partilha equilibrada


1.2.1 – Partilhas no caso discreto
Os objetos a partilhar são indivisíveis: casas, automóveis, etc.

1.2.1.1 – Método do ajuste na partilha


1 – Cada um dos intervenientes tem100 pontos para distribuir secretamente pelos itens
a serem partilhados;

2 – Cada item é atribuído (temporariamente) ao interveniente que mais o valorizou (em


caso de empate, é atribuído ao que tiver menos pontos);

3 – Se os dois intervenientes tiverem o mesmo nº de pontos, a partilha está feita; caso


não tenham, o que tiver mais pontos transfere itens (ou parte deles) para o outro, até
igualar o nº de pontos. Para isto, calculam-se os quocientes referentes a cada um dos
itens atribuídos ao interveniente que ficou com mais pontos
nº de pontos atribuídos ao item pelo vencedor inicial
(nº de pontos atribuídos ao item pelo perdedor inicial) e colocam-se por ordem decrescente;

4 – Faz-se a transferência do item a que corresponde o menor quociente e contabilizam-


se novamente os pontos;

5 – Se a transferência total de um item der vantagem à parte que o recebe, terá de se


efetuar a transferência apenas de uma percentagem do item, de forma a igualar o nº de
pontos. Para tal considera-se p a proporção do item que fica para um dos intervenientes,
e 1-p a proporção do mesmo item que fica para o outro interveniente. Somam-se os
pontos atribuídos pelo primeiro interveniente aos seus itens ao produto de p comos
pontos que o mesmo atribui ao item a ser transferido, e faz-se o mesmo com os pontos
atribuídos pelo segundo interveniente aos seus itens e com o produto de 1-p com os
pontos que o mesmo atribui ao item a ser transferido.

1.2.1.2 – Método das licitações secretas


1 – Cada um dos intervenientes atribui, secretamente, um valor em dinheiro a cada um
dos itens a dividir. A parte que cada um dos intervenientes considera ser justa receber
– valor justo – será igual ao quociente entre o valor total que atribuiu aos itens e o nº
de intervenientes;

2 – Cada item é atribuído ao interveniente que mais o valorizou. Se o valor total dos
itens recebidos por um interveniente ultrapassa o que considerou como valor justo a
receber, terá de pagar aos outros a diferença. Se, pelo contrário, o valor dos itens for
inferior ao valor justo, serão os outros intervenientes a pagar-lhe a diferença;

3 – O dinheiro excedente – montante disponível – é dividido igualmente por todos os


intervenientes.

4
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

Exemplo:

Bens\Intervenientes A B C
X 140000 165000 180500
Y 58500 57000 52500
1 Z 41500 48000 47500
Total (T) 240000 270000 280500
T
Valor justo (J = 3 ) 80000 90000 93500
Bens atribuídos Y Z X
2 Valor dos bens (B) 58500 48000 180500
J-B 21500 (recebe) 42000 (recebe) -87000 (paga)
Montante
87000 – 21500 – 42000 = 23500
disponível (M)
3 Dinheiro atribuído
M 7833,3 7833,3 7833,3
(D = 3 )
Mont. final (J-B+D) 29333,33 (recebe) 49833,33 (recebe) -79166,67 (paga)

1.2.1.3 – Método dos marcadores


1 – Alinham-se os objetos a dividir, e cada interveniente divide, secretamente, a fila de
objetos num nº de segmentos igual ao nº de interessados;

2 – Da esquerda para a direita procuram-se os 1ºs marcadores de cada interveniente. O


dono do 1º marcador a aparecer fica com os objetos à esquerda (o seu 1º segmento) e
retiram-se todos os seus restantes marcadores;

3 – Observa-se de novo a fila de objetos, procurando agora os 2ºs marcadores de cada


interveniente. O dono do primeiro 2º marcador a aparecer fica com todos os objetos
que se encontram entre o seu 1º marcador e o seu 2º marcador (o seu 1º segmento).
Retiram-se todos os seus marcadores, assim como os primeiros marcadores dos
restantes intervenientes;

4 – Repete-se o processo até que todos tenham a parte que consideram justa. Se no
final restar apenas um marcador de um dos intervenientes, este fica com todos os
objetos que se encontram à direita do seu marcador;

5 – As sobras podem dividir-se por sorteio ou, se ainda forem mais do que os
intervenientes, aplica-se de novo o método.

5
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

1.2.2 – Partilhas no caso contínuo


Os objetos a partilhar são divisíveis: comida, terrenos, etc. No 1º método, participam
duas pessoas. Nos seguintes, participam três ou mais pessoas.

1.2.2.1 – Método do divisor-selecionador


1 – O divisor, que é escolhido aleatoriamente, efetua a divisão do objeto em duas partes
que considera serem iguais;

2 – O selecionador escolhe uma das partes e o divisor fica com a que sobra.
1.2.2.2 – Método do divisor único
1 – Sorteia-se quem irá dividir o bem. Quem for escolhido divide-o no nº de partes
correspondente ao nº de pessoas;

2 – Os selecionadores selecionam a parte que querem para si:


• Se votarem em partes diferentes, cada um fica com a que quer, e o divisor fica com
a restante;
• Se dois ou mais votarem na mesma parte, mas um deles também tiver votado numa
ainda disponível, esse mesmo selecionador fica com a outra opção, libertando a
outra parte para o outro;
• Se dois ou mais votarem na mesma parte, o divisor escolhe uma das partes
restantes, e as que sobram são unidas e divididas por um dos selecionadores, e
escolhida pelo outro.

1.2.2.3 – Método do selecionador único


1 – O bem é dividido em tantas partes quanto o nº de divisores;
2 – Cada divisor divide a sua parte em tantas partes quanto o nº de intervenientes;
3 – O selecionador escolhe uma parte de cada divisor, e o restante fica para eles.
1.2.2.4 – Método do último a diminuir
1 – Todos os intervenientes (simultaneamente divisores e selecionadores) são
ordenados aleatoriamente;
1
2 – O primeiro interveniente divide uma parte do bem que considere n do valor total,
sendo n o nº de intervenientes;
1
3 – O interveniente seguinte pode dizer que a parte dividida é mesmo n ou menor, e
passa a vez ao interveniente seguinte, ou pode dizer que a parte dividida é mais do que
1
, retira-lhe uma parte, e passa a vez ao interveniente seguinte;
n

6
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

4 – Os intervenientes seguintes fazem o mesmo, e, depois da 1ª volta, o último a ter


diminuído a parte fica com ela e sai do jogo. Caso, nessa volta, ninguém tenha reduzido
essa parte, o interveniente que a dividiu inicialmente sai com ela;

5 – O processo repete-se até sobrarem dois jogadores: aí, um divide ao meio, e o outro
escolhe uma das partes (método do divisor-selecionador).

1.2.2.5 – Método livre de inveja


1 – Aleatoriamente, é escolhido um divisor e a ordem dos intervenientes;
2 – O divisor divide o todo em n+1 partes que considere iguais (sendo n o nº de
intervenientes);

3 – Os intervenientes retificam as partes que consideram estar em excesso. No processo


de escolha, caso a parte que um interveniente tiver retificado não tiver sido ainda
escolhida, o mesmo interveniente tem de escolhê-la obrigatoriamente;

4 – No fim do processo de escolha, devem sobrar duas partes – o divisor escolhe uma
delas para si.

1.2.2.6 – Método da faca deslizante


1 – Uma pessoa (que não recebe nenhuma parte) move a faca sobre o alimento até que
alguém peça para parar – aí, a pessoa com a faca corta uma fatia;

2 – A parte que foi cortada fica para a pessoa que pediu para parar, e o processo repete-
se até todos terem uma fatia.

2 – Estatística
2.1 – Dados, tabelas e gráficos
2.1.1 – Noções básicas
2.1.1.1 - Variável
A variável ou caráter estatístico (xi) é uma característica ou propriedade da população
em estudo, à qual se pode atribuir um nº ou uma categoria. As variáveis estatísticas
podem ser:

• Qualitativas – são atributos que, por se relacionarem com qualidades, não se


podem traduzir numericamente;
• Quantitativas – são atributos que se podem traduzir numericamente, através de
uma contagem ou de uma medição. Estas podem ainda ser:
• Discretas – a variável só toma valores correspondentes a pontos isolados;
• Contínuas – a variável só pode tomar qualquer valor de um intervalo.

7
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

2.1.1.2 – População
A população ou universo estatístico é o conjunto de elementos com pelo menos uma
característica comum que se pretende analisar.
Chama-se unidade estatística a cada um dos elementos da população, e efetivo ou
dimensão da população ao nº de elementos da população.
Faz-se um censo quando se quer realizar um estudo estatístico que incida sobre todos
os elementos da população.

2.1.1.3 – Amostra
A amostra é o subconjunto finito da população. Amostragem é todo o processo de
recolha de uma parte, geralmente pequena, dos elementos que constituem um dado
conjunto. Da análise dessa parte pretende obter-se informações para todo o conjunto.
Nesse processo, é importante distinguir entre população e população inquirida – aquela
sobre a qual é efetivamente feita a amostragem.
Faz-se uma sondagem quando se quer realizar um estudo estatístico em que se utilize
apenas uma amostra da população.

2.1.2 – Construção de tabelas de frequência


2.1.2.1 – Frequência absoluta
A frequência absoluta (fi) é o nº de vezes que o valor da variável se repete ou é
observado. A frequência absoluta acumulada (Fi) é igual à soma das frequências
absolutas.

2.1.2.2 – Frequência relativa


A frequência relativa (fri) é igual ao quociente entre a frequência absoluta e o nº total
de observações. A frequência relativa acumulada (Fri) é igual à soma das frequências
relativas.

2.1.2.3 – Regra de Sturges


Para organizar uma amostra de dados contínuos, de dimensão n, pode considerar-se
para o nº de classes o valor k, onde k é o menor nº inteiro, tal que 2k ≥ n.

2.1.3 – Representações gráficas


2.1.3.1 – Diagramas de caule-e-folhas
1 – Traça-se uma linha vertical e regista-se do lado esquerdo o(s) dígito(s) da
ordem de maior grandeza;

2 – Regista-se do lado direito da linha o dígito do valor da variável em estudo


correspondente às unidades (podem ou não aparecer por ordem crescente).

8
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

2.1.3.2 – Gráficos circulares Ano de escolaridade dos


participantes
São gráficos construídos a partir da divisão 12º Ano
9%
de um círculo em setores circulares cuja área 11º Ano
é proporcional à frequência de cada um dos 10%
10º Ano 9º Ano
valores da variável. A amplitude do ângulo de 23% 58%
fi
cada setor é igual a n x 360° ou a fri x 360°.

2.1.3.3 – Pictogramas
São gráficos onde se utilizam figuras o símbolos alusivos à variável em estudo.

2.1.3.4 – Gráficos de barras


São gráficos formados por um conjunto de barras cuja altura é proporcional às
frequências de cada um dos valores da variável. Num dos eixos, marcam-se as
frequências, e no outro, os valores da variável.
As variáveis devem ser qualitativas ou quantitativas discretas.
Cor do cabelo dos participantes Nº de irmãos dos participantes
45 35 32
39
40
Nº de pariticipantes (fi)

30
Nº de participantes (fi)

35
25
30
25 20
15
20 15
15 12 10
10
10 6
3 5 3
5
0 0
Castanho Loiro Ruivo Outro 0 1 2 3
Cor do cabelo (xi) Nº de irmãos (xi)

9
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

2.1.3.5 – Gráficos de linhas


São usados para representar informação que varia ao longo do tempo.

Evolução das vendas (em milhões de euros)


80
Milhões de € em vendas (fi)

70
60
50
40
30
20
10
0
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
Anos (xi)

2.1.3.6 – Histogramas
São gráficos formados por um conjunto de retângulos adjacentes, tendo por base o
intervalo da classe e uma área proporcional às respetivas frequências (absolutas e
relativas) de cada classe. Estes gráficos utilizam-se sempre que os dados estão
agrupados em classes na forma de intervalos (variáveis contínuas).
Para se calcularem o nº de classes de uma variável utiliza-se a Regra de Sturges, e para
se calcular o intervalo das classes, faz-se a amplitude do conjunto dos dados.

Notas dos alunos no exame


14

12

10
Nº de alunos (fi)

0
2 4 6 8 10 12 14 16 18 20
Notas dos alunos (xi)

10
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

2.1.3.7 – Polígonos de frequências


O polígono de frequências resulta da união sucessiva dos pontos médios dos lados
superiores dos diferentes retângulos de um histograma através de segmentos de reta.
Para que o polígono fique concluído, deverá ainda unir-se o extremo esquerdo do
polígono com o ponto médio da classe anterior à primeira cuja frequência é nula,
procedendo-se analogamente para o extremo direito do polígono.

Notas dos alunos no exame


14

12

10
Nº de alunos (fi)

0
2 4 6 8 10 12 14 16 18 20
Notas dos alunos (xi)

2.2 – Cálculo de estatísticas


2.2.1 – Medidas de localização
n
2.2.1.1 – Média
∑ xi
• Para dados simples ou não classificados: x =_ i=1 _ Casio: Stat – Calc – 1 Var
• Para dados agrupados ou classificados: n
n (dados simples) / 2 Var
∑ fi × xi (dados agrupados) - x
x =__
i=1 _
2.2.1.2 – Moda n
A moda (Mo) é o valor da variável ao qual corresponde uma maior frequência. A amostra
é:

• Bimodal se houver dois valores com a maior frequência;


• Plurimodal se existirem vários valores com a frequência mais alta;
• Amodal se os valores da variável têm todos a mesma frequência.
Quando os dados estão agrupados em classes, sob a forma de intervalos, a classe modal
é a classe à qual corresponde a maior frequência.

11
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

2.2.1.3 – Mediana
A mediana (Md ou 𝐱̃) é preferível à média quando
Casio: Stat – Calc – 1 Var/ 2 Var
se está interessado em conhecer o ponto médio da
- Med
distribuição dos dados, ou seja, o valor que divide
os dados em duas partes iguais (Q2).

2.2.1.4 – Quartis
• O 1º quartil (Q1) é o valor que divide a amostra (ordenada por ordem crescente) em
duas partes, de tal modo que 25% das
observações sejam inferiores ou iguais a esse
Casio: Stat – Calc – 1 Var/ 2 Var
valor. Quando n é:
n+ 2
– Q1
• Par – Q1 = xk, k = 4
;
n+ 1
• Ímpar – Q1 = xk, k = 4
.
• O 2º quartil (Q2) é o valor que divide a amostra (ordenada) em duas partes, de tal
modo que 50% das observações sejam
inferiores ou iguais a esse valor. O 2º quartil Casio: Stat – Calc – 1 Var/ 2 Var
corresponde assim à mediana; - Med
xk +xk +1 n
• Par – Q2 = x̃ = 2
, k = 2;
n+1
• Ímpar – Q2 = x̃ = xk, k = 2
.
• O 3º quartil (Q3) é o valor que divide a amostra (ordenada por ordem crescente) em
duas partes, de tal modo que 75% das
observações sejam inferiores ou iguais a esse Casio: Stat – Calc – 1 Var/ 2 Var
valor. – Q3
3n+ 2
• Par – Q3 = xk, k = 4
;
n+ 1
• Ímpar – Q3 = xk, k = 3 x 4
.

Diagrama de extremos e quartis


1 – Desenha-se uma linha vertical ou horizontal onde se marcam alguns dos valores da
variável, nomeadamente os extremos e quartis;

2 – Constrói-se um retângulo correspondente ao intervalo entre o 1º e o 3º quartil;


3 – Constrói-se um segmento de reta entre o extremo inferior e o 1º quartil e outro
segmento de reta entre o 3º quartil e o extremo superior.
A partir do diagrama de
extremos e quartis, podem-
se tirar conclusões quanto à
dispersão e concentração
dos conjuntos de dados:

12
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

• Dados simétricos – os dados estão distribuídos de forma simétrica;


• Enviesamento para a esquerda – os dados estão mais dispersos à esquerda de Q2 e
mais concentrados à direita de Q2;
• Enviesamento para a direita – os dados estão mais dispersos à direita de Q2 e mais
concentrados à esquerda de Q2.

2.2.2 – Medidas de dispersão


2.2.2.1 – Amplitude
Representa-se por R (range) de um conjunto de dados à diferença entre o valor máximo
e o valor mínimo desse conjunto.

2.2.2.2 – Amplitude interquartil


A amplitude interquartil (Aq) é a diferença entre o 3º quartil (Q3) e o 1º quartil (Q1), isto
é, Q3 – Q1.

2.2.2.3 – Desvio médio


• Para dados simples:
• Para dados agrupados:

Na qual k representa o nº de valores diferentes que surgem na amostra.


Se os dados estão agrupados em classes, xi e fi são, respetivamente, o ponto médio e a
frequência absoluta da classe i; k é o número de classes.

2.2.2.4 – Desvio padrão


O desvio padrão representa-se por s quando os
dados da variável representam uma amostra, ou Casio: Stat – Calc – 1 Var/ 2 Var
por σ quando os dados da variável representam a – xσn (σ)/ xσn-1(s)
população, e é igual à raiz quadrada da variância
(s2 ou σ2), ou seja, σ = √σ2. Quando os dados da
variável representam:

• Uma amostra, a variância é igual a


• A população, a variância é igual a

13
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

2.3 – Dados bivariados


2.3.1 – Análise gráfica de dados bivariados
Dados bidimensionais ou bivariados são dados obtidos de pares de variáveis.
Diagrama de dispersão ou gráfico de correlação é um gráfico em que a cada ponto
correspondem duas coordenadas, que são os valores das duas variáveis em estudo (xi e
yi). Este gráfico permite analisar de que forma se relacionam duas variáveis.

2.3.1.1 – Correlação linear


Diz-se que existe correlação entre duas variáveis quando a variação de uma delas
implica uma alteração na outra.
A correlação diz-se linear se a nuvem de pontos se ajustar em torno de uma linha reta,
que é a reta de regressão.
A correlação linear pode ser:

• Linear positiva – quando a variável x aumenta, a variável y também


aumenta; diz-se que há uma associação positiva entre as variáveis
se aos maiores valores de uma correspondem, de uma maneira
geral, os maiores valores da outra;
• Nula – não há associação entre as variáveis quando a nuvem de
pontos se encontra bastante dispersa;
• Linear negativa – quando a variável x aumenta, a variável y
diminui; diz-se que há uma associação negativa entre as variáveis
se aos maiores valores de uma correspondem, de um modo geral,
os menores valores de outra, e vice-versa.

2.3.1.2 – Coeficiente de correlação


O coeficiente de correlação linear, ou
coeficiente de Pearson, mede o grau de
associação linear entre duas variáveis.
Representa-se por r e varia entre -1 e 1.

• Se r=1, a correlação diz-se total (ou perfeita)


positiva;
Casio: Stat – Grph – Gph1 – X - r
• Se r=0, a correlação diz-se nula, isto é, não há
correlação linear;
• Se r=–1, a correlação diz-se total (ou perfeita) negativa.
2.3.2 – Tabelas de contingência
Tabela de contingência é um processo de organizar informação correspondente a
dados bivariados qualitativos, quantitativos ou ambos.

14
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

3 – Modelos matemáticos
3.1 – Modelos financeiros
3.1.1 – Problemas matemáticos da área financeira
3.1.1.1 – Impostos
Imposto é uma prestação de carácter obrigatório, das famílias para o Estado. Existem
dois tipos de impostos:

• Diretos – aqueles que incidem diretamente sobre o valor tributável, ou seja, o


rendimentos das famílias: exemplo do IRS e do IRC;
• Indiretos – aqueles que incidem indiretamente sobre o valor do rendimento das
famílias: exemplo do IVA, IMI, IMT, Imposto de Selo, Imposto sobre Veículos
Motorizados, Imposto sobre os Combustíveis, Imposto sobre o Tabaco e Imposto
sobre Heranças.

IVA
O IVA (Imposto sobre o Valor Acrescentado) é um imposto indireto e sobre a despesa.
Este imposto incide sobre bens de consumo, e a sua taxa varia no Continente e nas
Regiões Autónomas. Para se calcular o custo do IVA num bem, deve-se utilizar uma regra
de três simples ou uma multiplicação:

• Preço do bem com IVA ------- 100% + taxa de IVA


Valor monetário do IVA (x) ------- Taxa de IVA;
• Preço do bem sem IVA × Taxa de IVA (2 c. d.).

IMI
O IMI (Imposto Municipal sobre Imóveis) é um imposto indireto que incide sobre o
valor patrimonial tributário dos prédios rústicos, urbanos ou mistos, situados em
Portugal. O valor patrimonial tributário dos prédios urbanos (Vt) é obtido pela
expressão seguinte – Vt = Vc × A × Ca × Cl × Cq × Cv, na qual:

• Vc – valor base dos prédios edificados;


• A – área bruta de construção e área excedente à área de implantação;
• Ca – coeficiente de afetação;
• Cl – coeficiente de localização;
• Cq – coeficiente de qualidade e conforto;
• Cv – coeficiente de vetustez.
O Vt apurado é arredondado para a dezena de euros imediatamente superior (ex. –
246522,60 arredonda-se para 246530). Depois de se conhecer o Vt, o IMI calcula-se
multiplicando-o pela taxa em vigor na área onde se localiza o prédio urbano (ex. –
246530 (Vt) × 0,006 (0,6% de taxa) = 1479,18 €).

15
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

IMT
O IMT (Imposto Municipal sobre a Transmissão Onerosa de Imóveis) é um imposto
indireto e sobre o capital. Para calcular o valor a pagar de IMT, aplica-se a taxa
correspondente ao valor do imóvel (o valor a utilizar será o mais elevado dos dois
valores existentes – o valor de aquisição e o valor patrimonial), e, de seguida, subtrai-
se o valor da parcela a abater, ou seja: IMT = Valor do imóvel × Taxa - Parcela a abater.
IRS
O IRS (Imposto sobre o Rendimento de Pessoas Singulares) é um imposto direto e
sobre o rendimento. O cálculo do IRS muda de acordo com a situação, mas pode-se
resumir pelo seguinte:
• Quando o sujeito passivo faz deduções à coleta, é necessário calcular o
rendimento coletável antes de se calcular o IRS propriamente dito:
Rendimento bruto – deduções específicas = Rendimento líquido global;
Rend. líq. global – abatimentos = Rendimento coletável.
Quando o sujeito passivo não faz deduções à coleta, não é necessário calcular o
rendimento coletável, pois este vai ser igual ao rendimento bruto (caso o
contribuinte seja solteiro);
• Caso o sujeito passivo seja solteiro, o IRS vai ser calculado pela seguinte fórmula:
Rendimento coletável × taxa – parcela a abater.
Caso sejam dois sujeitos passivos casados, o IRS é calculado de forma diferente:
[(Rendimento coletável : 2) × taxa – parcela a abater] x 2

3.1.1.2 – Inflação e custo de vida


Enquanto que a inflação representa o crescimento contínuo e generalizado dos preços
dos bens, a deflação corresponde a uma descida continuada e generalizada deles.
Uma das consequências da inflação é a descida do poder de compra dos consumidores
devido ao aumento do custo de vida. A variação do custo de vida calcula-se pelo Índice
de Preços no Consumidor (IPC). Este índice toma em consideração um «cabaz de bens
de consumo corrente» fixo e mede o seu custo.
IPC (ano B) − IPC (ano A)
A taxa de inflação calcula-se da seguinte forma:
IPC (ano A)
× 100

3.1.2 – Atividade bancária


3.1.2.1 – Depósitos e juros
Juro é uma quantia em dinheiro que deve ser paga por um devedor (o que pede
emprestado), pela utilização de dinheiro de um credor (aquele que empresta).

Juro simples
O juro produzido em cada período de tempo pelo capital é depositado na conta à ordem,
C×n×i
sendo o seu valor dado por J = , onde C é o capital depositado, n o período de
36500
tempo (em dias) para pagar o juro e i a taxa de juro (em %).
16
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

Juro composto
O juro produzido em cada período de tempo é adicionado ao capital, produzindo no
i n
período seguinte ainda mais juro. O seu valor é dado por Jn = C0 [(1 + ) − 1],
100
onde Jn é o juro acumulado ao fim de n anos, C0 o capital inicial, n o período de tempo
(em anos) para pagar o juro e i a taxa de juro (em %).
O capital acumulado ao fim de n anos, num regime de juro composto, é dado por
i n
Cn = C0 (1 + ) .
100

3.1.2.2 – Empréstimos
Quando um banco empresta dinheiro (prestação) a alguém, esse devedor é obrigado a
devolvê-lo numa ou em várias contraprestações, acrescido de um juro que corresponde
à compensação que o banco recebe por emprestar o capital. Para se calcularem as
prestações mensais que o devedor terá de pagar ao banco, fazem-se os seguintes
cálculos:
E E i
Prestação mensal = Amortização ( ) + Juros mensais ( × ), onde E é o valor do
n 12 100
empréstimo, n o período de tempo estipulado para pagamento (em meses) e i a taxa de
juro (em %).

3.1.2.3 – Fundos de investimento


Fundo de investimento é uma forma de poupança coletiva que resulta das aplicações
de poupanças de vários investidores, constituindo o conjunto dessas aplicações um
património pertencente a uma pluralidade de pessoas singulares ou coletivas.
Cada investidor participa com uma pequena parte do investimento total, que se
denomina unidade de participação (UP), a qual ao longo do tempo vai assumindo
diversas valorizações, conforme a evolução global do fundo. A cotação da UP de um
fundo referente a um determinado dia resulta da seguinte fórmula:
Valor total da carteira no dia útil anterior
Cotação da UP = .
Nº de UP em circulação

O valor da subscrição de um fundo é igual ao nº de UP × cotação da UP.


O valor do resgate (levantamento do montante aplicado) em qualquer fundo é igual ao
nº de UP × cotação da UP – nº de UP × cotação da UP × comissão. A comissão de
subscrição é igual ao valor da subscrição × taxa de comissão.

17
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

3.2 – Modelos de grafos


3.2.1 – Linguagem e notações da teoria dos grafos
3.2.1.1 – Grafo, vértices, arestas, subgrafo, grafo ponderado e
orientado
Um grafo G é um par
(V,A) em que V
representa o conjunto
(não vazio) dos vértices
e A o conjunto das
arestas. Uma aresta liga
um vértice com outro
vértice ou o vértice com
ele próprio – uma aresta
que o faz é chamada
lacete ou laço. Um grafo
sem arestas chama-se grafo nulo.
Um vértice isolado é um vértice que não tem ligação com nenhum outro vértice.
Se dois vértices estão ligados por mais do que uma aresta, então as arestas que os ligam
são chamadas arestas paralelas.
Um grafo G é chamado subgrafo do
grafo H se todo o vértice de G é vertice
de H e se toda a aresta de G é aresta
de H.
Um grafo é ponderado quando as suas arestas possuem um peso (caso esse grafo seja
a representação de um mapa, por exemplo, o peso pode ser a distância, tempo, preço
entre um vértice e outro).
Se as arestas de um grafo têm uma direção associada (indicada por uma seta na
representação gráfica) esse grafo é orientado ou é um digrafo.

3.2.1.2 – Adjacência, ordem, dimensão e grau dos vértices


Vértices adjacentes são dois vértices com uma aresta a uni-los. Arestas adjacentes são
duas arestas com um vértice em comum.
Ao nº de vértices dum grafo chama-se ordem, e ao nº de arestas chama-se dimensão.
O grau ou valência de um vértice é igual ao nº de arestas que começam (ou terminam)
nesse vértice. O lacete conta duas vezes.
A soma de todos os graus dos vértices é igual a 2 × nº de arestas.
Num grafo sem pontos isolados, o nº de vértices de grau ímpar é par.
Um grafo regular é um grafo em que todos os vértices têm o mesmo grau.

18
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

3.2.1.3 – Grafo conexo, ponte e grafo completo


Um grafo é conexo quando qualquer vértice está ligado por uma aresta ou por uma
sequência de arestas a qualquer um dos outros vértices do grafo.
A uma aresta cuja remoção transforma um grafo conexo em desconexo chama-se ponte.

Chama-se grafo completo e simples a um grafo em que quaisquer dois dos seus vértices
são adjacentes, isto é, há pelo
menos uma aresta para cada
par dos seus vértices. Esses
grafos são designados por Kn,
em que n representa a ordem
do grafo.

3.2.1.4 – Caminho e circuito


Sejam x e y dois vértices de um grafo G. Um caminho de
x para y é uma sequência alternada de vértices e arestas
adjacentes de G. Esta sequência começa em x e termina
em y. Um grafo que tenha no máximo 2n vértices pode
ser percorrido completamente por n caminhos distintos
e separados. No exemplo ao lado, o caminho representa-
se por A – B – C – F.
Um circuito ou ciclo é um caminho que começa e acaba
no mesmo vértice. Chama-se comprimento de um
circuito ao nº de arestas por que é constituído. No
exemplo ao lado, o circuito representa-se por A – B – C –
D – E – F.

3.2.2 – Grafos eulerianos


3.2.2.1 – Circuito e caminho de Euler
Um circuito de Euler é um circuito que passa uma única vez em cada aresta do grafo.
Um grafo diz-se euleriano se admite um circuito de Euler. O teorema de Euler diz que
um grafo é euleriano se for conexo e se todos os seus vértices forem de grau par.
Um caminho euleriano é um caminho que passa uma única vez em cada aresta. O
teorema do caminho de Euler diz que um grafo admite um caminho euleriano se for

19
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

conexo e se tiver apenas dois vértices com grau ímpar. Tal caminho terá início num dos
vértices de grau ímpar e terminará no outro vértice de grau ímpar.

3.2.2.2 – Eulerizar um grafo


Ao processo que consiste em transformar um grafo que não é de Euler num grafo de
Euler, duplicando arestas, chama-se eulerizar um grafo.

3.2.3 – Grafos hamiltonianos


3.2.3.1 – Circuito de Hamilton
Chama-se circuito de Hamilton ou hamiltoniano a um caminho que começa e acaba no
mesmo vértice, passando por todos uma única vez. Um grafo que admite um circuito de
Hamilton é um grafo hamiltoniano. Num grafo com pontes não existem circuitos de
Hamilton, mas num grafo completo existem sempre. O teorema de Dirac (que nem
sempre funciona) diz que um grafo pode ser hamiltoniano se o grau de todos os vértices
for maior ou igual à metade da ordem do grafo.
Um caminho de Hamilton ou hamiltoniano é um caminho que passa uma única vez por
todos os vértices. Um grafo hamiltoniano admite sempre caminhos de Hamilton.

3.2.3.2 – Circuitos de Hamilton em diferentes tipos de grafos


Grafos bipartidos
Um grafo bipartido é um grafo com dois conjuntos de
vértices iguais, em que cada vértice de um conjunto está
ligado a todos os outros vértices do outro. Se o nº de vértices
de uma linha for igual ao nº de vértices da outra linha, o grafo
é hamiltoniano.

Grafos-grelha
Considere-se m o nº de linhas e n o nº de colunas num
grafo-grelha:

• Se m e n forem pares, o grafo é hamiltoniano;


• Se m ou n forem ímpares, o grafo é hamiltoniano;
• Se m e n forem ímpares, o grafo não é
hamiltoniano.

20
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

Grafos completos
• Nº de circuitos em Kn = (n-1)! ;
n (n−1)
• Nº de arestas em Kn = ;
2
(n−1)!
• Nº de circuitos diferentes em Kn = .
2

Grafos planares
Um grafo planar é um grafo que pode ser
desenhado no plano de forma que as arestas não
se cruzem. Alguns destes grafos podem ser
hamiltonianos.

3.2.3.3 – Algoritmos de circuitos hamiltonianos


Algoritmo da cidade mais próxima
1 – Seleciona-se a cidade (vértice) de partida.
2 – Segue-se de cidade em cidade, indo para a mais próxima não visitada, tendo em
conta que se houver dois vértices com a mesma proximidade, escolhe-se um
aleatoriamente, e que só se pode fechar o circuito quando todos os vértices tiverem sido
visitados.

Algoritmo do peso das arestas


1 – Ordenam-se as arestas pelos seus pesos;
2 – Escolhem-se sucessivamente as arestas de menor peso, tendo em conta que um
vértice nunca poderá aparecer três vezes e que nunca se fecha um circuito havendo
vértices por visitar.

3 – Ordena-se a solução conforme o vértice de partida escolhido.

3.2.4 – Árvores
3.2.4.1 – Propriedades e árvore abrangente
Árvores são uma classe de grafos que não têm circuitos (não podem ter arestas paralelas
nem lacetes) e que são conexos. Numa árvore, só há um caminho entre dois vértices, e
cada aresta é uma ponte. Uma árvore com n vértices tem n-1 arestas.
Uma árvore abrangente é um subgrafo
conexo que contém todos os vértices do seu
grafo.

21
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

3.2.4.2 – Algoritmo de Kruskal


Escolher sucessivamente as arestas com menor peso, até se formar uma árvore
abrangente.

3.2.4.3 – Algoritmo de Prim


1 – Encontrar a aresta com menor peso (se houver mais do que uma, escolhe-se ao
acaso). Colocar em T (conjunto dos vértices pertencentes à árvore) os dois vértices
adjacentes a essa aresta;

2 – Escolher a aresta de menor peso que ligue um vértice de T a um vértice de S


(conjunto dos vértices que ainda não pertencem à árvore) e repetir até não haver mais
vértices em S.

3.2.4.4 – Caminho crítico


O método do caminho crítico pode conduzir a um dígrafo que permite determinar o
tempo mínimo de execução de um projeto quando se conhecem as diversas etapas e as
respetivas dependências. 7 6
Exemplo: 3 4
Tarefa Tempo (min.) Pré-requisitos 8
1 8 Nenhum 1 2 14
2 11 Nenhum 5 6
3 7 1 11
4 6 5 Tempo mínimo – 11+2+14 = 27 min.
2 9
5 2 1e2
6 14 5 7
7 9 2
Para se determinar o tempo mínimo, deve-se começar por escolher a tarefa que demora
mais tempo a ser feita. Escolhe-se depois a tarefa seguinte, que depende dela, e que
demora mais tempo a ser feita, e assim sucessivamente. Porém, deve-se tomar atenção
às outras tarefas fora dessa linha de dependência, que podem demorar mais tempo a
serem feitas do que várias juntas.

3.3 – Modelos populacionais


3.3.1 – Modelo linear
3.3.1.1 – Progressão aritmética
Uma sequência ou progressão é aritmética quando an+1 – an = r, ou seja, quando a
diferença entre quaisquer dois termos consecutivos é constante. Ao número r chama-
se razão.
O termo geral de uma progressão aritmética (an) é igual a an = a1 + (n – 1) × r ou a
an = a0 + n × r.

22
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

A soma dos n primeiros termos de uma progressão aritmética (an) é dada pela fórmula
a1 + an
Sn = ×n.
2

3.3.1.2 – Modelo de regressão linear


y = ax + b, em que a e b são números reais.

3.3.2 – Modelo exponencial


3.3.2.1 – Progressão geométrica
an+ 1
Uma sequência ou progressão é geométrica quando = r ou quando an – 1 = an × r .
an
O termo geral de uma progressão geométrica é igual a an = a1 × rn – 1 .
A soma dos n primeiros termos de uma progressão geométrica é dada pela fórmula
1− rn
S n = a1 × .
1−r

3.3.2.2 – Modelo de regressão exponencial


y = a × bx, em que a e b são números reais.

3.3.2.3 – Modelo de Malthus


P(t) = Pert, em que P é a população para t=0 (ou seja, população inicial), r é a razão do
crescimento/decrescimento e t o tempo de crescimento ou de decrescimento da
população.

3.3.3 – Modelo logarítmico


3.3.3.1 – Propriedades da função logarítmica
• 10x = a  x = log a;
• ex = a  x = ln a;
• r × log a  log (ar);
• log 10r = r.

3.3.3.2 – Modelo de regressão logarítmica


y = a + b ln x, em que a e b são números reais.

3.3.4 – Modelo logístico


3.3.4.1 – Modelo de regressão logístico
𝐜
y= , em que a, b e c são números reais.
𝟏+𝐚𝐞−𝐛𝐱

23
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

4 – Modelos de probabilidade
4.1 – Noções básicas
4.1.1 – Experiências e espaço de resultados
4.1.1.1 – Experiências
• Determinista – produz sempre o mesmo resultado;
• Aleatória – não se conhece o resultado antes de se realizar a experiência:
• Simples – produz-se uma ação;
• Composta – produzem-se duas ou mais ações.

4.1.1.2 – Espaço de resultados


O espaço de resultados ou espaço amostral é representado por S, E ou Ω, e é
constituído pelos resultados possíveis de uma experiência.

4.1.2 – Acontecimentos
4.1.2.1 – Tipos de acontecimentos
• Elementar – um único resultado;
• Composto – dois ou mais resultados;
• Certo – o resultado consta de todos os elementos: A = Ω;
• Impossível – o resultado não tem qualquer elemento: A = Ø ou A = { }.
Para a contagem de casos possíveis numa experiência, podem-se utilizar diagramas de
árvore ou tabelas de dupla entrada.
V (V,V)
V F
V
V (V,V) (V,F)
F (V,F)
(F,V)
F (F,V) (F,F)
V
F

F (F,F)
4.1.2.2 – Operações com acontecimentos
Acontecimento união/ reunião
Acontecimento constituído por todos os resultados de A e B. Representa-se por A ∪ B.
S A∪B ou S A∪B Diagrama
de Venn
A B A B

24
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

Acontecimento interseção
Acontecimento constituído pelos resultados que pertencem simultaneamente a A e a
B. Representa-se por A ∩ B.
Quando há uma interseção entre dois acontecimentos, e se quer saber a probabilidade
de A ou B ocorrerem sem que ambos possam ocorrer simultaneamente, deve-se
descobrir o valor de A ∩ B, e, de seguida, subtrai-lo com A + A ∩ B e B + A ∩ B. Para se
descobrir o valor de A ∩ B, somam-se os valores de todos os acontecimentos (ainda
com A∩B incluído) e, de seguida, subtraem-se com o total.
S

A A∩B B

Acontecimentos disjuntos ou mutuamente exclusivos


Acontecimentos que não têm elementos em comum.
S
A∩B={}
A B

Acontecimento complementar ou contrário


Acontecimento constituído por todos os resultados de S que não pertencem a A.
Representa-se por Ā ou Ac.
De acordo com as leis de De Morgan, ̅̅̅̅̅̅̅
A ∩ B = A ∪ B e ̅̅̅̅̅̅̅
A ∪ B = A ∩ B.
S

A Ā

4.1.2.3 – Acontecimentos independentes


Dois acontecimentos são independentes quando a realização de um deles não
interfere na probabilidade da realização do outro: P(A ∩ B) = P(A) × P(B).

25
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

4.2 – Cálculo de probabilidades


4.2.1 – Lei de Laplace
nº de resultados favoráveis a A
P(A) =
nº de resultados que constituem S

4.2.2 – Probabilidade condicional, probabilidade total e regra de


Bayes
4.2.2.1 – Probabilidade condicional
P(A ∩ B) P(A) × P (B|A)
Probabilidade de A tendo em conta que B = P(A|B) = =
P(B) P(B)

4.2.2.2 – Teorema da probabilidade total


Seja S constituído por B1, B2, …, Bk, e A um acontecimento.
P(A) = P(B1) × P(A|B1) + P(B2) × P(A|B2)+ … + P(Bk) × P(A|Bk)

B1 B2 B3

4.2.2.3 – Regra de Bayes


P(A ∩ Bi) P(Bi) × P (A|Bi)
P(Bi|A) = = P(B1) × P(A|B1) + P(B2) × P(A|B2)+ … + P(Bk) × P(A|Bk)
P(A)

4.3 – Distribuição de probabilidades


4.3.1 – Variável aleatória e distribuição de probabilidades de
uma variável aleatória discreta
Uma variável aleatória é uma variável cujo valor é um resultado numérico associado
ao resultado de uma experiência aleatória, e é representada por X, Y ou Z.
Uma variável aleatória é discreta se toma um nº finito de valores ou um nº infinito
numerável.
Uma variável aleatória é contínua se toma todos os valores de um intervalo ou reunião
de intervalos.
Chama-se distribuição de probabilidades ou função massa de probabilidades de uma

26
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

variável aleatória discreta X à aplicação que


a cada valor xi da variável X faz corresponder
a respetiva probabilidade pi. Tal representa-
se por:

4.3.1.1 – Valor médio e desvio-padrão populacional de uma


distribuição de probabilidades
O valor médio (µ) de uma distribuição de probabilidades é obtido pela multiplicação
de cada valor xi pela respetiva probabilidade e à soma dos resultados obtidos, ou seja:
n

µ = ∑ xi pi
i=1

Num jogo: quando µ > 0 – o jogo é favorável ao jogador; quando µ = 0 – o jogo é


equitativo; µ < 0 – o jogo é favorável à casa.
O desvio-padrão populacional (σ) de uma distribuição de probabilidades é igual à raiz
quadrada da variância populacional (σ2) de uma distribuição de probabilidades, ou
seja, σ = √σ2.
A variância populacional é igual à multiplicação de cada resultado (xi - µ)2 pela
probabilidade pi = P(X=xi), e à soma dos resultados obtidos, ou seja:
n

σ2 = ∑(xi − µ)2 pi
i=1

4.3.2 – Distribuição binomial


4.3.2.1 – Modelo de distribuição binomial
No modelo de distribuição binomial:

• Há n provas idênticas;
• Em cada prova da experiência aleatória, são apenas possíveis dois resultados – o
sucesso A ou o insucesso Ā;
• O resultado de cada prova é independente dos resultados obtidos anteriormente;
• A probabilidade do sucesso A (p) não varia de uma prova para outra;
• Todas as experiências têm reposição.
A variável aleatória X é discreta e pode assumir os valores 0, 1, 2, …, n, e representa o
nº de sucessos nas n provas. Esta chama-se variável aleatória com distribuição
binomial de parâmetros n e p, e representa-se por B (n,p).

27
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

Para se determinar a probabilidade de uma variável aleatória X discreta com


distribuição binomial assumir valores como 1, 2, …, n, utiliza-se a seguinte fórmula:
n!
P(X = k) = × pk (1 − p)n−k , k = 0, 1, 2, … , n
k! (n − k)!
Na qual X é a variável aleatória, k o valor
pretendido, n o nº de provas e p a probabilidade Casio: Stat – Dist – Binm – Bpd
de sucesso. – Var: Num= n; P = p; x = k

Valor médio e desvio-padrão populacional da distribuição binomial


• µ = n × p;
• σ2 = n × p × (1-p);
• σ = √σ2.

4.3.3 – Distribuição normal


Para as variáveis aleatórias contínuas, utiliza-se o modelo normal. A função densidade,
curva normal ou curva de Gauss, que se representa por uma curva com forma de sino,
é, para a população, o equivalente ao histograma para a amostra.

4.3.3.1 – Características da curva normal


• É simétrica em relação ao valor médio µ da variável;
• Uma variável aleatória X com distribuição
normal de valor médio µ e desvio-padrão σ
representa-se por N (µ,σ);
• Quanto maior for o desvio-padrão σ, mais
achatada é a curva;
• A área compreendida entre a curva e o
eixo dos xx é igual a 1;
• A área abaixo da curva distribui-se em intervalos da seguinte forma:

28
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

• Probabilidades de
diferentes intervalos
representam-se por
P(A≤X≤B), e podem ser
calculados a partir dos
valores da curva ao lado,
ou através da
calculadora.

Casio: Stat – Dist –


Norm – Ncd

4.3.3.2 – Distribuição normal estandardizada


Distribuição normal standard/ estandardizada/ tipificada é aquela em que N (0,1), na
qual µ = 0 e σ = 1.
Para se estandardizar uma variável X da distribuição N (µ,σ), tem que se transformar a
X− µ
variável em Z de distribuição N (0,1). Para tal, utiliza-se a seguinte fórmula: Z = .
σ

5 – Introdução à inferência estatística


5.1 – Noções básicas
5.1.1 – Conceitos
A inferência estatística é um processo de raciocínio indutivo, em que se procuram tirar
conclusões sobre uma população a partir de uma amostra.
A população ou universo estatístico é o conjunto de elementos com pelo menos uma
característica comum que se pretende analisar.
Faz-se um censo quando se quer realizar um estudo estatístico que incida sobre todos
os elementos da população.
Parâmetro é um nº que descreve a população (por exemplo, µ ou σ).
A amostra é o subconjunto finito da população.
Faz-se uma sondagem quando se quer realizar um estudo estatístico em que se utilize
apenas uma amostra da população.
O estimador estima parâmetros a partir de dados amostrais. Estimativa é o valor
numérico assumido pelo estimador, quando são substituídos os dados amostrais .
Estatística é um nº que descreve a amostra.
À distribuição de todos os valores obtidos pelo estimador, para todas as amostras
possíveis, da mesma dimensão, que se podem extrair da população, dá-se o nome de
distribuição de amostragem do estimador (ou da estatística).

29
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

5.1.2 – Métodos de amostragem


Um processo de amostragem diz-se enviesado quando tende sistematicamente a
selecionar elementos de alguns segmentos da população, e a não selecionar
sistematicamente elementos de outros segmentos da população. De modo a que o
processo de amostragem não seja enviesado, utilizam-se os seguintes métodos de
amostragem.

5.1.2.1 – Amostragem aleatória simples


Escolhem-se os elementos da população aleatoriamente.

5.1.2.2 – Amostragem sistemática


Dada uma população de dimensão N, ordenada por algum critério, se se pretende uma
amostra de dimensão n, escolhe-se aleatoriamente um elemento de entre os k
N
primeiros, onde k é a parte inteira do quociente n . Continua-se a seleção, escolhendo-
se todos os elementos da lista distanciados de k unidades.

5.1.2.3 – Amostragem estratificada ou proporcional


Neste tipo de amostragem, a população é dividida em classes homogéneas, chamadas
estratos. A amostra escolhe-se aleatoriamente em nº proporcional ao nº de elementos
de cada estrato. Por exemplo, seja N = 125 e n = 30, e hajam três estratos com 80, 15 e
30 elementos, respetivamente. Tem-se: 125 --- 30
80/ 15/ 30 --- x x = 19,2/ 3,6/ 7,2
Assim, seriam selecionados aleatoriamente 19, 4 e 7 elementos de cada estrato.

5.1.2.4 – Amostragem por grupos (clusters)


A população é dividida em clusters, onde cada um é representativo da população.
Seleciona-se aleatoriamente um conjunto de clusters, e a amostra é constituída por
todos os elementos dos clusters selecionados.

5.1.2.5 – Amostragem multietapas


Considera-se a população dividida em vários grupos, e selecionam-se aleatoriamente
alguns deles. Por sua vez, esses grupos estão divididos em outros grupos, dos quais se
selecionam alguns aleatoriamente, e assim sucessivamente.

30
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

5.2 – Intervalos de confiança e estimativas


5.2.1 – Teorema do limite central e intervalo de confiança
5.2.1.1 – Teorema do limite central
Dada uma população de valor médio µ e desvio-padrão σ, não necessariamente normal,
a distribuição das médias das amostras de dimensão n:

• Tem média igual a µ da população;


Casio: Stat – Dist – Norm –
• O seu desvio-padrão é √n;
σ
Ncd: σ = 1; µ = 0.
• Quando n ≥ 30, é aproximadamente normal.
−y − µ ̅−µ
X y−µ
Para se calcular a probabilidade da média, utiliza-se a fórmula < < .
𝜎 𝜎 𝜎

5.2.1.2 – Intervalo de confiança


• Intervalo de confiança para o valor médio µ de uma variável normal X, admitindo
que se conhece o desvio-padrão da variável, e em que z é o valor relacionado com
o nível de confiança (*):
σ σ
] x̅ − z , x̅ + z [
√n √n

• Intervalo de confiança para o valor médio µ de uma variável X, admitindo que se


desconhece o desvio-padrão da variável e que a amostra tem dimensão superior a
30:
s s
] x̅ − z , x̅ + z [
√n √n

• Intervalo de confiança para uma proporção p, admitindo que a amostra tem


dimensão superior a 30, e em que p̂ é a proporção amostral:

p̂ (1− p̂ ) p̂ (1− p̂ )
] p̂ − z √ , p̂ + z √ [
n n

• (*) Valores de z para os níveis de confiança mais usuais:


Nível de confiança 90% 95% 99%
z 1,645 1,960 2,576

5.2.2 – Estimar uma proporção


5.2.2.1 – Distribuição da amostragem da proporção p^
Admitamos que se recolhe uma amostra de dimensão n de uma população muito
grande X, em que cada elemento da população tem ou não determinada propriedade.
Seja p a proporção de elementos da população com essa propriedade e a dimensão da
31
Filipe A. R. Gaspar http://resumosdosecundario.blogspot.pt/

amostra suficientemente grande (n ≥ 30). Então, a distribuição da amostragem da


nº de elementos da amostra com a propriedade
proporção p̂ ( p̂ = nº de elementos da amostra
) pode ser aproximada por uma
p (1 − p)
distribuição normal com valor médio p e desvio-padrão √ .
n

5.2.2.2 – Margem de erro e dimensão da amostra

p̂ (1− p̂ )
A margem de erro é igual a E = z × √
σ
ou z × √n, na qual:
n

• z = 1,645 para um intervalo de confiança de 90%;


• z = 1,960 para um intervalo de confiança de 95%;
• z = 2,576 para um intervalo de confiança de 99%.
De modo a se diminuir o erro E, pode-se aumentar n (a dimensão da amostra) ou
diminuir a confiança (95% para 90%, por exemplo), diminuindo assim o valor de k.
De modo a se calcular a dimensão da amostra, podem-se utilizar duas fórmulas:
z 2 z×σ 2
n = (E) × p̂ (1 − p̂ ) ou n = ( )
E

O resultado é arredondado às unidades e de acordo com o intervalo pedido.

32

Você também pode gostar