1

UNIVERSIDADE SÃO FRANCISCO







DISCIPLINA


DE


PROBABILIDADE
E
ESTATÍSTICA






Adalberto Nobiato Crespo 2009 Versão 4.0
2
Sumário



1 - A Estatística ............................................................................................................................... 4
1.1 - Fases do Método Estatístico ................................................................................................ 4
1.2 - Definições Básicas da Estatística ......................................................................................... 5

2 - Amostragem .............................................................................................................................. 8

3 - Séries Estatísticas ..................................................................................................................... 12

4 - Gráficos Estatísticos................................................................................................................. 14

5 - Distribuição de Freqüência ....................................................................................................... 18
5.1 - Elementos de Uma Distribuição de Frequência .................................................................. 19
5.2 - Método Prático para Construção de Distribuição de Freqüências ....................................... 20
5.3 - Representação Gráfica de uma Distribuição de Freqüência ................................................ 21

6 - Medidas de Posição ................................................................................................................. 26
6.1 - Média Aritmética .............................................................................................................. 26
6.2 - Média Geométrica ............................................................................................................. 29
6.3 - Média Quadrática .............................................................................................................. 31
6.4 - Moda................................................................................................................................. 32
6.5 - Mediana ............................................................................................................................ 34
6.6 – Separatrizes – Quartis, Decis e Percentis .......................................................................... 38

7 – Medidas de Dispersão ou Variabilidade: .................................................................................. 41
7.1 - Medidas de Dispersão Absoluta ........................................................................................ 41
7.1.1 - Amplitude Total ......................................................................................................... 41
7.1.2 - Desvio Médio Absoluto .............................................................................................. 42
7.1.3 - Desvio Padrão ............................................................................................................ 44
7.1.4 - Variância .................................................................................................................... 46
7.2 - Medidas de Dispersão Relativa.......................................................................................... 47
3
8 - Probabilidade ........................................................................................................................... 56
8.1 - Experimento Aleatório - E ................................................................................................. 56
8.2 - Espaço Amostral - S .......................................................................................................... 56
8.3 - Eventos ............................................................................................................................. 57
8.4 – Evento União: ∪ .............................................................................................................. 57
8.5 – Evento Intersecção: ∩ ...................................................................................................... 58
8.6 – Eventos Mutuamente Exclusivos ...................................................................................... 58
8.6 – Eventos Complementares ................................................................................................. 58
8.7 - Conceito de Probabilidade ................................................................................................. 59
8.7.1 - Propriedades ............................................................................................................... 60
8.7.2 - Teoremas Fundamentais ............................................................................................. 60
8.8 - Eventos Independentes ...................................................................................................... 61
8.9 - Probabilidade Condicional ................................................................................................ 62

9 - Distribuição de Probabilidades ................................................................................................. 68
9.1 - Distribuição Binomial ....................................................................................................... 70
9.2 - Distribuição de Poisson ..................................................................................................... 75
9.3 - Distribuição Normal .......................................................................................................... 78
9.3.1 - Propriedades da Distribuição Normal ......................................................................... 78
9.3.2 - A Distribuição Normal Padronizada ........................................................................... 79
9.3.3 - Utilização da Tabela Z ............................................................................................... 80




4
PROBABILIDADE E ESTATÍSTICA

1 - A Estatística
É uma parte da matemática aplicada que fornece métodos para coleta, organização,
descrição, análise e interpretação de dados e para a utilização dos mesmos na tomada de
decisões.
A coleta, a organização, a descrição dos dados, o cálculo e a interpretação de
coeficientes pertencem à ESTATÍSTICA DESCRITIVA, enquanto a análise e a
interpretação dos dados, associado a uma margem de incerteza, ficam a cargo da
ESTATÍSTICA INDUTIVA ou INFERENCIAL, também chamada como a medida da
incerteza ou métodos que se fundamentam na teoria da probabilidade.
1.1 - Fases do Método Estatístico
1º - DEFINIÇÃO DO PROBLEMA: Definir exatamente aquilo que se pretende
pesquisar é o mesmo que definir corretamente o
problema.
2º - PLANEJAMENTO: Como levantar informações? Que dados deverão ser obtidos?
Qual levantamento a ser utilizado? Censitário? Por
amostragem? E o cronograma de atividades? Os custos
envolvidos?, etc.
3º - COLETA DE DADOS: É a fase operacional, ou seja, é o registro sistemático de
dados com um objetivo determinado.
Dados primários: quando são publicados pela própria pessoa ou organização que coletou.
Ex: tabelas do censo demográfico do IBGE.
Dados secundários: quando são publicados por outra organização. Ex: quando
determinado jornal publica estatísticas referentes ao censo
demográfico extraídas do IBGE.
OBS: É mais seguro trabalhar com fontes primárias. O uso da fonte secundária traz o
grande risco de erros de transcrição.
Coleta Direta: quando é obtida diretamente da fonte. Ex: Empresa que realiza uma
pesquisa para saber a preferência dos consumidores pela sua marca.
A coleta direta pode ser:
Contínua: registros de nascimento, óbitos, casamentos, etc.
5
Periódica: recenseamento demográfico, censo industrial; pesquisa mensal de empregos,
etc.
Ocasional: registro de casos de dengue.
Coleta Indireta: É feita por deduções a partir dos elementos conseguidos pela coleta
direta, por analogia, por avaliação, indícios ou proporcionalização.
Exemplo: Pesquisa sobre mortalidade infantil que é feita através de
dados colhidos por uma coleta direta.
4º - APURAÇÃO DOS DADOS: É o resumo dos dados através de sua contagem e
agrupamento. É a condensação e tabulação de dados.
5º - APRESENTAÇÃO DOS DADOS: Há duas formas de apresentação, que não se
excluem mutuamente.
Apresentação Tabular: é uma apresentação numérica dos dados em linhas e colunas
distribuídas de modo ordenado, segundo regras práticas fixadas
pelo Conselho Nacional de Estatística.
Apresentação Gráfica: constitui uma apresentação geométrica permitindo uma visão
rápida e clara do fenômeno.
6º - ANÁLISE E INTERPRETAÇÃO DOS DADOS: É a última fase do trabalho
estatístico é a mais importante e delicada. Está ligada essencialmente
ao cálculo de medidas e coeficientes, cuja finalidade principal é
descrever o fenômeno (estatística descritiva). Na estatística indutiva a
interpretação dos dados se fundamenta na teoria da probabilidade.
1.2 - Definições Básicas da Estatística
FENÔMENO ESTATÍSTICO: é qualquer evento que se pretenda analisar cujo estudo
seja possível da aplicação do método estatístico. São
divididos em três grupos:
Fenômenos de massa ou coletivo: são aqueles que não podem ser definidos por uma
simples observação. A estatística dedica-se ao estudo
desses fenômenos. Ex: A natalidade na Grande São
Paulo, O preço médio da cerveja em Campinas, etc.
Fenômenos individuais: são aqueles que irão compor os fenômenos de massa. Ex: cada
nascimento na Grande São Paulo, cada preço de cerveja em
Campinas, etc.
DADO ESTATÍSTICO: é um dado numérico, considerado a matéria-prima sobre a qual
se aplicam os métodos estatísticos.
6
POPULAÇÃO: é o conjunto total de elementos portadores de pelo menos uma
característica comum.
AMOSTRA: é uma parcela representativa da população que é examinada com o
propósito de tirar conclusões sobre a população.
PARÂMETROS: São valores singulares que existem na população e que servem para
caracterizá-la. Para se definir um parâmetro deve-se examinar toda a
população.
Exemplo: Os alunos do 4º semestre da USF têm em média 1,70 metros
de estatura.
ESTIMATIVA: é um valor aproximado do parâmetro; é calculado com o uso da
amostra.
ATRIBUTO: quando os dados estatísticos apresentam um caráter qualitativo, o
levantamento e os estudos necessários ao tratamento desses dados são
designados genericamente de estatística de atributo.
Exemplo: Classificação dicotômica do atributo: A classificação dos alunos
da USF quanto ao sexo.
VARIÁVEL: É o conjunto de resultados possíveis de um fenômeno.
VARIÁVEL QUALITATIVA: Quando seus valores são expressos por atributos.
Exemplo: sexo, cor da pele, cor dos olhos, estado civil,
etc.
VARIÁVEL QUANTITATIVA: Quando seus valores são expressos em números.
Exemplo: salário, altura, peso, idade, etc.
As variáveis contínuas podem ser: Discreta ou Contínuas.
VARIÁVEL DISCRETA: Seus valores são expressos geralmente através de números
inteiros não negativos. Resulta normalmente de contagens.
Exemplo: Nº de alunos presentes às aulas.
VARIÁVEL CONTÍNUA: podem assumir, teoricamente, qualquer valor entre dois
limites.
Exemplo: Quando você vai medir a temperatura de seu corpo
com um termômetro de mercúrio o que ocorre é o
seguinte: O filete de mercúrio, ao dilatar-se, passará
por todas as temperaturas intermediárias até chegar
à temperatura atual do seu corpo.
7
EXERCÍCIO - Classifique as variáveis em ou quantitativas (contínuas ou discretas):
• Cor dos olhos das alunas... Resp:qualitativa
• Índice de liquidez nas índústrias capixaba... Resp:quantitativa contínua
• Produção de café no Brasil... Resp:quantitativa contínua
• Número de defeitos em aparelhos de TV... Resp:quantitativa discreta
• Comprimento dos pregos produzidos por uma empresa... Resp:quantitativa contínua
• O ponto obtido em cada jogada de um dado... Resp:quantitativa discreta
8
2 - Amostragem
População ou Universo
População ou Universo: é o conjunto de todos os elementos que possuem pelo menos
uma característica em comum.
Exemplo:
- O conjunto de todas as pessoas que são alunos da USF.
- O conjunto de todas as pessoas portadoras de AIDES.
- O conjunto de todas as pessoas moradoras de uma cidade.
Amostra
Amostra: é um subconjunto da população utilizado para se fazer uma análise sobre toda
a população.
Esquematicamente tem-se:





Métodos Probabilísticos
Exige que cada elemento da população possua determinada probabilidade de ser
selecionado. Normalmente possuem a mesma probabilidade. Assim, se N for o tamanho
da população, a probabilidade de cada elemento ser selecionado numa pesquisa será 1/N.
trata-se do método que garante cientificamente a aplicação das técnicas estatísticas de
inferências. Somente com base em amostragens probabilísticas é que se podem realizar
inferências ou induções sobre a população a partir do conhecimento da amostra.
É uma técnica especial para recolher amostras, que garantem, tanto quanto possível, o
acaso na escolha.
Amostragem Aleatória Simples:
É o processo mais elementar e frequentemente utilizado. É equivalente a um sorteio
lotérico. Pode ser realizada numerando-se a população de 1 a n e sorteando-se, a seguir,
por meio de um dispositivo aleatório qualquer, x números dessa seqüência, os quais
corresponderão aos elementos pertencentes à amostra.
População Amostra
9
Exemplo: Obter uma amostra de 10% representativa para a pesquisa da estatura de 90
alunos de uma escola:
1º - enumeram-se os alunos de 1 a 90.
2º - escrevem-se os números dos alunos, de 1 a 90, em pedaços iguais de
papel, coloca-se numa urna e após misturar retiram-se, um a um, nove
números que formarão a amostra.
Amostragem Proporcional Estratificada:
Quando a população se divide em estratos (subpopulações), convém que o sorteio dos
elementos da amostra leve em consideração tais estratos, daí obtem-se os elementos da
amostra proporcional ao número de elementos desses estratos.
Exemplo: Obter uma amostra proporcional estratificada de 10% do exemplo anterior,
supondo, que, dos 90 alunos, 54 sejam meninos e 36 sejam meninas. São,
portanto, dois estratos (sexo masculino e sexo feminino).
Logo, tem-se:
Sexo População 10 % Amostra
Masculino 54 5,4 5
Feminino 36 3,6 4
Total 90 9,0 9
Enumeram-se então os alunos de 01 a 90, sendo 01 a 54 meninos e 55 a 90,
meninas e procede-se ao sorteio casual.
Amostragem Sistemática:
Quando os elementos da população já se acham ordenados, não há necessidade de
construir o sistema de referência. São exemplos os prontuários médicos de um hospital,
os prédios de uma rua, etc. Nestes casos, a seleção dos elementos que constituirão a
amostra pode ser feita por um sistema imposto pelo pesquisador.

Exemplo: Supõem-se uma rua com 900 casas, das quais se deseja obter uma amostra
formada por 50 casas para uma pesquisa de opinião. Pode-se, neste caso, usar
o seguinte procedimento: como 900/50 = 18, escolhe-se por sorteio casual um
número de 01 a 18, o qual indicaria o primeiro elemento sorteado para a
amostra; os demais elementos seriam periodicamente considerados de 18 em
18. Supondo que o número sorteado fosse 4 a amostra seria: 4ª casa, 22ª casa,
40ª casa, 58ª casa, 76ª casa, etc.

Amostragem por Conglomerados (ou Agrupamentos)
Algumas populações não permitem, ou tornam extremamente difícil que se identifiquem
seus elementos. Não obstante, isso pode ser relativamente fácil identificar alguns
10
subgrupos da população. Em tais casos, uma amostra aleatória simples desses subgrupos
(conglomerados) pode se colhida, e uma contagem completa deve ser feita para o
conglomerado sorteado. Agrupamentos típicos são quarteirões, famílias, organizações,
agências, edifícios etc.

Exemplo: Num levantamento da população de determinada cidade, pode-se dispor do
mapa indicando cada quarteirão e não dispor de uma relação atualizada dos
seus moradores. Pode-se, então, colher uma amostra dos quarteirões e fazer a
contagem completa de todos os que residem naqueles quarteirões sorteados.

Métodos não Probabilísitcos
São amostragens em que há uma escolha deliberada dos elementos da amostra. Não é
possível generalizar os resultados das pesquisas para a população, pois as amostras não-
probabilísticas não garantem a representatividade da população.

Amostragem Acidental
Trata-se de uma amostra formada por aqueles elementos que vão aparecendo, que são
possíveis de se obter até completar o número de elementos da amostra. Geralmente
utilizada em pesquisas de opinião, em que os entrevistados são acidentalmente
escolhidos.
Exemplos: Pesquisas de opinião em praças públicas, ruas movimentadas de grandes
cidades etc.

Amostragem Intencional
De acordo com determinado critério, é escolhido intencionalmente um grupo de
elementos que irão compor a amostra. O investigador se dirige intencionalmente a
grupos de elementos dos quais deseja saber a opinião.
Exemplo: Numa pesquisa sobre preferência por determinado cosmético, o pesquisador se
dirige a um grande salão de beleza e entrevista as pessoas que ali se encontram.

Exercícios:

1 - Uma escola de 1º grau abriga 124 alunos. Obtenha uma amostra representativa
correspondente a 15% da população, utilizando a partir do início da 5ª linha da
Tabela de números aleatórios.

2 - Tenho 80 lâmpadas numeradas numa caixa. Como se obtem uma amostra de 12
lâmpadas?


11
3 - Uma população encontra-se dividida em três estratos, com tamanhos,
respectivamente, n
1
= 40, n
2
= 100 e n
3
= 60. Sabendo que, ao realizar uma
amostragem estratificada proporcional, 9 elementos da amostra foram retirados do
3º estrato, determine o número de elementos da amostra.

4 - Mostre como seria possível retirar uma amostra de 32 elementos de uma população
ordenada formada por 2.432 elementos. Na ordenação geral, qual dos elementos
abaixo seria escolhido para pertencer à amostra, sabendo-se que o elemento 1.420º a
ela pertence?
1.648º, 290º, 725º, 2.025º ou 1.120º

12
3 - Séries Estatísticas
TABELA: É um quadro que resume um conjunto de dados dispostos segundo linhas e
colunas de maneira sistemática.
Obs: O lado direito e esquerdo de uma tabela oficial deve ser aberto..
Série Estatística: É qualquer tabela que apresenta a distribuição de um conjunto de
dados estatísticos em função da época, do local ou da espécie.
Séries Homógrafas: são aquelas em que a variável descrita apresenta variação discreta.
Podem ser do tipo temporal, geográfica ou específica.
a) Série Temporal: Identifica-se pelo caráter variável do fator cronológico. O local
e a espécie (fenômeno) são elementos fixos. Esta série também
é chamada de histórica ou evolutiva.
ABC VEÍCLULOS LTDA.
Vendas no 1º bimestre de 1996
(em mil unidades)
Período Unidades vendidas
Janeiro 2 0
Fevereiro 1 0
Total 3 0
.b) Série Geográfica: Apresenta como elemento variável o fator geográfico. A
época e o fato (espécie) são elementos fixos. Também é
chamada de espacial, territorial ou de localização.
ABC VEÍCLULOS LTDA.
Vendas no 1º bimestre de 1996
(em mil unidades)
Filiais Unidades Vendidas
São Paulo 1 3
Rio de Janeiro 1 7
TOTAL 3 0




13
c) Série Específica: O caráter variável é apenas o fato ou espécie. Também é
chamada de série categórica.
ABC VEÍCLULOS LTDA.
Vendas no 1º bimestre de 1996
(em mil unidades)
Marca Unidades Vendidas
Fiat 1 8
Gm 1 2
Total 3 0
d) Séries Conjugadas: Também chamadas de tabelas de dupla entrada. São
apropriadas para a apresentação de duas ou mais séries de
maneira conjugada, havendo duas ordens de classificação: uma
horizontal e outra vertical. O exemplo seguinte é de uma série
geográfica-temporal.
ABC VEÍCLULOS LTDA.
Vendas no 1º bimestre de 1996
( em mil unidades)
Filiais Janeiro Fevereiro
São Paulo 1 0 3
Rio de Janeiro 1 2 5
TOTAL 2 2 8

14
4 - Gráficos Estatísticos
São representações visuais dos dados estatísticos que devem corresponder, mas nunca
substituir, as tabelas estatísticas.
Características:
Uso de escalas, sistema de coordenadas, simplicidade, clareza e veracidade.
Gráficos de Informação: São gráficos destinados principalmente ao público em
geral, objetivando proporcionar uma visualização
rápida e clara. São gráficos tipicamente expositivos,
dispensando comentários explicativos adicionais. As
legendas podem ser omitidas, desde que as
informações desejadas estejam presentes.
Gráficos de Análise: São gráficos que se prestam melhor ao trabalho estatístico,
fornecendo elementos úteis à fase de análise dos dados,
sem deixar de ser também informativos. Os gráficos de
análise frequentemente vêm acompanhados de uma
tabela estatística. Inclui-se, muitas vezes um texto
explicativo, chamando a atenção do leitor para os pontos
principais revelados pelo gráfico.
Classificação dos gráficos: Diagramas, Estereogramas, Pictogramas e Cartogramas.
.1 - Diagramas:
São gráficos geométricos dispostos em duas dimensões. São os mais usados na
representação de séries estatísticas.
Os diagramas podem ser:
1.1 - Gráficos em barras horizontais.
Número de Acidentes numa Rodovia
0 10 20 30 40 50 60 70 80 90 100
1°Trim
2°Trim
3°Trim
4°Trim


15
1.2 - Gráficos em barras verticais.
Número de Acidentes numa Rodovia
0
20
40
60
80
100
1°Trim 2°Trim 3°Trim 4°Trim

1.3 - Gráficos em barras compostas.
Número de Acidentes em Rodovias
0
20
40
60
80
100
1°Trim 2°Trim 3°Trim 4°Trim
Bandeirantes D. Pedro

1.4 - Gráficos em linhas.
São frequentemente usados para representação de séries cronológicas com um grande
número de períodos de tempo. As linhas são mais eficientes do que as colunas, quando
existem intensas flutuações nas séries ou quando há necessidade de se representarem
várias séries em um mesmo gráfico.
16
Número de Acidentes em Rodovias
0
20
40
60
80
100
1°Trim 2°Trim 3°Trim 4°Trim
Bandeirantes D. Pedro

1.5 - Gráficos em setores.
Este gráfico é construído com base em um círculo, e é empregado sempre que se deseja
ressaltar a participação do dado no total. O total é representado pelo círculo, que fica
dividido em tantos setores quantas são as partes. Os setores são tais que suas áreas são
respectivamente proporcionais aos dados da série. O gráfico em setores só deve ser
empregado quando há, no máximo, sete dados.
Obs: As séries temporais geralmente não são representadas por este tipo de gráfico.
Número de Acidentes numa Rodovia
1°Trim; 20,4
2°Trim; 27,4
3°Trim; 90
4°Trim; 20,4

.2 - Estereogramas:
São gráficos geométricos dispostos em três dimensões, pois representam volume. São
usados nas representações gráficas das tabelas de dupla entrada. Em alguns casos este
tipo de gráfico fica difícil de ser interpretado dada a pequena precisão que oferecem.
17
0
20
40
60
80
100
1°Trim 2°Trim 3°Trim 4°Trim
Número de Acidentes em Rodovias
Bandeirantes D. Pedro

3 - Pictogramas:
São construídos a partir de figuras representativas da intensidade do fenômeno. Este tipo
de gráfico tem a vantagem de despertar a atenção do público leigo, pois sua forma é
atraente e sugestiva. Os símbolos devem ser auto-explicativos. A desvantagem dos
pictogramas é que apenas mostram uma visão geral do fenômeno, e não de detalhes
minuciosos. Veja o exemplo abaixo:

4- Cartogramas:
São ilustrações relativas a cartas geográficas (mapas). O objetivo desse gráfico é o de
figurar os dados estatísticos diretamente relacionados com áreas geográficas ou políticas.

18
5 - Distribuição de Freqüência
É um tipo de tabela que condensa uma coleção de dados conforme as freqüências
(repetições de seus valores).
Tabela Primitiva ou Dados Brutos: É uma tabela ou relação de elementos
que não foram numericamente organizados. É difícil formar
uma idéia exata do comportamento do grupo como um todo, a
partir de dados não ordenados.
Ex : 45, 41, 42, 41, 42 43, 44, 41 ,50, 46, 50, 46, 60, 54, 52, 58, 57, 58, 60, 51
ROL: É a tabela obtida após a ordenação dos dados (ordem crescente ou decrescente).
Ex : 41, 41, 41, 42, 42 43, 44, 45 ,46, 46, 50, 50, 51, 52, 54, 57, 58, 58, 60, 60
Distribuição de freqüência sem intervalos de classe: É a
simples condensação dos dados conforme as repetições de seus
valores. Para um ROL de tamanho razoável esta distribuição de
freqüência é inconveniente, já que exige muito espaço.
Exemplo:
Dados Frequência
41 3
42 2
43 1
44 1
45 1
46 2
50 2
51 1
52 1
54 1
57 1
58 2
60 2
Total 20
Distribuição de freqüência com intervalos de classe: Quando o
tamanho da amostra é elevado é mais racional efetuar o
agrupamento dos valores em vários intervalos de classe.

19

Exemplo:
Classes Freqüências
41 |------- 45 7
45 |------- 49 3
49 |------- 53 4
53 |------- 57 1
57 |------- 61 5
Total 20
5.1 - Elementos de Uma Distribuição de Frequência
Com intervalos de classe:
Classe: são os intervalos de variação da variável e é simbolizada por i. O número total
de classes é simbolizado por k.
Ex: na tabela anterior k = 5 e 49 |------- 53 é a 3ª classe, onde i=3.
Limites de Classe: são os extremos de cada classe. O menor número é o limite inferior
de classe (l
i
) e o maior número, limite superior de classe (L
i
).
Ex: em 49 |------- 53... l
3
= 49 e L
3
= 53. O símbolo |------- representa
um intervalo fechado à esquerda e aberto à direita. O dado 53 do
ROL não pertence a classe 3 e sim a classe 4 representada por
53 |------- 57.
Amplitude do Intervalo de Classe: é obtida através da diferença entre o limite superior
e inferior da classe e é simbolizada por h
i
= L
i
- l
i
.
Ex: na tabela anterior h
i
= 53 - 49 = 4.
Obs.: Na distribuição de freqüência com classe o h
i
será igual em
todas as classes.
Amplitude Total da Distribuição: é a diferença entre o limite superior da última classe
e o limite inferior da primeira classe. AT = L(max) - l(min).
Ex: na tabela anterior AT = 61 - 41= 20.
Amplitude Total da Amostra (Rol): é a diferença entre o valor máximo e o valor
mínimo da amostra (ROL). Onde AA = Xmax - Xmin. Neste
exemplo AA = 60 - 41 = 19.
Obs: AT sempre será maior que AA.
20
PONTO MÉDIO DE CLASSE: é o ponto que divide o intervalo de classe em duas partes
iguais. Ex: em 49 |------- 53 o ponto médio x
3
= (53+49)/2 = 51, ou seja x
3
=(l
3
+L
3
)/2.
5.2 - Método Prático para Construção de Distribuição de Freqüências
Com Classe:
1º - Organize os dados brutos em um ROL.
2º - Calcule a amplitude amostral AA.
Nesse exemplo: AA =60 - 41 =19
3º - Calcule o número de classes através da "Regra de Sturges": k = 1+3,3.log(n)
Onde: k é o numero de classes na tabela.
n é o número total de dados a serem tabulados.
Obs: Qualquer regra para determinação do nº de classes da tabela não leva a uma decisão
final; esta vai depender na realidade de um julgamento pessoal, que deve estar
ligado à natureza dos dados.
No exemplo: n = 20 dados, então, a princípio, a regra sugere a adoção de 5 classes.
k = 1+3,3*log(20) = 5,29. Arredonda-se para 5.
4º - Decidido o nº de classes, calcule então a amplitude do intervalo de classe h > AA/k.
Nesse exemplo: AA/k = 19/5 = 3,8.
Obs: Como h > AA/k pega-se um valor ligeiramente superior para haver folga na
última classe. Utiliza-se então h = 4.
5º - Tem-se então o menor nº. da amostra, o nº. de classes e a amplitude do intervalo.
Pode-se montar a tabela, com o cuidado para não aparecer classes com freqüência 0
(zero).
No exemplo: o menor nº. da amostra = 41 + h = 45, logo a primeira classe será
representada por..41|------- 45. As classes seguintes respeitarão o mesmo
procedimento.
O primeiro elemento das classes seguintes sempre será formado pelo último
elemento da classe anterior.


21
Exemplo:
Classes Freqüências
41 |------- 45 7
45 |------- 49 3
49 |------- 53 4
53 |------- 57 1
57 |------- 61 5
Total 20
5.3 - Representação Gráfica de uma Distribuição de Freqüência
.Histograma, Polígono de freqüência e Polígono de freqüência acumulada.
Em todos os gráficos anteriores se utilizou o primeiro quadrante do sistema de eixos
coordenados cartesianos ortogonais. Na linha horizontal (eixo das abscissas) colocaram-
se os valores da variável e na linha vertical (eixo das ordenadas), as freqüências.
Histograma: é formado por um conjunto de retângulos justapostos, cujas bases se
localizam sobre o eixo horizontal, de tal modo que seus pontos médios
coincidam com os pontos médios dos intervalos de classe. A área de um
histograma é proporcional à soma das freqüências simples ou absolutas.
Freqüências simples ou absolutas: são os valores que realmente representam o
número de dados de cada classe. A soma das freqüências
simples é igual ao número total dos dados da distribuição.
Freqüências relativas: são os valores das razões entre as freqüências absolutas de
cada classe e a freqüência total da distribuição. A soma das
freqüências relativas é igual a 1 (100 %).
Polígono de Freqüência: é um gráfico em linha, sendo as freqüências marcadas sobre
perpendiculares ao eixo horizontal, levantadas pelos pontos
médios dos intervalos de classe. Para realmente obtermos
um polígono (linha fechada), deve-se completar a figura,
ligando os extremos da linha obtida aos pontos médios da
classe anterior à primeira e da posterior à última, da
distribuição.
.Polígono de Freqüência Acumulada: é traçado marcando-se as freqüências
acumuladas sobre perpendiculares ao eixo horizontal,
levantadas nos pontos correspondentes aos limites
superiores dos intervalos de classe.
22
Freqüência simples acumulada de uma classe: é o total das freqüências de
todos os valores inferiores ao limite superior do intervalo de
uma determina classe.
Freqüência relativa acumulada de uma classe: é a freqüência acumulada da
classe, dividida pela freqüência total da distribuição.
...Classe.. ......f
i
..... .....x
i
..... .....fr
i
..... .....F
i
..... ......Fr
i
.....
50 |-------- 54 4 52 0,100 4 0,100
54 |-------- 58 9 56 0,225 13 0,325
58 |-------- 62 11 60 0,275 24 0,600
62 |-------- 66 8 64 0,200 32 0,800
66 |-------- 70 5 68 0,125 37 0,925
70 |-------- 74 3 72 0,075 40 1,000
Total 40 1,000
Onde:
f
i
= freqüência simples;
x
i
= ponto médio de classe i;
fr
i
= freqüência relativa da classe i;
F
i
= freqüência simples acumulada até a classe i;
Fr
i
= freqüência relativa acumulada até a classe i.
Frequência Absoluta
0
2
4
6
8
10
12
50|---54 54|---58 58|---62 62|---66 66|---70 70|---74

23
Polígono de Frequência Absoluta
0
2
4
6
8
10
12
50|---54 54|---58 58|---62 62|---66 66|---70 70|---74

Frequência Absoluta Acumulada
0
10
20
30
40
50
50|---54 54|---58 58|---62 62|---66 66|---70 70|---74



Poígono de Frequência Absoluta Acumulada
0
10
20
30
40
50
50|---54 54|---58 58|---62 62|---66 66|---70 70|---74

Observação: Os mesmo gráficos podem ser obtidos com as Freqüências Relativas
Simples e Freqüências Relativas Acumuladas.

.
24
PRIMEIRA LISTA DE EXERCÍCIOS DE ESTATÍSTICA – Distribuição de Freqüências

1 – A tabela abaixo representa os salários pagos a 100 operários da empresa XPTO & Cia.

No. Se salários
Mínimos
No. De
Operários
0 |--- 2
2 |--- 4
4 |--- 6
6 |--- 8
8 |--- 10
40
30
10
15
5
Total 100

a) Determine a freqüência absoluta acumulada, a freqüência relativa e a freqüência relativa
acumulada.
b) Quantos operários ganham até dois salários mínimos?
c) Quantos operários ganham menos que 6 salários mínimos?
d) Qual a porcentagem de operários com salário entre 6 e 8 salários mínimos?
e) Qual a porcentagem de operários com salário inferior a 4 salários mínimos?
f) Construa o histograma e o polígono de freqüências.

2 – Os dados seguintes representam 20 observações relativas ao índice pluviométrico em
determinados municípios do estado.

Milímetros de chuva: 144 152 159 160 160 151 157 146 154 145 141 150
142 146 142 141 141 150 143 158

a) Construa uma tabela de freqüência absoluta.
b) Determine as freqüências absolutas acumuladas
c) Determine as freqüências relativas
d) Determine as freqüências relativas acumuladas
e) Construa o histograma e o polígono de freqüências

3 - Imagine que foi obtida a opinião de 1.000 pessoas a respeito da liberação de determinado filme
para exibição em televisão. Dessas 1.000 pessoas, 432 mostravam-se favoráveis, 322 eram
contrárias, 122 não quiseram declarar a opinião e as restantes disseram não Ter opinião. Mostre
esses dados numa tabela.

4 - Imagine que, das 1.000 pessoas entrevistadas cujas respostas foram apresentadas no exercício
anterior, 500 eram homens e 500 eram mulheres. Do total de homens, 289 mostravam-se
favoráveis, 120 eram contrários, 78 não quiseram declarar a opinião e os restantes disseram não
ter opinião. Construa uma tabela para apresentar a distribuição das respostas segundo o sexo.

5 – Os números abaixo representam a distribuição das espessuras de 100 folhas de tabaco.

2,01 2,08 1,96 3,04 2,01 3,18 1,94 2,19 2,24 2,18 2,59 1,96 2,29 3,18 2,09
1,96 2,06 2,18 2,05 2,04 2,43 1,56 1,94 3,15 2,35 2,08 2,56 2,17 1,96 1,59
2,22 2,34 2,24 1,95 2,01 3,12 3,03 3,12 2,04 1,66 1,87 2,49 3,12 2,24 1,76
3,20 2,38 1,58 1,89 1,98 1,89 1,71 2,42 1,62 1,97 2,18 1,69 3,14 2,18 3,06
2,40 1,96 3,01 2,19 2,25 1,45 1,93 2,06 1,83 1,84 1,91 2,11 1,78 2,36 2,33
3,17 2,03 1,87 3,11 2,17 1,72 1,62 1,99 1,64 1,54 2,26 1,86 2,09 1,74 1,92
2,36 1,82 2,02 2,25 1,75 3,15 3,18 1,99 1,76 2,51
25
a) Construa uma distribuição de freqüências com 9 classes de amplitude 0,2 sendo que o limite
inferior da primeira classe é igual a 1,40.
b) Construa uma tabela de freqüência absoluta.
c) Determine as freqüências absolutas acumuladas
d) Determine as freqüências relativas
e) Determine as freqüências relativas acumuladas
f) Construa o histograma e o polígono de freqüências

6 – Considere a seguinte tabela de dados:

Classes Freq. Absoluta
2,75 |---- 2,80
2,80 |---- 2,85
2,85 |---- 2,90
2,90 |---- 2,95
2,95 |---- 3,00
3,00 |---- 3,05
3,05 |---- 3,10
3,10 |---- 3,15
3,15 |---- 3,20
3,20 |---- 3,25
2
3
10
11
24
14
9
8
6
3
T O T A L 90

a) Determine as freqüências absolutas acumuladas.
b) Determine as freqüências relativas.
c) Determine as freqüências relativas acumuladas.






















26
6 - Medidas de Posição
São as estatísticas que representam uma série de dados que orientam quanto à
posição da distribuição em relação ao eixo horizontal do gráfico da curva de
freqüência.
As medidas de posições mais importantes são as medidas de tendência
central ou promédias.
As medidas de tendência central mais utilizadas são:
• Média Aritmética
• Moda
• Mediana
Outras medidas de tendência central menos utilizadas são:
• Média Geométrica
• Média Harmônica
• Média Quadrática
As outras medidas de posição são as separatrizes, que englobam:
• Mediana
• Decis
• Quartis
• Percentis.
6.1 - Média Aritmética
É representada por:
X
___
ou µ
É igual ao quociente entre a soma dos elementos do conjunto e o número total dos
elementos.
n
x
n
i
i
X

=
=1
___
.onde x
i
são os valores da variável e n o número de elementos da amostra. Ou
n
x
n
i
i

=
=1
µ .onde x
i
são os valores da variável e n o número de elementos da população.
.Dados não-agrupados:
Quando se deseja conhecer a média dos dados não-agrupados em tabelas de freqüências,
determina-se a média aritmética simples.
Exemplo: Sabendo-se que a venda diária de arroz tipo A, durante uma semana, foi de 10,
14, 13, 15, 16, 18 e 12 kilos, então a venda média diária na semana é:
X
___
.= (10+14+13+15+16+18+12) / 7 = 14 kilos
27
Desvio em relação à média: é a diferença entre cada elemento de um conjunto de
valores e a média aritmética, ou seja:.. d
i
= x
i
-
X
___

No exemplo anterior têm-se sete desvios:...
d1 = 10 - 14 = -4 d3 = 13 - 14 = -1 d5 = 16 - 14 = 2 d7 = 12 - 14 = -2
d2 = 14 - 14 = 0 d4 = 15 - 14 = 1 d6 = 18 - 14 = 4
Propriedades da Média
1ª propriedade: A soma algébrica dos desvios em relação à média é nula.
No exemplo anterior: d1+d2+d3+d4+d5+d6+d7 = 0
2ª propriedade: Somando-se (ou subtraindo-se) uma constante (c) a todos os valores de
uma variável, a média do conjunto fica aumentada (ou diminuída) dessa
constante.
Se no exemplo original for somado a constante c = 2 a cada um dos valores da variável
tem-se:
Y = [12+16+15+17+18+20+14] / 7 = 16 kilos ou Y = .+ 2 = 14 +2 = 16 kilos
3ª propriedade: Multiplicando-se (ou dividindo-se) todos os valores de uma variável por
uma constante (c), a média do conjunto fica multiplicada (ou dividida)
por essa constante.
Se no exemplo original for multiplicado a constante c = 3 nos valores da variável tem-se:
Y = [30+42+39+45+48+54+36] / 7 = 42 kilos ou Y = x 3 = 14 x 3 = 42 kilos
Dados agrupados:
Sem intervalos de classe
Considere-se a distribuição relativa a 34 famílias de quatro filhos, tomando para variável
o número de filhos do sexo masculino. Pretende-se calcular a quantidade média de
meninos por família:
Nº. de meninos Freqüência f
i

0 2
1 6
2 10
3 12
4 4
Total 34
28
Como as freqüências são números indicadores da intensidade de cada valor da variável,
elas funcionam como fatores de ponderação, o que nos leva a calcular a média
aritmética ponderada, dada pela fórmula:


=
=
=
n
i
i
i
n
i
i
f
f x
X
1
1
___
.
.x
i
. ..f
i
. ..x
i
.f
i
.
0 2 0
1 6 6
2 10 20
3 12 36
4 4 16
total 34 78
Onde 78 / 34 = 2,3 meninos por família.
Com intervalos de classe
Neste caso, convenciona-se que todos os valores incluídos em um determinado intervalo
de classe coincidem com o seu ponto médio, e determina-se a média aritmética
ponderada por meio da fórmula:


=
=
=
n
i
i
i
n
i
i
f
f x
X
1
1
___
..onde X
i
é o ponto médio da classe.
Exemplo: Calcular a estatura média de bebês conforme a tabela seguinte:
Estaturas (cm) Freqüência = f
i
Ponto médio = x
i
..x
i
.f
i
.
50 |------------ 54 4 52 208
54 |------------ 58 9 56 504
58 |------------ 62 11 60 660
62 |------------ 66 8 64 512
66 |------------ 70 5 68 340
70 |------------ 74 3 72 216
Total 40 2.440
Aplicando a fórmula acima se tem: 2.440 / 40.= 61. logo... = 61 cm

29
6.2 - Média Geométrica
É a raiz n-ésima do produto de todos os elementos.
Média Geométrica Simples:
n
n
x x x
Xg
...
2 1
____
= ou
n
n
x x x
Xg
1
2 1
____
) ... ( =
Exemplo - Calcular a média geométrica dos seguintes conjuntos de números: E
a) { 10, 60, 360 }........ no excel : =(10*60*360)^(1/3) ....R: 60
b) { 2, 2, 2 }........ no excel : =(2*2*2)^(1/3) ....R: 2
c) { 1, 4, 16, 64 }........ no excel : =(1*4*16*64)^(1/4) ....R: 8
.Média Geométrica Ponderada:

=
i n
f
f
n
f f
x x x
Xg
...
2 1
2 1
____
ou

=
i
n
f
f
n
f f
x x x
Xg
1
2 1
____
) ... (
2 1

Exemplo - Calcular a média geométrica dos valores da tabela abaixo:
...x
i
... ...f
i
...
1 2
3 4
9 2
27 1
total 9
Isto é: 8296 , 3 ) 27 . 9 . 3 . 1 (
9
1 2 4 2
__
= = g X
.Propriedades da Média Geométrica
1ª propriedade: O produto dos quocientes entre cada valor de um conjunto de números
e a média geométrica do conjunto é = 1.
Exemplo: Comprovar a 1ª propriedade da média geométrica com os
dados {10, 60, 360}.
g = 60... onde... 10/60 x 60/60 x 360/60 = 1
.2ª propriedade: Séries que apresentam o mesmo número de elementos com o mesmo
produto têm a mesma média geométrica.
Exemplo: Comprovar a 2ª propriedade da média geométrica com os
dados:
a) {8 ; 12,5}.. ga = 10.. b) {2 ; 50}... gb = 10

30
3ª propriedade: A média geométrica é menor ou igual a média aritmética.
A desigualdade g < ..sempre se verifica, quando os valores da série forem positivos e
nem todos iguais. Se entre eles houver um ou mais zeros, a média geométrica será nula.
A igualdade g = ..só ocorrerá quando todos os valores da série forem iguais.
.4ª propriedade: Quanto maior a diferença entre os valores originais maior será
diferença entre as médias aritmética e geométrica. Veja na próxima
tabela:
conjunto média aritmética média geométrica
X = {2, 2} 2 2
Y = {14, 16} 15 14,97
W = {8, 12} 10 9,8
Z = {2, 50} 26 10
.Aplicações da Média Geométrica.
a) Média de Relações
Empresa Capital líquido Dívida Capital líquido/Dívida
A 2.500 1.000 2,5
B 1.000 2.000 0,5

g = (2,5*0,5)^(1/2)........R: 1,1180
Obs: Se, para uma determinada empresa, se deseja estabelecer uma relação do tipo
capital/dívida que seja independente da dívida ou do capital das diferentes
empresas envolvidas, é recomendável o uso da média geométrica.
Se o que se deseja saber é a relação capital/dívida de certo número de empresas,
após a consolidação, a cifra correta será obtida através da média aritmética.
b) Média em distribuições assimétricas ( Será visto mais adiante )
c) Média de taxas de variação
Exemplo: Supõe-se que um indivíduo tenha aplicado um capital de R$ 500,00 em 1995.
Após um ano de aplicação, essa importância chegou a R$ 650,00.
Reaplicando essa última quantia, ao final de mais um ano seu montante
situava-se em R$ 910,00. Qual a taxa média de aumento de capital?
31
Período Taxa
1995 a 1996 650/500 = 1,3
1996 a 1997 910/650 = 1,4
A taxa média será (no excel)..=(1,3*1,4)^(1/2) ou a raiz quadrada do produto de 1,3 e
1,4.
Resposta: 1,3491

6.3 - Média Quadrática
É a raiz quadrada da média aritmética dos quadrados
Média Quadrática Simples: (para dados não agrupados)
n
x x x
n
Xq
2 2
2
2
1
___
... + +
=
Exemplo: Calcular a média quadrática simples do seguinte conjunto de números:
A = { 2 , 3 , 4 , 5 } ....Resp: 3,67
.Média Quadrática Ponderada: Quando os valores da variável estiverem dispostos em
uma tabela de freqüências, a média quadrática será
determinada pela seguinte expressão:


=
i
i i
f
f x
p
Xq
2 ___

Exemplo: Calcular a média quadrática dos valores da tabela abaixo:
classes ....f
i
.... ....x
i
.... .. (x
i
)
2
.. ... (x
i
)
2
. f
i

2 |--------- 4 5 3 9 45
4 |--------- 6 10 5 25 250
6 |--------- 8 12 7 49 588
8 |-------- 10 10 9 81 810
10 |-------- 12 5 11 121 605
total 42 2298
Aplica-se a raiz quadrada sobre (2298)/42
...Resp: 7,40
32
OBS:
• Sempre que os valores de X forem positivos e pelo menos um dado diferente é
válida a seguinte relação: q > > g
• A igualdade entre as médias acima se verifica quando os valores da variável
forem todos iguais.
• A média quadrática é largamente utilizada em Estatística, principalmente quando
se pretende calcular a média de desvios ( x - .) , em vez de a média dos valores
originais. Neste caso, a média quadrática é denominada desvio-padrão, que é
uma importante medida de dispersão.
6.4 - Moda
É o valor que ocorre com maior freqüência em uma série de valores.
A Moda é representada pelo símbolo: M
o

Desse modo, o salário modal dos empregados de uma fábrica é o salário mais comum,
isto é, o salário recebido pelo maior número de empregados dessa fábrica.
.A Moda para dados não agrupados.
• A moda é facilmente reconhecida: basta, de acordo com definição, procurar o
valor que mais se repete.
Exemplo: Na série { 7 , 8 , 9 , 10 , 10 , 10 , 11 , 12 } a moda é igual a 10.
• Há séries nas quais não existe valor modal, isto é, nas quais nenhum valor aparece
mais vezes que outros.
Exemplo: { 3 , 5 , 8 , 10 , 12 } não apresenta moda. A série é amodal.
• .Em outros casos, pode haver dois ou mais valores de concentração. Diz-se, então,
que a série tem dois ou mais valores modais.
Exemplo: { 2 , 3 , 4 , 4 , 4 , 5 , 6 , 7 , 7 , 7 , 8 , 9 } apresenta duas modas: 4 e 7.
A série é bimodal.
.A Moda para dados agrupados.
a) Sem intervalos de classe
Uma vez agrupados os dados, é possível determinar imediatamente a moda: basta fixar o
valor da variável de maior freqüência.

33
Exemplo: Qual a temperatura mais comum medida no mês abaixo:
Temperaturas Freqüência
0º C 3
1º C 9
2º C 12
3º C 6
Resp: 2º C é a temperatura modal, pois é a de maior freqüência.
.b) Com intervalos de classe.
A classe que apresenta a maior freqüência é denominada classe modal. Pela definição,
pode-se afirmar que a moda, neste caso, é o valor dominante que está compreendido
entre os limites da classe modal.
O método mais simples para o cálculo da moda consiste em tomar o ponto médio da
classe modal. Da-se a esse valor a denominação de moda bruta.
Mo = ( l* + L* ) / 2
Onde l* = limite inferior da classe modal e L*= limite superior da classe modal.
Exemplo: Calcule a estatura modal conforme a tabela abaixo.
Classes (em cm) Freqüência
54 |------------ 58 9
58 |------------ 62 11
62 |------------ 66 8
66 |------------ 70 5
Resp: a classe modal é 58|-------- 62, pois é a de maior freqüência. l*=58 e
L*=62
Mo = (58+62)/2 = 60 cm (este valor é estimado, pois não se conhece o
valor real da moda).
.Método mais elaborado pela fórmula de CZUBER:
*
2 1
1 *
h
D D
D
l Mo

+
+ =

l*= limite inferior da classe modal...
D
1
= (freqüência da classe modal) – (freqüência da classe anterior à classe modal)
D
2
= (freqüência da classe modal) – (freqüência da classe posterior à classe modal)
h*= amplitude da classe modal
34
Exemplo: Calculo da Moda na tabela anterior
D
1
= 11 - 9=2 D
2
= 11 – 8 = 3 h = 4
Mo = 58 + [2/(2+3)]x4 = 58 + 8/5 = 58 + 1,6 = 59,6
Mo = 59,6
Obs: A moda é utilizada quando se deseja obter uma medida rápida e aproximada de
posição ou quando a medida de posição deva ser o valor mais típico da
distribuição.
Já a média aritmética é a medida de posição que possui a maior estabilidade.

6.5 - Mediana
A mediana de um conjunto de valores, dispostos segundo uma ordem (crescente ou
decrescente), é o valor situado de tal forma no conjunto que o separa em dois
subconjuntos com o mesmo número de elementos.
Símbolo da mediana: Md
Mediana para dados não agrupados
Dada uma série de valores: { 5, 2, 6, 13, 9, 15, 10 }
Valore em ordem crescente: { 2, 5, 6, 9, 10, 13, 15 }
O valor que divide a série acima em duas partes iguais é igual a 9, logo a Md = 9.
.Método prático para o cálculo da Mediana
a) Se a série dada tiver número ímpar de termos:
O valor mediano será o termo de ordem dado pela fórmula:
2
1 +
=
n
Md
Exemplo: Calcule a mediana da série { 1, 3, 0, 0, 2, 4, 1, 2, 5 }
1º - ordenar a série { 0, 0, 1, 1, 2, 2, 3, 4, 5 }
n = 9. Então (n + 1)/2 é dado por (9 + 1) / 2 = 5, ou seja, o 5º elemento da série
ordenada será a mediana
A mediana será o 5º elemento, ou seja, Md = 2.





35
b) Se a série dada tiver número par de termos:
O valor mediano será o termo de ordem dado pela fórmula:
2
) 1
2
(
2

+ +
=
n n
Md
Obs: n/2 e (n/2 + 1) serão termos de ordem e devem ser substituídos pelos valores
correspondentes.
Exemplo: Calcule a mediana da série { 1, 3, 0, 0, 2, 4, 1, 3, 5, 6 }
Ordenar a série { 0, 0, 1, 1, 2, 3, 3, 4, 5, 6 }
n = 10. Logo a fórmula ficará: [( 10/2 ) + (10/2 + 1)] / 2
[( 5 + 6)] / 2 será na realidade (5º termo+ 6º termo) / 2
5º termo = 2 e 6º termo = 3
A mediana será = (2+3) / 2 ou seja, Md = 2,5 .
A mediana no exemplo será a média aritmética do 5º e 6º termos da série.
Notas:
• Quando o número de elementos da série estatística for ímpar, haverá coincidência
da mediana com um dos elementos da série.
• Quando o número de elementos da série estatística for par, nunca haverá
coincidência da mediana com um dos elementos da série. A mediana será sempre
a média aritmética dos 2 elementos centrais da série.
• Em uma série a mediana, a média e a moda não têm, necessariamente, o mesmo
valor.
• A mediana depende da posição e não dos valores dos elementos na série
ordenada. Essa é uma da diferenças marcantes entre mediana e média ( que se
deixa influenciar, e muito, pelos valores extremos).
Exemplo: Em { 5, 7, 10, 13, 15 } a média = 10 e a mediana = 10
Em { 5, 7, 10, 13, 65 } a média = 20 e a mediana = 10
Isto é, a média do segundo conjunto de valores é maior do que a do primeiro,
por influência dos valores extremos, ao passo que a mediana permanece a
mesma.
Mediana para dados agrupados
a) Sem intervalos de classe
Neste caso, basta identificar a freqüência acumulada imediatamente superior à metade da
soma das freqüências. A mediana será aquele valor da variável que corresponde a tal
freqüência acumulada.


36
Exemplo:
Variável x
i
Freqüência f
i
Freqüência Acumulada
0 2 2
1 6 8
2 9 17
3 13 30
4 5 35
total 35

Quando o somatório das freqüências for ímpar o valor mediano será o termo de ordem
dado pela fórmula:.
2
1

+
=
i
f
Md
Como o somatório das freqüências = 35 a fórmula ficará: ( 35+1 ) / 2 = 18º termo = 3
Quando o somatório das freqüências for par o valor mediano será o termo de ordem
dado pela fórmula:.
2
1
2 2
|
|
¹
|

\
|
+ +
|
|
¹
|

\
|
=
∑ ∑ i i
f f
Md
Exemplo - Calcule a Mediana dos dados na seguinte tabela:
Variável x
i
Freqüência f
i
Freqüência Acumulada
12 1 1
14 2 3
15 1 4
16 2 6
17 1 7
20 1 8
total 8
Aplicando a fórmula acima tem-se:
[(8/2)+ (8/2+1)]/2 = (4º termo + 5º termo) / 2 = (15 + 16) / 2 = 15,5





37
b) Com intervalos de classe
Devem-se seguir os seguintes passos:
1º) Determinam-se as freqüências acumuladas;
2º) Calcular:
2
∑ i
f
;
3º) Marcar a classe correspondente à freqüência acumulada imediatamente superior à
2
∑ i
f
. Tal classe será a classe mediana;
4º) Calcular a Mediana pela seguinte fórmula:
*
*
*
2
f
h Faa
f
l Md
i


+ =


Onde:
l*: é o limite inferior da classe mediana.
Faa: é a freqüência acumulada da classe anterior à classe mediana.
f
*
: é a freqüência simples da classe mediana.
h
*
: é a amplitude do intervalo da classe mediana.
Exemplo:
Classes Freqüência = f
i
Freqüência Acumulada
50 |------------ 54 4 4
54 |------------ 58 9 13
58 |------------ 62 11 24
62 |------------ 66 8 32
66 |------------ 70 5 37
70 |------------ 74 3 40
Total 40
2
∑ i
f
= 40 / 2 =.20...logo.a classe mediana será 58 |------ 62, l*=58.
Faa = 13,.... f
*
= 11,.. h
*
= 4. Substituindo esses valores na fórmula, obtem-se:
Md = 58 + [ (20 - 13) x 4] / 11 = 58 + 28/11 = 60,54
OBS: Esta mediana é estimada, pois não se tem os 40 valores da distribuição.
Emprego da Mediana
• Quando se deseja obter o ponto que divide a distribuição em duas partes iguais.
• Quando há valores extremos que afetam de maneira acentuada a média aritmética.
• Quando a variável em estudo é salário.
38
6.6 – Separatrizes – Quartis, Decis e Percentis
Além das medidas de posição estudadas, há outras que consideradas individualmente,
não são medidas de tendência central, mas estão ligadas à mediana relativamente à sua
característica de separar a série em duas partes que apresentam o mesmo número de
valores.
As medidas - os quartis, os decis e os percentis - são, juntamente com a mediana,
conhecidas pelo nome genérico de separatrizes.
QUARTIS
Denominam-se quartis os valores de uma série que a dividem em quatro partes iguais.
Precisa-se, portanto de 3 quartis (Q1, Q2 e Q3 ) para dividir a série em quatro partes
iguais.
Obs: O quartil 2 ( Q2 ) é igual a mediana da série.
Quartis para dados não agrupados
O método mais prático é utilizar o princípio do cálculo da mediana para os 3 quartis. Na
realidade serão calculadas "3 medianas " em uma mesma série.
Exemplo1: Calcule os quartis da série: { 5, 2, 6, 9, 10, 13, 15 }
O primeiro passo a ser dado é o da ordenação (crescente ou decrescente) dos
valores: { 2, 5, 6, 9, 10, 13, 15 }
O valor que divide a série acima em duas partes iguais é o 9, logo a Md = 9.
Que será = Q2.
Tem-se agora {2, 5, 6 } e {10, 13, 15 } como sendo os dois grupos de
valores iguais proporcionados pela mediana ( quartil 2).
Para o cálculo do quartil 1 e quartil 3 (Q1 e Q3) basta calcular as medianas
das partes iguais provenientes da verdadeira Mediana da série (quartil 2).
Logo em { 2, 5, 6 } a mediana é = 5 . Ou seja: será o quartil 1 (Q1)
Em {10, 13, 15 } a mediana é =13 . Ou seja: será o quartil 3 (Q3)
Exemplo2: Calcule os quartis da série: { 1, 1, 2, 3, 5, 5, 6, 7, 9, 9, 10, 13 }
A série já está ordenada, então se calcula o Quartil 2 = Md = (5+6)/2 = 5,5
O quartil 1 (Q1) será a mediana da série à esquerda de Md : { 1, 1, 2, 3, 5, 5 }
Q1 = (2+3)/2 = 2,5
O quartil 3 (Q3) será a mediana da série à direita de Md : {6, 7, 9, 9, 10, 13 }
Q3 = (9+9)/2 = 9



39
Quartis para dados agrupados
Uitliza-se a mesma técnica do cálculo da mediana, bastando substituir, na fórmula da
mediana,
2
∑ i
f
.... por ..
4
*
∑ i
f
k . onde k é o número de ordem do quartil.
Assim, tem-se:
*
*
*
4
1
f
h Faa
f
l Q
i


+ =


*
*
*
4
2
2
f
h Faa
f
l Q
i


+ =


*
*
*
4
3
3
f
h Faa
f
l Q
i


+ =


Q1 – Primeiro quartil: valor situado de tal modo na série que uma quarta parte (25%) dos
dados é menor que ele e as três quartas partes restantes (75%) são maiores.
Q2 – Segundo quartil (mediana): valor situado de tal modo na série que a metade (50%)
dos dados é menor que ele e a metade restante (50%) são maiores.
Q3 – Terceiro quartil: valor situado de tal modo na série que as três quartas partes (75%)
dos dados são menores que ele e uma quarta parte (25%) é maior.
Exemplo3 - Calcule os quartis da tabela abaixo:
Classes Freqüência = f
i
Freqüência Acumulada
50 |------------ 54 4 4
54 |------------ 58 9 13 <--- Q1
58 |------------ 62 11 24 <--- Q2
62 |------------ 66 8 32 <--- Q3
66 |------------ 70 5 37
70 |------------ 74 3 40
Total 40

O quartil 2 = Q2 = Md , logo:
2
∑ i
f
= 40 / 2 =.20........... Assim, a classe mediana será 58 |---------- 62
l* = 58........... F** = 13........... f* = 11........... h* = 4
Substituindo esses valores na fórmula, obtem-se:
Q2 = Md = 58 + [ (20 - 13) x 4] / 11 = 58 + 28/11 = 60,54
O quartil 1 :
4
∑ i
f
= 10
Q1 = 54 + [ (10 - 4) x 4] / 9 = 54 + 2,66 = 56,66
.O quartil 3 :
4
* 3
∑ i
f
= 30
Q3 = 62 + [ (30 -24) x 4] / 8 = 62 + 3 = 65
40
DECIS
A definição dos decis obedece o mesmo princípio dos quartis, com a modificação da
porcentagem de valores que ficam aquém e além do decil que se pretende calcular.
A fómula básica será :
10
*
∑ i
f
k onde k é o número de ordem do decil a ser calculado.
Indicam-se os decis : D1, D2, ... , D9. Deste modo precisa-se de 9 decis para dividir uma
série em 10 partes iguais.
De especial interesse é o quinto decil, que divide o conjunto em duas partes iguais.
Assim sendo, o quinto decil é igual ao segundo quartil, que por sua vez é igual à
mediana.
Para D5 tem-se:
10
* 5
∑ i
f
=
2
∑ i
f

Exemplo: Calcule o 3º decil da tabela anterior com classes.
k= 3 onde
10
* 3
∑ i
f
= 3x40/10 = 12. Este resultado corresponde a 2ª classe.
D3 = 54 + [ (12 - 4) x 4] / 9 = 54 + 3,55 = 57,55
PERCENTIL ou CENTIL
Denomina-se percentis ou centis como sendo os noventa e nove valores que separam
uma série em 100 partes iguais.
Indica-se: P1, P2, ... , P99. É evidente que P50 = Md ; P25 = Q1 e P75 = Q3.
O cálculo de um centil segue a mesma técnica do cálculo da mediana, porém a fórmula
será:
100
*
∑ i
f
k onde k é o número de ordem do percentil a ser calculado.
Exemplo: Calcule o 8º percentil da tabela anterior com classes.
k= 8 onde
100
* 8
∑ i
f
= 8x40/100 = 3,2. Este resultado corresponde a 1ª classe.
P8 = 50 + [ (3,2 -0) x 4] / 4 = 50 + 3,2 = 53,2

41
7 – Medidas de Dispersão ou Variabilidade:
Mede a dispersão dos valores de uma variável em torno de um valor de tendência central
(média ou mediana) tomado como ponto de comparação.
A média - ainda que considerada como um número para representar uma série de valores
- não consegue destacar o grau de homogeneidade ou heterogeneidade que existe entre
os valores que compõem o conjunto.
Considere os seguintes conjuntos de valores das variáveis X, Y e Z:
X = { 70, 70, 70, 70, 70 }
Y = { 68, 69, 70 ,71 ,72 }
Z = { 5, 15, 50, 120, 160 }
Observa-se que os três conjuntos apresentam a mesma média aritmética = 350/5 = 70
Entretanto, é fácil notar que o conjunto X é mais homogêneo que os conjuntos Y e Z, já
que todos os valores são iguais à média.
O conjunto Y, por sua vez, é mais homogêneo que o conjunto Z, pois há menor
dispersão entre cada um de seus valores comparado com a média.
Conclui-se então que o conjunto X apresenta dispersão nula e que o conjunto Y
apresenta uma dispersão menor que o conjunto Z.

7.1 - Medidas de Dispersão Absoluta
7.1.1 - Amplitude Total
Amplitude total – AT é a única medida de dispersão que não tem a média como ponto de
referência.
Quando os dados não estão agrupados a amplitude total é a diferença entre o maior e o
menor valor observado:
AT = (valor máximo - valor mínimo).
Exemplo: Para os valores 40, 45, 48, 62 e 70 a amplitude total será: AT = 70 - 40 = 30
Quando os dados estão agrupados sem intervalos de classe ainda tem-se:
AT = (valor máximo - valor mínimo).


42
Exemplo:
x
i
f
i

0 2
1 6
3 5
4 3
AT = 4 - 0 = 4
Com intervalos de classe a amplitude total é a diferença entre o limite superior da
última classe e o limite inferior da primeira classe.
Então AT = L máximo - l mínimo
Exemplo:
Classes f
i

4 |------------- 6 6
6 |------------- 8 2
8 |------------- 10 3
AT = 10 - 4 = 6
A amplitude total tem o inconveniente de só levar em conta os dois valores extremos da
série, não considerando os valores intermediários.
Faz-se uso da amplitude total quando se quer determinar a amplitude da temperatura
em um dia, no controle de qualidade ou como uma medida de cálculo rápido sem
muita exatidão.
7.1.2 - Desvio Médio Absoluto
Desvio Médio Absoluto para dados não agrupados
É a média aritmética dos valores absolutos dos desvios tomados em relação a uma das
seguintes medidas de tendência central: média ou mediana. Símbolo = Dm
Fórmula: para a Média:
n
X x
Dm
i ∑

=
___
Fórmula: para a Mediana:
n
Md x
Dm
i ∑

=
As barras verticais indicam que são tomados os valores absolutos dos desvios.

43
Exemplo: Calcular o desvio médio do conjunto de números { - 4 , - 3 , - 2 , 3 , 5 }
= - 0, 2 e Md = - 2
Tabela auxiliar para cálculo do desvio médio
Desvio em Relação à Média Desvio em Relação à Mediana
X
i

X
i
- | X
i
- |
X
i
- Md | X
i
- Md |
- 4 (- 4) - (-0,2) = -3,8 3,8 (- 4) - (-2) = - 2 2
- 3 (- 3) - (-0,2) = -2,8 2,8 (- 3) - (-2) = - 1 1
- 2 (- 2) - (-0,2) = -1,8 1,8 (- 2) - (-2) = 0 0
3 3 - (-0,2) = 3,2 3,2 3 - (-2) = 5 5
5 5 - (-0,2) = 5,2 5,2 5 - (-2) = 7 7

∑ =
16,8
∑ =
15
Pela Média: Dm = 16,8 / 5 = 3,36 Pela Mediana : Dm = 15 / 5 = 3
Desvio médio para Dados Agrupados
Se os valores vierem dispostos em uma tabela de freqüências, agrupados ou não em
classes, serão usadas as seguintes fórmulas:
Cálculo pela média:



=
i
i i
f
f X x
Dm
*
___

Cálculo pela mediana:



=
i
i i
f
f Md x
Dm
*

Exemplo de cálculo pela média:
X
i
f
i
X
i
. f
i


X
i
- | X
i
- |

| X
i
- | . f
i

3 2 6 4,7 - 1,7 1,7 3,4
4 2 8 4,7 - 0,7 0,7 1,4
5 3 15 4,7 0,3 0,3 0,9
6 3 18 4,7 1,3 1,3 3,9
∑ =
10 47
∑ =
9,6
Dm = 9,6 / 10 = 0,96
44
Exemplo de cálculo pela mediana:
X
i
f
i
Md X
i
- Md | X
i
- Md | | X
i
- Md | . f
i

3 2 5 - 2 2 4
4 2 5 - 1 1 2
5 3 5 0 0 0
6 3 5 1 1 1
∑ =
10
∑ =
7
Dm = 7 / 10 = 0,70
Obs: Apesar de o desvio médio expressar aceitavelmente a dispersão de uma amostra,
não é tão frequentemente empregado como o desvio-padrão. O desvio médio
despreza o fato de alguns desvios serem negativos e outros positivos, pois essa
medida os trata como se fossem todos positivos. Todavia será preferido o uso do
desvio médio em lugar do desvio-padrão, quando esse for indevidamente
influenciado pelos desvios extremos.
7.1.3 - Desvio Padrão
É a medida de dispersão mais geralmente empregada, pois leva em consideração a
totalidade dos valores da variável em estudo. É um indicador de variabilidade bastante
estável. O desvio padrão baseia-se nos desvios em torno da média aritmética e a sua
fórmula básica pode ser traduzida como: a raiz quadrada da média aritmética dos
quadrados dos desvios e é representada por S ou σ σσ σ .
Desvio Padrão de uma amostra:
1
) (
2
__


=

n
X x
S
i

Desvio Padrão de uma população:
n
X x
i ∑

=
2
__
) (
σ
A fórmula acima é empregada quando se trata de uma população de dados não-
agrupados.




45
Exemplo: Calcular o desvio padrão da população representada por: - 4 , -3 , -2 , 3 , 5
X
i




- 4 - 0,2 - 3,8 14,44
- 3 - 0,2 - 2,8 7,84
- 2 - 0,2 - 1,8 3,24
3 - 0,2 3,2 10,24
5 - 0,2 5,2 27,04
∑ = 62,8
Sabe-se que n = 5 e 62,8 / 5 = 12,56.
A raiz quadrada de 12,56 é o desvio padrão: σ σσ σ = 3,54
Obs: Quando o interesse se restringe à descrição dos dados da amostra visando tirar
inferências válidas para toda a população, efetua-se uma modificação que consiste
em usar o divisor n - 1 em lugar de n.
O desvio padrão de uma amostra é calculado pela fórmula:
1
) (
2
__


=

n
X x
S
i

Se os dados - 4, -3, -2, 3, 5 representassem uma amostra o desvio padrão amostral seria a
raiz quadrada de 62,8 / (5 -1) = 3,96, ou seja: S = 3,96.
Propriedades do Desvio padrão:
1ª - Somando-se (ou subtraindo-se) uma constante a todos os valores de uma variável, o
desvio padrão não se altera.
2ª - Multiplicando-se (ou dividindo-se) todos os valores de uma variável por uma
constante (diferente de zero), o desvio padrão fica multiplicado ( ou dividido) por
essa constante.
Quando os dados estão agrupados em classes a fórmula do desvio padrão é:
Para os dados de uma população:



=
i
i i
f
f X x
2
__
) (
σ
Para os dados de uma amostra:
1
) (
2
__


=


i
i i
f
f X x
S
46
Exemplo: Calcule o desvio padrão populacional da tabela abaixo:
i
x

i
f

i i
f x

__
X
) (
__
X x
i

2
__
) ( X x
i

i i
f X x
2
__
) ( −
0 2 0 2,1 -2,1 4,41 8,82
1 6 6 2,1 -1,1 1,21 7,26
2 12 24 2,1 -0,1 0,01 0,12
3 7 21 2,1 0,9 0,81 5,67
4 3 12 2,1 1,9 3,61 10,83
Total 30 63 ∑= 32,70
Sabe-se que ∑f
i
= 30 e 32,7 / 30 = 1,09.
A raiz quadrada de 1,09 é 1,044. Logo σ σσ σ = 1,044.
Se considerar os dados como sendo de uma amostra o desvio padrão será:
A raiz quadrada de 32,7 / (30 -1) = 1,062. Logo S = 1,062.
Obs: Nas tabelas de freqüências com intervalos de classe a fórmula a ser utilizada é a
mesma do exemplo anterior.
7.1.4 - Variância
É o desvio padrão elevado ao quadrado e é represejntado por S
2
ou σ σσ σ
2
A variância é uma medida que tem pouca utilidade como estatística descritiva, porém é
extremamente importante na inferência estatística e em combinações de amostras.
A variância é o quadrado do desvio padrão.
Variância da população:
n
X x
i ∑

=
2
__
2
) (
σ
Variância da amostra:
1
) (
2
__
2


=

n
X x
S
i

EXERCÍCIOS
1 - Considere os seguintes conjuntos de números:
A = { 10, 20, 30, 40, 50 } B = { 100, 200, 300, 400, 500 }
Que relação existe entre os desvios padrões dos dois conjuntos de números?
47
2 - Dados os conjuntos de números:
A = { 220, 230, 240, 250, 260 } B = { 20, 30, 40, 50, 60 }
Que relação existe entre os desvios padrões dos dois conjuntos de números?
3 - Dados os conjuntos de números: A = {-2, -1, 0, 1, 2} B = {220, 225, 230, 235, 240}.
De acordo com as propriedades do desvio padrão, pode-se afirmar que o desvio
padrão de B é igual ao:
a) desvio padrão de A;
b) desvio padrão de A, multiplicado pela constante 5;
c) desvio padrão de A, multiplicado pela constante 5, e esse resultado somado a 230;
d) desvio padrão de A mais a constante 230.
7.2 - Medidas de Dispersão Relativa
CV: Coeficiente de Variação
Na estatística descritiva o desvio padrão por si só tem grandes limitações. Assim, um
desvio padrão de 2 unidades pode ser considerado pequeno para uma série de valores
cujo valor médio é 200; no entanto, se a média for igual a 20, o mesmo não pode ser
dito.
Além disso, o fato do desvio padrão ser expresso na mesma unidade dos dados limita o
seu emprego quando se deseja comparar duas ou mais séries de valores, relativamente à
sua dispersão ou variabilidade, quando expressas em unidades diferentes.
Para contornar essas dificuldades e limitações, pode-se caracterizar a dispersão ou
variabilidade dos dados em termos relativos ao seu valor médio.
Medida essa denominada de CV: Coeficiente de Variação
O coeficiente de variação é a razão entre o desvio padrão e a média.
A fórmula do 100 .
__
|
|
¹
|

\
|
=
X
S
CV
O resultado neste caso é expresso em percentual, entretanto pode ser expresso também
através de um fator decimal, desprezando assim o valor 100 da fórmula.


48
Exemplo: Tomam-se os resultados das estaturas e dos pesos de um mesmo grupo de
indivíduos:
Discriminação M É D I A DESVIO PADRÃO
ESTATURAS 175 cm 5,0 cm
PESOS 68 kg 2,0 kg
Qual das medidas (Estatura ou Peso) possui maior homogeneidade?
Resposta: Tem-se que calcular o CV da Estatura e o CV do Peso.
O CV menor será o de maior homogeneidade (menor dispersão ou
variabilidade).
CVestatura = ( 5 / 175 ) x 100 = 2,85 %
CVpeso = ( 2 / 68 ) x 100 = 2,94 %.
Logo, nesse grupo de indivíduos, as estaturas apresentam menor grau de
dispersão que os pesos.
Exercícios:
1 – O salário médio mensal em Hortolândia é de R$ 750,00 e em Cosmópolis é de R$
500,00. Os desvios padrões são R$ 100,00 e R$ 80,00. Faça uma análise comparativa
quanto ao grau de homogeneidade do salário nestas duas localidades:
2 - O risco de uma ação de uma empresa pode ser devidamente avaliado através da
variabilidade dos retornos esperados. Portanto, a comparação das distribuições
probabilísticas dos retornos, relativas a cada ação individual, possibilita a quem toma
decisões perceber os diferentes graus de risco. Analise, abaixo, os dados estatísticos
relativos aos retornos de 5 ações e diga qual é a menos arriscada :
Discriminação Ação A Ação B Ação C Ação D Ação E
Valor esperado 15 % 12 % 5 % 10 % 4 %
Desvio padrão 6 % 6,6 % 2,5 % 3 % 2,6 %
Coeficiente de variação 0,40 0,55 0,50 0,30 0,65
3 - Um grupo de 85 moças tem estatura média 160,6 cm, com um desvio padrão igual a
5,97 cm. Outro grupo de 125 moças tem uma estatura média de 161,9 cm, sendo o
desvio padrão igual a 6,01 cm. Qual é o coeficiente de variação de cada um dos
grupos? Qual o grupo mais homogêneo?
4 - Um grupo de 196 famílias tem renda média de 163,8 dólares, com um coeficiente de
variação de 3,3%. Qual o desvio padrão da renda desse grupo?
49
5 - Uma distribuição apresenta as seguintes estatísticas: S = 1,5 e CV = 2,9 % .
Determine a média da distribuição.
6 - Numa pequena cidade, 65 famílias têm a renda média de 57,5 dólares e o desvio
padrão de 5,98 dólares. A variabilidade relativa das famílias foi de:
a) 0,104 dólares b) 10,4 dólares c) 0,104 % d) 10,4 % e) 0,104 famílias

50
SEGUNDA LISTA DE EXERCÍCIOS DE ESTATÍSTICA
População, amostra, média desvio padrão, variança, etc.

1 - Classifique as variáveis em qualitativas ou quantitativas (contínuas ou discretas):
a) Universo: alunos de uma escola. Variável: cor dos cabelos. -
b) Universo: casais residentes em uma cidade. Variável: número de filhos. -
c) Universo: peças produzidas por certa máquina. Variável: número de peças produzidas por
hora-
d) Universo: peças produzidas por certa máquina. Variável: diâmetro externo. -

2 - Nos exercícios abaixo, identifique cada número como discreto ou contínuo:
a) Cada cigarro Camel tem 16,13 mg de alcatrão.
b) Uma pesquisa efetuada com 1015 pessoas indica que 40 delas são assinantes da internet.
c) De 1000 consumidores pesquisados, 930 reconheceram a marca de sopa Campbell.
d) Ao completar um programa de treinamento, Shaquille O’Neal pesava 12,44 lb menos do que
no início do treinamento.

3 - Responda e explique o porque de cada uma das questões abaixo.
a) O desvio padrão de um conjunto de dados pode ser zero ?
b) O desvio padrão de um conjunto de dados pode se negativo ?
c) O desvio médio absoluto de um conjunto de dados pode ser zero ?
d) O desvio médio absoluto de um conjunto de dados pode ser negativo ?

4 - Determine a média e a mediana para cada um dos conjuntos de dados:
a) 7; 9; 2; l; 5; 4,5; 7,5; 6,2
b) 90, 87, 92, 81, 78, 85, 95, 80
c) 0,011; 0,032; 0,027; 0,035; 0,042

5 - Qual seria o efeito sobre a média de um conjunto de números se fosse adicionado l0 unidades:
a) A apenas um dos números do conjunto?
b) A cada um dos números do conjunto?

6 - Calcule a média, a variância e o desvio padrão do seguinte conjunto de dados:
83, 92, 100, 57, 85, 88, 84, 82, 94, 93, 91, 95, supondo que:
a) O conjunto representa toda a população.
b) O conjunto representa uma amostra da população.

7 -Calcule a média a mediana e a moda do número de clientes que aguardam nas filas de 12 caixas
da matriz de um grande banco: l, 3, 4, 3, 4, 2, 4, l, 2, 2, 1, 0

8 - Se cada um dos dados de um conjunto de números fosse duplicado, qual seria o efeito:
a) Sobre a média
b) Sobre o desvio padrão.

9 - Considere os seguintes dados correspondentes a preços (em reais) de propostas:
26,50; 27,50; 25,50; 26,00; 27,00; 23,40; 25,10; 26,20; 26,80
a) Calcule o Intervalo
b) Determine o Desvio Médio Absoluto
c) Calcule a Variância
d) Calcule o Desvio Padrão.

10 – A tabela abaixo representa os salários pagos a 100 operários da empresa XPTO & Cia.
51

No. Se salários
Mínimos
No. De
Operários
0 |--- 2
2 |--- 4
4 |--- 6
6 |--- 8
8 |--- 10
40
30
10
15
5
Total 100

a) Determine a classe modal e a moda dos salários
b) Calcule a média e a mediana dos salários
c) Calcule o desvio padrão dos salários

11 – Os dados seguintes representam 20 observações relativas ao índice pluviométrico em
determinados municípios do estado.

Milímetros de chuva: 144 152 159 160 160 151 157 146 154 145 141 150
142 146 142 141 141 150 143 158

a) Determine o índice pluviométrico que esteve em moda.
b) Ache a mediana, a média e o desvio padrão dos índices pluviométricos

12 - Utilize os resultados da tabela construída no exercício 2 da primeira lista de exercícios

c) Determine o índice pluviométrico que esteve em moda.
d) Ache a mediana, a média e o desvio padrão dos índices pluviométricos
e) Compare os resultados

13 – Os números abaixo representam a distribuição das espessuras de 100 folhas de tabaco.

2,01 2,08 1,96 3,04 2,01 3,18 1,94 2,19 2,24 2,18 2,59 1,96 2,29 3,18 2,09
1,96 2,06 2,18 2,05 2,04 2,43 1,56 1,94 3,15 2,35 2,08 2,56 2,17 1,96 1,59
2,22 2,34 2,24 1,95 2,01 3,12 3,03 3,12 2,04 1,66 1,87 2,49 3,12 2,24 1,76
3,20 2,38 1,58 1,89 1,98 1,89 1,71 2,42 1,62 1,97 2,18 1,69 3,14 2,18 3,06
2,40 1,96 3,01 2,19 2,25 1,45 1,93 2,06 1,83 1,84 1,91 2,11 1,78 2,36 2,33
3,17 2,03 1,87 3,11 2,17 1,72 1,62 1,99 1,64 1,54 2,26 1,86 2,09 1,74 1,92
2,36 1,82 2,02 2,25 1,75 3,15 3,18 1,99 1,76 2,51

a) Determine a espessura que esteve em moda.
b) Ache a mediana, a média e o desvio padrão das espessuras.

14 - Utilize os resultados da tabela construída no exercício 5 da primeira lista de exercícios

c) Determine a espessura que esteve em moda.
d) Ache a mediana, a média e o desvio padrão das espessuras.
e) Compare os resultados





52
15 – Considere a seguinte tabela de dados:

Classes Freq. Absoluta
2,75 |---- 2,80
2,80 |---- 2,85
2,85 |---- 2,90
2,90 |---- 2,95
3,95 |---- 3,00
3,00 |---- 3,05
3,05 |---- 3,10
3,10 |---- 3,15
3,15 |---- 3,20
3,20 |---- 3,25
2
3
10
11
24
14
9
8
6
3
T O T A L 90

a) Determine a classe modal e a moda dos dados.
b) Calcule a mediana, a média e o desvio padrão dos dados



































53
TERCEIRA LISTA DE EXERCÍCIOS DE ESTATÍSTICA
Teste sobre média mediana, etc.
Marque a questão correta :
A - Em uma prova de Estatística, 3 alunos obtiveram a nota 8,2 ; outros 3 obtiveram a nota 9,0 ; 5
obtiveram a nota 8,6 ; 1 obteve a nota 7,0 e 1 a nota 8,9. A nota média dos alunos será:
1. Uma média aritmética simples com valor 8,0 ;
2. Uma média aritmética simples com valor 8,7 ;
3. Uma média aritmética ponderada com valor 8,0 ;
4. Uma média aritmética ponderada com valor 8,5 ;
5. Uma média aritmética ponderada com valor 8,6, pois é o de maior frequência.
B - Um professor, após verificar que toda a classe obteve nota baixa, eliminou as questões que não
foram respondidas pelos alunos. Com isso, as notas de todos os alunos foram aumentadas de 3
pontos. Então pode-se afirmar que:
1. A média aritmética ficou alterada, assim como a mediana.
2. Apenas a média aritmética ficou alterada.
3. Apenas a mediana ficou alterada.
4. Não houve alteração nem na média nem na mediana.
5. Nada podemos afirmar sem conhecer o número total de alunos.
C - Na tabela primitiva : { 6, 2, 7, 6, 5, 4 } a soma dos desvios em relação à média aritmética é igual
a :
1. Ao número - 4
2. Ao número 8
3. Ao número 0
4. Ao número 25
5. Ao número 4
D - A mediana da série { 1, 3, 8, 15, 10, 12, 7 } é :
1. Igual a 15
2. Igual a 10
3. Igual a 8
4. Igual a 3,5
5. Não há mediana, pois não existe repetição de valores.
E - Numa pesquisa de opinião, 80 pessoas são favoráveis ao divórcio, 50 são desfavoráveis, 30 são
indiferentes e 20 ainda não têm opinião formada a respeito do assunto. Então a média aritmética
será:
1. Igual a 180, porque todos opinaram somente uma vez.
2. Igual a 40, porque é a média entre os valores 50 e 30.
3. Igual a 45.
4. Igual a 1, porque todos opinaram somente uma vez.
5. Não há média aritmética.

54
F- Segundo o site de VEJA na internet 28% da população brasileira é de origem africana, 32% de
origem portuguesa, 20% de origem italiana e 20% de outras origens. Qual é a moda quanto a
origem?
1. 32%
2. 20%
3. 32% da população.
4. Origem portuguesa.
5. Não podemos identificar a moda por falta de dados.
G- Numa determinada Escola com 300 alunos 34% deles completam o 2º grau em 3 anos e 66% em
4 anos. Qual o tempo médio de conclusão do 2º grau na referida Escola.
1. 7 anos.
2. 3 e 4 anos.
3. 3,66 anos.
4. 3 ou 4 anos.
5. 3,5 anos.
H - Na série estatística formada por { -1 , -2 , 3 , 4 }:
1. A mediana está entre -2 e 3.
2. A mediana é 0,5.
3. A questão 1 e 2 estão corretas.
4. A mediana é 2.
5. não existe mediana, pois não há dados repetidos.
I - Na série estatística formada por { 3 , 1 , 2 , 3 , 6 }:
1. Mediana > Moda > Média.
2. Moda < Média < Mediana.
3. Moda = Mediana = Média.
4. Mediana = Média e não há Moda.
5. Média > Mediana e não há Moda.
J - Na série estatística formada por { 3 , 1 , 2 , 3 , 4 } se for alterado o valor máximo:
1. A média poderá ser alterada ou não.
2. A mediana não vai ser alterada.
3. A moda não será alterada.
4. A média não será alterada.
5. A mediana vai ser alterada.
K- Quando a medida de posição deve ser o valor mais típico da distribuição utilizamos:
1. A média.
2. A mediana.
3. A moda.
4. A média, a moda e mediana.
5. A moda ou a média.

55
L - Quando desejamos o ponto médio exato de uma distribuição de frequência, basta calcular:
1. O desvio médio.
2. A média.
3. A moda.
4. A mediana.
5. Qualquer medida de posição.
M- Considere uma série estatística com 2351 elementos. A posição da mediana é representada pelo:
1. 1175º elemento.
2. 1176º elemento.
3. Ponto médio entre o 1175º e o 1176º elemento.
4. 1175,5º elemento.
5. Impossível resolução, pois não há identificação dos elementos.
N- Dados os conjuntos de números B = { 0 , 1 , 2 , 3 , 4 , 5 } e A = { 220, 225, 230, 235, 240, 245},
podemos afirmar, de acordo com as propriedades da média, que a média de A:
1. É igual à constante 220 somada ao produto da média de B por 5.
2. É igual à média de B mais a constante 220.
3. É igual à média de B multiplicada por uma constante arbitrária.
4. É igual à média de B mais a constante 220 e esse último resultado multiplicado por 5.
5. É igual à média de B multiplicada pela constante 94.
























56
8 - Probabilidade
Introdução:
O cálculo das probabilidades pertence ao campo da Matemática, entretanto a maioria dos
fenômenos de que trata a Estatística são de natureza aleatória ou probabilística. O
conhecimento dos aspectos fundamentais do cálculo das probabilidades é uma
necessidade essencial para o estudo da Estatística Indutiva ou Inferencial.

8.1 - Experimento Aleatório - E
São fenômenos que, mesmo repetido várias vezes sob condições semelhantes,
apresentam resultados imprevisíveis. O resultado final depende do acaso.
Representa-se um evento com a letra: E
Exemplos de eventos:
1 - Da afirmação: "é provável que o meu time ganhe a partida hoje"
pode resultar: - que ele ganhe - que ele perca - que ele empate
Este evento tem três possibilidades.
2 – Lançar um dado e observar o n úmero ocorrido na face superior.
3 – Selecionar ao acaso um aluno da USF e verificar seu semestre no curso.
4 – Jogar uma moeda 4 vezes e observar a seqüência de “caras” obtidas.
5 – Escolher uma pessoa ao acaso e verificar sua idade.
8.2 - Espaço Amostral - S
É o conjunto universo ou o conjunto de todos os resultados possíveis de um experimento
aleatório.
Representa-se o espaço amostral coma letra: S
Exemplos de espaço amostral:
1 - No experimento aleatório "lançamento de uma moeda" tem-se o espaço amostral:
S = {cara, coroa}.
2 - No experimento aleatório "lançamento de um dado" tem-se o espaço amostral:
S = {1, 2, 3, 4, 5, 6}.
3 - No experimento aleatório "dois lançamentos sucessivos de uma moeda" tem-se o
espaço amostral: S = {(ca,ca) , (co,co) , (ca,co) , (co,ca)}
4 – No lançamento de dois dados ao mesmo tempo tem-se o espaço amostral
S = {(1,1), (1,2),...(1,6), (2,1), (2,2),...(2,6), ...(6,1), (6,2),...(6,6)}. Tem-se um
espaço amostral com 36 resultados.

57
Obs: Cada elemento do espaço amostral que corresponde a um resultado recebe o nome
de ponto amostral. No primeiro exemplo: cara pertence ao espaço amostral
S = {cara, coroa}.
8.3 - Eventos
Sejam “E” um experimento e “S” o espaço amostral.
Um evento é qualquer subconjunto do espaço amostral S de um experimento aleatório E.
Assim, qualquer que seja o evento A, se A ⊂ S (A está contido em S), então A é um
evento de S.
Se A = S , A é chamado de evento certo.
Se A ⊂ S e A é um conjunto unitário então A é chamado de evento elementar.
Se A = Ø , A é chamado de evento impossível.
Exercícios:
1 - No lançamento de um dado tem-se S = {1, 2, 3, 4, 5, 6}. Formule os eventos
definidos pelas sentenças:
a) Obter um número par na face superior do dado: A = {2, 4, 6} onde A ⊂ S.
b) Obter um número menor ou igual a 6 na face superior: B = {1, 2, 3, 4, 5, 6}, onde
B = S, logo B é um evento certo de S.
c) Obter o número 4 na face superior: C = {4}, logo C é um evento elementar de S.
d) Obter um número maior que 6 na face superior: D = Ø, logo D é um evento
impossível de S.
2 - No lançamento de duas moedas (uma de 10 centavos e outra de 5 centavos),
pergunta-se:
a) Qual é o espaço amostral?
b) Formule os eventos definidos pelas sentenças:
• Obter uma cara
• Obter pelo menos uma cara
• Obter apenas um cara
• Obter no máximo duas caras
• Obter uma cara e uma coroa
• Obter uma coroa ou uma cara
8.4 – Evento União: ∪ ∪∪ ∪

E: um experimento
Sejam: S: o espaço amostral
A ⊂ S
B ⊂ S
58
Os eventos A e B, contidos no mesmo espaço amostral S.
O evento A∪B ocorre se ocorre o evento A ou ocorre o evento B.
A∪B = { x/ x∈A ou x∈B }
Exemplo: A = {1} e B = {2} A∪B = {1, 2}, ocorre {1} ou ocorre {2}.
8.5 – Evento Intersecção: ∩ ∩∩ ∩

E: um experimento
Sejam: S: o espaço amostral
A ⊂ S
B ⊂ S
Os eventos A e B, contidos no mesmo espaço amostral S.
O evento A∩B ocorre se ocorre o evento A e ocorre o evento B.
A∩B = { x/ x∈A e x∈B }
Exemplo: A = {1, 3} e B = {1, 2, 3} A∩B = {1, 3}.
8.6 – Eventos Mutuamente Exclusivos

E: um experimento
Sejam: S: o espaço amostral
A ⊂ S
B ⊂ S

Os eventos A e B são mutuamente exclusivos se A ∩B = ∅

Exemplos:
1 - Sejam S = {1, 2, 3, 4, 5, 6} A = {1, 2} e B = {4, 5}
Os eventos A e B são mutuamente exclusivos.

2 - Sejam S = {C
ara
, C
oroa
} A = {C
ara
} e B = {C
oroa
}
Os eventos A e B são mutuamente exclusivos.

8.6 – Eventos Complementares

E: um experimento
Sejam: S: o espaço amostral
A ⊂ S
B ⊂ S

Os eventos A e B são complementares se A∪B = S A ∩B = ∅
59
Exemplos:
1 - Sejam S = {1, 2, 3, 4, 5, 6} A = {1, 6} e B = {2, 3, 4, 5}

A∪B = S e A ∩B = ∅

Os eventos A e B são complementares.

2 - Sejam S = {C
ara
, C
oroa
} A = {C
ara
} e B = {C
oroa
}

A∪B = S A ∩B = ∅

Os eventos A e B são complementares.

Obs.: Os eventos complementares são também mutuamente exclusivos.

8.7 - Conceito de Probabilidade
Seja “E” um experimento aleatório e seja “S” o espaço amostral.
A cada evento A do espaço amostral associa-se um número real representado por P(A),
denominado probabilidade de ocorrência do evento A.
Ou seja: Chama-se probabilidade de um evento A o número real definido como: P(A).
Ao realizar um experimento e observar o evento A, calcula-se P(A) como:
P(A): número de vezes que ocorreu o evento A dividido pelo número total de casos.
OBS: Quando todos os elementos do Espaço amostral têm a mesma chance de acontecer,
o espaço amostral é chamado de conjunto equiprovável.
Exemplos:
1 - No lançamento de uma moeda qual a probabilidade de obter cara?
Evento A: ocorrência de cara (ca) no lançamento de uma moeda.
S = {ca, co} = 2 A = {ca} = 1 P(A) = 1/2 = 0,5 = 50%
2 - No lançamento de um dado qual a probabilidade de obter um número par?
Evento A: ocorrência dos números 2, 4 ou 6.
S = { 1, 2, 3, 4, 5, 6 } = 6 A = { 2, 4, 6 } = 3 P(A) = 3/6 = 0,5 = 50%
3 - No lançamento de um dado qual a probabilidade de obter um número menor ou igual
a 6?
Evento A: ocorrência dos números 1, 2, 3, 4, 5 ou 6.
S = { 1, 2, 3, 4, 5, 6 } = 6 A = { 1, 2, 3, 4, 5, 6 } = 6 P(A) = 6/6 = 1,0 = 100%
Obs.: a probabilidade de todo evento certo é 1 ou 100%.


60
4 - No lançamento de um dado qual a probabilidade de obter um número maior que 6?
Evento A: ocorrência de um número maior que 6.
S = { 1, 2, 3, 4, 5, 6 } = 6 A = ∅ P(A) = 0/6 = 0 = 0%
Obs.: a probabilidade de todo evento impossível é 0 ou 0%
5 – Extrai-se uma única carta de baralho de 52 cartas. Acha a probabilidade de:
a) Sair um valete
E: extrair uma carta do baralho
S: conjunto formado por 52 cartas
A: sair um valete
A = {valete de paus, valete de copas, valete de ouro, valete de espada}
Logo P(A) = 4/52 = 0,076.
b) Sair uma carta vermelha
E: extrair uma carta do baralho
S: conjunto formado por 52 cartas
A: sair uma carta vermelha
A = {26 cartas}
Logo P(A) = 26/52 = 0,5.

8.7.1 - Propriedades
1 – 0 ≤ P(A) ≤ 1.
2 – P(S) = 1.
3 – Se A e B são eventos mutuamente exclusivos então P(A∪B) = P(A) + P(B).
Obs: no caso de eventos complementares, sabe-se que um evento pode ocorrer ou não.
1 - Sendo p a probabilidade de que o evento ocorra (sucesso) e q a probabilidade de
que o evento não ocorra (insucesso), para um mesmo evento existe sempre a
relação:
p + q = 1
2 - Numa distribuição de probabilidades o somatório das probabilidades atribuídas a
cada evento elementar é igual a 1 onde p
1
+ p
2
+ p
3
+ ... + p
n
= 1.
8.7.2 - Teoremas Fundamentais
Teorema 1 – Se A = ∅, for o evento vazio então: P(A) = 0.
Teorema 2 – S e
__
A é o evento complementar de A então: P(A) = 1 – P(
__
A).
Teorema 3 – Se A e B são dois eventos quaisquer, então:
P(A∪B) = P(A) + P(B) – P(A∩B).

61
Teorema 4 – Se A, B, C são três eventos quaisquer, então:
P(A∪B∪C) = P(A) + P(B) + P(C) – PA∩B) – P(A∩C) – P(B∩C) + P(A∩B∩C).
Teorema 5 – Se A ⊂ B então P(A) ≤ P(B).
Exemplos:
1 – Sabe-se que a probabilidade de tirar o nº 4 no lançamento de um dado é p = 1/6.
Logo, a probabilidade de não tirar o nº 4 no lançamento de um dado: q = 1 - p ou
q = 1 - 1/6 = 5/6.
2 - Calcular a probabilidade de um piloto de automóvel vencer uma dada corrida, onde
as suas "chances", segundo os entendidos, são de "3 para 2". Calcule também a
probabilidade dele perder:
O termo "3 para 2" significa: De cada 5 corridas ele ganha 3 e perde 2.
Então p = 3/5 (ganhar) e q = 2/5 (perder).
3 - Um dado foi fabricado de tal forma que num lançamento a probabilidade de ocorrer
um número par é o dobro da probabilidade de ocorrer número ímpar na face
superior, sendo que os três números pares ocorrem com igual probabilidade, bem
como os três números ímpares. Determine a probabilidade de ocorrência de cada
evento elementar.
4 - Seja S = {a, b, c, d} . Considere a seguinte distribuição de probabilidades:
P(a) = 1/8 ; P(b) = 1/8 ; P(c) = 1/4 e P(d) = x . Calcule o valor de x.
5 - As chances de um time de futebol T ganhar o campeonato que está disputando são
de "5 para 2". Determinar a probabilidade de T ganhar e a probabilidade de T
perder:
6 - Três cavalos C1, C2 e C3 disputam um páreo, onde só se premiará o vencedor. Um
conhecedor dos 3 cavalos afirma que as "chances" de C1 vencer são o dobro das de
C2, e que C2 tem o triplo das "chances" de C3. Calcule as probabilidades de cada
cavalo vencer o páreo.
8.8 - Eventos Independentes

E: um experimento
Sejam: S: o espaço amostral
A ⊂ S
B ⊂ S

Os eventos A e B são independentes se P(A∩B) = P(A) . P(B)
62
Quando a realização ou não realização de um dos eventos não afeta a probabilidade da
realização do outro e vice-versa.
Exemplo: Quando se lança dois dados, o resultado obtido em um deles independe do
resultado obtido no outro. Então qual seria a probabilidade de obter,
simultaneamente, o nº 4 no primeiro dado e o nº 3 no segundo dado?
P1 = P(4 dado1) = 1/6 P2 = P(3 dado2) = 1/6
P total = P (4 dado1) x P (3 dado2) = 1/6 x 1/6 = 1/36
8.9 - Probabilidade Condicional
Sejam A e B dois eventos de um experimento E.
Denota-se por P(A/B) a probabilidade condicional do evento A dado que ocorreu o
evento B.
Analogamente, P(B/A) a probabilidade condicional do evento B dado que ocorreu o
evento A.
Calcula-se a probabilidade condicional como:
) (
) (
) / (
B P
B A P
B A P

= se P(B) > 0 logo P(A∩B) = P(B).P(A/B)
) (
) (
) / (
A P
B A P
A B P

= se P(A) > 0 Logo P(A∩B) = P(A).P(B/A)
Nota: Se A e B são evento independentes então:
P(A/B) = P(A) e P(B/A) = P(B).
Exemplo: Duas cartas são retiradas de um baralho sem haver reposição. Qual a
probabilidade de ambas serem COPAS?
P(Copas1 e Copas2) = P(Copas1) x P(Copas2/Copas1) = 13/52 x 12/51 =
0,0588 = 5,88 %
P(Copas1) = 13/52
P(Copas2/Copas1) = 12/51
Obs: No exemplo anterior se a 1ª carta retirada voltasse ao baralho o experimento seria
do tipo com reposição e seria um evento independente. O resultado seria:
P(Copas1) x P(Copas2) = 13/52 x 13/52 = 0,0625 = 6,25 %


63
Espaço amostral do baralho de 52 cartas:
Cartas pretas = 26
Páus = 13 (ás, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei)
Espadas = 13 (ás, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei)
Cartas vermelhas = 26
Ouros = 13 (ás, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei)
Copas = 13 (ás, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei)

Exercícios:
1 - Qual a probabilidade de sair o ÁS de ouros quando retiramos 1 carta de um baralho
de 52 cartas?
2 - Qual a probabilidade de sair o um REI quando retiramos 1 carta de um baralho de 52
cartas?
3 - Em um lote de 12 peças, 4 são defeituosas. Sendo retirada uma peça, calcule:
a) a probabilidade de essa peça ser defeituosa.
b) a probabilidade de essa peça não ser defeituosa.
4 - De dois baralhos de 52 cartas retiram-se, simultaneamente, uma carta do primeiro
baralho e uma carta do segundo. Qual a probabilidade de a carta do primeiro baralho
ser um REI e a do segundo ser o 5 de paus?
5 - Uma urna A contém: 3 bolas brancas, 4 pretas, 2 verdes; uma urna B contém: 5 nolas
brancas, 2 pretas, 1 verde; uma urna C contém: 2 bolas brancas, 3 pretas, 4 verdes.
Uma bola é retirada de cada urna. Qual é a probabilidade de as três bolas retiradas
da 1ª, 2ª e 3ª urnas serem, respectivamente, branca, preta e verde?
6 - De um baralho de 52 cartas retiram-se, ao acaso, duas cartas sem reposição. Qual é a
probabilidade de a primeira carta ser o ÁS de paus e a segunda ser o REI de paus?
7 - Qual a probabilidade de sair uma figura (rei ou dama ou valete) quando se retira uma
carta de um baralho de 52 cartas?
8 - São dados dois baralhos de 52 cartas. Tira-se, ao mesmo tempo, uma carta do
primeiro baralho e uma carta do segundo. Qual a probabilidade de tirarmos uma
DAMA e um REI, não necessariamente nessa ordem?
64
9 - Duas cartas são retiradas de um baralho sem haver reposição. Qual a probabilidade
de ambas serem COPAS ou ESPADAS?
10 - Duas bolas são retiradas (sem reposição) de uma urna que contém 2 bolas brancas e
3 bolas pretas. Qual a probabilidade de que a 1ª seja branca e a 2ª seja preta?
11 - Duas bolas são retiradas (com reposição) de uma urna que contém 2 bolas brancas
e 3 bolas pretas. Qual a probabilidade de que a 1ª seja branca e a 2ª seja preta?
12 - Duas bolas são retiradas (sem reposição) de uma urna que contém 2 bolas brancas e
3 bolas pretas e 5 bolas verdes.
a) Qual a probabilidade de que ambas sejam verdes?
b) Qual a probabilidade de que ambas sejam da mesma cor?



65
QUARTA LISTA DE EXERCÍCIOS DE ESTATÍSTICA
Probabilidades

1 - Um grupo de 100 pessoas foi observado quanto ao sexo e cor dos olhos, obtendo-se os seguintes
resultados:
51 homens.
68 pessoas de olhos azuis.
34 homens de olhos azuis.
Sendo os eventos A= {homens} e B={pessoas de olhos azuis}, determina as probabilidades dos
seguintes eventos:

a) A b) B c) B d) A∩B e) A B ∩ f) A B ∩ g) A B ∩
h) A∪B i) A B ∪ j) A B ∪ k) A/B l) A B / m) A B / n) B/A
o) B A / p) A B /
Sugestão:
Utilize uma das lei de Morgan: = ∪B A B A∩ ou = ∪ B A B A∩


2 - Suponha que a probabilidade de uma criança em idade escolar já ter sido vacinada contra a
poliomielite seja 0,98. Três crianças foram escolhidas ao acaso em uma escola, sendo:
A1 = { a criança 1 foi vacinada }
A2 = { a criança 2 foi vacinada }
A3 = { a criança 3 foi vacinada }

Calcule a probabilidade de apenas uma criança ter sido vacinada.


3 - Se P(A) =1/2 ; P(B) =1/3 e P(A∩B) =1/4. Calcule o valor de:

a) P(A∪B) b) P(A/B) c) P(B/A)
d) P( A B / ) e) P( B A / )
Sugestão:
Utilize uma das lei de Morgan: = ∪B A B A∩ ou = ∪ B A B A∩

4 - Uma pessoa joga um dado equilibrado duas vezes. Sejam os eventos:
A
1
= {o resultado da 1a jogada é 1 ou 2 }
A
2
= { o resultado da 2a jogada é 1 ou 3 }
B
1
= { a soma dos resultados é 7 }
B
2
= { a soma dos resultados é 3 }

Verifique quais das proposições abaixo são verdadeiras:

i) os eventos A
1
e A
2
são mutuamente exclusivos.
ii) B
1
e B
2
são independentes
iii) B
2
⊂ (A
1
∪A
2
)

5 - Dentre 100 estudantes de uma mesma turma, 58 são homens e 30 deles passaram no vestibular
na 1a opção. Um estudante desta turma foi selecionado ao acaso.
Sejam os eventos:
A = { o estudante é homem }
B = { o estudante passou na 1a opção }
66
Calcule: a) P(A∩B) b) P( A B ∩ ) c) P(A/B) d) P( A B / ) e)P(A∪B) f) P( A B ∩ )


6 - Uma caixa contém bolas pretas e bolas brancas.
Seja o experimento E: retirar sucessivamente três bolas da caixa
a) Determine o espaço amostral do experimento E

Determine o conjunto dos elementos que correspondem aos seguintes eventos:
b) "as três bolas têm a mesma cor"
c) "a 1a bola retirada é uma bola branca"
d) "pelo menos duas bolas são brancas"
e) "o número de bolas brancas é igual ao número de bolas pretas"
f) "pelo menos duas bolas da mesma cor"

7 - No lançamento simultâneo de dois dados, determinar a probabilidade de se obter:

a) "soma dos números iguais a 8"
b) "pares de números iguais"
c) "soma dos números iguais a 4"

8 - Sorteando-se ao acaso um número do conjunto V = { l, 2, 3, 4, 5, 6, 7, 8, 9,10, 11, 12} qual é a
probabilidade de ser um múltiplo de 3 dado que o número sorteado é um número ímpar ?

9 - Um casal pretende ter três filhos do mesmo sexo. A probabilidade de que isto ocorra é:
a) 1/2 b) 1/4 c) 1/8 d) 40%

10 - Um grupo de 20 pessoas apresenta a seguinte composição:
15 brasileiros e 5 estrangeiros
10 homens e 10 mulheres
18 casados e 2 solteiros
A probabilidade de uma pessoa escolhida ao acaso seja um homem solteiro e estrangeiro é:

a)1/4 b) 12,5% c)1/16 d)1,25%


11- Suponha uma caixa contendo duas urnas: URNA Y e URNA Z

Cada URNA contém bolas Verdes e bolas Brancas conforme a figura indica.
Cada URNA tem a mesma probabilidade de ser selecionada.

Seja o experimento E: Selecionar uma bola da caixa.

Calcule as seguintes probabilidades Bolas Bolas
a) P(bola V / URNA Y)
b) P(bola V / URNA Z) 8 V 5 V
c) P(bola B / URNA Y) 2 B 5 B
d) P(bola B / URNA Z)
e) P(bola V e URNA Z)
f) P(bola V e URNA Y)
g) Qual é a probabilidade de sair uma Branca da caixa ?


URNA
URNA
67


12 - De 100 pessoas que solicitaram emprego de programador de computador, durante o ano
passado numa empresa, 40 possuíam experiência anterior e 30 possuíam um certificado
profissional. Vinte dos candidatos possuíam tanto experiência anterior como certificado
profissional. Qual é a probabilidade de que um candidato selecionado tenha experiência ou
certificado ?


13 - Em geral, a probabilidade de que um possível cliente faça uma compra quando procurado por
um vendedor é 0,4. Se um vendedor seleciona 3 clientes e faz o contato com os mesmos, qual é a
probabilidade de que os 3 façam compras ?


14 - De um total de 500 empregados, 200 participam de um plano de participação de lucros da
empresa, 400 contam com cobertura de seguro médico e 200 empregados participam de ambos
os programas. Qual é a probabilidade de um determinado empregado participar de um ou outro
programa ?


15 - A probabilidade de que uma nova política de mercado tenha sucesso foi estimada em 0,6. A
probabilidade de que a despesa para o desenvolvimento da estratégia seja mantida dentro dos
limites do orçamento previsto é de 0,5. A probabilidade de que ambos os objetivos sejam
alcançados é 0,3. Qual é a probabilidade de que um ou outro objetivo seja alcançado ?


16 - A proporção global de itens defeituosos em um processo de produção contínuo é de 10%.
Se forem escolhidos 3 itens qual a probabilidade de que:
a) todos tenham defeitos
b) nenhum tenha defeito


17 - Uma fábrica de louças tem um processo de inspeção com quatro etapas. A probabilidade de ma
peça defeituosa passar uma etapa de inspeção sem ser detectada é de aproximadamente 20%.
Com base nesta cifra, determine:
a) A probabilidade de uma peça defeituosa passar por todas as quatro etapas de inspeção sem
ser detectada;

b) Qual seria sua resposta se fosse acrescentada uma Quinta etapa de inspeção, com 50% de
probabilidade de detectar peças defeituosas


18 – Uma firma exploradora de petróleo perfura um poço quando acha que há pelo menos 25% de
chance de encontrar petróleo. A firma perfura 4 poços: A, B, C, e D e estima,
respectivamente, as probabilidades 0,3; 0,4; 0,7; e 0,8 de encontrar petróleo.
a) Determine a probabilidade de nenhum dos poços produzirem petróleo, com base nas
estimativas da firma.
b) Determine a probabilidade de os quatro poços produzirem petróleo.
c) Qual é a probabilidade de que somente os poços A e C produzem petróleo ?



68


9 - Distribuição de Probabilidades
Variável Aleatória
Qualquer função X que associa um número real a todo elemento do espaço amostral S é
denominada variável aleatória.
Muitas vezes não se está interessado propriamente no resultado de um experimento
aleatório, mas em alguma característica numérica a ele associada. Essa característica será
chamada variável aleatória.
Assim, se o espaço amostral relativo ao "lançamento simultâneo de duas moedas" é S =
{(ca,ca), (ca,co), (co,ca), (co,co)} e se X representa o "número de caras" que aparecem, a
cada ponto amostral pode-se associar um número para X, de acordo com a tabela abaixo
( X é a variável aleatória associada ao número de caras observado):
Ponto Amostral X
(ca, ca) 2
(ca, co) 1
(co, ca) 1
(co, co) 0
Logo se pode escrever:
Número de caras (X) Probabilidade (X)
2 1/4
1 2/4
0 1/4
Total 4/4 = 1
Exemplo: Considere-se a distribuição de freqüências relativa ao número de acidentes
diários na Rodovia Bandeirantes durante o mês de novembro de 1997:
Número de Acidentes Frequência
0 22
1 5
2 2
3 1
Total 30
69
Pode-se então escrever a tabela de distribuição de probabilidade:
Número de Acidentes (X) Probabilidade (X)
0 0,73
1 0,17
2 0,07
3 0,03
Total 1,00
A tabela apresenta os valores de uma variável aleatória X e as probabilidades de X
ocorrer, ou seja, a tabela de distribuição de probabilidades.
Assim, tem-se que: P(X = 0) + P(X = 1) + P(X = 2) + P(X = 3) = 1
Generalizando tem-se que: ∑ P(X = x
i
) = 1

Funções de probabilidades: f(x) = P(X= x
i
)
Ao definir a distribuição de probabilidade, estabelece-se uma correspondência unívoca
entre os valores x
1
, x
2
, x
3,
..., x
n
da variável aleatória X e os valores das probabilidades:
p
1
= P(X = x
1
), p
2
= P(X = x
2
), p
3
= P(X = x
3
), ... p
n
= P(X = x
n
).






Esta correspondência define uma função onde os valores x
i
formam o domínio da função
e os valores p
i
o seu conjunto imagem.
Assim, ao lançar um dado, a variável aleatória X, definida por "pontos de um dado",
pode tomar os valores 1, 2, 3, 4, 5 e 6.
Então resulta na seguinte distribuição de probabilidade:



x
1
x
2

x
3

.
.
x
n

p
1
p
2

p
3

.
.
p
n

Domínio Conjunto Imagem
f(x
i
) = p
i
70
X = x
i
P (X=x
i
)
1 1/6
2 1/6
3 1/6
4 1/6
5 1/6
6 1/6
T o t a l 6/6 = 1
9.1 - Distribuição Binomial
Imagine fenômenos cujos resultados só podem ser de dois tipos, um dos quais é
considerado como sucesso e o outro como insucesso. Este fenômeno pode ser repetido
tantas vezes quanto se queira (n vezes), nas mesmas condições. As provas repetidas
devem ser independentes, isto é, o resultado de uma não deve afetar os resultados das
sucessivas. No decorrer do experimento, a probabilidade p do sucesso e a probabilidade
q do insucesso manter-se-ão constantes (q = 1 - p) . Nessas condições X é uma variável
aleatória discreta que segue uma distribuição Binomial, com a seguinte distribuição de
probabilidades:
( )
) (
. . ) ( ) (
x n x n
x
q p x P x X P

= = =

Onde:
( )
)! ( !
!
x n x
n
n
x

=
P(x) = é a probabilidade de que o evento se realize x vezes em n provas.
p = é a probabilidade de que o evento se realize em uma só prova = sucesso.
q = é a probabilidade de que o evento não se realize no decurso dessa prova = insucesso.
OBS: O nome Binomial é devido à fórmula, pois representa o termo geral do
desenvolvimento do Binômio de Newton.
Parâmetros da Distribuição Binomial
Média: p n X .
__
= Desvio padrão: q p n . . = σ Variância: q p n . .
2
= σ


71
Restrições sobre o uso da distribuição Binomial
1 – Haja “n” repetições idênticas do experimento.
2 – Cada experimento tem sempre dois resultados possíveis, um chamado “sucesso” e
outro chamado “falha” ou insucesso.
3 – As probabilidades p de sucesso e 1-p de falha permanecem constantes em todas as
realizações do experimento.
4 – Os resultados das realizações do experimento são independentes um do outro.
Exemplos:
1 – Dos estudantes da USF, 40% fumam cigarro. Escolhe-se 6 estudantes ao acaso para
darem sua opinião sobre o fumo.
a) Ache a probabilidade de nenhum dos 6 estudantes ser fumante.

( )
) (
. . ) (
k n k n
k
q p k X P

= =
n = 6 ; p = 0,4 ; q = 1 – p = 0,6

( ) 046 , 0 ) 6 , 0 .( 1 .
)! 0 6 ( ! 0
! 6
) 6 , 0 .( ) 4 , 0 .( ) 0 (
6 ) 0 6 ( 0 6
0
=

= = =

X P

b) Ache a probabilidade de todos serem fumantes.

( ) 004 , 0 1 . ) 4 , 0 .(
)! 6 6 ( ! 6
! 6
) 6 , 0 .( ) 4 , 0 .( ) 6 (
6 ) 6 6 ( 6 6
6
=

= = =

X P

c) Ache a probabilidade de pelo menos a metade ser fumante.
P( X ≥ 3) = P(X = 3) + P(X = 4) + P(X = 5) + P(X = 6) ou
P( X ≥ 3) = 1 – P(X < 3) = 1 – [P(X = 0) + P(X = 1) + P(X = 2)]
2 – Um fabricante de mesa de bilhar suspeita que 2% de seu produto apresenta algum
defeito. Se existe essa suspeita, determine a probabilidade de que numa amostra de 9
mesas:
a) Haja pelo menos uma mesa defeituosa.
n = 9
p = 0,02
q = 1 – p = 0,98

( ) 166 , 0 ) 98 , 0 .( ) 02 , 0 .( 1 ) 0 ( 1 ) 1 ( 1 ) 1 (
9 0 9
0
= − = = − = < − = ≥ X P X P X P

72
b) Não haja nenhuma mesa defeituosa.
( ) 83 , 0 ) 98 , 0 .( ) 02 , 0 .( ) 0 (
9 0 9
0
= = = X P

3 – Os registros de uma pequena empresa indicam que 40% das faturas emitidas são
pagas após o vencimento. De 14 faturas expedidas, determine a probabilidade de:
a) Nenhuma fatura ser paga com atraso.
n = 14; p = 0,4; q = 1 – p = 0,6
( ) 00078 , 0 ) 6 , 0 .( ) 4 , 0 .( ) 0 (
14 0 14
0
= = = X P

b) No máximo 2 faturas serem pagas com atraso.
036 , 0 029 , 0 , 0 007 , 0 00078 , 0 ) 2 ( ) 1 ( ) 0 ( ) 2 ( = + + = = + = + = = ≤ X P X P X P X P
c) Pelo menos 3 serem pagas com atraso.
964 , 0 036 , 0 1 ) 2 ( 1 ) 3 ( = − = ≤ − = ≥ X P X P

Exercícios:
1 - Uma moeda é lançada por 5 vezes seguidas e independentes. Calcule a probabilidade
de serem obtidas 3 caras nessas 5 provas.
2 - Dois times de futebol, A e B, jogam entre si 6 vezes. Encontre a probabilidade do
time A ganhar 4 jogos.
3 - Determine a probabilidade de se obter exatamente 3 caras em 6 lances de uma
moeda.
4 - Jogando-se um dado três vezes, determine a probabilidade de se obter um múltiplo de
3 duas vezes.
5 - Dois times de futebol, A e B, jogam entre si 6 vezes. Encontre a probabilidade de o
time A :
a) - ganhar dois ou três jogos;
b) - ganhar pelo menos um jogo;
6 - A probabilidade de um atirador acertar o alvo é 2/3. Se ele atirar 5 vezes, qual a
probabilidade de acertar exatamente 2 tiros?
7 - Seis parafusos são escolhidos ao acaso da produção de certa máquina, que apresenta
10% de peças defeituosas. Qual a probabilidade de serem defeituosos dois deles?

73
QUINTA LISTA DE EXERCÍCIOS DE ESTATÍSTICA
Distribuição Binomial


1. Uma moeda é lançada 5 vezes seguida e independente. Calcule a probabilidade de serem obtidas
3 caras nessas 5 provas.

2. A probabilidade de um atirador acertar o alvo é 1/2. Se ele atirar 5 vezes qual a probabilidade de
acertar exatamente 2 tiros?

3. Seis parafusos são escolhidos ao acaso da produção de certa máquina, que apresenta 10% de
peças defeituosas. Qual a probabilidade de dois parafusos serem defeituosos ?

4. Um time A tem 2/3 de probabilidade de vitória sempre que joga. Se A jogar 4 partidas, encontre a
probabilidade de A vencer:
a) Exatamente 2 partidas;
b) Pelo menos I partida;
c) Mais que a metade das partidas.

5. Em 10.000 famílias com 8 filhos cada uma, quantas se esperaria que tivessem:
a) Exatamente 2 meninos;
b) Nenhum menino;
c) Três meninos.

6. Num hospital 5 pacientes devem Submeter-se a um tipo de operação, da qual 80% sobrevivem.
Qual a probabilidade de que:
a) Todos sobrevivam;
b) Pelo menos 2 sobrevivam;
c) No máximo 3 não consigam sobreviver.

7. Se 3% das canetas de certa marca são defeituosas, achar a probabilidade de que numa amostra de
10 canetas, escolhidas ao acaso, desta mesma marca, tenham:
a) Nenhuma defeituosa;
b) Pelo menos 2 defeituosas;
c) No máximo 3 defeituosas.

8. Se a probabilidade de ocorrência de uma peça defeituosa é 0,2 determine a média e o desvio
padrão da distribuição de peças defeituosas em um total de 600.

9. Uma amostra de 15 peças é extraída com reposição de um lote que contém 10% de peças
defeituosas. Calcule a probabilidade de que:
a) O lote não contenha peça defeituosa;
b) O lote contenha exatamente três peças defeituosas;
c) O lote contenta pelo menos uma peça defeituosa;
d) O lote contenha entre 3 e 6 peças defeituosas;
e) O lote contenha de 3 a 6 peças defeituosas.

10. Calcule o valor esperado e o desvio padrão para o número de peças defeituosas na amostra do
problema anterior.



74

11. Uma confecção de roupa infantil suspeita que 30% de sua produção apresenta algum defeito. Se
tal suspeita é correta, determine a probabilidade de que, numa amostra de quatro peças, sejam
encontradas:
a) No mínimo duas peças com defeito;
b) Menos que três peças boas.

12. Um vendedor programa 6 visitas e acredita que a probabilidade de ele ser recebido pelo
encarregado de compras das empresas visitadas é de 80%.
a) Qual a probabilidade de ele completar pelo menos quatro visitas?
b) Qual a probabilidade de ele ser recebido por todos os encarregados de compra?
c) Se ele acredita que completando uma visita suas despesas do dia estão cobertas, qual a
probabilidade de ele ter prejuízo nesse dia?


















75
9.2 - Distribuição de Poisson
Diz-se que uma variável aleatória tem distribuição de Poisson quando a freqüência de
ocorrência dessa variável aleatória segue a distribuição de Poisson.
A distribuição de Poisson é útil para descrever as probabilidades do número de
ocorrência num intervalo contínuo, geralmente o tempo ou espaço.
Exemplos:
1 – Número de defeitos por metro quadrado.
2 – Número de acidentes por dia.
3 – Número de clientes por hora.
4 – Número de chamadas telefônicas por minuto.
Restrições sobre o uso da distribuição e Poisson
1 – A probabilidade de ocorrência é a mesma em todo o campo de observação.
2 – A probabilidade de mais de uma ocorrência num único ponto é zero.
3 – O número de ocorrências em qualquer intervalo é independente do número de
ocorrências em outros intervalos.
A distribuição de Poisson é muito usada como aproximação para a distribuição
Binomial.
A distribuição de probabilidade de Poisson tem a seguinte fórmula:

!
. ) (
) (
k
e t
k X P
t k λ
λ

= =

Onde:
λ: é a taxa média de ocorrência do evento, por unidade.
e: é uma constante que representa o valor igual a 2,718.
t: número de unidades.
k: número de ocorrências
µ = λt é o número médio de ocorrências no intervalo t. É a média da distribuição.
Ou seja:
!
.
) (
k
e
k X P
k µ
µ

= =


76
OBS: Pode acontecer experimento com uma distribuição Binomial com um “p”
(sucesso) muito pequeno de tal modo que se tem um “n” muito grande para que o
sucesso ocorra. Nestes casos, pode-se simplificar os cálculos usando a
distribuição de Poisson como aproximação para a distribuição Binomial.
Para que os resultados aproximados pela distribuição de Poisson sejam
satisfatórios só se deve fazer a substituição da distribuição Binomial pela
distribuição de Poisson quando “n” for maior ou igual a 50 e “p” menor ou igual a
0,1 ou “p” maior ou igual a 0,9 (“p” próximo de 0 ou próximo de 1).
Exemplos:
1 – Um processo mecânico produz tecidos para tapetes com uma média de dois defeitos
por metro. Determine a probabilidade de um metro quadrado ter exatamente:
a) Um defeito
t = 1 metro
λ = 2
µ = λt = 2
P(X = 1) = (e
-2
.2
1
)/1! = 0,27
b) Dois defeitos
P(X = 2) = (e
-2
.2
2
)/2! = 0,27
c) Três defeitos
P(X = 3) = (e
-2
.2
3
)/3! = 0,18
d) Nenhum defeito
P(X = 0) = (e
-2
.2
0
)/0! = 0,13
2 – Em média, 2 pessoas por minuto utilizam os serviços de um caixa automático de um
banco durante as horas de maior movimento. Qual é a probabilidade de:
a) Nenhuma pessoa utilizar os caixas.
λ = 2; t = 1; µ = λt = 2.1 = 2
P(X = 0) = (e
-2
.2
0
)/0! = 0,13
b) Duas pessoas utilizar os caixas.
P(X = 2) = (e
-2
.2
2
)/2! = 0,27
c) Menos de duas pessoas utilizarem os caixas.
P(X < 2) = P(X = 0) + P(X = 1) = 0,4
77
Exercícios
1 – Se 2% dos fusíveis são defeituosos. Qual a probabilidade de que uma amostra de 400
fusíveis exatamente 6 sejam defeituosos?
p = 0,02 n = 400 µ = n . p = (400).(0,02) = 8
P (x = 6) = 0,1222 ou 12,24%
2 – Se o número de peixes pescados por hora em certo pesqueiro é uma variável que
segue a distribuição de Poisson com média igual a 1,8, achar a probabilidade de que um
pescador, pescando durante uma hora:
a) Não pegue nenhum peixe.
b) Pegue exatamente 2 peixes.
c) Pegue no máximo 4 peixes.
d) Pegue pelo menos dois peixes.
3 - Se 4% de passageiros de avião tem problemas com a bagagem, qual a probabilidade
de que entre 150 passageiros até 2 passageiros tenham problemas com suas
bagagens?

























78
µ

a µ b

9.3 - Distribuição Normal
Entre as distribuições teóricas de variável aleatória contínua, uma das mais empregadas é
a distribuição Normal. A distribuição Normal tem a sua importância na estatística porque
permite representar as freqüências observadas de muitos fenômenos naturais.
Muitas das variáveis analisadas na pesquisa sócio-econômica correspondem à
distribuição normal ou se aproximam a uma distribuição normal.

9.3.1 - Propriedades da Distribuição Normal
1 – A curva da distribuição Normal tem a forma de um sino




2 – A distribuição Normal é simétrica em relação a média µ.
3 – A distribuição Normal assume qualquer valor real.
4 – Cada distribuição Normal fica especificada pela sua média µ e seu desvio padrão σ.
5 – A área total sob a curva Normal é 1 (ou 100%).
6 – A área sob a curva entre dois pontos é a probabilidade de uma variável aleatória com
distribuição Normal assumir os valores entre esses dois pontos.
Isto é, P( a ≤ X ≤ b) = a área da curva entre os valores “a” e “b”.




7 – P(X = k) = 0.

79
-3σ -2σ -σ µ σ 2σ 3σ

68%

95,5%

99,7%
A probabilidade da variável aleatória X assumir os valores entre “a” e “b” é calculada
como:

|
¹
|

\
| −

= < <
b
a
x
dx e b X a P
2
2
1
2
1
) (
σ
µ
σ π

Para qualquer distribuição Norma tem-se:








Quando se tem uma variável aleatória com distribuição normal o principal interesse está
em obter a probabilidade dessa variável aleatória assumir um valor em um determinado
intervalo.
Exemplo: Seja X a variável aleatória que representa os diâmetros dos parafusos
produzidos por certa máquina. Supondo que essa variável tenha uma
distribuição normal com média 2 cm e desvio padrão 0,04 cm. Qual a
probabilidade de um parafuso ter o diâmetro com valor entre 2 e 2,05 cm ?
Deseja-se calcular: P ( 2 < X < 2,05)

9.3.2 - A Distribuição Normal Padronizada
Seja X uma variável aleatória com distribuição Normal de média µ e desvio padrão σ.
Isto é: X ∼ N(µ, σ).
Fazendo
σ
µ −
=
X
Z , então a variável Z tem uma distribuição Normal com média µ=0 e
desvio padrão σ = 1.
Isto é: Z ∼ N(0, 1).
80
Utiliza-se uma tabela da distribuição Normal padronizada, que dá a probabilidade de z
tomar qualquer valor entre a média 0 e um dado valor z, isto é: P ( 0 < Z < z).
Tem-se então que: ( ) z Z P
x X
P x X P < = |
¹
|

\
| −
<

= <
σ
µ
σ
µ
) ( ,
Onde Z é uma variável com distribuição normal de média 0 e desvio padrão 1.
No exemplo anterior deseja-se calcular P(2 < X < 2,05), onde µ = 2 e σ = 0,04.
Para obter essa probabilidade, precisa-se transformar a variável para Z.
Isto é: ( ) 25 , 1 0
04 , 0
2 5 , 2
04 , 0
2 2 5 , 2 2
) 5 , 2 2 ( < < = |
¹
|

\
| −
< <

= |
¹
|

\
| −
<

<

= < < Z P Z P
X
P X P
σ
µ
σ
µ
σ
µ


9.3.3 - Utilização da Tabela Z
Procura-se na tabela Z o valor de z = 1,25
Na primeira coluna encontra-se o valor até uma casa decimal 1,2. Em seguida, encontra-
se, na primeira linha, o valor 5, que corresponde ao último algarismo do número 1,25.
Na intersecção da linha e coluna correspondentes encontra-se o valor 0,3944, o que
permite escrever:
P (0 < Z < 1,25 ) = 0,3944 ou 39,44 %.
Assim a probabilidade de um certo parafuso apresentar um diâmetro entre 2cm e 2,05
cm é de 39,44 %.
Exemplos:
1 – Seja X ∼ N(3, 8), ou seja, X é uma distribuição Normal com média µ = 3 e desvio
padrão σ = 8. Calcule P(X < 5).
( ) 5987 , 0 0987 , 0 5 , 0 25 , 0
8
3 5
8
3
) 5 ( = + = < = |
¹
|

\
| −
<

= < Z P
X
P X P





µ 2,5
81
0,2254

2 - 1 – Seja X ∼ N(3, 8), ou seja, X é uma distribuição Normal com média µ = 3 e desvio
padrão σ = 8. Calcule P(10 < X < 15).
⇒ < < = |
¹
|

\
|
< < = |
¹
|

\
| −
<

<

= < < ) 5 , 1 87 , 0 (
8
12
8
7
8
3 15
8
3
8
3 10
) 15 10 ( Z P Z P
X
P X P
2254 , 0 3078 , 0 4332 , 0 ) 87 , 0 ( ) 5 , 1 ( ) 5 , 1 87 , 0 ( = − = < − < = < < Z P Z P Z P





3 – Seja X ∼ N(5, 6), ou seja, X é uma distribuição Normal com média µ = 5 e desvio
padrão σ = 6. Calcule P(X > 2).
( ) 6915 , 0 1915 , 0 5 , 0 5 , 0
6
5 2
6
5
) 2 ( = + = − > = |
¹
|

\
| −
>

= > Z P
X
P X P











0 0,87 1,5

- 0,5 0

0,1915
0,5
82
Exercícios:
1- Determine as probabilidades:
a) P(-1,25 < Z < 0)
b) P(-0,5 < Z < 1,48)
c) P(0,8 < Z < 1,23)
d) P(-1,25 < Z < -1,20)
e) P( Z < 0,92)
f) P(Z > 0,6)
2 - Os salários dos bancários são distribuídos normalmente, em torno da média R$
10.000,00, com desvio padrão de R$ 800,00. Calcule a probabilidade de um
bancário ter o salário situado entre R$ 9.800,00 e R$ 10.400,00.
Deve-se inicialmente calcular os valores z1 e z2,
z1 = (9800 - 10000) / 800 = -0,25 e z2 = (10400 - 10000) / 800 = 0,5
P( 9800 < X < 10400) = P(-0,25 < Z < 0,5) =
P(-0,25 < Z < 0) + P(0 < Z < 0,5) = 0,0987 +0,1915 = 0,2902 ou 29,02 %
3 - Um teste padronizado de escolaridade tem distribuição normal com média = 100 e
desvio padrão = 10. Determine a probabilidade de um aluno submetido ao teste ter
nota :
a) Maior que 120
b) Maior que 80
c) Entre 85 e 115
d) Maior que 100














83
SEXTA LISTA DE EXERCÍCIOS DE ESTATÍSTICA
Distribuição Normal


1. Um processo de fabricação produz peças com comprimento médio de 500 mm e desvio padrão de
10 mm. Qual a porcentagem de peças que se situam:
a) Acima de 510 mm. (15,87%)
b) Entre 470 e 530 mm. (99,72%)
c) Abaixo de 525,8 mm. (99,51%)

2. Um fabricante de baterias, sabe por experiência passada, que as baterias de sua fabricação têm
vida média de 600 dias e desvio padrão de 100 dias, sendo que a duração tem aproximadamente
distribuição normal. Oferece uma garantia de 312 dias, isto é, troca as baterias que apresentarem
falhas nesse período. Fabrica 10.000 baterias mensalmente.
Quantas deverão trocar pelo uso da garantia, mensalmente? (19,88 aproximadamente 20 baterias)

3. Uma fábrica de canos sabe que os motores de sua fabricação têm duração normal, com média de
I50.000 km e desvio padrão de 5.000 km. Qual a probabilidade de que um carro, escolhido ao
acaso, dos fabricados por essa firma, tenha um motor que dure:
a) Menos de 170.000 km? (0,999968)
b) Entre 140.000 km e 165.000 km?
c) Se a fábrica substitui o motor que apresenta duração inferior à garantia, qual deve ser esta
garantia, para que a porcentagem de motores substituídos seja inferior a 0,2%?

4. Uma peça é aceita num controle de qualidade com dimensões entre 299 e 301 mm. Verifica se
que l0% das peças são rejeitadas como grandes e 20% como pequenas. Calcular a porcentagem
de rejeição, no caso da especificação ser ampliada para 298,5 e 301,5 mm. 8,53% como
pequenos; 3,51% como grandes.

5. Levantamento do custo unitário de produção de um item da empresa revelou que sua
distribuição é normal com média 50 e desvio padrão 4. Se o preço de venda unitário desse
produto é 60, qual a probabilidade de uma unidade desse item, escolhido ao acaso, ocasionar
prejuízo à empresa? (0,621%)

6. Os balancetes semanais realizados em uma empresa mostraram que o lucro realizado distribui-se
normalmente com média 48.000 u.m. e desvio padrão 8.000 u.m.. Qual a probabilidade de que:
a) Na próxima semana o lucro seja maior que 50.000 u.m.? (40,129%)
b) Na próxima semana o lucro esteja entre 40.000 u.m. e 45.000 u.m.? (19,33%)
c) Na próxima semana haja prejuízo? (0%)

7. Os resultados de um concurso de habilitação tiveram distribuição normal com média 50 e desvio
padrão 10. Os candidatos serão classificados conforme o seguinte critério decrescente: A=10%
das notas mais altas; B=15% das próximas notas; C=50% das notas; D=15% das notas; E=10%
das notas mais baixas. Determine as notas limites para a classificação dos candidatos.
A>62,8; 56,7< B<62,8; 43,3<C<56,7; 37,2<D<43,3; E<37,2.

8. Dois estudantes foram informados de que alcançaram as variáveis reduzidas de z
1
=0,8 e z
2
=0,4,
respectivamente, em um exame de múltipla escolha de inglês. Se suas notas foram 8,8 e 6,4,
respectivamente, determinar a média e o desvio padrão das notas do exame. (µ=7,2; e σ=2).

84
Tabela 1. Área sob a Curva Normal Padronizada Compreendida entre os Valores 0 e Z









Z 0 1 2 3 4 5 6 7 8 9
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981
2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
3.0 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
3.1 0.4990 0.4991 0.4991 0.4991 0.4992 0.4992 0.4992 0.4992 0.4993 0.4993
3.2 0.4993 0.4993 0.4994 0.4994 0.4994 0.4994 0.4994 0.4995 0.4995 0.4995
3.3 0.4995 0.4995 0.4995 0.4996 0.4996 0.4996 0.4996 0.4996 0.4996 0.4997
3.4 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4998
3.5 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998
3.6 0.4998 0.4998 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.7 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.8 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.9 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000




0 z

Sumário

1 - A Estatística ............................................................................................................................... 4 1.1 - Fases do Método Estatístico ................................................................................................ 4 1.2 - Definições Básicas da Estatística ......................................................................................... 5 2 - Amostragem .............................................................................................................................. 8 3 - Séries Estatísticas..................................................................................................................... 12 4 - Gráficos Estatísticos................................................................................................................. 14 5 - Distribuição de Freqüência....................................................................................................... 18 5.1 - Elementos de Uma Distribuição de Frequência.................................................................. 19 5.2 - Método Prático para Construção de Distribuição de Freqüências ....................................... 20 5.3 - Representação Gráfica de uma Distribuição de Freqüência ................................................ 21 6 - Medidas de Posição ................................................................................................................. 26 6.1 - Média Aritmética .............................................................................................................. 26 6.2 - Média Geométrica ............................................................................................................. 29 6.3 - Média Quadrática .............................................................................................................. 31 6.4 - Moda................................................................................................................................. 32 6.5 - Mediana ............................................................................................................................ 34 6.6 – Separatrizes – Quartis, Decis e Percentis .......................................................................... 38 7 – Medidas de Dispersão ou Variabilidade:.................................................................................. 41 7.1 - Medidas de Dispersão Absoluta ........................................................................................ 41 7.1.1 - Amplitude Total ......................................................................................................... 41 7.1.2 - Desvio Médio Absoluto .............................................................................................. 42 7.1.3 - Desvio Padrão ............................................................................................................ 44 7.1.4 - Variância .................................................................................................................... 46 7.2 - Medidas de Dispersão Relativa.......................................................................................... 47 2

8 - Probabilidade ........................................................................................................................... 56 8.1 - Experimento Aleatório - E................................................................................................. 56 8.2 - Espaço Amostral - S .......................................................................................................... 56 8.3 - Eventos ............................................................................................................................. 57 8.4 – Evento União: ∪ .............................................................................................................. 57 8.5 – Evento Intersecção: ∩...................................................................................................... 58 8.6 – Eventos Mutuamente Exclusivos ...................................................................................... 58 8.6 – Eventos Complementares ................................................................................................. 58 8.7 - Conceito de Probabilidade ................................................................................................. 59 8.7.1 - Propriedades ............................................................................................................... 60 8.7.2 - Teoremas Fundamentais ............................................................................................. 60 8.8 - Eventos Independentes ...................................................................................................... 61 8.9 - Probabilidade Condicional ................................................................................................ 62 9 - Distribuição de Probabilidades ................................................................................................. 68 9.1 - Distribuição Binomial ....................................................................................................... 70 9.2 - Distribuição de Poisson ..................................................................................................... 75 9.3 - Distribuição Normal .......................................................................................................... 78 9.3.1 - Propriedades da Distribuição Normal ......................................................................... 78 9.3.2 - A Distribuição Normal Padronizada ........................................................................... 79 9.3.3 - Utilização da Tabela Z............................................................................................... 80

3

PROBABILIDADE E ESTATÍSTICA
1 - A Estatística
É uma parte da matemática aplicada que fornece métodos para coleta, organização, descrição, análise e interpretação de dados e para a utilização dos mesmos na tomada de decisões. A coleta, a organização, a descrição dos dados, o cálculo e a interpretação de coeficientes pertencem à ESTATÍSTICA DESCRITIVA, enquanto a análise e a interpretação dos dados, associado a uma margem de incerteza, ficam a cargo da ESTATÍSTICA INDUTIVA ou INFERENCIAL, também chamada como a medida da incerteza ou métodos que se fundamentam na teoria da probabilidade. 1.1 - Fases do Método Estatístico 1º - DEFINIÇÃO DO PROBLEMA: Definir exatamente aquilo que se pretende pesquisar é o mesmo que definir corretamente o problema. 2º - PLANEJAMENTO: Como levantar informações? Que dados deverão ser obtidos? Qual levantamento a ser utilizado? Censitário? Por amostragem? E o cronograma de atividades? Os custos envolvidos?, etc. 3º - COLETA DE DADOS: É a fase operacional, ou seja, é o registro sistemático de dados com um objetivo determinado.
Dados primários: quando são publicados pela própria pessoa ou organização que coletou.

Ex: tabelas do censo demográfico do IBGE.
Dados secundários: quando são publicados por outra organização. Ex: quando

determinado jornal publica estatísticas referentes ao censo demográfico extraídas do IBGE. OBS: É mais seguro trabalhar com fontes primárias. O uso da fonte secundária traz o grande risco de erros de transcrição.
Coleta Direta: quando é obtida diretamente da fonte. Ex: Empresa que realiza uma

pesquisa para saber a preferência dos consumidores pela sua marca. A coleta direta pode ser:
Contínua: registros de nascimento, óbitos, casamentos, etc.

4

cada preço de cerveja em Campinas. por avaliação. O preço médio da cerveja em Campinas. por analogia. que não se excluem mutuamente. Apresentação Tabular: é uma apresentação numérica dos dados em linhas e colunas distribuídas de modo ordenado. etc. 6º . DADO ESTATÍSTICO: é um dado numérico.Definições Básicas da Estatística FENÔMENO ESTATÍSTICO: é qualquer evento que se pretenda analisar cujo estudo seja possível da aplicação do método estatístico. Ex: cada nascimento na Grande São Paulo. 1.APRESENTAÇÃO DOS DADOS: Há duas formas de apresentação.ANÁLISE E INTERPRETAÇÃO DOS DADOS: É a última fase do trabalho estatístico é a mais importante e delicada. Está ligada essencialmente ao cálculo de medidas e coeficientes. 4º . São divididos em três grupos: Fenômenos de massa ou coletivo: são aqueles que não podem ser definidos por uma simples observação. Coleta Indireta: É feita por deduções a partir dos elementos conseguidos pela coleta direta. considerado a matéria-prima sobre a qual se aplicam os métodos estatísticos. Exemplo: Pesquisa sobre mortalidade infantil que é feita através de dados colhidos por uma coleta direta. 5º . indícios ou proporcionalização. Ocasional: registro de casos de dengue. cuja finalidade principal é descrever o fenômeno (estatística descritiva). Fenômenos individuais: são aqueles que irão compor os fenômenos de massa. A estatística dedica-se ao estudo desses fenômenos. etc. Na estatística indutiva a interpretação dos dados se fundamenta na teoria da probabilidade.Periódica: recenseamento demográfico. censo industrial. É a condensação e tabulação de dados.2 . Apresentação Gráfica: constitui uma apresentação geométrica permitindo uma visão rápida e clara do fenômeno. 5 . Ex: A natalidade na Grande São Paulo. pesquisa mensal de empregos.APURAÇÃO DOS DADOS: É o resumo dos dados através de sua contagem e agrupamento. etc. segundo regras práticas fixadas pelo Conselho Nacional de Estatística.

é calculado com o uso da amostra. AMOSTRA: é uma parcela representativa da população que é examinada com o propósito de tirar conclusões sobre a população. peso. Exemplo: sexo. Para se definir um parâmetro deve-se examinar toda a população. cor dos olhos. VARIÁVEL QUANTITATIVA: Quando seus valores são expressos em números. Exemplo: salário. Exemplo: Classificação dicotômica do atributo: A classificação dos alunos da USF quanto ao sexo. As variáveis contínuas podem ser: Discreta ou Contínuas.70 metros de estatura. ESTIMATIVA: é um valor aproximado do parâmetro. VARIÁVEL QUALITATIVA: Quando seus valores são expressos por atributos. Resulta normalmente de contagens. passará por todas as temperaturas intermediárias até chegar à temperatura atual do seu corpo. 6 . VARIÁVEL: É o conjunto de resultados possíveis de um fenômeno. PARÂMETROS: São valores singulares que existem na população e que servem para caracterizá-la. VARIÁVEL DISCRETA: Seus valores são expressos geralmente através de números inteiros não negativos. Exemplo: Os alunos do 4º semestre da USF têm em média 1. Exemplo: Nº de alunos presentes às aulas. teoricamente. ATRIBUTO: quando os dados estatísticos apresentam um caráter qualitativo. idade. qualquer valor entre dois limites. Exemplo: Quando você vai medir a temperatura de seu corpo com um termômetro de mercúrio o que ocorre é o seguinte: O filete de mercúrio. cor da pele.POPULAÇÃO: é o conjunto total de elementos portadores de pelo menos uma característica comum. VARIÁVEL CONTÍNUA: podem assumir. ao dilatar-se. estado civil. etc. etc. o levantamento e os estudos necessários ao tratamento desses dados são designados genericamente de estatística de atributo. altura.

. Resp:qualitativa Índice de liquidez nas índústrias capixaba.Classifique as variáveis em ou quantitativas (contínuas ou discretas): • • • • • • Cor dos olhos das alunas......EXERCÍCIO ... Resp:quantitativa contínua Número de defeitos em aparelhos de TV. Resp:quantitativa contínua Produção de café no Brasil... Resp:quantitativa discreta Comprimento dos pregos produzidos por uma empresa.. Resp:quantitativa contínua O ponto obtido em cada jogada de um dado.. Resp:quantitativa discreta 7 .

Pode ser realizada numerando-se a população de 1 a n e sorteando-se. Assim. Somente com base em amostragens probabilísticas é que se podem realizar inferências ou induções sobre a população a partir do conhecimento da amostra. 8 . . É uma técnica especial para recolher amostras. x números dessa seqüência. a probabilidade de cada elemento ser selecionado numa pesquisa será 1/N. Normalmente possuem a mesma probabilidade. os quais corresponderão aos elementos pertencentes à amostra. por meio de um dispositivo aleatório qualquer.O conjunto de todas as pessoas que são alunos da USF.2 . . que garantem. Exemplo: . se N for o tamanho da população.O conjunto de todas as pessoas portadoras de AIDES.Amostragem População ou Universo População ou Universo: é o conjunto de todos os elementos que possuem pelo menos uma característica em comum.O conjunto de todas as pessoas moradoras de uma cidade. tanto quanto possível. a seguir. Amostragem Aleatória Simples: É o processo mais elementar e frequentemente utilizado. Amostra Amostra: é um subconjunto da população utilizado para se fazer uma análise sobre toda a população. o acaso na escolha. É equivalente a um sorteio lotérico. trata-se do método que garante cientificamente a aplicação das técnicas estatísticas de inferências. Esquematicamente tem-se: População Amostra Métodos Probabilísticos Exige que cada elemento da população possua determinada probabilidade de ser selecionado.

0 9 Enumeram-se então os alunos de 01 a 90. etc. São exemplos os prontuários médicos de um hospital. a seleção dos elementos que constituirão a amostra pode ser feita por um sistema imposto pelo pesquisador. isso pode ser relativamente fácil identificar alguns 9 . escolhe-se por sorteio casual um número de 01 a 18. 22ª casa. que.enumeram-se os alunos de 1 a 90. etc. dos 90 alunos. 54 sejam meninos e 36 sejam meninas. 58ª casa. dois estratos (sexo masculino e sexo feminino). 76ª casa. Nestes casos. Pode-se.4 5 Feminino 36 3. Exemplo: Supõem-se uma rua com 900 casas. Amostragem Sistemática: Quando os elementos da população já se acham ordenados. daí obtem-se os elementos da amostra proporcional ao número de elementos desses estratos. Exemplo: Obter uma amostra proporcional estratificada de 10% do exemplo anterior. os prédios de uma rua. 2º . usar o seguinte procedimento: como 900/50 = 18. Amostragem Proporcional Estratificada: Quando a população se divide em estratos (subpopulações). Supondo que o número sorteado fosse 4 a amostra seria: 4ª casa. 40ª casa.6 4 Total 90 9. de 1 a 90. neste caso. meninas e procede-se ao sorteio casual. os demais elementos seriam periodicamente considerados de 18 em 18. um a um. sendo 01 a 54 meninos e 55 a 90. não há necessidade de construir o sistema de referência. coloca-se numa urna e após misturar retiram-se. nove números que formarão a amostra. ou tornam extremamente difícil que se identifiquem seus elementos.Exemplo: Obter uma amostra de 10% representativa para a pesquisa da estatura de 90 alunos de uma escola: 1º . supondo. São. em pedaços iguais de papel. convém que o sorteio dos elementos da amostra leve em consideração tais estratos. Logo.escrevem-se os números dos alunos. portanto. o qual indicaria o primeiro elemento sorteado para a amostra. tem-se: Sexo População 10 % Amostra Masculino 54 5. Não obstante. das quais se deseja obter uma amostra formada por 50 casas para uma pesquisa de opinião. Amostragem por Conglomerados (ou Agrupamentos) Algumas populações não permitem.

então. organizações.Uma escola de 1º grau abriga 124 alunos. e uma contagem completa deve ser feita para o conglomerado sorteado. Pode-se. O investigador se dirige intencionalmente a grupos de elementos dos quais deseja saber a opinião. Amostragem Intencional De acordo com determinado critério. Métodos não Probabilísitcos São amostragens em que há uma escolha deliberada dos elementos da amostra. colher uma amostra dos quarteirões e fazer a contagem completa de todos os que residem naqueles quarteirões sorteados. Agrupamentos típicos são quarteirões. edifícios etc. Amostragem Acidental Trata-se de uma amostra formada por aqueles elementos que vão aparecendo. agências. em que os entrevistados são acidentalmente escolhidos. pois as amostras nãoprobabilísticas não garantem a representatividade da população. que são possíveis de se obter até completar o número de elementos da amostra. ruas movimentadas de grandes cidades etc. Em tais casos. Obtenha uma amostra representativa correspondente a 15% da população. Geralmente utilizada em pesquisas de opinião. Exercícios: 1 . o pesquisador se dirige a um grande salão de beleza e entrevista as pessoas que ali se encontram.subgrupos da população. uma amostra aleatória simples desses subgrupos (conglomerados) pode se colhida. Exemplos: Pesquisas de opinião em praças públicas. pode-se dispor do mapa indicando cada quarteirão e não dispor de uma relação atualizada dos seus moradores. Como se obtem uma amostra de 12 lâmpadas? 10 . 2 . é escolhido intencionalmente um grupo de elementos que irão compor a amostra. Exemplo: Numa pesquisa sobre preferência por determinado cosmético. Exemplo: Num levantamento da população de determinada cidade. Não é possível generalizar os resultados das pesquisas para a população.Tenho 80 lâmpadas numeradas numa caixa. famílias. utilizando a partir do início da 5ª linha da Tabela de números aleatórios.

qual dos elementos abaixo seria escolhido para pertencer à amostra.120º 11 .3 .Uma população encontra-se dividida em três estratos. ao realizar uma amostragem estratificada proporcional. respectivamente. Na ordenação geral.420º a ela pertence? 1.Mostre como seria possível retirar uma amostra de 32 elementos de uma população ordenada formada por 2. 4 . 9 elementos da amostra foram retirados do 3º estrato. determine o número de elementos da amostra. n1= 40. 2. 725º.648º.025º ou 1. 290º. n2= 100 e n3= 60.432 elementos. Sabendo que. com tamanhos. sabendo-se que o elemento 1.

A época e o fato (espécie) são elementos fixos. do local ou da espécie. Obs: O lado direito e esquerdo de uma tabela oficial deve ser aberto.Séries Estatísticas TABELA: É um quadro que resume um conjunto de dados dispostos segundo linhas e colunas de maneira sistemática. Séries Homógrafas: são aquelas em que a variável descrita apresenta variação discreta. Também é chamada de espacial. Vendas no 1º bimestre de 1996 (em mil unidades) Filiais Unidades Vendidas São Paulo 13 Rio de Janeiro 17 TOTAL 30 12 . Série Estatística: É qualquer tabela que apresenta a distribuição de um conjunto de dados estatísticos em função da época. geográfica ou específica. a) Série Temporal: Identifica-se pelo caráter variável do fator cronológico. ABC VEÍCLULOS LTDA. Esta série também é chamada de histórica ou evolutiva. ABC VEÍCLULOS LTDA. Vendas no 1º bimestre de 1996 (em mil unidades) Período Unidades vendidas Janeiro 20 Fevereiro 10 Total 30 . O local e a espécie (fenômeno) são elementos fixos.3 ..b) Série Geográfica: Apresenta como elemento variável o fator geográfico. territorial ou de localização. Podem ser do tipo temporal.

havendo duas ordens de classificação: uma horizontal e outra vertical. ABC VEÍCLULOS LTDA. ABC VEÍCLULOS LTDA.c) Série Específica: O caráter variável é apenas o fato ou espécie. São apropriadas para a apresentação de duas ou mais séries de maneira conjugada. O exemplo seguinte é de uma série geográfica-temporal. Vendas no 1º bimestre de 1996 (em mil unidades) Marca Unidades Vendidas Fiat 18 Gm 12 Total 30 d) Séries Conjugadas: Também chamadas de tabelas de dupla entrada. Também é chamada de série categórica. Vendas no 1º bimestre de 1996 ( em mil unidades) Filiais Janeiro Fevereiro São Paulo 10 3 Rio de Janeiro 1 2 5 TOTAL 22 8 13 .

chamando a atenção do leitor para os pontos principais revelados pelo gráfico. Gráficos de Análise: São gráficos que se prestam melhor ao trabalho estatístico.1 .Diagramas: São gráficos geométricos dispostos em duas dimensões. simplicidade. Número de Acidentes numa Rodovia 4° Trim 3° Trim 2° Trim 1° Trim 0 10 20 30 40 50 60 70 80 90 100 14 . As legendas podem ser omitidas. sistema de coordenadas. Características: Uso de escalas.4 . Os gráficos de análise frequentemente vêm acompanhados de uma tabela estatística. sem deixar de ser também informativos. dispensando comentários explicativos adicionais. .Gráficos Estatísticos São representações visuais dos dados estatísticos que devem corresponder. objetivando proporcionar uma visualização rápida e clara. Classificação dos gráficos: Diagramas.Gráficos em barras horizontais. São os mais usados na representação de séries estatísticas. 1 . as tabelas estatísticas. muitas vezes um texto explicativo. desde que as informações desejadas estejam presentes. clareza e veracidade. Gráficos de Informação: São gráficos destinados principalmente ao público em geral. Inclui-se. Os diagramas podem ser: 1. São gráficos tipicamente expositivos. fornecendo elementos úteis à fase de análise dos dados. mas nunca substituir. Pictogramas e Cartogramas. Estereogramas.

quando existem intensas flutuações nas séries ou quando há necessidade de se representarem várias séries em um mesmo gráfico.Gráficos em barras compostas. São frequentemente usados para representação de séries cronológicas com um grande número de períodos de tempo. 15 . As linhas são mais eficientes do que as colunas.4 . Número de Acidentes em Rodovias Bandeirantes 100 80 60 40 20 0 1° Trim 2° Trim D.2 .Gráficos em barras verticais.1.3 .Gráficos em linhas. Número de Acidentes numa Rodovia 100 80 60 40 20 0 1° Trim 2° Trim 3° Trim 4° Trim 1. Pedro 3° Trim 4° Trim 1.

Em alguns casos este tipo de gráfico fica difícil de ser interpretado dada a pequena precisão que oferecem. sete dados. 2 . 27. 20. que fica dividido em tantos setores quantas são as partes.5 .4 1° Trim. 20. São usados nas representações gráficas das tabelas de dupla entrada.4 2° Trim.4 3° Trim.Estereogramas: São gráficos geométricos dispostos em três dimensões. Número de Acidentes numa Rodovia 4° Trim.Gráficos em setores. no máximo. e é empregado sempre que se deseja ressaltar a participação do dado no total. 90 . 16 . O total é representado pelo círculo. O gráfico em setores só deve ser empregado quando há. pois representam volume. Os setores são tais que suas áreas são respectivamente proporcionais aos dados da série. Obs: As séries temporais geralmente não são representadas por este tipo de gráfico. Este gráfico é construído com base em um círculo. Pedro 3° Trim 4° Trim 1.Número de Acidentes em Rodovias Bandeirantes 100 80 60 40 20 0 1° Trim 2° Trim D.

17 . Veja o exemplo abaixo: 4. pois sua forma é atraente e sugestiva. e não de detalhes minuciosos. Pedro 3° Trim 4° Trim 3 . Os símbolos devem ser auto-explicativos.Número de Acidentes em Rodovias Bandeirantes 100 80 60 40 20 0 1° Trim 2° Trim D.Cartogramas: São ilustrações relativas a cartas geográficas (mapas). Este tipo de gráfico tem a vantagem de despertar a atenção do público leigo. O objetivo desse gráfico é o de figurar os dados estatísticos diretamente relacionados com áreas geográficas ou políticas.Pictogramas: São construídos a partir de figuras representativas da intensidade do fenômeno. A desvantagem dos pictogramas é que apenas mostram uma visão geral do fenômeno.

41 . já que exige muito espaço. 42 43. 58. 58. Ex : 45. 52. 44.5 . 41. 58. 18 . 58. 57. 50. 60 Distribuição de freqüência sem intervalos de classe: É a simples condensação dos dados conforme as repetições de seus valores. 60.50. 41. 54. 42.46. 46. a partir de dados não ordenados. 54. 46. 52. 46. 60. Exemplo: Dados Frequência 41 42 43 44 45 46 50 51 52 54 57 58 60 Total 3 2 1 1 1 2 2 1 1 1 1 2 2 20 Distribuição de freqüência com intervalos de classe: Quando o tamanho da amostra é elevado é mais racional efetuar o agrupamento dos valores em vários intervalos de classe. 60. 42 43. 42. 51. 57. É difícil formar uma idéia exata do comportamento do grupo como um todo. Para um ROL de tamanho razoável esta distribuição de freqüência é inconveniente. 45 .Distribuição de Freqüência É um tipo de tabela que condensa uma coleção de dados conforme as freqüências (repetições de seus valores). Ex : 41. 50. 41. Tabela Primitiva ou Dados Brutos: É uma tabela ou relação de elementos que não foram numericamente organizados. 51 ROL: É a tabela obtida após a ordenação dos dados (ordem crescente ou decrescente). 41. 50. 44.

Elementos de Uma Distribuição de Frequência Com intervalos de classe: Classe: são os intervalos de variação da variável e é simbolizada por i. Neste exemplo AA = 60 . Amplitude Total da Amostra (Rol): é a diferença entre o valor máximo e o valor mínimo da amostra (ROL). O dado 53 do ROL não pertence a classe 3 e sim a classe 4 representada por 53 |------.49 49 |------.61 Total Freqüências 7 3 4 1 5 20 5.41= 20. Amplitude do Intervalo de Classe: é obtida através da diferença entre o limite superior e inferior da classe e é simbolizada por hi = Li . Onde AA = Xmax .: Na distribuição de freqüência com classe o hi será igual em todas as classes. O número total de classes é simbolizado por k. Obs: AT sempre será maior que AA.Xmin. AT = L(max) . 19 .41 = 19. Ex: em 49 |------.49 = 4. Limites de Classe: são os extremos de cada classe.li. Ex: na tabela anterior AT = 61 .. Amplitude Total da Distribuição: é a diferença entre o limite superior da última classe e o limite inferior da primeira classe.. l3= 49 e L3= 53. Ex: na tabela anterior hi = 53 .53 é a 3ª classe. O símbolo |------.53 53 |------.l(min). limite superior de classe (Li). O menor número é o limite inferior de classe (li) e o maior número.45 45 |------. onde i=3.representa um intervalo fechado à esquerda e aberto à direita. Obs.53.1 .57 57 |------.Exemplo: Classes 41 |------. Ex: na tabela anterior k = 5 e 49 |------.57.

Decidido o nº de classes.Calcule a amplitude amostral AA.41 =19 3º .8. da amostra. No exemplo: o menor nº. da amostra = 41 + h = 45. com o cuidado para não aparecer classes com freqüência 0 (zero). 4º .2 . 2º .Método Prático para Construção de Distribuição de Freqüências Com Classe: 1º .. k = 1+3.3. Utiliza-se então h = 4. Pode-se montar a tabela.53 o ponto médio x3 = (53+49)/2 = 51. que deve estar ligado à natureza dos dados. As classes seguintes respeitarão o mesmo procedimento. Nesse exemplo: AA =60 . Obs: Como h > AA/k pega-se um valor ligeiramente superior para haver folga na última classe. de classes e a amplitude do intervalo. 5º . calcule então a amplitude do intervalo de classe h > AA/k. então. No exemplo: n = 20 dados.Calcule o número de classes através da "Regra de Sturges": k = 1+3.45. a princípio. Obs: Qualquer regra para determinação do nº de classes da tabela não leva a uma decisão final. ou seja x3=(l3+L3)/2. a regra sugere a adoção de 5 classes. O primeiro elemento das classes seguintes sempre será formado pelo último elemento da classe anterior. Arredonda-se para 5. 20 .Tem-se então o menor nº. esta vai depender na realidade de um julgamento pessoal. 5. logo a primeira classe será representada por.Organize os dados brutos em um ROL.3*log(20) = 5.41|------. o nº. Nesse exemplo: AA/k = 19/5 = 3. Ex: em 49 |------.29.PONTO MÉDIO DE CLASSE: é o ponto que divide o intervalo de classe em duas partes iguais.log(n) Onde: k é o numero de classes na tabela. n é o número total de dados a serem tabulados.

Histograma: é formado por um conjunto de retângulos justapostos. cujas bases se localizam sobre o eixo horizontal.49 49 |------.3 . sendo as freqüências marcadas sobre perpendiculares ao eixo horizontal. levantadas nos pontos correspondentes aos limites superiores dos intervalos de classe. da distribuição. A área de um histograma é proporcional à soma das freqüências simples ou absolutas. A soma das freqüências simples é igual ao número total dos dados da distribuição.Exemplo: Classes 41 |------. 21 .61 Total Freqüências 7 3 4 1 5 20 5. Polígono de freqüência e Polígono de freqüência acumulada. as freqüências. Polígono de Freqüência: é um gráfico em linha.45 45 |------. Histograma. deve-se completar a figura. Em todos os gráficos anteriores se utilizou o primeiro quadrante do sistema de eixos coordenados cartesianos ortogonais.53 53 |------. ligando os extremos da linha obtida aos pontos médios da classe anterior à primeira e da posterior à última. Para realmente obtermos um polígono (linha fechada). Freqüências relativas: são os valores das razões entre as freqüências absolutas de cada classe e a freqüência total da distribuição. A soma das freqüências relativas é igual a 1 (100 %). levantadas pelos pontos médios dos intervalos de classe. Freqüências simples ou absolutas: são os valores que realmente representam o número de dados de cada classe. de tal modo que seus pontos médios coincidam com os pontos médios dos intervalos de classe. . Na linha horizontal (eixo das abscissas) colocaramse os valores da variável e na linha vertical (eixo das ordenadas). Polígono de Freqüência Acumulada: é traçado marcando-se as freqüências acumuladas sobre perpendiculares ao eixo horizontal.57 57 |------.Representação Gráfica de uma Distribuição de Freqüência .

800 0. Frequência Absoluta 12 10 8 6 4 2 0 50|---54 54|---58 58|---62 62|---66 66|---70 70|---74 22 ..... ..100 0......100 0..325 0.fri.fi..62 62 |-------.54 54 |-------.Freqüência simples acumulada de uma classe: é o total das freqüências de todos os valores inferiores ao limite superior do intervalo de uma determina classe... dividida pela freqüência total da distribuição..74 Total 4 9 11 8 5 3 40 52 56 60 64 68 72 0..Fi..125 0... ..... Freqüência relativa acumulada de uma classe: é a freqüência acumulada da classe... Fi= freqüência simples acumulada até a classe i.. . xi= ponto médio de classe i.....Classe.... 50 |-------.Fri.. ... Fri= freqüência relativa acumulada até a classe i..925 1.225 0.xi. .200 0..275 0.58 58 |-------.. ..600 0.000 4 13 24 32 37 40 0..66 66 |-------.. fri= freqüência relativa da classe i.000 Onde: fi= freqüência simples...075 1.70 70 |-------..

23 .Polígono de Frequência Absoluta 12 10 8 6 4 2 0 50|---54 54|---58 58|---62 62|---66 66|---70 70|---74 Frequência Absoluta Acumulada 50 40 30 20 10 0 50|---54 54|---58 58|---62 62|---66 66|---70 70|---74 Poígono de Frequência Absoluta Acumulada 50 40 30 20 10 0 50|---54 54|---58 58|---62 62|---66 66|---70 70|---74 Observação: Os mesmo gráficos podem ser obtidos com as Freqüências Relativas Simples e Freqüências Relativas Acumuladas. .

Imagine que.01 1.45 1.PRIMEIRA LISTA DE EXERCÍCIOS DE ESTATÍSTICA – Distribuição de Freqüências 1 – A tabela abaixo representa os salários pagos a 100 operários da empresa XPTO & Cia. 4 .59 2.18 2.75 3.06 1.89 1.000 pessoas entrevistadas cujas respostas foram apresentadas no exercício anterior. Determine as freqüências absolutas acumuladas Determine as freqüências relativas Determine as freqüências relativas acumuladas Construa o histograma e o polígono de freqüências 3 . De Mínimos Operários 0 |--.66 1.94 3.000 pessoas.96 2.94 1.22 3.87 2.Imagine que foi obtida a opinião de 1.19 1.12 2.18 2.40 3.83 1.18 2.56 3.96 2. Dessas 1.96 2.24 2.56 2.01 1.19 3.03 1.43 3.87 2.92 24 .02 3.18 1.78 2.86 2.04 2.01 2.54 2.34 2. b) Quantos operários ganham até dois salários mínimos? c) Quantos operários ganham menos que 6 salários mínimos? d) Qual a porcentagem de operários com salário entre 6 e 8 salários mínimos? e) Qual a porcentagem de operários com salário inferior a 4 salários mínimos? f) Construa o histograma e o polígono de freqüências.05 1.24 3. Construa uma tabela para apresentar a distribuição das respostas segundo o sexo.97 1.12 1.29 2.74 2. Mostre esses dados numa tabela.4 30 4 |--.03 1.58 3. 2.98 2.82 1.84 1.99 1.08 2.99 2.93 1.8 15 8 |--.11 1.35 1.17 2.36 1.33 1.000 pessoas a respeito da liberação de determinado filme para exibição em televisão.24 1.04 1.96 2. 322 eram contrárias.18 1.04 2.6 10 6 |--.10 5 Total 100 a) Determine a freqüência absoluta acumulada.59 1.2 40 2 |--.71 1.49 1.14 1.36 2.91 2.06 2. 289 mostravam-se favoráveis.26 1. das 1.15 2. Milímetros de chuva: 144 152 159 160 160 151 157 146 154 145 141 150 142 146 142 141 141 150 143 158 a) b) c) d) e) Construa uma tabela de freqüência absoluta.06 2. No. 5 – Os números abaixo representam a distribuição das espessuras de 100 folhas de tabaco. 500 eram homens e 500 eram mulheres.69 2.64 1.62 3.38 1. a freqüência relativa e a freqüência relativa acumulada.89 2.09 1. Se salários No.51 2.11 2. 78 não quiseram declarar a opinião e os restantes disseram não ter opinião.95 1.08 1.25 2. 2 – Os dados seguintes representam 20 observações relativas ao índice pluviométrico em determinados municípios do estado.42 2. 432 mostravam-se favoráveis. Do total de homens.18 2. 122 não quiseram declarar a opinião e as restantes disseram não Ter opinião.72 3.76 2. 120 eram contrários.12 3.17 1.96 2.25 2.09 3.20 2.01 1.62 1.17 3.15 1.76 3.18 2.

c) Determine as freqüências absolutas acumuladas d) Determine as freqüências relativas e) Determine as freqüências relativas acumuladas f) Construa o histograma e o polígono de freqüências 6 – Considere a seguinte tabela de dados: Classes Freq.15 |---.10 |---.05 |---.2.2.2 sendo que o limite inferior da primeira classe é igual a 1.15 8 3.85 |---.05 14 3.95 |---.95 11 2.2.2.90 |---.25 3 TOTAL 90 a) Determine as freqüências absolutas acumuladas.90 10 2.3.80 |---.40.75 |---. 25 . c) Determine as freqüências relativas acumuladas.20 6 3.3.85 3 2.3.00 24 3.3. Absoluta 2.20 |---.3. b) Determine as freqüências relativas.10 9 3.a) Construa uma distribuição de freqüências com 9 classes de amplitude 0.3.00 |---.80 2 2. b) Construa uma tabela de freqüência absoluta.

Dados não-agrupados: Quando se deseja conhecer a média dos dados não-agrupados em tabelas de freqüências.onde xi são os valores da variável e n o número de elementos da amostra. que englobam: • Mediana • Decis • Quartis • Percentis.6 . Ou µ = i=1 . então a venda média diária na semana é: X .Medidas de Posição São as estatísticas que representam uma série de dados que orientam quanto à posição da distribuição em relação ao eixo horizontal do gráfico da curva de freqüência. ___ X= n i =1 ∑ xi n n . durante uma semana.onde xi são os valores da variável e n o número de elementos da população. 18 e 12 kilos. 15. As medidas de tendência central mais utilizadas são: • Média Aritmética • Moda • Mediana Outras medidas de tendência central menos utilizadas são: • Média Geométrica • Média Harmônica • Média Quadrática As outras medidas de posição são as separatrizes. As medidas de posições mais importantes são as medidas de tendência central ou promédias. 13. foi de 10.Média Aritmética É representada por: X ou µ ___ É igual ao quociente entre a soma dos elementos do conjunto e o número total dos elementos. 6. ∑ xi n . 14. Exemplo: Sabendo-se que a venda diária de arroz tipo A. 16.1 . determina-se a média aritmética simples.= (10+14+13+15+16+18+12) / 7 = 14 kilos 26 ___ .

14 = -2 Propriedades da Média 1ª propriedade: A soma algébrica dos desvios em relação à média é nula.14 = 2 d6 = 18 .14 = 0 d3 = 13 . Se no exemplo original for multiplicado a constante c = 3 nos valores da variável tem-se: Y = [30+42+39+45+48+54+36] / 7 = 42 kilos Dados agrupados: Sem intervalos de classe Considere-se a distribuição relativa a 34 famílias de quatro filhos. Pretende-se calcular a quantidade média de meninos por família: Nº. a média do conjunto fica multiplicada (ou dividida) por essa constante. de meninos Freqüência fi 0 2 1 2 3 4 Total 6 10 12 4 34 27 ou Y = x 3 = 14 x 3 = 42 kilos . No exemplo anterior: d1+d2+d3+d4+d5+d6+d7 = 0 2ª propriedade: Somando-se (ou subtraindo-se) uma constante (c) a todos os valores de uma variável.. di = xi .. a média do conjunto fica aumentada (ou diminuída) dessa constante. d1 = 10 .Desvio em relação à média: é a diferença entre cada elemento de um conjunto de ___ valores e a média aritmética.14 = 1 d5 = 16 . Se no exemplo original for somado a constante c = 2 a cada um dos valores da variável tem-se: Y = [12+16+15+17+18+20+14] / 7 = 16 kilos ou Y = . ou seja:.14 = -4 d2 = 14 .+ 2 = 14 +2 = 16 kilos 3ª propriedade: Multiplicando-se (ou dividindo-se) todos os valores de uma variável por uma constante (c). tomando para variável o número de filhos do sexo masculino.14 = 4 d7 = 12 .X No exemplo anterior têm-se sete desvios:..14 = -1 d4 = 15 .

o que nos leva a calcular a média aritmética ponderada.Como as freqüências são números indicadores da intensidade de cada valor da variável..58 58 |-----------. . elas funcionam como fatores de ponderação.xi.440 Aplicando a fórmula acima se tem: 2.fi.xi.70 70 |-----------. logo.= 61.440 / 40.xi. 50 |-----------.62 62 |-----------. ∑ fi Exemplo: Calcular a estatura média de bebês conforme a tabela seguinte: Estaturas (cm) Freqüência = fi Ponto médio = xi . Com intervalos de classe Neste caso.74 Total 4 9 11 8 5 3 40 52 56 60 64 68 72 208 504 660 512 340 216 2.....54 54 |-----------. ∑ fi .fi. = 61 cm 28 .fi .3 meninos por família. convenciona-se que todos os valores incluídos em um determinado intervalo de classe coincidem com o seu ponto médio.onde Xi é o ponto médio da classe. e determina-se a média aritmética ponderada por meio da fórmula: ___ X= i =1 n ∑ xi f i i =1 n . 0 1 2 3 4 2 6 10 12 4 0 6 20 36 16 78 total 34 Onde 78 / 34 = 2. dada pela fórmula: ___ X= i =1 n ∑ xi f i i =1 n .. .66 66 |-----------.

. 64 }. no excel : =(1*4*16*64)^(1/4) .xi...34...2ª propriedade: Séries que apresentam o mesmo número de elementos com o mesmo produto têm a mesma média geométrica.. 360}.. onde.....Propriedades da Média Geométrica 1ª propriedade: O produto dos quocientes entre cada valor de um conjunto de números e a média geométrica do conjunto é = 1..... 1 2 3 9 27 total 4 2 1 9 Isto é: X g = 9 (12.x ) ∑ fi f1 1 f2 2 fn n ____ 1 Exemplo .xnf n ou Xg = ( x x ....... 50}. no excel : =(10*60*360)^(1/3) ..271 ) = 3... b) {2 .Média Geométrica Ponderada: Xg ____ f = ∑ i x1f1 x2f 2 .5}.... 60.x ) 1 2 n 1 n Exemplo . 16. ____ ____ n Média Geométrica Simples: Xg = x1 x2 .... 2.. g = 60... ga = 10... gb = 10 29 . 2 }..9 2.8296 ..... 60..xn ou Xg = ( x x . no excel : =(2*2*2)^(1/3) . 10/60 x 60/60 x 360/60 = 1 __ . 12.Calcular a média geométrica dos seguintes conjuntos de números: E a) { 10..Calcular a média geométrica dos valores da tabela abaixo: .. 4.R: 60 b) { 2.......R: 2 c) { 1..Média Geométrica É a raiz n-ésima do produto de todos os elementos.2 ... Exemplo: Comprovar a 2ª propriedade da média geométrica com os dados: a) {8 . 360 }.6. Exemplo: Comprovar a 1ª propriedade da média geométrica com os dados {10...R: 8 . .fi.

. 2} 2 2 Y = {14. quando os valores da série forem positivos e nem todos iguais.000 0.. A igualdade g= .000 2.. Reaplicando essa última quantia.00.3ª propriedade: A média geométrica é menor ou igual a média aritmética.500 1. b) Média em distribuições assimétricas ( Será visto mais adiante ) c) Média de taxas de variação Exemplo: Supõe-se que um indivíduo tenha aplicado um capital de R$ 500. 50} 26 10 .5*0. Qual a taxa média de aumento de capital? 30 . a) Média de Relações Empresa Capital líquido Dívida Capital líquido/Dívida A 2.000 2.4ª propriedade: Quanto maior a diferença entre os valores originais maior será diferença entre as médias aritmética e geométrica. se deseja estabelecer uma relação do tipo capital/dívida que seja independente da dívida ou do capital das diferentes empresas envolvidas.sempre se verifica. para uma determinada empresa. A desigualdade g < . ao final de mais um ano seu montante situava-se em R$ 910.97 W = {8. Se o que se deseja saber é a relação capital/dívida de certo número de empresas. Se entre eles houver um ou mais zeros... 16} 15 14.. a média geométrica será nula. .5 g = (2. a cifra correta será obtida através da média aritmética. Veja na próxima tabela: conjunto média aritmética média geométrica X = {2. essa importância chegou a R$ 650.1180 Obs: Se. é recomendável o uso da média geométrica.00.00 em 1995. após a consolidação..R: 1.. 12} 10 9.Aplicações da Média Geométrica.5)^(1/2)..8 Z = {2.só ocorrerá quando todos os valores da série forem iguais. Após um ano de aplicação.5 B 1.

.Resp: 3.Período Taxa 1995 a 1996 650/500 = 1.Média Quadrática É a raiz quadrada da média aritmética dos quadrados Média Quadrática Simples: (para dados não agrupados) ___ Xq = 2 2 x12 + x2 + .3491 6.8 8 |-------.3 1996 a 1997 910/650 = 1...4 4 |--------..4)^(1/2) ou a raiz quadrada do produto de 1.3 . a média quadrática será determinada pela seguinte expressão: ___ Xq p = ∑x f ∑f i 2 i i Exemplo: Calcular a média quadrática dos valores da tabela abaixo: classes 2 |--------.. 3 ...67 . ...3*1.40 31 ...xn n Exemplo: Calcular a média quadrática simples do seguinte conjunto de números: A = { 2 ..xi... .. (xi)2.4 A taxa média será (no excel).=(1. Resposta: 1. 4 .12 total .4.. (xi)2.3 e 1..6 6 |--------.... fi 5 10 12 10 5 42 3 5 7 9 11 9 25 49 81 121 45 250 588 810 605 2298 Aplica-se a raiz quadrada sobre (2298)/42 .Média Quadrática Ponderada: Quando os valores da variável estiverem dispostos em uma tabela de freqüências.. ..fi. 5 } ...Resp: 7.10 10 |-------.

11 . A Moda para dados não agrupados. o salário recebido pelo maior número de empregados dessa fábrica. • A moda é facilmente reconhecida: basta.Moda É o valor que ocorre com maior freqüência em uma série de valores. 5 . em vez de a média dos valores originais. . 9 } apresenta duas modas: 4 e 7. 3 . nas quais nenhum valor aparece mais vezes que outros. • 6. 9 . isto é. A Moda para dados agrupados. 4 .OBS: • Sempre que os valores de X forem positivos e pelo menos um dado diferente é válida a seguinte relação: q> > g • A igualdade entre as médias acima se verifica quando os valores da variável forem todos iguais. Diz-se. principalmente quando se pretende calcular a média de desvios ( x . 6 . pode haver dois ou mais valores de concentração. . então. 8 . A Moda é representada pelo símbolo: Mo Desse modo. de acordo com definição. 12 } não apresenta moda. A série é amodal. 4 . 10 . isto é. procurar o valor que mais se repete. 10 . A média quadrática é largamente utilizada em Estatística. 8 . que é uma importante medida de dispersão. Exemplo: Na série { 7 .. é possível determinar imediatamente a moda: basta fixar o valor da variável de maior freqüência. que a série tem dois ou mais valores modais. Exemplo: { 2 .) . 5 . 7 . Neste caso.Em outros casos. 32 .4 . • Há séries nas quais não existe valor modal. 10 . Exemplo: { 3 . 7 . 10 . a) Sem intervalos de classe Uma vez agrupados os dados. • . 4 . 8 . a média quadrática é denominada desvio-padrão. A série é bimodal. o salário modal dos empregados de uma fábrica é o salário mais comum. 7 . 12 } a moda é igual a 10.

70 11 8 5 Resp: a classe modal é 58|-------. .62 62 |-----------. * Método mais elaborado pela fórmula de CZUBER: Mo = l +   .62. é o valor dominante que está compreendido entre os limites da classe modal. Classes (em cm) Freqüência 54 |-----------. Mo = ( l* + L* ) / 2 Onde l* = limite inferior da classe modal e L*= limite superior da classe modal. pode-se afirmar que a moda. pois não se conhece o valor real da moda). pois é a de maior freqüência. l*=58 e L*=62 Mo = (58+62)/2 = 60 cm (este valor é estimado. Exemplo: Calcule a estatura modal conforme a tabela abaixo.Exemplo: Qual a temperatura mais comum medida no mês abaixo: Temperaturas Freqüência 0º C 3 1º C 2º C 3º C 9 12 6 Resp: 2º C é a temperatura modal.. A classe que apresenta a maior freqüência é denominada classe modal. pois é a de maior freqüência.66 66 |-----------. b) Com intervalos de classe. D1  * h D1 + D2   l*= limite inferior da classe modal.. neste caso. O método mais simples para o cálculo da moda consiste em tomar o ponto médio da classe modal.58 9 58 |-----------. D1= (freqüência da classe modal) – (freqüência da classe anterior à classe modal) D2= (freqüência da classe modal) – (freqüência da classe posterior à classe modal) h*= amplitude da classe modal 33 . Pela definição. Da-se a esse valor a denominação de moda bruta.

3.Mediana A mediana de um conjunto de valores.6 Mo = 59. 2. 5 } 1º . Então (n + 1)/2 é dado por (9 + 1) / 2 = 5. 13. Método prático para o cálculo da Mediana a) Se a série dada tiver número ímpar de termos: O valor mediano será o termo de ordem dado pela fórmula: Md = Exemplo: Calcule a mediana da série { 1. 10. dispostos segundo uma ordem (crescente ou decrescente). .9=2 D2 = 11 – 8 = 3 h=4 Mo = 58 + [2/(2+3)]x4 = 58 + 8/5 = 58 + 1. 4. 2. 3. ou seja. Md = 2. n +1 2 34 . 1. 0. 0. 5 } n = 9. 1. 15 } O valor que divide a série acima em duas partes iguais é igual a 9. 1. 6. logo a Md = 9. 9.5 .6 = 59. 9.ordenar a série { 0. Já a média aritmética é a medida de posição que possui a maior estabilidade. 0.6 Obs: A moda é utilizada quando se deseja obter uma medida rápida e aproximada de posição ou quando a medida de posição deva ser o valor mais típico da distribuição. 10 } Valore em ordem crescente: { 2. 13. 6. 4. 2. 6. Símbolo da mediana: Md Mediana para dados não agrupados Dada uma série de valores: { 5. ou seja.Exemplo: Calculo da Moda na tabela anterior D1 = 11 . é o valor situado de tal forma no conjunto que o separa em dois subconjuntos com o mesmo número de elementos. o 5º elemento da série ordenada será a mediana A mediana será o 5º elemento. 2. 2. 15. 5.

10. por influência dos valores extremos. ao passo que a mediana permanece a mesma. 3. 5. Md = 2. 4. Mediana para dados agrupados a) Sem intervalos de classe Neste caso. 5. Exemplo: Calcule a mediana da série { 1.5 . A mediana no exemplo será a média aritmética do 5º e 6º termos da série. 7. 2. Notas: • • • • Quando o número de elementos da série estatística for ímpar. nunca haverá coincidência da mediana com um dos elementos da série. Logo a fórmula ficará: [( 10/2 ) + (10/2 + 1)] / 2 [( 5 + 6)] / 2 será na realidade (5º termo+ 6º termo) / 2 5º termo = 2 e 6º termo = 3 A mediana será = (2+3) / 2 ou seja.b) Se a série dada tiver número par de termos: n n   2 + ( 2 + 1)  O valor mediano será o termo de ordem dado pela fórmula: Md =  2 Obs: n/2 e (n/2 + 1) serão termos de ordem e devem ser substituídos pelos valores correspondentes. 0. e muito. A mediana será sempre a média aritmética dos 2 elementos centrais da série. haverá coincidência da mediana com um dos elementos da série. pelos valores extremos). o mesmo valor. 7. 6 } Ordenar a série { 0. Exemplo: Em { 5. 35 . 0. 13. a média do segundo conjunto de valores é maior do que a do primeiro. 3. Em uma série a mediana. basta identificar a freqüência acumulada imediatamente superior à metade da soma das freqüências. Essa é uma da diferenças marcantes entre mediana e média ( que se deixa influenciar. 3. 1. a média e a moda não têm. necessariamente. 10. 1. 3. 1. 6 } n = 10. 0. 4. A mediana será aquele valor da variável que corresponde a tal freqüência acumulada. 2. Quando o número de elementos da série estatística for par. 15 } a média = 10 e a mediana = 10 Em { 5. A mediana depende da posição e não dos valores dos elementos na série ordenada. 13. 65 } a média = 20 e a mediana = 10 Isto é.

5 36 . Md = ∑ fi + 1 2 Como o somatório das freqüências = 35 a fórmula ficará: ( 35+1 ) / 2 = 18º termo = 3 Quando o somatório das freqüências for par o valor mediano será o termo de ordem  ∑ fi   2 dado pela fórmula:.Calcule a Mediana dos dados na seguinte tabela: Variável xi Freqüência fi Freqüência Acumulada 12 1 1 14 15 16 17 20 total 2 1 2 1 1 8 3 4 6 7 8 Aplicando a fórmula acima tem-se: [(8/2)+ (8/2+1)]/2 = (4º termo + 5º termo) / 2 = (15 + 16) / 2 = 15. Md =    ∑ fi  + + 1   2     2 Exemplo .Exemplo: Variável xi Freqüência fi Freqüência Acumulada 0 2 2 1 2 3 4 total 6 9 13 5 35 8 17 30 35 Quando o somatório das freqüências for ímpar o valor mediano será o termo de ordem dado pela fórmula:.

70 70 |-----------.20.. obtem-se: Md = 58 + [ (20 ..62. 37 .a classe mediana será 58 |-----. Faa: é a freqüência acumulada da classe anterior à classe mediana.58 58 |-----------.. 3º) Marcar a classe correspondente à freqüência acumulada imediatamente superior à ∑f 2 i . pois não se tem os 40 valores da distribuição. h*= 4.b) Com intervalos de classe Devem-se seguir os seguintes passos: 1º) Determinam-se as freqüências acumuladas.54 OBS: Esta mediana é estimada.66 66 |-----------.logo.54 4 4 54 |-----------.. Exemplo: Classes Freqüência = fi Freqüência Acumulada 50 |-----------.  ∑ fi  − Faa  * h   2   4º) Calcular a Mediana pela seguinte fórmula: Md = l * +  * f Onde: l*: é o limite inferior da classe mediana. Substituindo esses valores na fórmula.62 62 |-----------. f* = 11... f* : é a freqüência simples da classe mediana. Tal classe será a classe mediana. Quando a variável em estudo é salário. Emprego da Mediana • • • Quando se deseja obter o ponto que divide a distribuição em duas partes iguais. Quando há valores extremos que afetam de maneira acentuada a média aritmética.13) x 4] / 11 = 58 + 28/11 = 60. Faa = 13. l*=58...74 Total 9 11 8 5 3 40 13 24 32 37 40 ∑f 2 i = 40 / 2 =. h*: é a amplitude do intervalo da classe mediana. 2º) Calcular: ∑f 2 i .

15 } O valor que divide a série acima em duas partes iguais é o 9. 13. 15 } como sendo os dois grupos de valores iguais proporcionados pela mediana ( quartil 2). 15 } O primeiro passo a ser dado é o da ordenação (crescente ou decrescente) dos valores: { 2. Ou seja: será o quartil 1 (Q1) Em {10. 3. 6 } e {10. 10. 5. 5. 7.são. 5. 3. Na realidade serão calculadas "3 medianas " em uma mesma série. Precisa-se. logo a Md = 9.6. mas estão ligadas à mediana relativamente à sua característica de separar a série em duas partes que apresentam o mesmo número de valores. Para o cálculo do quartil 1 e quartil 3 (Q1 e Q3) basta calcular as medianas das partes iguais provenientes da verdadeira Mediana da série (quartil 2). juntamente com a mediana. 15 } a mediana é =13 . 13 } A série já está ordenada.5 O quartil 3 (Q3) será a mediana da série à direita de Md : {6. Exemplo1: Calcule os quartis da série: { 5. portanto de 3 quartis (Q1. conhecidas pelo nome genérico de separatrizes. 2. 9.5 O quartil 1 (Q1) será a mediana da série à esquerda de Md : { 1. 13. então se calcula o Quartil 2 = Md = (5+6)/2 = 5. QUARTIS Denominam-se quartis os valores de uma série que a dividem em quatro partes iguais. 13 } Q3 = (9+9)/2 = 9 38 . 6. 9. Tem-se agora {2. 9. não são medidas de tendência central. 6. 2. 1. 5. Quartis para dados não agrupados O método mais prático é utilizar o princípio do cálculo da mediana para os 3 quartis. há outras que consideradas individualmente. 9. 6 } a mediana é = 5 . Q2 e Q3 ) para dividir a série em quatro partes iguais. 7. 9.os quartis. os decis e os percentis . 5. 1. 5. Decis e Percentis Além das medidas de posição estudadas. 10. Ou seja: será o quartil 3 (Q3) Exemplo2: Calcule os quartis da série: { 1. 10. 13. As medidas . 9. 10. 2.6 – Separatrizes – Quartis. 6. Obs: O quartil 2 ( Q2 ) é igual a mediana da série. Logo em { 2. Que será = Q2. 13. 5 } Q1 = (2+3)/2 = 2.

.66 66 |-----------. O quartil 3 : 3* ∑f 4 i = 30 Q3 = 62 + [ (30 -24) x 4] / 8 = 62 + 3 = 65 39 .... Assim.Quartis para dados agrupados Uitliza-se a mesma técnica do cálculo da mediana..74 Total 9 11 8 5 3 40 13 24 32 37 40 <--... tem-se:  ∑ fi  − Faa  * h   4   Q1 = l * +  * f  ∑ fi  − Faa  * h 2  4   Q2 = l * +  * f  ∑ fi  − Faa  * h 3  4   Q3 = l * +  * f Q1 – Primeiro quartil: valor situado de tal modo na série que uma quarta parte (25%) dos dados é menor que ele e as três quartas partes restantes (75%) são maiores.Calcule os quartis da tabela abaixo: Classes Freqüência = fi Freqüência Acumulada 50 |-----------...13) x 4] / 11 = 58 + 28/11 = 60. bastando substituir..66 ... na fórmula da mediana.20. por .. h* = 4 Substituindo esses valores na fórmula.54 4 4 54 |-----------..... Assim...4) x 4] / 9 = 54 + 2...58 58 |-----------....Q3 O quartil 2 = Q2 = Md ..... f* = 11.54 O quartil 1 : ∑f 4 i = 10 Q1 = 54 + [ (10 . ∑f 2 i .62 l* = 58..70 70 |-----------... onde k é o número de ordem do quartil... a classe mediana será 58 |---------. logo: ∑f 2 i = 40 / 2 =... obtem-se: Q2 = Md = 58 + [ (20 ..66 = 56.. Q3 – Terceiro quartil: valor situado de tal modo na série que as três quartas partes (75%) dos dados são menores que ele e uma quarta parte (25%) é maior. Q2 – Segundo quartil (mediana): valor situado de tal modo na série que a metade (50%) dos dados é menor que ele e a metade restante (50%) são maiores.62 62 |-----------. F** = 13..Q1 <--..Q2 <--... Exemplo3 ... k * ∑ fi 4 ..

. D2.2 40 . Este resultado corresponde a 1ª classe. . Assim sendo. k= 8 onde 8 * ∑ fi 100 = 8x40/100 = 3.. P99. D3 = 54 + [ (12 .DECIS A definição dos decis obedece o mesmo princípio dos quartis. Indicam-se os decis : D1. . P25 = Q1 e P75 = Q3.. porém a fórmula será: k * ∑ fi 100 onde k é o número de ordem do percentil a ser calculado. o quinto decil é igual ao segundo quartil. que por sua vez é igual à mediana.2 = 53. D9.55 = 57.2 -0) x 4] / 4 = 50 + 3. P2. k= 3 onde 3 * ∑ fi 10 = 3x40/10 = 12.55 PERCENTIL ou CENTIL Denomina-se percentis ou centis como sendo os noventa e nove valores que separam uma série em 100 partes iguais. ..4) x 4] / 9 = 54 + 3. Deste modo precisa-se de 9 decis para dividir uma série em 10 partes iguais. Este resultado corresponde a 2ª classe. com a modificação da porcentagem de valores que ficam aquém e além do decil que se pretende calcular. De especial interesse é o quinto decil. P8 = 50 + [ (3.2.. Exemplo: Calcule o 8º percentil da tabela anterior com classes. que divide o conjunto em duas partes iguais. Indica-se: P1. Para D5 tem-se: 5 * ∑ fi 10 = ∑f 2 i Exemplo: Calcule o 3º decil da tabela anterior com classes. O cálculo de um centil segue a mesma técnica do cálculo da mediana. A fómula básica será : k * ∑ fi 10 onde k é o número de ordem do decil a ser calculado. É evidente que P50 = Md .

69. 160 } Observa-se que os três conjuntos apresentam a mesma média aritmética = 350/5 = 70 Entretanto.7 – Medidas de Dispersão ou Variabilidade: Mede a dispersão dos valores de uma variável em torno de um valor de tendência central (média ou mediana) tomado como ponto de comparação.71 . pois há menor dispersão entre cada um de seus valores comparado com a média. é fácil notar que o conjunto X é mais homogêneo que os conjuntos Y e Z. 15.não consegue destacar o grau de homogeneidade ou heterogeneidade que existe entre os valores que compõem o conjunto.Medidas de Dispersão Absoluta 7. 7. já que todos os valores são iguais à média. O conjunto Y. Considere os seguintes conjuntos de valores das variáveis X. A média . Y e Z: X = { 70. Quando os dados não estão agrupados a amplitude total é a diferença entre o maior e o menor valor observado: AT = (valor máximo . é mais homogêneo que o conjunto Z.72 } Z = { 5. 48. Conclui-se então que o conjunto X apresenta dispersão nula e que o conjunto Y apresenta uma dispersão menor que o conjunto Z.Amplitude Total Amplitude total – AT é a única medida de dispersão que não tem a média como ponto de referência. por sua vez.40 = 30 Quando os dados estão agrupados sem intervalos de classe ainda tem-se: AT = (valor máximo .valor mínimo). 70.valor mínimo). Exemplo: Para os valores 40.1 . 50. 120. 45. 70 . 70. 70 } Y = { 68. 62 e 70 a amplitude total será: AT = 70 . 70.ainda que considerada como um número para representar uma série de valores .1 .1. 41 .

10 3 AT = 10 . no controle de qualidade ou como uma medida de cálculo rápido sem muita exatidão.Desvio Médio Absoluto Desvio Médio Absoluto para dados não agrupados É a média aritmética dos valores absolutos dos desvios tomados em relação a uma das seguintes medidas de tendência central: média ou mediana.0 = 4 Com intervalos de classe a amplitude total é a diferença entre o limite superior da última classe e o limite inferior da primeira classe.l mínimo Exemplo: Classes fi 4 |------------. 42 .6 6 6 |------------.1.4 = 6 A amplitude total tem o inconveniente de só levar em conta os dois valores extremos da série. não considerando os valores intermediários. Então AT = L máximo . Faz-se uso da amplitude total quando se quer determinar a amplitude da temperatura em um dia.Exemplo: xi fi 0 2 1 6 3 5 4 3 AT = 4 . 7.8 2 8 |------------.2 . Símbolo = Dm Fórmula: para a Média: Dm = ∑ xi − X n ___ Fórmula: para a Mediana: Dm = ∑ xi − Md n As barras verticais indicam que são tomados os valores absolutos dos desvios.

36 Pela Mediana : Dm = 15 / 5 = 3 Desvio médio para Dados Agrupados Se os valores vierem dispostos em uma tabela de freqüências.2 .(-0.Exemplo: Calcular o desvio médio do conjunto de números { .Md (.3) .3 1. 5 } = .(-2) = 5 5 . .7 1.3 0.0.(-2) = .7 0.4 0.1.7 1.| (.| Xi . .(-2) = 0 3 .8 3 .1 (.9 1.4) .4 .96 43 .2) = -3.(-0. f i .7 3. f i 2 2 3 3 6 8 15 18 47 4.3 .7 4.2 Tabela auxiliar para cálculo do desvio médio Desvio em Relação à Média Xi -4 -3 -2 3 5 Xi | Xi .3) . 2 e Md = .2) .2) = -1.9 ∑ = 10 ∑= 9.(-0.0.2) .7 4.3 0.2 3.2) = 5.Md | 2 1 0 5 7 15 ∑ = 16.8 (.6 Dm = 9.4) .2 5 .| .8 ∑ = Pela Média: Dm = 16.(-0.2 Desvio em Relação à Mediana Xi .3 3.8 1. serão usadas as seguintes fórmulas: Cálculo pela média: ∑x −X *f Dm = ∑f i i ___ i Cálculo pela mediana: Dm = ∑ xi − Md * f i ∑f i Exemplo de cálculo pela média: Xi 3 4 5 6 f i Xi .7 4.2) = 3.8 (.(-2) = 7 | Xi .8 3. agrupados ou não em classes.2) = -2.(-0.6 / 10 = 0.| | Xi .7 Xi .8 / 5 = 3.2 (. 3 .4 .8 2.2 5.(-2) = .

Todavia será preferido o uso do desvio médio em lugar do desvio-padrão. O desvio padrão baseia-se nos desvios em torno da média aritmética e a sua fórmula básica pode ser traduzida como: a raiz quadrada da média aritmética dos quadrados dos desvios e é representada por S ou σ .Desvio Padrão É a medida de dispersão mais geralmente empregada.Exemplo de cálculo pela mediana: Xi 3 4 5 6 fi 2 2 3 3 Md Xi .1. É um indicador de variabilidade bastante estável. pois leva em consideração a totalidade dos valores da variável em estudo. O desvio médio despreza o fato de alguns desvios serem negativos e outros positivos. quando esse for indevidamente influenciado pelos desvios extremos. 7. 44 .Md | .70 7 Obs: Apesar de o desvio médio expressar aceitavelmente a dispersão de uma amostra.Md | Xi . pois essa medida os trata como se fossem todos positivos.3 . Desvio Padrão de uma amostra: S = ∑ ( xi − X ) 2 n −1 __ Desvio Padrão de uma população: σ = ∑ (x i − X )2 n __ A fórmula acima é empregada quando se trata de uma população de dados nãoagrupados. f i 5 -2 2 4 5 -1 1 2 5 0 0 0 5 1 1 1 ∑ = 10 ∑= Dm = 7 / 10 = 0. não é tão frequentemente empregado como o desvio-padrão.Md | | Xi .

-2.84 3. 3.0.Somando-se (ou subtraindo-se) uma constante a todos os valores de uma variável. efetua-se uma modificação que consiste em usar o divisor n .2 .8 3.4.2 .04 62.2 5.2.8 ∑ = Sabe-se que n = 5 e 62. 3 . o desvio padrão não se altera. 5 Xi -4 -3 -2 3 5 .54 Obs: Quando o interesse se restringe à descrição dos dados da amostra visando tirar inferências válidas para toda a população. 5 representassem uma amostra o desvio padrão amostral seria a raiz quadrada de 62.2 .0.24 10.56.8 . O desvio padrão de uma amostra é calculado pela fórmula: S = ∑(x i − X )2 __ n −1 Se os dados .2 . o desvio padrão fica multiplicado ( ou dividido) por essa constante. -3 .3.44 7. -2 .2 .8 / 5 = 12.1 em lugar de n. Quando os dados estão agrupados em classes a fórmula do desvio padrão é: Para os dados de uma população: σ = ∑ ( x − X )  ∑f i i  __ 2  fi   Para os dados de uma amostra: S = ∑ ( x − X )  ∑ f −1 i i  __ 2  fi   45 .56 é o desvio padrão: σ = 3.0. ou seja: S = 3.8 .4 .2 14. 2ª . Propriedades do Desvio padrão: 1ª .0.8 / (5 -1) = 3.96.0.1.96.Exemplo: Calcular o desvio padrão da população representada por: .24 27. -3.Multiplicando-se (ou dividindo-se) todos os valores de uma variável por uma constante (diferente de zero). A raiz quadrada de 12.

83 32. Se considerar os dados como sendo de uma amostra o desvio padrão será: A raiz quadrada de 32. Obs: Nas tabelas de freqüências com intervalos de classe a fórmula a ser utilizada é a mesma do exemplo anterior. Logo σ = 1. Logo S = 1. 400. A variância é o quadrado do desvio padrão. 20.81 3.4 .044.1 0. 7.Variância É o desvio padrão elevado ao quadrado e é represejntado por S2 ou σ2 A variância é uma medida que tem pouca utilidade como estatística descritiva.062.1.062.1 2.82 7.9 1.7 / 30 = 1.7 / (30 -1) = 1. 200.09. 50 } B = { 100. Variância da população: σ 2 = ∑ ( xi − X ) 2 n − X )2 __ __ Variância da amostra: S 2 EXERCÍCIOS ∑(x = i n −1 1 . A raiz quadrada de 1.044.1 -2.1 2.12 5.67 10. 30.1 2.9 4.61 8.26 0. 300.1 2. 40. porém é extremamente importante na inferência estatística e em combinações de amostras.Exemplo: Calcule o desvio padrão populacional da tabela abaixo: xi 0 1 2 3 4 f i xi f i 2 6 12 7 3 0 6 24 21 12 63 2 2 X ( xi − X ) ( xi − X ) ( xi − X ) f i __ __ __ __ 2.1 -1.1 -0.09 é 1. 500 } Que relação existe entre os desvios padrões dos dois conjuntos de números? 46 .01 0.21 0.41 1.70 Total 30 ∑= Sabe-se que ∑fi = 30 e 32.Considere os seguintes conjuntos de números: A = { 10.

2 - Dados os conjuntos de números: A = { 220, 230, 240, 250, 260 } B = { 20, 30, 40, 50, 60 }

Que relação existe entre os desvios padrões dos dois conjuntos de números? 3 - Dados os conjuntos de números: A = {-2, -1, 0, 1, 2} B = {220, 225, 230, 235, 240}. De acordo com as propriedades do desvio padrão, pode-se afirmar que o desvio padrão de B é igual ao: a) desvio padrão de A; b) desvio padrão de A, multiplicado pela constante 5; c) desvio padrão de A, multiplicado pela constante 5, e esse resultado somado a 230; d) desvio padrão de A mais a constante 230.

7.2 - Medidas de Dispersão Relativa
CV: Coeficiente de Variação Na estatística descritiva o desvio padrão por si só tem grandes limitações. Assim, um desvio padrão de 2 unidades pode ser considerado pequeno para uma série de valores cujo valor médio é 200; no entanto, se a média for igual a 20, o mesmo não pode ser dito. Além disso, o fato do desvio padrão ser expresso na mesma unidade dos dados limita o seu emprego quando se deseja comparar duas ou mais séries de valores, relativamente à sua dispersão ou variabilidade, quando expressas em unidades diferentes. Para contornar essas dificuldades e limitações, pode-se caracterizar a dispersão ou variabilidade dos dados em termos relativos ao seu valor médio. Medida essa denominada de CV: Coeficiente de Variação O coeficiente de variação é a razão entre o desvio padrão e a média.
S A fórmula do CV =  __ .100

  X

O resultado neste caso é expresso em percentual, entretanto pode ser expresso também através de um fator decimal, desprezando assim o valor 100 da fórmula.

47

Exemplo: Tomam-se os resultados das estaturas e dos pesos de um mesmo grupo de indivíduos:
Discriminação M É D I A DESVIO PADRÃO ESTATURAS PESOS 175 cm 68 kg 5,0 cm 2,0 kg

Qual das medidas (Estatura ou Peso) possui maior homogeneidade? Resposta: Tem-se que calcular o CV da Estatura e o CV do Peso. O CV menor será o de maior homogeneidade (menor dispersão ou variabilidade). CVestatura = ( 5 / 175 ) x 100 = 2,85 % CVpeso = ( 2 / 68 ) x 100 = 2,94 %. Logo, nesse grupo de indivíduos, as estaturas apresentam menor grau de dispersão que os pesos. Exercícios: 1 – O salário médio mensal em Hortolândia é de R$ 750,00 e em Cosmópolis é de R$ 500,00. Os desvios padrões são R$ 100,00 e R$ 80,00. Faça uma análise comparativa quanto ao grau de homogeneidade do salário nestas duas localidades: 2 - O risco de uma ação de uma empresa pode ser devidamente avaliado através da variabilidade dos retornos esperados. Portanto, a comparação das distribuições probabilísticas dos retornos, relativas a cada ação individual, possibilita a quem toma decisões perceber os diferentes graus de risco. Analise, abaixo, os dados estatísticos relativos aos retornos de 5 ações e diga qual é a menos arriscada :
Discriminação Valor esperado Ação A Ação B Ação C Ação D Ação E 15 % 12 % 5% 10 % 4%

Desvio padrão Coeficiente de variação

6% 0,40

6,6 % 0,55

2,5 % 0,50

3% 0,30

2,6 % 0,65

3 - Um grupo de 85 moças tem estatura média 160,6 cm, com um desvio padrão igual a 5,97 cm. Outro grupo de 125 moças tem uma estatura média de 161,9 cm, sendo o desvio padrão igual a 6,01 cm. Qual é o coeficiente de variação de cada um dos grupos? Qual o grupo mais homogêneo? 4 - Um grupo de 196 famílias tem renda média de 163,8 dólares, com um coeficiente de variação de 3,3%. Qual o desvio padrão da renda desse grupo?
48

5 - Uma distribuição apresenta as seguintes estatísticas: S = 1,5 e CV = 2,9 % . Determine a média da distribuição. 6 - Numa pequena cidade, 65 famílias têm a renda média de 57,5 dólares e o desvio padrão de 5,98 dólares. A variabilidade relativa das famílias foi de: a) 0,104 dólares b) 10,4 dólares c) 0,104 % d) 10,4 % e) 0,104 famílias

49

SEGUNDA LISTA DE EXERCÍCIOS DE ESTATÍSTICA População, amostra, média desvio padrão, variança, etc.
1 - Classifique as variáveis em qualitativas ou quantitativas (contínuas ou discretas): a) Universo: alunos de uma escola. Variável: cor dos cabelos. b) Universo: casais residentes em uma cidade. Variável: número de filhos. c) Universo: peças produzidas por certa máquina. Variável: número de peças produzidas por horad) Universo: peças produzidas por certa máquina. Variável: diâmetro externo. 2 - Nos exercícios abaixo, identifique cada número como discreto ou contínuo: a) Cada cigarro Camel tem 16,13 mg de alcatrão. b) Uma pesquisa efetuada com 1015 pessoas indica que 40 delas são assinantes da internet. c) De 1000 consumidores pesquisados, 930 reconheceram a marca de sopa Campbell. d) Ao completar um programa de treinamento, Shaquille O’Neal pesava 12,44 lb menos do que no início do treinamento. 3 - Responda e explique o porque de cada uma das questões abaixo. a) O desvio padrão de um conjunto de dados pode ser zero ? b) O desvio padrão de um conjunto de dados pode se negativo ? c) O desvio médio absoluto de um conjunto de dados pode ser zero ? d) O desvio médio absoluto de um conjunto de dados pode ser negativo ? 4 - Determine a média e a mediana para cada um dos conjuntos de dados: a) 7; 9; 2; l; 5; 4,5; 7,5; 6,2 b) 90, 87, 92, 81, 78, 85, 95, 80 c) 0,011; 0,032; 0,027; 0,035; 0,042 5 - Qual seria o efeito sobre a média de um conjunto de números se fosse adicionado l0 unidades: a) A apenas um dos números do conjunto? b) A cada um dos números do conjunto? 6 - Calcule a média, a variância e o desvio padrão do seguinte conjunto de dados: 83, 92, 100, 57, 85, 88, 84, 82, 94, 93, 91, 95, supondo que: a) O conjunto representa toda a população. b) O conjunto representa uma amostra da população. 7 -Calcule a média a mediana e a moda do número de clientes que aguardam nas filas de 12 caixas da matriz de um grande banco: l, 3, 4, 3, 4, 2, 4, l, 2, 2, 1, 0 8 - Se cada um dos dados de um conjunto de números fosse duplicado, qual seria o efeito: a) Sobre a média b) Sobre o desvio padrão. 9 - Considere os seguintes dados correspondentes a preços (em reais) de propostas: 26,50; 27,50; 25,50; 26,00; 27,00; 23,40; 25,10; 26,20; 26,80 a) Calcule o Intervalo b) Determine o Desvio Médio Absoluto c) Calcule a Variância d) Calcule o Desvio Padrão. 10 – A tabela abaixo representa os salários pagos a 100 operários da empresa XPTO & Cia. 50

94 3.11 1. d) Ache a mediana.04 1.75 3.18 2.17 2.45 1.03 1.96 2.96 2.96 2.24 2.36 1.62 3.51 2.06 2.09 3.93 1.01 1.18 2.71 1. b) Ache a mediana. 2.17 1.33 1.04 2.19 1.11 2.08 2.24 1.29 2.25 2.12 2.15 2.72 3.62 1.22 3.87 2.01 1.96 2. a média e o desvio padrão dos índices pluviométricos e) Compare os resultados 13 – Os números abaixo representam a distribuição das espessuras de 100 folhas de tabaco.4 30 4 |--.56 2.12 1.59 1.8 15 8 |--.69 2.17 3. a média e o desvio padrão das espessuras.74 2.92 a) Determine a espessura que esteve em moda.83 1.38 1.06 1.40 3.82 1. b) Ache a mediana.12 3.34 2.19 3.02 3.36 2.14 1. Milímetros de chuva: 144 152 159 160 160 151 157 146 154 145 141 150 142 146 142 141 141 150 143 158 a) Determine o índice pluviométrico que esteve em moda.76 3.96 2.76 2.24 3.87 2.86 2.2 40 2 |--.58 3.18 1.94 1.35 1. a média e o desvio padrão dos índices pluviométricos 12 . e) Compare os resultados 51 .6 10 6 |--.43 3. Se salários No.Utilize os resultados da tabela construída no exercício 5 da primeira lista de exercícios c) Determine a espessura que esteve em moda.89 2.64 1.09 1.18 2.18 2.01 2.04 2.95 1.06 2.01 1.42 2.59 2.No.66 1.98 2.97 1.54 2.78 2.49 1.84 1. 14 .26 1.20 2.15 1.10 5 Total 100 a) Determine a classe modal e a moda dos salários b) Calcule a média e a mediana dos salários c) Calcule o desvio padrão dos salários 11 – Os dados seguintes representam 20 observações relativas ao índice pluviométrico em determinados municípios do estado.99 1.05 1.91 2.Utilize os resultados da tabela construída no exercício 2 da primeira lista de exercícios c) Determine o índice pluviométrico que esteve em moda. a média e o desvio padrão das espessuras.18 1. De Mínimos Operários 0 |--.03 1.25 2.89 1.56 3.18 2. d) Ache a mediana.99 2.08 1.

20 6 3.90 10 2. Absoluta 2.2.00 |---.75 |---.3.15 8 3.85 3 2.2.3. b) Calcule a mediana.25 3 TOTAL 90 a) Determine a classe modal e a moda dos dados.95 11 3.10 |---. a média e o desvio padrão dos dados 52 .15 – Considere a seguinte tabela de dados: Classes Freq.15 |---.3.80 2 2.3.85 |---.2.3.05 14 3.20 |---.2.10 9 3.80 |---.95 |---.05 |---.00 24 3.3.90 |---.

2 . 5.6 . E . 4. Uma média aritmética ponderada com valor 8. porque todos opinaram somente uma vez. 50 são desfavoráveis. 2. 2. 3. Não há média aritmética.5 Não há mediana. Com isso.9. 2. 10. 30 são indiferentes e 20 ainda não têm opinião formada a respeito do assunto. 15. 8. 3.Em uma prova de Estatística. 80 pessoas são favoráveis ao divórcio. porque é a média entre os valores 50 e 30.0 e 1 a nota 8. Apenas a média aritmética ficou alterada. as notas de todos os alunos foram aumentadas de 3 pontos.6. Igual a 40. Igual a 15 Igual a 10 Igual a 8 Igual a 3.0 . 5. 5. 5 obtiveram a nota 8. 5. Não houve alteração nem na média nem na mediana. Uma média aritmética ponderada com valor 8. pois é o de maior frequência. 3. 4.5 . Ao número . Nada podemos afirmar sem conhecer o número total de alunos. A média aritmética ficou alterada. eliminou as questões que não foram respondidas pelos alunos. 4 } a soma dos desvios em relação à média aritmética é igual a: 1.0 . 6. porque todos opinaram somente uma vez. 4.TERCEIRA LISTA DE EXERCÍCIOS DE ESTATÍSTICA Teste sobre média mediana. A nota média dos alunos será: 1. 12. 4. C . B . Igual a 45. 5.Numa pesquisa de opinião. assim como a mediana. 3.7 . 2. 5. Uma média aritmética simples com valor 8. 3. 7. 3.A mediana da série { 1. pois não existe repetição de valores. Marque a questão correta : A . 2.Um professor. Apenas a mediana ficou alterada. outros 3 obtiveram a nota 9.4 Ao número 8 Ao número 0 Ao número 25 Ao número 4 D . 3 alunos obtiveram a nota 8. etc.0 . 1 obteve a nota 7. Então a média aritmética será: 1. Igual a 180. Então pode-se afirmar que: 1. 53 . Uma média aritmética ponderada com valor 8. 7 } é : 1.Na tabela primitiva : { 6. Igual a 1. após verificar que toda a classe obteve nota baixa. Uma média aritmética simples com valor 8. 2. 4.

66 anos. 4. H . Moda < Média < Mediana. 5. 54 . Média > Mediana e não há Moda. A moda ou a média. 1 . G.5. 32% de origem portuguesa. 4. 3 . -2 . A mediana é 0. Moda = Mediana = Média. 4 }: 1. 3 e 4 anos. 2 . 2. 2. 2. 1.Segundo o site de VEJA na internet 28% da população brasileira é de origem africana. 4 } se for alterado o valor máximo: 1.F. A moda. 2. A questão 1 e 2 estão corretas. Não podemos identificar a moda por falta de dados. 3. 4. a moda e mediana.5 anos. A mediana. 7 anos. Qual é a moda quanto a origem? 1. 5. 3. A média não será alterada. 20% de origem italiana e 20% de outras origens. A média. A mediana é 2. 4. Mediana = Média e não há Moda. 3. 3. 1 . 4. A mediana está entre -2 e 3. 5. Origem portuguesa. Mediana > Moda > Média. 5. 3. A mediana não vai ser alterada. J . A média poderá ser alterada ou não. K.Numa determinada Escola com 300 alunos 34% deles completam o 2º grau em 3 anos e 66% em 4 anos. pois não há dados repetidos. 4. 3 ou 4 anos.Quando a medida de posição deve ser o valor mais típico da distribuição utilizamos: 1. I . A média. 2 . Qual o tempo médio de conclusão do 2º grau na referida Escola. 3 .Na série estatística formada por { 3 . 3. 3 . 5. 2. 3.Na série estatística formada por { -1 . 32% 20% 32% da população. A moda não será alterada. 2. A mediana vai ser alterada. 5.Na série estatística formada por { 3 . 3. não existe mediana. 6 }: 1.

de acordo com as propriedades da média. pois não há identificação dos elementos. 5 } e A = { 220. 1 . que a média de A: 1. 1175º elemento. A mediana. M. 4. 3. 4 . O desvio médio. 2. Ponto médio entre o 1175º e o 1176º elemento. É igual à média de B multiplicada por uma constante arbitrária. A posição da mediana é representada pelo: 1. 240. podemos afirmar. 235. 55 .Dados os conjuntos de números B = { 0 .Quando desejamos o ponto médio exato de uma distribuição de frequência. 3. É igual à constante 220 somada ao produto da média de B por 5. 4. É igual à média de B multiplicada pela constante 94.5º elemento. 225. 1175. 3 . Impossível resolução. 2. A moda. 1176º elemento. 5. 2 . A média. 5. 4.L . N. 245}. 230. 3. 5. 2. Qualquer medida de posição.Considere uma série estatística com 2351 elementos. basta calcular: 1. É igual à média de B mais a constante 220. É igual à média de B mais a constante 220 e esse último resultado multiplicado por 5.

mesmo repetido várias vezes sob condições semelhantes. 4 – Jogar uma moeda 4 vezes e observar a seqüência de “caras” obtidas.1 .(6.ca)} 4 – No lançamento de dois dados ao mesmo tempo tem-se o espaço amostral S = {(1. (2. O resultado final depende do acaso.1).(2. Representa-se um evento com a letra: E Exemplos de eventos: 1 . Representa-se o espaço amostral coma letra: S Exemplos de espaço amostral: 1 .No experimento aleatório "lançamento de um dado" tem-se o espaço amostral: S = {1.2)..2)..Probabilidade Introdução: O cálculo das probabilidades pertence ao campo da Matemática.(1. 3 . 2.. apresentam resultados imprevisíveis. (1.8 .No experimento aleatório "lançamento de uma moeda" tem-se o espaço amostral: S = {cara. O conhecimento dos aspectos fundamentais do cálculo das probabilidades é uma necessidade essencial para o estudo da Estatística Indutiva ou Inferencial. 5.2 . 5 – Escolher uma pessoa ao acaso e verificar sua idade. coroa}. 6}. 4.6)}.Experimento Aleatório . (2.6)..Da afirmação: "é provável que o meu time ganhe a partida hoje" pode resultar: .que ele empate Este evento tem três possibilidades. 56 ..co) .que ele perca . ..S É o conjunto universo ou o conjunto de todos os resultados possíveis de um experimento aleatório.No experimento aleatório "dois lançamentos sucessivos de uma moeda" tem-se o espaço amostral: S = {(ca.. 3.2).Espaço Amostral .co) .que ele ganhe .ca) .6). 8. (6. (co. 2 – Lançar um dado e observar o n úmero ocorrido na face superior. 8.E São fenômenos que. Tem-se um espaço amostral com 36 resultados... 2 .. 3 – Selecionar ao acaso um aluno da USF e verificar seu semestre no curso.(6. (ca.1).. entretanto a maioria dos fenômenos de que trata a Estatística são de natureza aleatória ou probabilística.1). (co.

8. b) Obter um número menor ou igual a 6 na face superior: B = {1. Se A = S . A é chamado de evento impossível.No lançamento de duas moedas (uma de 10 centavos e outra de 5 centavos). onde B = S. 6} onde A ⊂ S. A é chamado de evento certo. 2. coroa}. então A é um evento de S. d) Obter um número maior que 6 na face superior: D = Ø. logo C é um evento elementar de S. 2. 3. 4. 5. Se A ⊂ S e A é um conjunto unitário então A é chamado de evento elementar. pergunta-se: a) Qual é o espaço amostral? b) Formule os eventos definidos pelas sentenças: • Obter uma cara • Obter pelo menos uma cara • Obter apenas um cara • Obter no máximo duas caras • Obter uma cara e uma coroa • Obter uma coroa ou uma cara 8. logo B é um evento certo de S.3 . se A ⊂ S (A está contido em S). Formule os eventos definidos pelas sentenças: a) Obter um número par na face superior do dado: A = {2.No lançamento de um dado tem-se S = {1. Se A = Ø . 4. Exercícios: 1 . 5. 3. qualquer que seja o evento A. 4. No primeiro exemplo: cara pertence ao espaço amostral S = {cara. c) Obter o número 4 na face superior: C = {4}. 6}. 6}.Obs: Cada elemento do espaço amostral que corresponde a um resultado recebe o nome de ponto amostral. 2 . Um evento é qualquer subconjunto do espaço amostral S de um experimento aleatório E. logo D é um evento impossível de S.Eventos Sejam “E” um experimento e “S” o espaço amostral.4 – Evento União: ∪ Sejam: E: um experimento S: o espaço amostral A⊂S B⊂S 57 . Assim.

A∩B = { x/ x∈A e x∈B } Exemplo: A = {1.Os eventos A e B.6 – Eventos Mutuamente Exclusivos Sejam: E: um experimento S: o espaço amostral A⊂S B⊂S Os eventos A e B são mutuamente exclusivos se A ∩B = ∅ Exemplos: 1 . 5} Os eventos A e B são mutuamente exclusivos. 5. 3}. 3. 2 .Sejam S = {1. 8. 2}. 6} A = {1. 8. Coroa} A = {Cara} e B = {Coroa} Os eventos A e B são mutuamente exclusivos. A∪B = { x/ x∈A ou x∈B } Exemplo: A = {1} e B = {2} A∪B = {1. O evento A∪B ocorre se ocorre o evento A ou ocorre o evento B.5 – Evento Intersecção: ∩ Sejam: E: um experimento S: o espaço amostral A⊂S B⊂S Os eventos A e B. ocorre {1} ou ocorre {2}. 2} e B = {4. O evento A∩B ocorre se ocorre o evento A e ocorre o evento B. 3} e B = {1. contidos no mesmo espaço amostral S. 3} A∩B = {1. 8. 4.Sejam S = {Cara.6 – Eventos Complementares Sejam: E: um experimento S: o espaço amostral A⊂S B⊂S Os eventos A e B são complementares se A∪B = S A ∩B = ∅ 58 . 2. contidos no mesmo espaço amostral S. 2.

: Os eventos complementares são também mutuamente exclusivos. Coroa} A = {Cara} e B = {Coroa} A∪B = S A ∩B = ∅ Os eventos A e B são complementares. calcula-se P(A) como: P(A): número de vezes que ocorreu o evento A dividido pelo número total de casos. 2. 4. 4. 2. 6 } = 6 P(A) = 6/6 = 1. 6 } = 3 P(A) = 3/6 = 0.5 = 50% 2 .0 = 100% Obs. 4. 3. 59 . 4. 5 ou 6. Ao realizar um experimento e observar o evento A. 8. 2.5 = 50% 3 . 4.: a probabilidade de todo evento certo é 1 ou 100%. 6} A = {1. Exemplos: 1 .7 . 4. 2.No lançamento de uma moeda qual a probabilidade de obter cara? Evento A: ocorrência de cara (ca) no lançamento de uma moeda. 4. 3.No lançamento de um dado qual a probabilidade de obter um número menor ou igual a 6? Evento A: ocorrência dos números 1. S = {ca. Ou seja: Chama-se probabilidade de um evento A o número real definido como: P(A). 3. 3. denominado probabilidade de ocorrência do evento A. 5.Sejam S = {1. S = { 1.Sejam S = {Cara. 3. 5. OBS: Quando todos os elementos do Espaço amostral têm a mesma chance de acontecer. 3.Conceito de Probabilidade Seja “E” um experimento aleatório e seja “S” o espaço amostral.Exemplos: 1 . o espaço amostral é chamado de conjunto equiprovável. 5} A∪B = S e A ∩B = ∅ Os eventos A e B são complementares. co} = 2 A = {ca} = 1 P(A) = 1/2 = 0. 4 ou 6. 6 } = 6 A = { 2. 6 } = 6 A = { 1. S = { 1. 5. 2 . 6} e B = {2. Obs. 2.No lançamento de um dado qual a probabilidade de obter um número par? Evento A: ocorrência dos números 2. A cada evento A do espaço amostral associa-se um número real representado por P(A). 5.

1 .: a probabilidade de todo evento impossível é 0 ou 0% 5 – Extrai-se uma única carta de baralho de 52 cartas..1 . Teorema 2 – S e A é o evento complementar de A então: P(A) = 1 – P( A ).Numa distribuição de probabilidades o somatório das probabilidades atribuídas a cada evento elementar é igual a 1 onde p1 + p2 + p3 + . b) Sair uma carta vermelha E: extrair uma carta do baralho S: conjunto formado por 52 cartas A: sair uma carta vermelha A = {26 cartas} Logo P(A) = 26/52 = 0.7.4 . __ __ 60 . 5. Acha a probabilidade de: a) Sair um valete E: extrair uma carta do baralho S: conjunto formado por 52 cartas A: sair um valete A = {valete de paus. Teorema 3 – Se A e B são dois eventos quaisquer.Propriedades 1 – 0 ≤ P(A) ≤ 1. S = { 1.Sendo p a probabilidade de que o evento ocorra (sucesso) e q a probabilidade de que o evento não ocorra (insucesso). então: P(A∪B) = P(A) + P(B) – P(A∩B). valete de copas. 6 } = 6 A=∅ P(A) = 0/6 = 0 = 0% Obs. 3. para um mesmo evento existe sempre a relação: p+q=1 2 . 2.5. Obs: no caso de eventos complementares. 3 – Se A e B são eventos mutuamente exclusivos então P(A∪B) = P(A) + P(B). 8.7. sabe-se que um evento pode ocorrer ou não. 4. 8. + pn = 1.2 .076. valete de ouro.No lançamento de um dado qual a probabilidade de obter um número maior que 6? Evento A: ocorrência de um número maior que 6. valete de espada} Logo P(A) = 4/52 = 0.Teoremas Fundamentais Teorema 1 – Se A = ∅. for o evento vazio então: P(A) = 0.. 2 – P(S) = 1.

Logo.p ou q = 1 .8 . Determine a probabilidade de ocorrência de cada evento elementar.Três cavalos C1. a probabilidade de não tirar o nº 4 no lançamento de um dado: q = 1 . 5 . Exemplos: 1 – Sabe-se que a probabilidade de tirar o nº 4 no lançamento de um dado é p = 1/6. P(b) = 1/8 . onde só se premiará o vencedor. são de "3 para 2". então: P(A∪B∪C) = P(A) + P(B) + P(C) – PA∩B) – P(A∩C) – P(B∩C) + P(A∩B∩C). b. sendo que os três números pares ocorrem com igual probabilidade.As chances de um time de futebol T ganhar o campeonato que está disputando são de "5 para 2". segundo os entendidos. P(B) 61 . Um conhecedor dos 3 cavalos afirma que as "chances" de C1 vencer são o dobro das de C2. 4 . Considere a seguinte distribuição de probabilidades: P(a) = 1/8 . e que C2 tem o triplo das "chances" de C3. c. d} . Calcule o valor de x. Então p = 3/5 (ganhar) e q = 2/5 (perder). 3 . C são três eventos quaisquer. P(c) = 1/4 e P(d) = x . C2 e C3 disputam um páreo. 2 .Um dado foi fabricado de tal forma que num lançamento a probabilidade de ocorrer um número par é o dobro da probabilidade de ocorrer número ímpar na face superior.Eventos Independentes Sejam: E: um experimento S: o espaço amostral A⊂S B⊂S Os eventos A e B são independentes se P(A∩B) = P(A) . onde as suas "chances".1/6 = 5/6. Determinar a probabilidade de T ganhar e a probabilidade de T perder: 6 .Calcular a probabilidade de um piloto de automóvel vencer uma dada corrida. bem como os três números ímpares. 8.Seja S = {a. B. Calcule as probabilidades de cada cavalo vencer o páreo.Teorema 4 – Se A. Teorema 5 – Se A ⊂ B então P(A) ≤ P(B). Calcule também a probabilidade dele perder: O termo "3 para 2" significa: De cada 5 corridas ele ganha 3 e perde 2.

Exemplo: Duas cartas são retiradas de um baralho sem haver reposição. Exemplo: Quando se lança dois dados.Probabilidade Condicional Sejam A e B dois eventos de um experimento E. Calcula-se a probabilidade condicional como: P( A / B ) = P( A ∩ B) se P(B) > 0 P( B ) P( A ∩ B) se P(A) > 0 P( A) logo P(A∩B) = P(B).25 % 62 . Então qual seria a probabilidade de obter.0588 = 5. Analogamente.0625 = 6. Qual a probabilidade de ambas serem COPAS? P(Copas1 e Copas2) = P(Copas1) x P(Copas2/Copas1) = 13/52 x 12/51 = 0. Denota-se por P(A/B) a probabilidade condicional do evento A dado que ocorreu o evento B.9 . O resultado seria: P(Copas1) x P(Copas2) = 13/52 x 13/52 = 0.88 % P(Copas1) = 13/52 P(Copas2/Copas1) = 12/51 Obs: No exemplo anterior se a 1ª carta retirada voltasse ao baralho o experimento seria do tipo com reposição e seria um evento independente.P(B/A) P( B / A) = Nota: Se A e B são evento independentes então: P(A/B) = P(A) e P(B/A) = P(B). P(B/A) a probabilidade condicional do evento B dado que ocorreu o evento A.P(A/B) Logo P(A∩B) = P(A).Quando a realização ou não realização de um dos eventos não afeta a probabilidade da realização do outro e vice-versa. o resultado obtido em um deles independe do resultado obtido no outro. o nº 4 no primeiro dado e o nº 3 no segundo dado? P1 = P(4 dado1) = 1/6 P2 = P(3 dado2) = 1/6 P total = P (4 dado1) x P (3 dado2) = 1/6 x 1/6 = 1/36 8. simultaneamente.

10.Qual a probabilidade de sair o um REI quando retiramos 1 carta de um baralho de 52 cartas? 3 . 3.Qual a probabilidade de sair o ÁS de ouros quando retiramos 1 carta de um baralho de 52 cartas? 2 . 2. 10. Uma bola é retirada de cada urna. respectivamente. 6. valete. valete. 4 verdes. 7. duas cartas sem reposição. 3. dama. 4. 2.De dois baralhos de 52 cartas retiram-se. 3 pretas. 3. 2 pretas. dama. 6. Qual a probabilidade de tirarmos uma DAMA e um REI. preta e verde? 6 . ao acaso. 5. 7.De um baralho de 52 cartas retiram-se. 7. valete. 3. uma carta do primeiro baralho e uma carta do segundo.Uma urna A contém: 3 bolas brancas. Sendo retirada uma peça. não necessariamente nessa ordem? 63 . 5. 7. 6. 2 verdes. 9. valete. b) a probabilidade de essa peça não ser defeituosa. Qual a probabilidade de a carta do primeiro baralho ser um REI e a do segundo ser o 5 de paus? 5 .São dados dois baralhos de 52 cartas. uma urna C contém: 2 bolas brancas. Tira-se. 4. rei) Exercícios: 1 . 4 pretas. 2.Espaço amostral do baralho de 52 cartas: Cartas pretas = 26 Páus = 13 (ás. 9. 8. dama. Qual é a probabilidade de a primeira carta ser o ÁS de paus e a segunda ser o REI de paus? 7 . 4 são defeituosas. 2. branca. 4 . 8. uma urna B contém: 5 nolas brancas. uma carta do primeiro baralho e uma carta do segundo. rei) Copas = 13 (ás.Qual a probabilidade de sair uma figura (rei ou dama ou valete) quando se retira uma carta de um baralho de 52 cartas? 8 . dama. 9. 8. 1 verde. 4. 10. 5. rei) Espadas = 13 (ás. 6. calcule: a) a probabilidade de essa peça ser defeituosa. 9.Em um lote de 12 peças. 5. rei) Cartas vermelhas = 26 Ouros = 13 (ás. 2ª e 3ª urnas serem. Qual é a probabilidade de as três bolas retiradas da 1ª. simultaneamente. 8. 10. 4. ao mesmo tempo.

Duas cartas são retiradas de um baralho sem haver reposição. a) Qual a probabilidade de que ambas sejam verdes? b) Qual a probabilidade de que ambas sejam da mesma cor? 64 .Duas bolas são retiradas (com reposição) de uma urna que contém 2 bolas brancas e 3 bolas pretas.9 .Duas bolas são retiradas (sem reposição) de uma urna que contém 2 bolas brancas e 3 bolas pretas e 5 bolas verdes. Qual a probabilidade de que a 1ª seja branca e a 2ª seja preta? 12 .Duas bolas são retiradas (sem reposição) de uma urna que contém 2 bolas brancas e 3 bolas pretas. Qual a probabilidade de que a 1ª seja branca e a 2ª seja preta? 11 . Qual a probabilidade de ambas serem COPAS ou ESPADAS? 10 .

sendo: A1 = { a criança 1 foi vacinada } A2 = { a criança 2 foi vacinada } A3 = { a criança 3 foi vacinada } Calcule a probabilidade de apenas uma criança ter sido vacinada. obtendo-se os seguintes resultados: 51 homens. Calcule o valor de: a) P(A∪B) d) P( A / B ) Sugestão: b) P(A/B) e) P( B / A ) c) P(B/A) Utilize uma das lei de Morgan: A ∪ B = A ∩ B ou A ∪ B = A ∩ B 4 . Um estudante desta turma foi selecionado ao acaso. 34 homens de olhos azuis. Sendo os eventos A= {homens} e B={pessoas de olhos azuis}. determina as probabilidades dos seguintes eventos: d) A∩B e) A ∩ B f) A ∩ B a) A b) B c) B h) A∪B i) A ∪ B j) A ∪ B k) A/B l) A / B m) A / B o) B / A p) A / B Sugestão: Utilize uma das lei de Morgan: A ∪ B = A ∩ B ou A ∪ B = A ∩ B g) A ∩ B n) B/A 2 . P(B) =1/3 e P(A∩B) =1/4.98. 3 . 68 pessoas de olhos azuis. Sejam os eventos: A = { o estudante é homem } B = { o estudante passou na 1a opção } 65 . Sejam os eventos: A1 = {o resultado da 1a jogada é 1 ou 2 } A2 = { o resultado da 2a jogada é 1 ou 3 } B1 = { a soma dos resultados é 7 } B2 = { a soma dos resultados é 3 } Verifique quais das proposições abaixo são verdadeiras: i) os eventos A1 e A2 são mutuamente exclusivos.Dentre 100 estudantes de uma mesma turma. ii) B1 e B2 são independentes iii) B2 ⊂ (A1 ∪A2) 5 .Suponha que a probabilidade de uma criança em idade escolar já ter sido vacinada contra a poliomielite seja 0. 58 são homens e 30 deles passaram no vestibular na 1a opção. Três crianças foram escolhidas ao acaso em uma escola.Uma pessoa joga um dado equilibrado duas vezes.Se P(A) =1/2 .QUARTA LISTA DE EXERCÍCIOS DE ESTATÍSTICA Probabilidades 1 .Um grupo de 100 pessoas foi observado quanto ao sexo e cor dos olhos.

11.Suponha uma caixa contendo duas urnas: URNA Y e URNA Z Cada URNA contém bolas Verdes e bolas Brancas conforme a figura indica.5% c)1/16 d)1.Um grupo de 20 pessoas apresenta a seguinte composição: 15 brasileiros e 5 estrangeiros 10 homens e 10 mulheres 18 casados e 2 solteiros A probabilidade de uma pessoa escolhida ao acaso seja um homem solteiro e estrangeiro é: a)1/4 b) 12. 12} qual é a probabilidade de ser um múltiplo de 3 dado que o número sorteado é um número ímpar ? 9 . Calcule as seguintes probabilidades a) P(bola V / URNA Y) b) P(bola V / URNA Z) c) P(bola B / URNA Y) d) P(bola B / URNA Z) e) P(bola V e URNA Z) f) P(bola V e URNA Y) g) Qual é a probabilidade de sair uma Branca da caixa ? Bolas 8V 2B URNA Bolas 5V 5B URNA 66 . 4.25% 11. 5. 8.Calcule: a) P(A∩B) b) P( A ∩ B ) c) P(A/B) d) P( A / B ) e)P(A∪B) f) P( A ∩ B ) 6 .10. Seja o experimento E: retirar sucessivamente três bolas da caixa a) Determine o espaço amostral do experimento E Determine o conjunto dos elementos que correspondem aos seguintes eventos: b) "as três bolas têm a mesma cor" c) "a 1a bola retirada é uma bola branca" d) "pelo menos duas bolas são brancas" e) "o número de bolas brancas é igual ao número de bolas pretas" f) "pelo menos duas bolas da mesma cor" 7 .Um casal pretende ter três filhos do mesmo sexo. 3. A probabilidade de que isto ocorra é: a) 1/2 b) 1/4 c) 1/8 d) 40% 10 . Cada URNA tem a mesma probabilidade de ser selecionada. 6. 7. Seja o experimento E: Selecionar uma bola da caixa.No lançamento simultâneo de dois dados.Sorteando-se ao acaso um número do conjunto V = { l. 2. 9.Uma caixa contém bolas pretas e bolas brancas. determinar a probabilidade de se obter: a) "soma dos números iguais a 8" b) "pares de números iguais" c) "soma dos números iguais a 4" 8 .

qual é a probabilidade de que os 3 façam compras ? 14 .Uma fábrica de louças tem um processo de inspeção com quatro etapas. determine: a) A probabilidade de uma peça defeituosa passar por todas as quatro etapas de inspeção sem ser detectada.A probabilidade de que uma nova política de mercado tenha sucesso foi estimada em 0. 0. C.6. A probabilidade de que a despesa para o desenvolvimento da estratégia seja mantida dentro dos limites do orçamento previsto é de 0.8 de encontrar petróleo. as probabilidades 0. a) Determine a probabilidade de nenhum dos poços produzirem petróleo. e D e estima. A firma perfura 4 poços: A. com 50% de probabilidade de detectar peças defeituosas 18 – Uma firma exploradora de petróleo perfura um poço quando acha que há pelo menos 25% de chance de encontrar petróleo.3.A proporção global de itens defeituosos em um processo de produção contínuo é de 10%. B. b) Qual seria sua resposta se fosse acrescentada uma Quinta etapa de inspeção.4. 400 contam com cobertura de seguro médico e 200 empregados participam de ambos os programas. b) Determine a probabilidade de os quatro poços produzirem petróleo. Se forem escolhidos 3 itens qual a probabilidade de que: a) todos tenham defeitos b) nenhum tenha defeito 17 . A probabilidade de que ambos os objetivos sejam alcançados é 0. 40 possuíam experiência anterior e 30 possuíam um certificado profissional.De 100 pessoas que solicitaram emprego de programador de computador.De um total de 500 empregados. Com base nesta cifra.3.5. Se um vendedor seleciona 3 clientes e faz o contato com os mesmos.12 . respectivamente. c) Qual é a probabilidade de que somente os poços A e C produzem petróleo ? 67 . Qual é a probabilidade de que um ou outro objetivo seja alcançado ? 16 . e 0. 0. Qual é a probabilidade de um determinado empregado participar de um ou outro programa ? 15 . 200 participam de um plano de participação de lucros da empresa.7.4.Em geral. Vinte dos candidatos possuíam tanto experiência anterior como certificado profissional. Qual é a probabilidade de que um candidato selecionado tenha experiência ou certificado ? 13 . a probabilidade de que um possível cliente faça uma compra quando procurado por um vendedor é 0. durante o ano passado numa empresa. A probabilidade de ma peça defeituosa passar uma etapa de inspeção sem ser detectada é de aproximadamente 20%. com base nas estimativas da firma.

se o espaço amostral relativo ao "lançamento simultâneo de duas moedas" é S = {(ca. a cada ponto amostral pode-se associar um número para X. Muitas vezes não se está interessado propriamente no resultado de um experimento aleatório.ca).Distribuição de Probabilidades Variável Aleatória Qualquer função X que associa um número real a todo elemento do espaço amostral S é denominada variável aleatória. Assim. co) Logo se pode escrever: Número de caras (X) Probabilidade (X) 2 1/4 1 2/4 0 1/4 Total 4/4 = 1 Exemplo: Considere-se a distribuição de freqüências relativa ao número de acidentes diários na Rodovia Bandeirantes durante o mês de novembro de 1997: Número de Acidentes Frequência 0 22 1 5 2 2 3 1 Total 30 68 X 2 1 1 0 .co). ca) (ca. (co. co) (co.ca).9 . (ca. (co. Essa característica será chamada variável aleatória. mas em alguma característica numérica a ele associada. ca) (co. de acordo com a tabela abaixo ( X é a variável aleatória associada ao número de caras observado): Ponto Amostral (ca.co)} e se X representa o "número de caras" que aparecem.

Domínio f(xi) = pi x1 x2 x3 .. x2.. xn da variável aleatória X e os valores das probabilidades: p1 = P(X = x1). . ao lançar um dado.. tem-se que: P(X = 0) + P(X = 1) + P(X = 2) + P(X = 3) = 1 Generalizando tem-se que: ∑ P(X = xi) = 1 Funções de probabilidades: f(x) = P(X= xi) Ao definir a distribuição de probabilidade. pode tomar os valores 1.73 1 0. Assim. . a variável aleatória X.07 3 0.00 A tabela apresenta os valores de uma variável aleatória X e as probabilidades de X ocorrer. pn Conjunto Imagem Esta correspondência define uma função onde os valores xi formam o domínio da função e os valores pi o seu conjunto imagem.03 Total 1. ou seja. pn = P(X = xn). x3. 5 e 6. 4. a tabela de distribuição de probabilidades. xn p1 p2 p3 .17 2 0. 3. . definida por "pontos de um dado". Então resulta na seguinte distribuição de probabilidade: 69 .Pode-se então escrever a tabela de distribuição de probabilidade: Número de Acidentes (X) Probabilidade (X) 0 0. p2 = P(X = x2). . Assim. p3 = P(X = x3).. estabelece-se uma correspondência unívoca entre os valores x1.. 2.

o resultado de uma não deve afetar os resultados das sucessivas.X = xi P (X=xi) 1 1/6 2 1/6 3 1/6 4 1/6 5 1/6 6 1/6 T o t a l 6/6 = 1 9. p . p. q = é a probabilidade de que o evento não se realize no decurso dessa prova = insucesso.q 70 . No decorrer do experimento. pois representa o termo geral do desenvolvimento do Binômio de Newton.p) . p = é a probabilidade de que o evento se realize em uma só prova = sucesso. Nessas condições X é uma variável aleatória discreta que segue uma distribuição Binomial. um dos quais é considerado como sucesso e o outro como insucesso.1 .q n x x (n−x) P(x) = é a probabilidade de que o evento se realize x vezes em n provas. OBS: O nome Binomial é devido à fórmula. nas mesmas condições. p.Distribuição Binomial Imagine fenômenos cujos resultados só podem ser de dois tipos.q 2 Variância: σ = n. isto é. Parâmetros da Distribuição Binomial Média: X = n. p __ Desvio padrão: σ = n. Este fenômeno pode ser repetido tantas vezes quanto se queira (n vezes). a probabilidade p do sucesso e a probabilidade q do insucesso manter-se-ão constantes (q = 1 . As provas repetidas devem ser independentes. com a seguinte distribuição de probabilidades: P( X = x) = P( x) = Onde: ! ( ) = x!(nn− x)! n x ( ).

q = 1 – p = 0. a) Ache a probabilidade de nenhum dos 6 estudantes ser fumante.q n = 6 . Se existe essa suspeita.4)6 .(0.046 0!(6 − 0)! n k k (n −k ) 0 6 0 (6 −0) 6 b) Ache a probabilidade de todos serem fumantes.6) 6 6 6 (6 −6) = 6! . P( X = 6) = ( ). p = 0.(0.1. Exemplos: 1 – Dos estudantes da USF.(0.4) .1 = 0.(0.98 P( X ≥ 1) = 1 − P( X < 1) = 1 − P( X = 0) = 1 − ( ).98) 9 0 0 9 = 0. 40% fumam cigarro. 3 – As probabilidades p de sucesso e 1-p de falha permanecem constantes em todas as realizações do experimento. 4 – Os resultados das realizações do experimento são independentes um do outro.02) .6) = 0. determine a probabilidade de que numa amostra de 9 mesas: a) Haja pelo menos uma mesa defeituosa.(0.6) = .(0. 2 – Cada experimento tem sempre dois resultados possíveis.4) . p . Escolhe-se 6 estudantes ao acaso para darem sua opinião sobre o fumo.6 6! P( X = 0) = ( ).(0. P( X = k ) = ( ).4 .Restrições sobre o uso da distribuição Binomial 1 – Haja “n” repetições idênticas do experimento.166 71 .004 6!(6 − 6)! c) Ache a probabilidade de pelo menos a metade ser fumante. um chamado “sucesso” e outro chamado “falha” ou insucesso. n=9 p = 0.02 q = 1 – p = 0.(0. P( X ≥ 3) = P(X = 3) + P(X = 4) + P(X = 5) + P(X = 6) ou P( X ≥ 3) = 1 – P(X < 3) = 1 – [P(X = 0) + P(X = 1) + P(X = 2)] 2 – Um fabricante de mesa de bilhar suspeita que 2% de seu produto apresenta algum defeito.

Calcule a probabilidade de serem obtidas 3 caras nessas 5 provas. determine a probabilidade de: a) Nenhuma fatura ser paga com atraso.ganhar dois ou três jogos. A e B.Jogando-se um dado três vezes.02) . qual a probabilidade de acertar exatamente 2 tiros? 7 .6) 14 0 0 14 = 0. A e B. ( ). 6 . que apresenta 10% de peças defeituosas.4.Determine a probabilidade de se obter exatamente 3 caras em 6 lances de uma moeda.036= 0.(0.Dois times de futebol. De 14 faturas expedidas.0. P( X = 0) = ( ). n = 14.036 + c) Pelo menos 3 serem pagas com atraso. 4 .007+ 0.98) 9 0 0 9 = 0. q = 1 – p = 0.Seis parafusos são escolhidos ao acaso da produção de certa máquina.029= 0. Qual a probabilidade de serem defeituosos dois deles? 72 .(0. jogam entre si 6 vezes.Uma moeda é lançada por 5 vezes seguidas e independentes. Encontre a probabilidade de o time A : a) . jogam entre si 6 vezes. p = 0.b) Não haja nenhuma mesa defeituosa.00078 P( X ≤ 2) = P( X = 0) + P( X =1) + P( X = 2) = 0. determine a probabilidade de se obter um múltiplo de 3 duas vezes.ganhar pelo menos um jogo. 2 . P( X ≥ 3) =1− P( X ≤ 2) =1− 0.4) .A probabilidade de um atirador acertar o alvo é 2/3.(0.00078 0. 3 .83 3 – Os registros de uma pequena empresa indicam que 40% das faturas emitidas são pagas após o vencimento. b) .Dois times de futebol. Se ele atirar 5 vezes.964 Exercícios: 1 .6 P( X = 0) = b) No máximo 2 faturas serem pagas com atraso. Encontre a probabilidade do time A ganhar 4 jogos.(0. 5 .

b) Pelo menos I partida. 8. c) O lote contenta pelo menos uma peça defeituosa. 73 . c) Três meninos. tenham: a) Nenhuma defeituosa. Se 3% das canetas de certa marca são defeituosas. A probabilidade de um atirador acertar o alvo é 1/2. Num hospital 5 pacientes devem Submeter-se a um tipo de operação. b) O lote contenha exatamente três peças defeituosas.QUINTA LISTA DE EXERCÍCIOS DE ESTATÍSTICA Distribuição Binomial 1. Seis parafusos são escolhidos ao acaso da produção de certa máquina. desta mesma marca. c) No máximo 3 não consigam sobreviver. escolhidas ao acaso. Qual a probabilidade de dois parafusos serem defeituosos ? 4. que apresenta 10% de peças defeituosas. 7. Calcule a probabilidade de serem obtidas 3 caras nessas 5 provas. 5. Uma moeda é lançada 5 vezes seguida e independente. achar a probabilidade de que numa amostra de 10 canetas.2 determine a média e o desvio padrão da distribuição de peças defeituosas em um total de 600. Uma amostra de 15 peças é extraída com reposição de um lote que contém 10% de peças defeituosas. quantas se esperaria que tivessem: a) Exatamente 2 meninos. e) O lote contenha de 3 a 6 peças defeituosas.000 famílias com 8 filhos cada uma. Um time A tem 2/3 de probabilidade de vitória sempre que joga. c) Mais que a metade das partidas. Calcule o valor esperado e o desvio padrão para o número de peças defeituosas na amostra do problema anterior. Em 10. Se A jogar 4 partidas. 2. b) Pelo menos 2 sobrevivam. encontre a probabilidade de A vencer: a) Exatamente 2 partidas. b) Nenhum menino. c) No máximo 3 defeituosas. 10. Se a probabilidade de ocorrência de uma peça defeituosa é 0. Calcule a probabilidade de que: a) O lote não contenha peça defeituosa. Se ele atirar 5 vezes qual a probabilidade de acertar exatamente 2 tiros? 3. d) O lote contenha entre 3 e 6 peças defeituosas. b) Pelo menos 2 defeituosas. 6. Qual a probabilidade de que: a) Todos sobrevivam. 9. da qual 80% sobrevivem.

b) Menos que três peças boas. determine a probabilidade de que. qual a probabilidade de ele ter prejuízo nesse dia? 74 .11. a) Qual a probabilidade de ele completar pelo menos quatro visitas? b) Qual a probabilidade de ele ser recebido por todos os encarregados de compra? c) Se ele acredita que completando uma visita suas despesas do dia estão cobertas. sejam encontradas: a) No mínimo duas peças com defeito. numa amostra de quatro peças. 12. Um vendedor programa 6 visitas e acredita que a probabilidade de ele ser recebido pelo encarregado de compras das empresas visitadas é de 80%. Se tal suspeita é correta. Uma confecção de roupa infantil suspeita que 30% de sua produção apresenta algum defeito.

2 – Número de acidentes por dia. geralmente o tempo ou espaço. Exemplos: 1 – Número de defeitos por metro quadrado. e: é uma constante que representa o valor igual a 2.Distribuição de Poisson Diz-se que uma variável aleatória tem distribuição de Poisson quando a freqüência de ocorrência dessa variável aleatória segue a distribuição de Poisson.718. por unidade. A distribuição de Poisson é muito usada como aproximação para a distribuição Binomial. A distribuição de probabilidade de Poisson tem a seguinte fórmula: (λt ) k . É a média da distribuição. 2 – A probabilidade de mais de uma ocorrência num único ponto é zero. Ou seja: P( X = k ) = µ k . k: número de ocorrências µ = λt é o número médio de ocorrências no intervalo t.e− µ k! 75 . A distribuição de Poisson é útil para descrever as probabilidades do número de ocorrência num intervalo contínuo. Restrições sobre o uso da distribuição e Poisson 1 – A probabilidade de ocorrência é a mesma em todo o campo de observação.2 . 3 – O número de ocorrências em qualquer intervalo é independente do número de ocorrências em outros intervalos. 4 – Número de chamadas telefônicas por minuto. t: número de unidades.9. 3 – Número de clientes por hora.e − λt P( X = k ) = k! Onde: λ: é a taxa média de ocorrência do evento.

18 d) Nenhum defeito P(X = 0) = (e-2.20)/0! = 0.21)/1! = 0. Nestes casos.13 2 – Em média.OBS: Pode acontecer experimento com uma distribuição Binomial com um “p” (sucesso) muito pequeno de tal modo que se tem um “n” muito grande para que o sucesso ocorra.4 76 . Exemplos: 1 – Um processo mecânico produz tecidos para tapetes com uma média de dois defeitos por metro. Para que os resultados aproximados pela distribuição de Poisson sejam satisfatórios só se deve fazer a substituição da distribuição Binomial pela distribuição de Poisson quando “n” for maior ou igual a 50 e “p” menor ou igual a 0. 2 pessoas por minuto utilizam os serviços de um caixa automático de um banco durante as horas de maior movimento. µ = λt = 2.22)/2! = 0. Qual é a probabilidade de: a) Nenhuma pessoa utilizar os caixas.27 c) Menos de duas pessoas utilizarem os caixas.9 (“p” próximo de 0 ou próximo de 1).27 b) Dois defeitos P(X = 2) = (e-2. P(X = 2) = (e-2. pode-se simplificar os cálculos usando a distribuição de Poisson como aproximação para a distribuição Binomial. Determine a probabilidade de um metro quadrado ter exatamente: a) Um defeito t = 1 metro λ=2 µ = λt = 2 P(X = 1) = (e-2.22)/2! = 0.20)/0! = 0.27 c) Três defeitos P(X = 3) = (e-2. λ = 2.13 b) Duas pessoas utilizar os caixas.1 ou “p” maior ou igual a 0.1 = 2 P(X = 0) = (e-2. P(X < 2) = P(X = 0) + P(X = 1) = 0.23)/3! = 0. t = 1.

b) Pegue exatamente 2 peixes. pescando durante uma hora: a) Não pegue nenhum peixe.1222 ou 12. p = (400).8. achar a probabilidade de que um pescador. Qual a probabilidade de que uma amostra de 400 fusíveis exatamente 6 sejam defeituosos? p = 0.02) = 8 P (x = 6) = 0. c) Pegue no máximo 4 peixes.02 n = 400 µ = n . 3 . qual a probabilidade de que entre 150 passageiros até 2 passageiros tenham problemas com suas bagagens? 77 .Exercícios 1 – Se 2% dos fusíveis são defeituosos.(0.Se 4% de passageiros de avião tem problemas com a bagagem.24% 2 – Se o número de peixes pescados por hora em certo pesqueiro é uma variável que segue a distribuição de Poisson com média igual a 1. d) Pegue pelo menos dois peixes.

9.3. 6 – A área sob a curva entre dois pontos é a probabilidade de uma variável aleatória com distribuição Normal assumir os valores entre esses dois pontos.1 . a µ b 78 . Muitas das variáveis analisadas na pesquisa sócio-econômica correspondem à distribuição normal ou se aproximam a uma distribuição normal.3 . uma das mais empregadas é a distribuição Normal. 5 – A área total sob a curva Normal é 1 (ou 100%).9. 3 – A distribuição Normal assume qualquer valor real. P( a ≤ X ≤ b) = a área da curva entre os valores “a” e “b”. A distribuição Normal tem a sua importância na estatística porque permite representar as freqüências observadas de muitos fenômenos naturais. 4 – Cada distribuição Normal fica especificada pela sua média µ e seu desvio padrão σ.Propriedades da Distribuição Normal 1 – A curva da distribuição Normal tem a forma de um sino 2 – A distribuição Normal é simétrica em relação aµmédia µ. 7 – P(X = k) = 0. Isto é.Distribuição Normal Entre as distribuições teóricas de variável aleatória contínua.

Isto é: Z ∼ N(0. então a variável Z tem uma distribuição Normal com média µ=0 e desvio padrão σ = 1.A probabilidade da variável aleatória X assumir os valores entre “a” e “b” é calculada como: b P ( a < X < b) = ∫ a −  1 e 2 2π σ 1  x−µ   σ  2 dx Para qualquer distribuição Norma tem-se: -3σ -2σ -σ µ 68% 95.04 cm.A Distribuição Normal Padronizada Seja X uma variável aleatória com distribuição Normal de média µ e desvio padrão σ. Supondo que essa variável tenha uma distribuição normal com média 2 cm e desvio padrão 0.5% 99.7% σ 2σ 3σ Quando se tem uma variável aleatória com distribuição normal o principal interesse está em obter a probabilidade dessa variável aleatória assumir um valor em um determinado intervalo. σ). Fazendo Z = X −µ σ . 79 . Isto é: X ∼ N(µ.3.05 cm ? Deseja-se calcular: P ( 2 < X < 2.2 . Exemplo: Seja X a variável aleatória que representa os diâmetros dos parafusos produzidos por certa máquina. 1).05) 9. Qual a probabilidade de um parafuso ter o diâmetro com valor entre 2 e 2.

X é uma distribuição Normal com média µ = 3 e desvio padrão σ = 8.5 − µ  2. Assim a probabilidade de um certo parafuso apresentar um diâmetro entre 2cm e 2.25 ) = 0.3. 8).  X −3 5−3 P( X < 5) = P <  = P(Z < 0. σ   σ Onde Z é uma variável com distribuição normal de média 0 e desvio padrão 1. o valor 5.25) = 0. Na intersecção da linha e coluna correspondentes encontra-se o valor 0.44 %.5987 8   8 µ 2.0987 = 0. na primeira linha.Utilização da Tabela Z Procura-se na tabela Z o valor de z = 1.5) = P  2−µ < X −µ < 2. Para obter essa probabilidade.5 + 0. Exemplos: 1 – Seja X ∼ N(3.25 Na primeira coluna encontra-se o valor até uma casa decimal 1. Calcule P(X < 5).3944 ou 39.2.04  σ σ 9.3 . precisa-se transformar a variável para Z.Utiliza-se uma tabela da distribuição Normal padronizada. que dá a probabilidade de z tomar qualquer valor entre a média 0 e um dado valor z. que corresponde ao último algarismo do número 1.25)  = P σ  0.04   0. o que permite escrever: P (0 < Z < 1. Em seguida. onde µ = 2 e σ = 0.04. Isto é: P(2 < X < 2. encontrase.44 %. No exemplo anterior deseja-se calcular P(2 < X < 2.5 − 2   2−2 <Z <  = P(0 < Z < 1. Tem-se então que: P( X < x) = P  X −µ < x−µ  = P (Z < z ) .05).25. isto é: P ( 0 < Z < z).05 cm é de 39.3944.5 80 . ou seja.

0.3078 = 0.87) = 0.87 < Z < 1.87 1.2254 0 0.1 – Seja X ∼ N(3.6915 6   6 0.4332 − 0.5 .5 0 81 .5) = 0.1915 0.  X −5 2−5 P ( X > 2) = P  >  = P(Z > −0. ou seja.87 < Z < 1.5) = P( Z < 1. Calcule P(10 < X < 15). Calcule P(X > 2).1915 = 0. X é uma distribuição Normal com média µ = 5 e desvio padrão σ = 6.2254 0.5 3 – Seja X ∼ N(5.2 . ou seja. X é uma distribuição Normal com média µ = 3 e desvio padrão σ = 8.5 + 0. 6). 12   10 − 3 X − 3 15 − 3  7 P(10 < X < 15) = P < <  = P < Z <  = P(0.5) − P( Z < 0.5) ⇒ 8 8  8  8 8 P(0. 8).

23) d) P(-1.5) = 0. Calcule a probabilidade de um bancário ter o salário situado entre R$ 9.1915 = 0.02 % 3 .00 e R$ 10. com desvio padrão de R$ 800.Os salários dos bancários são distribuídos normalmente.25 < Z < 0) b) P(-0.8 < Z < 1.6) 2 .00. Determine a probabilidade de um aluno submetido ao teste ter nota : a) Maior que 120 b) Maior que 80 c) Entre 85 e 115 d) Maior que 100 82 .800.5 < Z < 1.10000) / 800 = 0.Exercícios: 1. Deve-se inicialmente calcular os valores z e z .25 1 e z = (10400 .0987 +0. 1 2 z = (9800 .5 2 P( 9800 < X < 10400) = P(-0.Determine as probabilidades: a) P(-1. em torno da média R$ 10.400.20) e) P( Z < 0.000.2902 ou 29.25 < Z < 0) + P(0 < Z < 0.10000) / 800 = -0.5) = P(-0.Um teste padronizado de escolaridade tem distribuição normal com média = 100 e desvio padrão = 10.25 < Z < -1.92) f) P(Z > 0.48) c) P(0.00.25 < Z < 0.00.

4. 56.51%) 2.000 km? c) Se a fábrica substitui o motor que apresenta duração inferior à garantia.72%) c) Abaixo de 525. D=15% das notas. e σ=2). Quantas deverão trocar pelo uso da garantia.8. Se suas notas foram 8. troca as baterias que apresentarem falhas nesse período. Os candidatos serão classificados conforme o seguinte critério decrescente: A=10% das notas mais altas. determinar a média e o desvio padrão das notas do exame. (99.33%) c) Na próxima semana haja prejuízo? (0%) 7.88 aproximadamente 20 baterias) 3. Os resultados de um concurso de habilitação tiveram distribuição normal com média 50 e desvio padrão 10.8.8 mm.5 mm.2.8 e z2=0. Calcular a porcentagem de rejeição. qual deve ser esta garantia. e 45. mensalmente? (19.000 km? (0. Qual a porcentagem de peças que se situam: a) Acima de 510 mm. Verifica se que l0% das peças são rejeitadas como grandes e 20% como pequenas.5 e 301. B=15% das próximas notas. E=10% das notas mais baixas. ocasionar prejuízo à empresa? (0.? (19. qual a probabilidade de uma unidade desse item. (15. 5.129%) b) Na próxima semana o lucro esteja entre 40.000 km e 165. sabe por experiência passada.2%? 4.3<C<56. (µ=7.000 u.4.. para que a porcentagem de motores substituídos seja inferior a 0.53% como pequenos.000 baterias mensalmente. com média de I50. Qual a probabilidade de que: a) Na próxima semana o lucro seja maior que 50. 3. em um exame de múltipla escolha de inglês.621%) 6. isto é. que as baterias de sua fabricação têm vida média de 600 dias e desvio padrão de 100 dias. Oferece uma garantia de 312 dias.000 u.? (40. respectivamente. C=50% das notas.000 u.SEXTA LISTA DE EXERCÍCIOS DE ESTATÍSTICA Distribuição Normal 1.87%) b) Entre 470 e 530 mm. tenha um motor que dure: a) Menos de 170. Dois estudantes foram informados de que alcançaram as variáveis reduzidas de z1=0. 83 .2. no caso da especificação ser ampliada para 298.7. Levantamento do custo unitário de produção de um item da empresa revelou que sua distribuição é normal com média 50 e desvio padrão 4. Uma peça é aceita num controle de qualidade com dimensões entre 299 e 301 mm. sendo que a duração tem aproximadamente distribuição normal.3.000 km.m. Determine as notas limites para a classificação dos candidatos. 43. E<37. 8.m. Se o preço de venda unitário desse produto é 60.000 km e desvio padrão de 5.m.999968) b) Entre 140.m. 8.2<D<43. Fabrica 10.8 e 6. Qual a probabilidade de que um carro. 37.m. escolhido ao acaso.7< B<62. Um fabricante de baterias. e desvio padrão 8.51% como grandes.000 u.000 u. dos fabricados por essa firma. (99. A>62. Um processo de fabricação produz peças com comprimento médio de 500 mm e desvio padrão de 10 mm. escolhido ao acaso. Os balancetes semanais realizados em uma empresa mostraram que o lucro realizado distribui-se normalmente com média 48. Uma fábrica de canos sabe que os motores de sua fabricação têm duração normal. respectivamente.

4834 0.1 1.4993 0.4756 0.4971 0.4292 0.4934 0.3577 0.3340 0.1406 0.2764 0.4920 0.4985 0.4535 0.4992 0.4997 0.4998 0.5000 6 7 0.4998 0.1628 0.3 1.4817 0.4979 0.4984 0.0000 0.4995 0.5000 4 0.4838 0.0517 0.6 1.4474 0.4999 0.4582 0.4898 0.4357 0.4964 0.4554 0.4750 0.4952 0.4999 0.2389 0.4997 0.1 0.4997 0.4992 0.1331 0.0478 0.2852 0.4995 0.0714 0.4966 0.1915 0.4699 0.1985 0.0080 0.4956 0.4989 0.4177 0.2611 0.3810 0.4981 0.4997 0.8 2.1293 0.4961 0.4998 0.4641 0.4959 0. Área sob a Curva Normal Padronizada Compreendida entre os Valores 0 e Z 0 Z 0.3869 0.6 2.2019 0.4 2.3665 0.4996 0.8 0.4887 0.4998 0.4909 0.4803 0.4999 0.4988 0.4974 0.5 2.4946 0.4963 0.4938 0.2642 0.4564 0.4738 0.3212 0.4997 0.4821 0.4970 0.0359 0.3770 0.1808 0.2324 0.4693 0.1736 0.3962 0.4957 0.4452 0.4382 0.2157 0.4719 0.0160 0.4999 0.4192 0.4656 0.4812 0.4826 0.4999 0.4997 0.4999 0.4990 0.0832 0.4996 0.4808 0.4222 0.1700 0.2939 0.0871 0.4864 0.4664 0.8 1.0 2.4985 0.4943 0.3708 0.4994 0.3289 0.4977 0.2088 0.4793 0.4998 0.3997 0.3133 0.5 0.3531 0.4911 0.2190 0.1664 0.3599 0.2794 0.2 2.4878 0.4999 0.1103 0.4798 0.4936 0.4591 0.1844 0.4999 0.4993 0.5000 3 0.5000 9 0.4982 0.4973 0.4999 0.4495 0.0279 0.4999 0.4998 0.2881 0.2 1.4996 0.4978 0.4983 0.4994 0.4996 0.2517 0.4918 0.0120 0.4997 0.3830 0.8 3.4881 0.1879 0.4830 0.4960 0.4932 0.4686 0.1179 0.4990 0.0398 0.4931 0.4997 0.4999 0.4955 0.0948 0.3944 0.4871 0.4625 0.4099 0.2823 0.4922 0.0753 0.0 1.0910 0.2 3.4515 0.4948 0.3643 0.Tabela 1.3 3.4993 0.4977 0.1554 0.4999 0.2123 0.4991 0.3 0.4998 0.4767 0.4394 0.4972 0.4265 0.4998 0.3485 0.4999 0.4986 0.4992 0.4857 0.4967 0.4991 0.4998 0.4995 0.0 0.3159 0.1772 0.4996 0.9 0 1 0.4713 0.2486 0.5000 0.4989 0.4995 0.4998 0.3413 0.4678 0.4990 0.0 3.4925 0.4999 0.4999 0.4994 0.4916 0.4995 0.2054 0.3238 0.4463 0.4999 0.4616 0.4997 0.4998 0.9 3.4608 0.3051 0.1368 0.4744 0.4115 0.0987 0.2704 0.4949 0.4965 0.0040 0.4890 0.4995 0.4999 0.4236 0.0557 0.4929 0.3264 0.1591 0.4999 0.4982 0.4969 0.4975 0.1950 0.4066 0.3365 0.4788 0.4998 0.6 0.4207 0.4441 0.4994 0.4732 0.4987 0.4306 0.3554 0.0636 0.1 2.1217 0.4842 0.4984 0.2422 0.2357 0.2224 0.4147 0.4994 0.3621 0.3749 0.4991 0.4906 0.4 0.3438 0.4854 0.2454 0.3849 0.4649 0.4778 0.4525 0.4875 0.4927 0.4131 0.4997 0.4987 0.4573 0.4987 0.4951 0.1141 0.7 2.3907 0.4976 0.7 1.2291 0.9 1.4953 0.0199 0.4783 0.3925 0.4968 0.3888 0.5 3.4999 0.4370 0.4015 0.4861 0.4962 0.2257 0.5000 8 0.2549 0.7 0.4633 0.4980 0.4999 0.1064 0.3980 0.4941 0.0319 0.4406 0.3729 0.4999 0.4505 0.1443 0.3186 0.4945 0.4761 0.4 3.4082 0.4868 0.2967 0.4599 0.4850 0.3315 0.4999 0.4049 0.4726 0.4999 0.3461 0.4986 0.4988 0.3790 0.4484 0.4993 0.4998 0.3508 0.4772 0.4884 0.4999 0.4999 0.4429 0.4162 0.2995 0.4979 0.4032 0.1026 0.4706 0.4332 0.0438 0.4671 0.1255 0.2734 0.4846 0.4999 0.1480 0.4901 0.5 1.6 3.4 1.4904 0.0675 0.3389 0.4893 0.4996 0.4940 0.4999 0.4319 0.0596 0.4345 0.3106 0.0793 0.9 2.3023 0.4989 0.3686 0.2673 0.2580 0.4418 0.4999 0.5000 84 .5000 z 5 0.5000 2 0.4251 0.0239 0.1 3.1517 0.2910 0.4279 0.4913 0.4545 0.4981 0.2 0.3 2.4974 0.5000 0.4896 0.7 3.3078 0.4992 0.

Sign up to vote on this title
UsefulNot useful