Noções de Estatística: Métodos para resolução de questões

PC-BA
Noções de Estatística
Estatística Descritiva e Análise Exploratória.
Técnicas de Amostragem
Livro Eletrônico
NOÇÕES DE ESTATÍSTICA
Estatística Descritiva e Análise Exploratória. Técnicas de Amostragem
Prof. Josimar Padilha
SUMÁRIO
Noções de Estatística...................................................................................3
População X Amostra...................................................................................5
Censo X Estimação......................................................................................6
Dados Estatísticos.......................................................................................6
Distribuição de Frequência............................................................................9
Amplitude Amostral (A) – Range.................................................................. 12
Representação de Dados em Classes............................................................ 13
Medidas de Tendência Central e Separatrizes................................................. 14
Média Aritmética....................................................................................... 15
Média X Mediana....................................................................................... 20
Medidas de Dispersão................................................................................ 28
Assimetria................................................................................................ 45
Curtose.................................................................................................... 49
Técnicas de Amostragem............................................................................ 52
Pré-requisitos de uma Amostragem.............................................................. 52
Planos de Amostragem............................................................................... 53
Amostragem Probabilística – Técnicas de Amostragem.................................... 54
Questões de Concurso................................................................................ 61
Gabarito................................................................................................... 64
Gabarito Comentado.................................................................................. 65
Autoavaliação........................................................................................... 70
Gabarito................................................................................................... 75
O conteúdo deste livro eletrônico é licenciado para Nome do Concurseiro(a) - 000.000.000-00, vedada, por quaisquer meios e a qualquer título,
a sua reprodução, cópia, divulgação ou distribuição, sujeitando-se aos infratores à responsabilização civil e criminal.
www.grancursosonline.com.br 2 de 75
JOSIMAR PADILHA
Professor do Gran Cursos Online. Ministra aulas presenciais,
telepresenciais e online de Matemática Básica, Raciocínio Lógico,
Matemática Financeira e Estatística para processos seletivos em
concursos públicos estaduais e federais. Além disso, é professor de
Matemática e Raciocínio Lógico em várias faculdades do Distrito
Federal. É servidor público há mais de 20 anos. Autor de diversas obras
e palestrante.
Neste módulo serão apresentados métodos para resolução de questões de con-
cursos relacionados a problemas envolvendo o conteúdo de estatística, relacionado
abaixo:
1) Estatística descritiva e análise exploratória de dados: gráficos, diagramas,
tabelas, medidas descritivas (posição, dispersão, assimetria e curtose).
2) Probabilidade. 2.1 definições básicas e axiomas. 2.2 probabilidades condi-
cional e independência (em exercícios, pois o assunto já foi visto em aula
separada).
3) Técnicas de amostragem: amostragem aleatória simples, estratificada, siste-
mática e por conglomerados.
Esta aula propõe-se a desenvolver, gradualmente, o raciocínio criativo, com
aplicação de conceitos e propriedades, promovendo maior independência na busca
de soluções de problemas, aprendendo a interpretar tais questões por meio da prá-
tica e aplicação de métodos que facilitarão na conclusão das questões.
Apresentação do Professor
Sou o professor e autor Josimar Padilha e é com grande alegria que tenho o
privilégio de compartilhar esse momento importantíssimo com você, que pretende
ingressar no serviço público. Já tenho mais de 16 anos de experiência em aulas
presenciais e mais de 8 anos em aulas on-line, possuo mais de 4 obras escritas, en-
tre elas: Raciocínio Lógico Matemático – Fundamentos e Métodos Práticos, Editora
JUSPODIVM (2016) e, em especial, Mais de 350 Questões Comentadas de Raciocí-
nio Lógico – Cespe, também pela editora JUSPODIVM.
De uma maneira clara, simples e bem objetiva iremos aprender como as bancas
examinadoras exigem o assunto indicado nesta aula.
O conteúdo deste módulo é de suma importância, pois trata de assunto cobrado
nas provas de concursos públicos pela banca VUNESP.
Pensando nisso, teremos uma metodologia infalível e estrategista, pois, além
de aprendermos os princípios e os fundamentos do assunto deste módulo, sabendo
interpretar suas aplicações nas questões de concursos, iremos aprender os melho-
res métodos de resolução, que, dediquei-me a desenvolver no decorrer desses 16
anos como professor, para que os meus alunos alcançassem seus sonhos no serviço
público nos diversos processos seletivos em todo do Brasil.
No decorrer do nosso estudo, iremos seguir um cronograma didático que tem
dado muito certo:
• conceitos de forma esquematizada;
• métodos e dicas de resolução rápida;
• questões comentadas com esquemas estratégicos.
Primeiramente, vamos entender o que é estatística?
É um conjunto de métodos e processos quantitativos que serve para estudar e
medir os fenômenos coletivos, por meio da obtenção de dados e consequente or-
ganização, resumo, apresentação, análise e conclusões baseadas nos dados. É de
suma importância para tomada de decisões, sendo utilizada em diversas áreas do
conhecimento.
Em estatística temos que definir o nosso campo de estudo, até mesmo porque
alguns parâmetros que serão definidos dependem do lugar em que as informações
(dados) são adquiridas.
População X Amostra
1. População: conjunto universo de todos os elementos (pessoas, objetos e
outros), com uma característica comum, objeto de estudo. Um parâmetro é uma
medida numérica que descreve alguma característica de uma população.
2. Amostra: é qualquer subconjunto não vazio de uma população. Uma esta-
tística (estimador) é uma medida numérica que descreve alguma característica de
uma amostra.
Vejamos um exemplo:
No fenômeno coletivo “eleição para síndico”, a população é o conjunto de todos os
moradores do condomínio. Um parâmetro é a quantidade de votos recebidos pelo
candidato X. Uma amostra poderia ser um grupo de 100 eleitores selecionados
aleatoriamente no condomínio. Uma estatística seria a proporção de votos rece-
bidos pelo candidato X na amostra.
Censo X Estimação
Processos estatísticos utilizados no estudo de fenômenos coletivos.
1. Censo: é uma avaliação direta de um parâmetro, por meio dos dados obtidos
de todos os componentes da população.
É caro, lento, quase sempre desatualizado, admite erro processual zero e confiabi-
lidade 100%.
2. Estimação: é uma avaliação indireta de um parâmetro, com base em um
estimador por meio do cálculo de probabilidades.
É barato, rápido, atualizado, admite erro processual positivo e confiabilidade menor
que 100%.
Dados Estatísticos
Para tomada de decisões é de suma importância que os dados amostrais devem
ser coletados de modo apropriado, por meio de um processo de seleção aleatória.
O objetivo da estatística é, em grande parte, o uso de dados amostrais para se fa-
zerem inferências (ou generalizações) sobre uma população inteira.
Dessa forma, se não forem coletados de modo apropriado, podem se tornar
inúteis, ou induzir em erro o processo decisório.
Quanto à organização dos dados podemos ter:

• Dados Brutos: dados obtidos diretamente da observação, os quais não estão
numericamente organizados.
• Rol: são dados brutos numericamente organizados, de forma crescente ou
decrescente.
É importantíssimo sabermos sobre o tipo dos dados, pois, dependendo

da variável ou atributo de estudo, aplicaremos o método adequado. Vejamos:
1. Dados Quantitativos: possuem características numéricas, representando
contagens ou medidas. Os dados aqui serão chamados de variáveis. Podem ser
classificados em:
• discretos: são dados que possuem variáveis que assumem determinados va-
lores inteiros, 0 ou 1 ou 2 e assim por diante, em um intervalo de valores.
Exemplos: quantidade de alunos na sala, quantidade de aparelhos de TV em
uma residência etc.
• contínuos: são dados que possuem variáveis que podem assumir qualquer
valor em um intervalo de valores. Exemplos: altura, peso, salário, tempera-
tura etc.
2. Dados Qualitativos: são dados que possuem características não numéricas,

podendo ser separados em diferentes categorias. Os dados aqui serão chamados
de atributos. Podem ser classificados em:
• Dados nominais: são dados categóricos, que consistem em nomes ou rótulos.
Possuem característica não numérica, logo, não podem ser ordenados (tal
como do menor para o maior). Exemplos: sexo (masculino ou feminino), cor
dos olhos (pretos, castanhos, azuis etc.), resposta de sondagem de sim, não
e indeciso. Para serem processados estatisticamente, são atribuídos valores
numéricos a tais atributos.
• Dados por postos: são dados estatísticos que dependem de uma avaliação
subjetiva quanto à preferência ou desempenho em um conjunto de observa-
ções. Por exemplo: concursos de moda, canto etc.
Para que possamos fixar esses conceitos, vamos comentar uma questão de con-
curso, ok?
1. (CESGRANRIO) No questionário socioeconômico que faz parte integrante do
ENADE há questões que abordam as seguintes informações sobre o aluno:
I – Unidade da Federação em que nasceu;
II – Número de irmãos;
III – Faixa de renda mensal da família;
IV – Estado civil;
V – Horas por semana de dedicação aos estudos.
São qualitativas APENAS as variáveis
a) I e III
b) I e IV
c) I, IV e V
d) II, III e V
e) I, II, IV e V
Letra b.
Vamos classificar cada uma das variáveis abaixo, conforme os conceitos vistos acima:
I – Unidade da Federação em que nasceu (qualitativa)
II – Número de irmãos (quantitativa)
III – Faixa de renda mensal da família (quantitativa)
IV – Estado civil (qualitativa)
V – Horas por semana de dedicação aos estudos (quantitativa)
Dessa forma, temos como dados qualitativos as afirmativas I e IV.
Vejamos outro conceito importantíssimo usado para construção de gráficos, na
interpretação de situações e na estatística inferencial.
Distribuição de Frequência
É uma representação tabular dos dados estatísticos, discretos ou contínuos,
sendo uma forma de resumir grandes conjuntos de dados. Dados representados
em uma tabela de frequência facilitam a construção de gráficos (tais como histo-
gramas), bem como a compreensão sobre a natureza dos dados.
Como podem ser representados os dados discretos?
Representação dos Dados Discretos
Considere a seguinte amostra de valores, relativos às idades de um grupo de 20
adolescentes: 4, 8, 8, 6, 6, 8, 5, 5, 6, 7, 7, 7, 6, 6, 7, 5, 5, 7, 5, 5
Agora vamos representar os dados amostrais acima em tabelas de frequências:
Frequência Simples Absoluta (fi)
A frequência simples de um elemento é o número de vezes que o elemento fi-
gura no conjunto de dados. Para os dados discretos da amostra acima, teremos a
seguinte distribuição de frequência:
Idade (x i) Frequência (f i)
4 1
5 6
6 5
7 5
8 3
TOTAL
Frequência Relativa (Fr)
É a razão entre a frequência relativa da variável e o número total (n) de ele-
mentos da série.
Idade (x i) Frequência (f i) Frequência Relativa

4 1 1/20=0,05=5%
5 6 6/20= 0,3= 30%
6 5 5/20=0,25=25%
7 5 5/20=0,25= 25%
8 3 3/20=0,15=15%
TOTAL 20/20 = 1 = 100%
Frequência Acumulada (Fac)
É o somatório da frequência simples da variável com as frequências simples dos
elementos que o antecedem.
Fac = f1 + f2 + f3+ f4 +...+ fi
Idade (x i) Frequência (f i) Frequência acumulada

4 1 1
5 6 7
6 5 12
7 5 17
8 3 20
TOTAL
Vejamos uma questão de concurso em que é necessário o conhecimento de fre-
quência acumulada para sua resolução:
2. (CESGRANRIO) A tabela abaixo apresenta as frequências acumuladas das ida-
des de 20 jovens entre 14 e 20 anos. Um desses jovens será escolhido ao acaso.
Qual a probabilidade de que o jovem escolhido tenha menos de 18 anos, sabendo
que esse jovem terá 16 anos ou mais?
a) 8/14
b) 8/16
c) 8/20
d) 3/14
e) 3/16
Letra b.
Temos uma questão de probabilidade, porém, para que possamos determinar o es-
paço amostral (casos possíveis) e os casos favoráveis, não podemos trabalhar com
a frequência acumulada, e sim com a frequência absoluta. Dessa forma, vamos
construir mais uma coluna com as frequências absolutas, em que teremos os dados
discretos relativos à variável de estudo (idade).
Idade (anos) Frequência Relativa (fr) Frequência Absoluta (fi)

14 2 =2
15 4 (4-2) = 2
16 9 (9-4) = 5
17 12 (12-9) =3
18 15 (15-12) =3
19 18 (18-15) =3
20 20 (20-18)=2
A questão trata de probabilidade condicional, uma vez que temos a seguinte per-
gunta: “Qual a probabilidade de que o jovem escolhido tenha menos de 18 anos,
sabendo que esse jovem terá 16 anos ou mais?”. Isso significa que o espaço amos-
tral (condição) são os jovens que têm 16 anos ou mais, ou seja, 16 jovens (5 + 3
+ 3 + 3 + 2). Os casos favoráveis (aquilo que serve) são os jovens que têm menos
de 18 anos, isto é, aqueles que têm menos de 18 anos (5+3) dentro dos 16 jovens
selecionados.
Vamos agora aplicar a fórmula de probabilidade:
P (n) = Casos favoráveis / Casos possíveis.
P (n) = 8 / 16
Vejamos agora um outro conceito importante em nosso estudo por estatística:
Amplitude Amostral (A) – Range
É a diferença entre o maior e o menor valor da amostra.
Considere a seguinte amostra de valores, relativos às idades de um grupo de 20
adolescentes: 4, 8, 8, 6, 6, 8, 5, 5, 6, 7, 7, 7, 6, 6, 7, 5, 5, 7, 5, 5
Do exemplo dado acima, A = 8 – 4 = 4
Representação de Dados em Classes
Na representação de grandes quantidades de dados, principalmente contínu-
os, utiliza-se a forma de intervalos de classe. Pode ser aplicada a dados discretos,
quando se tratarem de grandes amostras.
Classe
É cada um dos intervalos ou grupos obtidos a partir do conjunto de dados. Há
diversos métodos para se determinar o número de classes. Vamos citar dois:
• Regra do quadrado: K = n , onde n é o tamanho da amostra. Utiliza-se o
valor mais próximo do quadrado perfeito.
• Regra de Sturges: K = 1+3,3 log n
Amplitude da Classe (c)
Na forma moderna, é a diferença entre os limites superior e inferior da classe.
Ls: Limite superior
Li: Limite inferior
Classe: Ls- li
Ponto Médio da Classe (Pm)
É a média aritmética simples dos limites superior e inferior de cada classe.
Pm= (Ls + Li) / 2
Classes Frequência (f i) Pm (xi) xi. fi

2 │--- 4 3 3 9
4 │--- 6 5 5 25
6 │--- 8 10 7 70
8 │--- 10 5 9 45
10 │--- 12 3 11 33
26 182
Medidas de Tendência Central e Separatrizes
No estudo de uma série estatística é conveniente o cálculo de algumas medidas
que a caracterizam. Essas medidas, quando bem interpretadas, podem nos forne-
cer informações muito valiosas com respeito à série estatística.
Em suma, podemos reduzi-la a alguns valores, cuja interpretação nos fornece
uma compreensão bastante precisa da série. Um desses valores é a medida de
tendência central.
É um valor intermediário da série, ou seja, um valor compreendido entre o me-
nor e o maior valor da série. É também um valor em torno do qual os elementos da
série estão distribuídos e a posiciona em relação ao eixo horizontal.
Em resumo, a medida de tendência central procura estabelecer um número no
eixo horizontal em torno do qual a série se concentra.
As principais medidas de tendência central são:
• MÉDIA;
• MEDIANA;
• MODA.
Média Aritmética
A Média Aritmética é o somatório de todos os termos dividido pelo número total
de termos.
Entre os parâmetros estatísticos mais usados, podemos destacar a média arit-
mética. Muitas pessoas de algum modo já utilizaram ou utilizam constantemente os
cálculos envolvendo médias. Dessa forma é considerada uma medida de tendência
central, pois focaliza valores médios dentre os maiores e menores. A efetuação dos
cálculos pode ser considerada de forma fácil, pois consiste em dividir a soma total
dos valores pelo número de valores. O resultado dessa divisão será considerado a
média aritmética dos termos.
Me: média
S: soma dos termos
n: número de termos
Me= S / n
Podemos representar a média aritmética pela seguinte expressão:
Acredito que você não tenha dúvida quanto à média aritmética, porém é de
suma importância sabermos algumas propriedades, vejamos:
1ª Propriedade
A soma algébrica dos desvios em relação à média é zero (nula).
∑di = ∑ (xi - x) = 0 Onde: di são as distâncias ou afastamentos da média.
2ª Propriedade
Somando-se ou subtraindo-se uma constante (c) a todos os valores de uma va-
riável, a média do conjunto fica aumentada ou diminuída dessa constante.
3ª Propriedade
Multiplicando-se ou dividindo-se todos os valores de uma variável por uma cons-
tante (c), a média do conjunto fica multiplicada ou dividida por essa constante.
4ª Propriedade
A média das médias é a média global de 2 ou mais grupos.
5ª Propriedade
A soma dos quadrados dos afastamentos contados a partir da média aritmética
é um mínimo.
6ª Propriedade
A média aritmética é atraída pelos valores extremos.
Considere os valores originais
Xi: 2,4,6,8,10 → x=6
Se o primeiro valor xi for alterado para 0:
Xi: 0,4,6,8,10 → x = 5,6
Se o último valor xi for alterado para 12:
Xi: 2,4,6,8,12 → x = 6,4
3. (2016/IADES/PC-DF/PERITO CRIMINAL) A média das idades dos 45 empregados
de uma corporação é de 32 anos. Para os próximos meses, estão previstas as apo-
sentadorias de cinco empregados cuja média de idades é de 62 anos. Considerando
essa situação hipotética, é correto afirmar que, após a efetivação de todas as apo-
sentadorias, a média das idades da corporação passará a ser a seguinte:
a) 25,11 anos.
b) 26 anos.
c) 28,25 anos.
d) 30,75 anos.
e) 36 anos.
Letra c.
A questão afirma que a média era de 32 anos para 45 funcionários. Um detalhe
importante quanto à média aritmética é com relação ao somatório, isto é, a média
aritmética, por si só, não é uma boa medida para tomada de decisão, pois, segundo
as propriedades vistas, podemos afirmar que a mesma sofre influência dos valores
extremos. Porém, com a média aritmética, podemos calcular o somatório de todos
os valores do conjunto.
Vejamos:
Me = X/quantidade de funcionários
X – corresponde ao valor da soma das idades de todos os 45 funcionários: 32 =
X/45
X – = 1440 (soma de todas as idades)
Se a média era de 62 anos para 5 funcionários, podemos calcular a soma das ida-
des desses funcionários:
Me = Y/quantidade de funcionários.
Y corresponde ao valor da soma das idades de todos os 5 funcionários: 62 = Y/5
Y = 310 (soma da idade dos 5 funcionários)
A diferença das somas das idades (diferença entre X e Y) será a soma das idades
dos 40 funcionários (45 - 5).
A soma das idades dos 40 funcionários denominada Z, que é X - Y = 1440 - 310 =
1130 (novo somatório dos funcionários da corporação).
Nova média:
Me = Z/40
Me = 1130/40
Me = 28,25
4. (CESGRANRIO) Analise as afirmativas a seguir.
A média aritmética nem sempre é a melhor medida de tendência central.
PORQUE
A média aritmética é influenciada por valores extremos do conjunto de dados.
Considerando-se as relações entre as afirmações, conclui-se que
a) as duas asserções são verdadeiras e a segunda é uma justificativa correta da
primeira.
b) as duas asserções são verdadeiras e a segunda não é uma justificativa correta
da primeira.
c) a primeira asserção é uma proposição verdadeira e a segunda, uma proposição
falsa.
d) a primeira asserção é uma proposição falsa e a segunda, uma proposição ver-
dadeira.
e) tanto a primeira como a segunda são proposições falsas.
Letra a.
Essa questão só ratifica o que já temos falado aqui em nosso material, sendo as-
sim, a resposta será a letra a.
Mediana
A Mediana é uma medida de posição do centro da distribuição dos dados, defini-
da do seguinte modo: colocamos os elementos da amostra em rol, ou seja, ordem
crescente ou decrescente, e encontramos a mediana, que pertencente ou não à
amostra, e divide-se ao meio, isto é, 50% dos elementos da amostra são menores
ou iguais à mediana e os outros 50% são maiores ou iguais à mediana.
Para a determinação da mediana, utiliza-se a seguinte regra, depois de ordena-
da a amostra de n elementos:
1. Se n é ímpar, a mediana é o elemento central.
{1, 3, 4, 5, 7}
Elemento central (e) = (n+1) /2
e = (5+1)/2
e = 6/2
e= 3ª posição
Md = 4
2. Se n é par, a mediana é a semissoma dos dois elementos médios.
{1,3,5,6,7,9}
Elemento central (e) = (n) /2
e = (6)/2
e = 6/2
e= 3ª posição
Como n é par, devemos calcular a média aritmética entre o 3º e 4º elementos, veja:
Md= (3ª posição + 4ª posição) / 2
Md = (5 + 6) / 2
Md = 5,5
Média X Mediana
Vamos realizar algumas ponderações a respeito de média e mediana.
Como medida de posição, a mediana é mais robusta do que a média, pois não é
tão sensível aos dados, ou seja, não sofre tanto influência dos extremos.
• Em uma distribuição simétrica, a média e a mediana coincidem.
• A mediana não é tão sensível, como a média, às observações que são muito
maiores ou muito menores do que as restantes (outliers). Porém a média
reflete o valor de todas as observações, isto é, para encontrarmos mais à
frente os valores de dispersão e até mesmo realizarmos algumas inferências,
a média será de suma importância.
Como já visto, a média, ao contrário da mediana, é uma medida muito influen-
ciada por valores “muito grandes” ou “muito pequenos”, mesmo que esses valores
surjam em pequeno número na amostra. Esses valores são os responsáveis pela
má utilização da média em muitas situações em que teria mais significado utilizar
a mediana.
A partir do exposto, podemos deduzir, que se a distribuição dos dados:
• For aproximadamente simétrica, a média aproxima-se da mediana.
• For assimétrica à direita (alguns valores grandes como “outliers”), a média
tende a ser maior que a mediana.
• For assimétrica à esquerda (alguns valores pequenos como “outliers”), a mé-
dia tende a ser inferior à mediana.
Vamos para mais uma questão comentada para que possamos entender a rela-
ção existente entre Média e Mediana.
5. (FUNIVERSA/PCDF) A tabela abaixo mostra o resultado da renda per capta de
duas cidades, X e Y, medido em reais.
X Y
MEDIANA 4.000 1.250
MÉDIA 3.750 4.750
Com bases nessas informações, pergunta-se:
1) qual das duas cidades tem o melhor padrão de vida? (Considere que todos os
outros fatores são iguais)
2) considerando que as duas cidades têm populações de mesmo tamanho e que a
taxa de impostos é de 10% em ambas, qual a cidade tem maior arrecadação?
Assinale a alternativa que apresenta as repostas corretas às perguntas 1 e 2, res-
pectivamente.
a) Cidade X e cidade X
b) Cidade Y e cidade Y
c) Cidade X e cidade Y
d) Cidade Y e cidade X
e) Não há informações suficientes para responder às perguntas
Letra c.
Essa questão é interessante, pois mostra uma interpretação quanto à diferença da
média e mediana, e suas implicações.
O melhor padrão de vida deve refletir a real situação da população, sendo assim,
precisamos de um valor que mostre uma regularidade, independentemente dos va-
lores extremos. O melhor parâmetro para isso é a mediana, pois divide a população
em duas partes iguais (50%) para cada lado, logo, a população X possui a renda
per capta mediana de 4.000, dando a entender que temos uma população com um
valor alto bem distribuído no grupo quanto à renda. Partindo da ideia de que as
duas populações têm a mesma quantidade de pessoas, a média da população X é
inferior à população Y, significando que a arrecadação total é menor, uma vez que,
para encontrar o somatório, basta multiplicarmos a média pela quantidade de pes-
soas. Dessa forma, a população Y possui maior arrecadação, uma vez que possui
maior média aritmética.
1) Para a primeira pergunta: Qual das duas cidades tem o melhor padrão de vida?
(Considere que todos os outros fatores são iguais)
Temos como resposta a cidade X.
2) Considerando que as duas cidades têm populações de mesmo tamanho e que a
taxa de impostos é de 10% em ambas, qual a cidade tem maior arrecadação?
Temos como resposta a cidade Y.
6. (FGV) A medida de um conjunto ordenado de dados, que divide este conjunto
em duas partes de igual número de observações, denomina-se:
a) média.
b) moda.
c) mediana.
d) desvio padrão.
e) variância.
Letra c.
Essa questão trata do conceito de mediana, que é uma medida de posição do centro
da distribuição dos dados apresentados em rol.
Para resolver as três questões abaixo, utilize as informações a seguir.

O número de ausentes, por sala, em um dos prédios de aplicação de certo exame
de proficiência aplicado em certa região, segue a seguinte distribuição:
7. (CESGRANRIO) O número total de salas de aplicação neste prédio foi

a) 5
b) 10
c) 11
d) 25
e) 47
Letra d.
O número total de salas é dado pelo somatório da frequência absoluta.
8. (CESGRANRIO) Qual foi o número médio aproximado de ausentes por sala?

a) 10,7
b) 5,0
c) 4,7
d) 4,3
e) 2,5
Letra d.
Para encontrarmos a média aritmética, temos que multiplicar o valor de cada va-
riável de estudo pela frequência e depois dividirmos pelo somatório da frequência.
Vamos lá!
Me = 107 / 25 = 4,28 = 4,3
9. (CESGRANRIO) A mediana do número de ausentes neste prédio é

a) 3,0
b) 3,5
c) 4,0
d) 4,5
e) 5,0
Letra c.
Para encontrarmos a mediana, primeiramente temos que colocar os valores em rol,
ordem crescente, porém são 25 valores. Se você quiser, pode colocados em ordem
e determinar a mediana, mas quero aproveitar para mostrar outra maneira:
Vamos lançar mão do conhecimento de frequência acumulada e, ao calcularmos o
elemento central e com a frequência acumulada, tornar-se-á mais rápido encontrar
a mediana. Veja:
Como n é ímpar, a mediana é o elemento central.
Elemento central (e) = (n+1)/2
e = (25+1)/2
e = 26/2
e= 13ª posição
Para encontrarmos o décimo terceiro termo, iremos utilizar a tabela e criaremos
mais uma coluna com a frequência acumulada.
Ausência Frequência Frequência acumulada

0 1 1º
1 2 3º
2 3 6º
3 4 10º
4 5 15º
5 2 17º
6 3 20º
7 3 23º
9 1 24º
10 1 25º
A linha da tabela indica que o valor de 4 ausências se repete da décima primeira
posição até a décima quinta posição.
Como a mediana está na 13ª posição, podemos inferir que a mediana são 4 ausên-
cias.
Moda
Podemos definir a moda como sendo o valor que possui maior frequência, se os
dados forem discretos, ou o intervalo de classe com maior frequência, se os dados
forem contínuos.
Assim, da representação gráfica dos dados, obtém-se imediatamente o valor
que representa a moda ou a classe modal.
Esse parâmetro é bastante útil para reduzir a informação de um conjunto de da-
dos qualitativos, apresentados sob a forma de nomes ou categorias, para os quais
não se pode calcular a média e por vezes a mediana.
Um exemplo bem simples é:
Os dados abaixo se referem à idade de 20 jovens de uma turma de atletas dos
jogos escolares das escolas públicas do DF.
Idade: {12, 11, 12, 13, 12, 11, 13, 12, 12, 11, 14, 13, 13, 12, 11, 12, 13, 14, 11, 14}
A moda desse conjunto de dados será a idade que mais aparece, ou seja:
Mo = 12 (pois é a idade que possui maior frequência).
Obs.: apesar de simples, a moda nem sempre é única. Caso no conjunto existam
poucas observações, muito frequentemente não haverá valores repetidos,
com o que nenhum deles satisfaz a condição de moda. Por exemplo, a idade
de nove pessoas: 15; 25; 59; 45; 60; 12; 13 e 33, estes nove dados não
possuem uma moda, sendo um conjunto amodal. Por outro lado, se a distri-
buição da idade de 15 idosos for: 63; 67; 70; 69; 81; 57; 63; 73; 68; 63;
71; 71; 71 e 83, possui duas modas (63 e 71 anos). Nesse caso, a distri-
buição diz-se bimodal. Será unimodal no caso de apresentar uma só moda
e multimodal se apresentar várias modas.
Em dados discretos, percebemos que é bem tranquilo encontrarmos a moda,
porém, se os dados forem contínuos, ou seja, em intervalo de classes, como en-
contrar a moda?
Mostre que você aprendeu!!!
Um pequeno levantamento para melhorar a qualidade da produção de textos em
um escritório colheu dados sobre o número de erros de digitação por página. A ta-
bela abaixo apresenta o resultado desse levantamento.
10. (CESPE) A partir das informações apresentadas no texto, assinale a opção in-
correta.
a) O número mediano de erros de digitação por página é igual a 1 erro por página.
b) A moda do número de erros de digitação é igual a 1 erro por página.
c) A amplitude total do número de erros de digitação é igual a 4 erros por página.
d) Em média, o número de erros por página é igual a 2.1
As medidas de tendência central, estudadas até agora, fornecem informações
apenas sobre o tamanho do valor central de um conjunto de valores, sendo discre-

1
Letra d.
tos ou contínuos, de uma distribuição de frequência dessas observações. Não há
informação, porém, a respeito de como estão dispersas as observações em torno
desse valor central (representativo desse conjunto de observações). Para uma me-
lhor interpretação no que diz respeito a tomada de decisões, temos que calcular
novas medidas chamadas de Dispersão, que vão nos indicar, com algum detalhe,
de que forma o conjunto das observações se comporta em função dos valores de
centralidade.
Medidas de Dispersão
Desvio
Em um conjunto de valores numéricos, o desvio é a “distância” de cada uma
dessas informações até a média aritmética delas.
O desvio é obtido subtraindo cada um dos valores de um conjunto de informa-
ções da média aritmética desse conjunto.
Assim, os desvios devem ser calculados para cada elemento desse conjunto.
Vejamos um exemplo:
Quatro alunos de engenharia obtêm as seguintes notas na prova de Cálculo 3.
N1 = 6,5, N2 = 6,5, N3 = 6,0 e N4 = 5,0.
Calculando a nota média dos alunos temos: Me= 6,0
Em relação a nota média, temos os seguintes desvios:
d1 = 6,5 – 6,0 = 0,5
d2 = 6,5 – 6,0 = 0,5
d3 = 6,0 – 6,0 = 0
d4 = 5,0 – 6,0 = – 1,0
Obs.:
• O sinal nos desvios é importante, pois determina se a nota tirada é
maior ou menor que a média.
• A soma dos desvios é igual a zero.
Amplitude
Em um conjunto de informações numéricas, a primeira medida de tendência
central é chamada amplitude e é obtida a partir da diferença entre a maior infor-
mação da lista e a menor.
Usando o mesmo exemplo utilizado acima, das notas dos dois alunos, observe
a amplitude das notas deles:
Primeiro: Média 6,0; amplitude = 6,5 – 5,5 = 1,0
Segundo: Média 6,0; amplitude = 10,0 – 1,0 = 9,0
Observando apenas esses números, é possível perceber que o primeiro aluno
estabilizou as notas de suas provas, e o segundo não. Para concluir que o segundo
aluno teve melhor desenvolvimento, ainda precisamos ver o restante de suas notas.
Variância
A variância é a soma dos quadrados dividida pelo número de observações do
conjunto menos uma, em caso de amostras. A variância é representada por S2,
sendo calculada pela fórmula:
∑ (xi – Média)2 / (n – 1)
Ou seja,
S2 = SQ / (n-1)
Obs.: em casos em que o conjunto de valores é uma população, teremos a variân-
cia calculada da seguinte forma:
∑ (xi – Média)2 / (n)
S2 = SQ / (n)
O denominador “n-1” da variância é determinado por graus de liberdade. O
princípio dos graus de liberdade é constantemente utilizado na estatística, uma vez
que é comum trabalhar com amostras.
Considerando um conjunto de “n” observações (dados) e fixando uma média
para esse grupo, existe a liberdade de escolher os valores numéricos de n-1 obser-
vações, o valor da última observação estará fixado para atender ao requisito de ser
a soma dos desvios da média igual a zero.
Vejamos uma questão comentada:
11. (CESGRANRIO) A tabela abaixo, representa as frequências acumuladas das
idades de 20 jovens entre 14 e 20 anos
Uma das medidas de dispersão é a variância populacional, que é calculada por
Sabendo-se que m é a média aritmética dessas idades, qual a variância das idades
na população formada pelos 20 jovens?
a) 0,15
b) 0,20
c) 1,78
d) 3,20
e) 3,35
Letra e.
Para que possamos calcular a variância, que é média do quadrado dos desvios, va-
mos encontrar primeiramente a média aritmética.
A tabela nos forneceu a frequência acumulada, logo é necessário que encontremos
as frequências absolutas, vamos lá:
Idade (anos) Frequência Acumulada Frequência absoluta

14 2 2
15 4 4-2=2
16 9 9-4=5
17 12 12-9=3
18 15 15-12=3
19 18 18-15=3
20 20 20-18=2
Me= (2x14) + (2x15) + (5x16) + (3x17)+ (3x18) + (3x19) + (2x20) =
20
Me= 28 + 30 + 80 + 51+ 54+ 57+ 40 = 340 /20 = 17
20
S2 = [2(14-17)2 + 2(15-17)2+ 5(16-17)2+ 3(17-17)2+ 3(18-17)2+ 3(19-17)2+
2(20-17)2]/ 20
S2= [ (2x 9)+ ( 2x 4) + (5X1) + (3 X0 ) + (3 X 1) + (3 X 1) + (3X 4)+ (2X9)]
20
S2= 18 + 8 + 5 + 0+ 3 + 3 + 12 + 18 = 67/20 = 3,35
20
12. (FUNCAB/2013) Em estatística, existe um conceito que é definido, para um
conjunto de dados, como “a média dos quadrados das diferenças dos valores em
relação à sua média. “Essa definição conceitua:
a) amplitude.
b) desvio-padrão.
c) coeficiente de variação.
d) variância.
e) estimador
Letra d.
Conforme o conceito já visto nesta aula, podemos inferir que se trata de variância.
13. (2015/VUNESP/PREFEITURA DE SÃO PAULO-SP) Utilize o texto e as tabelas
para responder à questão.
Duas amostras de 8 pessoas foram escolhidas em duas escolas, A e B, para a rea-
lização de um estudo sobre a obesidade entre adolescentes. As 16 pessoas foram
pesadas, e o resultado está expresso nas tabelas a seguir:
Escola A Escola B
Pessoas Massa (kg) Pessoas Massa (kg)
1 62 1 73
2 63 2 66
3 65 3 70
4 60 4 71
5 64 5 72
6 63 6 71
7 66 7 72
8 61 8 73
A soma das variâncias obtidas em cada um dos grupos é igual a
a) 7.
b) 9.
c) 8.
d) 6.
e) 10.
Letra c.
A média aritmética de cada escola é dada por:
Me A
= (62+63+65+60+64+63+66+61)/8 = 63
Me B
= (73+66+70+71+72+71+72+73)/8=71
Após encontrarmos as médias aritméticas, vamos calcular os desvios em relação
às médias:
Escola A:
d1: 62-63=-1;
d2:63-63=0;
d3: 65-63=2;
d4: 60-63=-3;
d5: 64-63=-1;
d6: 63-63=0;
d7: 66-63=3;
d8: 61-63=-3
Escola B:
d1: 73-71=2;
d2: 66-71=-5;
d3: 70-71=-1;
d4: 71-71=0;
d5: 72-71=1;
d6: 71-71=0;
d7: 72-71=1;
d8: 73-71=2
Escola A:
var(x)= -1²+0²+2²+...+-3²/8
var(x)=28/8=3,5
Escola B:
var(x)=2²+-5²+...+2²/8
var(x)=36/8=4,5
Resposta: 3,5+4,5=8
Desvio Padrão
O desvio padrão é uma das mais utilizadas medidas de variação de um grupo
de dados. A vantagem que apresenta sobre a variância é de permitir uma interpre-
tação direta da variação do conjunto de dados, pois o desvio padrão é expresso na
mesma unidade que a variável (Kg, cm, atm...). É representado por “s” e calculado
por:
s = √∑ (xi – Média)2/ (n – 1)
Podemos entender o desvio padrão como uma média dos valores absolutos dos
desvios, ou seja, dos desvios considerados todos com sinal positivo, média essa ob-
tida, porém, por um processo bastante elaborado: calculamos o quadrado de cada
desvio, obtemos a média desses quadrados e depois obtemos a raiz quadrada da
média dos quadrados dos desvios.
É a estatística utilizada quando se deseja comparar a variação de conjuntos de
observações que diferem na média ou são medidos em grandezas diferentes (uni-
dades de medição diferentes). O coeficiente de variação (C.V.) é o desvio padrão
expresso como uma porcentagem média.
CV = 100. (s / Média) (%)
14. (CESGRANRIO) Um grupo é formado por 10 pessoas, cujas idades são: 17 19
19 20 20 20 20 21 22 22
Seja µ a média aritmética das idades e σ seu desvio padrão. O número de pessoas
desse grupo cujas idades pertencem ao intervalo [µ - σ, µ + σ] é (Considere √2 = 1,4)
a) 9
b) 8
c) 7
d) 6
e) 5
Letra c.
Seja µ a média aritmética das idades:
µ= (17+ 19+ 19+ 20+ 20+ 20+ 20+ 21+ 22+ 22)/10
µ = 200/10= 20
σ2 = [(17-20)2 + 2(19-20)2 + 4(20-20)2+ 1(21-20)2+ 2(22-20)2]/10
σ2 = 20/10
σ2 = 2
σ = √2 = 1,4
Substituindo no intervalo, temos:
[µ - σ, µ + σ]
[20 -1,4, 20 + σ]
[18,6; 21,4]
Quais as idades que se encontram entre 18, 6 e 21,4 das 10 pessoas:
Serão: {19,19, 20, 20,20, 20, 21}. Sete pessoas.
15. (2014/VUNESP/DESENVOLVESP) Um casal tem 4 filhos com idades de 1, 6, 8

e 15 anos, respectivamente. O desvio padrão das idades dos filhos é de, aproxima-
damente,
a) 625.
b) 15.
c) 14.
d) 7.
e) 5.
Letra e.
O Desvio padrão é a raiz quadradas da variância, porém precisamos encontrar a
média aritmética, que será:
Me = 30/4 = 7,5.
Calculando a variância:
S2= (1-7,5)2+ (6-7,5)2 +(8-7,5)2+ (15-7,5)2
S2= 101/4= 25,25
S = 5,02
Propriedades do Desvio Padrão e da Variância:
1) Somando-se (ou subtraindo-se) a cada elemento uma constante qualquer, o
Desvio Padrão e a Variância não se alteram.
2) Multiplicando-se (ou dividindo-se) cada elemento por uma constante qual-
quer, o desvio padrão fica multiplicado (ou dividido) por essa constante; a
variância fica multiplicada (ou dividida) PELO QUADRADO dessa constante.
Vamos agora resolver duas questões aplicando as propriedades da média arit-
mética, variância e desvio padrão.
16. (ESAF) Em certa empresa, o salário médio era de R$ 90.000,00 e o desvio pa-
drão dos salários era de R$ 10.000,00. Todos os salários receberam um aumento
de 10%. O desvio padrão dos salários passou a ser de:
a) R$ 10.000,00
b) R$ 10.100,00
c) R$ 10.500,00
d) R$ 10.900,00
e) R$ 11.000,00
Letra e.
Essa questão é uma aplicação das propriedades do desvio padrão, em que aumen-
tar 10% significa multiplicar por uma constante 1,1.
Segundo a propriedade:
Multiplicando-se (ou dividindo-se) cada elemento por uma constante qualquer o
desvio padrão fica multiplicado (ou dividido) por essa constante.
Dessa forma, podemos inferir que o novo desvio padrão será:
10.000,00 x 1,1 = 11.000,00
17. (CESGRANRIO) Se Y = 2X+1 e a variância de X vale 2, a variância de Y é igual a:
a) 2
b) 4
c) 5
d) 8
e) 9
Letra d.
De acordo com as propriedades da variância, temos que se multiplicarmos cada
elemento por uma constante, a nova variância será multiplicada pelo quadrado da
constante.
Quanto a soma, a variância fica inalterável.
Dessa forma, teremos:
VY = 2VX+1
VY = (2)2VX+1
VY = (2)2.(2) +1 ( a soma fica inalterável)
VY = (2)2.(2) = 8
Coeficiente de Variação (Cv)
O coeficiente de variação é uma medida relativa de variabilidade.
Será calculada pelo coeficiente entre o desvio padrão e a média aritmética.
Na estatística descritiva, o desvio padrão por si apresenta algumas limitações.
Assim, um desvio padrão de 3 unidades pode ser considerado pequeno para uma
série de valores cujo valor médio é 300; no entanto, se a média for igual a 30, por
exemplo, o desvio de 3unidades torna-se representativo.
Sabemos que o desvio padrão é expresso na mesma unidade dos dados, dessa
forma, não é possível aplicá-lo na comparação de duas ou mais séries de valores
expressas em unidades diferentes.
Para atender a essa limitação, podemos caracterizar a dispersão ou variabilida-
de dos dados em termos relativos a seu valor médio, medida essa denominada de
Coeficiente de Variação.
Obs.: o coeficiente CV é expresso em percentual, pois o desvio padrão e a média
possuem as mesmas unidades de medidas.
Vejamos uma aplicação:
Considere a tabela abaixo que contém as estaturas e os pesos de um mesmo
grupo de indivíduos.
Média aritmética Desvio padrão

Estaturas 175 cm 5 cm
Pesos 68 kg 2 Kg
Qual das medidas, estatura ou peso, possui maior variação, ou seja, é mais he-
terogênea?
Apenas com o desvio padrão não é possível responder a essa pergunta, uma vez
que estamos realizando uma comparação entre 2 grandezas. O ideal é calcularmos
o coeficiente de variação da estatura e do peso e realizarmos uma análise. A série
que apresentar a maior variação, ou seja, o maior valor do coeficiente CV, será a
série de maior heterogeneidade.
Vamos aplicar a fórmula em cada grandeza:
CV Estatura:
Cv= (5/175) x 100
Cv= 2,85%
CV Peso
Cv= (2/68) x 100
Cv= 2,94%
Logo, nesse grupo de indivíduos, os pesos apresentam maior grau de dispersão
que os pesos, ou seja, maior heterogeneidade.
18. (FUNDAÇÃO CARLOS CHAGAS) Seja X uma variável com média 3 e coeficiente
de variação igual a 0,5. Seja Y = -2X + 3. As variâncias de X e Y são dadas, res-
pectivamente, por
a) 1,5 e 6.
b) 2,25 e 9.
c) 1,5 e 3.
d) 2,25 e 5.
e) 2,5 e 6.
Letra b.
Para encontrarmos as variâncias de X e Y, vamos aplicar as propriedades e a fór-
mula do coeficiente de variação. Vamos lá!!!
Cvx = coeficiente de variação de x
Sx= desvio padrão de x
Xx= Média aritmética de x
CVx = Sx/Xx (coeficiente de variação de x)
0,5 = Sx / 3
Sx= 1,5
Sx2= (1,5)2
Sx2= 2,25 (variação de X)
Y= -2x + 3
Sy2=-2(Sx2) + 3 (a soma de três não altera a variância)
Sy2=-2(Sx2)
Sy2 = (-2)2.(2,25) = 9
19. (ESAF) Um certo atributo W, medido em unidades apropriadas, tem média
amostral 5 e desvio padrão unitário. Assinale a opção que corresponde ao coefi-
ciente de variação, para a mesma amostra, do atributo Y = 5 + 5W.
a) 16,7%
b) 20,0%
c) 55,0%
d) 50,8%
e) 70,2%
Letra a.
Outra questão com aplicação das propriedades, vamos lá:
Xw = média de W;
Sw = desvio padrão de W;
Xw = 5
Sw = 1
Para que possamos encontrar o coeficiente de variação de Y, precisamos do desvio
padrão e da média aritmética.
XY = 5 + 5XW.
XY = 5 + 5(5)
XY = 30 (média de y)
Desvio padrão de y:
SY = 5 + 5SW.
SY = 5 + 5(1). (Somar no desvio padrão não influencia, inalterável)
SY = 0 + 5(1) = 5
Agora sim, temos a média e o desvio padrão Y, podemos encontrar o coeficiente de
variação.
Cv y= SY / XY
Cv y= 5 / 30
Cv y= 1,16666 = 16,7%
20. (ESAF) O atributo Z= (X-2)/3 tem média amostral 20 e variância amostral
2,56. Assinale a opção que corresponde ao coeficiente de variação amostral de X.
a) 12,9%
b) 50,1%
c) 7,7%
d) 31,2%
e) 10,0%
Letra c.
Temos que Z= (X-2)/3, então vamos melhorar um pouco essa expressão:
3Z = X – 2
X – = 3Z + 2
XZ=20 (média de Z)
S2z= 2,56 (variância de Z)
Sz= √2,56 = 1,6 (desvio padrão de Z)
Para encontrarmos o coeficiente de variação X: Cvx= Sx/Xx
X – = 3Z + 2
Xx = 3Zz + 2
Xx = 3(20) + 2
Xx = 62
X – = 3Z + 2
Sx = 3. Sz + 2 (somar ou subtrair uma constante no desvio é inalterável)
Sx = 3. (1,6) + 0
Sx =4,8
Cvx= Sx/Xx
Cvx= 4,8/62
Cvx= 7,7%
21. (2016/VUNESP/MPE-SP) Na estatística, são considerados medidas de disper-
são:
a) média e moda.
b) percentil e coeficiente de variação.
c) amplitude total e percentil.
d) amplitude total e desvio padrão.
e) variância e média.
Letra d.
Na estatística descritiva, dispersão mostra o quão dispersa se encontra a distribui-
ção dos valores em relação à média. Exemplos comuns de medidas de dispersão
estatística são a variância, o desvio padrão e a amplitude interquartil.
Ainda com relação a estatística descritiva, vejamos sobre assimetria e curtose.
Assimetria
As medidas de assimetria indicam o grau de assimetria de uma distribuição de
frequências unimodal em relação a uma linha vertical que passa por seu ponto mais
elevado.
Distribuição Simétrica
Graficamente, uma distribuição simétrica tem associada a si uma curva de fre-
quências unimodal apresentando duas “caudas” simétricas em relação a uma li-
nha vertical que passa por seu ponto mais alto (eixo de simetria).
Distribuições Assimétricas
Uma distribuição assimétrica tem associada a si uma curva de frequências uni-
modal que apresenta, a partir do seu ponto mais alto, uma “cauda” mais longa para
a direita (assimetria positiva) ou para a esquerda (assimetria negativa).
Nas distribuições assimétricas, os valores da moda, da mediana e da média di-
vergem sendo que a média sempre estará do mesmo lado que a cauda mais longa.
Agora vamos juntos comentar uma questão para que possamos entender me-
lhor:
22. (2014/VUNESP/TJ-PA/ANALISTA JUDICIÁRIO – ESTATÍSTICA) A figura abaixo
representa o gráfico relativo a uma distribuição de frequência F para uma amostra
de dados. Seja Me o valor da média, Md o valor da mediana e Mo o valor da moda,
então:
a) Me < Md < Mo
b) Md < Mo < Me
c) Mo < Md < Me
d) Me < Mo < Md
e) Md < Me < Mo
Letra c.
Independentemente se a distribuição é assimétrica à direita ou à esquerda, a maior
frequência se encontra no ápice do gráfico, ou seja, a moda. O gráfico da questão
trata de uma distribuição assimétrica à direita. A medida de tendência central que
sofre influência dos extremos é a média aritmética, logo, fica a dica: ela sempre
estará na calda do gráfico. Sendo assim, sobra a mediana que se encontrará entre
a moda e a média aritmética.
A reta x cresce da esquerda para a direita:
Temos que a Mo < Md < Me.
23. (CESGRANRIO) Analise as afirmações a seguir.
Numa distribuição simétrica, a média e a mediana coincidem.
PORQUE
Numa distribuição simétrica a moda nem sempre existe.
Quanto às afirmações acima, pode-se concluir que
a) as duas asserções são verdadeiras e a segunda é uma justificativa correta da
primeira.
b) as duas asserções são verdadeiras e a segunda não é uma justificativa correta
da primeira.
c) a primeira asserção é uma proposição verdadeira e a segunda, uma proposição
falsa.
d) a primeira asserção é uma proposição falsa e a segunda, uma proposição ver-
dadeira.
e) tanto a primeira como a segunda são proposições falsas.
Letra b.
Conforme os conceitos vistos nesta aula, podemos inferir que as duas asserções
são verdadeiras e a segunda não é uma justificativa correta da primeira.
24. (2015/VUNESP/TJ-SP) A distribuição de salários de uma empresa com 30 fun-
cionários é dada na tabela seguinte.
Salário (em salários mínimos). Funcionários

1,8 10
2,5 8
3,0 5
5,0 4
8,0 2
15,0 1
De acordo com a tabela, assinale a afirmação verdadeira.
a) A distribuição é simétrica.
b) A distribuição tem assimetria positiva.
c) A moda é 10.
d) A mediana é 5.
e) O menor salário é 1.
Letra b.
Moda: analisando a tabela, podemos inferir que a moda é igual a 1,8, devido ao
fato de aparecer a maior frequência absoluta.
Mediana: colocando os salários em rol, podemos encontrar a mediana igual a 2,5.
Ordenando os valores dos salários (n = 30), teremos que a posição 15º e 16º terá
valores iguais a 2,5. Logo, mediana será a média aritmética (2,5 + 2,5) /2 = 2,5)
Média = 15 + (8.2) + (5.4) + (3.5) + (2, 5.8) + (1, 8.10) / 30 = 104/30 = 3,5
Analisando os valores das medidas de centralidade, temos:
Mo < Md < Me
A distribuição é assimétrica positiva.
Curtose
Denomina-se curtose o grau de “achatamento” de uma distribuição de frequên-
cias, geralmente unimodal, medido em relação ao de uma distribuição normal (de
Gauss) que é tomada como padrão.
De uma maneira mais simples, podemos dizer que curtose é o “grau de achata-
mento” de uma distribuição de frequências. O que as medidas de curtose buscam
indicar realmente é o grau de concentração de valores da distribuição em torno do
centro desta distribuição.
Em uma distribuição unimodal, quanto maior for a concentração de valores em
torno do centro da mesma, maior será o valor da sua curtose.
Graficamente, isso será associado a uma curva com a parte central mais afilada,
mostrando um pico de frequência simples mais destacado, mais pontiagudo, carac-
terizando a moda da distribuição de forma mais nítida.
Dizemos que uma distribuição de frequências é:
• Mesocúrtica: quando apresenta uma medida de curtose igual à da distribuição
normal.
• Platicúrtica: quando apresenta uma medida de curtose menor que a da dis-
tribuição normal.
• Leptocúrtica: quando apresenta uma medida de curtose maior que a da dis-
tribuição normal.
Coeficiente Percentílico de Curtose
Esse coeficiente é definido como o quociente entre a amplitude semi-interquar-
tílica e a amplitude entre o 10º e o 90º percentis.
O valor desse coeficiente para a curva normal é 0,26367...
Assim sendo, ao calcularmos o coeficiente percentílico de curtose de uma distri-
buição qualquer teremos:
Quando Cp ≅ 0,263 → diremos que a distribuição é mesocúrtica.
Quando Cp < 0,263 → diremos que a distribuição é platicúrtica.
Quando Cp > 0,263 → diremos que a distribuição é leptocúrtica.
Coeficiente Momento de Curtose
O coeficiente momento de curtose é definido como o quociente entre o momen-
to centrado de quarta ordem (m4) e o quadrado do momento centrado de segunda
ordem (variância).
O valor deste coeficiente para a curva normal é 3,00.
Portanto:
Quando Cm ≅ 3,00 →diremos que a distribuição é mesocúrtica.
Quando Cm < 3,00 →diremos que a distribuição é platicúrtica.
Quando Cm > 3,00 →diremos que a distribuição é leptocúrtica.
25. (2014/VUNESP/DESENVOLVESP) A medida do “achatamento” de uma distribui-
ção de probabilidade é denominada
a) assimetria.
b) variância.
c) desvio padrão.
d) curtose.
e) desvio absoluto médio.
Letra d.
Denomina-se curtose ao grau de “achatamento” de uma distribuição de frequên-
cias, geralmente unimodal, medido em relação ao de uma distribuição normal (de
Gauss) que é tomada como padrão.
Técnicas de Amostragem
Em Estatística é de suma importância a aplicação dos métodos adequados e
confiáveis para adquirir e coletar as amostras que apresentam resultados que pos-
sam ser generalizados para a população de interesse.
Vamos apresentar abaixo um fluxograma que ilustra de maneira simples o pro-
cesso de amostragem:
Pré-requisitos de uma Amostragem
1) Representatividade: a amostra precisa conter todas as subdivisões, carac-
terísticas da população.
2) Suficiência: quantidade suficiente que permita caracterizar a variabilidade,
mesmo dentro das subdivisões da população.
3) Aleatoriedade: é uma condição necessária para a generalização estatística.
Podemos dividir a amostragem em dois blocos, ou seja, a maneiro de selecionar
os elementos da população para que possamos definir os subconjuntos (planos de
amostragem):
Planos de Amostragem
Definição das unidades de amostragem: a maneira que chegaremos aos ele-
mentos da amostra.
Definição de como a amostra será retirada: tipos de amostragens.
Nesta aula, iremos nos concentrar somente nas amostragens probabilísticas,
conforme o seu edital, ok?
Para as amostras probabilísticas, iremos nos concentrar nas técnicas adequa-
das, que são: aleatória simples, estratificada, sistemática e por conglomerados.
Amostragem Probabilística – Técnicas de Amostragem
Amostragem Aleatória Simples ou Casual (A.A.S.)
Na A.A.S. a amostra de tamanho n é selecionada ao acaso dentre os N elemen-
tos da população amostral.
Podemos ter alguns procedimentos de sorteio, vejamos:
a) um elemento é selecionado ao acaso dentre os N possíveis;
b) o segundo elemento é selecionado ao acaso dentre os (N – 1), ou seja, o
elemento anterior não é mais possibilidade.
Essa técnica possui a característica de ser “sem reposição”, o que significa que:
cada indivíduo aparece uma única vez na amostra.
Os procedimentos “com reposição”, quando o indivíduo pode aparecer mais de
uma vez na amostra, não serão abordados por serem pouco comuns na prática, ou
seja, em nosso cotidiano.
Na A.A.S. a probabilidade de qualquer indivíduo ou elemento da população fazer
parte da amostra é igual a n/N.
Sugestões de como proceder em um sorteio:
• geração números aleatórios, pelo computador;
• tabela de números aleatórios;
• globos com bolinhas numeradas (Ex.: Bingo);
• entre outras formas em que cada unidade amostral tenha a mesma chance
de ser selecionada.
Amostragem Aleatória Estratificada (A.A.E.)
No caso de uma população muito heterogênea, isto é, quando as características
observadas variam muito de um elemento para outro, é aconselhável subdividir a
população em estratos homogêneos.
A população é dividida em k estratos, e teremos uma Amostra Aleatória simples
sendo aplicada em cada um dos deles, ok?
Quanto aos estratos:
• Tamanhos dos estratos: N1, N2, N3,..., Nk.
• A somas dos estratos: N1 + N2 + N3 +... + Nk = N
• Tamanhos das amostras nos estratos: n1, n2, n3,..., nk.
• Soma das amostras nas amostras: n1 + n2 + n3 +... + nk = n
A Amostra Aleatória Estratificada produz resultados mais precisos do que a Amos-
tra Aleatória Simples, partindo de uma amostra de mesmo tamanho. Na questão do
custo, torna-se mais cara devido à segmentação da população.
É importante definir a quantidade de elementos alocados dentro de cada estra-
to. Pois bem, podemos construir estratos da seguinte forma:
i) Alocações iguais: se porventura os estratos apresentarem tamanhos pare-
cidos, ou seja, N1 ≈ N2 ≈ N3 ≈... ≈ Nk Então, pode-se fazer: n1 = n2 = n3 =...
= nk = k n
Vejamos um exemplo: se o tamanho de uma amostra for n = 60, e o número de
estratos é k = 5, então, n1 = n2 = n3 = n4 = n5 =12.
ii) Alocação proporcional ao tamanho do estrato: se porventura a alocação
for proporcional ao tamanho, os tamanhos das amostras devem seguir a
mesma relação de proporcionalidade dos tamanhos dos estratos, veja-
mos:
Podemos inferir que:
Vamos considerar uma amostra de tamanho n = 96 a ser selecionada de uma
população dividida em 3 estratos, tais que N1 = 80, N2 = 160 e N3 = 240, então N
= 80 + 160 + 240 = 480
Na verdade, temos uma divisão proporcional, em que podemos calcular da se-
guinte forma:
, simplificando os denominadores dividindo por (80), teremos:
Dessa forma, temos que os estratos: n1 = 16, n2 = 32 e n3 = 48 são a alocação
proporcional ao tamanho dos estratos.
Esse resultado significa que se deve selecionar 16 elementos do primeiro estrato,
32 do segundo estrato e 48 do terceiro.
iii) Alocação ótima: alocação que otimiza uma relação conhecida (função) e
que normalmente envolve o tamanho dos estratos, as suas heterogeneidades
e o custo da amostragem. Por otimizar entende-se escolher os tamanhos de
amostras em cada estrato que maximizam ou minimizam a função escolhida.
Amostragem Aleatória por Conglomerados (A.A.C.)
Em uma amostragem por conglomerados, os elementos da população são agru-
pados em conglomerados ou clusters (grupos), que serão as unidades amostrais
a serem selecionadas. A divisão deve ser feita de forma que os conglomerados te-
nham as mesmas características da população.
Na A.A.C. uma A.A.S. é aplicada para a seleção aleatória de k conglomerados.
Uma vez selecionados os conglomerados, todos os seus elementos devem ser ob-
servados. O procedimento descrito acima é uma A.A.C. em um estágio, quando se
realiza uma única seleção de conglomerados.
A Amostragem Aleatória por Conglomerados pode, ainda, ser aplicada em dois
ou mais estágios. Em dois estágios, após a escolha dos conglomerados, aplica-se
um segundo sorteio aleatório dentre os seus elementos.
Exemplo:
Estudo sobre a percepção social dos problemas de quantidade, qualidade e custo
dos recursos naturais em Brasília-DF. Definindo-se as Cidades Satélites como sendo
os conglomerados:
a) A.A.C. em 1 estágio: uma A.A.S. é aplicada para a seleção de uma amostra ale-
atória das Cidades Satélites, e o questionário é aplicado a todas as residências dos
Cidades Satélites selecionadas.
b) A.A.C. em 2 estágios: i) no 1º estágio: aplica-se uma A.A.S. para se selecionar
uma amostra das Cidades Satélites; ii) no 2º estágio: dentre as Cidades Satélites
selecionadas no 1º estágio, sorteia-se uma amostra aleatória das residências que
efetivamente participarão da amostra.
Obs.: 1. A A.A.C. produz resultados menos precisos do que a A.A.S. com o mesmo
tamanho de amostra e, por consequência, do que a A.A.E.
2. É mais barata por agrupar os elementos da população.
Vamos realizar uma análise entre os três métodos já citados:
• Amostragem aleatória estratificada:
–– Mais precisa do que a A.A.S., porém mais cara.
–– Considera a heterogeneidade da população.
• Amostragem aleatória simples:
–– Planejamento ideal.
–– Pode ser muito cara.
–– Não considera a heterogeneidade da população.
• Amostragem aleatória por conglomerados:
–– Menos precisa do que a A.A.S. e A.A.E., porém mais barata.
–– Resolve o problema do custo.
Ufa! Por último, veremos mais uma técnica!
Amostragem Aleatória Sistemática (A.A.S.)
Amostragem Sistemática: é aplicada de forma sistemática, isto é, ter em mão
um sistema de referência de fácil acesso. Nessa amostragem, além da facilidade
de acesso ao sistema de referência, a informação a ser coletada também é de fácil
acesso.
Vejamos exemplos:
• fichas de cadastro de assinantes (jornais, provedores de acesso à internet,
serviço telefônico etc.);
• cadastro de funcionários;
• peças numa linha de produção;
• mudas num canteiro etc.
Procedimento: com o sistema de referência em mãos.
a) determina-se o intervalo de seleção, que é dado por R = n /N;
b) sorteia-se um indivíduo, ou item, dentre os R primeiros da relação;
c) a partir daí, seleciona-se os indivíduos sistematicamente a cada intervalo de
tamanho R.
Aplicação: dada uma população que tem tamanho N = 96, devendo-se selecio-
nar uma amostra de tamanho n = 6, então, tendo-se em mão uma relação com os
84 indivíduos da população:
1) divide-se população em 6 seções de tamanho 96/6 = 24;
2) seleciona-se aleatoriamente o primeiro indivíduo da amostra dentre os 24
primeiros (por exemplo, o de número 6);
3) o segundo indivíduo a ser selecionado é o 6 + 14 = 20, ou seja, o 20º da
relação;
4) o terceiro é o 20 + 14 = 34, ou seja, o 34º da relação, e assim por diante.
Ordem Pessoa selecionada

1 6ª
2 20ª
3 34ª
4 48ª
5 62ª
6 76ª
Dessa forma selecionamos as pessoas que se encontram nas posições especi-
ficadas na tabela acima.
QUESTÕES DE CONCURSO
26. (2015/VUNESP/TJ-SP/ESTATÍSTICO JUDICIÁRIO) Uma equipe de pesquisado-
res a serviço da prefeitura de uma cidade está planejando um estudo junto à po-
pulação para verificar a relação entre renda e prática de esportes. Com relação à
amostra a ser colhida, o plano prevê sondagens com 30 praticantes de futebol, 30
praticantes de natação e 30 praticantes de corrida, todos selecionados aleatoria-
mente entre os praticantes de cada modalidade.
Uma amostra assim obtida é denominada
a) de conveniência.
b) sistemática.
c) por conglomerado.
d) estratificada.
e) de julgamento.
27. (2015/VUNESP/PREFEITURA DE SÃO PAULO-SP) Em um bairro da cidade, foi
feita uma enquete para verificar a preferência da comunidade em relação a dois
projetos: construção de uma árvore de natal ou um espetáculo com um cantor
popular. Os entrevistados deveriam optar por apenas uma dessas duas opções. Su-
pondo que a chance de escolha de cada uma das opções é de 50%, a probabilidade
de se conseguir 4 votos para o espetáculo e 2 votos para a construção da árvore,
em um total de 6 votos, é, aproximadamente, igual a
a) 24,5%.
b) 44,9%.
c) 33,3%.
d) 23,4%. XX
e) 28,1%.
28. (2015/VUNESP/TJ-SP/ESTATÍSTICO JUDICIÁRIO) Leia o texto a seguir para
responder à questão.
Uma pesquisa com uma amostra de jovens entre 18 e 25 anos de uma comunidade
revelou que 70% deles estudam e que 50% deles trabalham. A pesquisa mostrou
ainda que 40% desses jovens trabalham e estudam.
Escolhido um jovem entre 18 e 25 anos dessa comunidade, a probabilidade de que
seja estudante, sabendo-se que não trabalha, é de
a) 30%
b) 40%
c) 50%
d) 60%
e) 70%
Escolhendo-se, ao acaso, dois jovens entre 18 e 25 anos dessa comunidade, a pro-
babilidade de que pelo menos um deles seja estudante é de
a) 91%
b) 70%
c) 49%
d) 30%
e) 9%
30. (2014/VUNESP/TJ-PA/ANALISTA JUDICIÁRIO – ESTATÍSTICA) As probabilida-
des de três times de futebol A, B e C vencerem seus jogos na próxima rodada de
um campeonato, considerando-se o time que cada um deles vai enfrentar, são in-
dependentes e são dadas por: p(A) = 2/5; p(B) = 3/8 e p(C) = 1/2. Ocorrendo os
três jogos, a probabilidade de que apenas A vença o seu jogo é:
a) 0,4%.
b) 1,25%.
c) 4%.
d) 12,5%.
e) 40%.
GABARITO
26. d
27. d
28. d
29. a
30. d
GABARITO COMENTADO
31. (2015/VUNESP/TJ-SP/ESTATÍSTICO JUDICIÁRIO) Uma equipe de pesquisado-
res a serviço da prefeitura de uma cidade está planejando um estudo junto à po-
pulação para verificar a relação entre renda e prática de esportes. Com relação à
amostra a ser colhida, o plano prevê sondagens com 30 praticantes de futebol, 30
praticantes de natação e 30 praticantes de corrida, todos selecionados aleatoria-
mente entre os praticantes de cada modalidade.
Uma amostra assim obtida é denominada
a) de conveniência.
b) sistemática.
c) por conglomerado.
d) estratificada.
e) de julgamento.
Letra d.
Temos uma população heterogênea, esportes distintos, sendo assim, optou-se em
selecionar as pessoas dentro de cada estrato (dentro de cada modalidade).
Vejamos algumas questões de probabilidade, beleza?
32. (2015/VUNESP/PREFEITURA DE SÃO PAULO-SP) Em um bairro da cidade, foi
feita uma enquete para verificar a preferência da comunidade em relação a dois
projetos: construção de uma árvore de natal ou um espetáculo com um cantor
popular. Os entrevistados deveriam optar por apenas uma dessas duas opções. Su-
pondo que a chance de escolha de cada uma das opções é de 50%, a probabilidade
de se conseguir 4 votos para o espetáculo e 2 votos para a construção da árvore,
em um total de 6 votos, é, aproximadamente, igual a
a) 24,5%.
b) 44,9%.
c) 33,3%.
d) 23,4%. XX
e) 28,1%.
Letra d.
Temos eventos sucessivos em que a chance de construção de uma árvore de natal
é igual a 50% e de um espetáculo com um cantor popular também é de 50%.
Mas a questão afirma que em seis votos, a chance de termos 4 votos para o espe-
táculo e 2 votos para a construção da árvore é:
E (espetáculo) = 1/2
A (árvore) = 1/2
E.E.E.E.A.A
½.½.½.½.½.½. = 1/64
Não podemos esquecer a questão das ordens em que os votos podem ocorrer, sen-
do assim, teremos 6!/4!.2!, ordens distintas, que é igual a 15 ordens.
Escolhido um jovem entre 18 e 25 anos dessa comunidade, a probabilidade de que
seja estudante, sabendo-se que não trabalha, é de
a) 30%
b) 40%
c) 50%
d) 60%
e) 70%
Letra d.
Vamos construir os diagramas para que você possa entender melhor:
Se 70% estudam e 40% estudam e trabalham, então 30% só estudam. Se 50%
trabalham então 50% não trabalham.
P (n) = 30% / 50%
P (n) = 60%
Escolhendo-se, ao acaso, dois jovens entre 18 e 25 anos dessa comunidade, a pro-
babilidade de que pelo menos um deles seja estudante é de
a) 91%
b) 70%
c) 49%
d) 30%
e) 9%
Letra a.
Vamos construir os diagramas para que você possa entender melhor:
Agora temos dois jovens, em que pelo menos um seja estudante, então pode ser
também os dois jovens estudantes.
Pela exclusão, o que não pode acontecer são os dois jovens não serem estudantes.
Vamos considerar o geral (todo =1) e subtrair o que não serve (os dois não serem
estudantes):
1 – (30/100 x 29/99)
1 – (0,3. 0,2929)
1 – (0,0878787) = 0,9112 = 91%
35. (2014/VUNESP/TJ-PA/ANALISTA JUDICIÁRIO – ESTATÍSTICA) As probabilida-
des de três times de futebol A, B e C vencerem seus jogos na próxima rodada de
um campeonato, considerando-se o time que cada um deles vai enfrentar, são in-
dependentes e são dadas por: p(A) = 2/5; p(B) = 3/8 e p(C) = 1/2. Ocorrendo os
três jogos, a probabilidade de que apenas A vença o seu jogo é:
a) 0,4%.
b) 1,25%.
c) 4%.
d) 12,5%.
e) 40%.
Letra d.
Temos que a probabilidade de A vencer: 2/5
Temos que a probabilidade de B perder: 5/8
Temos que a probabilidade de C perder: 1/2
2/5 x 5/8 x 1/2 = 10/80 = 0,125 = 12,5 %
AUTOAVALIAÇÃO
1. (2015/VUNESP/PREFEITURA DE SÃO PAULO-SP) Utilize o texto e as tabelas para
Escola A Escola B
1 62 1 73
2 63 2 66
3 65 3 70
4 60 4 71
5 64 5 72
6 63 6 71
7 66 7 72
8 61 8 73
Percentualmente, a média aritmética das massas dos alunos relacionados da escola
B supera a média aritmética das massas dos alunos relacionados da escola A em,
aproximadamente,
a) 17%.
b) 13%.
c) 21%.
d) 18%.
e) 9%
2. (2015/VUNESP/PREFEITURA DE SÃO PAULO-SP) Utilize o texto e as tabelas para
Escola A Escola B
1 62 1 73
2 63 2 66
3 65 3 70
4 60 4 71
5 64 5 72
6 63 6 71
7 66 7 72
8 61 8 73
A variabilidade dos dados da escola B é maior do que a variabilidade obtida com
os dados da escola A. A diferença entre o desvio padrão obtido para a escola B e o
desvio padrão obtido para a escola A está no intervalo entre
a) 0,17 kg e 0,21 kg.
b) 0,29 kg e 0,33 kg.
c) 0,13 kg e 0,17 kg.
d) 0,21 kg e 0,25 kg.
e) 0,25 kg e 0,29 kg.
3. (2015/VUNESP/PREFEITURA DE SÃO PAULO-SP) A distorção ou o desvio que é
comprovadamente não representativo de distorção ou desvio em uma população
denomina-se,
a) estratificação.
b) taxa tolerável de desvio.
c) anomalia. XX
d) amostragem estatística.
e) unidade de amostragem.
4. (2015/VUNESP/TJ-SP) A distribuição de salários de uma empresa com 30 fun-
cionários é dada na tabela seguinte.
Salário (em salários mínimos) Funcionários

1,8 10
2,5 8
3,0 5
5,0 4
8,0 2
15,0 1
A média de salários mais a mediana é, aproximadamente, igual a
a) 6,0.
b) 6,5.
c) 7,0.
d) 7,5.
e) 8,0.
5. (2015/VUNESP/TJ-SP/ESTATÍSTICO JUDICIÁRIO) Considere a tabela de distri-
buição de frequência seguinte, em que xi é a variável estudada e fi é a frequência
absoluta dos dados.
xi fi
30 — 35 4
35 — 40 12
40 — 45 10
45 — 50 8
50 — 55 6
TOTAL 40
A mediana dos dados é

a) 30,75.
b) 42,00.
c) 47,75.
d) 50,25.
e) 52,75.
6. (2015/VUNESP/TJ-SP/ESTATÍSTICO JUDICIÁRIO) Na tabela seguinte, são ano-

tadas as idades de 40 pessoas inscritas para participar do júri em um julgamento.
19 19 22 22 22 27 27 28 29 29
29 30 31 33 33 34 34 34 35 35
35 36 36 37 38 38 38 38 42 44
44 44 46 48 52 58 68 68 78 82
O juiz, consultando essa tabela, decide não convocar os candidatos cujas idades es-
tão abaixo do 1º quartil, bem como aqueles cujas idades estão acima do 3º quartil.
O 1º e o 3º quartil são, respectivamente,
a) 29 e 44.
b) 29 e 42.
c) 30 e 44.
d) 30 e 50.
e) 29 e 46.
7. (2015/VUNESP/TJ-SP/ESTATÍSTICO JUDICIÁRIO) Dados os valores de uma vari-
ável: 5, 10, 15, 20, 25, as variâncias amostral e populacional são, respectivamente,
a) 14,7 e 15.
b) 125 e 250.
c) 62,5 e 50.
d) 29,4 e 30,8.
e) 83,3 e 85.
GABARITO
1. b
2. e
3. c
4. a
5. b
6. a
7. c

Noções de Estatística: Métodos para resolução de questões

Enviado por

Dados do documento

Descrição original:

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

Noções de Estatística: Métodos para resolução de questões

Enviado por

Direitos autorais:

Formatos disponíveis

PC-BA

Neste módulo serão apresentados métodos para resolução de questões de con-

cursos relacionados a problemas envolvendo o conteúdo de estatística, relacionado

1) Estatística descritiva e análise exploratória de dados: gráficos, diagramas,

tabelas, medidas descritivas (posição, dispersão, assimetria e curtose).

2) Probabilidade. 2.1 definições básicas e axiomas. 2.2 probabilidades condi-

cional e independência (em exercícios, pois o assunto já foi visto em aula

3) Técnicas de amostragem: amostragem aleatória simples, estratificada, siste-

mática e por conglomerados.

Esta aula propõe-se a desenvolver, gradualmente, o raciocínio criativo, com

aplicação de conceitos e propriedades, promovendo maior independência na busca

de soluções de problemas, aprendendo a interpretar tais questões por meio da prá-

tica e aplicação de métodos que facilitarão na conclusão das questões.

privilégio de compartilhar esse momento importantíssimo com você, que pretende

ingressar no serviço público. Já tenho mais de 16 anos de experiência em aulas

tre elas: Raciocínio Lógico Matemático – Fundamentos e Métodos Práticos, Editora

JUSPODIVM (2016) e, em especial, Mais de 350 Questões Comentadas de Raciocí-

nio Lógico – Cespe, também pela editora JUSPODIVM.

examinadoras exigem o assunto indicado nesta aula.

O conteúdo deste módulo é de suma importância, pois trata de assunto cobrado

nas provas de concursos públicos pela banca VUNESP.

Pensando nisso, teremos uma metodologia infalível e estrategista, pois, além

de aprendermos os princípios e os fundamentos do assunto deste módulo, sabendo

interpretar suas aplicações nas questões de concursos, iremos aprender os melho-

res métodos de resolução, que, dediquei-me a desenvolver no decorrer desses 16

público nos diversos processos seletivos em todo do Brasil.

No decorrer do nosso estudo, iremos seguir um cronograma didático que tem

dado muito certo:

• conceitos de forma esquematizada;

• métodos e dicas de resolução rápida;

• questões comentadas com esquemas estratégicos.

Primeiramente, vamos entender o que é estatística?

É um conjunto de métodos e processos quantitativos que serve para estudar e

medir os fenômenos coletivos, por meio da obtenção de dados e consequente or-

ganização, resumo, apresentação, análise e conclusões baseadas nos dados. É de

suma importância para tomada de decisões, sendo utilizada em diversas áreas do

alguns parâmetros que serão definidos dependem do lugar em que as informações

(dados) são adquiridas.

1. População: conjunto universo de todos os elementos (pessoas, objetos e

outros), com uma característica comum, objeto de estudo. Um parâmetro é uma

medida numérica que descreve alguma característica de uma população.

2. Amostra: é qualquer subconjunto não vazio de uma população. Uma esta-

tística (estimador) é uma medida numérica que descreve alguma característica de

No fenômeno coletivo “eleição para síndico”, a população é o conjunto de todos os

moradores do condomínio. Um parâmetro é a quantidade de votos recebidos pelo

candidato X. Uma amostra poderia ser um grupo de 100 eleitores selecionados

aleatoriamente no condomínio. Uma estatística seria a proporção de votos rece-

bidos pelo candidato X na amostra.

Processos estatísticos utilizados no estudo de fenômenos coletivos.

de todos os componentes da população.

2. Estimação: é uma avaliação indireta de um parâmetro, com base em um

estimador por meio do cálculo de probabilidades.

É barato, rápido, atualizado, admite erro processual positivo e confiabilidade menor

Para tomada de decisões é de suma importância que os dados amostrais devem

ser coletados de modo apropriado, por meio de um processo de seleção aleatória.

O objetivo da estatística é, em grande parte, o uso de dados amostrais para se fa-

zerem inferências (ou generalizações) sobre uma população inteira.

Dessa forma, se não forem coletados de modo apropriado, podem se tornar

inúteis, ou induzir em erro o processo decisório.

Quanto à organização dos dados podemos ter:

É importantíssimo sabermos sobre o tipo dos dados, pois, dependendo

2. Dados Qualitativos: são dados que possuem características não numéricas,