Aula 12

Estatística p/Receita Federal 2017
Teoria e exercícios comentados

Prof. Jeronymo Marcondes - resumo e mapas mentais
Lembrem-se do exemplo que demos em aula:
Classes Frequência
10
7
8
15
3
No caso, há infinitos valores que se situam dentro de cada intervalo, assim,

precisamos encontrar a frequência relativa de cada intervalo, ou seja, a probabilidade
de ocorrência de um determinado “range”. Nesta tabela, a linha 1, por exemplo, nos
diz que os dados da série que se situam entre os valores de 45 e 55 ocorrem 10
vezes.
Representar estes dados graficamente é muito complicado! Assim, uma maneira

muito comum é por meio do histograma. O histograma é uma alternativa que permite
a visualização de como se dá a frequência relativa de cada uma das classes.
O histograma é um gráfico em barras, mas cuja base do retângulo corresponde à

amplitude das classes ( ).
Se quisermos que a área de cada retângulo corresponda à respectiva frequência de

cada classe ( ), a altura de cada um tem de ter correspondência com o conceito de
densidade de frequência ( ):
Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 2 de 28

Tópicos 2 – medidas de posição e dispersão
Basicamente, as medidas de posição central mais cobradas em prova são: mediana,

média aritmética e moda. A ideia básica destas medidas é encontrar um valor
representativo da posição central de um conjunto de dados.
Para um determinado rol de 3 observações:
A média aritmética será dada pelo somatório de todas as observações, dividido pelo
número total de dados:
A moda é o elemento da série que ocorre com maior frequência, no exemplo;
A mediana é a observação que divide a série em duas partes iguais:
Quanto às medidas de dispersão, as principais são a variância e o desvio padrão.
Aplique a nosso exemplo:

é é
2) Caso da variância e desvio padrão
É a mesma coisa da média. Encontre o ponto médio e calcule a estatística com base
nestes valores. No exemplo dado em aula:
3) Caso da moda
Neste caso, decore a fórmula de Czuber, que é a mais utilizada.
O cálculo da moda que mais aparece em concursos é

por meio da fórmula de Czuber:
Sendo:
: limite inferior da classe modal

: amplitude da classe modal

: frequência da classe modal
: frequência da classe anterior à modal
: frequência da classe posterior à classe modal
4) Caso da mediana ou de outras medidas separatrizes
Neste caso, iremos utilizar a metodologia de interpolação da ogiva. Vamos aplicar

a metodologia ao nosso exemplo.
A ideia da teoria se baseia no fato de que há uma regularidade da distribuição dos

dados dentro de uma classe, de forma que a quantidade de dados dispostos em uma
determinada seção da classe seja proporcional à sua amplitude. Por exemplo, se uma
determinada classe acumula 50% das observações em uma amplitude de 10, 25% do
total da série estará acumulado em uma observação que corresponde à amplitude de
5 nesta classe.
O que você deve fazer é utilizar aquela famosa “regra de três” que você aprendeu na
escola. Veja, no nosso exemplo, a observação que faz com que 50% das observações
fiquem à sua “esquerda”, ou a mediana, está na classe de alturas que fica entre 1,6
e 1,7.
-“Por que, professor”?
Porque a mediana tem de corresponder a uma frequência acumulada de 15

observações, dado que o total de observações é de 30 (ela tem de dividir a amostra
em duas partes iguais, no caso, 15 observações de cada lado). Como a segunda
classe acumula um total de 20 observações, 10 observações a mais do que a classe
anterior, a mesma possui algum ponto relativo à acumulação de 15 observações. Não
entendeu? Vamos fazer o exercício que você vai entender.

Ou seja, a amplitude da classe está relacionada a uma frequência absoluta de 10

observações, enquanto a amplitude da mediana está relacionada a uma frequência
absoluta de 5, o que estaria relacionada a uma frequência acumulada de 15.
Tópico 3 – Probabilidades
O que é probabilidade?
Teoricamente, para um determinado evento X qualquer, sua probabilidade de

ocorrência é dada por:
O que é espaço amostral?
É o conjunto formado por todas as realizações possíveis de um evento.
Você sabe que, para qualquer probabilidade:
As questões relativas ao tópico probabilidade, normalmente, referem-se a

probabilidades conjuntas de mais de um evento.

Dado um segundo evento Y, a probabilidade de ocorrer X e Y é representada da
seguinte forma:
Já, a probabilidade de ocorrer X ou Y, ou seja, quando não há necessidade de

ocorrência dos dois eventos ao mesmo tempo, bastando que somente um dos dois
ocorra é representado por:
Uma propriedade que vocês tem de decorar é:
Outra coisa muito importante é a probabilidade condicional. O que será perguntando

é, qual a probabilidade de ocorrer um evento qualquer (X), dado que você já sabe que
outro evento (Y) já ocorreu. Ou seja, com base nesta informação a priori de Y, qual a
probabilidade de X? Esta é a probabilidade condicional, sendo que, no nosso
exemplo, pode ser representada por:
Decore a seguinte fórmula:
Tópico 4 – Distribuições de probabilidade
O que é uma distribuição de probabilidade?

Distribuição de probabilidade associa uma

probabilidade a cada valor possível de uma variável.
Como há algumas distribuições já conhecidas, se vocês souberem que uma variável

tem uma determinada distribuição, será possível definir suas propriedades sem muito
esforço. Vamos ver algumas.
Distribuição uniforme
Distribuição uniforme é aquela em que todos os valores possíveis para a variável

aleatória ocorrem com a mesma probabilidade.
Exemplo clássico: um lançamento de uma moeda. A probabilidade de dar “cara” é a

mesma de dar “coroa”.
Se nós imaginarmos que teríamos um “sucesso” se desse “cara” no lançamento,

podemos atribuir o valor de 1 para cara e zero para coroa, podemos calcular a média
e a variância do processo.
A média do processo será a própria esperança do processo. Lembra-se do conceito

de esperança?

Esperança matemática é um conceito intimamente relacionado com a média aritmética. No caso, para um dado conjunto
de valores ( ) que vai de a , sua esperança é dada por:
Sendo a frequência relativa de .
Percebeu? A aplicação do operador “esperança” a uma série de dados nos diz, em termos bem simples, a média do
que pode acontecer com esta variável.
Assim:
E a variância do processo?
Ora, lembrem-se da propriedade ensinada na aula 01:
� é é
Mas, nós já temos a média, que é a esperança do processo ( ). Agora fica fácil
ver que:
Assim, só falta calcular ( ):
Portanto:

Distribuição binomial e de Bernoulli
A distribuição de Bernoulli se caracteriza pela existência de dois eventos, mutuamente

exclusivos: sucesso ou fracasso, muito semelhante ao caso da cara e coroa que
acabamos de estudar. Neste caso, o nosso experimento pode ter 2 resultados: um
resultado que ocorre com probabilidade ( ), que pode ser denominado “sucesso”, e
outro com probabilidade ( ), que pode ser chamado de fracasso.
Pode-se provar que a média (esperança) e variância do processo são dadas por:
Mas, o caso da distribuição de Bernoulli é um caso particular de outra distribuição,

chamada distribuição binomial. Pois, se repetíssemos um experimento de Bernoulli
vezes, como se dariam as probabilidades de ocorrência?
Conforme estudamos naquela aula, a probabilidade de uma determinada quantidade

de sucessos em uma série de experimentos é dada por:
Sendo o número de sucessos, o número de experimentos, o número de

fracassos e uma combinação de elementos em grupos.
No caso da distribuição binomial, a média (esperança) e variância do processo são

dadas por:

Distribuição normal
A distribuição normal tem comportamento descrito pelo gráfico abaixo, ou seja, a

mesma tem o formato de um “sino”.
Em grandes amostras, boa parte de todos os fenômenos do mundo tem este

comportamento. Isso porque, a grande característica da normal é que, a maior parte
das realizações da variável resulta em valores próximos à média, ou seja, o “meio do
sino”.
Pense na distribuição das notas do seu concurso. Tudo mais mantido constante, há
muitas pessoas que tiram notas médias, isso é, há muitas pessoas que estudaram
um “pouquinho” e que tem uma capacidade de absorção de conteúdo igual ao resto
da população. Entretanto, você quer estar lá no “cantinho” direito do sino, pois, quem
passa em concurso, faz parte de uma minoria, que se esforçou muito e/ou que tem
uma enorme capacidade de absorção.
Essa distribuição é chamada “simétrica”, pois cada lado do sino, lado direito ou
esquerdo da parte central do gráfico, tem 50% de chance de ocorrência:

Um caso especial desta distribuição ocorre quando e , esta é chamada

de normal padrão.
-“O que há de especial nesta normal padrão”?
Se você transformar uma variável com distribuição normal em uma normal padrão,
você consegue, com base em uma tabela, definir qual a probabilidade de que a
variável em questão tenha uma valor entre 0 e o valor calculado. O processo de
transformação é chamado de padronização e é feito da seguinte forma:
Essa versão padronizada ( ) da variável ( ) tem as características de uma normal

padrão.
Veja a tabela da qual eu falei:

O processo de utilizar a tabela é assim: veja qual o valor correspondente dentro da

tabela de um . Olhe a linha correspondente aos dois primeiros dígitos de e
o terceiro você vai encontrar na coluna lá em cima. Os valores que vocês
encontrarem na tabela vão te dizer a probabilidade de que a variável
padronizada ( ) esteja entre 0 e o valor calculado para .
Suponha que ao normalizar uma variável, você tenha encontrado o valor de 0,25.
Ao olhar a tabela, você vai ver que:

O que isso está te dizendo é que a probabilidade de encontrar um valor de entre 0

e 0,25 é de 9,87%.
Tópico 5 – Inferência estatística
Inferência é o processo através do qual uma pessoa tira conclusões sobre a

população com base em uma amostra. Só para lembrar:
População = conjunto de todos os elementos que

possuem determinada característica.
Amostra = parte não nula da população, mas menor

do que esta última.

Na maior parte das vezes, os pesquisadores não possuem os dados de toda a

população, mas somente de uma amostra da mesma. Por exemplo, no caso de
pesquisa econômica sobre distribuição de renda, o pesquisador não possui dados da
renda de todos os indivíduos na economia. Assim, com base nessa amostra seria
necessário fazer as inferências necessárias sobre o comportamento desta variável
na população.
-“Tudo bem professor, mas como avaliar esta amostra”?
Suponha que queiramos estimar a renda média populacional com base em dados da
amostra. O que estamos fazendo é avaliar uma estimativa de um parâmetro
populacional. Se nós tivéssemos toda a população de elementos referentes às
rendas dos indivíduos e quiséssemos calcular a média seria fácil, pois bastaria somar
todas estas observações e dividir pelo total:
Sendo ( ) o somatório de todos os elementos da população ( ). No caso, a média

seria um parâmetro populacional, no nosso exemplo, chamado de .
Como nós não temos dados de todos os indivíduos na população, podemos calcular
a média amostral, ou seja, usar os valores que conhecemos, bem como a fórmula
da média, para definir uma média para a amostra:
Sendo ( ) o tamanho da amostra e o chapéu sobre ( ) um indicativo de que

estaríamos trabalhando com um estimador do parâmetro populacional
correspondente.

Neste caso, podemos provar que o estimador da média amostral é um estimador não
viesado da média populacional.
“O que é isso, professor”?
Simples:
Assim:
O que está sendo dito é que, na média, esta “fórmula” de média amostral, “acerta” o
valor real da renda média populacional.
Assim, se um concurso pedir para que você calcule a média aritmética com base em
uma amostra, basta calcular a média como sempre fizemos para a população ( ),
pois este é um estimador não viesado para a média populacional.
Outra estatística que é comumente cobrada em concursos é a variância (por

consequência, o desvio padrão também).
Só que agora o buraco é mais embaixo! A estatística que aprendemos para calcular
a variância de uma população é dada por:
E, por consequência:

Entretanto, pode-se provar que:
E:
Ou seja, aquelas “fórmulas” de variância e desvio padrão, quando aplicadas à

amostra, não nos geram uma estatística não viesada de seus correspondentes
populacionais.
Assim, pode-se provar que, para obtermos estimadores não viesados para a variância
e desvio padrão amostrais, devemos nos utilizar das seguintes estatísticas:
Portanto, se um exercício de concurso te pedir a variância ou desvio padrão de uma

determinada amostra, calcule o numerador como sempre, mas divida este valor por
( )!

Tópico 6 – Intervalo de confiança e testes de hipóteses
Ora, quando estudamos a distribuição normal, nós vimos que, dada a versão
padronizada de uma variável, podemos encontrar qual a probabilidade de
encontrarmos valores entre 0 e um determinado valor da variável padronizada.
Com base neste conhecimento, podemos encontrar um chamado “intervalo de

confiança”, ou seja, para uma determinada probabilidade, quais os valores possíveis
que uma variável pode assumir.
-“Como encontrar este intervalo, professor”?
Simples, você já sabe padronizar uma variável, certo?
Você já aprendeu durante as aulas que, se estivermos testando um valor de uma

média amostral:
Sendo a variável ( ) uma padronização da nossa média amostral ( ) por meio da

diminuição da mesma de sua média e divisão pelo seu respectivo desvio padrão. Essa
operação garante que a variável ( ) terá uma distribuição normal com média igual a
zero e variância igual a 1.
Com base na nossa tabelinha, podemos encontrar os valores de ( ) relacionados a

uma determinada probabilidade de encontrar um determinado valor.

Por exemplo, suponha que queiramos testar uma hipótese sobre um valor de média
amostral. Se desejarmos encontrar os valores de média amostral compatíveis com
95% das possibilidades de ocorrência para a variável, devemos iniciar com a tabela
normal. Olhando a tabela, você sabe que o valor relativo à probabilidade de encontrar
47,5% das ocorrências de uma variável padrão é:
Como a distribuição é simétrica, para encontrarmos um intervalo de confiança de

95%, precisamos encontrar a seguinte probabilidade:
Assim, para encontrarmos este intervalo para a média amostral:
Com base neste cálculo, encontramos um intervalo de confiança de 95% para a média
amostral ( ), ou seja, se realizarmos este experimento 100 vezes, em 95 vezes os
valores da média amostral estariam dentro deste intervalo.
Com base neste cálculo, podemos fazer testes de hipóteses.
Por exemplo, suponha que o intervalo de 95% de confiança para a média amostral
seja dado por:

De repente alguém faz uma hipótese:
“O valor da média amostral é de 180 com 5% de significância”.
O que está sendo dito é que o valor de 180 está contido em um intervalo de confiança
de 95%. Ou seja, a hipótese nula, que é sempre uma igualdade é tal que:
Já, a hipótese alternativa:
Com base no intervalo calculado, rejeitamos a hipótese nula!
Tópico 7 – Correlação e regressão
A primeira associação entre duas variáveis (x e y) que iremos estudar é o coeficiente

de correlação.
Sabe-se que:
Essa estatística pode ser calculada com base no conceito de covariância:

A covariância pode ser calculada com base na seguinte fórmula:
A covariância é o valor médio do produto dos desvios entre duas variáveis (

e ). Assim, para duas variáveis quaisquer, defina a covariância como:
Porém, há uma forma mais simples de aplicarmos esta fórmula:
é é
A covariância entre duas variáveis é influenciada pela

associação que uma variável tem sobre a outra. Assim, se duas variáveis são
independentes, a covariância entre ambas é igual à zero. Porém, o fato de a
covariância entre duas variáveis ser igual à zero não quer dizer que elas sejam
independentes. Atenção a isso!
Com base neste coeficiente de correlação, podemos definir uma relação funcional
entre duas variáveis. Por exemplo:
Assim, poderíamos especificar a relação entre estas variáveis da seguinte forma:

O objetivo seria encontrar os valores de e , sendo que seria representativo do

termo de erro, tal como explicado na aula 08.
As fórmulas utilizadas para encontrar tais valores são:
Sendo que o travessão sobre determinada variável representa o valor médio da

mesma, define-se a média de uma variável, bem como o valor de uma variável
centrada na média:
Assim, b pode ser encontrado pelo somatório da multiplicação de cada

com seu respectivo (covariância entre x e y) dividido pela soma de todos os
elevados ao quadrado (variância de x). Gente, muita atenção mesmo, perceba que
as variáveis devem ser inseridas na fórmula acima de forma a estarem centradas na
média, ou seja, reduzidas do valor da média de sua série.
Esta versão da fórmula não é muito cobrada, assim é preciso que você decore estas
definições:
Neste caso, com base nos valores das variáveis em nível, é possível derivar o valor
dos coeficientes.

Mapas Mentais
Bom, o primeiro vocês já conhecem e ele diferencia os tipos de variáveis com que
podemos trabalhar:
O segundo e o terceiro têm a ver com as medidas de posição central e a forma de

calcula-las:

A forma de cálculo da média aritmética, da moda e da mediana para os casos de

variáveis discretas e contínuas estão descrito no mapa a seguir:
O próximo mapa mental nos descreve, com base no diagrama de Venn, como se dão
as probabilidades:

O próximo descreve algumas das propriedades importantes para decorar variância e

covariância:
O próximo descreve a média e a variância de algumas das principais distribuições de

probabilidade.

Distribuição Uniforme
é
Distribuição de Bernoulli
é
Distribuição Binomial
é
O próximo descreve como padronizar uma variável para diferentes casos:
Padronizar variável:
Padronizar média amostral:
Padronizar proporções:
O último mostra como encontrar os coeficientes de uma regressão ( ):

Sendo:
A fórmula acima pode ter seus elementos substituídos pelas

seguintes expressões:
Encerramos! Foi uma senhora jornada. Desejo a vocês boa sorte e, tenho
certeza, aqueles que se esforçaram irão realizar seus sonhos! Estou sempre à
disposição para qualquer dúvida de Estatística, Econometria e Economia,
independentemente de serem meus alunos ou não. Um abraço.
Se você quer ajuda na resolução de alguma questão que eu esqueci de colocar

no curso, basta me escrever:
jeronymobj@hotmail.com

Aula 12

Enviado por

Dados do documento

Descrição original:

Título original

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

Aula 12

Enviado por

Direitos autorais:

Formatos disponíveis

Estatística p/Receita Federal 2017

Teoria e exercícios comentados

Lembrem-se do exemplo que demos em aula:

No caso, há infinitos valores que se situam dentro de cada intervalo, assim,

Representar estes dados graficamente é muito complicado! Assim, uma maneira

O histograma é um gráfico em barras, mas cuja base do retângulo corresponde à

Se quisermos que a área de cada retângulo corresponda à respectiva frequência de

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 2 de 28

Tópicos 2 – medidas de posição e dispersão

Basicamente, as medidas de posição central mais cobradas em prova são: mediana,

Para um determinado rol de 3 observações:

A moda é o elemento da série que ocorre com maior frequência, no exemplo;

A mediana é a observação que divide a série em duas partes iguais:

Quanto às medidas de dispersão, as principais são a variância e o desvio padrão.

Aplique a nosso exemplo:

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 3 de 28

2) Caso da variância e desvio padrão

Neste caso, decore a fórmula de Czuber, que é a mais utilizada.

O cálculo da moda que mais aparece em concursos é

: limite inferior da classe modal

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 5 de 28

4) Caso da mediana ou de outras medidas separatrizes

Neste caso, iremos utilizar a metodologia de interpolação da ogiva. Vamos aplicar

A ideia da teoria se baseia no fato de que há uma regularidade da distribuição dos

-“Por que, professor”?

Porque a mediana tem de corresponder a uma frequência acumulada de 15

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 6 de 28

Ou seja, a amplitude da classe está relacionada a uma frequência absoluta de 10

Teoricamente, para um determinado evento X qualquer, sua probabilidade de

O que é espaço amostral?

É o conjunto formado por todas as realizações possíveis de um evento.

Você sabe que, para qualquer probabilidade:

As questões relativas ao tópico probabilidade, normalmente, referem-se a

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 7 de 28

Já, a probabilidade de ocorrer X ou Y, ou seja, quando não há necessidade de

Uma propriedade que vocês tem de decorar é:

Outra coisa muito importante é a probabilidade condicional. O que será perguntando

Decore a seguinte fórmula:

Tópico 4 – Distribuições de probabilidade

O que é uma distribuição de probabilidade?

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 8 de 28

Distribuição de probabilidade associa uma

Como há algumas distribuições já conhecidas, se vocês souberem que uma variável

Distribuição uniforme é aquela em que todos os valores possíveis para a variável

Exemplo clássico: um lançamento de uma moeda. A probabilidade de dar “cara” é a

Se nós imaginarmos que teríamos um “sucesso” se desse “cara” no lançamento,

A média do processo será a própria esperança do processo. Lembra-se do conceito

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 9 de 28

Sendo a frequência relativa de .

Ora, lembrem-se da propriedade ensinada na aula 01:

Assim, só falta calcular ( ):

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 10 de 28

Distribuição binomial e de Bernoulli

A distribuição de Bernoulli se caracteriza pela existência de dois eventos, mutuamente

Mas, o caso da distribuição de Bernoulli é um caso particular de outra distribuição,

Conforme estudamos naquela aula, a probabilidade de uma determinada quantidade

Sendo o número de sucessos, o número de experimentos, o número de

No caso da distribuição binomial, a média (esperança) e variância do processo são

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 11 de 28

A distribuição normal tem comportamento descrito pelo gráfico abaixo, ou seja, a

Em grandes amostras, boa parte de todos os fenômenos do mundo tem este

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 12 de 28