lOMoAR cPSD| 14920072

MACS - 10º e 11º ano - Resumos de MACS com a matéria de

10º e 11º ano.
Português (Ensino Secundário (Portugal))

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

Matemática Aplicada às Ciências Sociais (M.A.C.S.)

1 – Métodos de apoio à decisão
1.1 – Teoria matemática das eleições
1.1.1 – Sistemas de votação
[Link] – Sistemas maioritários
Nos sistemas maioritários, o candidato mais votado ganha tudo, e os outros não ganham
nada.

• De uma volta: ganha o candidato mais votado (independentemente de ter maioria

absoluta – mais de metade dos votos – ou relativa – maior parte dos votos);
• De duas voltas: ganha o candidato que obtiver maioria absoluta na 1ª volta, caso
contrário serão admitidos à 2ª volta os dois candidatos mais votados, e ganhará o
que obtiver mais votos;
• De duas ou mais voltas: são admitidos na 2ª votação todos aqueles que atinjam
uma determinada percentagem de votos, repetindo-se o processo até se obter o
vencedor com maioria absoluta.

[Link] – Sistemas de representação proporcional

Método de Hondt Método de Saint-Laguë

1 – Dividir os votos por 1, 2, 3, ...; 1 – Dividir os votos por nºs ímpares;

2 – Ordenam-se os quocientes por ordem decrescente, até que o seu nº seja igual ao de
representantes a eleger;

3 – Os mandatos pertencem às listas com maiores quocientes;

4 – Em caso de empate no último mandato, ele pertence à lista com menos votos.

nº total de eleitores
1 – Calcular o divisor padrão = ;
nº de lugares a distribuir

nº de votos na lista

2 – Calcular a quota padrão = ; divisor padrão

3 – Atribuir a cada lista um nº de lugares iguais às:

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

• Quotas mínimas

4 – Se a soma das quotas mínimas for igual ao nº de lugares a eleger, a eleição está feita,
caso contrário:

Método de Hamilton Método de Jefferson

Atribuem-se os lugares sobrantes, um a Procura-se, por tentativa e erro (t. e e.),
um, às listas com quota com maior um divisor padrão modificado – assim,
decimal. quando se procede ao arredondamento
das quotas modificadas , a soma de
todas elas é igual ao número de lugares

• Quotas máximas a atribuir.

Método de Adams
4 – Se a soma das quotas máximas for igual ao nº de lugares a eleger, a eleição está feita,
caso contrário, procura-se, por t. e e., um divisor padrão modificado.

• Quotas arredondadas

Método de Webster
4 – Se a soma das quotas arredondadas for igual ao nº de lugares a eleger, a eleição está
feita, caso contrário, procura-se, por t. e e., um divisor padrão modificado. Método de
Huntington-Hill
3 – Se a quota é um nº inteiro, atribui-se ao interveniente essa quota; se não for, calcula-

se a sua média geométrica - MG = √p×q, sendo p a quota superior, e q a quota inferior;

4 – Se a média geométrica for menor que a quota padrão, então arredonda-se a quota
para quota máxima; se for maior que a quota padrão, arredonda-se a quota para quota
mínima;

5 – Se a soma das quotas não for igual ao nº de lugares a eleger, por t. e e., procura-se
por um divisor padrão modificado.

Paradoxos do método de Hamilton

Paradoxo de Alabama – Um aumento no nº total de lugares a distribuir pode provocar
a perda de um lugar a um estado;

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

Paradoxo da população – Perda de um lugar a um estado por aumento da sua

população.

Paradoxo dos novos estados – A introdução de um novo estado e dos seus novos
lugares pode afetar o nº de lugares atribuído aos outros estados.

[Link] – Sistemas por ordem de preferência ou preferenciais

Método da pluralidade
Vence o candidato com maior nº de lugares. Método

de eliminação run-off
Simples: São eliminados todos os candidatos à exceção dos dois que reúnem maior nº
de primeiras preferências.

Sequencial:
1 – Contam-se os primeiros lugares de cada candidato e elimina-se aquele que tiver
menos;

2 – Com o esquema reorganizado, sem o candidato eliminado, repete-se o

processo, até se obter o vencedor.

1 – P = nº de pessoas que possam ser eleitas;

2 – Cada eleitor vota nos candidatos pela sua ordem de preferência, da 1ª à p-ésima
preferência;

Método de Borda
3 – São atribuídos pontos a cada um, conforme a ordem de preferência, ou seja, p
pontos para o 1º, p-1 para o 2º, …, e 1 ponto para o último;

4 – Os candidatos são ordenados pela soma dos pontos obtidos, e ganha quem
obtiver mais pontos.

Método de Condorcet
3 – Os candidatos são comparados dois a dois, e o vencedor é aquele que venceu mais
confrontos diretos.

[Link] – Sistema de aprovação

• É uma forma encontrada para uma eleição mais justa;

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

• Todos os votantes podem votar em tantos candidatos quantos quiserem; •

Cada candidato recebe um voto, e o candidato com mais votos ganha.

Teorema de Arrow – Para eleições envolvendo mais do que dois candidatos, é

matematicamente impossível encontrar um método democrático e justo para
determinar o vencedor.

1.2 – Teoria da partilha equilibrada

1.2.1 – Partilhas no caso discreto
Os objetos a partilhar são indivisíveis: casas, automóveis, etc.

[Link] – Método do ajuste na partilha

1 – Cada um dos intervenientes tem100 pontos para distribuir secretamente pelos
itens a serem partilhados;

2 – Cada item é atribuído (temporariamente) ao interveniente que mais o valorizou

(em caso de empate, é atribuído ao que tiver menos pontos);

3 – Se os dois intervenientes tiverem o mesmo nº de pontos, a partilha está feita;

caso não tenham, o que tiver mais pontos transfere itens (ou parte deles) para o outro,
até igualar o nº de pontos. Para isto, calculam-se os quocientes referentes a cada um
dos itens atribuídos ao interveniente que ficou com mais pontos
nº de pontos atribuídos ao item pelo vencedor inicial
( ) e colocam-se por ordem decrescente; nº de pontos atribuídos ao item pelo perdedor
inicial

4 – Faz-se a transferência do item a que corresponde o menor quociente e

contabilizamse novamente os pontos;

5 – Se a transferência total de um item der vantagem à parte que o recebe, terá de

se efetuar a transferência apenas de uma percentagem do item, de forma a igualar o nº
de pontos. Para tal considera-se p a proporção do item que fica para um dos
intervenientes, e 1-p a proporção do mesmo item que fica para o outro interveniente.
Somam-se os pontos atribuídos pelo primeiro interveniente aos seus itens ao produto
de p comos pontos que o mesmo atribui ao item a ser transferido, e faz-se o mesmo com
os pontos atribuídos pelo segundo interveniente aos seus itens e com o produto de 1-p
com os pontos que o mesmo atribui ao item a ser transferido.

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

[Link] – Método das licitações secretas

1 – Cada um dos intervenientes atribui, secretamente, um valor em dinheiro a cada
um dos itens a dividir. A parte que cada um dos intervenientes considera ser justa
receber – valor justo – será igual ao quociente entre o valor total que atribuiu aos itens
e o nº de intervenientes;

2 – Cada item é atribuído ao interveniente que mais o valorizou. Se o valor total

dos itens recebidos por um interveniente ultrapassa o que considerou como valor justo
a receber, terá de pagar aos outros a diferença. Se, pelo contrário, o valor dos itens for
inferior ao valor justo, serão os outros intervenientes a pagar-lhe a diferença;

3 – O dinheiro excedente – montante disponível – é dividido igualmente por todos

os intervenientes.
Exemplo:

[Link] – Método dos marcadores

1 – Alinham-se os objetos a dividir, e cada interveniente divide, secretamente, a
fila de objetos num nº de segmentos igual ao nº de interessados;

2 – Da esquerda para a direita procuram-se os 1ºs marcadores de cada

interveniente. O dono do 1º marcador a aparecer fica com os objetos à esquerda (o seu
1º segmento) e retiram-se todos os seus restantes marcadores;

3 – Observa-se de novo a fila de objetos, procurando agora os 2ºs marcadores de

cada interveniente. O dono do primeiro 2º marcador a aparecer fica com todos os

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

objetos que se encontram entre o seu 1º marcador e o seu 2º marcador (o seu 1º

segmento). Retiram-se todos os seus marcadores, assim como os primeiros marcadores
dos restantes intervenientes;

4 – Repete-se o processo até que todos tenham a parte que consideram justa. Se
no final restar apenas um marcador de um dos intervenientes, este fica com todos os
objetos que se encontram à direita do seu marcador;

5 – As sobras podem dividir-se por sorteio ou, se ainda forem mais do que os
intervenientes, aplica-se de novo o método.

1.2.2 – Partilhas no caso contínuo

Os objetos a partilhar são divisíveis: comida, terrenos, etc. No 1º método, participam
duas pessoas. Nos seguintes, participam três ou mais pessoas.

[Link] – Método do divisor-selecionador

1 – O divisor, que é escolhido aleatoriamente, efetua a divisão do objeto em duas partes
que considera serem iguais;

2 – O selecionador escolhe uma das partes e o divisor fica com a que sobra.

[Link] – Método do divisor único

1 – Sorteia-se quem irá dividir o bem. Quem for escolhido divide-o no nº de partes
correspondente ao nº de pessoas;

2 – Os selecionadores selecionam a parte que querem para si:

• Se votarem em partes diferentes, cada um fica com a que quer, e o divisor fica com
a restante;

• Se dois ou mais votarem na mesma parte, mas um deles também tiver votado numa
ainda disponível, esse mesmo selecionador fica com a outra opção, libertando a
outra parte para o outro;

• Se dois ou mais votarem na mesma parte, o divisor escolhe uma das partes
restantes, e as que sobram são unidas e divididas por um dos selecionadores, e
escolhida pelo outro.

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

[Link] – Método do selecionador único

1 – O bem é dividido em tantas partes quanto o nº de divisores;
2 – Cada divisor divide a sua parte em tantas partes quanto o nº de intervenientes;
3 – O selecionador escolhe uma parte de cada divisor, e o restante fica para eles.

[Link] – Método do último a diminuir

1 – Todos os intervenientes (simultaneamente divisores e selecionadores) são
ordenados aleatoriamente; 2 – O primeiro interveniente divide uma parte do bem que
considere 1 do valor total, n sendo n o nº de intervenientes; 3 – O interveniente seguinte
pode dizer que a parte dividida é mesmo 1 ou menor, e n passa a vez ao interveniente
seguinte, ou pode dizer que a parte dividida é mais do que
1
, retira-lhe uma parte, e passa a vez ao interveniente seguinte; n
4 – Os intervenientes seguintes fazem o mesmo, e, depois da 1ª volta, o último a
ter diminuído a parte fica com ela e sai do jogo. Caso, nessa volta, ninguém tenha
reduzido essa parte, o interveniente que a dividiu inicialmente sai com ela;

5 – O processo repete-se até sobrarem dois jogadores: aí, um divide ao meio, e o

outro escolhe uma das partes (método do divisor-selecionador).

[Link] – Método livre de inveja

1 – Aleatoriamente, é escolhido um divisor e a ordem dos intervenientes;
2 – O divisor divide o todo em n+1 partes que considere iguais (sendo n o nº de
intervenientes);

3 – Os intervenientes retificam as partes que consideram estar em excesso. No processo

de escolha, caso a parte que um interveniente tiver retificado não tiver sido ainda
escolhida, o mesmo interveniente tem de escolhê-la obrigatoriamente;

4 – No fim do processo de escolha, devem sobrar duas partes – o divisor escolhe uma
delas para si.

[Link] – Método da faca deslizante

1 – Uma pessoa (que não recebe nenhuma parte) move a faca sobre o alimento até
que alguém peça para parar – aí, a pessoa com a faca corta uma fatia;

2 – A parte que foi cortada fica para a pessoa que pediu para parar, e o processo
repetese até todos terem uma fatia.

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

2 – Estatística
2.1 – Dados, tabelas e gráficos
2.1.1 – Noções básicas
[Link] - Variável
A variável ou caráter estatístico (xi) é uma característica ou propriedade da população
em estudo, à qual se pode atribuir um nº ou uma categoria. As variáveis estatísticas
podem ser:

• Qualitativas – são atributos que, por se relacionarem com qualidades, não se

podem traduzir numericamente;

• Quantitativas – são atributos que se podem traduzir numericamente, através de

uma contagem ou de uma medição. Estas podem ainda ser:
• Discretas – a variável só toma valores correspondentes a pontos isolados;
• Contínuas – a variável só pode tomar qualquer valor de um intervalo.

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

[Link] População
A população ou universo estatístico é o conjunto de elementos com pelo menos uma
característica comum que se pretende analisar.
Chama-se unidade estatística a cada um dos elementos da população, e efetivo ou
dimensão da população ao nº de elementos da população.
Faz-se um censo quando se quer realizar um estudo estatístico que incida sobre todos os
elementos da população.

[Link] – Amostra
A amostra é o subconjunto finito da população. Amostragem é todo o processo de
recolha de uma parte, geralmente pequena, dos elementos que constituem um dado
conjunto. Da análise dessa parte pretende obter-se informações para todo o conjunto.
Nesse processo, é importante distinguir entre população e população inquirida – aquela
sobre a qual é efetivamente feita a amostragem.
Faz-se uma sondagem quando se quer realizar um estudo estatístico em que se utilize
apenas uma amostra da população.

2.1.2 – Construção de tabelas de frequência

[Link] – Frequência absoluta
A frequência absoluta (fi) é o nº de vezes que o valor da variável se repete ou é
observado. A frequência absoluta acumulada (Fi) é igual à soma das frequências
absolutas.

[Link] – Frequência relativa

A frequência relativa (fri) é igual ao quociente entre a frequência absoluta e o nº total
de observações. A frequência relativa acumulada (Fri) é igual à soma das frequências
relativas.

[Link] – Regra de Sturges

Para organizar uma amostra de dados contínuos, de dimensão n, pode considerar-se para
o nº de classes o valor k, onde k é o menor nº inteiro, tal que 2k ≥ n.

2.1.3 – Representações gráficas

[Link] – Diagramas de caule-e-folhas
1 – Traça-se uma linha vertical e regista-se do lado esquerdo o(s) dígito(s)
da ordem de maior grandeza;

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

2 – Regista-se do lado direito da linha o dígito do valor da variável em estudo

correspondente às unidades (podem ou não aparecer por ordem crescente).
[Link] Gráficos circulares
Ano de escolaridade dos
São gráficos construídos a partir da divisão
participantes
de um círculo em setores circulares cuja área
12º Ano
é proporcional à frequência de cada um dos 9%
11º Ano
valores da variável. A amplitude do ângulo de 10%
fi9º Ano cada setor é igual a x 360° 10º Ano ou a fri x
360°. 23%
n58%

[Link] – Pictogramas
São gráficos onde se utilizam figuras o símbolos alusivos à variável em estudo.

[Link] – Gráficos de barras

São gráficos formados por um conjunto de barras cuja altura é proporcional às
frequências de cada um dos valores da variável. Num dos eixos, marcam-se as
frequências, e no outro, os valores da variável.
As variáveis devem ser qualitativas ou quantitativas discretas.

10

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

Cor do cabelo dos participantes Nº de irmãos dos participantes

45 35 32
39
40 30
35
25
30
25 20
15
20 15
15 12 10
10
10 6
3 5 3
5
0 0
Castanho Loiro Ruivo Outro 0 1 2 3

Cor do cabelo (xi) Nº de irmãos (xi)

[Link] Gráficos de linhas

São usados para representar informação que varia ao longo do tempo.

Evolução das vendas (em milhões de euros)

80
70
60
50
40
30
20
10
0
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
Anos (xi)

[Link] – Histogramas
São gráficos formados por um conjunto de retângulos adjacentes, tendo por base o
intervalo da classe e uma área proporcional às respetivas frequências (absolutas e
relativas) de cada classe. Estes gráficos utilizam-se sempre que os dados estão
agrupados em classes na forma de intervalos (variáveis contínuas).
Para se calcularem o nº de classes de uma variável utiliza-se a Regra de Sturges, e para se
calcular o intervalo das classes, faz-se a amplitude do conjunto dos dados.

Notas dos alunos no exame

11

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

14

12

10

0
2 4 6 8 10 12 14 16 18 20
Notas dos alunos (xi)

[Link] Polígonos de frequências

O polígono de frequências resulta da união sucessiva dos pontos médios dos lados
superiores dos diferentes retângulos de um histograma através de segmentos de reta.
Para que o polígono fique concluído, deverá ainda unir-se o extremo esquerdo do
polígono com o ponto médio da classe anterior à primeira cuja frequência é nula,
procedendo-se analogamente para o extremo direito do polígono.

Notas dos alunos no exame

14

12

10

12

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

2 4 6 8 10 12 Notas 14 16 18 20
dos alunos (xi)

2.2 – Cálculo de
estatísticas
2.2.1 – Medidas de
localização
[Link] – Média n

∑ xi

• Para dados simples ou não classificados: Casio: Stat – Calc – 1 Var

n
• Para dados agrupados ou classificados: n (dados simples) / 2 Var
∑ fi × xi (dados agrupados) - x
x =__i= 1 _
[Link] – Moda n
A moda (Mo) é o valor da variável ao qual corresponde uma maior frequência. A amostra
é:

• Bimodal se houver dois valores com a maior frequência; • Plurimodal se

existirem vários valores com a frequência mais alta;
• Amodal se os valores da variável têm todos a mesma frequência.
Quando os dados estão agrupados em classes, sob a forma de intervalos, a classe modal
é a classe à qual corresponde a maior frequência.
[Link] Mediana
A mediana (Md ou 𝐱̃) é preferível à média quando se
está interessado em conhecer o ponto médio da Casio: Stat – Calc – 1 Var/ 2 Var
distribuição dos dados, ou seja, o valor que divide os - Med
dados em duas partes iguais (Q2).

[Link] – Quartis

• O 1º quartil (Q1) é o valor que divide a amostra (ordenada por ordem crescente)
em duas partes, de tal modo que 25% das
observações sejam inferiores ou iguais a esse
Casio: Stat – Calc – 1 Var/ 2 Var
valor. Quando n é: • Par – Q1 = xk, k = n+ 2;
– Q1
4• Ímpar – Q1 = xk, k = n+ 1. 4

13

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

• O 2º quartil (Q2) é o valor que divide a amostra (ordenada) em duas partes, de tal
modo que 50% das observações sejam inferiores
ou iguais a esse valor. O 2º quartil corresponde
Casio: Stat – Calc – 1 Var/ 2 Var
assim à mediana;
- Med
• Par – Q2 = x = xk+xk+1, k = n;

2 2

• Ímpar – Q2 = x = xk, k = n+1. 2

• O 3º quartil (Q3) é o valor que divide a amostra (ordenada por ordem crescente)
em duas partes, de tal modo que 75% das
observações sejam inferiores ou iguais a esse
Casio: Stat – Calc – 1 Var/ 2 Var
valor.
– Q3
• Par – Q3 = xk, k = ; • Ímpar – Q3 = xk, k = 3 x
n+ 1.

Diagrama de extremos e quartis

1 – Desenha-se uma linha vertical ou horizontal onde se marcam alguns dos valores da
variável, nomeadamente os extremos e quartis;

2 – Constrói-se um retângulo correspondente ao intervalo entre o 1º e o 3º quartil;

3 – Constrói-se um segmento de reta entre o extremo inferior e o 1º quartil e outro
segmento de reta entre o 3º quartil e o extremo superior.
A partir do diagrama de
extremos e quartis, podemse
tirar conclusões quanto à
dispersão e concentração
dos conjuntos de dados:

14

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

• Dados simétricos – os dados estão distribuídos de forma simétrica;

• Enviesamento para a esquerda – os dados estão mais dispersos à esquerda de Q2 e
mais concentrados à direita de Q2;
• Enviesamento para a direita – os dados estão mais dispersos à direita de Q2 e mais
concentrados à esquerda de Q2.

2.2.2 – Medidas de dispersão

[Link] – Amplitude
Representa-se por R (range) de um conjunto de dados à diferença entre o valor máximo
e o valor mínimo desse conjunto.

[Link] – Amplitude interquartil

A amplitude interquartil (Aq) é a diferença entre o 3º quartil (Q3) e o 1º quartil (Q1), isto
é, Q3 – Q1.

[Link] – Desvio médio

• Para dados simples:

• Para dados agrupados:

Na qual k representa o nº de valores diferentes que surgem na

amostra. Se os dados estão agrupados em classes, xi e fi são, respetivamente, o ponto
médio e a frequência absoluta da classe i; k é o número de classes.

[Link] – Desvio padrão

O desvio padrão representa-se por s quando os
dados da variável representam uma amostra, ou por Casio: Stat – Calc – 1 Var/ 2 Var
σ quando os dados da variável representam a – xσn (σ)/ xσn-1(s)
população, e é igual à
raiz quadrada da variância (s2 ou σ2), ou seja, σ =
√σ2. Quando os dados da variável representam:

• Uma amostra, a variância é igual a

• A população, a variância é igual a

15

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

2.3 – Dados bivariados

2.3.1 – Análise gráfica de dados bivariados
Dados bidimensionais ou bivariados são dados obtidos de pares de variáveis. Diagrama
de dispersão ou gráfico de correlação é um gráfico em que a cada ponto correspondem
duas coordenadas, que são os valores das duas variáveis em estudo (xi e yi). Este gráfico
permite analisar de que forma se relacionam duas variáveis.

[Link] – Correlação linear

Diz-se que existe correlação entre duas variáveis quando a variação de uma delas
implica uma alteração na outra.
A correlação diz-se linear se a nuvem de pontos se ajustar em torno de uma linha reta,
que é a reta de regressão.
A correlação linear pode ser:

• Linear positiva – quando a variável x aumenta, a variável y também

aumenta; diz-se que há uma associação positiva entre as variáveis
se aos maiores valores de uma correspondem, de uma maneira
geral, os maiores valores da outra;

• Nula – não há associação entre as variáveis quando a nuvem de

pontos se encontra bastante dispersa;

• Linear negativa – quando a variável x aumenta, a variável y diminui;

diz-se que há uma associação negativa entre as variáveis se aos
maiores valores de uma correspondem, de um modo geral, os
menores valores de outra, e vice-versa.

[Link] – Coeficiente de correlação

O coeficiente de correlação linear, ou coeficiente de
Pearson, mede o grau de associação linear entre
duas variáveis. Representa-se por r e varia entre -1 e 1.

• Se r=1, a correlação diz-se total (ou perfeita)

positiva;
Casio: Stat – Grph – Gph1 – X - r
• Se r=0, a correlação diz-se nula, isto é, não há
correlação linear;

• Se r=–1, a correlação diz-se total (ou perfeita) negativa.

16

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

2.3.2 – Tabelas de contingência

Tabela de contingência é um processo de organizar informação correspondente a dados
bivariados qualitativos, quantitativos ou ambos.

3 – Modelos matemáticos
3.1 – Modelos financeiros
3.1.1 – Problemas matemáticos da área financeira
[Link] – Impostos
Imposto é uma prestação de carácter obrigatório, das famílias para o Estado. Existem
dois tipos de impostos:

• Diretos – aqueles que incidem diretamente sobre o valor tributável, ou seja, o

rendimentos das famílias: exemplo do IRS e do IRC;

• Indiretos – aqueles que incidem indiretamente sobre o valor do rendimento das

famílias: exemplo do IVA, IMI, IMT, Imposto de Selo, Imposto sobre Veículos
Motorizados, Imposto sobre os Combustíveis, Imposto sobre o Tabaco e Imposto
sobre Heranças.

IVA
O IVA (Imposto sobre o Valor Acrescentado) é um imposto indireto e sobre a despesa.
Este imposto incide sobre bens de consumo, e a sua taxa varia no Continente e nas
Regiões Autónomas. Para se calcular o custo do IVA num bem, deve-se utilizar uma regra
de três simples ou uma multiplicação:

• Preço do bem com IVA ------- 100% + taxa de IVA Valor monetário do
IVA (x) ------- Taxa de IVA;

• Preço do bem sem IVA × Taxa de IVA (2 c. d.).

IMI
O IMI (Imposto Municipal sobre Imóveis) é um imposto indireto que incide sobre o
valor patrimonial tributário dos prédios rústicos, urbanos ou mistos, situados em
Portugal. O valor patrimonial tributário dos prédios urbanos (Vt) é obtido pela
expressão seguinte – Vt = Vc × A × Ca × Cl × Cq × Cv, na qual:

• Vc – valor base dos prédios edificados;

• A – área bruta de construção e área excedente à área de implantação;
• Ca – coeficiente de afetação;

17

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

• Cl – coeficiente de localização;
• Cq – coeficiente de qualidade e conforto;
• Cv – coeficiente de vetustez.
O Vt apurado é arredondado para a dezena de euros imediatamente superior (ex. –
246522,60 arredonda-se para 246530). Depois de se conhecer o Vt, o IMI calcula-se
multiplicando-o pela taxa em vigor na área onde se localiza o prédio urbano (ex. –
246530 (Vt) × 0,006 (0,6% de taxa) = 1479,18 €).
IMT
O IMT (Imposto Municipal sobre a Transmissão Onerosa de Imóveis) é um imposto
indireto e sobre o capital. Para calcular o valor a pagar de IMT, aplica-se a taxa
correspondente ao valor do imóvel (o valor a utilizar será o mais elevado dos dois
valores existentes – o valor de aquisição e o valor patrimonial), e, de seguida, subtraise
o valor da parcela a abater, ou seja: IMT = Valor do imóvel × Taxa - Parcela a abater.
IRS
O IRS (Imposto sobre o Rendimento de Pessoas Singulares) é um imposto direto e
sobre o rendimento. O cálculo do IRS muda de acordo com a situação, mas pode-se
resumir pelo seguinte:
• Quando o sujeito passivo faz deduções à coleta, é necessário calcular o
rendimento coletável antes de se calcular o IRS propriamente dito: Rendimento
bruto – deduções específicas = Rendimento líquido global; Rend. líq. global –
abatimentos = Rendimento coletável.
Quando o sujeito passivo não faz deduções à coleta, não é necessário calcular o
rendimento coletável, pois este vai ser igual ao rendimento bruto (caso o
contribuinte seja solteiro);
• Caso o sujeito passivo seja solteiro, o IRS vai ser calculado pela seguinte
fórmula: Rendimento coletável × taxa – parcela a abater.
Caso sejam dois sujeitos passivos casados, o IRS é calculado de forma diferente:
[(Rendimento coletável : 2) × taxa – parcela a abater] x 2

[Link] – Inflação e custo de vida

Enquanto que a inflação representa o crescimento contínuo e generalizado dos preços
dos bens, a deflação corresponde a uma descida continuada e generalizada deles. Uma
das consequências da inflação é a descida do poder de compra dos consumidores devido
ao aumento do custo de vida. A variação do custo de vida calcula-se pelo Índice de
Preços no Consumidor (IPC). Este índice toma em consideração um «cabaz de bens de
consumo corrente» fixo e mede o seu custo.
IPC (ano B) − IPC (ano A)
A taxa de inflação calcula-se da seguinte forma: × 100
IPC (ano A)

18

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

3.1.2 – Atividade bancária

[Link] – Depósitos e juros
Juro é uma quantia em dinheiro que deve ser paga por um devedor (o que pede
emprestado), pela utilização de dinheiro de um credor (aquele que empresta).

Juro simples
O juro produzido em cada período de tempo pelo capital é depositado na conta à ordem,
sendo o seu valor dado por J = C × n × i , onde C é o capital depositado, n o período
de
36500
tempo (em dias) para pagar o juro e i a taxa de juro (em %).
Juro composto
O juro produzido em cada período de tempo é adicionado ao capital, produzindo no
i n

período seguinte ainda mais juro. O seu valor é dado por Jn = C0 [(1 + 100) − 1], onde
Jn é o juro acumulado ao fim de n anos, C0 o capital inicial, n o período de tempo (em
anos) para pagar o juro e i a taxa de juro (em %).
O capital acumulado ao fim de n anos, num regime de juro composto, é dado por
i n

Cn = C0 (1 + 100 ).

[Link] – Empréstimos
Quando um banco empresta dinheiro (prestação) a alguém, esse devedor é obrigado a
devolvê-lo numa ou em várias contraprestações, acrescido de um juro que corresponde
à compensação que o banco recebe por emprestar o capital. Para se calcularem as
prestações mensais que o devedor terá de pagar ao banco, fazem-se os seguintes
cálculos:
E E i

Prestação mensal = Amortização ( ) + Juros mensais ( × ), onde E é o valor do

n 12 100
empréstimo, n o período de tempo estipulado para pagamento (em meses) e i a taxa de
juro (em %).

[Link] – Fundos de investimento

Fundo de investimento é uma forma de poupança coletiva que resulta das aplicações
de poupanças de vários investidores, constituindo o conjunto dessas aplicações um
património pertencente a uma pluralidade de pessoas singulares ou coletivas.

19

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

Cada investidor participa com uma pequena parte do investimento total, que se
denomina unidade de participação (UP), a qual ao longo do tempo vai assumindo
diversas valorizações, conforme a evolução global do fundo. A cotação da UP de um
fundo referente a um determinado dia resulta da seguinte fórmula:
Valor total da carteira no dia útil anterior
Cotação da UP = .
Nº de UP em circulação

O valor da subscrição de um fundo é igual ao nº de UP × cotação da UP.

O valor do resgate (levantamento do montante aplicado) em qualquer fundo é igual ao
nº de UP × cotação da UP – nº de UP × cotação da UP × comissão. A comissão de
subscrição é igual ao valor da subscrição × taxa de comissão.

3.2 – Modelos de grafos

3.2.1 – Linguagem e notações da teoria dos grafos
[Link] – Grafo, vértices, arestas, subgrafo, grafo ponderado e
orientado
Um grafo G é um par
(V,A) em que V
representa o conjunto
(não vazio) dos vértices
e A o conjunto das
arestas. Uma aresta liga
um vértice com outro
vértice ou o vértice com
ele próprio – uma
aresta que o faz é
chamada lacete ou
laço. Um grafo sem arestas
chama-se grafo nulo.
Um vértice isolado é um vértice que não tem ligação com nenhum outro vértice. Se
dois vértices estão ligados por mais do que uma aresta, então as arestas que os ligam
são chamadas arestas paralelas.

20

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

Um grafo G é chamado subgrafo do

grafo H se todo o vértice de G é
vertice de H e se toda a aresta de G é
aresta de H.

Um grafo é ponderado quando as suas arestas possuem um peso (caso esse grafo seja
a representação de um mapa, por exemplo, o peso pode ser a distância, tempo, preço
entre um vértice e outro).
Se as arestas de um grafo têm uma direção associada (indicada por uma seta na
representação gráfica) esse grafo é orientado ou é um digrafo.

[Link] – Adjacência, ordem, dimensão e grau dos vértices

Vértices adjacentes são dois vértices com uma aresta a uni-los. Arestas adjacentes são
duas arestas com um vértice em comum.
Ao nº de vértices dum grafo chama-se ordem, e ao nº de arestas chama-se dimensão.
O grau ou valência de um vértice é igual ao nº de arestas que começam (ou terminam)
nesse vértice. O lacete conta duas vezes.
A soma de todos os graus dos vértices é igual a 2 × nº de arestas. Num
grafo sem pontos isolados, o nº de vértices de grau ímpar é par.
Um grafo regular é um grafo em que todos os vértices têm o mesmo grau.

[Link] – Grafo conexo, ponte e grafo completo

Um grafo é conexo quando qualquer vértice está ligado por uma aresta ou por uma
sequência de arestas a qualquer um dos outros vértices do grafo.
A uma aresta cuja remoção transforma um grafo conexo em desconexo chama-se
ponte.

Chama-se grafo completo e

simples a um grafo em que
quaisquer dois dos seus
vértices são adjacentes, isto
é, há pelo menos uma aresta
para cada par dos seus
vértices. Esses grafos são
designados por Kn, em que n representa a ordem do grafo.

21

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

[Link] – Caminho e circuito

Sejam x e y dois vértices de um grafo G. Um caminho de
x para y é uma sequência alternada de vértices e arestas
adjacentes de G. Esta sequência começa em x e termina
em y. Um grafo que tenha no máximo 2n vértices pode
ser percorrido completamente por n caminhos distintos
e separados. No exemplo ao lado, o caminho
representase por A – B – C – F.
Um circuito ou ciclo é um caminho que começa e acaba
no mesmo vértice. Chama-se comprimento de um
circuito ao nº de arestas por que é constituído. No
exemplo ao lado, o circuito representa-se por A – B – C –
D – E – F.

3.2.2 – Grafos eulerianos

[Link] – Circuito e caminho de Euler
Um circuito de Euler é um circuito que passa uma única vez em cada aresta do grafo.
Um grafo diz-se euleriano se admite um circuito de Euler. O teorema de Euler diz que
um grafo é euleriano se for conexo e se todos os seus vértices forem de grau par. Um
caminho euleriano é um caminho que passa uma única vez em cada aresta. O teorema
do caminho de Euler diz que um grafo admite um caminho euleriano se for conexo e se
tiver apenas dois vértices com grau ímpar. Tal caminho terá início num dos vértices de
grau ímpar e terminará no outro vértice de grau ímpar.

[Link] – Eulerizar um grafo

Ao processo que consiste em transformar um grafo que não é de Euler num grafo de
Euler, duplicando arestas, chama-se eulerizar um grafo.

3.2.3 – Grafos hamiltonianos

[Link] – Circuito de Hamilton
Chama-se circuito de Hamilton ou hamiltoniano a um caminho que começa e acaba no
mesmo vértice, passando por todos uma única vez. Um grafo que admite um circuito de
Hamilton é um grafo hamiltoniano. Num grafo com pontes não existem circuitos de
Hamilton, mas num grafo completo existem sempre. O teorema de Dirac (que nem

22

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

sempre funciona) diz que um grafo pode ser hamiltoniano se o grau de todos os vértices
for maior ou igual à metade da ordem do grafo.
Um caminho de Hamilton ou hamiltoniano é um caminho que passa uma única vez por
todos os vértices. Um grafo hamiltoniano admite sempre caminhos de Hamilton.

[Link] – Circuitos de Hamilton em diferentes tipos de grafos

Grafos bipartidos
Um grafo bipartido é um grafo com dois conjuntos de
vértices iguais, em que cada vértice de um conjunto está
ligado a todos os outros vértices do outro. Se o nº de vértices
de uma linha for igual ao nº de vértices da outra linha, o grafo
é hamiltoniano.

Grafos-grelha
Considere-se m o nº de linhas e n o nº de colunas num
grafo-grelha:

• Se m e n forem pares, o grafo é hamiltoniano;

• Se m ou n forem ímpares, o grafo é hamiltoniano;
• Se m e n forem ímpares, o grafo não é
hamiltoniano.

Grafos completos

• Nº de circuitos em Kn = (n-1)! ;
• Nº de arestas em Kn = n (n−1);
2

• Nº de circuitos diferentes em Kn = ! .
Grafos planares
Um grafo planar é um grafo que pode ser
desenhado no plano de forma que as arestas não
se cruzem. Alguns destes grafos podem ser
hamiltonianos.

[Link] – Algoritmos de circuitos hamiltonianos

Algoritmo da cidade mais próxima
1 – Seleciona-se a cidade (vértice) de partida.

23

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

2 – Segue-se de cidade em cidade, indo para a mais próxima não visitada, tendo em
conta que se houver dois vértices com a mesma proximidade, escolhe-se um
aleatoriamente, e que só se pode fechar o circuito quando todos os vértices tiverem
sido visitados.

Algoritmo do peso das arestas

1 – Ordenam-se as arestas pelos seus pesos;
2 – Escolhem-se sucessivamente as arestas de menor peso, tendo em conta que um
vértice nunca poderá aparecer três vezes e que nunca se fecha um circuito havendo
vértices por visitar.

3 – Ordena-se a solução conforme o vértice de partida escolhido.

3.2.4 – Árvores
[Link] – Propriedades e árvore abrangente
Árvores são uma classe de grafos que não têm circuitos (não podem ter arestas
paralelas nem lacetes) e que são conexos. Numa árvore, só há um caminho entre dois
vértices, e cada aresta é uma ponte. Uma árvore com n vértices tem n-1 arestas. Uma
árvore abrangente é um subgrafo conexo
que contém todos os vértices do seu grafo.

[Link] – Algoritmo de Kruskal

Escolher sucessivamente as arestas com
menor peso, até se formar uma árvore abrangente.

[Link] – Algoritmo de Prim

1 – Encontrar a aresta com menor peso (se houver mais do que uma, escolhe-se
ao acaso). Colocar em T (conjunto dos vértices pertencentes à árvore) os dois vértices
adjacentes a essa aresta;

2 – Escolher a aresta de menor peso que ligue um vértice de T a um vértice de S

(conjunto dos vértices que ainda não pertencem à árvore) e repetir até não haver mais
vértices em S.

24

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

[Link] – Caminho crítico

O método do caminho crítico pode conduzir a um dígrafo que permite determinar o
tempo mínimo de execução de um projeto quando se conhecem as diversas etapas e as
respetivas dependências. 7 6
Exemplo: 3 4
Tarefa Tempo (min.) Pré-requisitos 8
1 8 Nenhum 1 2 14
2 11 Nenhum 5 6
11
3 7 1 Tempo mínimo – 11+2+14 = 27 min.
2 9
4 6 5
7
5 2 1e2
Para se determinar o tempo mínimo, deve-se
6 14 5
começar por escolher a tarefa que demora
7 9 2 mais tempo a ser feita. Escolhe-se depois a
tarefa seguinte, que depende dela, e que demora mais tempo a ser feita, e assim
sucessivamente. Porém, deve-se tomar atenção às outras tarefas fora dessa linha de
dependência, que podem demorar mais tempo a serem feitas do que várias juntas.

3.3 – Modelos populacionais

3.3.1 – Modelo linear
[Link] – Progressão aritmética
Uma sequência ou progressão é aritmética quando an+1 – an = r, ou seja, quando a
diferença entre quaisquer dois termos consecutivos é constante. Ao número r chamase
razão.
O termo geral de uma progressão aritmética (an) é igual a an = a1 + (n – 1) × r ou a
an = a0 + n × r.
A soma dos n primeiros termos de uma progressão aritmética (an) é dada pela fórmula
a1+ an
Sn = 2 ×n.

[Link] – Modelo de regressão linear

y = ax + b, em que a e b são números reais.

3.3.2 – Modelo exponencial

[Link] – Progressão geométrica
an+ 1
Uma sequência ou progressão é geométrica quando = r ou quando an – 1 = an × r . an

25

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

O termo geral de uma progressão geométrica é igual a an = a1 × rn – 1 .

A soma dos n primeiros termos de uma progressão geométrica é dada pela fórmula
1− rn
S n = a1 × 1−r .

[Link] – Modelo de regressão exponencial

y = a × bx, em que a e b são números reais.

[Link] – Modelo de Malthus

P(t) = Pert, em que P é a população para t=0 (ou seja, população inicial), r é a razão do
crescimento/decrescimento e t o tempo de crescimento ou de decrescimento da
população.

3.3.3 – Modelo logarítmico

[Link] – Propriedades da função logarítmica

• 10x = a  x = log a;
• ex = a  x = ln a; • r × log a  log (ar);
• log 10r = r.
[Link] – Modelo de regressão logarítmica
y = a + b ln x, em que a e b são números reais.

3.3.4 – Modelo logístico

[Link] – Modelo de regressão logístico
𝐜
y = 𝟏+𝐚𝐞 −𝐛𝐱̃ , em que a, b e c são números reais.

4 – Modelos de probabilidade
4.1 – Noções básicas
4.1.1 – Experiências e espaço de resultados
[Link] – Experiências

• Determinista – produz sempre o mesmo resultado;

• Aleatória – não se conhece o resultado antes de se realizar a experiência:
• Simples – produz-se uma ação;

26

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

• Composta – produzem-se duas ou mais ações.

[Link] – Espaço de resultados
O espaço de resultados ou espaço amostral é representado por S, E ou Ω, e é
constituído pelos resultados possíveis de uma experiência.

4.1.2 – Acontecimentos
[Link] – Tipos de acontecimentos

• Elementar – um único resultado;

• Composto – dois ou mais resultados;
• Certo – o resultado consta de todos os elementos: A = Ω;
• Impossível – o resultado não tem qualquer elemento: A = Ø ou A = { }.
Para a contagem de casos possíveis numa experiência, podem-se utilizar diagramas de
árvore ou tabelas de dupla entrada.
V (V,V)
V F
V
F (V,F) V (V,V) (V,F)
V (F,V) F (F,V) (F,F)
F

F (F,F)
[Link] – Operações com acontecimentos
Acontecimento união/ reunião
Acontecimento constituído por todos os resultados de A e B. Representa-se por A ∪ B.
S A ∪B ou S A ∪B Diagrama
de Venn
A B A B

Acontecimento interseção
Acontecimento constituído pelos resultados que pertencem simultaneamente a A e a B.
Representa-se por A ∩ B.
Quando há uma interseção entre dois acontecimentos, e se quer saber a probabilidade
de A ou B ocorrerem sem que ambos possam ocorrer simultaneamente, deve-se
descobrir o valor de A ∩ B, e, de seguida, subtrai-lo com A + A ∩ B e B + A ∩ B. Para se
descobrir o valor de A ∩ B, somam-se os valores de todos os acontecimentos (ainda
com A∩B incluído) e, de seguida, subtraem-se com o total.

27

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

A A∩B B

Acontecimentos disjuntos ou mutuamente exclusivos

Acontecimentos que não têm elementos em comum.

S
A∩B={}
A B

Acontecimento complementar ou contrário

Acontecimento constituído por todos os resultados de S que não pertencem a A.
Representa-se por Ā ou Ac.
̅̅̅̅̅̅ ̅̅̅̅̅̅
De acordo com as leis de De Morgan, ̅A ∩ B̅̅̅̅̅̅̅̅̅̅̅̅ = A ∪ B e ̅A ∪ B̅̅̅̅̅̅̅̅̅̅̅̅ = A ∩ B.

A Ā

[Link] – Acontecimentos independentes

Dois acontecimentos são independentes quando a realização de um deles não interfere
na probabilidade da realização do outro: P(A ∩ B) = P(A) × P(B).

4.2 – Cálculo de probabilidades

4.2.1 – Lei de Laplace
nº de resultados favoráveis a A
P(A) =
nº de resultados que constituem S

28

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

4.2.2 – Probabilidade condicional, probabilidade total e regra de

Bayes
[Link] – Probabilidade condicional
P(A ∩ B) P(A) × P (B|A)
Probabilidade de A tendo em conta que B = P(A|B) = =
P(B) P(B)

[Link] – Teorema da probabilidade total

Seja S constituído por B1, B2, …, Bk, e A um acontecimento.
P(A) = P(B1) × P(A|B1) + P(B2) × P(A|B2)+ … + P(Bk) × P(A|Bk)
S

B1 B2 B3

[Link] – Regra de Bayes

P(A ∩ Bi) P(Bi) × P (A|Bi)
P(Bi|A) = =
P(A) P(B1) × P(A|B1) + P(B2) × P(A|B2)+ … + P(Bk) × P(A|Bk)

4.3 – Distribuição de probabilidades

4.3.1 – Variável aleatória e distribuição de probabilidades de
uma variável aleatória discreta
Uma variável aleatória é uma variável cujo valor é um resultado numérico associado
ao resultado de uma experiência aleatória, e é representada por X, Y ou Z. Uma
variável aleatória é discreta se toma um nº finito de valores ou um nº infinito
numerável.
Uma variável aleatória é contínua se toma todos os valores de um intervalo ou reunião
de intervalos.
Chama-se distribuição de probabilidades ou função massa de probabilidades de uma
variável aleatória discreta X à aplicação que
a cada valor xi da variável X faz corresponder
a respetiva probabilidade pi. Tal representa-
se por:

29

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

[Link] – Valor médio e desvio-padrão populacional de uma

distribuição de probabilidades
O valor médio (µ) de uma distribuição de probabilidades é obtido pela multiplicação de
cada valor xi pela respetiva probabilidade e à soma dos resultados obtidos, ou seja:
n

µ= xi pi
Num jogo: quando µ > 0 – o jogo é favorável ao jogador; quando µ = 0 – o jogo é
equitativo; µ < 0 – o jogo é favorável à casa.
O desvio-padrão populacional (σ) de uma distribuição de probabilidades é igual à raiz
quadrada da variância populacional (σ2) de uma distribuição de probabilidades, ou
seja, σ = √σ2.
A variância populacional é igual à multiplicação de cada resultado (xi - µ)2 pela
probabilidade pi = P(X=xi), e à soma dos resultados obtidos, ou seja:
n

pi

4.3.2 – Distribuição binomial

[Link] – Modelo de distribuição binomial
No modelo de distribuição binomial:

• Há n provas idênticas;
• Em cada prova da experiência aleatória, são apenas possíveis dois resultados – o
sucesso A ou o insucesso Ā;

• O resultado de cada prova é independente dos resultados obtidos anteriormente; •

A probabilidade do sucesso A (p) não varia de uma prova para outra;
• Todas as experiências têm reposição.
A variável aleatória X é discreta e pode assumir os valores 0, 1, 2, …, n, e representa o
nº de sucessos nas n provas. Esta chama-se variável aleatória com distribuição
binomial de parâmetros n e p, e representa-se por B (n,p).
Para se determinar a probabilidade de uma variável aleatória X discreta com distribuição
binomial assumir valores como 1, 2, …, n, utiliza-se a seguinte fórmula:

n! k(1 − p)n−k, k = 0, 1, 2, … , n
P(X = k) =× p
k! (n − k)!

30

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

Na qual X é a variável aleatória, k o valor

pretendido, n o nº de provas e p a probabilidade de
sucesso. Casio: Stat – Dist – Binm – Bpd
– Var: Num= n; P = p; x = k

Valor médio e desvio-padrão populacional da distribuição binomial

• µ = n × p;
• σ2 = n × p × (1-p);
• σ = √σ2.

4.3.3 – Distribuição normal

Para as variáveis aleatórias contínuas, utiliza-se o modelo normal. A função densidade,
curva normal ou curva de Gauss, que se representa por uma curva com forma de sino,
é, para a população, o equivalente ao histograma para a amostra.

[Link] – Características da curva normal

• É simétrica em relação ao valor médio µ da variável;

• Uma variável aleatória X com distribuição
normal de valor médio µ e desvio-padrão σ
representa-se por N (µ,σ);

• Quanto maior for o desvio-padrão σ, mais

achatada é a curva;

• A área compreendida entre a curva e o eixo dos xx é igual a 1;

• A área abaixo da curva distribui-se em intervalos da seguinte forma:

31

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

• Probabilidades de
diferentes intervalos
representam-se por
P(A≤X≤B), e podem ser
calculados a partir dos
valores da curva ao lado,
ou através da
calculadora.

Casio: Stat – Dist –

Norm – Ncd

[Link] – Distribuição normal estandardizada

Distribuição normal standard/ estandardizada/ tipificada é aquela em que N (0,1), na
qual µ = 0 e σ = 1.
Para se estandardizar uma variável X da distribuição N (µ,σ), tem que se transformar a
X− µ
variável em Z de distribuição N (0,1). Para tal, utiliza-se a seguinte fórmula: Z = .
σ

5 – Introdução à inferência estatística

5.1 – Noções básicas
5.1.1 – Conceitos
A inferência estatística é um processo de raciocínio indutivo, em que se procuram tirar
conclusões sobre uma população a partir de uma amostra.
A população ou universo estatístico é o conjunto de elementos com pelo menos uma
característica comum que se pretende analisar.
Faz-se um censo quando se quer realizar um estudo estatístico que incida sobre todos
os elementos da população.
Parâmetro é um nº que descreve a população (por exemplo, µ ou σ).

A amostra é o subconjunto finito da população.

Faz-se uma sondagem quando se quer realizar um estudo estatístico em que se utilize
apenas uma amostra da população.
O estimador estima parâmetros a partir de dados amostrais. Estimativa é o valor
numérico assumido pelo estimador, quando são substituídos os dados amostrais .
Estatística é um nº que descreve a amostra.
À distribuição de todos os valores obtidos pelo estimador, para todas as amostras
possíveis, da mesma dimensão, que se podem extrair da população, dá-se o nome de
distribuição de amostragem do estimador (ou da estatística).

32

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

5.1.2 – Métodos de amostragem

Um processo de amostragem diz-se enviesado quando tende sistematicamente a
selecionar elementos de alguns segmentos da população, e a não selecionar
sistematicamente elementos de outros segmentos da população. De modo a que o
processo de amostragem não seja enviesado, utilizam-se os seguintes métodos de
amostragem.
[Link] – Amostragem aleatória simples
Escolhem-se os elementos da população aleatoriamente.

[Link] – Amostragem sistemática

Dada uma população de dimensão N, ordenada por algum critério, se se pretende uma
amostra de dimensão n, escolhe-se aleatoriamente um elemento de entre os k
N primeiros, onde k é a parte inteira
do quociente . Continua-se a seleção, escolhendon
se todos os elementos da lista distanciados de k unidades.

[Link] – Amostragem estratificada ou proporcional

Neste tipo de amostragem, a população é dividida em classes homogéneas, chamadas
estratos. A amostra escolhe-se aleatoriamente em nº proporcional ao nº de elementos
de cada estrato. Por exemplo, seja N = 125 e n = 30, e hajam três estratos com 80, 15 e
30 elementos, respetivamente. Tem-se: 125 --- 30
80/ 15/ 30 --- x x = 19,2/ 3,6/ 7,2
Assim, seriam selecionados aleatoriamente 19, 4 e 7 elementos de cada estrato.

[Link] – Amostragem por grupos (clusters)

A população é dividida em clusters, onde cada um é representativo da população.
Seleciona-se aleatoriamente um conjunto de clusters, e a amostra é constituída por
todos os elementos dos clusters selecionados.

[Link] – Amostragem multietapas

Considera-se a população dividida em vários grupos, e selecionam-se aleatoriamente
alguns deles. Por sua vez, esses grupos estão divididos em outros grupos, dos quais se
selecionam alguns aleatoriamente, e assim sucessivamente.

33

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

5.2 – Intervalos de confiança e estimativas

5.2.1 – Teorema do limite central e intervalo de confiança
[Link] – Teorema do limite central
Dada uma população de valor médio µ e desvio-padrão σ, não necessariamente normal,
a distribuição das médias das amostras de dimensão n:

• Tem média igual a µ da população;

Casio: Stat – Dist – Norm –
• O seu desvio-padrão é ;
Ncd: σ = 1; µ = 0.
• Quando n ≥ 30, é aproximadamente normal.
−y − µ X̅̅̅̅̅̅ − µ y − µ Para se
calcular a probabilidade da média, utiliza-se a fórmula < < .
𝜎 𝜎 𝜎

[Link] – Intervalo de confiança • Intervalo de confiança para o valor médio µ

de uma variável normal X, admitindo que se conhece o desvio-padrão da variável, e em
que z é o valor relacionado com o nível de confiança (*):

] x̅ − z , x̅ + z [

• Intervalo de confiança para o valor médio µ de uma variável X, admitindo que se

desconhece o desvio-padrão da variável e que a amostra tem dimensão superior a
30:
s s
] x̅ − z , x̅ + z [

• Intervalo de confiança para uma proporção p, admitindo que a amostra tem

dimensão superior a 30, e em que pˆ é a proporção amostral:

pˆ (1− pˆ ) pˆ (1− pˆ )
] pˆ − √ √ z , pˆ +
z [n n

• (*) Valores de z para os níveis de confiança mais usuais:

Nível de confiança 90% 95% 99%
z 1,645 1,960 2,576

34

Prof. Filipe Marques

 lOMoAR cPSD| 14920072

Filipe Marques Resumo de Macs 10º e 11º Anos

5.2.2 – Estimar uma proporção

^
[Link] – Distribuição da amostragem da proporção p
Admitamos que se recolhe uma amostra de dimensão n de uma população muito
grande X, em que cada elemento da população tem ou não determinada propriedade.
Seja p a proporção de elementos da população com essa propriedade e a dimensão da
amostra suficientemente grande (n ≥ 30). Então, a distribuição da amostragem da
proporção pˆ ) pode ser aproximada por uma
nº de elementos da amostra

distribuição normal com valor médio p e desvio-padrão .

[Link] – Margem de erro e dimensão da amostra

pˆ (1− pˆ )
A margem de erro é igual a E = z × √ ou z × , na qual:
n

• z = 1,645 para um intervalo de confiança de 90%; • z

= 1,960 para um intervalo de confiança de 95%; • z =
2,576 para um intervalo de confiança de 99%.
De modo a se diminuir o erro E, pode-se aumentar n (a dimensão da amostra) ou
diminuir a confiança (95% para 90%, por exemplo), diminuindo assim o valor de k.

De modo a se calcular a dimensão da amostra, podem-se utilizar duas fórmulas:

z2 z×σ2n = ( ) × pˆ (1− pˆ
) ou n = ( )
EE

O resultado é arredondado às unidades e de acordo com o intervalo pedido.

35

Prof. Filipe Marques