Escolar Documentos
Profissional Documentos
Cultura Documentos
EXAME DE ESTATÍSTICA
Código do Estudante:
Disciplina: Estatística.
1º Ano.
Introdução...............................................................................................................................1
1.1. Conceito....................................................................................................................2
1.3. Mediana....................................................................................................................4
1.4. Moda.........................................................................................................................5
2.1. Conceito....................................................................................................................8
3.3. Permutações............................................................................................................13
3.4. Combinações..........................................................................................................14
Considerações Finais.............................................................................................................23
Bibliografia...........................................................................................................................24
Introdução
1
Actividade 1: Medidas de Tendência Central para dados agrupados e não agrupados.
1.1. Conceito
As principais medidas de tendência central são: Média, Mediana e Moda. A média pode
ainda ser Aritmética, Geométrica e Harmónica.
∑ Xi X 1+ X 2+ …+ X N
μ= i=1 =
N N
∑ Xi X 1 + X 2 +…+ X n
x́= i=1 =
n n
Fi
Média da População (dados agrupados) Sendo f i= a frequência relativa de cada
N
valor da variável
μ=
∑ Xi× Fi =
N
∑ Xi × f i
Média de uma amostra da População (dados agrupados)
x́=
∑ Xi × Fi=
n
∑ Xi × f i
Onde:
2
xi - valores individuais observados; N - tamanho da população; n - tamanho da amostra.
Quando estamos perante fenómenos cujas as variáveis são proporcionais a um valor inicial
é mais aconselhável utilizar a média geométrica (Mg ou X́ g) que se define da seguinte
maneira:
i=1
X i=N√ X 1 × X 2 × X 3 ×… × X N
i=1
i
N
X Fi = √ X F1 × X F2 × X F3 × … × X FN
1 2 3 N
3
1.2.5. Média Harmónica
1
X́ h= N
∑ f i × X1
i=1 i
1.3. Mediana
A mediana é o valor central médio depois de ordenar os dados por ordem crescente ou
decrescente de tamanho ou importância. Ou seja, é definida como o valor da variável que
ocupa a posição central na sucessão de observações ou na distribuição de frequências, isto
é, o número de observações para valores que lhe são inferiores deverá ser igual ao número
de observações para valores que lhe são superiores, depois de se colocarem os dados quer
por ordem crescente, quer decrescente de valores.
N +1
Se N for ímpar, a mediana será o elemento central de ordem ;
2
N
Se N for par, a mediana será a média entre os elementos centrais de ordem e
2
N +2
.
2
No caso de uma variável contínua agrupada em classes, o cálculo da mediana pode ser
assim sumariado:
N
Calcula-se a ordem . Como a variável é contínua não é necessário diferenciar
2
entre N par e ímpar;
4
Pelas frequências acumuladas identifica-se a classe que contém a mediana e que
será a classe mediana;
Calcula-se o valor exacto da mediana através da seguinte fórmula:
N
−cum F ( Me−1 )
2
Me=l i ( Me ) + ×a ( Me )
F ( Me )
Mediana (frequências absolutas)
0,5−cum f ( Me −1 )
Me=l i ( Me ) + ×a ( Me )
f ( Me )
Mediana (frequências relativas)
Onde:
1.4. Moda
A moda é o valor mais frequente da distribuição ou ainda o valor que mais observações
apresenta no conjunto dos dados. Tal como a mediana, a moda é também uma medida de
posição e torna-se mais fácil de calcular se os dados estiverem ordenados. No caso de
variáveis discretas, o cálculo da moda não tem qualquer dificuldades, enquanto que para as
variáveis contínuas é necessário definir primeiro a classe modal e depois aplicar a seguinte
fórmula:
F ( Mo+1 )
Mo=l i ( Mo ) + × a ( Mo )
F ( Mo−1 )+ F ( Mo+1 )
Moda (frequências absolutas)
f ( Mo+1 )
Mo=l i ( Mo ) + ×a ( Mo )
f ( Mo−1 )+ f ( Mo+1 )
Moda (frequências relativas)
Onde:
5
l i ( Mo ) é o limite inferior da classe modal; F ( Mo−1 ), f ( Mo−1 ) são as frequências absoluta
e relativa, respectivamente, da classe anterior à classe modal; F ( Mo +1 ), f ( Mo +1 )são as
frequências absoluta e relativa, respectivamente, da classe a seguir à classe modal; a ( Mo ) é
a amplitude da classe modal.
Como vantagens a moda é fácil de calcular e interpretar e não é afectada por valores
extremos, no entanto, não pode ser definida com rigor e o seu valor exacto é muitas vezes
incerto.
Uma distribuição de frequências poderá ter mais do que uma moda e, nesse caso, diz-se
bimodal, trimodal, etc,
Exemplos:
Para o cálculo do preço médio deve então ponderar os preços de cada modelo pelas
respectivas quantidades vendidas. Para tal, a fórmula a utilizar será:
μ=
∑ X i × F i = 357,00 =7,14 Rands
N 50
2. Calcule a mediana dos dados discretos
Xi Fi Cum Fi
1 1 1
2 3 4
3 5 9
4 2 11
∑ = 11
N +1
a) Como N = 11 (impar), logo a mediana será de ordem ou seja
2
11+1 12
= =6 ° . Para identificar calculam-se as frequências acumuladas. O
2 2
valor da variável que acumula até seis (6) ocorrências é Xi = 3, logo a Me = 3.
b) Dada a seguinte distribuição,
Xi Fi Cum Fi
82 5 5
85 10 15
87 15 30
89 8 38
90 4 42
∑ = 42
7
N
Como N = 42 (par), logo a mediana será a média entre os valores de ordem e
2
N +1 42 42+1 43
ou seja =21 ° e = =22 ° . Para identificar calculam-se as
2 2 2 2
frequências acumuladas. Como é o mesmo, o valor da variável para estes dois
elementos, logo a Me = 87.
Classes Fi Cum Fi
35 – 45 5 5
45 – 55 12 17
55 – 65 18 35
65 – 75 14 49
75 – 85 6 55
85 – 95 3 58
∑ = 58
N 58
1º) Calcula-se a ordem: = =29
2 2
N
−cum F ( Me−1 )
2 29−17
Me=l i ( Me ) + ×a ( Me )=55+ ×10=61,67
F ( Me ) 18
F ( Mo+1 ) 14
Mo=l i ( Mo ) + × a ( Mo ) =55+ ×10=60,39
F ( Mo−1 )+ F ( Mo+1 ) 12+14
2.1. Conceito
8
O método mais simples para se medir o grau de assimetria de uma distribuição consiste na
comparação de três medidas de tendência central: a média, a mediana e a moda.
Numa distribuição simétrica verifica-se que a média, a mediana e a moda são iguais.
Quando a média ≥ mediana ≥ moda a distribuição é assimétrica positiva ou enviesada à
esquerda. No caso inverso, média ≤ mediana ≤ moda, a distribuição é assimétrica negativa
ou enviesada à direita.
3 × ( Média−Mediana )
O grau de assimetria pode ser medido da seguinte maneira: G= ,a
Desvio Padrão
divisão pelo desvio padrão permite-nos obter um resultado que não é influenciado pela
dispersão dos dados, mas apenas pelo grau de assimetria.
3 × ( μ−Me )
G=
σ
9
3 × ( X́−Me )
G=
S
Existem ainda outros indicadores quantitativos que nos permitem estimar, com maior
precisão, o grau de assimetria de uma distribuição. Um deles é o coeficiente de Pearson
que mede o grau de assimetria através da comparação da média e da moda:
μ−Mo
G 1=
σ
Se G1 = 0 a distribuição é simétrica,
Se G1 > 0 a distribuição é assimétrica positiva, e
Se G1 < 0 a distribuição é assimétrica negativa.
Pearson definiu um segundo coeficiente que nos permite calcular o grau de assimetria de
uma distribuição quando não dispomos da média e do desvio padrão, utilizando apenas os
quartis da distribuição:
Q3 +Q1−2 × Me
G 2=
Q3−Q1
Q 3 −Q 1
K=
2 × ( P90 −P 10)
n
❑ A'P=nP
2
❑ A'3 =23=8
11
Com os elementos do conjunto A={ a , b , c , d } quantas sequências de 3 elementos pode-se
formar sem que os elementos se repitam?
Em esquema, tem-se:
↓ ↓ ↓
4́ 3́ 2́
Ao todo temos 4×3×2 = 24 sequências. A este número dá-se o nome de arranjos sem
repetição de 4 elementos tomados 3 a 3, e representa-se por ❑4 A3 .
n n!
logo vem ❑ A p= comn ≥ p
( n− p ) !
12
a) Três bolas com reposição?
Havendo reposição da bola, significa que há sequência com elementos repetidos.
5
❑ A'3 =53=125
3.3. Permutações
n n! n! n!
Como A n= = = =n!
❑
( n−n ) ! 0 ! 1
Então Pn=n!
a) numa fila?
Como em qualquer sequência formada pelas 5 pessoas não há elementos repetidos e
interessa a ordem desses elementos, tem-se:
P5=5 !=5 × 4 ×3 ×2 ×1=120
Logo, ao todo há 120 maneiras diferentes de as 5 pessoas se sentarem numa fila.
13
b) à volta de uma mesa?
Como uma das pessoas pode sentar-se em qualquer lugar, as restantes 4 pessoas
podem sentar-se de P4 maneiras diferentes.
𝑷𝟒 P4 =4 !=4 ×3 × 2× 1=24
14
3.4. Combinações
4
Verificamos anteriormente que ❑ A 2 dá-nos o número de sequências de 2 elementos
possíveis que é possível formar num conjunto de 4 elementos. Observando que numa
sequência consideramos a ordem dos seus elementos e num conjunto não, e que com os
mesmos 2 elementos têm-se 2 ! sequências diferentes, vem
4!
4
❑A 2 ( 4−2 ) ! 4! 4 × 3× 2!
= = = =6
2! 2! 2!2! 2 ×2 !
n n!
Atendendo que ❑ A p= , a formula anterior poderá escrever-se:
(n−p)!
n!
n
n A❑p (n− p)! n!
❑C p= = =
p! p! p ! ( n−p ) !
Então vem,
n n!
❑C p=¿
p ! ( n− p ) !
15
Não há elementos repetidos;
Não interessa a ordem dos elementos.
30 30!
C5 = =142506
❑
5 ! 25 !
ser escolhidos de 12
❑ C 2 modos diferentes. Ao todo tem-se
18 18! 12!
C3 × 12❑C2 = × =53856
❑
3 ! 15 ! 2 ! 10 !
Portanto, podem formar-se 53856 grupos diferentes constituídos por 3 raparigas e 2
rapazes.
nA
A, então a probabilidade de A é a fracção ,
N
nA
P [ A ]=
N
16
Onde: N é o número de resultados possíveis e nA é o número de resultados favoráveis a A, S
espaço amostral (Reis, 2007, p.46).
O cálculo de probabilidade pode ser desenvolvido a partir de três axiomas essências (Reis,
2007, p.51).:
1) P ( A )≥ 0 ∀ A ⊆S
2) P ( S )=1 (S é o acontecimento certo)
3) Se A e B são eventos mutuamente exclusivos definidos em S, ou seja, A ∩ B=∅
⟹ P ( A ∪ B )=P ( A ) + P ( B )
n
P ( ¿ i=1 ¿ n A i )=∑ P ( A i )
i=1
Com base nos axiomas referidos e possível demostrar diversos teoremas, entre os quais se
destacam os seguintes:
17
Teorema 1: Se ∅ for o conjunto vazio, significa que não possui elementos,
S ∪∅=S, então, P( ∅)=0
P ( S ∪ ∅ ) =P ( S ) ⟺ P ( S )+ P ( ∅ )=P ( S ) ⟹ P ( ∅ )=P ( S ) −P ( S ) ⟹ P ( ∅ ) =0
P ( Á )=1−P ( A )
P ( B− A )=P ( B )−P( A ∩ B) .
P ( A ∪ B ) =P ( A )+ P ( B )−P ( A ∩B ),
18
n n−1 n n−2 n −1 n
P ( A 1 ∪ A 2 ∪ A3 ∪… ∪ A n )=P ( ¿ i=1 ¿ n A i) =¿ ∑ P ( A i )−∑ ∑ P ( Ai ∩ A j ) +∑ ∑ ∑ P ( A i ∩ A j ∩ A k ) +…
i=1 i=1 j=i+1 i=1 j =i +1 k= j +1
Para n = 3
3 2 3
P ( A 1 ∪ A 2 ∪ A3 ) =∑ P ( A i )−∑ ∑ P ( Ai ∩ A j ) +(−1 )4 P ( A 1 ∩ A 2 ∩ A3 ) =P ( A 1 ) + P ( A 2 ) + P ( A 3 ) −P ( A 1 ∩ A2 ) −
i=1 i=1 j=i+1
Para n = 4
4 3 4 2 3 4
P ( A 1 ∪ A 2 ∪ A3 ∪ A 4 ) =∑ P ( Ai ) −∑ ∑ P ( A i ∩ A j ) +∑ ∑ ∑ P ( A i ∩ A j ∩ A k ) +(−1 )5 P ( A 1 ∩ A 2 ∩ A 3 ∩ A
i=1 i=1 j=i+ 1 i=1 j=i +1 k= j +1
Se os acontecimentos A1, A2, …, An definem uma partição sobre S então para qualquer
acontecimento B definido em S tem-se que:
n
P ( B )=∑ P ( B / A i ) × P ( A i )=P ( B/ A1 ) × P ( A1 ) + P ( B/ A 2 ) × P ( A 2 ) +…+ P ( B/ An ) × P ( An )
i=1
P ( A ∩ B)
Do conceito de probabilidade condicional P ( A /B )= em que P ( B )> 0 obtém-se o
P (B )
teorema do produto, também conhecido como teorema da multiplicação.
P ( A ∩ B )=P ( A ) × P ( B/ A )
P ( A ∩ B)
P ( A /B )=
P (B )
Se A1, A2, …, An definem uma partição sobre S, então, para B definido em S, com P ( B )> 0
(Reis, 2007, p.80):
P ( A j) × P (B / A j)
P ( A j /B ) = n
∑ P ( B/ Ai ) × P ( Ai )
i=1
para j = 1, 2, …, n
20
Exemplos:
1. Em uma prova de múltipla escolha, cada questão tem 5 alternativas, sendo apenas
uma delas correta. Ao não saber a resposta, o aluno “chuta” aleatoriamente uma
resposta qualquer entre as possíveis escolhas. Levando-se em conta um aluno
mediano, que saiba 60% do conteúdo, qual será a chance de ele acertar uma das 5
questões escolhida aleatoriamente?
Solução:
Este problema consiste em calcular a probabilidade incondicional de um aluno
acertar uma questão qualquer. Isto é, sem saber se ele domina ou não o conteúdo,
qual é a chance de acertar uma questão?
Para resolver este exercício, portanto, aplica-se o Teorema da Probabilidade Total.
Considere os eventos:
A = acertar
B = saber o conteúdo
B́ = não saber o conteúdo e, portanto, “chutar” uma alternativa
Assuma que, se o aluno sabe o conteúdo, ele tem 100% de probabilidade de acertar
a questão considerada. Se ele não domina o assunto, “chutará” uma resposta, com
20% de chance de acertar – pois há 5 alternativas possíveis.
Então, temos:
P ( A )=P ( A / B ) × P ( B ) + P ( A/ B́ ) × P ( B́ )
Queremos a probabilidade P ( B /d )
P ( d /B ) × P ( B )
P ( B /d )=
P ( d / A ) × P ( A ) + P ( d /B ) × P ( B )
0,07 ×0,40
P ( B /d )= =0,6087 ou 60,87 %
0,03× 0,60+ P 0,07 ×0,40
A probabilidade de uma peça escolhida ao acaso ser produzida pela máquina B dado
que ela é defeituosa é 60,87%.
3. Uma empresa avalia em 60% a sua probabilidade de ganhar uma concorrência para
o recolhimento do lixo em um bairro A da capital. Se ganhar a concorrência no
bairro A, acredita que tem 90% de probabilidade de ganhar outra concorrência para
o recolhimento do lixo em um bairro B próximo a A.
Determine a probabilidade de a empresa ganhar ambas as concorrências.
Solução:
Para resolver este exercício, portanto, aplica-se o Teorema de Probabilidade
Condicionada.
O que o exercício pede é P ( B ∩ A ). Assim, queremos a probabilidade de ganhar B e
A. Foi dado P ( B / A )=90 % e P ( A )=60 %.
P ( BA )= P (PA( ∩B
A)
)
⟹ 90 %=
P ( A ∩ B)
60 %
P ( B ∩ A )=90 % × 60 %=54 %
22
4. As pesquisas de opinião apontam que 20% da população é constituída por mulheres
que votam no partido X. Sabendo-se que 56% da população são mulheres, qual é a
probabilidade de que uma mulher selecionada ao acaso na população vote no
partido X?
Solução:
Para resolver este exercício, portanto, aplica-se o Teorema de Probabilidade
Condicionada.
O que o exercício pede é P ( X / M ). Foi dado P ( M ∩ X )=2 0 % e P ( M )=56 %.
P( X ∩ M ) X 20 %
P ( X / M )=
P(M)
⟹P( )=
M 56 %
=0,3571 ou35,71 %
23
Considerações Finais
Conclui-se que:
Medidas de tendência central é uma indicação do valor central ou médio dos dados
observados. A medida de tendência central procura estabelecer um número no eixo
horizontal em tomo do qua a série se concentra. As principais medidas de tendência
central são: Média, Mediana e Moda.
Probabilidade é um número associado a um evento, destinado a medir sua
possibilidade de ocorrência.
24
Bibliografia
CHILAÚLE, A., MACHANGO, O., (2015), M12 – Matemática 12ª Classe , 2ª ed.,
Maputo: Texto Editores.
CHILAÚLE, A., MACHANGO, O., (2017), M12 – Matemática 12ª Classe – Letras, 2ª
ed., Maputo: Texto Editores.
NEVES, M. A. F., VIEIRA, M. T. C., ALVES, A. G., Matemática 11º Ano – Livro de
Texto, Porto: Porto Editora.
REIS, E., MELO, P., ANDRADE, R., CALAPEZ, T., (2007), Estatística Aplicada –
Volume 1, 5ª ed. – Revista, Lisboa: Edições Silabo.
REIS, E., (2008), Estatística Descritiva, 7ª ed. – Revista e Corrigida, Lisboa: Edições
Silabo.
25