Fundamentos de Estatistica

FUNDAMENTOS DE ESTATÍSTICA
Jerônimo Flores
ISBN: 978-85-67027-16-6
SUMÁRIO
Esta é uma obra coletiva organizada por iniciativa e direção do CENTRO SU-
INTRODUÇÃO À ESTATÍSTICA 4 PERIOR DE TECNOLOGIA TECBRASIL LTDA – Faculdades Ftec que, na for-
ma do art. 5º, VIII, h, da Lei nº 9.610/98, a publica sob sua marca e detém os
NOÇÕES FUNDAMENTAIS 5
direitos de exploração comercial e todos os demais previstos em contrato. É
ESTATÍSTICA DESCRITIVA 6 proibida a reprodução parcial ou integral sem autorização expressa e escrita.
DISTRIBUIÇÃO DE FREQUÊNCIA 14
CENTRO UNIVERSITÁRIO UNIFTEC
ESTATÍSTICA BÁSICA 21
Rua Gustavo Ramos Sehbe n.º 107. Caxias do Sul/ RS
REGRESSÃO LINEAR SIMPLES 33
REITOR
INTERVALO DE CONFIANÇA 37
Claudino José Meneguzzi Júnior
TABELAS42 PRÓ-REITORA ACADÊMICA
Débora Frizzo
PRÓ-REITOR ADMINISTRATIVO
Altair Ruzzarin
DIRETOR DE ENSINO A DISTÂNCIA (EAD)
Rafael Giovanella
Desenvolvido pela equipe de Criações para o Ensino a Distância (CREAD)

Coordenadora e Designer Instrucional
Sabrina Maciel
Diagramação, Ilustração e Alteração de Imagem
Thais Magnus Munhoz
Revisora
Luana dos Reis
APRESENTAÇÃO
Olá, graduando!
Você se considera uma pessoa

azarada? A fila em que você
está no supermercado sempre
anda mais devagar? Ou sempre
chove quando você esquece o
guarda-chuva? A maior parte
dos fenômenos que as pessoas
atribuem à “sorte” ou ao “azar”
podem ser calculados, medidos
e mesmo previstos por meio de
procedimentos estatísticos.
FUNDAMENTOS DE ESTATÍSTICA 3
INTRODUÇÃO À
ESTATÍSTICA
A estatística é um ramo da Matemática que se propõe a coletar, organizar,
sistematizar, descrever, analisar e interpretar dados para o auxílio no
processo de tomada de decisão.
4
SUMÁRIO
A estatística vem sendo utilizada há séculos. Na Bíblia Sagrada existem re- • Amostra: após a população ser definida, um subconjunto ou “recorte” dessa será a amostra.
latos de história de contagem de pessoas com finalidades militares e de cobrança Utiliza-se n para indicar o número que foi amostrado (MORETTIN, 2010).
de impostos.
• Amostragem: é o processo utilizado para a composição da amostra (MORETTIN, 2010).
Podemos dividir a estatística em três grandes áreas: a estatística descritiva, a es-
tatística inferencial e a estatística probabilística. Na estatística descritiva, os procedi- • Dados brutos: são os dados na forma com que foram coletados, sem qualquer tratamento mate-
mentos resumem-se a descrever os dados, o que exige organização, síntese e apresenta- mático (CORREA, 2003).
ção. Na estatística inferencial, procuramos generalizar um fenômeno a partir do estudo
com uma fração ou pedaço dele. Já, a estatística probabilística, mede as tendências de • Frequência: é o número de vezes que um fenômeno se repete (CORREA, 2003).
um fenômeno acontecer, partindo de observações preliminares (CORREA, 2003).
• Rol: é a organização dos dados brutos na forma crescente ou decrescente (CORREA, 2003).
NOÇÕES FUNDAMENTAIS
• Parâmetro: é uma medida utilizada para descrever as características de uma população de forma
Neste item estudaremos alguns conceitos e ideias que serão de suma importân- numérica. A média e a variância são exemplos de parâmetros (MORETTIN, 2010).
cia para o nosso sucesso na disciplina. Como:
• Censo: é uma pesquisa em que a
• Variável: uma característica que pode assumir distintos valores, de acordo com população é igual à amostra (COR-
os sujeitos e o contexto (CORREA, 2003). Por exemplo: o crescimento de uma REA, 2003). O IBGE se propõe a fa-
planta, a distância que o vendedor percorre com o carro da empresa, o desgaste zer um censo da população brasi-
de uma peça, etc. leira, ou seja, entrevistar todos os
habitantes do país.
• População: é o conjunto formado por elementos que tenham pelo menos uma
variável comum (MORETTIN, 2010). Vamos exemplificar:
SUMÁRIO
ESTATÍSTICA DESCRITIVA
Refletindo
A estatística descritiva visa descrever os fenômenos. Assim, gráficos,
tabelas e histogramas são valiosos para que isto seja possível.

Você trabalha no restaurante de
uma empresa onde, diariamente,
TABELAS
almoçam 300 funcionários. O seu
interesse é mudar o cardápio, mas
Tabelas podem ser muito úteis no processo de organização, sistemati-
não tem certeza se aprovarão. Você
zação e apresentação dos dados. A maior parte das tabelas apresenta as va-
não tem tempo nem recursos
riáveis e a sua frequência. Uma tabela pode ser de entrada simples, quando
para fazer um almoço para todos.
conter apenas uma variável ou de entrada dupla quanto conter mais de uma.
Assim, sorteia 30 pessoas, faz um
almoço teste e pede para que eles
Vale a pena lembrar que a estatística descritiva parte de um processo de
atribuam uma nota de zero a dez
contagem. Você conta algo, para posteriormente seguir com os demais pro-
ao cardápio. Para estimar uma nota
cessos. Por exemplo, verificou-se a distância que o vendedor da empresa em
geral, faz-se uma média das notas.
que você trabalha anda com o carro da empresa.
Assim, temos:
Distância
População: 300 pessoas Dia Distância (Km)

Segunda-feira 80
Amostra: 30 pessoas
Terça-feira 75
Amostragem: sorteio Quarta-feira 120

Quinta-feira 100
Parâmetro: média Sexta-feira 84
Sábado 67
SUMÁRIO
Considerando, unicamente, os números 80, 75, 120, 100, 84 e 67 podemos dizer GRÁFICOS
que temos os dados brutos da distância percorrida. No momento em que eles forem
organizados seguindo um padrão matemático: 67, 75, 80, 84, 100 e 120 temos um rol. Gráficos, além de fornecerem a organização dos dados, são excelentes para apresentações
e palestras, pois produzem um efeito visual interessante e revelam o comportamento do fenôme-
Outro conceito importante é o de amplitude total (h). no. Entretanto, são necessários alguns cuidados na sua elaboração, dentre os quais destacamos:
veracidade, clareza e simplicidade. Lembre-se que os gráficos podem ser apresentados para pes-
Amplitude, refere-se ao tamanho, ou seja, o maior valor menos o menor. soas que não conhecem a sua pesquisa, logo, eles precisam fornecer uma ideia do que aconteceu.
Assim, podemos dizer que a amplitude total da distância percorrida pelo vende-
dor é dada por h= 120 -67 h= 53 km.
Quando o nosso processo de contagem exigir a consideração de mais de uma
variável significativa, podemos montar uma tabela de entrada dupla. Por exemplo,
você foi responsabilizado para verificar se os funcionários da empresa desejam re-
alizar horas extras. A sua experiência anterior, indica que homens e mulheres têm
opiniões diferentes a respeito desse assunto. Então, a tabela é organizada com as va-
riáveis “homens” e “mulheres”.
Entrada dupla
Interesse em realizar horas

Homens Mulheres Total
extras
Não 16 35 51
Sim 45 5 50
Total 61 40 101
SUMÁRIO
Entenda mais sobre os tipos de gráficos:
GRÁFICO EM COLUNAS GRÁFICO EM BARRAS
Observe que o gráfico a seguir, apesar de representar o fenômeno, pode conter proble- Assemelha-se ao gráfico em colunas, porém, os retângulos são dispostos horizontal-
mas para uma apresentação. Veja que alguns vendedores não têm a sua venda indicada, le- mente (CORREA, 2003, p.25). A escolha do modelo depende exclusivamente do interesse e da
vando o leitor a precisar supor o valor exato da venda. Além disso, seria necessário especificar preferência de quem fez o gráfico, pois são representações muito similares.
o período para termos uma noção de como as vendas aconteceram.
Vendas Vendas
O gráfico indica as vendas dos representantes comerciais da empresa O gráfico indica as vendas dos representantes comerciais da empresa
“Sul Metais” Ltda. “Sul Metais” Ltda.
SUMÁRIO
GRÁFICO EM SETORES O gráfico, apesar de produzir um bom efeito visual, também
apresenta algumas limitações. Por exemplo, observe a quantia de tons
É o famoso gráfico em “pizza”. Consiste em repartir um círculo em vários setores ou fatias. Utilizamos prin- de azul e roxo utilizadas, o que pode confundir o leitor. Mesmo que
cipalmente quando queremos comparar os valores encontrados com o total (CORRREA, 2005, p.25). Esse gráfico tenhamos uma legenda, pois ela não indica exatamente em que lo-
produz um bom aspecto visual, sendo muito utilizado em apresentações. cal está o mês inicial, podendo causar uma certa confusão. Dessa for-
ma, é possível dizermos que ele falha no aspecto clareza. Sobretudo,
Exemplo: para apresentações, devemos estar muito atentos ao modo pelo qual
O gráfico revela os gastos com papel em um escritório de uma determinada empresa. as pessoas o entenderão.
Gastos de papel no escritório GRÁFICO EM LINHAS
Constitui uma aplicação do processo de representação das fun-
ções num sistema de coordenadas cartesianas (CORREA, 2003, p.24).
São bastante úteis quando almejamos visualizar a variação de um fe-
nômeno, por exemplo, as vendas da empresa, subiram, baixaram e
mantiveram-se constantes. Comparações entre dois fenômenos tam-
bém são interessantes.
Exemplo:
O gráfico a seguir indicará as vendas de João Carlos

durante os primeiros meses do ano de 2016.
SUMÁRIO
Amostragem é a forma ou técnica utilizada para compormos a amostra.
Veja as classificações de amostragem!
Perceba que com esse tipo de gráfico é possível observar com clareza os
períodos de queda e de crescimento nas vendas do representante.
Existem outros tipos de gráficos que devem ser usados, de

acordo com a necessidade do pesquisador, mas, sobretudo,
com o uso do bom senso.
AMOSTRAGEM
Podemos entender a população como a totalidade dos sujeitos envolvi-
dos na pesquisa. A amostra é um “recorte” dessa população. A amostragem é
a forma como efetuamos esse “recorte”.
SUMÁRIO
AMOSTRAGENS PROBABILÍSTICAS AMOSTRAGEM SISTEMÁTICA
São técnicas que envolvem elementos estatísticos durante a composição da amostra. É similar à amostragem aleatória simples, sendo utilizada quando almejamos compor
Aqui, procuramos eliminar o viés da aleatoriedade. a amostra a partir de ciclos. É necessário ordenar os elementos, fornecendo uma cobertura
mais ampla do fenômeno (BARBETTA, 2002).
AMOSTRAGEM ALEATÓRIA SIMPLES

Exemplo: a construtora “JBF construções” tem 30 funcionários e deseja
Nesse processo, precisamos identificar todos os elementos da população, selecionando a entrevistar 5 deles em relação às condições de segurança no trabalho. A
amostra a partir de um sorteio. É imprescindível que todos os elementos da população tenham amostragem será a sistemática. Vamos aos passos:
a mesma chance de pertencerem à amostra (BARBETTA, 2002). Para isso, é muito importante a
realização de um sorteio honesto. Uma boa ideia é a utilização de geração de números aleatórios.
1. Numerar aleatoriamente os funcionários.
Na planilha eletrônica, você pode utilizar o comando ALEATÓRIOENTRE. Por exemplo, você de-
seja sortear um número aleatório entre 1 e 120. Basta digitar “=ALEATÓRIOENTRE(1;120)”. 1) Beto 7) Cristiane 13) Alexandre 19) Andrei 25) Marcelo
2) Marilene 8) Daniel 14) Bruna 20) Débora 26) Tiago
3) Carlos 9) Márcio 15) Gláucia 21) Janice 27) Ana Paula
4) Ângela 10) Simone 16) Ivo 22) Marluce 28) Max
5) Alfredo 11) Monique 17) Dener 23) Jaqueline 29) Sinara
6) Vicente 12) Maicon 18) João 24) Patrícia 30) Marília
SUMÁRIO
2. Construir um intervalo de seleção (K), dividindo-se o número da população (N) pelo da

Função População Amostra
amostra (n):
Mecânico 10 2
K= N/n K= 30/5 K=6
Auxiliar de escritório 10 2
Este número sempre deve ser arredondado.
Operário 30 6
3. Sortear um funcionário aleatoriamente entre 1 e 6. Suponha que o número sorteado foi 5. O Total 50 10
primeiro funcionário da amostra será “Alfredo”. Os demais serão obtidos a partir do inter-
valo de seleção, sendo adicionados 6. Assim, entrevistaremos: 5) Alfredo; 11) Monique; 17) Perceba que essa técnica de amostragem “varreu” todos os estratos considerados,
Dener; 23) Jaqueline; 29) Sinara. já, com outra técnica, isso não seria possível.
A composição dos estratos deve considerar a realidade do cenário

AMOSTRAGEM ESTRATIFICADA
pesquisado, bem como os valores da amostra devem ser arredondados.
Consiste em dividir a população em grupos, denominados estratos, que devem ser homogê-
AMOSTRAGEM POR CONGLOMERADOS
neos em relação às características das variáveis de estudo (BARBETTA, 2002).
Nesse tipo de amostragem, elegemos conglomerados da população, que consistem
Exemplo: para eleger um representante para o sindicato, do qual a sua em agrupamentos da população. Após selecionados os conglomerados, um deles é sorte-
empresa é filiado, foi realizada uma pesquisa em relação ao estilo de liderança ado por amostragem aleatória simples e todos os elementos dele são analisados.
que os funcionários preferem. Você decidiu entrevistar 20%, e percebeu que

Exemplo: desejamos pesquisar a satisfação de administradores de
cada função pode ter uma opinião diferente. Assim, foi feita uma amostragem
empresa na cidade de Caxias do Sul, e utilizamos a amostragem por
estratificada, considerando que na empresa tem 10 mecânicos, 10 auxiliares de
conglomerados. Inicialmente, devemos compor os conglomerados, que
escritório e 30 operários. Componha a amostra:
são os possíveis “lugares” em que estão os administradores. Vamos supor:
SUMÁRIO
1. Indústrias AMOSTRAGEM A ESMO
2. Comércio Como o nome sugere, consiste em escolher a esmo, sem um critério matemático previs-
to anteriormente. Nesse caso, contamos com o acaso para escolhermos os representantes da
3. Instituições de Ensino Superior população.
4. Empresas de Consultoria Exemplo: Queremos testar a resistência de parafusos ao calor. Temos 5.000
parafusos e queremos analisar 250. Seria inviável numerar os parafusos e
Realizamos um sorteio aleatório entre os números 1 e 4. Suponha que o número 2 foi utilizar a amostragem aleatória simples, por exemplo. Assim, sorteamos os
sorteado. Assim, precisamos entrevistar todos os administradores que trabalham no comér- 250 parafusos ao acaso ou a esmo, que justifica o nome da técnica.
cio na cidade de Caxias do Sul.
AMOSTRAGEM INTENCIONAL
AMOSTRAGENS NÃO PROBABILÍSTICAS
Pode ser utilizada quando o pesquisador visa uma determinada característica dentro da
Em muitas situações não é possível conhecer a priori, a probabilidade de um elemen-
população. É um tipo de pesquisa bastante utilizada no mercado consumir, pois visa um de-
to da população pertencer à amostra. Em outras, é muito difícil numerar-se toda a população
terminado tipo ou perfil de cliente.
(BARBETTA, 2002).
Exemplo: Você trabalha no setor de qualidade de uma empresa que
manufatura tabaco, e almeja conferir a satisfação sobre uma nova marca
Exemplo: Em uma pesquisa sobre a saúde dos peixes em um rio, não é de cigarro disponível no mercado. Assim, devem ser entrevistados,
possível determinarmos nem fazermos a numeração da população. Nesses intencionalmente, fumantes. Uma amostragem composta de outra forma,
casos, utilizamos as amostragens não probabilísticas. além de poder formar uma amostra pequena, pode causar uma série de
constrangimentos para o pesquisador.
SUMÁRIO
AMOSTRAGEM POR COTAS DISTRIBUIÇÃO DE FREQUÊNCIA
Assemelha-se à amostragem estratificada, também trabalhando com subcon- Podemos entender a frequência como o número de vezes que um fenômeno se repete.
juntos, em que a população é dividida. Seleciona-se para participar da amostra uma
cota de cada subgrupo, sendo proporcional ao seu tamanho. Entretanto, a seleção não Uma distribuição de frequência é uma tabela na qual os possíveis valores de uma variável se
tem a necessidade de ser aleatória (BARBETTA, 2002). encontram agrupados em classes, registrando-se o número de valores observados em cada classe
(KAZMIER, 1982, p.8).
Exemplo: uma empresa deseja promover um estudo sobre o “peso” dos

DISTRIBUIÇÃO DE FREQUÊNCIA SEM AGRUPAR DADOS
seus funcionários. Levou-se em conta o sexo e a idade. Como não era
possível obrigar todos os funcionários a realizar o exame, a instituição
A distribuição de frequência sem agrupar dados é feita, a partir da observação do número de
chegou aos seguintes números de entrevistados:
acontecimentos em determinados intervalos de uma amostra.
Sexo Mais de 40 anos Menos de 40 anos

Exemplo: o departamento pessoal da empresa “PL Calçados” efetuou um
Masculino 48% 14%
levantamento dos funcionários que estiveram ausentes no decorrer de dois anos.
Feminino 26% 12%
Perceba que um dos estratos (masculino com mais de 40 anos) foi de certa forma pri- Funcionários ausentes
Jan. Fev. Mar. Abr. Mai. Jun. Jul. Ago. Set. Out. Nov. Dez.
vilegiado, com um percentual maior de entrevistas, o que pode “contaminar” a pesquisa.
Ano 1 6 7 1 6 9 2 7 9 1 8 10 9
Ano 2 8 8 5 1 7 4 10 9 4 10 6 10
Em pesquisas eleitorais são utilizadas amostragens por cotas.
Consideram-se sexo, escolaridade e renda, por exemplo. Podemos organizar estes dados considerando o número de funcionários que faltou e o número
de vezes que isto ocorreu (frequência absoluta).
SUMÁRIO
Distribuição de frequência • Frequência absoluta (fi): são os números de observações dos elementos de uma
determinada classe.
Número de funcionários que faltaram. Número de meses (frequência)
1 3
A tabela ao lado • Frequência relativa (fr): é a proporção que a frequência absoluta da classe ocu-
2 1
é denominada 4 2 pa em relação ao total. Ela é obtida a partir da divisão da frequência absoluta
distribuição de 5 1
pelo total.
6 3
frequência, sem
7 3
agrupar dados. • Frequência percentual (fp): indica o percentual que cada classe ocupa em rela-
8 3
9 4 ção ao todo. É obtida a partir da multiplicação da frequência relativa por cem.
10 4
Total: 52 • Frequência acumulada (fa): é a soma da frequência absoluta da classe com a
da classe anterior. É comumente utilizada quando queremos ter uma ideia de

DISTRIBUIÇÃO DE FREQUÊNCIA COM DADOS AGRUPADOS
várias classes conjuntamente.
Uma distribuição de frequência com dados agrupados consiste em realizar agrupamentos, sendo • Frequência acumulada percentual (fap): é a soma da frequência percentual da
muito utilizada quando temos muitas informações. No entanto, a construção desses grupos exige pro- classe com a da classe anterior. É comumente utilizada quando queremos ter
cedimentos matemáticos e o conhecimento de alguns conceitos: uma ideia de várias classes juntamente.
Veremos, a seguir, como compor cada um desses elementos em uma pesquisa:

• Classes (k): são os grupos que serão formados.
• Amplitude do intervalo de classe (h): é o tamanho da classe.

Exemplo: o rol indica a quilometragem mensal que um vendedor
fez com o veículo da empresa em um determinado período. Faça a
• Intervalo de classe: são os limites da classe. Temos o limite inferior e o superior.
distribuição de frequência utilizando dados agrupados por intervalos
• Ponto médio do intervalo de classe (xi): é o limite superior mais o limite inferior dividido por dois. de classes, siga os passos:
SUMÁRIO
Distância (Km) percorrida pelo vendedor 2. Estimar a amplitude de cada classe.
550 580 615 630 650 700 780 805 830 850
h= [maior valor]-[menor valor]
865 900 925 940 950 955 970 980 1000 1100 número de classes desejadas
1150 1150 1300 1350 1500 2000 2500 2800 2950 3000
h= (3000-550)/6
1. Estimar o número de classe.

h=408,33
Utilizamos a fórmula de Sturges:

Importante: a amplitude de classe é o único caso que devemos
arredondar “para cima”, sempre, pois caso contrário, o último valor

k=1+3,3logn
da tabela pode não se encaixar na distribuição de frequência. Assim,
Importante: explore a sua calculadora! Em algumas basta digitar a fórmula, em
h = 409.
outras você precisa calcular o log primeiro, multiplicar por 3,3 e, por último, somar um.
3. Montar a tabela com a frequência absoluta.

Vamos considerar que a nossa amostra tem 30 elementos, então n=30.
Para isso, partimos do primeiro valor do rol (ver tabela 5), ou

Logo:
seja 550. Este será o limite inferior da primeira classe. Para encon-
trarmos o limite superior, somamos 550 com 409, que é a amplitude

k=1+3,3logn
do intervalo, resultando em 959. A segunda classe começará com 959,
k=1+3,3log30 que será somado com 409. O processo segue até alcançarmos 6 clas-
ses, conforme a tabela a seguir. Para encontrar a frequência absoluta,

k=1+3,3.1,47
voltamos para a tabela 5 e contamos quantos elementos pertencem à
cada classe. Perceba que existem 16 eventos entre 550 e 959:

k=5,87 aproximadamente 6 classes
SUMÁRIO
Distribuição de frequência 5. Frequência percentual.
Distância Frequência absoluta (fi)
550 |–959 16 Basta multiplicar a frequência relativa por 100.
959 |– 1368 8
Distribuição de frequência
1368 |– 1777 1 Distância fi fr fp
1777 |– 2186 1 550 |–959 16 16/30 : 0,53 53%
2186 |– 2595 1 959 |– 1368 8 8/30: 0,27 27%
2595 |–3004 3 1368 |– 1777 1 1/30: 0,033 3,3%

1777 |– 2186 1 1/30: 0,033 3,3%
TOTAL 30
2186 |– 2595 1 1/30: 0,033 3,3%
2595 |–3004 3 3/30: 0,1 10%
4. Frequência relativa.
TOTAL 30 Aprox.1 Aprox. 100%
Basta dividir cada um dos valores da frequência
absoluta pelo total, ou seja 30. 6. Frequência acumulada e frequência acumulada percentual.
Distribuição de frequência Distribuição de frequência

Distância fi fr Distância fi fr fp fa fap
550 |–959 16 16/30 : 0,53 550 |–959 16 16/30 : 0,53 53% 16 53%
959 |– 1368 8 8/30: 0,27 959 |– 1368 8 8/30: 0,27 27% 16+8: 24 80%
1368 |– 1777 1 1/30: 0,033 1368 |– 1777 1 1/30: 0,033 3,3% 24+1: 25 83,3%
1777 |– 2186 1 1/30: 0,033 1777 |– 2186 1 1/30: 0,033 3,3% 25+1: 26 86,6%
2186 |– 2595 1 1/30: 0,033 2186 |– 2595 1 1/30: 0,033 3,3% 26+1: 27 89,9%
2595 |–3004 3 3/30: 0,1 2595 |–3004 3 3/30: 0,1 10% 27+3: 30 99,9%
TOTAL 30 Aprox.1 TOTAL 30 Aprox.1 Aprox. 100%
SUMÁRIO
7. Estimar o ponto médio.
Em muitas situações é necessário sabermos o ponto médio de cada classe. Logo, temos:
Classe 1: (550 + 959) /2 = 754,5
Classe 2: (959+1368) /2 = 1163,5
Classe 3: (1368+1777) /2 = 1572,5
Classe 4: (1777+ 2186) /2 = 1981,5
Classe 5: (2186+2595) /2 = 2390,5
Classe 6: (2595+3004)/ 2 = 2799,5
Distribuição de frequência
Distância fi fr fp fa fap p.m.
550 |–959 16 16/30 : 0,53 53% 16 53% 754,5
959 |– 1368 8 8/30: 0,27 27% 16+8: 24 80% 1163,5
1368 |– 1777 1 1/30: 0,033 3,3% 24+1: 25 83,3% 1572,5
1777 |– 2186 1 1/30: 0,033 3,3% 25+1: 26 86,6% 1981,5
2186 |– 2595 1 1/30: 0,033 3,3% 26+1: 27 89,9% 2390,5
2595 |–3004 3 3/30: 0,1 10% 27+3: 30 99,9% 2799,5
Aprox.
TOTAL 30 Aprox.1
100%
EXERCÍCIOS SUMÁRIO
1. Uma franquia de lojas instalou algumas representações em diversas regiões do Rio Gran- 3. Os funcionários da empresa “123 Testes Informática” estavam reclamando do tempo de
de do Sul. Com o fim de conferir a satisfação dos clientes, resolveu entrevistar 7% des- reuniões. Para verificar se a reclamação procedia, foi realizado um estudo, no qual se
ses de cada região. Então, vamos completar a tabela, indicando a amostra e o número da controlou o tempo das reuniões em minutos, que foram organizados na tabela que segue:
amostra. Obs. o número da amostra é a amostra, porém, arredondada.
Segunda Terça Quarta Quinta

Região Clientes Amostra Número de amostra
45 52 70 58
Metropolitana 690
50 51 46 63
Serra 380
42 44 59 54
Campanha 160
41 40 64 60
Litoral 280
Construa uma tabela de distribuição de frequência com dados agrupados por classes.
2. O número de produtos que os clientes trocam em uma loja, foram registrados na tabela
Considere a frequência absoluta, frequência relativa, frequência percentual, frequência acu-
que segue:
mulada e frequência acumulada percentual.
Casacos Camisetas Camisas Meias Sapatos Cintos
8 5 0 5 7 4
7 4 1 4 8 3
6 3 4 2 6 2
Vamos construir uma distribuição de frequência, sem agrupar dados:
4. Observe um estrato de uma tabela extraída do site do IBGE:
Empresas que não apresentaram ações de inovações organizacionais e marketing no

Brasil entre 2006 e 2008.
Segmento Número de empresas
Fabricação de produtos alimentícios 6.839
Fabricação de bebidas 551
Fabricação de produtos do fumo 42
Fabricação de produtos têxteis 2.206
Confecção de artigos do vestuário e acessórios 8 939
Construa um gráfico de setores, preferencialmente, utilizando planilhas eletrônicas.
5. João Oliveira, o gerente da empresa onde você trabalha, recebeu um e-mail com o se-
guinte conteúdo:
Seu João. O Ricardo rodou 344 km e vendeu R$ 456,00, enquanto o Bruno rodou apenas 124
km e vendeu R$540,00. Só não entendi o Gilmar, que rodou 1389 km e vendeu apenas R$123,00.
Por outro lado, a Marisa, que preferiu ficar na empresa e trabalhar por telefone, conseguiu vender
R$560,00. Acho que está na hora de tomarmos algumas decisões.
Att
Vinicius Araújo
Construa uma tabela de entrada dupla com os dados envolvidos no e-mail recebido pelo
gerente da situação anterior.
ESTATÍSTICA BÁSICA
Neste capítulo, começaremos a analisar e interpretar os dados. Para isso,
faremos uso de distintas técnicas de estatística que nos auxiliarão no
processo de tomada de decisões.
21
SUMÁRIO
Em nossa atuação, seja profissional, ou pessoal, faz com que nos Média aritmética
deparemos constantemente com fenômenos. Muitas vezes, atribuímos
a sua existência à casualidade, em outros casos, procuramos compre- É um número que representa um fenômeno. Kazmier (1982, p. 29) define a mé-
endê-los. Essa compreensão passa pelo entendimento de suas causas dia aritmética como “a soma dos valores do grupo de dados divididos pelo número
e de seus efeitos, que podem ser vinculados a números, que a partir de valores”. Usamos a média aritmética em diversas situações do nosso cotidiano,
daí podem ser interpretados à luz de procedimentos estatísticos. Tais como quando queremos projetar uma situação intermediária. Por exemplo, se você
técnicas podem ser usadas tanto na empresa, quanto em situações do faz duas provas valendo 10 pontos cada uma, e tira 6 na primeira e 8 na segunda, qual
cotidiano, para que possamos tomar decisões fundamentadas em pa- foi a sua média? Não foi 7? E como chegamos a esse resultado? Somamos 6 com 8 e
drões anteriormente observados. dividimos por 2, não é verdade?
Para dados não agrupados:

Existem vários recursos matemáticos que podem nos
auxiliar a ler, interpretar e até mesmo prever o mundo.
A tabela indica o lucro da “KouroteK calçados”. Faça a média:
Média aritmética
MEDIDAS ESTATÍSTICAS Meses Venda (R$)

Janeiro 22.000
Fevereiro 18.000
MEDIDAS DE TENDÊNCIA CENTRAL
Março 10.000
Abril 26.000
Como vimos no último capítulo, os dados obtidos em uma pes- Maio 14.000
Junho 30.000
quisa podem ser apresentados em gráficos ou tabelas. Entretanto, um
Total 120.000
fenômeno pode ser representado por meio de uma única quantia, de-
Média: 120.000/6 = R$ 20.000,00
nominada medida de tendência central. As principais são a média, a
moda e a mediana. Observe que basta somar os valores e dividir pelo número de eventos.
SUMÁRIO
Para dados agrupados por intervalo de classe: MÉDIA PONDERADA
Quando nossos dados estão agrupados por intervalo de classe, devemos considerar seus
A média ponderada é uma média aritmética que é utilizada quando cada elemento tem
pontos médios e as suas frequências absolutas.
um peso distinto em relação ao total. Assim, este recurso será utilizado quando ocorrer repre-
sentatividade distinta dentro do grupo (KAZMIER, 1982).

Exemplo: Segundo a tabela, o estoque de uma loja tem os seus valores organizados por
intervalo de classes. Agora, encontre a média aritmética:

Exemplo: na empresa em que você trabalha, existe o seguinte quadro funcional:
Média com dados agrupados
Média ponderada
Preço unitário (R$) Quantidade (fi) Ponto médio (xi) Total da classe (xifi)
Função Número Salário
18,00 |– 20,00 120 19 19.120= 2280
Gerente 2 R$ 10.000,00
20,00 |– 22,00 150 21 21.150= 3150 Engenheiros 6 R$ 9.000,00
22,00 |– 24,00 180 23 23.180= 4140 Operários 20 R$ 1.500,00
24,00 |– 26,00 200 25 25.200= 5000 Estagiários 16 R$ 850,00

n=4 44
26,00 |– 28,00 190 27 27.190=5130
28,00 |– 30,00 160 29 29.160=4640

A primeira coisa que devemos fazer é estimar o valor total do salário de cada um dos estratos:
n=6 1000 24340
Assim:
Perceba que estimamos o ponto médio (xi) e multiplicamos pela frequência absoluta
(fi). Os valores de cada classe devem ser somados e divididos pela soma da frequência absolu-
Gerentes: 2 x 10.000 = R$ 20.000,00
ta. A fórmula que resume esse processo é:
Engenheiros: 6 x 9.000 = R$ 54.000,00
Média: ∑xi.fi
∑fi Operários: 20 x 1.500 = R$ 30.000,00
Média: 24.340/1.000 = R$ 24,34 Estagiários: 16 x R$ 850,00 = R$ 13.600,00
SUMÁRIO
Desse modo, podemos concluir que o total que a empresa investe em salários é R$ I. Um vendedor fez a seguinte quilometragem durante a semana, utilizando o carro da
117.600,00. Esse investimento deve ser repartido entre 44 funcionários, ou seja: empresa: 150, 110, 200, 80, 130.
Iniciamos construindo um rol: 80, 110, 130, 150, 200

Média: 117.600/44 = aprox.R$ 2.672,72
A mediana será 130, pois está exatamente no meio do rol.
Observe: a média aritmética é uma medida que sempre é atraída para

os “outliers”, que são os valores atípicos que se afastam em demasia do II. Uma loja vendeu o seguinte número de peças durante a semana: 45, 80, 45, 130, 175, 90.
padrão. Assim, olhar um fenômeno somente a partir da média aritmética,

Rol: 45, 45, 80, 90, 130, 175.
pode, de certa forma, “maquiá-lo”. Recomenda-se que ela seja utilizada
conjuntamente com as outras medidas que veremos na sequência.
Perceba que não temos um termo que divida o rol ao meio.
Então fazemos a média aritmética dos dois termos centrais:

MEDIANA
Podemos entender a mediana com o valor que está no centro ou no meio de um intervalo
de dados. Para localizá-la, é importante que os dados estejam no formato de um rol, um seja,
Para dados agrupados:
organizados de maneira crescente ou decrescente (KAZMIER, 1982).
A mediana para dados agrupados exige um pouco mais de trabalho manual, por isso
precisamos estar atentos para não perdermos nenhum valor. Devemos seguir a fórmula:
Basta construir o rol e localizar o valor do meio:
Exemplos:
SUMÁRIO
Não se assuste! Se você “traduzir” a fórmula

corretamente e montar uma tabela para a sua
organização, não haverá problemas!
Vamos traduzir a fórmula, ou seja, compreender o que cada
letra ou abreviatura significa, para que possamos identificar os
elementos em nossos exercícios.
li = limite inferior
n/2= total da frequência absoluta dividido por 2
facant = frequência acumulada anterior
fi = frequência absoluta da classe
h = amplitude do intervalo de classe
Exemplo: o estoque de uma loja tem os seus valores orga-
nizados por intervalo de classes. De acordo com a tabela a seguir,
encontre a mediana:
SUMÁRIO
Mediana Passo 2: identificar os demais elementos da fór-
Preço unitário (R$) Quantidade (fi) Fa mula.

18,00 |– 20,00 120 120
20,00 |– 22,00 150 270 li = 24. Perceba que na classe destacada em ver-
22,00 |– 24,00 180 450 melho o limite inferior é 24.
24,00 |– 26,00 200 650
26,00 |– 28,00 190 840 fi = 200. Perceba na classe destacada em verme-
28,00 |– 30,00 160 1000 lho que a frequência absoluta é 200.
N 1000
facant = 450. Perceba na classe destacada em
vermelho que a frequência acumulada da classe ante-
Observe: a mediana sempre depende da frequência rior é 450.
acumulada. Caso você não lembre como ela é feita, volte

h=2. Perceba que a amplitude de todos intervalos
nessa apostila ou consulte o seu professor.
de classe é 2.
Passo 1: determinar a classe em que está localizado o valor da mediana.

Passo 3: Aplicar a fórmula.
Isso é feito dividindo o número da amostra por 2, e identificando, a partir da
frequência acumulada, em qual classe ele se encontra.
Med: 24 + ((500-450)/200).2
Perceba que na classe destacada em vermelho, quando olhamos para a fre-

Med: 24 +0, 25.2
quência acumulada, ela vai do 450 ao 650. Ou seja, o número 500 estará entre
esses valores. Med: 24,5
SUMÁRIO
MODA Qual foi a moda?
A moda foi 8, pois é o número com maior frequência, ou seja, o número que aparece
Em nosso cotidiano, dizer que alguma coisa está na moda, normalmente se relaciona
mais vezes.
com aquilo que a maioria das pessoas estão usando, tem ou querem. Em estatística, o signifi-
cado é similar. Podemos entender a moda como o fenômeno que ocorre com maior frequência.
Para dados agrupados sem intervalo de classe:

Para fazer um plano preventivo de manutenção, foi realizada uma pesquisa em re-
lação ao número de peças que quebram em uma empresa em determinado período. Qual
Basta observar o que mais se repete.
é a moda?
Exemplo: Carlos é um representante comercial de uma certa marca de colchões, e obte-

Moda
ve os seguintes resultados como vendas:
Número de vezes que
Número de peças
aconteceu (fi)
Março: 5 unidades
0 0
Abril: 6 unidades 1 18
2 25
Maio: 8 unidades 3 32
4 23
Junho: 2 unidades
5 13
Julho: 8 unidades
Agosto: 8 unidades Basta olharmos para o valor, que temos a maior frequência absoluta, ou seja, Moda =
3. Com isso, concluímos que o mais comum de acontecer é a quebra de 3 peças no período
Setembro: 9 unidades
considerado.
Outubro: 8 unidades
SUMÁRIO
Para dados agrupados com intervalo de classe: Exemplo: o estoque de uma loja tem os seus valores organizados por intervalo de clas-
ses, conforme a tabela abaixo. Encontre a moda:
Utilizamos a seguinte fórmula: Moda
Preço unitário (R$) Quantidade (fi)
18,00 |– 20,00 120
20,00 |– 22,00 150
22,00 |– 24,00 180

Nada de pânico! Basta traduzir a fórmula e organizar os dados que não
24,00 |– 26,00 200
teremos problemas.
26,00 |– 28,00 190
28,00 |– 30,00 160

Traduzindo a fórmula:
N 1000
li = fronteira inferior da classe que contem a moda (classe modal).

Passo 1: identificar a classe modal. A Classe 24 I- 26 é a classe modal, pois apresenta
maior frequência absoluta.

d1= diferença entre a frequência da classe modal e a frequência da classe anterior.
Passo 2: encontrar o d1 e d2.

d2 = diferença entre a frequência da classe modal e a frequência da classe posterior.
d1 : 200 -180 = 20 d2: 200-190 = 10
i = amplitude do intervalo de classe.
Passo 3: aplicar a fórmula.
Observe: a classe modal é aquela que apresenta a maior frequência

absoluta.
SUMÁRIO
MEDIDAS DE VARIABILIDADE Exemplo: na loja “123 Eletrodomésticos” trabalham dois vendedores, Adriano e Daia-
ne, que tiveram os seguintes desempenhos de vendas:
Medidas de variabilidade medem a oscilação de um fenômeno, ou seja, quanto se dis-

Adriano: Variância
persam quando comparadas à média. As principais medidas são a variância e o desvio padrão.
Segunda Terça Quarta Quinta Sexta
10 2 8 3 7
VARIÂNCIA
Daiane: Variância
A variância representa a dispersão de uma variável em relação à sua média.
Segunda Terça Quarta Quinta Sexta
6 6 6 6 6
SUMÁRIO
Lembre-se! A média pode maquiar o fenômeno. Esses passos podem ser sintetizados com as fórmulas:
Média de Adriano: 30/5 = 6 eletrodomésticos. • Para população:
Média de Daiane: 30/5 = 6 eletrodomésticos.
Mesmo que ambos os vendedores tenham obtido a mesma média, não po-
• À amostra:
demos dizer que são vendedores iguais, pois Adriano tende a ter oscilações nas
suas vendas, enquanto Daiane é mais constante. Para medir essas variações po-
demos utilizar a variância.
Vamos aos passos!!
Observe: desenvolva todos os passos

Passo 1: determinar a média aritmética (µ) da sequência. completando uma tabela. Quando ela
estiver completa troque os valores para a
Passo 2: determinar as diferenças entre a média e cada elemento da fórmula.
sequência. (fi-µ).
Exemplo: Adriano vendeu os seguintes eletrodomésti-

Passo 3: elevar ao quadrado e somar os valores encontrados no passo
cos durante a semana: 10, 2, 8, 3 e 7. Calcule a variância de
2. ∑(fi-µ)².
suas vendas:
Passo 4: dividir o resultado do passo 4 pelo número de eventos do conjunto. Calculando a média = (10+2+8+3+7)/ 5 = 30/5 = 6
SUMÁRIO
Organizando a tabela: Passo 1: determinar o ponto médio de cada intervalo de classe (xi).
Variância
Passo 2: elevar cada ponto médio ao quadrado (xi²).
fi (fi-µ) (fi-µ)²
10 10 - 6 = 4 4 x 4 = 16
2 2 – 6= - 4 (-4) x (-4) = 16 Passo 3: multiplicar cada xi² pela frequência da classe fi correspondente.
8 8-6=2 2x2=4
3 6 - 3 =- 3 (-3) x (-3) = 9 Passo 4: calcular a média aritmética considerando que os dados estão agrupados.
7 7-6=1 1x 1 = 1
∑= 46
Construímos uma tabela e aplicamos os dados em uma das fórmulas:
Lembre-se que estamos trabalhando com todas as vendas de Adriano, então devemos
considerar a fórmula da população: • Para população:
O numerador da fórmula foi gerado a partir da tabela, e o denominador n é 5, pois o ven-

• Para a amostra:
dedor fez 5 vendas.
Com dados agrupados por intervalos de classe:
Exemplo: o número de produtos vendidos por uma loja está representado por uma dis-
A variância com dados agrupados pode ser um pouco trabalhosa. Você precisará organi- tribuição de frequência conforme a tabela que segue. Calcule a variância:
zar, muito bem, uma tabela com os dados e seguir os passos abaixo:
SUMÁRIO
Variância Vamos nos recordar que a média aritmética para dados agrupados é calculada por:
Produtos fi
2 |− 14 13
14 |− 26 9
26 |− 38 8 Assim, a média será Média: 3232/80 = 40, 4. Também vamos considerar que esta-
38 |− 50 23 mos trabalhando com todas as vendas da loja em um dado período, então será utilizada
50 |− 62 15 a fórmula da população:
62 |− 74 10
78 |− 86 2
A tabela precisa ser ajustada em acordo com os passos
descritos anteriormente. Chegamos no seguinte resultado:
Variância
Classe xi fi xifi xi² xi²fi
2 |− 14 8 13 104 64 832
DESVIO PADRÃO
14 |− 26 20 9 180 400 3600
26 |− 38 32 8 256 1024 8192

A resolução do último exemplo, leva-nos a perceber que a variância é uma medida
38 |− 50 44 23 1012 1936 44528
que permanece elevada ao quadrado. Em situações práticas pode ser difícil imaginarmos
50 |− 62 56 15 840 3136 47040
essa situação. Por isso, normalmente se utiliza o desvio padrão. Segundo Youssef, Soares
62 |− 74 68 10 680 4624 46240
e Fernandes (2004, p.257) “o desvio padrão pode ser obtido diretamente da variância,
74 |− 86 80 2 160 6400 12800 extraindo-se a raiz quadrada do valor encontrado”. Ele informa a dispersão dos dados
∑ 80 3232 163232 em relação à média, porém, parece nos dar suma dimensão mais exata.
SUMÁRIO
Exemplo: pense nos dados do último exemplo. Considerando que a variância foi σ²=
Empresa A:
408,24, o desvio padrão será DP: √408,24 ou seja DP: aprox. 20,20.
V= σ/µ V= 5/150= 0,033
Isso significa que o fenômeno está se afastando da média 20,20 unidades, seja para mais,
Empresa B:
seja para menos.
V= σ/µ v= 3/50= 0,060

COEFICIENTE DE VARIAÇÃO (V)
Kazmier (1982) esclarece que em termos de comparação absoluta, a empresa A teve uma
Para Kazmier (1982, p.52) “o coeficiente de variação V, indica a magnitude relativa do
maior variação, pois seu desvio padrão é maior. No entanto, quando pensamos em relação ao
desvio padrão quando comparado com a média da distribuição das medidas”.
preço, podemos perceber que o preço das ações da empresa B é quase duas vezes mais variável
quando comparado a empresa A.
REGRESSÃO LINEAR SIMPLES
V: Coeficiente de variação
A regressão linear tem o objetivo de verificar a existência de relações entre as variáveis.
Barbetta (2002) considera que existe uma correlação direta entre duas variáveis, isso aconte-
σ: Desvio Padrão
ce quando elas caminham no mesmo sentido. Por exemplo: peso e altura pode ser um exemplo
de correlação direta entre variáveis, pois espera-se que um sujeito mais alto seja mais pesado.
µ: Média
Já, a correlação inversa, ocorre quando elas caminham em sentido oposto. Por exemplo: no
Brasil, a renda e o número de filhos por família apresentam uma correlação inversa, pois de
Exemplo: o preço médio diário das ações de uma empresa A durante um certo período
um modo geral, quando menor a renda maior o número de filhos.
do mês foi de R$150,00, com um desvio padrão de R$5,00. A empresa B teve o preço médio R$
50,00 no mesmo período, com desvio padrão de R$3,00.
SUMÁRIO
Chamamos o x de variável independente, pois é o próprio fenômeno e não de- Exemplos:
pende de outros fatos. Já o y é chamado de variável dependente, pois depende do x.
O processo consiste em obter uma equação que explique o comportamento de uma I. O gráfico a seguir indica as vendas (em cruzeiros) de uma empresa durante um período:
variável em relação a outra.
EQUAÇÃO DA RETA
Consiste em encontrar uma equação de uma reta que explique o comporta-
mento das variáveis.
DIAGRAMA DE DISPERSÃO
Consiste em representar as variáveis em um plano cartesiano por pontos com Observe que o gráfico se aproxima de uma reta, o que indica uma forte correlação entre as vari-
coordenadas (x,y), em que x é a variável observada e y o correspondente (BARBET- áveis. A reta crescente indica que a correlação é direta, ou seja, quanto mais aumentam os anos, mais
TA, 2002). Quanto mais os pontos estiverem concentrados em torno de uma reta, aumentam as vendas da empresa.
mais correlação existe entre as variáveis.
SUMÁRIO
II. O gráfico demonstra o resultado de uma pesquisa em que foram consideradas a idade e Perceba que o fenômeno fica disperso, não se concentrando em torno de uma reta.
a massa muscular de um grupo de pessoas: Isto significa que não existe correlação entre as variáveis, ou seja, a idade não interfere no
tempo de leitura.
COEFICIENTE DE CORRELAÇÃO
A correlação entre duas variáveis pode ser medida a partir de um número (coeficiente de
Pearson), o qual indica em que nível a correlação ocorre. O coeficiente ocorre entre -1 e 1, sendo:
0: nula
Perceba que mesmo que não forme uma reta perfeita, os dados se concentram em torno Entre 0,10 e 0,29 : pequena
de uma linha imaginária, indicando que existe correlação. Como a linha é decrescente, a cor-
Entre 0,40 e 0,60 : moderada
relação é inversa, ou seja, quanto mais a idade aumenta, mais a massa muscular diminui.
Entre 0,70 e 0,90: forte

III. O gráfico demonstra o resultado de uma pesquisa em que foram considerados a idade e
o tempo de leitura: Maior que 0,90: muito forte
R > 0 correlação direta
R=0 correlação nula
R< 0 correlação inversa
SUMÁRIO
Fórmula: x y x,y x² y²
40 0 0 1.600 0
50 2 100 2.500 4
55 3 165 3.025 9
60 4 240 3.600 16
Exemplo: em uma certa cidade, foi realizado um
65 6 390 4.225 36
estudo, visando compreender a saúde das pessoas. Os
Soma 270 15 895 14.950 65
entrevistados tinham entre 5 e 50 anos de idade. Fo-
ram considerados o nível de HDL (colesterol bom) no

Segundo passo: aplicar a fórmula.
sangue e as horas de exercícios semanais. Chegou-se
aos seguintes resultados:

Existe uma relação muito forte entre as horas de exercício e o aumento do “colesterol bom”.
HDL Horas de Exercícios
40 0
50 2
55 3
60 4
65 6
Existe correlação entre as variáveis? Em que nível? r= 0,98
Primeiro passo: ajustar a tabela montando as O coeficiente de Pearson indicou que existe uma correlação muito forte e direta entre as duas
colunas x.y, x² e y². variáveis, ou seja, quanto mais exercícios a pessoa praticar, maior será o seu “colesterol bom”.
SUMÁRIO
INTERVALO DE CONFIANÇA Passo 2: estimar a margem de erro.
ME: S / √n
O intervalo de confiança é uma estimativa de parâmetro. Assim, podemos estimar um
intervalo no qual existe a probabilidade de um fenômeno ocorrer.
Exemplo: para estimar o tempo médio em uma consulta, foram amostrados 64 pacien-
Passo 3: aplicar a fórmula.
tes. Essa amostra indicou um tempo médio de 10 minutos, com desvio padrão de 3 minutos.
Com base nisso, qual é o tempo médio de atendimento, com um nível de confiança de 90%?
Média x ± z margem de erro
Temos:
n = 64 Passo 4: construir o intervalo.
Média: 10
Limite superior: 10+ 0,615 = 10,615
S: 3
Limite inferior: 9,385
Vamos aplicar um teste T!

[9,385; 10,615] Isso significa que se visitarmos esse médico, temos 90% de chance de
Da seguinte forma, será usada a tabela t, que consta no final da apostila, siga os passos: ficarmos entre 9,38 minutos e 10,61 minutos na consulta.
Passo 1: pegue a sua tabela. Queremos um nível de confiança de 90%, temos uma mar- TESTE DE HIPÓTESES
gem de erro de 10%, sendo 5% em cada cauda. Procuramos na tabela z, um valor que resulte
em 0,05 (5%). O valor é -1,64. Uma hipótese é uma afirmação sobre uma determinada população. Os testes de hipóte-
ses visam confirmar ou refutar tais afirmações.
SUMÁRIO
Ho (hipótese nula)
H1 (hipótese alternativa)
É importante que as hipóteses sejam contrárias.
Vamos a mais um exemplo:
Um fabricante de refrigerantes afirma que os frascos de dois litros dos seus produtos
contêm, no mínimo, uma média de 1,99 litros do produto. Uma amostra de frascos de dois
litros foi selecionada e o conteúdo avaliado com o fim de testar-se a afirmação do fabricante.
Nesse caso, a construção das hipóteses parte da afirmação do fabricante, considerando ser ela
verdadeira. Assim, teríamos as seguintes hipóteses:
H0 : µ ≥ 1,99 H1: µ< 1,99
Caso os resultados da amostra indicarem que H0 não possam ser rejeitadas, a afirmação
do fabricante não será contestada. Por outro lado, se H0 pode ser rejeitada, afirmamos que H1:
µ< 1,99 é verdadeiro, o que evidencia que a informação do fabricante é incorreta.
Em uma situação prática, os resultados do teste de hipóteses podem ser utilizados di-
retamente no processo de tomada de decisão. No exemplo anterior, poderiam ser revistos os
processos de envasamento do refrigerante.
1. O automóvel da empresa rodou as seguintes quilometragens. Encontre a mediana: 5. Uma pesquisa em 17 cinemas de São Paulo, indicou que o ingresso custava em média R$
5,50 com desvio padrão de R$ 0,50. Determine o erro máximo com intervalo de confian-
Seg Ter Qua Qui Sex Sáb Seg Ter Qua Qui
ça de 95%. A estimativa de preço médio com 95% de confiança:
126 128 134 135 138 131 139 132 138 136
2. Na disciplina de estatística, o professor realizou 10 avaliações. Ana teve as seguintes
notas: 2, 3, 3, 4, 5, 6, 7, 8, 9 e 10. Encontre a variância:
3. A tabela abaixo traz o tamanho dos bebês em uma determinada maternidade. Encontre
a mediana:
Frequência
Tamanho
absoluta
50 I- 54 4
54 I- 58 9
58 I- 62 11
62 I- 66 8
66 I- 70 5
70 I- 74 3
4. Observe a relação entre o preço da venda de passagens e a demanda:
Preço 33 25 24 18 12 10 8 4
Demanda 300 400 500 600 700 800 900 1000
Encontre o coeficiente de correlação de Pearson e interprete o resultado:
GABARITO SUMÁRIO
CAPÍTULO I
3. k Frequência
1. Número da Frequência Frequência
Região Clientes Amostra Frequência Frequência acumulada
amostra Classe percentual acumulada
absoluta (fi) relativa (fr) percentual
(fp) (fa)
Metropolitana 690 48,3 48 (fap)
40 I –
5 0,3124 31,24% 5 31,24%
Serra 380 26,6 27 46
46 I –
3 0,1875 18,75% 8 49,99%
Campanha 160 11,2 11 52
52 I –
Litoral 280 19,6 20 2 0,125 12,5% 10 62,49%
58
58 I –
4 0,25 25% 14 87,49%
64
2. 2 Peças fi 64 I - I
2 0,125 12,5% 16 99,99%
70
0 1
Total 16 0,9999 99,99%
1 1
2 2
3 2 4.
4 4 Obs: as cores, a disposição

5 2 ] da legenda e o título podem
6 2 alterar. Observar a relação entre
7 2 a tabela e o gráfico.
8 2
GABARITO SUMÁRIO
5. g
Vendedor Km R$
Ricardo 344 456
Bruno 124 540
Gilmar 1389 123
Marisa 0 560
Total 468 1556
CAPÍTULO II
1. 134,5
2. 6,81
3. 60,54
4. r. -0,98 existe uma relação muito forte e inversa entre as variáveis.
5. [5,25; 5,75]
SUMÁRIO
TABELAS
Distribuição T de Student Tabela de distribuição normal reduzida
SUMÁRIO
REFERÊNCIAS SUMÁRIO
BARBETTA, P. A. Estatística Aplicada às Ciências Sociais. 5.a ed. Flo-
rianópolis: Editora da UFSC, 2002.
CORREA, S.M.B.B Probabilidade e Estatística. 2.a ed. Belo Horizonte:
PUC Minas Virtual, 2003.
KAZMIER, Leonard J. Estatística aplicada à Economia e Administra-
ção. São Paulo: Makron Books, 2004.
MORETTIN, L.G. Estatística Básica. Probabilidade e inferência. Volu-
me único. São Paulo: Pearson Prentice Hall, 2010.
YOUSSEF, A. N., SOARES, E. e FERNANDEZ, V. P. Matemática de olho
no mundo do trabalho. São Paulo: Scipione, 1ª ed. 2004

Fundamentos de Estatistica

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Fundamentos de Estatistica

Enviado por

Direitos autorais:

Formatos disponíveis

FUNDAMENTOS DE ESTATÍSTICA

REGRESSÃO LINEAR SIMPLES  33

Desenvolvido pela equipe de Criações para o Ensino a Distância (CREAD)

Você se considera uma pessoa

• Amostragem: é o processo utilizado para a composição da amostra (MORETTIN, 2010).

Podemos dividir a estatística em três grandes áreas: a estatística descritiva, a es-

ção. Na estatística inferencial, procuramos generalizar um fenômeno a partir do estudo

um fenômeno acontecer, partindo de observações preliminares (CORREA, 2003).

cia para o nosso sucesso na disciplina. Como:

• Censo: é uma pesquisa em que a

de uma peça, etc. leira, ou seja, entrevistar todos os

variável comum (MORETTIN, 2010). Vamos exemplificar:

tabelas e histogramas são valiosos para que isto seja possível.

População: 300 pessoas Dia Distância (Km)

Amostragem: sorteio Quarta-feira 120

e palestras, pois produzem um efeito visual interessante e revelam o comportamento do fenôme-

dor é dada por h= 120 -67 h= 53 km.

Quando o nosso processo de contagem exigir a consideração de mais de uma

você foi responsabilizado para verificar se os funcionários da empresa desejam re-

riáveis “homens” e “mulheres”.

Interesse em realizar horas

Entenda mais sobre os tipos de gráficos:

GRÁFICO EM COLUNAS GRÁFICO EM BARRAS

o período para termos uma noção de como as vendas aconteceram.

GRÁFICO EM SETORES O gráfico, apesar de produzir um bom efeito visual, também

apresenta algumas limitações. Por exemplo, observe a quantia de tons

ma, é possível dizermos que ele falha no aspecto clareza. Sobretudo,

Gastos de papel no escritório GRÁFICO EM LINHAS

Constitui uma aplicação do processo de representação das fun-

ções num sistema de coordenadas cartesianas (CORREA, 2003, p.24).

São bastante úteis quando almejamos visualizar a variação de um fe-

nômeno, por exemplo, as vendas da empresa, subiram, baixaram e

mantiveram-se constantes. Comparações entre dois fenômenos tam-

bém são interessantes.

O gráfico a seguir indicará as vendas de João Carlos

Amostragem é a forma ou técnica utilizada para compormos a amostra.

Veja as classificações de amostragem!

períodos de queda e de crescimento nas vendas do representante.

Existem outros tipos de gráficos que devem ser usados, de

Podemos entender a população como a totalidade dos sujeitos envolvi-

dos na pesquisa. A amostra é um “recorte” dessa população. A amostragem é

a forma como efetuamos esse “recorte”.

AMOSTRAGENS PROBABILÍSTICAS AMOSTRAGEM SISTEMÁTICA

mais ampla do fenômeno (BARBETTA, 2002).

AMOSTRAGEM ALEATÓRIA SIMPLES

2) Marilene 8) Daniel 14) Bruna 20) Débora 26) Tiago

3) Carlos 9) Márcio 15) Gláucia 21) Janice 27) Ana Paula

4) Ângela 10) Simone 16) Ivo 22) Marluce 28) Max

5) Alfredo 11) Monique 17) Dener 23) Jaqueline 29) Sinara

6) Vicente 12) Maicon 18) João 24) Patrícia 30) Marília

2. Construir um intervalo de seleção (K), dividindo-se o número da população (N) pelo da

A composição dos estratos deve considerar a realidade do cenário

Nesse tipo de amostragem, elegemos conglomerados da população, que consistem

que os funcionários preferem. Você decidiu entrevistar 20%, e percebeu que

1. Indústrias AMOSTRAGEM A ESMO

to anteriormente. Nesse caso, contamos com o acaso para escolhermos os representantes da

3. Instituições de Ensino Superior população.

AMOSTRAGEM POR COTAS DISTRIBUIÇÃO DE FREQUÊNCIA

juntos, em que a população é dividida. Seleciona-se para participar da amostra uma

(KAZMIER, 1982, p.8).

Exemplo: uma empresa deseja promover um estudo sobre o “peso” dos

Sexo Mais de 40 anos Menos de 40 anos

de vezes que isto ocorreu (frequência absoluta).

da classe anterior. É comumente utilizada quando queremos ter uma ideia de

REGRESSÃO LINEAR SIMPLES 33