Escolar Documentos
Profissional Documentos
Cultura Documentos
Alan Rodrigo Navia é natural de São Paulo e morador de Taboão da Serra. É graduado em Materiais, Processos e
Componentes Eletrônicos pela Fatec-SP. Possui mestrado em Engenharia Eletrônica pela Poli-USP, na área de Circuitos
Integrados.
Exerceu as seguintes funções no mercado de trabalho: pesquisador em Engenharia na Swiss Group, analista
estatístico na Amcham, especialista em sistemas pleno no Carrefour e atualmente é coordenador de sistemas no
Grupo Renac.
Academicamente, lecionou na Fundação Santo André no curso de Engenharia, foi auxiliar docente do curso de
Engenharia Eletrônica na Poli-USP e leciona há quase dez anos na Unip. Principais disciplinas de atuação: Estatística,
Banco de Dados, Programação de Computadores e Matemática, para diversos cursos de graduação. Este material foi
escrito com base nos vários anos de docência em Estatística, para cursos que não são da área de Exatas.
CDU 519.2
U501.05 – 19
© Todos os direitos reservados. Nenhuma parte desta obra pode ser reproduzida ou transmitida por qualquer forma e/ou
quaisquer meios (eletrônico, incluindo fotocópia e gravação) ou arquivada em qualquer sistema ou banco de dados sem
permissão escrita da Universidade Paulista.
Prof. Dr. João Carlos Di Genio
Reitor
Comissão editorial:
Dra. Angélica L. Carlini (UNIP)
Dra. Divane Alves da Silva (UNIP)
Dr. Ivan Dias da Motta (CESUMAR)
Dra. Kátia Mosorov Alonso (UFMT)
Dra. Valéria de Carvalho (UNIP)
Apoio:
Profa. Cláudia Regina Baptista – EaD
Profa. Betisa Malaman – Comissão de Qualificação e Avaliação de Cursos
Projeto gráfico:
Prof. Alexandre Ponzetto
Revisão:
Juliana Maria Mendes
Amanda Casale
Sumário
Estatística
APRESENTAÇÃO.......................................................................................................................................................7
INTRODUÇÃO............................................................................................................................................................7
Unidade I
1 CONCEITOS FUNDAMENTAIS..........................................................................................................................9
1.1 Conceitos iniciais......................................................................................................................................9
1.2 Dados.......................................................................................................................................................... 10
1.3 População x amostra.............................................................................................................................11
1.4 Amostragem ............................................................................................................................................11
2 DISTRIBUIÇÃO DE FREQUÊNCIAS.............................................................................................................. 14
2.1 Conceitos básicos.................................................................................................................................. 14
2.2 Elementos de uma distribuição de frequência.......................................................................... 18
2.2.1 Classe (i)....................................................................................................................................................... 18
2.2.2 Limites de classe (li e Li)........................................................................................................................ 18
2.2.3 Amplitude de classe (hi)........................................................................................................................ 18
2.2.4 Amplitude amostral (AA)...................................................................................................................... 18
2.2.5 Ponto médio de classe (xi).................................................................................................................... 19
2.3 Tipos de frequências............................................................................................................................. 19
2.3.1 Frequência absoluta ou simples (fi).................................................................................................. 19
2.3.2 Frequência relativa (fri)......................................................................................................................... 19
2.3.3 Frequência acumulada (Fi)................................................................................................................... 20
2.4 Construção de distribuições de frequências.............................................................................. 21
2.4.1 Distribuição sem intervalo................................................................................................................... 21
2.4.2 Distribuição com intervalo................................................................................................................... 21
2.5 Representações gráficas..................................................................................................................... 24
2.5.1 Histograma (gráfico de colunas) ...................................................................................................... 24
2.5.2 Polígono de frequências (gráfico cartesiano) ............................................................................. 24
3 MEDIDAS DE TENDÊNCIA CENTRAL.......................................................................................................... 25
3.1 Média (x)................................................................................................................................................... 25
3.1.1 Dados não agrupados............................................................................................................................ 25
3.1.2 Distribuição de frequências sem intervalo.................................................................................... 26
3.1.3 Distribuição de frequências com intervalo................................................................................... 26
3.2 Moda (Mo)................................................................................................................................................ 28
3.2.1 Dados não agrupados............................................................................................................................ 28
3.2.2 Distribuição de frequências sem intervalo.................................................................................... 29
3.2.3 Distribuição de frequências com intervalo................................................................................... 29
3.3 Mediana (Md).......................................................................................................................................... 30
3.3.1 Dados não agrupados............................................................................................................................ 31
3.3.2 Distribuição de frequências sem intervalo.................................................................................... 31
3.3.3 Distribuição de frequências com intervalo................................................................................... 32
4 MEDIDAS DE DISPERSÃO.............................................................................................................................. 34
4.1 Introdução................................................................................................................................................ 34
4.2 Variância (s2)............................................................................................................................................ 35
4.2.1 Dados não agrupados............................................................................................................................ 35
4.2.2 Distribuição de frequências sem intervalo.................................................................................... 36
4.2.3 Distribuição de frequências com intervalo................................................................................... 37
4.3 Desvio-padrão (s).................................................................................................................................. 38
4.3.1 Dados não agrupados............................................................................................................................ 39
4.3.2 Distribuição de frequências sem intervalo.................................................................................... 39
4.3.3 Distribuição de frequências com intervalo................................................................................... 40
4.4 Coeficiente de variação (CV)............................................................................................................. 40
Unidade II
5 CONCEITOS BÁSICOS DE PROBABILIDADE............................................................................................. 46
5.1 Conceitos fundamentais.................................................................................................................... 46
5.2 Eventos complementares .................................................................................................................. 50
5.3 Eventos independentes....................................................................................................................... 51
5.4 Eventos mutuamente exclusivos.................................................................................................... 52
5.4.1 Exercício resolvido................................................................................................................................... 54
6 DISTRIBUIÇÃO NORMAL DE PROBABILIDADES.................................................................................... 56
6.1 Conceitos fundamentais.................................................................................................................... 56
6.1.1 Exercícios resolvidos............................................................................................................................... 61
7 CORRELAÇÃO LINEAR..................................................................................................................................... 66
7.1 Conceitos e diagrama de dispersão............................................................................................... 66
8 COEFICIENTE DE PEARSON........................................................................................................................... 68
APRESENTAÇÃO
Este livro-texto contempla os temas fundamentais para um curso de Introdução à Estatística, que na
maioria das instituições de ensino superior ou técnico tem duração semestral.
O pré-requisito para acompanhar esta obra é somente a Matemática do primeiro grau, atualmente
chamado de Ensino Fundamental, o que atende principalmente aos cursos que não são de Exatas, pois
nestes a Matemática é exercitada a todo o momento, nas mais diversas disciplinas, tais como Física,
Cálculo, Programação de Computadores etc.
Espero que esta obra ajude o leitor a compreender os conceitos básicos de Estatística de maneira
mais leve, porém bastante consistente.
INTRODUÇÃO
Este livro-texto aborda os assuntos fundamentais da Estatística, desde o estudo de uma variável até
a introdução ao estudo do comportamento mútuo de duas variáveis.
A Unidade II cobre os conceitos de probabilidade simples (que também são abordados na disciplina
Matemática), distribuição normal de probabilidades e a determinação da correlação entre duas variáveis,
por meio do diagrama de dispersão e do coeficiente de Pearson.
Cada unidade pode ser ministrada em um bimestre, se o curso introdutório de Estatística for de duas
horas-aula semanais. Vale lembrar que o material tem como leitor-alvo o aluno de graduação dos cursos
da área de Humanas e Ciências Sociais Aplicadas.
Espero que este livro auxilie o aluno com pouca desenvoltura em Matemática a entender e aplicar
os conceitos básicos de Estatística, além de servir como guia para qualquer aluno relembrar Estatística
rapidamente.
7
ESTATÍSTICA
Unidade I
1 CONCEITOS FUNDAMENTAIS
A palavra estatística tem origem do vocábulo latino status, que significa estado, e foi utilizada para
o levantamento de dados por parte do Estado, visando à tomada de decisões.
A Estatística pode ser aplicada às mais diversas áreas do conhecimento, tais como Economia, Física,
Medicina, Psicologia, Engenharia, Pedagogia e Serviço Social, para tabular e interpretar os resultados de
um experimento, e, mais recentemente, para a geração e a interpretação de indicadores.
Esses indicadores são largamente utilizados na gestão dos mais diversos segmentos do conhecimento.
9
Unidade I
1.2 Dados
Alguns exemplos de dados são: o número de alunos de uma classe, o número de eleitores que
votaram em um determinado candidato em uma eleição, o número de leitos ocupados em um hospital
e as notas dos candidatos de um determinado concurso público.
• Qualitativos: são dados compostos de qualquer informação não numérica. Exemplos: estado
civil (solteiro, casado); cor dos olhos (pretos, castanhos, verdes); time do coração (Corinthians,
Palmeiras, São Paulo, Santos); religião praticada (católica, protestante, budista); tipo sanguíneo
(A, B, O) etc.
• Quantitativos: são dados compostos de informações numéricas e podem ser subdivididos em:
— Discretos: são compostos somente por números inteiros e enumeráveis (na maioria das vezes,
são oriundos de uma contagem). Exemplos: número de filhos, população de um município, número de
escolas particulares em um determinado local, número de visitas em um determinado site na internet
etc.
— Contínuos: são compostos por números inteiros ou fracionários (na maioria das vezes, são
obtidos por meio de uma medição). Exemplos: altura, peso, preço de um determinado produto, área de
um terreno, renda mensal de uma família, o tempo gasto em uma viagem nacional, a distância entre
dois bairros etc.
Dados Qualitativos
Quantitativos Discretos
Contínuos
10
ESTATÍSTICA
Observação
A classificação da variável depende do contexto. Por exemplo: para fins
cadastrais, a variável idade poderia ser quantitativa discreta; na Pediatria,
porém, é contínua, pois a parte fracionária também é considerada.
População é o conjunto de entes portadores de, no mínimo, uma característica comum; também
chamada de universo estatístico. Um exemplo são os estudantes de uma instituição de ensino, pois
a característica comum é o fato de estudarem na mesma instituição. Os eleitores de um estado da
federação também são um exemplo.
Na maioria das vezes, podemos concluir que é inviável ter acesso a toda a população para a coleta
de dados (por limitações monetárias, de tempo etc.). Logo, normalmente é feita a coleta em uma parte,
que deve ser muito representativa dessa população. Tal parcela é denominada amostra.
1.4 Amostragem
Na amostragem simples (ou aleatória), todos os itens da população têm igual chance de pertencer
à amostra (normalmente feita por sorteio).
Sorteio
Amostra
População
Figura 2 – Amostragem simples
8 7 6 5 4 3 2 1 7 4 1
População Amostra
Figura 3 – Amostragem sistemática
11
Unidade I
Amostra
População
Saiba mais
Exemplos de Aplicação
1. Cite pelo menos dez aplicações da Estatística (pesquise em jornais e sites da internet).
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
________________________________________________________________________________
12
ESTATÍSTICA
a) Qualitativo
__________________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
b) Quantitativo discreto
__________________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
c) Quantitativo contínuo
__________________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
13
Unidade I
2 DISTRIBUIÇÃO DE FREQUÊNCIAS
Para compreender todos os conceitos, será utilizada uma amostra como exemplo. A amostra é de
quarenta alunos de uma escola qualquer, e a variável a ser estudada é a estatura deles em centímetros.
Essa tabela com os dados coletados (dados brutos), sem nenhuma organização, é chamada de tabela
primitiva.
Analisando os dados na tabela primitiva, para determinar a maior e a menor estatura, será necessário
examinar item a item, o que tende a ser ineficiente, principalmente se o tamanho da amostra for grande.
Logo, se os dados da tabela forem organizados em ordem crescente ou decrescente, será obtida uma
nova tabela chamada de rol.
Examinando o rol, fica fácil determinar a maior e a menor estatura (173 e 150 cm, respectivamente),
o que permite concluir que a faixa de estaturas é de 150 a 173 cm. Outros questionamentos, como: “Qual
é a estatura com o maior número de alunos?” (160 cm) e “Qual(is) é(são) a(s) estatura(s) inexistente(s) no
14
ESTATÍSTICA
intervalo de 150 a 173 cm?” (159 e 171 cm), podem ser respondidos, porém com uma observação mais
cuidadosa do rol.
Para responder ao questionamento anterior com mais agilidade, o rol será alocado em uma
tabela, em que cada estatura terá um número correspondente de ocorrências (vindo da contagem
do rol).
Esta tabela de ocorrências para todos os valores das estaturas é chamada de distribuição
de frequências. Nesse caso, como foram exibidos todos os valores de estatura, esta distribuição é
classificada como sem intervalo.
15
Unidade I
Estatura (cm) Fi
150 1
151 1
152 1
153 1
154 1
155 4
156 3
157 1
158 2
159 -
160 5
161 4
162 2
163 2
164 3
165 1
166 1
167 1
168 2
169 1
170 1
171 -
172 1
173 1
∑fi 40
Onde:
A amostra das estaturas tem a faixa de estaturas de 23 cm (basta subtrair a maior da menor estatura),
que resulta numa tabela com muitas linhas. Se a faixa de estaturas fosse maior, a tabela teria ainda mais
linhas, o que prejudicaria a análise rápida dos dados.
Para gerar uma tabela mais enxuta e de fácil análise, é possível agrupar as estaturas em intervalos. No
exemplo, as estaturas serão agrupadas de quatro em quatro, gerando intervalos de 4 cm (no momento,
16
ESTATÍSTICA
não há a necessidade de preocupar-se com a razão de o agrupamento ser de quatro em quatro, pois
adiante será explicado o critério de cálculo utilizado). Essa tabela é chamada de distribuição de
frequências com intervalo.
Estaturas (cm) fi
150├ 154 4
154├ 158 9
158├ 162 11
162├ 166 8
166├ 170 5
170├ 174 3
∑fi 40
Onde:
é o operador de intervalo.
Figura 5
Exemplo:
O quinto intervalo da tabela anterior que mostra 166├ 170 é para as estaturas de 166 a 169 cm
(note que o valor 170 cm é considerado no sexto). Os valores do rol que atendem a esse intervalo são:
166, 167, 168, 168 e 169. Estes cinco valores resultam na frequência igual a 5 para o quinto intervalo.
A etapa da contagem dos valores do rol para a tabela de frequências deve ser feita com o máximo de
cuidado, pois um erro na contagem ocasiona análises equivocadas e valores errados de todas as medidas
estatísticas feitas a partir dessa tabela.
Saiba mais
O modelo de distribuição estudado é o mais utilizado pelos autores,
porém existem outros modelos, com outros tipos de intervalo além do ├.
Matematicamente um intervalo pode ser representado de diversas maneiras,
como (┤,├,├┤ e ─).
Para mais informações sobre esse assunto, leia:
MORETTIN, L. G. Estatística básica. São Paulo: Makron Books, 1999.
17
Unidade I
Todos os conceitos a seguir serão explicados com base na distribuição de frequências já explicada
anteriormente (Tabela 5).
É cada intervalo, ou cada linha para uma tabela de frequências. O total de classes de uma tabela de
frequências é denominado k.
Onde li é o limite inferior (extremo a esquerda) e Li é o limite superior (extremo a direita) da classe.
O índice i apenas indica qual é a classe abordada.
hi = Li - li
Observação
Uma distribuição com intervalos sempre terá a mesma amplitude para
todas as classes. Note que para todos os intervalos o h é 4.
É a diferença entre o valor máximo e o valor mínimo da amostra. É obtido por meio do rol (nesse
caso, a Tabela 2).
AA = Xmax - xmin
18
ESTATÍSTICA
É o ponto que divide a classe em duas partes iguais. Será muito utilizado a partir deste ponto.
li Li
xi
2
É o número de ocorrências para cada uma das classes, obtida por meio da contagem no rol.
Exemplo: f3 = 11
É a razão (divisão) da frequência simples com a soma das frequências da classe. Fornece a participação
percentual de cada classe em relação à amostra.
i
ri
i
Lembrete
19
Unidade I
Exemplo:
2 9
r2 0, 225
i 40
Isso significa que 22,5% das estaturas estão na segunda classe, pois 0,225 x 100 = 22,5%.
Exemplo:
F2 = frequência acumulada da segunda classe = soma das frequências simples até a segunda classe.
F2 = 4 + 9 = 13
Tabela 6 – Distribuição de frequências com intervalo para as estaturas dos alunos, com as
frequências calculadas
• Para facilitar a determinação da coluna xi, basta calcular o ponto médio, a primeira classe (152) e
somar a amplitude de classe (4), intervalo por intervalo.
• Não é obrigatório, mas é altamente recomendável utilizar duas ou três casas após a vírgula para
os valores de fri, visando sempre a um percentual preciso por classe.
20
ESTATÍSTICA
Dado o rol de uma pesquisa referente ao número de carros por residência em um determinado bairro
de SP (n = 20).
0 1 1 2 3
0 1 1 2 3
1 1 1 2 4
1 1 2 2 4
Análise: este rol apresenta poucas possibilidades de valores para a variável, mais precisamente de 0
a 4 carros, e isso permite concluir que a distribuição sem intervalos é a mais indicada.
Logo, para construir a distribuição de frequências sem intervalos, não existe nenhum cálculo. A
partir do rol, basta colocar em cada classe um dos valores da variável e contar o número de ocorrências
para cada classe.
Tabela 8 – Distribuição de frequências sem intervalo para o rol do número de carros por residência
Nº de carros Fi
0 2
1 9
2 5
3 2
4 2
∑ 20
Com base no rol das estaturas dos alunos (n = 40), já mostrado e repetido a seguir para fins didáticos.
21
Unidade I
Análise: este rol apresenta muitas possibilidades de valores para a variável, mais precisamente de
150 a 173 cm (o que resultaria em uma distribuição sem intervalo com muitas linhas), e isso permite
concluir que a distribuição com intervalos é a mais indicada.
k= n
=K = 40 6, 32 , arredondando temos 6;
logo k = 6 (a distribuição deverá ter 6 classes).
173 150 23
h 3, 83 , arredondando para cima temos 4;
6 6
logo h = 4 (cada uma das classes terá amplitude de 4cm).
De posse das duas informações necessárias para montar uma tabela com intervalo (k = 6 e h = 4),
realizamos o seguinte procedimento:
Passo 2: somar o valor de h calculado e colocar no limite superior da primeira classe. Colocar o sinal
de intervalo entre os limites.
I Estaturas (cm)
1 150├ 154
22
ESTATÍSTICA
I Estaturas (cm)
1 150├ 154
2 154
Passo 4: somar o valor de h (h = 4) calculado e colocar no limite superior desta classe. Colocar o
sinal de intervalo entre os limites.
I Estaturas (cm)
1 150├ 154
2 154├ 158
Passo 6: determinar as frequências simples (pela contagem no rol) para todas as classes da
distribuição. Finalmente, somar as frequências, lembrando que ∑fi deve ser igual a n.
I Estaturas (cm) fi
1 150├ 154 4
2 154├ 158 9
3 158├ 162 11
k=6 4 162├ 166 8
5 166├ 170 5
6 170├ 174 3
∑ 40
h=4
Observação
K =1+3,3 log n
23
Unidade I
Para a distribuição com intervalo, podemos representar os dados utilizando dois tipos de gráfico: o
histograma e o polígono de frequências.
• Composição:
12
0
150 154 158 162 166 170 174 estaturas (cm)
• Composição:
— ligar os pontos (no cruzamento das coordenadas dos eixos x e y); para fechar o polígono, deve-
se:
- subtrair a amplitude de classe (no exemplo, h = 4) do ponto médio da primeira classe (l1)
para fechar o polígono pela esquerda (no eixo x);
24
ESTATÍSTICA
12
0
150 154 158 162 166 170 174 Estaturas (cm)
Figura 7 – Polígono de frequências para uma distribuição com intervalo (Tabela 13)
Para analisar um conjunto de dados, muitas vezes é necessário obter um único valor que represente
toda a amostra em estudo. Esse valor é usualmente obtido pelas medidas de tendência central.
• a média (x);
• a moda (Mo);
• a mediana (Md).
O cálculo de cada uma das medidas de tendência central será explicado em três abordagens:
A média de um conjunto de dados é a soma dos dados dividida pelo número de elementos do
conjunto.
25
Unidade I
Exemplo: as notas de um aluno em uma determinada disciplina durante o ano foram: 3,5; 5,0; 6,5
e 9,0. A nota média do aluno na disciplina pode ser calculada por:
3, 5 5, 0 6, 5 9, 0 24
x 6, 0
4 4
xi.fi
x
n
Onde: xi.fi é a multiplicação dos valores das classes com as respectivas frequências, classe por classe.
n é o número de elementos do conjunto de dados que, nesse caso, é determinado pela soma
das frequências.
Exemplo: dada a distribuição sem intervalo da Tabela 8, determine o número médio de veículos por
residência em um determinado bairro.
Para armazenar os valores de xi.fi, uma coluna é criada. Em seguida, os valores da coluna são somados,
gerando ∑xi.fi.
Nº de carros fi xi.fi
0 2 0x2=0
1 9 1x9=9
2 5 2 x 5 = 10
3 2 3x2=6
4 2 4x2=8
∑ 20 ∑xi.fi = 33
33
=
x = 165
,
20
Logo, no bairro citado há em média 1,65 carros por residência (para efeito de interpretação,
aproximadamente 2 carros por residência).
xi.fi
x
n
Onde: xi.fi é a multiplicação dos pontos médios das classes com as respectivas frequências, classe
por classe.
26
ESTATÍSTICA
Lembrando que:
li Li
xi
2
n é o número de elementos do conjunto de dados que, nesse caso, é determinado pela soma
das frequências.
Exemplo: dada a distribuição com intervalo da Tabela 13, determine a estatura média dos alunos
que compõem a amostra.
O procedimento é similar ao da distribuição sem intervalo, apenas com o detalhe de xi, que para uma
distribuição com intervalo é o ponto médio da classe.
6440
=x = 161 cm
40
Observação
Exemplos de Aplicação
Compare as vendas mensais com uma média histórica, para indicar o desempenho de cada vendedor.
27
Unidade I
Observação
A moda é o valor que ocorre com maior frequência em um conjunto de dados. Serve para indicar as
regiões das máximas frequências.
Exemplo 1: conjunto 1
20 30 40 80 10 10 20 30 20
Mo = 20
Exemplo 2: conjunto 2
10
20 30 30 30 40 50 50 50 60
Os valores 30 e 50 se repetem mais vezes que os outros valores do conjunto; logo, existem duas
modas (30 e 50).
Mo = 30 e Mo = 50 (conjunto bimodal)
Exemplo 3: conjunto 3
Nenhum valor se repete mais vezes que os outros valores do conjunto; logo, não existe valor modal
(conjunto amodal).
28
ESTATÍSTICA
Para determinar a moda em uma distribuição sem intervalo, basta identificar a classe com maior
frequência simples (classe modal). A moda será o valor da variável da classe modal.
Exemplo: dada a distribuição sem intervalo da Tabela 8, determine o valor modal dos veículos por
residência em um determinado bairro.
Nº de carros fi
0 2
1 9
2 5
3 2
4 2
∑ 20
Para determinar a moda em uma distribuição com intervalo, inicialmente é necessária a classe modal
(da mesma forma que na distribuição sem intervalo).
Nesse caso, a moda será obtida aplicando-se a fórmula a seguir na classe modal:
d1
Mo l * h*
d1 d2
d1 = f* - fant
d2 = f* - fpost
f* é a frequência simples da classe modal
fant é a frequência simples anterior (acima) à classe modal.
fpost é a frequência simples posterior (acima) à classe modal.
Existem vários modelos para cálculo da moda. O modelo aqui apresentado é o mais utilizado e
chama-se Moda de Czuber.
29
Unidade I
Exemplo: dada a distribuição com intervalo da Tabela 13, determine a estatura modal dos alunos
que compõem a amostra.
I Estaturas (cm) fi
1 150├ 154 4
2 154├ 158 9
3 158├ 162 11
4 162├ 166 8
5 166├ 170 5
6 170├ 174 3
∑ 40
l* = 158
h* = 4
d1 = 11 - 9 = 2
d2 = 11 - 8 = 3
Logo:
2
Mo 158 4
23
8
Mo 158 158 1, 6
5
Mo 159, 6 cm
Observação
Assim como nos dados não agrupados, uma distribuição pode ser
bimodal, desde que existam duas maiores frequências. Nesse caso basta
calcular as modas para as duas classes modais. Isso vale para mais de duas
modas em uma distribuição, ainda que essa ocorrência não seja tão comum.
A mediana é o valor que caracteriza o centro de uma distribuição de frequências. Divide um conjunto
ordenado de dados em duas partes iguais de 50% (daí o fato de a mediana ser considerada também uma
medida de posição).
30
ESTATÍSTICA
Dados os conjuntos a seguir, antes de determinar a mediana, é necessário ordenar os dados da amostra.
Logo, Md = 80.
Para amostras pares, existem dois elementos centrais na série de dados, então a mediana é a média
de ambos.
Passo 2: identificar a classe mediana. Para isso, é necessário calcular uma referência.
i
2
Passo 3: comparar o valor da referência com cada uma das frequências acumuladas. Se houver um
Fi igual à referência, a classe deste Fi será a classe mediana. Caso contrário, deverá ser escolhido o Fi
superior mais próximo da referência para obter a classe mediana.
31
Unidade I
Exemplo: dada a distribuição sem intervalo da Tabela 18, determine o valor da mediana.
i 20
10 (referência)
2 2
Tabela 18 – Obtenção da mediana para uma distribuição sem intervalo
Nº de carros fi Fi
0 2 2
1 9 11
2 5 16
3 2 18
4 2 20
∑ 20
Para determinar a mediana em uma distribuição com intervalo, inicialmente é necessária a classe
mediana (da mesma forma que na distribuição sem intervalo, isto é, seguindo os passos 1, 2 e 3).
Nesse caso, a mediana será obtida aplicando-se a fórmula a seguir na classe mediana:
i
2 Fant
Md l * h *
*
Exemplo: dada a distribuição com intervalo da Tabela 13, determine a estatura mediana dos alunos
que compõem a amostra.
i 40
20 (referência)
2 2
32
ESTATÍSTICA
I Estaturas (cm) fi Fi
1 150├ 154 4 4
2 154├ 158 9 13
3 158├ 162 11 24
4 162├ 166 8 32
5 166├ 170 5 37
6 170├ 174 3 40
∑ 40
l* = 158
∑fi/2 = 20
Fant = 17 = 13 + 4
f* = 11
h* = 4
Logo:
Md 158
20 17 4
11
3
Md 158 4
11
12
Md 158
11
Md 158 1, 09
Md 159, 09 cm
Concluindo: a estatura que divide os 50% mais altos dos 50% mais baixos é de 159,09 cm.
Observação
Além da mediana, uma medida tanto de tendência quanto de
posição, existem outras também importantes, como o quartil, o decil e
o percentil. O método de obtenção é muito parecido com o da mediana,
que tem o dois como referência nos cálculos. O quartil, o decil e o
percentil, por sua vez, dividem uma série em quatro, dez ou cem partes
iguais.
33
Unidade I
4 MEDIDAS DE DISPERSÃO
4.1 Introdução
As medidas de dispersão têm como finalidade indicar o quanto os dados apresentam-se dispersos
em torno de uma região central, isto é, mostram o grau de variação em uma amostra.
• a variância (s2);
• o desvio-padrão (s);
• o coeficiente de variação (CV).
Observação
O cálculo de cada uma das medidas será explicado utilizando-se as três abordagens citadas
anteriormente.
Exemplo: existem três grupos de pessoas (cada um com oito elementos). A variável em estudo é a
idade dessas pessoas.
Grupo 1:
20 20 20 20 20 20 20 20
Grupo 2:
18 18 19 20 20 21 22 22
Grupo 3:
2 5 10 13 20 25 35 50
Desejamos tirar algumas conclusões sobre os três grupos analisando a principal medida de tendência,
a média.
34
ESTATÍSTICA
20 20 20 20 20 20 20 20 160
x do grupo 1 20
8 8
18 18 19 20 20 21 22 22 160
x do grupo 2 20
8 8
2 5 10 13 20 25 35 50 160
x do grupo 3 20
8 8
Os valores das médias para os três grupos foram iguais, mas percebemos que os grupos são totalmente
distintos quanto às idades.
• No grupo 1, todos os valores coincidem com a média, pois não existem diferenças em relação a
esta, logo não existe dispersão. É um grupo formado somente por pessoas de 20 anos de idade.
• No grupo 2, os valores não coincidem exatamente com a média, mas também não se afastam
muito desta, logo existe uma pequena dispersão. É um grupo formado por pessoas com idades
próximas de 20 anos.
• No grupo 3, a maioria dos valores está bem afastada de média, logo existe uma considerável
dispersão. É um grupo formado pelas mais diversas idades.
Conclusão: apenas utilizando a média, os três grupos apresentavam um perfil de idades igual. No
entanto, considerando também a dispersão das idades (afastamento dos valores em relação à média),
podemos indicar as diferenças existentes entre os três grupos.
É a média dos quadrados das diferenças dos valores em relação a sua média.
2 ( xi x )2
s
n
Onde: xi são os valores da variável
x é a média do conjunto de valores
n é o número de elementos do conjunto de valores
Exemplo: as notas que um aluno tirou em um determinada disciplina durante o ano foram:3,5; 5,0;
6,5; e 9,0. A variância das notas do aluno na disciplina pode ser calculada por:
• Obtenção da média.
3, 5 5, 0 6, 5 9, 0 24
x 6, 0
4 4
35
Unidade I
xi xi - x (xi - x)2
3,5 3,5 - 6 = -2,5 (-2,5)2 = 6,25
5,0 5 - 6 = -1 (-1)2 = 1
6,5 6,5 – 6 = 0,5 (0,5)2 = 0,25
9,0 9-6=3 (3)2 = 9
24 ∑(xi - x)2 = 16,5
16, 5
s2
= = 4,13
4
Lembrete
( xi x )2 i
s2
n
Onde: xi são os valores da variável para cada classe
x é a média dos valores da distribuição
fi é a frequência simples de cada classe
n é o número de elementos do conjunto de valores
Exemplo: dada a distribuição sem intervalo da Tabela 8, determine a variância de veículos por
residência em um determinado bairro.
36
ESTATÍSTICA
Logo:
24, 5
s2
= = 1, 23 carros2
20
Observação
Considere:
( xi x )2 i
s2
n
Onde:
Lembrando que:
li Li
xi
2
Exemplo: dada a distribuição com intervalo da Tabela 13, determine a variância das estaturas dos
alunos que compõem a amostra.
37
Unidade I
O procedimento é similar ao da distribuição sem intervalo, apenas com o detalhe de xi, que para uma
distribuição com intervalo é o ponto médio da classe.
a)
6440
=x = 161 cm
40
b)
Logo:
1240
s2
= = 31 cm2
40
É a raiz quadrada da variância. É a medida de dispersão mais utilizada, por ter a mesma unidade que
a média, possibilitando uma melhor avaliação da dispersão da amostra.
38
ESTATÍSTICA
Considere:
( xi x )2
s
n
Logo:
=s =
4,13 2, 03
Considere:
( xi x )2 i
s2
n
24, 5
s2
= = 1, 23 carros2
20
Logo:
=s =
123
, 111
, carros
39
Unidade I
Considere:
( xi x )2 i
s
n
li Li
Lembrando que: xi
2
x é a média dos valores da distribuição
fi é a frequência simples de cada classe
n é o número de elementos do conjunto de valores
Logo:
=s =
31 5, 57 cm
O coeficiente de variação é útil para comparação de variabilidade de dois conjuntos de dados com
unidades de medidas diferentes. Por exemplo, quando precisamos comparar altura e peso, idade e
número de filhos. Quanto menor este valor, mais homogêneo será o conjunto de dados.
s
CV 100
x
A fórmula e o método de cálculo são exatamente os mesmos para as três abordagens apresentadas.
Vale ressaltar que quanto maior o CV, maior será a variabilidade dos dados do conjunto, em relação
a sua média.
40
ESTATÍSTICA
Exemplo: calcular o coeficiente de variação do exemplo abordado no item 4.3.3 (estaturas dos
alunos).
Como:
x = 161 cm
s = 5,57 cm
Logo:
5, 57 557
CV 100 3, 46%
161 161
É importante dizer que o coeficiente de variação é usado para comparar dois conjuntos de dados
com unidades diferentes. Exemplo: “Útil para comparação de variabilidade de dois conjuntos de dados
com unidades de medida diferentes. Quanto menor esse valor, mais homogêneo será o conjunto de
dados”.
Resumo
42
ESTATÍSTICA
Exercícios
Questão 1. Foi realizada uma pesquisa sobre a faixa etária das crianças participantes de um
acampamento. O gráfico a seguir mostra os resultados:
8
7
6
5
Freq
4
3
2
1
0
5 7 9 11 13 15
Idade
Figura 8
A) I, II, IV.
B) I, II, V.
C) II, III, V.
D) I e III.
E) III e IV.
43
Unidade I
I – Afirmativa correta.
II – Afirmativa incorreta.
Justificativa: o limite inferior da primeira classe é o extremo inferior 4, sendo esse o valor em que
começa a coluna correspondente à primeira classe. O limite superior da primeira classe é o extremo
superior 6, sendo esse o valor em que termina a coluna correspondente da primeira classe.
Justificativa: os pontos médios de cada classe são os pontos que dividem as classes em duas partes
iguais, e os valores dos pontos médios do histograma anterior são 5, 7, 9, 11, 13 e 15.
IV – Afirmativa incorreta.
Justificativa: a moda é uma medida de tendência central que indica o valor que ocorre com maior
frequência no conjunto de dados. No histograma podemos visualizar que há duas modas: 11 e 13. Este
conjunto de dados é chamado de bimodal.
V – Afirmativa incorreta.
Questão 2. (Oficial de Fazenda-SEFAZ 2011) Com base no resultado final do concurso para o cargo
de Especialista em Políticas Públicas e Gestão Governamental da SEPLAG, prova realizada pelo CEPERJ
em 01.08.2010, as frequências para o número de acertos obtidos nas cinco questões de Estatística pelos
1.535 candidatos que realizaram a prova estão mostradas no quadro a seguir:
Quadro 1
44
ESTATÍSTICA
Figura 9
IV. A probabilidade de um candidato, escolhido ao acaso entre os 1.535, ter acertado no máximo
duas questões é igual a 66,4%.
A) I e II.
B) I e III.
C) I, III e IV.
E) II e IV.
45
Unidade II
Unidade II
5 CONCEITOS BÁSICOS DE PROBABILIDADE
Espaço Amostral (S) é o conjunto de todos os resultados possíveis, enquanto n(S) é o número de
elementos do espaço amostral.
Exemplos:
n(S) = 2
n(S) = 6
n(S) = 52
Evento (E): é qualquer subconjunto de um espaço amostral. Está relacionado com o experimento
aleatório em questão. n(E) é o número de resultados possíveis do evento.
Exemplos:
a) No lançamento de uma moeda, o evento é sair coroa na face superior. Logo, E = {coroa}.
n(E) = 1
b) No lançamento de um dado, o evento é sair um número par na face superior. Logo, E = {2,4,6}.
n(E) = 3
c) Ao retirar uma carta de um baralho convencional, o evento é sair a carta Ás de Espadas (A ♠).
Logo, E ={ A ♠}.
n(E) = 1
46
ESTATÍSTICA
Probabilidade (P): é a razão (divisão) entre o número de elementos (ou resultados) favoráveis a um
determinado evento (E) e o número total de elementos (ou resultados) do espaço amostral (S).
n(E)
P=
n(S)
Exemplos:
• sair o número 3:
S = {1, 2, 3, 4, 5, 6}
n(S) = 6
E = {3}
n(E) = 1
1
P=
6
S = {1, 2, 3, 4, 5, 6}
n(S) = 6
E = {2, 4, 6}
n(E) = 3
3 1
P= =
6 2
• sair um múltiplo de 3:
S = {1, 2, 3, 4, 5, 6}
n(S) = 6
E = {3, 6}
n(E) = 2
2 1
P= =
6 3
S = {1, 2, 3, 4, 5, 6}
47
Unidade II
n(S) = 6
E = {1, 2, 3, 4}
n(E) = 4
4 2
P= =
6 3
S = {1, 2, 3, 4, 5, 6}
n(S) = 6
E = {Ø} = vazio
n(E) = 0
0
P= = 0 (Evento impossível)
6
S = {1, 2, 3, 4, 5, 6}
n(S) = 6
E = {1, 2, 3, 4, 5, 6}
n(E) = 6
6
P= = 1 = 100% (Evento certo)
6
2. Considere um baralho comum de 52 cartas. Calcule a probabilidade de, ao retirar uma carta
aleatoriamente, sair uma carta do naipe copas (♥).
n(S) = 52
n(E) = 13
13 1
=
P =
52 4
48
ESTATÍSTICA
n(S) = 36
E = {1,1 2,2 3,3 4,4 5,5 6,6}
n(E) = 6
6 1
=
P =
36 6
• sair a soma 8:
n(S) = 36
E = {2,6 6,2 4,4 3,5 5,3}
n(E) = 5
5
P=
36
n(S) = 36
E = {6,6}
n(E) = 1
1
P=
36
4. Uma urna possui 6 bolas azuis, 10 bolas vermelhas e 4 bolas amarelas. Tirando-se uma bola,
calcule a probabilidade de:
10 1
=
P =
20 2
Observação
P + Q = 1 (100%)
Logo:
Q=1-P
Para resolver a expressão, pode-se utilizar o cálculo do MMC ou proceder da maneira a seguir (mais
simples) para o resultado Q.
Q=
5
50
ESTATÍSTICA
• No numerador, colocar o número que falta para que o numerador e o denominador tenham os
mesmos valores. No caso, o numerador é igual a 1. É preciso adicionar mais 4 unidades para que
o numerador fique igual a 5.
Logo:
4
Q=
5
Esse exercício também pode ser resolvido sob a forma de porcentagem (que também é muito simples,
porém requer o uso de calculadora), conforme já lembrado:
1
P 0, 20
5
Q 1 0, 20 0, 80
Q 0, 80x100 80%
Dois eventos são independentes quando a realização de um deles não afeta a probabilidade de
realização do outro, e vice-versa.
P = P1 x P2
Exemplos:
a) Lançando dois dados, qual é a probabilidade de obtermos 1 no primeiro dado e um número par no
segundo dado?
1
P1
6
3
P2
6
1 3 3 1
P
6 6 36 12
51
Unidade II
Retiramos uma bolinha de cada caixa. Qual é a probabilidade de ambas as bolinhas retiradas serem azuis?
P = P1 + P2
Exemplos:
1
P1
6
1
P2
6
1 1 2 1
P
6 6 6 3
52
ESTATÍSTICA
b) Numa caixa existem dez bolinhas idênticas, numeradas de 1 a 10. Qual a probabilidade de, ao se
retirar uma bolinha, ela ser múltiplo de 2 ou de 5?
Espaço amostral:
Evento A – múltiplos de 2:
Evento B – múltiplos de 5:
Observação
5
PA =
10
2
PB =
10
1
PB =
10
Logo:
5 1 6
PB 0, 60 60%
10 10 10
53
Unidade II
Saiba mais
O exercício a ser resolvido envolve a maior parte dos conceitos apresentados no Tópico 5. É um tipo
de exercício muito utilizado em concursos públicos e provas de admissão. Favor analisar o enunciado e
a resolução pacientemente.
Uma caixa contém 20 canetas iguais, das quais 7 são defeituosas, e outra caixa contém 12, das quais
4 são defeituosas. Uma caneta é retirada aleatoriamente de cada caixa. As probabilidades de que ambas
não sejam defeituosas e de que uma seja perfeita e a outra não são de:
A) 88,33% e 45,00%.
B) 43,33% e 45,00%.
C) 43,33% e 55,00%.
D) 23,33% e 45,00%.
E) 23,33% e 55,00%.
Resolução:
Caixa A
Caixa B
A probabilidade de uma ser perfeita e a outra não é dada pela situação a seguir:
Pcxa = 13/20
Pcxb = 8/12
A probabilidade de uma ser perfeita e a outra não é dada pela situação a seguir:
ou
PcxaPerf = 13/20
PcxbDef = 4/12
PcxaDef = 7/20
PcxbPerf = 8/12
55
Unidade II
Dentre as várias distribuições de probabilidade existentes, neste tópico, será estudada a distribuição
normal, pois apresenta grande aplicação em pesquisas científicas e tecnológicas (a maior parte das
variáveis contínuas de interesse prático segue essa distribuição.) Além disso, a distribuição normal é base
para boa parte dos tópicos da Estatística Avançada.
x
Figura 10 – Distribuição normal de probabilidades
• A área abaixo da curva é igual a 1 (100%). Portanto, é composta de duas partes de 50%: a parte
com valores abaixo da média e a parte com valores acima da média.
• Para desenhar a curva normal (também chamada de curva de Gauss), dois parâmetros são
necessários: média e desvio-padrão.
56
ESTATÍSTICA
Lembrete
Para utilizar a tabela normal (a seguir), necessitamos de uma simples expressão para calcular
o escore z. O escore z é um valor intermediário para busca na tabela normal visando obter a
probabilidade desejada. Note que para obter o escore z basta possuir os valores da média e
desvio-padrão.
xx
z
s
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
57
Unidade II
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
Para trabalhar com a tabela normal a partir de um valor de z calculado, devemos seguir os
exemplos:
Exemplo 1:
z = 1,27
• O valor 1 será buscado nos valores de linha da tabela e o valor 2 será buscado nos valores de
coluna da tabela normal. O cruzamento de linha e coluna fornece a probabilidade desejada para
o valor de z.
58
ESTATÍSTICA
Exemplo 2:
z = -0,64
Como a curva normal tem simetria em relação à média, basta considerar o valor de z sem o sinal
negativo e obter P conforme o Exemplo 1.
Valor 1 = 0,6
Valor 2 = 4
P = 0,2389 = 23,89%
Exemplo 3:
z=3
Como a tabela normal trabalha com valores de z com duas casas decimais, basta adaptar o valor de
z para as duas casas.
Valor 1 = 3,0
Valor 2 = 0
P = 0,4987 = 49,87%
Observação
59
Unidade II
Exercício introdutório
Os comprimentos das peças produzidas por certa máquina apresentaram as seguintes medidas
estatísticas:
Média = 2,00 cm
Desvio-padrão = 0,04 cm
Qual é a probabilidade de uma peça retirada aleatoriamente do lote analisado ter comprimento
entre 2,00 cm e 2,05 cm?
Passo 1: determinar a região de interesse da curva (de acordo com o enunciado). Recomenda-se
fortemente desenhar a curva normal com os dados do exercício.
2 2,05
Passo 2: como a região de interesse é composta pelo valor 2,05 e pela média (no eixo horizontal),
calcule o valor do escore z usando a expressão a seguir e os dados do enunciado.
xx
z
s
2, 05 2 0, 05
z 1, 25
0, 04 0, 04
z = 1,25
P = 0,3944 = 39,44%
A probabilidade de uma peça retirada aleatoriamente do lote analisado ter comprimento entre 2,00
cm e 2,05 cm é de 39,44%.
60
ESTATÍSTICA
Observação
Este tópico é base para todo o estudo de Estatística Aplicada ou
avançada. Compreender a curva normal e o cálculo de probabilidades com
essa curva permite entender os vários modelos de amostragem e geração
de estimativas para uma população a partir de dados de uma amostra, bem
como os conceitos de controle estatístico de processo.
1. A duração de certo componente eletrônico tem média de 850 dias e desvio-padrão de 40 dias.
Sabendo que a duração é normalmente distribuída, calcule a probabilidade de esse componente durar:
Média = 850
Desvio-padrão = 40
a)
Análise: a área de interesse sob a curva está entre a média e 1000 dias. Logo, é possível obter
diretamente a probabilidade.
P = 0,4999 = 49,99%
b)
Análise: a área de interesse sob a curva está entre 800 e 950 dias. Como a fórmula de z funcionará
apenas se um dos valores do intervalo for a média, o cálculo será feito em duas partes (a primeira de
800 até a média – chamada de z1 – e a segunda da média até 950 – chamada de z2). Após obter as
probabilidades, bastar somar os seus valores.
800 850 50
z1 1, 25
40 40
Buscando na tabela normal, sem considerar o sinal negativo (linha 1,2 e coluna 5):
P1 = 0,3944 = 39,44%
P2 = 0,4938 = 49,38%
P = 39,44%+49,38% = 88,82%
62
ESTATÍSTICA
c)
750 800 850 900 950 1000 1050 1100 1150 1200
Análise: a área de interesse sob a curva está para valores superiores a 750 dias. Como a fórmula de z
funcionará apenas se um dos valores do intervalo for a média, será calculada a parte de 750 até a média.
A parte superior à média tem probabilidade de 50% (pela definição da curva normal) e não necessita de
cálculo. Em seguida, basta somar as probabilidades.
Buscando na tabela normal, sem considerar o sinal negativo (na linha 2,5 e coluna 0):
P = 0,4938 = 49,38%
O resultado será obtido somando a probabilidade encontrada com os 50% da parte superior da curva
(acima da média):
P = 49,38%+50% = 99,38%
d)
63
Unidade II
Análise: a área de interesse sob a curva está para valores inferiores a 700 dias. Como a fórmula de z
funcionará apenas se um dos valores do intervalo for a média, será calculada a parte de 700 até a média.
Porém, a parte de interesse é exatamente o restante da curva (cauda esquerda). Logo, para obtê-la, basta
subtrair 50% da probabilidade calculada.
Buscando na tabela normal, sem considerar o sinal negativo (linha 3,7 e coluna 5):
P = 0,4999 = 49,99%
e)
Análise: a área de interesse sob a curva está para valores superiores à média. Pela definição da curva
normal, a probabilidade é de 50% para valores acima da média e 50% para valores abaixo da média.
Logo, não há a necessidade de cálculo.
P = 50%
2. Do total de 970 estudantes que prestaram um exame de admissão, apenas 3% foram aprovados.
A nota média foi 5,5, e o desvio-padrão, 1,8. Sabendo que as notas seguem a distribuição normal, qual
foi a nota de corte?
Lembrete
A nota de corte é a nota que separa os aprovados dos reprovados em
alguma avaliação.
64
ESTATÍSTICA
Análise:
Aprovados: 3%
Reprovados: 97% (50% com notas abaixo da média e 47% com notas acima da média).
Média = 5,5
Desvio-padrão = 1,8
47% = 0,4700
3% (aprovados)
Na Figura 18 foi indicada a região dos aprovados (3%). Como esta é a cauda da curva, será utilizada a
região que vai da média até o início dos aprovados (47%), isto é, notas acima da média, porém menores
que a nota de corte indicada na figura pela letra x.
47% = 0,4700
Buscando esse valor na parte central da tabela normal, foi encontrado o mais próximo, dado por:
0,4699 = 46,99%
Esse valor está alocado na linha 1,8 e na coluna 8 da tabela normal, logo:
z = 1,88
xx
z
s
x 5, 5
,
188
18
,
65
Unidade II
3,384 = x - 5,5
-x = -5,5 - 3,384
-x = -8,884
x = 8,884
A nota de corte para esse exame foi de aproximadamente 8,9. Portanto, os candidatos cuja nota
ultrapassou os 8,9 fazem parte dos 3% aprovados.
7 CORRELAÇÃO LINEAR
• Exemplos:
• Positiva: dada pela relação direta entre as variáveis (se a variável x aumentar, a variável y também
aumentará, e vice-versa). Exemplos:
• Negativa: dada pela relação inversa entre as variáveis (se a variável x aumentar, a variável y
tenderá a diminuir, e vice-versa). Exemplos:
66
ESTATÍSTICA
De posse dos valores das variáveis x e y, podemos verificar a correlação entre elas utilizando um
gráfico de dispersão.
Exemplo 1: Número de anos que a pessoa estudou (xi) e número de livros que a pessoa já leu (yi).
Tabela 74 – Tabela de duas variáveis (número de anos de estudo X número de livros que a
pessoa já leu) para obtenção do diagrama de dispersão
Xi 3 5 7 9 10 14 16
Yi 1 2 3 5 7 10 13
Lembrete
O perfil do gráfico é linear, pois se assemelha a uma reta ascendente, mesmo que quase perfeitamente.
Este é um indicativo de que existe correlação entre as variáveis. Se a reta cruzasse perfeitamente todos
os pontos, teríamos uma correlação linear perfeita.
Como a reta é ascendente, a correlação é positiva entre as variáveis, isto é, um aumento de x resultará
em um aumento de y, e vice-versa.
67
Unidade II
Exemplo 2: preço do produto (xi) e demanda (procura) desse produto (yi) na prateleira de um
supermercado qualquer.
Diagrama de Dispersão
45
40
35
30
25
yi
20
15
10
5
0
1,8 2 2,2 2,4 2,6 2,8 3 3,2
xi
O perfil do gráfico é linear, pois se assemelha a uma reta descendente, mesmo que quase perfeitamente.
Logo, existe correlação entre as variáveis.
8 COEFICIENTE DE PEARSON
Podemos verificar o quanto duas variáveis estão relacionadas entre si por meio do cálculo de um
parâmetro. Esse parâmetro indica:
• se a correlação é positiva ou negativa, por meio do seu sinal (relação direta ou inversa entre as
variáveis);
• a “força” da correlação, por meio de seu valor (módulo).
68
ESTATÍSTICA
Para entender o coeficiente de Pearson, serão calculados os coeficientes de correlação linear para os
dois exemplos abordados nos diagramas de dispersão.
Exemplo 1: número de anos que a pessoa estudou (xi) e número de livros que a pessoa já leu (yi).
Tabela 76 – Tabela de duas variáveis (número de anos de estudo X número de livros que a
pessoa já leu) para obtenção do coeficiente de Pearson
Xi Yi
3 1
5 2
7 3
9 5
10 7
14 10
16 13
Uma maneira simples de calcular r é criar as colunas xi.yi, xi2 e yi2, e em seguida somar todas as
colunas (∑).
69
Unidade II
Tabela 77 – Tabela de duas variáveis (número de anos de estudo X número de livros que a
pessoa já leu) para obtenção do coeficiente de Pearson, com os cálculos efetuados
Xi Yi Xi · Yi Xi2 Yi2
3 1 3 9 1
5 2 10 25 4
7 3 21 49 9
9 5 45 81 25
10 7 70 100 49
14 10 140 196 100
16 13 208 256 169
64 41 497 716 357
Com a tabela devidamente preenchida, o cálculo de r pela fórmula pode ser efetuado.
Onde:
n=7
∑xi.yi = 497
∑xi = 64
∑yi = 41
∑xi2 = 716
∑ yi2 = 357
7.497 64.41
r
(7.716 (64 )2 ) (7.357 (41)2 )
3479 2694
r
(5012 4096) (2499 1681)
855
r
(916) (818)
855 855
r
749288 865.61
r = 0,988 (correlação positiva muito forte)
Exemplo 2: Preço do produto (xi) e demanda (procura) desse produto (yi) na prateleira de um
supermercado qualquer.
70
ESTATÍSTICA
Xi Yi
2 40
2,2 35
2,4 20
2,6 13
2,8 8
3 3
Onde:
n=6
∑xi.yi = 270,2
∑xi = 15
∑yi = 119
∑xi2 = 38,2
∑ yi2 = 3467
6.270, 2 15.119
r
(6.38, 2 (15)2 ) (6.3467 (119)2 )
1621, 2 1785
r
(229, 2 225) (20802 14161)
163, 8
r 71
(4, 2) (6641)
6.270, 2 15.119
r
(6.38, 2 (15)2 ) (6.3467 (119)2 )
Unidade II
1621, 2 1785
r
(229, 2 225) (20802 14161)
163, 8
r
(4, 2) (6641)
163, 8 163, 8
r
27892, 2 167, 01
r = 0,981 (correlação negativa muito forte)
Saiba mais
Após o cálculo do coeficiente de correlação entre duas variáveis, pode-
se estabelecer um modelo que explica o seu comportamento mútuo. Esse
modelo é obtido pelo estudo de Regressão Linear.
Para conhecer melhor esse assunto, leia:
MORETTIN, L. G. Estatística básica. São Paulo: Makron Books, 1999.
Resumo
Nesta Unidade abordamos introdutoriamente o conceito de
probabilidade. Vale lembrar que existem disciplinas somente voltadas para
esse assunto.
Vimos que é possível trabalhar com a curva de Gauss com duas medidas
já estudadas neste material, a média e o desvio-padrão do conjunto de
dados em estudo.
Exercícios
Questão 1. (Enade 2008, Matemática) Há 10 postos de gasolina em uma cidade. Desses 10,
exatamente dois vendem gasolina adulterada. Foram sorteados aleatoriamente dois desses 10 postos
para serem fiscalizados. Qual é a probabilidade de que os dois postos infratores sejam sorteados?
A) 1/45.
B) 1/20.
C) 1/10.
D) 1/5.
E) 1/2.
O espaço amostral, definido como o conjunto dos resultados do experimento aleatório, tem 45 elementos
que podem ser obtidos por meio da combinação dos dez postos (n = 10), tomados dois a dois (x = 2), isto é,
n: 10 :
45 .
x : (n x ): 2 : 8 :
Sendo o evento A o subconjunto de S formado pelos dois postos infratores, ou seja, n(A) = 1, tem-se,
1
então, que P( A ) = . Assim, a alternativa correta é A.
45
Solução 2: Supondo que os dois postos foram sorteados sucessivamente e sem reposição, pode-se
utilizar o chamado Teorema do Produto, P(A ∩ B) = P (A) × P(B/A).
Sejam A o primeiro sorteado e B o segundo sorteado; se eles forem os dois postos que adulteram a
2
gasolina entre os dez da cidade, tem-se, então, que a probabilidade de sortear o posto A é P( A ) = ,
10
isto é, há duas chances em dez de se sortear um posto infrator na primeira tentativa. Sabendo-se que
o posto A já foi sorteado, a chance de retirar, na segunda tentativa, o posto B, que também adultera a
1
gasolina, fica P(B / A ) = .
9
2 1 2 1
Então, tem-se P(A ∩ B) = P (A) ∙ P(B/A) =
10 9 90 45
Questão 2. Observe as curvas de distribuição normal da figura abaixo e assinale a alternativa incorreta:
0,9 a
0,8
µ = 0, σ2 = 0,2 a
0,7 b
µ = 0, σ2 = 1,0
0,6 d µ = 0, σ2 = 5,0 c
µ = 0, σ2 = 0,5 d
0,5
b
0,4
0,3
c
0,2
0,1
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
Figura 20
74
ESTATÍSTICA
75
FIGURAS E ILUSTRAÇÕES
Figura 2
Figura 3
Figura 4
Figura 5
Figura 6
Figura 7
BRUNI, A. L. Estatística aplicada à gestão empresarial. São Paulo: Atlas, 2007. p. 68.
REFERÊNCIAS
76
77
78
79
80
Informações:
www.sepi.unip.br ou 0800 010 9000