UNIFEI

Instituto de Matemática e Computação

MAT013 Probabilidade e Estatística
Profs. Nancy Chachapoyas e José Vidarte
Semana 1 abril: 26-30 Abril

Cada semana de aula teremos as seguintes atividades:

1. Estudo individual das notas enviadas através do SIGAA e/ou visualização de video aulas.

2. Exercício(s) enviadas através do SIGAA, para ser entregue como tarefa via SIGAA, para a
verificação de presença.

3. Tira dúvidas via e-mail ou Google meet.

Roteiro da Semana 1-Abril

• Dia 1: Estudo individual das notas de aula das página 1 a 4.

• Dia 2: Estudo individual das notas de aula da página 5 a 6.

• Dia 2: Aula tira-dúvidas via google meet (veja o arquivo de informações para obter o link e
horário de atendimento.)

1 O que é estatística
O termo Estatística é comumente usado de duas maneiras. Por um lado usamos o termo
estatística na comunicação diária quando nos referimos à coleta de números o fatos. Seguem
alguns exemplos desta acepção do termo:

1. Na média, o sálario inicial de engenheiros é 40% mais altos do que o de técnicos.

2. A produção industrial cresce 2, 3% em dezembro, mas fecha o ano com queda de 6, 6%.

3. A produção industrial cresce em 10 dos 14 locais pesquisados em dezembro.

Por outro lado lado, estatística é um objeto científico, que fornece as técnicas de coleta, organi-
zação, resumo, análise e interpretação de resultados para o embasamento de tomadas de decisão
apropriados. Em um sentido amplo, o objeto da estatística pode ser dividido em três partes:
Estatística descriptiva, teoria de probabilidades e estatística inferencial .

Estatística Descriptiva: A estatística descriptiva é o conjunto de técnicas analíticas utilizadas

para resumir o conjunto de todos os dados coletados em uma dada investigação.

1
Teoria de Probabilidades: A teoria de probabilidades nos permite descrever os fenômenos
aleatórios, ou seja, aquela em que está presente a incerteza.

Inferência Estatística: A inferência estatística é o conjunto de técnicas que nos permite tirar
conclusões sobre um grande conjunto de dados com base na informação obtida pela análise
de um pequena porção desses dados.

Observação 1 Veja o seguinte video aula para complementar a teoria: https: // www. youtube.
com/ watch? v= 0EySnmt_ d_ 0

2 Estatística Descriptiva
Compreende a coleta, a organização, a análise e o resumo de dados oriundos de pesquisas
ou levantamentos de uma população ou amostra (sem fazer nenhuma generalização dos resulta-
dos obtidos) Nesta parte, utilizam-se tabelas para representar essas informações. Também serão
destacadas as medidas de tendência central e as medidas de dispersão ou variabilidade.

Definições:

• Dados: Conjunto de valores numéricos ou não.

• População: é uma coleção (conjunto) deindivíduos ou objetos que possuem pelo menos
uma característica em comum.

Denotemos por N= número de elementos de uma população.

• Amostra: é uma porção (ou subconjunto) de uma população selecionada para estudo.
Denotemos por n= número de elementos de uma amostra.

Exemplo 2 Considere:
População: Estudantes da UNIFEI (N=6.907).
Amostra: Estudantes do IMC-UNIFEI.

3 Variáveis quantitativas e qualitativas

Uma variável é uma característica de interesse na população ou na amostra que pode assumir
valores diferentes para diferentes elementos.

Exemplo 3 Considere:
População: Estudantes da UNIFEI.
Variável: Peso, Altura, Idade, Sexo, Número de filhos, Religião, etc.

As variáveis são divididas em quantitativas e qualitativas

2
 1. Variável quantitativas: Os valores são de natureza numérica.

(a) Variável Discreta: Os valores podem ser contados, assumindo em geral, valores in-
teiros.
(b) Variável Contínua: Assumem valores em intervalos dos números reais.

2. Variável qualitativas: Os valores são não numéricos (apresentam qualidade)

(a) Variável Ordinal: Os valores têm uma ordenação natural.

(b) Variável Nominal: Os valores não têm uma ordenação natural.

Exemplo 4 Considere:
População: Estudantes da UNIFEI.

Variável contínua Peso: 51,2; 50; 49,2; 53,3; etc.

Variável discreta Idade: 22, 20, 18, 25, etc.
Variável discreta Número de irmãos: 0, 2, 1, 3, 4, etc.
Variável ordinal Tamanho de roupas: P, M, G, XG, etc.
Variável nominal Sexo: Feminino, Masculino.

Observação 5 Veja o seguinte video aula para complementar a teoria: https: // www. youtube.
com/ watch? v= fBQVdJRI7XI

4 Organização de Dados
Discutiremos alguns procedimentos que podem ser utilizados para organizar e descrever um
conjunto de dados (de uma população ou uma amostra).
Dados Brutos: É um conjunto de valores ( numéricos ou não) disponíveis, após a tabulação
do questionário ou pesquisa de campo. Quando os dados estão ordenados de forma crescente é
chamado ROL.

Exemplo 6 Considere a seguinte tabela com informações obtidas num questionário aplicado aos
alunos da disciplina MAT 013 (UNIFEI).

Sexo F, F, M, M, M, F, M, F, F, F, M, M ,F, F, F, M, F, M, F, M
Idade 20, 22,19,18,22,21,20,20,19,21, 22,21,20,19,18,20,20,19,18,22.
Peso 52,1; 61,5; 70,8; 72,3; 50,5, 66,3; 61,4; 49,4; 53,8; 55,5; 55,8;
55,6; 58; 56; 60,3; 62,5; 59,8; 57,5; 54; 59,8.

3
Tabelas de Distribução de Frequências
A partir dos dados brutos (ou Rol), será construída uma tabela com as informações resumidas,
para cada tipo de variável, denominada tabela de frequências.
Esta tabela conterá os valores da variável e suas respectivas contagens.

a) Distribução de Frequência para v.a. qualitativas ou v.a discreta com poucos

valores: Esta tabela deverá conter as seguintes informações:
Na primeira coluna: os valores da varíavel (valores únicos ou pontuais), Nas próximas colu-
nas: A frequéncia absoluta, frequência relativa, A frequéncia acumulada, frequência acumu-
lada relativa.

b) Distribução de Frequência em Classes para v.a. contínuas ou v.a discreta com

muitos valores: A organização e apresentação de dados de variáveis númericas, quando em
grande quantidade(valores discretos ou contínuos), são feitas pela distribução de frequências
em classes. A série assim obtida sumariza os resultados de uma variável categorizada em
classes, o que facilita a percepção da distribução dos dados.
Esta tabela deverá conter as seguintes informações:
Na primeira coluna: os valores da varíavel em faixas ou pequenos intervalos,
Nas próximas colunas: A frequéncia absoluta, frequência relativa, A frequéncia acumulada,
frequência acumulada relativa.
Para a construção das faixas definimos os seguintes termos:

1. Amplitude total ou Range (R): É a diferença entre o maior e o menor dos valores
observados da variável.
2. Números de classes (K): Divida o conjunto de dados em um número de classes. As
classes são às vezes, chamadas de categorias, celas ou faixas. Não há regras rígidas ou
rápidas para a determinação do número de classes.
Usamos a fórmula de Sturges é frequentemente usada, e é dada por

K = 1 + 3, 322 log n

ou a fórmula da raiz quadrada

√
K = 5 se n ≤ 25 e K = 2
n se n > 25.

Note que, uma vez que K, deve ser uma número inteiro, podemos arredondar para mais
ou para menos.

Observação 7 As vezes o problema pode indicar o número de classes a ser usado.

3. Amplitude das classes (h): Determine a largura das classes como se segue:

h∼
= R/K.

4
 4. É comum usar a representação a ` b para uma classe, significando que o intervalo
contém os valores de a inclusive até b exclusive (em notação matemática, o intervalo
[a, b)).

Exemplo 8 Sejam os seguintes dados brutos que representa idade de alunos : 24 − 23 − 22 − 28 −

35 − 21 − 23 − 33 − 34 − 24 − 21 − 25 − 36 − 26 − 22 − 30 − 32 − 25 − 26 − 33 − 34 − 21 − 31 −
25 − 31 − 26 − 25 − 35 − 33 − 31. Temos que:
R = 36 − 21 = 15
K = 1 + 3, 322 log(30) = 5, 90 ∼
= 6. Usando a fórmula de Sturge.
∼3
h = 15/6 = 2, 5 =

Elementos da tabela
(a) Na primeira casa da coluna indicadora são colocadas o nome da variável e sua unidade.

(b) Abaixo dela são colocadas os valores da variável ou as classes da variável.

(c) Frequência absoluta (f ou fi ): colocada na coluna ao lado, é o número de vezes que o

valor da variável aparece na população ou amostra. Ou o número de valores pertencentes a
uma classe i.

(d) Frequência relativa (fr ): é calculada por fr = fi /n. Se multiplicamos por 100%, teremos
a frequência relativa percentual (fp );

(e) A frequência acumulada (F , Fi ): A frequência acumulada é calculada por

i
X
Fi = fj .
j=1

Isto é, a soma das frequências dos valores inferiores ou iguais ao valor dado.

(f) Frequência acumulada relativa (Fr ): é calculada por Fr = Fi /n. Se multiplicamos por
100%, teremos a frequência acumulada percentual (Fp );

Exemplo 9 Temos a tabela de frequências dos dados do exemplo 8. Variável: Idade (note que a
v. é discreta com poucos valores)

5
 Idade f fr F Fr
18 3 0, 15 3 0,15
19 4 0, 2 7 0,35
20 6 0, 3 13 0,65
21 3 0, 15 16 0,8
22 4 0, 2 20 1
Total 20 1 − −

Exemplo 10 Temos a tabela de frequências dos dados do exemplo 8 (Note que temos uma v.a
discreta com muitos valores).

Table 1: Distribução de Idades

Idade f fr F Fr
21 ` 24 7 7/30 7 7/30
24 ` 27 9 9/30 7 + 9 = 16 16/30
27 ` 30 1 1/30 7 + 9 + 1 = 17 17/30
30 ` 33 5 5/30 7 + 9 + 1 + 5 = 22 22/30
33 ` 36 7 7/30 7 + 9 + 1 + 5 + 7 = 29 29/30
36 ` 39 1 1/30 7 + 9 + 1 + 5 + 7 + 1 = 30 30/30
Total 30 1 − −

Exercício 11 Os dados que seguem são os comprimentos (em milímetros) de 40 hastes sele-
cionadas aleatoriamente, fabricadas por uma companhia:

145 140 120 110 135 150 130 132 137 115
142 115 130 124 139 133 118 127 144 143
131 120 117 129 148 130 121 136 133 147
147 128 142 147 152 122 120 145 126 151

Prepare uma tabela de distribução de frequência para esses dados, use a fórmula do quadrado para
obter o número de classes (K).

Observação 12 Veja o seguinte video aula para complementar a teoria:

https: // www. youtube. com/ watch? v= rRtPYG0sqlQ
https: // www. youtube. com/ watch? v= J8W2Kj5xnsU& list= PL7xT0Gz6G0-Rh3-UVhgatvP-a-3aC1ais&
index= 6
https: // www. youtube. com/ watch? v= 5Ah5OVYRCGU& list= PL7xT0Gz6G0-Rh3-UVhgatvP-a-3aC1ais&
index= 7
https: // www. youtube. com/ watch? v= 6c_ Mx8m0Fko& list= PL7xT0Gz6G0-Rh3-UVhgatvP-a-3aC1ais&
index= 11