Exercicios Resolvidos de Estatistica Descriticva

3
Nicucuro_nampula@yahoo.com.br
RESOLUÇÃO DE EXERCÍCIOS DE ESTATÍSTICA BÁSICA
Por: ASSANE SUALÉ OSSUFO

4
1. Objecto de estudo da estatística e sua Importância da estatística ao nível do Estado, de

organizações sociais
A importância da estatística pode ser vista através da sua utilização ao nível do Estado, de
organizações sociais e profissionais, do cidadão comum e ao nível científico. O grau de
importância atribuída à estatística é tão grande que praticamente todos os governos possuem
organismos oficiais destinados à realização de estudos estatísticos. Em Moçambique esse
organismo é designado por Instituto Nacional de Estatística (I.N.E.). A estatística é
responsável pelo desenvolvimento científico em geral. Para além da sua aplicabilidade nas
ciências naturais, na medicina, na agronomia e na economia, a estatística constitui um suporte
de cientificidade para as ciências humanas e sociais. É assim que ciência como a sociologia, a
psicologia, a história e a pedagogia têm beneficiado de consideráveis desenvolvimentos e de
aumento de credibilidade pública com a sua utilização.
De uma forma sintética, pode dizer-se que a estatística é um conjunto de técnicas apropriadas
para recolher, classificar, apresentar e interpretar conjuntos de dados numéricos. Assim, a
estatística constitui-se fundamentalmente como método e não como uma teoria, pois o seu
objecto de estudo é descrever os fenómenos quantitativos e qualitativos e não tanto explicá-
los.
2. A estatística ou estimativa é qualquer variável aleatória em função dos elementos

amostrais enquanto que, parâmetro é qualquer variável (características) associada aos
elementos populacionais.
3. Estatística descritiva se constitui num conjunto de técnicas que se objectivam a
descrever, analisar e interpretar os dados numéricos de uma população ou amostra.
Estatística inferencial ou de indução trata do processo de obter informações sobre uma
população a partir dos resultados observados na amostra.
4. a) Nesta caso população são estudantes da UPN, porque é de lá onde se tirou a
amostra, a mostra são os 300 estudantes da UPN e a unidade estatística é cada
estudante da população da UPN.
b) Parâmetro é a medida numérica ou variável 161,4 cm porque tem a ver com uma população
de mulheres moçambicanas e a estatística é a medida numérica 165,3 cm porque é um dado
numérico relacionado com a amostra da UPN.
5
c) Neste caso a variável é a altura e classifica-se em variável quantitativa contínua pois está
variável, os valores são obtidos por um procedimento de mensuração intervalar.
d) A amostra é representativa, porque ela foi retirada da população de uma forma aleatória e
apresentam características da população (ser estudante da UPN e ter altura).
5. a) A população é o conjunto de todos homens da província de Nampula, a amostra é o

subconjunto da população que são 276 homens escolhidos aleatoriamente da
população e a unidade estatística é cada homem da província de Nampula.
b) Parâmetros são 78,9 kg e 3,1 kg, estimativas são 72,6kg e 4,1 kg.
c) Variável em estudo é obesidade. Classifica em variável quantitativa contínua.
d) É representativa porque os 276 homens foram escolhidos aleatoriamente da população que

são todos homens da cidade de Nampula, isto faz com que as características ou variáveis a ser
pesquisado se verifique na amostra.
6. Neste caso em que a variável em estudo é a “relação” entre a filiação partidária e uma
reacção de um novo imposto recentemente aprovado, usaria variáveis qualitativo
ordinal pelo facto da relação ser uma variável que assume como possíveis valores
atributos ou qualidades e estes apresentam uma ordem natural de ocorrência. Por
exemplo a variável relação pode assumir valores como “há relação” ou “não há relação”.
No outro lado usaria variáveis quantitativa discreta que seria uma variável que ajudaria a
identificar uma determinada amostra que iria definir sobre a variável qualitativa ordinal (há ou
não há relação).
b) O variável qualitativo ordinal pelo facto da relação a uma variável que assume como
possíveis valores atributos ou qualidades e estes apresentam uma ordem natural de ocorrência
(há ou não há) e variáveis quantitativa discreta usaria valores numéricos.
7. Neste caso a população a ser pesquisada é todo potencial de eleitores da tal região ou
pais, e amostra são os 10000 inquéritos onde 9500 preenchidos pelos potenciais
eleitores.
6
8. Factores que motivam o recurso da amostra
Se a população é grande, torna-se excessivamente caro e perde-se muito tempo a fazer um

censo. Existem, ainda, outras razões que nos levam a preferir uma amostra a um censo.
Nalguns casos, as unidades que constituem a amostra para inspecção, são destruídas. Noutros
casos, pela escassez de pessoas treinadas (sem formação específica) para levar a cabo um
censo, é mais seguro confiar num número reduzido de informação. Haveria uma menor
ocorrência de erros humanos. Parece, assim, ser mais vantajoso retirar amostras e basear a
análise nessas amostras. Este processo parece ser simples, no entanto, pode levar a enganos. A
selecção das unidades da população que são mais facilmente acessíveis, origina uma amostra
conveniente.
Amostra representativa
Uma amostra é representativa se as unidades que a constituem foram escolhidas por um

processo tal que todos os membros da população tenham a mesma probabilidade de fazer
parte da amostra. Amostra em que todos os atributos da população sendo estudada estão
representados de maneira proporcional ou na frequência em que estes ocorrem na realidade.
9.
No de proj.
Ano Financiados
2006 17
2007 40
2008 100
2009 120
2010 140
a) Gráfico de colunas
Chart Title
Num. de project. financiodo
160
140
120
100
80
60
40
20
0
Ano 2006 2007 2008 2009 2010
Anos
7
b) Gráfico de barras
Chart Title
2010
2009
2008
Anos
2007
2006
Ano
0 20 40 60 80 100 120 140 160
Num. de Project. financiados
c) Gráfico em sectores
Chart Title
2006
4% 2007
10%
2010
34%
2008
24%
2009
29%
10.
Meses Fev Março Abril Maio Junho Julho Agosto Spt. Out
No de 20 40 46 80 145 200 134 200 80
desistente
s
a) Variável em causa é desistências e como assume valores numéricos obtidos em
procedimentos de contagem, pode-se classificar em variável quantitativa discreta.
b) Número total de evasões é 945
c) Se 945 é o no total e as evasões de Abril a Setembro é igual a 805 então:
945=100%
805× 100 % 80500 %
⇔ x= = ¿ 85,2 %
805= x 945 945
R: A percentagem das evasões de Abril à Setembro é de 85,2%

8
d) Gráfico de colunas e de barras respectivamente

250
200
No de desistentes
150
100
50
0
Fev Março Abril Maio Junho Julho Agosto Spt. Out
Meses
Out
Spt.
Agosto
Julho
Meses
Junho
Maio
Abril
Março
Fev
0 50 100 150 200 250
No de desistentes
11. Rol: 10 12 13 14 16 16 19 20 20 20 22 23 23 25 28 28 29 29 30 30 30 30 31 32 32 32
34 35 37 39 40 40 43 43 46 46 47 47 49 50 50 51 52 52
a) At= X max −X min ⇒52−10=42
K=1+ 3.22 log n=1+3.22 log 44=6,29 ≅ 7
At 42
h= = =6
k 7
F
i Classes xi fi a fr xi fi xi-X │xi-X│ │xi-X│*fi (xi-X)²*fi
1 0.0
1 [10;16[ 3 4 4 9 52 -19.909 19.9091 79.6364 1585.4876
1 1 0.1
2 [16;22[ 9 6 0 4 114 -13.909 13.9091 83.4545 1160.77686
2 1 0.0
3 [20;28[ 5 4 4 9 100 -7.9091 7.90909 31.6364 250.214876
3 1 2 0.2
4 [28;34[ 1 2 6 7 372 -1.9091 1.90909 22.9091 43.7355372
3 3 0.0
5 [34;40[ 7 4 0 9 148 4.09091 4.09 16.36 66.9124
9
4 3 0.0
6 [40;46[ 3 4 4 9 172 10.0909 10.09 40.36 407.2324
4 1 4 0.2
7 [46;52[ 9 0 4 3 490 16.0909 16.09 160.9 2588.881
4 1.0
Σ 4 0 1448 435.256 6103.24068
b) Histograma e polígono da distribuição c) Ogiva da distribuição
d) Cálculo da moda
f CM −f a
M o=lim ¿CM + ∙h¿
2 f CM −(f a + f p )
1o identificar a classe modal que é aquela que possui maior frequência acumulada
Neste caso a classe modal é [28;34 [
2o aplicar a fórmula
12−4 8∙ 6 8∙ 6
M o=28+ ∙ 6=28+ =28+ =28+ 3=31
2 ∙12−(4+ 4) 24−8 16
Cálculo da mediana
10
¿ lim ¿Md
(+ n2 −∑ f ) ∙ h ¿
χ
f Md
n 44 ο
1o: identifica-se a classe mediana por = =22 que indica a posição do valor da
2 2
mediana a partir da frequência absoluta acumulada Fac. Neste caso a classe mediana é
[28;34 [
2o: aplica se formula
¿ lim ¿Md
(+ n2 −∑ f ) ∙ h=28+ ( 442 −14) ∙ 6=28+ ( 22−14) ∙ 6=28+ 8 ∙6 =28+ 48 =28+ 4=32¿
χ
f Md 12 12 12 12
Cálculo da média
n
∑ xi ∙ fi 1448
−¿ i=1 = =32,9 ¿
n 44
X ¿
Cálculo de Q1e Q3
Para o cálculo de Q1:
n 44
1o: Localiza-se a classe quartil 1 pela = =11o que indica a posição do Q1 pela Fac em
4 4
seguida aplica-se a fórmula. Neste caso a classe Q1 é [20;28 [
Q 1=lim ¿Q
(+ 4n −∑ f ) ∙h=20+ ( 444 −10 ) ∙ 6=20+ ( 11−10) ∙ 6=20+ 1 ∙ 6 =20+1.5=21.5 ¿
1
fQ 1
4 4 4
Para o cálculo de Q3:
3 n 3 ∙ 44
1o: Localiza-se a classe quartil 3 pela = ¿ 33o que indica a posição do Q3 pela Fac em
4 4
seguida aplica-se a fórmula. Neste caso a classe Q3 é [40;46[
3n 3 ∙ 44
Q =lim ¿ +
( 4
−∑ f )
∙ h=40+
( 4
−30 )
∙ 6=40+
( 33−30 )
∙6=40+
3∙6
=40+4,5=44,5 ¿
3 Q3
fQ 1
4 4 4
11
Grau de variabilidade ou dispersão
Desvio médio
n
DM =∑ ¿ ¿ ¿
i=0
Variância
n
2
σ =∑ ¿ ¿ ¿ ¿
i=0
Desvio padrão
σ =√ σ 2= √138.71=11.7
Coeficiente de variação
σ
CV=
−¿ 11.7778
X❑ × 100 %= ×100 %=35.79 % ¿
32.9
Como o coeficiente de variabilidade é maior do que 20% então podemos dizer que tem uma
alta ou grande dispersão.
12. Rol : 2 2 3 4 5 5 6 7 8 9 9 9 9 10 10 10 10 10 10 11 11 11 12 13 13 14 15 16 16 16 17
17 18 18 18 19 20 20 20 20 20 21 21 23 24 24 25 26 28 28
a) At= X max −X min ⇒ 28−2=26
K=1+ 3.22 logn=1+3.22 log50=6.47 ≅ 7
At 26
h= = =3.7 ≅ 4
k 7
i Classes xi Fi xi fi xi-X (xi-X)²*fi │xi-X│*fi

1 [2;6[ 4 6 24 -10.72 689.5104 64.32
2 [6;10[ 8 7 56 -6.72 316.1088 47.04
3 [10;14[ 12 12 144 -2.72 88.7808 32.64
4 [14;18[ 16 7 112 1.28 11.4688 8.96
5 [18;20[ 20 11 220 5.28 306.6624 58.08
6 [22;26[ 24 4 96 9.28 344.4736 37.12
12
7 [26;30] 28 3 84 13.28 529.0752 39.84

Σ 50 736 2286.08 288
b) Cálculo da média
n
∑ xi ∙ fi 736
−¿ i=1 = =14.72¿
n 50
χ ¿
c) Cálculo da mediana
¿ lim ¿Md
(+ n2 −∑ f ) ∙ h ¿
χ
f Md
n 50 ο
1o: identifica-se a classe mediana por = =25 que indica a posição do valor da mediana a
2 2
partir da frequência absoluta acumulada Fac. Neste caso a classe mediana é [10;14[
¿ lim ¿Md
(+ n2 −∑ f ) ∙ h=10+ ( 502 −13) ∙ 4=10+ ( 25−13) ∙ 4=10+ 12 ∙ 4 =10+ 4=14 ¿
χ
f Md 12 12 12
d) Cálculo do tempo mas frequente
f CM −f a
2 f CM −(f a + f p )
1o identificar a classe modal que é aquela que possui maior frequência acumulada
Neste caso a classe modal é [10;14[
2o aplicar a fórmula
12−7 5∙4 20
M o=10+ ∙ 4=10+ =28+ =10+2=12
2 ∙12−( 7+7 ) 24−14 10
R: O tempo mais frequente é 12
e) Grau de variabilidade ou dispersão
Desvio médio
13
n
DM =∑ ¿ ¿ ¿
i=0
Variância
n
S2=∑ ¿ ¿¿ ¿
i=0
Desvio padrão
S= √ S2 =√ 46.65=6.83
Coeficiente de variação
S
CV=
−¿ 6.83
x ❑ × 100 %= × 100 %=46.40 % ¿
14.70
Como o coeficiente de variabilidade é maior do que 20% então uma alta dispersão.
Grau de assimetria
−−¿ Mx¿ 14.72−12 2.72

o
AS= = = =0.40 ¿ ¿
S 6.83 6.83
Como AS>0 a distribuição é assimétrica positiva
13. Tabela de distribuição de frequências
Escol No de famílias (fi) R.M.F (em Mt) (xi) xi *fi

a
1 200 1000 200000
2 300 870 261000
3 250 900 225000
4 360 850 306000
5 400 700 280000
1510 1272000
1272000
R . M . F por encarregado= =842.38 Mt
1510
14
A ONG vai sim financiar o projecto pelo facto de o rendimento médio mensal por
encarregado estar abaixo dos 900 Mt o que vai de acordo com a condição supracitada pela
ONG.
14. Neste estudo, como já foi identificada a população (enfermeiros das províncias de
Nampula e Inhambane), iríamos escolher de uma forma aleatória um determinado
número de enfermeiros em cada província para constituírem as nossas amostras.
O passo a seguir seria, fazer a distribuição de frequências em cada uma das duas amostras.
Visto que, a variável em causa são os anos de serviços, pode-se agrupar os dados em classes,
pois os anos de serviço classificam-se em variáveis quantitativas contínuas que são valores
que são colocadas sob um intervalo de valores. Com as distribuições já feitas em seguida seria
o cálculo da média, a mediana e a moda que são as medidas de tendência central que ajudam a
achar o grau de variabilidade. Em jeito de finalidade calcularíamos as medidas de
variabilidade ou dispersão que começa com o cálculo dos desvios médio, as variâncias,
desvios padrão e finalmente o coeficiente de variabilidade para as duas amostras. Chegado a
este ponto, com os valores de coeficiente de dispersão das duas amostras de Nampula e
Inhambane iríamos fazer a comparação de uma em relação a outra.
15. Tabela
Anos de serviços 0-5 5-10 10-15 15-20 20-25

Fac 60 180 280 340 400
a) Enfermeiros com anos de serviços não inferiores à 10 pode ser apresentado por:
400−180=220
400=100% 220 ∙100 % 220

Como ⇒ x=
220= x
= =55 %
400 4
R: A percentagem de enfermeiros com anos não inferiores à 10 é de 55%
b) O ano de serviços mas frequente é de 5-10 anos, porque se fizermos a diferença entre
as frequências acumuladas a maior frequência das diferenças será dada neste intervalo.
c) Tabela de distribuição
Anos de serviço 0-5 5-10 10-15 15-20 20-25 Σ

Fac 60 180 280 340 400
fa 60 120 100 60 60 400
15
Anos médios (xi) 2.5 7.5 12.5 17.5 22.5

xi*fa 150 900 1250 1050 1350 4700
xi2*fi 375 6750 15625 18375 30375 71500
Cálculo do tempo médio
−¿
∑ anosde servicos(xi )×fa = 4700 =111.75 anos ¿
n 400
χ ¿
d) Grau de dispersão do serviço
Variância, Desvio – padrão e Coeficiente de variação
2 2
2
S=
1
n−1 [∑ 2
xi fa−
( ∑ xifa )
n ] =
1
400−1 [∑ 71500−
( ∑ 4700 )
400 ]
=
1
399(71500−
22090000
400 )
=
1
399
(71500
S= √ S2 =√ 40.79=6.39
S
CV=
−¿ 6.39
x❑ × 100 %= ×100 %=54 % ¿
11.75
R: O grau de dispersão de serviço é alto por ser superior a 20%.
16. Rol
2 4 4 5 5 6 6 6 7 7 7 8 8 8 9 9 9 10 10 10 11 11 11 11 11 11 12 12 12 13 13 13 14 14
15 15 16 16 17 17 17 17 18 18 18 19 19 19 21 22 22 23 24 25 25 25 26 27 29 30 30 32
32 34
c) At= X max −X min ⇒ 34−2=32

d) Tabela de distribuição de frequências
K=1+ 3.22 logn=1+3.22 log64=6,82 ≅ 7
At 32
h= = =4,57 ≅ 5
k 7
i Classes Fa Fac fr fr*100%

1 [2;7[ 8 8 0.125 13%
2 [7;12[ 18 26 0.28125 28%
3 [12;17[ 12 38 0.1875 19%
4 [17;22[ 11 49 0.17188 17%
5 [22;27[ 8 57 0.125 13%
16
6 [27;32[ 4 61 0.0625 6%
7 [32;37[ 3 64 0.04688 5%
Σ 64 1 100%
Histograma da distribuição de frequências
17.a) Rol
148 148 149 151 151 152 152 152 152 153 153 154 155 155 155 155 156 156 157 157 157
157 157 158 158 158 159 159 160 160 160 160 160 161 161 161 162 163 163 165 165 165
165 167 168 168 168 170 172 172 175 180
b) At= X max −X min ⇒180−148=32
c) Tabela de distribuição de frequências
K=1+ 3.22 logn=1+3.22 log 52=6,52 ≅ 7

At 32
h= = =4,57 ≅ 5
k 7
i Classes fa Fac fr fr*100%

1 [148;153[ 9 9 0.17307692 17%
2 [153;158[ 14 23 0.26923077 27%
3 [158;163[ 14 37 0.26923077 27%
4 [163;168[ 7 44 0.13461538 13%
5 [168;173[ 6 50 0.11538462 12%
6 [173;178[ 1 51 0.01923077 2%
17
7 [178;183[ 1 52 0.01923077 2%
Σ 52 1 100%
Histograma da distribuição de frequências acumuladas
18. Tabela de distribuição das estruturas em centímetros (cm) de 42 alunos matriculados

no terceiro ano de curso de Matemática no ano de 2010
i Classe de estud(cm,xi) fi Fac xi xifi xi2*fi

1 [148;152[ 4 4 150 600 90000
2 [152;156[ 9 13 154 1386 213444
3 [156;160[ 11 24 158 1738 274604
4 [160;164[ 8 32 162 1296 209952
5 [164;168[ 5 37 166 830 137780
6 [168;172[ 3 40 170 510 86700
7 [172;176[ 2 42 174 348 60552
107303
42 6708 2
a) Os alunos com altura igual ou superior à 160 cm pertencem aos intervalos de 160 à
176. Neste caso calcula-se as frequências absolutas acumuladas a partir da classe que
pertence 160 cm até a classe que pertence o 176 cm.
Então Xi ≥ 160=42−24=18 estudantes

18
18
Como 42=100 % ⇒ x ≥160= ×100 %=42,86 %
42
R: Os estudantes com altura igual ou superior a 160 cm correspondem a 42,86%.
b) Xi <164=42−10=32 estudantes
32
Como 42=100 % ⇒ x <164= ×100 %=54,76 %
42
R: Os estudantes com altura menor que 164 cm correspondem a 54,76%.
c) Histograma correspondente a distribuição
At 28
d) h= = =4
k 7
Cálculo do tempo médio
∑ ( xi)× fa = 6708 =159,714 cm¿

e) −¿
n 42
¿
χ
19
f) Ogiva de frequências acumuladas
g) Mediana
¿ lim ¿Md
(+ n2 −∑ f ) ∙ h ¿
χ
f Md
n 42
= =21o classes mediana é [156;160[
2 2
¿ lim ¿Md
(+ n2 −∑ f ) ∙ h=156+ ( 422 −13) ∙ 4=156+ ( 21−13) ∙ 4=156+ 8 ∙ 4 ¿
χ
f Md 12 11 11
32
¿ 156+ =156+2,9=158,9
11
h) Moda
20
f CM −f a
2 f CM −(f a + f p )
Classe modal [156;160[
11−9 2∙ 4 8
M o=156+ ∙ 4=156+ =156+ =156+1,6=157,6
2 ∙11−(9+8) 22−17 5
i) Variância
2 2
σ =
1
2
N [∑ 2
xi fa−
( ∑ xifa )
N ] [∑
=
1
42
1073032−
( ∑ 6708 )
42 ]
1 44997264 1 1668.571
¿
42 (
1073032−
42 42 )
= ( 1073032−1071363,429 ) =
42
=39.73
j) Quartil Q1
n 42
= =10,5o a classe Q1 é [152;156[
4 4
Q 1=lim ¿Q
(+ 4n −∑ f ) ∙h=152+ ( 424 −4) ∙ 4=152+ (10,5−4 ) ∙ 4=152+ 6,5∙ 4 =152+2.89=154.89 ¿
1
fQ 1
9 9 9
Quartil 3Q3
3 n 3 ∙ 42
= =31.5o a classe Q 3 é ¿
4 4
3n 3 ∙ 42
Q =lim ¿ +
( 4
−∑ f )
∙ h=160+
( 4
−24 )
∙ 4=160+
( 31,5−24 )
∙ 4=160+
7.5 ∙ 4
=160+3,75=163,75 ¿
3 Q3
fQ 1
8 8 8
k) Cálculo do valor de percentis
9 n 9∙ 42
P9: = =3.78 o a classe p9 é [148;152[ identifica-se pela Fac
100 100
9n 9 ∙ 42
P9=lim ¿ P
(+ 100 −∑ f )
∙ h=148+
( 100
−0 )
∙ 4=148+
( 3.78−0 )
∙ 4=148+
3.78 ∙ 4
=148+3,78=151,78 ¿
9
fP 9
4 4 4
21
90 n 90 ∙ 42
P90: = =37,8o a classe p9 é [168;172[ identifica-se pela Fac
100 100
P90=lim ¿ P
(+ 90100n −∑ f ) ∙ h=168+ ( 90100∙ 42 −37) ∙ 4=168+ ( 37,8−37 ) ∙ 4=168+ 0.8 ∙ 4 =168+1.07=169
90
fP 90
3 3 3
l) Cálculo de valores de Decis
¿− f
( 10
∑ )
Di=lim ¿ D + ∙h¿
i
fD i
3 n 3 ∙ 42
D3: = =12,6 o identifica-se pela Fac logo a classe D3 é [152;156[
10 10
D 3=lim ¿ D
(+ 310n −∑ f ) ∙h=152+ ( 3∙1042−4 ) ∙ 4=152+ ( 12.6−4 ) ∙ 4=152+ 8.6 ∙ 4 =152+3.82=155.82 ¿
3
fD 3
9 9 9
6 n 6 ∙ 42
D6: = =25.2o identifica-se pela Fac logo a classe D6 é [160;164[
10 10
D6=lim ¿ D
(+ 610n −∑ f ) ∙ h=160+ ( 610∙ 42 −24) ∙ 4=160+ ( 25.2−24) ∙ 4=160+ 1.2 ∙ 4 =160+ 0.6=160.6 ¿
6
fD 6
8 8 8
19. a) Para formar pares de um francês e um inglês tem-se que: todo os 40 franceses tem a
acções sobre todos os 60 ingleses que tem também opções de aparecerem em pares
com os 40 franceses: então 60×40=2400 pares pelo princípio multiplicativo de
contagem.
b) Como anteriormente referiu-se dos franceses 15 falam as duas línguas e dos ingleses 18
falam as duas línguas então para formar pares que não poderiam se entender podemos
escrever ( 60−15 ) × ( 40−18 )=45 ×42=1470 pares no se podiam entender, porque só 45
ingleses e 42 franceses não falam as duas línguas.
20. a) Para formarmos códigos com dois símbolos sendo uma letra seguida de um algarismo,
considerando 26 letras do alfabeto e 10 algarismos, podemos pensar que a primeira posição do
código pode assumir os 26 letras, onde cada letra será par de cada um dos 10 algarismos e na
22
segunda posição assumi 10 algarismos onde cada algarismo será par cada uma de todas as
letras. Logo: 26 ×10=260 codigos
b) Tendo em conta que no alfabeto existem 21 consoantes podemos escrever

20 ×10=200 codigos
c) Como no alfabeto de 26 letras 6 são vogais a, e, i, o, u, y podermos escrever 6∗10=60

codigos
21. O número de aplicações do primeiro conjunto A para o segundo conjunto B é dado se

cada elemento de A faz corresponder 4 vezes em elementos de B, isto porque em uma função
cada elemento do conjunto de partida tem que corresponder a um elemento de chegada. Isto é,
cada elemento de A tem 5 opções para correlacionar com B. logo 4 × 4 × 4 × 4 × 4=4 5=1024
aplicaçoes.
22. a) Para registar carros com matrículas diferentes sendo que os códigos são construídos por
dois grupos de dois algarismos seguidos de duas letras de entre as 26 do alfabeto podemos:
Das 4 posições que podem assumir os algarismos tem 10 opções de inserir uma algarismo de
0,1,…,9 =104 e as duas posições que podem ser ocupadas pelas duas letras tem cada 26
opções de escolher as letras de A,B,…,Z que ‘e igual a 262, logo: 104 × 262=6760000 carros.
b) no caso de serem constituídos por dois algarismos seguidos por dois grupos de duas letras
será o contrario da a) isto é: 102 ×26 4=45697600 caros registados.
23. O número de aplicações do primeiro conjunto A para o segundo conjunto B é dado se

cada elemento de A faz corresponder a um e um único de elementos de B, isto porque em uma
função injectiva cada elemento do conjunto de partida tem que corresponder a um único
elemento de chegada. Isto é, para o primeiro elemento de A tem 4 opções para correlacionar a
B, o segundo tem 3 opções e o terceiro tem 2 opções. Logo
4 ×3 ×2=24 funções injectivas
24. a) A quantidade de numero de 4 algarismos diferentes que se podem escrever de 0,…,9,

de modo que sejam pares, pode ser representado na primeira posição por opção a 9
algarismos, na segunda a 10 algarismos porque dos 10 algarismos um já foi usado na primeira
posição, na terceira terá 8 opções e na quarta terá 4 opções, por que de 1 à 9 só 5 números
condicionam a paridade isto é, 9 ×10 ×10 × 5=4500 numeros pares.
23
b) A quantidade de numero de 4 algarismos diferentes que se podem escrever de 0,…,9, de

modo que sejam impares, pode ser representado na primeira posição por opção a 9
algarismos, na segunda a 9 algarismos porque dos 10 algarismos um já foi usado na primeira
posição, na terceira terá 8 opções e na quarta terá 2 opções, isto é, 9 × 9× 8 ×2=1296
numeros.
c) Para ser múltiplo de 5 tem que terminar por 0 ou 5, logo, 9 ×10 ×10 × 2=1800 numeros.
d) Para ser múltiplo de 10 é necessário que termine com o número 0 e como devem ser 4
algarismos diferentes pode-se escrever: 9∗9∗7∗1=504 numeros.
25. Considerando que cada equipa joga duas vezes com cada uma das outras equipas em casa
e fora de casa, então se A joga com B em casa, na casa de B (fora de casa de A) joga B com
A, isto que dizer não se considera a ordem então tem-se:
14 ! 14 ×13 ×12 !
A14
2 = = =14 × 13=182 jogos
( 14−2 ) ! 12 !
26. i) Numa urna tem 5 bolas e depois e extraída uma bola é colocada de novo na urna esta
bola como qualquer outra tem 5 opções de ser extraída da urna, logo, para extrair três bolas
tem-se: A53 ' =53 =125 meneiras
ii) Se ao extrair uma bola não é colocada de novo na urna então pode-se dizer são arranjo 5
bolas 3 à 3 sem reposição logo:
5! 5× 4 × 3× 2!
A53 = = =5 × 4 ×3=60 maneiras
( 5−3 ) ! 2!
iii) Se a primeiras a ser extraída é conhecida (vermelha) então tem-se:
4! 4 ×3 ×2 !
A5−1
3−1= = =12 maneiras
( 4−2)! 2!
27. a) A quantidade de vezes que se podem formar 5 pessoas sentadas numa fila é dada por
permutação dessas pessoas em 5 lugares, ou seja,
P5=5 !=5 × 4 ×3 ×2 ×1=120 maneiras

24
b) Para permutar n elementos de uma fila circular de uma forma equidistante pode-se se fixar
uma delas e permutar as outras (n-1) restantes como se estivesse dispondo em uma fila
comum, assim podemos dizer que 5 pessoas podem se sentar por volta de uma mesa de
seguinte maneira:
( 5−1 ) !=4 !=4 ×3 × 2× 1=24 maneiras
28. Com os algarismos 2,4,6 e 8 pode-se escrever:
i) 4 ×3 ×2 ×1=P 4=24 numerosdiferentes
ii) 3 ×3 ×2 ×1=18 numeros maiores que 4000
iii) para que os números de 4 algarismos formados sejam maiores que 2500 e menores que
6500 é necessário:
Quantidade de Números maiores que 2500: 1 ×2 ×2 ×1=4 numeros
Quantidade de Números formados entre 2500 e 6500: 1 ×3 ×2 ×1=6 numeros
Quantidade de números inferiores a 6500: 1 ×2 ×2 ×1=4 numeros
A soma dessas três quantidades de teremos a quantidade de números diferentes existentes

entre 2500 e 6500. 4 +6+ 4=14 numeros
iv) Números com 3 algarismos e maiores que 468 será dado por:
Maiores que 4 na primeira posição 2 ×3 ×2=12numeros
4 na primeira posição: 1 ×1× 2=2 números
Logo, 12+2=14 numeros de tres algarismos e maiores que 648
29. Para dispor 8 bolas em fila é fazendo a permutação das suas posições, isto é,
P8=8!=8 × 7× 6 ×5 × 4 ×3 × 2× 1=40320 maneiras
30. Com 18 raparigas e 12 rapazes, podemos formar:
a) Grupos de 5 alunos de seguinte forma:
30 ! 30 ! 30 ×29 ×28 × 27 ×26 ×25 ! 30 ×29 × 28× 27 ×26

C 30
5 = = = = =142506
( 30−5 ) ! 5! 25 ! 5 ! 25 ! 5 ! 5 × 4 ×3 × 2×1
25
b) Cada grupo formado por 3 raparigas e 2 rapazes:
18! 12 ! 18 ! 12 ! 18 ×17 × 16 ×15 ! 12 ×11× 10! 18 ×17 × 16 ×1

C 18 12
3 ×C 2 = × = × = × =
(18−3 ) ! 3 ! ( 12−2 ) ! 2 ! 15! 3! 10 ! 2! 15 ! 3 ! 10! 2 ! 6 ×2
31. a) Para construir rectas usando dois pontos quaisquer dados de um conjunto de 7 numa
circunferência temos:
7! 7! 7 ×6 × 5! 7 × 6
C 72= = = = =21 rectas
( 7−2 ) ! 2 ! 5! 2 ! 5 ! 2! 2
b)Considerando que o triângulo é formado por três pontos então pode formar:
7 7! 7! 7 × 6 ×5 × 4 ! 7 ×6 × 5
C 3= = = = =35 triângulos
( 7−3 ) ! 3 ! 4 ! 3! 4!3! 6
e) Sabendo que o quadrilátero é formado pela união de 4 pontos não onde três são não
colineares então pode formar:
7! 7! 7 × 6 ×5 × 4 ! 7 ×6 × 5
C 74= = = = =35 quadrilateros
( 7−4 ) ! 4 ! 4 ! 3 ! 4!3! 6
32. Gráfico
Gráfico é um recurso visual da Estatística utilizado para representar um fenómeno. Sua

utilização em larga escala nos meios de comunicação social, técnica e científica, devem-se
tanto à sua capacidade de reflectir padrões gerais e particulares do conjunto de dados em
observação, como à facilidade de interpretação e a eficiência com que resume informações
dos mesmos. Embora os gráficos forneçam menor grau de detalhes que as tabelas, estes
apresentam um ganho na compreensão global dos dados, permitindo que se aperceba
imediatamente da sua forma geral sem deixar de evidenciar alguns aspectos particulares que
sejam de interesse do pesquisador. Uma representação gráfica coloca em evidência as
tendências, as ocorrências ocasionais, os valores mínimos e máximos e também as ordens de
grandezas dos fenómenos que estão sendo observados.
Todo gráfico, em sua versão final deve primar pela simplicidade, clareza e veracidade nas
informações. Para atingir tal objectivo, a construção de um gráfico exige muito trabalho e
cuidados.
26
Segundo SILVA apud WALLGREN (1996), a escolha da representação gráfica e,

consequentemente, a escolha do tipo de gráfico mais adequado para representar um conjunto
de dados deve ser feita com base nas respostas de questões como:
 Um gráfico realmente é a melhor opção?

 Qual é o público-alvo?
 Qual é o objectivo do gráfico?
 Que tipo de gráfico deve ser usado?
 Como o gráfico deve ser apresentado?
 Que tamanho o gráfico deve ter?
 Deverá ser usado apenas um gráfico?
 A qual meio técnico se deve recorrer?
Uma regra básica para a elaboração adequada do título de qualquer gráfico, é verificar se o
mesmo responde a três exigências: o quê? Onde? E quando?
Tipos de gráficos
Gráficos para variáveis qualitativas
Gráfico de barras
É um gráfico formado por rectângulos horizontais de larguras iguais, onde cada um deles
representa a intensidade de uma modalidade ou atributo.
É recomendável que cada coluna conserve uma distância entre si de aproximadamente 2/3 da
largura da base de cada barra, evidenciando deste modo, a não continuidade na sequência dos
dados. O objectivo deste gráfico é de comparar grandezas e é recomendável para variáveis
cujas categorias tenham designações extensas.
27
Gráfico de colunas
É o gráfico mais utilizado para representar variáveis qualitativas. Difere do gráfico de barras
por serem seus rectângulos dispostos verticalmente ao eixo das abcissas sendo mais indicado
quando as designações das categorias são breves. Também para este tipo de gráfico deve ser
preservada a distância entre cada rectângulo de, aproximadamente, 2/3 da largura da base de
cada coluna. O número de colunas ou barras do gráfico não deve ser superior a 12 (doze).
Figura 2. Meios de
informação utilizados pelos alunos da disciplina Inferência Estatística, curso de Estatística da UEM, 21/03/2005.
Gráfico de sectores
Tipo de gráfico onde a variável em estudo é projectada num círculo, de raio arbitrário,
dividido em sectores com áreas proporcionais às frequências das suas categorias. São
indicados quando se deseja comparar cada valor da série com o total. Recomenda-se seu uso
28
para o caso em que o número de categorias não é grande e não obedecem a alguma ordem
específica.
Figura3. Município de procedência dos

alunos da disciplina Inferência Estatística do curso de Estatística da UEM, 21/03/2005.
Gráfico de linhas
Sua aplicação é mais indicada para representações de séries temporais sendo por tal razão,
conhecidos também como gráficos de séries cronológicas. Sua construção é feita colocando-
se no eixo vertical (y) a mensuração da variável em estudo e na abcissa (x), as unidades da
variável numa ordem crescente. Este tipo de gráfico permite representar séries longas, o que
auxilia detectar suas flutuações tanto quanto analisar tendências. Também podem ser
representadas várias séries em um mesmo gráfico.
Gráfico Número de matrículas anuais na

disciplina Probabilidade do curso de Estatística da UEM, 21/03/2005.
29
Gráficos para variáveis quantitativas discretas
Gráfico de bastões
Este gráfico é formado por segmentos de rectas perpendiculares ao eixo horizontal (eixo da
variável), cujo comprimento corresponde à frequência absoluta ou relativa de cada elemento
da distribuição. Suas coordenadas não podem ser unidas porque a leitura do gráfico deve
tornar claro que não há continuidade entre os valores individuais assumidos pela variável em
estudo.
Gráfico de Número
de irmãos dos alunos da disciplina Inferência Estatística do curso de Estatística da UEM, 21/03/2005.
Gráfico da frequência acumulada
A Figura 08 mostra o gráfico para frequência acumulada de uma variável quantitativa

discreta. Na abcissa são alocados os valores assumidos pela variável número de irmãos e no
eixo das ordenadas suas frequências acumuladas. Observa-se que a leitura do gráfico exige
alguns cuidados básicos: caso o valor da variável esteja ou não incluído, sua frequência
acumulada difere. Se for de interesse saber quantos alunos tem dois ou menos irmãos (inclui-
se dois irmão), a frequência acumulada é de 19 alunos. Caso se queira apenas saber quantos
alunos têm menos de dois irmãos (portanto o número dois não está incluso), sua frequência
acumulada é de 7 alunos.
30
Gráfico Número acumulado de

irmãos dos alunos da disciplina Inferência Estatística do curso de Estatística da UEM, 21/03/2005.
Gráficos para variáveis quantitativas contínuas
Histograma
É um gráfico de colunas justapostas que representa uma distribuição de frequência para dados
contínuos ou uma variável discreta quando esta apresentar muitos valores distintos.
No eixo horizontal são dispostos os limites das classes segundo as quais os dados foram
agrupados enquanto que o eixo vertical corresponde às frequências absolutas ou relativas das
mesmas. Quando os dados são distribuídos em classes de mesma amplitude, Figura 09 (a),
todas as colunas apresentam bases iguais com alturas variando em função das suas
frequências absolutas ou relativas. Neste caso, tem-se que a área de cada rectângulo depende
apenas da sua altura enquanto que no caso de dados agrupados em classes de dimensões
diferentes, como mostra a Figura 9 (b), a área de cada coluna já não é mais proporcional à sua
altura. Como a altura de cada classe precisa variar simultaneamente com sua largura, é
necessário que a área de cada uma das colunas permaneça em proporção conveniente, o que
pode ser obtido dividindo-se as frequências das classes pelas respectivas amplitudes e
construindo-se o histograma a partir destas frequências. Portanto, pode-se dizer que no
primeiro caso, o eixo dos valores informa sobre a frequência relativa de cada classe, no
segundo caso, tal procedimento perde todo significado, e é necessário comparar as áreas para
interpretar as informações que são expostas.
31
Gráficos Idade dos alunos

da disciplina Inferência Estatística do curso de Estatística da UEM, 21/03/2005.
Polígono de frequência
É um gráfico de linha cuja construção é feita unindo-se os pontos de coordenadas de abcissas

correspondentes aos pontos médios de cada classe e as ordenadas, às frequências absolutas ou
relativas dessas mesmas classes.
O polígono de frequência é um gráfico que deve ser fechado no eixo das abcissas. Então, para
finalizar sua elaboração, deve-se acrescentar à distribuição, uma classe à esquerda e outra à
direita, ambas com frequências zero. Tal procedimento permite que a área sob a linha de
frequências seja igual à área do histograma.
Uma das vantagens da aplicação de polígonos de frequências é que, por serem gráficos de
linhas, permitem a comparação entre dois ou mais conjuntos de dados por meio da
superposição dos mesmos.
32
Figura Idade acumulada dos alunos da disciplina Inferência Estatística do curso de Estatística da UEM, 21/03/2005.
Gráfico da frequência acumulada ou Ogiva
É um gráfico que permite descrever dados quantitativos por meio da frequência acumulada.
A ogiva é um gráfico de linha que une os pontos cujas abcissas são os limites superiores das
classes, e, ordenadas suas respectivas frequências acumuladas. Convém observa-se que o
ponto inicial desse gráfico é o limite inferior do primeiro intervalo, com frequência
acumulada zero, pois não existe qualquer valor inferior a ele.
Quando os dados contidos em cada classe são distribuídos uniformemente, pode-se estimar, a
partir da ogiva, o número de elementos pertencentes a qualquer uma das classes que compõe a
distribuição de frequência dos dados e a quantidade ou percentagem de elementos que estão
abaixo de certo valor pertencente ao conjunto de dados.
Pela Figura, nota-se que não existem alunos com idade inferior a 18 anos enquanto que abaixo
de 34 anos existem vinte alunos.
Figura Idade acumulada dos

alunos da disciplina Inferência Estatística do curso de Estatística da UEM, 21/03/2005.

Exercicios Resolvidos de Estatistica Descriticva

Enviado por

Dados do documento

Descrição 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

Exercicios Resolvidos de Estatistica Descriticva

Enviado por

Direitos autorais:

Formatos disponíveis

3

RESOLUÇÃO DE EXERCÍCIOS DE ESTATÍSTICA BÁSICA

Por: ASSANE SUALÉ OSSUFO

1. Objecto de estudo da estatística e sua Importância da estatística ao nível do Estado, de

2. A estatística ou estimativa é qualquer variável aleatória em função dos elementos

5. a) A população é o conjunto de todos homens da província de Nampula, a amostra é o

c) Variável em estudo é obesidade. Classifica em variável quantitativa contínua.

d) É representativa porque os 276 homens foram escolhidos aleatoriamente da população que

8. Factores que motivam o recurso da amostra

Se a população é grande, torna-se excessivamente caro e perde-se muito tempo a fazer um

Uma amostra é representativa se as unidades que a constituem foram escolhidas por um

R: A percentagem das evasões de Abril à Setembro é de 85,2%

d) Gráfico de colunas e de barras respectivamente

K=1+ 3.22 log n=1+3.22 log 44=6,29 ≅ 7

b) Histograma e polígono da distribuição c) Ogiva da distribuição

Neste caso a classe modal é [28;34 [

2o: aplica se formula

Para o cálculo de Q1:

Para o cálculo de Q3:

Grau de variabilidade ou dispersão

K=1+ 3.22 logn=1+3.22 log50=6.47 ≅ 7

i Classes xi Fi xi fi xi-X (xi-X)²*fi │xi-X│*fi

7 [26;30] 28 3 84 13.28 529.0752 39.84

d) Cálculo do tempo mas frequente

Neste caso a classe modal é [10;14[

R: O tempo mais frequente é 12

e) Grau de variabilidade ou dispersão

−−¿ Mx¿ 14.72−12 2.72

Como AS>0 a distribuição é assimétrica positiva

13. Tabela de distribuição de frequências

Escol No de famílias (fi) R.M.F (em Mt) (xi) xi *fi

Anos de serviços 0-5 5-10 10-15 15-20 20-25

400=100% 220 ∙100 % 220

R: A percentagem de enfermeiros com anos não inferiores à 10 é de 55%

Anos de serviço 0-5 5-10 10-15 15-20 20-25 Σ

Anos médios (xi) 2.5 7.5 12.5 17.5 22.5

Cálculo do tempo médio

d) Grau de dispersão do serviço

Variância, Desvio – padrão e Coeficiente de variação

R: O grau de dispersão de serviço é alto por ser superior a 20%.

c) At= X max −X min ⇒ 34−2=32

i Classes Fa Fac fr fr*100%

b) At= X max −X min ⇒180−148=32

c) Tabela de distribuição de frequências

K=1+ 3.22 logn=1+3.22 log 52=6,52 ≅ 7

i Classes fa Fac fr fr*100%

18. Tabela de distribuição das estruturas em centímetros (cm) de 42 alunos matriculados

i Classe de estud(cm,xi) fi Fac xi xifi xi2*fi

Então Xi ≥ 160=42−24=18 estudantes

R: Os estudantes com altura igual ou superior a 160 cm correspondem a 42,86%.

R: Os estudantes com altura menor que 164 cm correspondem a 54,76%.

c) Histograma correspondente a distribuição

Cálculo do tempo médio

∑ ( xi)× fa = 6708 =159,714 cm¿

f) Ogiva de frequências acumuladas

Classe modal [156;160[

k) Cálculo do valor de percentis

l) Cálculo de valores de Decis

b) Tendo em conta que no alfabeto existem 21 consoantes podemos escrever

c) Como no alfabeto de 26 letras 6 são vogais a, e, i, o, u, y podermos escrever 6∗10=60

21. O número de aplicações do primeiro conjunto A para o segundo conjunto B é dado se

23. O número de aplicações do primeiro conjunto A para o segundo conjunto B é dado se

4 ×3 ×2=24 funções injectivas

i Classes xi Fi xi fi xi-X (xi-X)²fi │xi-X│fi