Estatística

Resumo, mapa mental, perguntas

Gisele Santos
 Estatística Unidade I

A estatística é uma ciência que se preocupa em coletar, organizar, analisar e interpretar

dados com o objetivo de extrair informações relevantes e tomar decisões embasadas. Na
área de negócios, a estatística é amplamente utilizada para analisar dados financeiros,
entender padrões de comportamento do consumidor, prever tendências de mercado e
avaliar a eficácia de campanhas de marketing, dentre outras aplicações.

Algumas das principais áreas de aplicação da estatística na área de negócios incluem a

análise de dados de vendas, a previsão de demanda, a análise de mercado, o controle de
qualidade, a análise de riscos e a otimização de processos. Para aplicar a estatística de forma
eficaz, é necessário contar com profissionais capacitados, ferramentas e metodologias
adequadas e uma cultura organizacional voltada para a tomada de decisões baseadas em
dados.

A estatística pode ser aplicada em diferentes tipos de negócios, desde pequenas empresas
até grandes corporações, e em diferentes setores da economia, como varejo, serviços,
indústria, finanças, entre outros. O uso da estatística permite que as empresas tomem
decisões mais assertivas e reduzam os riscos associados a investimentos, lançamentos de
produtos ou serviços e outras iniciativas estratégicas.

Estatística Descritiva – Fundamentos

A estatística descritiva é uma área da estatística que lida com a coleta, organização, resumo e
interpretação de dados. Ela é usada para descrever e resumir as características de um
conjunto de dados, permitindo que sejam feitas inferências sobre uma população maior.

Os fundamentos da estatística descritiva incluem a identificação de variáveis relevantes, a

escolha da medida de tendência central apropriada (como a média, mediana ou moda) e a
análise da dispersão dos dados (por meio de medidas como o desvio padrão ou a
amplitude).

Os dados podem ser apresentados de várias maneiras, incluindo tabelas, gráficos e medidas
de resumo. A análise descritiva pode ser usada para identificar padrões nos dados, identificar
anomalias ou discrepâncias, e para comparar diferentes conjuntos de dados.

Na área de negócios, a estatística descritiva é usada para entender melhor o desempenho da

empresa e para tomar decisões baseadas em dados. Ela é usada para analisar vendas,
despesas, lucros e outras métricas financeiras. A análise descritiva também pode ser usada
para segmentar o mercado e entender melhor as necessidades dos clientes, ajudando as
empresas a desenvolver produtos e serviços mais eficazes.
 Estatística Descritiva – Medidas Estatísticas

A Estatística Descritiva é uma área da estatística que se dedica à organização, descrição e

apresentação de dados. Para isso, são utilizadas as medidas estatísticas, que são valores
numéricos que resumem as informações contidas nos dados.

Entre as medidas estatísticas mais comuns estão a média, a mediana, a moda e o desvio
padrão. A média é a soma de todos os valores dividida pelo número total de observações, a
mediana é o valor que divide a amostra em duas partes iguais e a moda é o valor que mais
se repete na amostra. O desvio padrão é uma medida de dispersão que indica o quanto os
dados estão afastados da média.

Essas medidas estatísticas são utilizadas para resumir e comparar conjuntos de dados,
identificar padrões e tendências, detectar anomalias e fazer inferências sobre a população a
partir da amostra. Elas são amplamente aplicadas em áreas como finanças, marketing,
recursos humanos, logística, entre outras, para tomar decisões informadas e melhorar o
desempenho das empresas.

Mapa Mental Estatística Unidade I

Utilização prática da estatística na área de negócios

- Análise de mercado e pesquisa de mercado para entender o comportamento do

consumidor e as tendências do mercado.

- Análise de dados financeiros para avaliar o desempenho da empresa e identificar áreas de

oportunidade para melhorias.

- Previsão de demanda para ajudar na tomada de decisão em relação a estoques e

produção.

- Análise de dados de vendas para avaliar o desempenho de produtos específicos, regiões de

vendas, canais de vendas, etc.

- Análise de dados de publicidade e marketing para avaliar o retorno sobre investimento

(ROI) e determinar a eficácia das campanhas de marketing.

- Análise de dados de recursos humanos para avaliar o desempenho dos funcionários e

identificar áreas de melhoria na gestão de pessoal.

- Análise de dados logísticos para otimizar a cadeia de suprimentos e reduzir custos.

- Análise de dados de qualidade para identificar problemas e melhorar processos de

produção.

- Análise de riscos para avaliar e gerenciar riscos associados a diferentes decisões de

negócios.
- Análise de dados de concorrência para avaliar a posição da empresa no mercado e
identificar oportunidades para se diferenciar.

Diferenciação entre estatística descritiva e indutiva e suas relações

Estatística descritiva é o ramo da estatística que lida com a coleta, organização, resumo e
apresentação de dados. Ela se concentra em descrever e resumir características dos dados,
como média, desvio padrão, variância, assimetria, curtose, entre outros.

Por outro lado, a estatística indutiva é o ramo da estatística que lida com a inferência de
populações a partir de amostras. Ela usa as informações contidas nas amostras para fazer
inferências sobre as características da população de onde a amostra foi retirada. A estatística
indutiva inclui técnicas de estimação, testes de hipóteses e análise de regressão.

Esses dois ramos da estatística estão relacionados, já que a estatística descritiva é

frequentemente usada para descrever e resumir amostras que serão usadas na estatística
indutiva. Além disso, as conclusões obtidas na estatística indutiva podem ser usadas para
informar a estatística descritiva, já que os parâmetros inferidos podem ser usados para fazer
inferências sobre as características da população a partir da qual a amostra foi retirada.

Em resumo, a estatística descritiva lida com a descrição e resumo de dados, enquanto a

estatística indutiva lida com a inferência de populações a partir de amostras. No entanto,
ambas as áreas estão relacionadas e são frequentemente usadas em conjunto para informar
a tomada de decisão na área de negócios.

Processo estatístico

- Coleta de dados

- Seleção da amostra

- Determinação da população

- Escolha da técnica de coleta de dados

- Organização e apresentação de dados

- Tabelas

- Gráficos

- Distribuições de frequência

- Medidas descritivas

- Média

- Mediana

- Moda
 - Variância

- Desvio padrão

- Inferência estatística

- Estimação

- Intervalo de confiança

- Estimadores pontuais

- Teste de hipóteses

- Hipótese nula e alternativa

- Nível de significância

- Tipo I e Tipo II

- Análise de regressão

- Relação entre variáveis

- Coeficiente de correlação

- Coeficiente de determinação

- Modelo de regressão linear

- Análise de séries temporais

- Tendências

- Ciclos

- Sazonalidade

- Ruído

- Tomada de decisão

- Utilização das informações estatísticas

- Avaliação dos resultados

- Interpretação dos resultados

- Conclusões
 Estatística Descritiva – Fundamentos

DEFINIÇÃO:

- Ramo da estatística que descreve e sumariza os dados coletados

- Analisa e interpreta dados através de medidas descritivas

POPULAÇÃO E AMOSTRA:

- População: Conjunto completo de todos os elementos que se deseja estudar

- Amostra: Subconjunto representativo da população

VARIÁVEIS:

- Características ou atributos que podem variar entre os elementos da população ou amostra

- Qualitativas: Categorias ou classes, sem ordem ou sentido numérico

- Quantitativas: Valores numéricos, divididas em discretas e contínuas

MEDIDAS DESCRITIVAS:

- Tendência central: Média, mediana e moda

- Dispersão: Desvio padrão, variância e amplitude

- Forma da distribuição: Assimetria e curtose

GRÁFICOS:

- Histograma

- Boxplot

- Diagrama de dispersão

- Gráfico de pizza

- Gráfico de barras

ANÁLISE DE DADOS:

- Interpretação e análise dos resultados obtidos através das medidas descritivas e gráficos
- Conclusões e tomadas de decisões baseadas nas informações coletadas e analisadas.

MEDIDAS ESTATÍSTICAS: Conceitos, cálculos

TIPOS DE MEDIDAS ESTATÍSTICAS

- Tendência central: representam o centro dos dados

- Dispersão: indicam a variação dos dados

- Forma: descrevem a distribuição dos dados

MEDIDAS DE TENDÊNCIA CENTRAL

- Média aritmética: soma dos valores dividida pelo número de observações

- Média ponderada: média aritmética com pesos diferentes para cada observação

- Mediana: valor central de um conjunto de dados

- Moda: valor mais frequente em um conjunto de dados

MEDIDAS DE DISPERSÃO

- Amplitude: diferença entre o maior e o menor valor em um conjunto de dados

- Desvio padrão: medida de dispersão que indica a variabilidade em relação à média

- Variância: medida de dispersão que indica a variabilidade em relação à média, elevando ao

quadrado os desvios

- Coeficiente de variação: razão entre o desvio padrão e a média, expressa em porcentagem

MEDIDAS DE FORMA

- Assimetria: medida que indica a assimetria da distribuição dos dados em relação à média

- Curtose: medida que indica a achatamento ou o pico da distribuição dos dados

CÁLCULOS

- Média aritmética: Σx/n

- Média ponderada: (Σx*w)/Σw

- Mediana: valor central em um conjunto de dados ordenados

- Moda: valor mais frequente em um conjunto de dados

- Amplitude: maior valor - menor valor

- Desvio padrão: √(Σ(x-μ)²/n)

- Variância: Σ(x-μ)²/n

- Coeficiente de variação: (desvio padrão/média) x 100%

CONCEITOS IMPORTANTES

- População: conjunto total de elementos que se deseja estudar

- Amostra: subconjunto da população selecionado para o estudo

- Estatística: ramo da matemática que trata da coleta, análise e interpretação de dados

- Estatística descritiva: ramo da estatística que se preocupa em descrever e resumir um

conjunto de dados

- Estatística inferencial: ramo da estatística que utiliza técnicas para inferir características da
população a partir da análise da amostra.

Conceitos, cálculos e aplicações práticas de medidas de dispersão absolutas e relativas

- Medidas de dispersão são usadas para avaliar o grau de variação ou heterogeneidade dos
dados em relação à média.

- O desvio padrão é uma medida de dispersão absoluta que indica quanto os dados estão
afastados da média. Ele é calculado como a raiz quadrada da variância.

- A variância é outra medida de dispersão absoluta que mede o grau de variação dos dados
em relação à média. Ela é calculada como a média dos quadrados dos desvios em relação à
média.

- O coeficiente de variação é uma medida de dispersão relativa que indica o grau de variação
em relação à média. Ele é calculado como o desvio padrão dividido pela média e
multiplicado por 100%.

- O desvio padrão é a medida de dispersão mais comum e útil, pois é facilmente

interpretável e pode ser usado em várias técnicas estatísticas, como testes de hipóteses e
intervalos de confiança.

- A variância também é uma medida de dispersão útil, mas menos interpretável do que o
desvio padrão. Ela é mais frequentemente usada em cálculos matemáticos e estatísticos.
- O coeficiente de variação é uma medida de dispersão relativa útil para comparar a variação
entre diferentes conjuntos de dados com médias diferentes.

- O desvio padrão, a variância e o coeficiente de variação são usados em várias áreas, como
finanças, engenharia, ciências sociais e saúde, para avaliar a consistência e a confiabilidade
dos dados e para tomar decisões baseadas em evidências.

Estatística Descritiva - Assimetria e Curtose

Conceitos:

- Assimetria: medida que indica o grau de desvio de uma distribuição em relação à simetria
perfeita.

- Curtose: medida que indica o grau de achatamento de uma distribuição em relação à

distribuição normal.

Cálculos:

- Coeficiente de assimetria: medida que indica o grau de assimetria de uma distribuição,

calculado por meio da fórmula (média - moda) / desvio padrão.

- Coeficiente de curtose: medida que indica o grau de curtose de uma distribuição, calculado
por meio da fórmula [(soma dos desvios em relação à média elevados ao quadrado) /
(número de observações x desvio padrão elevado a 4)] - 3.

Aplicações práticas:

- A assimetria e a curtose são importantes para identificar a forma de uma distribuição e

podem ser usadas para tomar decisões em diversas áreas, como finanças, marketing e saúde.

- Em finanças, a assimetria pode ser usada para avaliar o risco e retorno de investimentos,
enquanto a curtose pode ser usada para avaliar a probabilidade de eventos extremos.

- Em marketing, a assimetria pode ser usada para avaliar a distribuição de vendas de um

produto, enquanto a curtose pode ser usada para avaliar a dispersão dos preços.

- Em saúde, a assimetria e a curtose podem ser usadas para avaliar a distribuição de dados
como o índice de massa corporal em uma população.

Relação com outras medidas estatísticas:

- A assimetria e a curtose são medidas de dispersão de segunda ordem, enquanto a média,

mediana e moda são medidas de tendência central de primeira ordem.
- As medidas de dispersão de segunda ordem são importantes para entender a variabilidade
dos dados em relação à média, enquanto as medidas de tendência central de primeira
ordem são importantes para entender a localização dos dados em relação à distribuição.

Unidade II

Resumo: Teoria Elementar das Probabilidades

A Teoria Elementar das Probabilidades é uma área da Matemática que lida com o estudo da
probabilidade de ocorrência de eventos. Ela envolve o cálculo de chances e a previsão de
resultados futuros com base em dados estatísticos.

Os conceitos iniciais de probabilidades incluem a definição de evento, espaço amostral e

probabilidade. A probabilidade é calculada como a razão entre o número de resultados
favoráveis e o número total de resultados possíveis.

A Teoria Elementar das Probabilidades também inclui a utilização de árvores de decisão e

análises combinatórias para calcular a probabilidade de eventos compostos. Eventos
compostos são aqueles que envolvem mais de um resultado possível.

Além disso, a probabilidade também pode ser definida como frequência relativa. Nesse caso,
a probabilidade é calculada como a proporção entre o número de vezes que um evento
ocorreu e o número total de vezes que o experimento foi realizado.

A Teoria Elementar das Probabilidades também aborda a diferença entre eventos

independentes e vinculados, bem como a soma e o produto de eventos.

Mapa Mental:

Conceitos iniciais de probabilidades:

- Probabilidade: medida da chance de um evento ocorrer

- Espaço amostral: conjunto de todos os resultados possíveis

- Evento: um subconjunto do espaço amostral

- Probabilidade de um evento: número entre 0 e 1 que representa a chance de o evento

ocorrer

- Probabilidade de um evento impossível: 0

- Probabilidade de um evento certo: 1

Definição de probabilidade como razão entre valores esperados e possíveis:

- Probabilidade de um evento A: P(A) = n(A)/n(S), onde n(A) é o número de resultados

favoráveis ao evento A e n(S) é o número total de resultados possíveis

- Regra da soma de probabilidades: P(A ou B) = P(A) + P(B) - P(A e B)

- Regra da multiplicação de probabilidades: P(A e B) = P(A) * P(B|A), onde P(B|A) é a

probabilidade condicional de B dado que A ocorreu

Árvore de decisões:

- Ferramenta gráfica para representar uma sequência de decisões e eventos

- Cada ramo da árvore representa uma possível sequência de eventos

- As probabilidades são atribuídas a cada ramo da árvore

Análises combinatórias:

- Permutação: arranjo ordenado de elementos distintos

- Combinação: agrupamento não ordenado de elementos distintos

- Arranjo: agrupamento ordenado de elementos distintos, com repetição ou sem repetição

- Fatorial: multiplicação de todos os números inteiros positivos menores ou iguais a um

número dado

Definição de probabilidade como frequência relativa:

- Probabilidade experimental: probabilidade estimada a partir da frequência relativa de um

evento em um grande número de experimentos

- Lei dos Grandes Números: a frequência relativa de um evento converge para a

probabilidade do evento à medida que o número de experimentos aumenta

Evento soma e evento produto:

- Evento soma: evento que ocorre quando a soma de dois ou mais eventos ocorre

- Evento produto: evento que ocorre quando dois ou mais eventos ocorrem
simultaneamente

Eventos independentes e eventos vinculados:

- Eventos independentes: a ocorrência de um evento não afeta a probabilidade da
ocorrência do outro evento

- Eventos vinculados: a ocorrência de um evento afeta a probabilidade da ocorrência do

outro evento

Resumo: Definição de Probabilidade como Frequência Relativa

A definição de probabilidade como frequência relativa é uma abordagem empírica para o

cálculo de probabilidades. Ela se baseia na ideia de que a probabilidade de um evento
ocorrer pode ser obtida pela razão entre o número de vezes que esse evento ocorre em uma
série de tentativas e o número total de tentativas.

Para calcular a frequência relativa de um evento, é necessário realizar um grande número de

tentativas e contar o número de vezes em que o evento ocorre. Quanto maior o número de
tentativas, mais precisos serão os resultados obtidos.

A definição de probabilidade como frequência relativa é utilizada em situações em que a

probabilidade de um evento não pode ser calculada de forma teórica, seja por falta de
informação ou pela complexidade do problema em questão.

A abordagem de frequência relativa é amplamente utilizada em experimentos científicos,

pesquisas de opinião, análises de mercado e em outras áreas em que é necessário avaliar a
probabilidade de um evento ocorrer com base em dados empíricos.

Mapa Mental

Definição de Probabilidade como Frequência Relativa:

- Probabilidade é a medida de chances de um evento ocorrer.

- Na definição de frequência relativa, a probabilidade de um evento é determinada pela

proporção de vezes que o evento ocorre em um grande número de tentativas.

- A fórmula da frequência relativa é: frequência relativa = frequência do evento/total de

tentativas.

- A frequência relativa varia de 0 a 1.

- Quanto maior a frequência relativa, maior a probabilidade do evento ocorrer.

- As probabilidades podem ser expressas como frações, decimais ou porcentagens.

- Probabilidades menores que 0 ou maiores que 1 não são possíveis.

- A soma de todas as probabilidades de eventos possíveis deve ser igual a 1.

- A frequência relativa pode ser usada para estimar a probabilidade de eventos futuros com
base em dados históricos.
Exemplo de cálculo de probabilidade como frequência relativa:

Suponha que em 100 lançamentos de uma moeda justa, a cara apareceu 60 vezes. Qual é a
probabilidade de cara aparecer no próximo lançamento?

- Frequência do evento (cara): 60

- Total de tentativas: 100

- Frequência relativa de cara: 60/100 = 0,6

- Probabilidade de cara no próximo lançamento: 0,6

Nesse exemplo, a probabilidade de cara aparecer no próximo lançamento é de 0,6, ou seja,

60%.

resumo: DISTRIBUIÇÕES DE PROBABILIDADES

Distribuições de probabilidade são modelos matemáticos que descrevem a probabilidade de

um evento ocorrer em uma população. Existem várias distribuições de probabilidade, cada
uma com suas próprias características e aplicações específicas.

A distribuição uniforme é caracterizada por uma probabilidade igual para todos os eventos
possíveis. A distribuição binomial é usada quando há apenas dois resultados possíveis para
um evento, com uma probabilidade constante de cada resultado. A distribuição de Poisson é
usada para modelar a probabilidade de um número de eventos raros ocorrerem em um
período específico de tempo. A distribuição normal, também conhecida como curva em
forma de sino, é uma das mais importantes e amplamente utilizadas distribuições de
probabilidade na estatística, com muitas aplicações em áreas como ciências naturais,
negócios e finanças.

Cada distribuição de probabilidade tem suas próprias fórmulas e parâmetros para calcular
sua média, desvio padrão e outras propriedades estatísticas. A escolha da distribuição de
probabilidade correta depende do problema específico em questão e das características da
população em estudo.

Mapa mental

Desculpe-me, eu enviei o mapa mental errado anteriormente. Segue abaixo o mapa mental
correto sobre DISTRIBUIÇÕES DE PROBABILIDADES:

DISTRIBUIÇÕES DE PROBABILIDADES:
- Definição: modelos matemáticos que descrevem a probabilidade de um evento ocorrer em
uma população.

- Tipos:

1. Distribuição Uniforme: probabilidade igual para todos os eventos possíveis.

2. Distribuição Binomial: dois resultados possíveis com probabilidade constante.

3. Distribuição de Poisson: modela a probabilidade de eventos raros ocorrerem em um

período específico.

4. Distribuição Normal: amplamente utilizada e com muitas aplicações em diversas áreas.

- Cálculo de propriedades estatísticas:

- Cada distribuição tem suas próprias fórmulas e parâmetros para calcular a média, desvio
padrão e outras propriedades estatísticas.

- A escolha da distribuição correta depende do problema específico e das características da

população em estudo.

resumo: DISTRIBUIÇÕES PARA VARIÁVEIS CONTÍNUAS

As distribuições de probabilidade para variáveis contínuas são usadas para modelar a

probabilidade de uma variável contínua tomar valores específicos em uma população.
Algumas das distribuições de probabilidade mais comuns para variáveis contínuas incluem a
distribuição normal, distribuição uniforme, distribuição exponencial e distribuição gama.

A distribuição normal é a mais importante e amplamente utilizada distribuição para variáveis

contínuas na estatística. Ela é caracterizada por uma curva em forma de sino, com uma
média e um desvio padrão que determinam a posição e a largura da curva, respectivamente.
A distribuição normal é frequentemente utilizada em inferência estatística, análise de dados
e modelagem de fenômenos naturais.

A distribuição uniforme é caracterizada por uma densidade de probabilidade constante em

todo o intervalo em que a variável pode assumir valores. Ela é frequentemente usada em
situações em que todos os valores possíveis da variável são igualmente prováveis.
A distribuição exponencial é frequentemente usada para modelar o tempo entre eventos
raros e sucessivos. Ela é caracterizada por uma taxa de ocorrência média de eventos, que
determina a taxa de decaimento da probabilidade ao longo do tempo.

A distribuição gama é frequentemente usada para modelar a distribuição de tempos de

espera ou durações de eventos. Ela é caracterizada por uma taxa média de ocorrência de
eventos e um parâmetro de forma que determina a forma da curva de densidade de
probabilidade.

Cada distribuição de probabilidade para variáveis contínuas tem suas próprias fórmulas e
parâmetros para calcular sua média, desvio padrão e outras propriedades estatísticas. A
escolha da distribuição correta depende do problema específico em questão e das
características da população em estudo.

Mapa Mental

DISTRIBUIÇÕES PARA VARIÁVEIS CONTÍNUAS: Cálculo de probabilidades através da

curva normal

- As distribuições para variáveis contínuas são aquelas em que a variável pode assumir
qualquer valor dentro de um intervalo contínuo.

- A distribuição normal é uma das mais importantes distribuições para variáveis contínuas e
é frequentemente utilizada na estatística.

- A curva normal é simétrica em relação à sua média, que é o ponto mais alto da curva.

- A área total sob a curva normal é igual a 1.

- A distribuição normal é caracterizada por dois parâmetros: a média (μ) e o desvio padrão
(σ).

- A probabilidade de um valor aleatório estar dentro de um intervalo pode ser calculada a

partir da curva normal utilizando a tabela da distribuição normal padrão.

- A tabela da distribuição normal padrão fornece as áreas sob a curva normal para valores
específicos de desvios-padrão (z-scores) em relação à média.

- Para calcular a probabilidade de um valor estar dentro de um intervalo, é necessário

encontrar a área sob a curva normal correspondente ao intervalo utilizando a tabela da
distribuição normal padrão.
- A probabilidade de um valor estar acima ou abaixo de um determinado ponto pode ser
calculada a partir da curva normal subtraindo-se a área sob a curva correspondente ao
ponto da área total sob a curva.

- A distribuição normal tem várias aplicações em áreas como ciências naturais, negócios e
finanças, e é uma ferramenta importante na modelagem estatística.

DISTRIBUIÇÕES PARA VARIÁVEIS CONTÍNUAS: Cálculo das condições correspondentes

a probabilidades da curva normal

- A curva normal é uma das distribuições de probabilidade mais importantes na estatística,

usada para modelar várias variáveis contínuas em diferentes áreas do conhecimento.

- Para calcular as probabilidades correspondentes à curva normal, é necessário primeiro

padronizar a variável contínua em questão, transformando-a em uma variável normal
padrão, com média igual a 0 e desvio padrão igual a 1.

- A padronização pode ser feita pela fórmula: z = (x - μ) / σ, onde z é o valor da variável

normal padrão, x é o valor da variável contínua original, μ é a média da população e σ é o
desvio padrão da população.

- A partir da variável normal padrão z, é possível calcular as probabilidades correspondentes

utilizando tabelas de distribuição normal padrão ou softwares estatísticos.

- As tabelas de distribuição normal padrão fornecem as probabilidades acumuladas para

valores de z em intervalos de 0,01, permitindo encontrar rapidamente a probabilidade
correspondente a um valor z específico.

- É possível calcular a probabilidade de um intervalo de valores da variável contínua original

através da fórmula de probabilidade da curva normal, que relaciona a probabilidade
acumulada até um valor z com a probabilidade acumulada até outro valor z.

- A fórmula de probabilidade da curva normal pode ser escrita como P(a ≤ x ≤ b) = Φ((b -
μ) / σ) - Φ((a - μ) / σ), onde P é a probabilidade do intervalo de valores entre a e b, Φ é a
função de distribuição normal padrão e μ e σ são a média e o desvio padrão da população
original, respectivamente.

- As condições correspondentes às probabilidades da curva normal são usadas para

determinar a média e o desvio padrão da população original a partir de informações sobre
os valores da variável contínua em questão e suas probabilidades associadas.

- As condições mais comuns correspondem a percentis, que representam os valores da

variável contínua que correspondem a determinadas probabilidades acumuladas. Por
exemplo, o percentil 90 representa o valor da variável contínua abaixo do qual se encontra
90% da população.
- As condições correspondentes aos percentis da curva normal podem ser usadas para
determinar a média e o desvio padrão da população original, a partir de informações sobre a
média e o desvio padrão da população normal padrão e o valor correspondente ao percentil
desejado.

Calculadora financeira

média, mediana, moda, quartis, percentis, desvio padrão, variância, coeficientes de

variação

Para calcular as medidas estatísticas na calculadora financeira, siga os seguintes passos:

1. Certifique-se de que sua calculadora financeira esteja no modo estatístico. Para isso,
pressione a tecla "MODE" e selecione o modo estatístico (geralmente indicado pela letra
"STAT").

2. Insira os dados na calculadora financeira. Para isso, pressione a tecla "DATA" ou "STAT",
dependendo do modelo da sua calculadora. Em seguida, insira os valores dos dados que
você deseja analisar.

3. Calcule a média pressionando a tecla "SHIFT" + "1" (ou "STAT" + "1", dependendo do
modelo da calculadora).

4. Calcule a mediana pressionando a tecla "SHIFT" + "2" (ou "STAT" + "2").

5. Calcule a moda pressionando a tecla "SHIFT" + "3" (ou "STAT" + "3").

6. Calcule os quartis pressionando a tecla "SHIFT" + "4" (ou "STAT" + "4").

7. Calcule os percentis pressionando a tecla "SHIFT" + "5" (ou "STAT" + "5").

8. Calcule o desvio padrão pressionando a tecla "SHIFT" + "7" (ou "STAT" + "7").

9. Calcule a variância pressionando a tecla "SHIFT" + "8" (ou "STAT" + "8").

10. Calcule o coeficiente de variação pressionando a tecla "SHIFT" + "9" (ou "STAT" + "9").

Certifique-se de que as unidades das medidas estatísticas estejam corretas para a análise dos
dados na área de negócios.

A análise de assimetria e curtose pode ser realizada na calculadora financeira usando

os seguintes passos:

1. Acesse o menu de estatísticas da calculadora financeira, geralmente indicado pela tecla

"STAT".

2. Selecione a opção de entrada de dados. Dependendo do modelo da calculadora

financeira, essa opção pode ser indicada pela tecla "DATA" ou "ENTER".
3. Digite os dados que você deseja analisar e pressione a tecla "ENTER" após cada entrada.

4. Acesse o menu de análise de estatísticas, geralmente indicado pela tecla "STAT".

5. Selecione a opção "1-VAR" ou "1 Variável" e pressione "ENTER".

6. A calculadora irá exibir uma lista de estatísticas, incluindo a média, desvio padrão, mínimo
e máximo. Anote essas informações.

7. Para calcular a assimetria e a curtose, acesse o menu de cálculo de estatísticas novamente

e selecione a opção "2-VAR" ou "2 Variáveis".

8. Digite os dados novamente e pressione a tecla "ENTER" após cada entrada.

9. A calculadora irá exibir as estatísticas para os dois conjuntos de dados.

10. Selecione a opção "STAT TESTS" ou "Testes estatísticos" e pressione "ENTER".

11. Selecione a opção "A:ssmtry" ou "Assimetria" e pressione "ENTER".

12. A calculadora irá exibir o valor da assimetria.

13. Para calcular a curtose, selecione a opção "Kurtosis" ou "Curtose".

14. A calculadora irá exibir o valor da curtose.

Esses são os passos gerais para calcular a assimetria e curtose na calculadora financeira. No
entanto, o processo pode variar ligeiramente dependendo do modelo da calculadora. É
importante consultar o manual do usuário da sua calculadora financeira para obter
instruções detalhadas.

Para calcular probabilidades na calculadora financeira, você precisa seguir os seguintes

passos:

1. Pressione a tecla "2nd" e, em seguida, a tecla "VARS".

2. Selecione a opção "DISTR" (distribuição) e escolha a distribuição de probabilidade que

deseja calcular. Por exemplo, para calcular a probabilidade usando a distribuição normal,
selecione "2: normalcdf".

3. Digite os valores para a média, desvio padrão, limite inferior e limite superior do intervalo
de probabilidade que deseja calcular. Certifique-se de usar o ponto decimal para separar as
casas decimais.

4. Pressione a tecla "Enter" para calcular a probabilidade.

Por exemplo, se você deseja calcular a probabilidade de obter um valor entre 80 e 100 em
uma distribuição normal com média 90 e desvio padrão 10, você pode usar os seguintes
passos:
1. Pressione "2nd" e, em seguida, "VARS".

2. Selecione "2: normalcdf".

3. Digite "80" como limite inferior, "100" como limite superior, "90" como média e "10" como
desvio padrão.

4. Pressione "Enter" para obter a probabilidade.

A calculadora financeira exibirá o resultado como um número entre 0 e 1, representando a

probabilidade de obter um valor entre 80 e 100 nessa distribuição normal.

Para calcular a distribuição binomial, por exemplo, você pode usar a seguinte fórmula
na calculadora financeira:

BINOMPDF(n,p,x)

onde:

- n = número de ensaios

- p = probabilidade de sucesso em cada ensaio

- x = número de sucessos desejados

Por exemplo, se você quer calcular a probabilidade de obter 3 caras em 5 lançamentos de

uma moeda justa, com uma probabilidade de sucesso de 0,5, você pode usar a fórmula:

BINOMPDF(5,0.5,3)

O resultado será a probabilidade de obter exatamente 3 caras em 5 lançamentos.

Já para calcular a distribuição de Poisson, você pode usar a fórmula:

POISSONPDF(mean, x)

onde:

- mean = média da distribuição de Poisson

- x = número de eventos desejados

Por exemplo, se você quer calcular a probabilidade de que ocorram 2 acidentes em um

trecho de estrada de 10 km, com uma taxa média de 1,5 acidentes por km, você pode usar a
fórmula:

POISSONPDF(1.5*10,2)

O resultado será a probabilidade de ocorrerem exatamente 2 acidentes em um trecho de 10

km.
 Para calcular a distribuição normal e as probabilidades, siga os seguintes passos:

1. Ligue a calculadora financeira e pressione a tecla "2ND" e "FORMAT" para ajustar a

configuração da calculadora para "3" casas decimais.

2. Pressione a tecla "2ND" e "STAT" para acessar o menu "DISTR".

3. Selecione a opção "2: normalcdf" para calcular a probabilidade de uma variável aleatória X
estar dentro de um intervalo específico.

4. Insira os valores da média (μ), desvio padrão (σ), limite inferior (L) e limite superior (U) para
o intervalo de interesse.

5. Pressione a tecla "ENTER" para calcular a probabilidade de que X esteja dentro do

intervalo especificado.

Por exemplo, suponha que a média de uma distribuição normal seja 50 e o desvio padrão
seja 10. Queremos calcular a probabilidade de que X esteja entre 40 e 60. Seguindo os
passos acima, teríamos que inserir os valores μ = 50, σ = 10, L = 40 e U = 60 na calculadora
e pressionar a tecla "ENTER". O resultado seria a probabilidade de X estar entre 40 e 60.
Perguntas:

1. O que são medidas estatísticas e como elas são utilizadas na área de negócios?

2. Quais são as principais medidas estatísticas utilizadas na análise de dados na área de

negócios e como elas são calculadas?

3. O que é assimetria e como ela pode afetar a interpretação dos dados em uma análise
estatística?

4. O que é curtose e como ela pode ser interpretada em uma análise estatística?

5. Quais são os conceitos básicos de probabilidade e como eles são aplicados em análises
estatísticas?

6. Como calcular a probabilidade de eventos discretos, como distribuições binomiais e de

Poisson, na área de negócios?

7. O que é a distribuição normal e como ela é utilizada na análise estatística?

8. Como calcular a probabilidade de eventos contínuos usando a curva normal na área de

negócios?
Respostas:

1. Medidas estatísticas são ferramentas utilizadas para resumir e analisar dados em uma área
específica, como a de negócios. Elas ajudam a compreender as tendências e variações nos
dados, auxiliando na tomada de decisões mais informadas e embasadas em evidências.

2. As principais medidas estatísticas utilizadas na área de negócios incluem: média, mediana,

moda, quartis, percentis, desvio padrão, variância e coeficiente de variação. A média é
calculada somando-se todos os valores e dividindo pelo número de observações; a mediana
é o valor que separa a metade inferior dos dados da metade superior; a moda é o valor que
aparece com maior frequência nos dados. Os quartis e percentis são valores que dividem os
dados em partes iguais, enquanto o desvio padrão mede a dispersão dos dados em relação
à média. A variância é uma medida de como os dados se distribuem ao redor da média, e o
coeficiente de variação é o desvio padrão dividido pela média, expresso em porcentagem.

3. A assimetria é uma medida que indica se uma distribuição é simétrica ou assimétrica. Se a

distribuição é simétrica, a média, a mediana e a moda são iguais. Se a distribuição é
assimétrica, um dos lados da curva será mais longo do que o outro. Isso pode afetar a
interpretação dos dados, pois uma assimetria significativa pode indicar que a média pode
não ser um bom indicador da tendência central dos dados.

4. A curtose é uma medida que indica o achatamento da curva em relação à distribuição

normal. Uma curva com curtose positiva é mais pontuda e concentrada ao redor da média,
enquanto uma curva com curtose negativa é mais achatada e dispersa. A interpretação da
curtose pode indicar se os dados têm valores extremos ou se estão mais concentrados ao
redor da média.

5. Os conceitos básicos de probabilidade incluem experimentos aleatórios, eventos e espaço

amostral. Um experimento aleatório é um evento que não pode ser previsto com certeza,
como o resultado de um lançamento de moeda. Os eventos são os possíveis resultados do
experimento, como cara ou coroa. O espaço amostral é o conjunto de todos os eventos
possíveis. A probabilidade é a medida da chance de um evento ocorrer, expressa como um
número entre 0 e 1.

6. Para calcular a probabilidade de eventos discretos, como distribuições binomiais e de

Poisson, é necessário utilizar fórmulas específicas e tabelas de distribuição de probabilidade.
É possível utilizar a calculadora financeira para realizar esses cálculos.

7. A distribuição normal é uma distribuição de probabilidade contínua que é utilizada para

modelar diversos fenômenos naturais e sociais. Ela é caracterizada por uma curva em forma
de sino e é definida pelos seus parâmetros média e desvio padrão. A distribuição normal é
amplamente utilizada na área de negócios para análise de dados e previsão de resultados.

8. Para calcular a probabilidade de eventos contínuos usando a curva normal na área de

negócios, é necessário primeiro padronizar a variável usando a fórmula z = (x - μ) / σ, onde x
é o valor da variável, μ é a média e σ é o desvio padrão. Depois de obter o valor z
padronizado, a probabilidade pode ser calculada consultando a tabela da distribuição
normal padrão ou usando a função de distribuição acumulada na calculadora financeira. A
área sob a curva normal entre dois valores de z pode ser usada para calcular a probabilidade
de um evento ocorrer dentro desse intervalo. Essa técnica é útil em muitos cenários, como
na previsão de demanda de produtos ou na avaliação de riscos financeiros.