1 - 08 Nocoes de Matematica Financeira

SANASA-Campinas
Analista Administrativo - Serviços Administrativos
Razão e proporção; divisão proporcional; regras de três simples e composta; porcentagem

................................................................................................................................................. 1
Juros simples e compostos .................................................................................................. 1
Taxas de juros ................................................................................................................... 10
Regimes de capitalização e desconto ................................................................................ 14
Noções de Estatística: estatística descritiva; medidas de posição; medidas de dispersão e
distribuições de probabilidade ................................................................................................ 20
Olá Concurseiro, tudo bem?
Sabemos que estudar para concurso público não é tarefa fácil, mas acreditamos na sua
dedicação e por isso elaboramos nossa apostila com todo cuidado e nos exatos termos do
edital, para que você não estude assuntos desnecessários e nem perca tempo buscando
conteúdos faltantes. Somando sua dedicação aos nossos cuidados, esperamos que você
tenha uma ótima experiência de estudo e que consiga a tão almejada aprovação.
Pensando em auxiliar seus estudos e aprimorar nosso material, disponibilizamos o e-mail

professores@maxieduca.com.br para que possa mandar suas dúvidas, sugestões ou
questionamentos sobre o conteúdo da apostila. Todos e-mails que chegam até nós, passam
por uma triagem e são direcionados aos tutores da matéria em questão. Para o maior
aproveitamento do Sistema de Atendimento ao Concurseiro (SAC) liste os seguintes itens:
01. Apostila (concurso e cargo);

02. Disciplina (matéria);
03. Número da página onde se encontra a dúvida; e
04. Qual a dúvida.
Caso existam dúvidas em disciplinas diferentes, por favor, encaminhar em e-mails separados,
pois facilita e agiliza o processo de envio para o tutor responsável, lembrando que teremos até
cinco dias úteis para respondê-lo (a).
Não esqueça de mandar um feedback e nos contar quando for aprovado!
Bons estudos e conte sempre conosco!
1562256 E-book gerado especialmente para ADRIANO SIMPLICIO DA CRUZ

Razão e proporção; divisão proporcional; regras de três simples e composta;
porcentagem
OBS.: Caro(a) candidato(a), este assuntos foi abordado na apostila de Raciocínio Lógico-
Matemático.
Juros simples e compostos
JUROS SIMPLES1
Em regime de juros simples (ou capitalização simples), o juro é determinado tomando como base
de cálculo o capital da operação, e o total do juro é devido ao credor (aquele que empresta) no final da
operação. As operações aqui são de curtíssimo prazo, exemplo: desconto simples de duplicata, entre
outros.
No juros simples o juro de cada intervalo de tempo sempre é calculado sobre o capital inicial
emprestado ou aplicado.
- Os juros são representados pela letra J.

- O dinheiro que se deposita ou se empresta chamamos de capital e é representado pela letra C (capital)
ou P(principal) ou VP ou PV (valor presente) *.
- O tempo de depósito ou de empréstimo é representado pela letra t ou n.*
- A taxa de juros é a razão centesimal que incide sobre um capital durante certo tempo. É representado
pela letra i e utilizada para calcular juros.
*Varia de acordo com a literatura estudada.
Chamamos de simples os juros que são somados ao capital inicial no final da aplicação.
Exemplo
1) Uma pessoa empresta a outra, a juros simples, a quantia de R$ 4. 000,00, pelo prazo de 5 meses,
à taxa de 3% ao mês. Quanto deverá ser pago de juros?
Resposta
- Capital aplicado (C): R$ 4.000,00
- Tempo de aplicação (t): 5 meses
- Taxa (i): 3% ou 0,03 a.m. (= ao mês)
Fazendo o cálculo, mês a mês:

- No final do 1º período (1 mês), os juros serão: 0,03 x R$ 4.000,00 = R$ 120,00
- No final do 2º período (2 meses), os juros serão: R$ 120,00 + R$ 120,00 = R$ 240,00
1
MARIANO, Fabrício – Matemática Financeira para Concursos – 3ª Edição – Rio de Janeiro: Elsevier,2013.
1
Desse modo, no final da aplicação, deverão ser pagos R$ 600,00 de juros.
Fazendo o cálculo, período a período:

- No final do 1º período, os juros serão: i.C
- No final do 2º período, os juros serão: i.C + i.C
- No final do 3º período, os juros serão: i.C + i.C + i.C
--------------------------------------------------------------------------
- No final do período t, os juros serão: i.C + i.C + i.C + ... + i.C
Portanto, temos:
J=C.i.t
1) O capital cresce linearmente com o tempo;

2) O capital cresce a uma progressão aritmética de razão: J=C.i
3) A taxa i e o tempo t devem ser expressos na mesma unidade.
4) Nessa fórmula, a taxa i deve ser expressa na forma decimal.
5) Chamamos de montante (M) ou FV (valor futuro) a soma do capital com os juros, ou seja:
Na fórmula J= C . i . t, temos quatro variáveis. Se três delas forem valores conhecidos, podemos
calcular o 4º valor.
M = C + J → M = C.(1+i.t)
Exemplo
A que taxa esteve empregado o capital de R$ 25.000,00 para render, em 3 anos, R$ 45.000,00 de
juros? (Observação: Como o tempo está em anos devemos ter uma taxa anual.)
C = R$ 25.000,00
t = 3 anos
j = R$ 45.000,00
i = ? (ao ano)
C .i.t
j=
100
25000 .i.3
45 000 =
100
45 000 = 750 . i
45 .000
i=
750
i = 60
Resposta: 60% ao ano.
Quando o prazo informado for em dias, a taxa resultante dos cálculos será diária; se o prazo for
em meses, a taxa será mensal; se for em trimestre, a taxa será trimestral, e assim sucessivamente.
Questões
01. (AL/RR – Economista – FUNRIO/2018) Paulo contraiu uma dívida do Banco X, no valor de R$
400,00 que foi quitada em dois trimestres, depois de contraída.
A taxa linear mensal praticada pelo Banco X, que teve como resultado a cobrança de juros de R$
150,00, foi de
2
(A) 8,70%.
(B) 7,50%.
(C) 6,25%.
(D) 5,10%.
02. (EBSERH – Técnico em Contabilidade – CESPE/2018) No que se refere a matemática financeira

e finanças, julgue o item seguinte.
Se R$ 10.000 forem aplicados pelo prazo de 45 dias à taxa de juros simples de 12% ao ano, o montante
ao final do período será inferior a R$ 10.140.
( )Certo ( )Errado
03. (BANESTES – Assistente Securitário – FGV/2018) Caso certa dívida não seja paga na data do
seu vencimento, sobre ela haverá a incidência de juros de 12% a.m.. Se essa dívida for quitada com
menos de um mês de atraso, o regime utilizado será o de juros simples.
Considerando-se o mês comercial (30 dias), se o valor dessa dívida era R$ 3.000,00 no vencimento,
para quitá-la com 8 dias de atraso, será preciso desembolsar:
(A) R$ 3.096,00;
(B) R$ 3.144,00;
(C) R$ 3.192,00;
(D) R$ 3.200,00;
(E) R$ 3.252,00.
04. (BANPARÁ – Técnico Bancário – INAZ do Pará) Na capitalização de juros simples:

(A) A capitalização de juros ocorre sobre o capital inicial
(B) Os juros são pagos no vencimento, que é fixo.
(C) Os juros são pagos durante o período de capitalização
(D) Os juros são incorporados ao capital durante a capitalização
(E) Todas as alternativas acima estão erradas
05. (IESES) Uma aplicação de R$ 1.000.000,00 resultou em um montante de R$ 1.240.000,00 após

12 meses. Dentro do regime de Juros Simples, a que taxa o capital foi aplicado?
(A) 1,5% ao mês.
(B) 4% ao trimestre.
(C) 20% ao ano.
(D) 2,5% ao bimestre.
(E) 12% ao semestre.
06. (EXATUS-PR) Mirtes aplicou um capital de R$ 670,00 à taxa de juros simples, por um período de
16 meses. Após esse período, o montante retirado foi de R$ 766,48. A taxa de juros praticada nessa
transação foi de:
(A) 9% a.a.
(B) 10,8% a.a.
(C) 12,5% a.a.
(D) 15% a.a.
07. (UMA Concursos) Qual o valor do capital que aplicado por um ano e meio, a uma taxa de 1,3%
ao mês, em regime de juros simples resulta em um montante de R$ 68.610,40 no final do período?
(A) R$ 45.600,00
(B) R$ 36.600,00
(C) R$ 55.600,00
(D) R$ 60.600,00
08. (TRF- 3ª REGIÃO – Analista Judiciário – FCC) Em um contrato é estabelecido que uma pessoa
deverá pagar o valor de R$ 5.000,00 daqui a 3 meses e o valor de R$ 10.665,50 daqui a 6 meses. Esta
pessoa decide então aplicar em um banco, na data de hoje, um capital no valor de R$ 15.000,00, durante
3 meses, sob o regime de capitalização simples a uma taxa de 10% ao ano. No final de 3 meses, ela
resgatará todo o montante correspondente, pagará o primeiro valor de R$ 5.000,00 e aplicará o restante
sob o regime de capitalização simples, também durante 3 meses, em outro banco. Se o valor do montante
3
desta última aplicação no final do período é exatamente igual ao segundo valor de R$ 10.665,50, então
a taxa anual fornecida por este outro banco é, em %, de
(A) 10,8%.
(B) 9,6%.
(C) 11,2%.
(D) 12,0%.
(E) 11,7%.
Comentários
01. Resposta: C
O capital será de: 400,00
2 trimestres: 2.3 = 6 meses
J = 150 reais.
Utilizando a fórmula básica para juros compostos teremos:
C .i.t
j=
100
150 . 100 = 400 . i . 6
15000
i= = 6,25% ao mês
2400
02. Resposta: Errado

C .i.t
Pela fórmula de juros simples teremos j =
100
Mas antes devemos converter os dados para a mesma unidade de tempo.
i = 12% ao ano = 1% ao mês
t = 45 dias = 1,5 meses
C = 10000
Montante foi de 10140, logo o juros foi de 10140 – 10000 = 140 reais.
Vamos lá!
C .i.t
j=
100
10000 . 1 . 1,5 15000
j= 100
= 100 = 150 reais, que é superior à 140 reais conforme dito no enunciado.
03. Resposta: A
Antes de resolvermos devemos fazer as devidas conversões, vamos lá!
i = 12% ao mês = 12 : 30 = 0,4% ao dia
C .i.t
j=
100
3000 . 0,4 . 8 9600
j= 100
= 100 = 96 reais
Assim deverá pagar 3000 + 96 = 3096 reais
04. Resposta: A
Na capitalização simples o juros sempre incide sobre o capital inicial, por isto a alternativa A está
correta.
05. Resposta: E
C = 1.000.000,00
M = 1.240.000,00
t = 12 meses
i=?
M = C.(1+it) → 1240000 = 1000000(1 + 12i) → 1 + 12i = 1240000 / 1000000 → 1 + 12i = 1,24 → 12i =
1,24 – 1 → 12i = 0,24 → i = 0,24 / 12 → i = 0,02 → i = 0,02x100 → i = 2% a.m
4
Como não encontramos esta resposta nas alternativas, vamos transformar, uma vez que sabemos a
taxa mensal:
Um bimestre tem 2 meses → 2 x 2 = 4% a.b.
Um trimestre tem 3 meses → 2 x 3 = 6% a.t.
Um semestre tem 6 meses → 2 x 6 = 12% a.s.
Um ano tem 1 ano 12 meses → 2 x 12 = 24% a.a.
06. Resposta: B
Pelo enunciado temos:
C = 670
i=?
n = 16 meses
M = 766,48
Aplicando a fórmula temos: M = C.(1+in) → 766,48 = 670 (1+16i) → 1 + 16i = 766,48 / 670 →1 + 16i =
1,144 → 16i = 1,144 – 1 → 16i = 0,144 → i = 0,144 / 16 → i = 0,009 x 100 → i = 0,9% a.m.
Observe que as taxas das alternativas são dadas em ano, logo como 1 ano tem 12 meses: 0,9 x 12 =
10,8% a.a.
07. Resposta: C
C=?
n = 1 ano e meio = 12 + 6 = 18 meses
i = 1,3% a.m = 0,013
M = 68610,40
Aplicando a fórmula: M = C (1+in) → 68610,40 = C (1+0,013.18) → 68610,40 = C (1+0,234) → C =
68610,40 = C.1,234 → C = 68610,40 / 1,234 → C = 55600,00.
08. Resposta: C
j= 15.000*0,10*0,25 (0,25 é 3 meses/12)
j=15.000*0,025
j=375,00
Montante 15.000+375,00= 15.375,00
Foi retirado 5.000,00, então fica o saldo para nova aplicação de 10.375,00 o valor a pagar da segunda
parcela (10.665,50) é o mesmo valor do saldo da aplicação dos 10.375,00 em 03 meses.
10.665,50-10.375,00= 290,50, esse foi o juros, então é só aplicar a fórmula dos juros simples.
j=c.i.t
290,5=10.375,00*i*0,025
290,5=2.593,75*i
i= 290,5/2.593,75
i= 0,112
i=0,112*100=11,2%
JUROS COMPOSTOS
O capital inicial (principal) pode crescer, como já sabemos, devido aos juros, segundo duas
modalidades, a saber:
Juros simples (capitalização simples) – a taxa de juros incide sempre sobre o capital inicial.
Juros compostos (capitalização composta) – a taxa de juros incide sobre o capital de cada
período. Também conhecido como "juros sobre juros".
Na prática, as empresas, órgãos governamentais e investidores particulares costumam reinvestir as

quantias geradas pelas aplicações financeiras, o que justifica o emprego mais comum de juros
compostos2 na Economia. Na verdade, o uso de juros simples não se justifica em estudos econômicos.
2
5
Exemplo
Considere o capital inicial (C) $1500,00 aplicado a uma taxa mensal de juros compostos (i) de 10% (i
= 10% a.m.). Vamos calcular os montantes (capital + juros), mês a mês:
Após o 1º mês, teremos: M1 = 1500 x 1,1 = 1650 = 1500(1 + 0,1)
Após o 2º mês, teremos: M2 = 1650 x 1,1 = 1815 = 1500(1 + 0,1)2
Após o 3º mês, teremos: M3 = 1815 x 1,1 = 1996,5 = 1500(1 + 0,1)3
.....................................................................................................
Após o nº (enésimo) mês, sendo M o montante, teremos evidentemente: M = 1500(1 + 0,1)t
De uma forma genérica, teremos para um capital C, aplicado a uma taxa de juros compostos (i) durante
o período (t):
M = C (1 + i)t
Onde:
M = montante,
C = capital,
i = taxa de juros e
t = número de períodos que o capital C (capital inicial) foi aplicado.
(1+i)t ou (1+i)n = fator de acumulação de capital
Na fórmula acima, as unidades de tempo referentes à taxa de juros (i) e do período (t), tem de
ser necessariamente iguais. Este é um detalhe importantíssimo, que não pode ser esquecido!
Assim, por exemplo, se a taxa for 2% ao mês e o período 3 anos, deveremos considerar 2% ao mês
durante 3x12=36 meses.
Graficamente temos, que o crescimento do principal(capital) segundo juros simples é LINEAR,

CONSTANTE enquanto que o crescimento segundo juros compostos é EXPONENCIAL, GEOMÉTRICO
e, portanto tem um crescimento muito mais "rápido".
- O montante no 1º tempo é igual tanto para o regime de juros simples como para juros
compostos;
- Antes do 1º tempo o montante seria maior no regime de juros simples;
- Depois do 1º tempo o montante seria maior no regime de juros compostos.
Juros Compostos e Logaritmos

Para resolução de algumas questões que envolvam juros compostos, precisamos ter conhecimento de
conceitos de logaritmos, principalmente aquelas as quais precisamos achar o tempo/prazo. É muito
comum ver em provas o valor dado do logaritmo para que possamos achar a resolução da questão.
Exemplo
Um capital é aplicado em regime de juros compostos a uma taxa mensal de 2% (2% a.m.). Depois de
quanto tempo este capital estará duplicado?
Resolução
Sabemos que M = C (1 + i)t. Quando o capital inicial estiver duplicado, teremos M = 2C.
Substituindo, vem: 2C = C(1+0,02)t [Obs: 0,02 = 2/100 = 2%]
Simplificando, fica:
2 = 1,02t , que é uma equação exponencial simples.
Teremos então: t = log1,022 = log2 /log1,02 = 0,30103 / 0,00860 = 35
6
Nota: log2 = 0,30103 e log1,02 = 0,00860; estes valores podem ser obtidos rapidamente em máquinas
calculadoras científicas. Caso uma questão assim caia no vestibular ou concurso, o examinador teria de
informar os valores dos logaritmos necessários, ou então permitir o uso de calculadora na prova, o que
não é comum no Brasil.
Portanto, o capital estaria duplicado após 35 meses (observe que a taxa de juros do problema é
mensal), o que equivale a 2 anos e 11 meses.
Resposta: 2 anos e 11 meses.
- Em juros simples quando a taxa de juros(i) estiver em unidade diferente do tempo(t), pode-se
colocar na mesma unidade de (i) ou (t).
- Em juros compostos é preferível colocar o (t) na mesma unidade da taxa (i).
Questões
01. (UFLA – Administrador – UFLA/2018) A alternativa que apresenta o valor futuro correto de uma
aplicação de R$ 100,00 à taxa de juros compostos de 10% ao ano pelo período de dois anos é:
(A) R$ 121,00
(B) R$ 112,00
(C) R$ 120,00
(D) R$ 110,00
02. (BANPARÁ – Técnico Bancário – FADESP/2018) Na realização de um empréstimo de R$

8.000,00 por três meses, havia duas possibilidades de sistema a considerar: juros simples a 5%a.m ou
juros compostos a 4%a.m. Comparando os montantes obtidos nesses dois sistemas, é correto afirmar
que o de juros simples é, aproximadamente,
(A) inferior ao de juros compostos em R$ 300,00.
(B) inferior ao de juros compostos em R$ 200,00.
(C) igual ao de juros compostos.
(D) superior ao de juros compostos em R$ 200,00.
(E) superior ao de juros compostos em R$ 300,00.
03. (STM – Analista Judiciário – CESPE/2018) Uma pessoa atrasou em 15 dias o pagamento de uma
dívida de R$ 20.000, cuja taxa de juros de mora é de 21% ao mês no regime de juros simples.
Acerca dessa situação hipotética, e considerando o mês comercial de 30 dias, julgue o item
subsequente.
No regime de juros compostos, o valor dos juros de mora na situação apresentada será R$ 100 menor
que no regime de juros simples.
( )Certo ( )Errado
04. (TRANSPETRO – Engenheiro Junior – CESGRANRIO/2018) Uma empresa captou R$ 100.000

reais a uma taxa de juros compostos de 1% ao mês.
Ao cabo de seis meses no futuro, essa dívida terá um valor em reais, no presente, de
(A) R$ 103.030
(B) R$ 104.060
(C) R$ 105.101
(D) R$ 106.000
(E) R$ 106.152
05. (EXÉRCITO BRASILEIRO) Determine o tempo necessário para que um capital aplicado a 20 % a.
m. no regime de juros compostos dobre de valor. Considerando que log 2 = 0,3 e log 1,2 = 0,08.
(A) 3,75 meses.
(B) 3,5 meses.
(C) 2,7 meses.
(D) 3 meses.
(E) 4 meses.
7
06. (FCC) Saulo aplicou R$ 45 000,00 em um fundo de investimento que rende 20% ao ano. Seu
objetivo é usar o montante dessa aplicação para comprar uma casa que, na data da aplicação, custava
R$ 135 000,00 e se valoriza à taxa anual de 8%. Nessas condições, a partir da data da aplicação, quantos
anos serão decorridos até que Saulo consiga comprar tal casa?
Dado: (Use a aproximação: log 3 = 0,48)
(A) 15
(B) 12
(C) 10
(D) 9
(E) 6
07. (CESGRANRIO) Um investimento de R$1.000,00 foi feito sob taxa de juros compostos de 3% ao
mês. Após um período t, em meses, o montante foi de R$1.159,27. Qual o valor de t? (Dados: ln(1.000)
= 6,91; ln(1.159,27) = 7,06; ln(1,03) = 0,03).
(A) 1
(B) 2
(C) 3
(D) 4
(E) 5
08. (MPE/GO – Secretário Auxiliar – MPE-GO/2017) Fábio aplicou R$ 1.000,00 em uma aplicação
que rende juros compostos de 2% ao mês. Ao final de 3 meses qual será o montante da aplicação de
Fábio, desprezando-se as casas decimais?
(A) R$ 1.060
(B) R$ 1.061
(C) R$ 1.071
(D) R$ 1.029
(E) R$ 1.063
Comentários
01. Resposta: A
C = 100
i = 10%a.a = 0,1
t = 2 anos (taxa e tempo na mesma unidade, ok!)
M=?
M = 100.(1 + 0,1)²
M = 100.1,21 = 121 reais
02. Resposta: D
Nesta questão precisamos calcular o valor obtido no regime de juros simples e o valor obtido em juros
compostos, para depois calcularmos.
- Juros Simples
M=?
J=?
C = 8000
i = 5%a.m. = 0,05
t = 3 meses
J = 8000.0,05.3 = 1200
M = 8000 + 1200 = 9200
- Juros compostos
M=?
C = 8000
i = 4% a.m. = 0,04
t = 3 meses
M = 8000.(1 + 0,04)³ = 8000.1,04³ = 8998,12
8
Fazendo a variação entre os valores teremos 9200 – 8998,12 = 201,09, que aproximadamente será
200 reais, assim o sistema de juros simples será superior em 200 reais se compararmos com o regime
de juros compostos.
03. Resposta: Certo

Neste exercício devemos saber no regime de juros simples e no regime de juros compostos para então
podermos compará-los.
- Juros Simples
C = 20000
i = 21%a.m. = 0,21
t = 15 dias (observe que a taxa e o tempo estão em unidades diferentes, assim iremos converter o
tempo na unidade da taxa)
t = 15/30 = ½ mês
1
J = 20000.0,21 . 2 = 2100
- Juros Compostos
C = 20000
i = 21%a.m. = 0,21
t = 15 dias (observe que a taxa e o tempo estão em unidades diferentes, assim iremos converter o
tempo na unidade da taxa)
t = 15/30 = ½ mês
1
M = 20000.( 1 + 0,21)2
1
M = 20000.1,212
Muita atenção neste momento, pois o expoente é uma fração e para isto você deve lembrar de algumas
𝑚 1
𝑛 2 2
propriedades de potência, 𝑎 𝑛 = √𝑎𝑚 , portanto no nosso exercício temos 1,212 = √1,211 = √1,21 = 1,1.
Prosseguindo,
1
M = 20000.1,212
2
M = 20000. √1,21
M = 20000.1,1 = 22000
Sendo de Juros = 22000 – 20000 = 2000

Portanto em juros simples = 2100
Juros compostos = 2000
Em juros simples é 100 reais maior que em juros compostos
04. Resposta: E
Vamos captar as informações:
M=?
C = 100000
i = 1%a.m. = 0,01
t = 6meses
M = 100000.(1 + 0,01)6
M = 100000.1,016
M = 100000. 1,06152 = 106152 reais
05. Resposta: A
M=C(1+i)t
2C=C(1+0,2)t
2=1,2t
Log2=log1,2t
Log2=t.log1,2 → 0,3=0,08t → T=3,75 meses
9
06. Resposta: B
M = C. (1 + i)t
C = 45.000
i = 0,2
--------------------
C = 135.000
i= 0,08
45.000 (1+ i)t = 135.000 (1 + i)t
45.000 (1 + 0,2)t = 135.000 (1 + 0,08)t
45.000 (1,2)t = 135.000 (1,08)t
135.000/45.000 = (1,2/1,08)t
3 = (10/9)t
log3 = t.log (10/9) → 0,48 = (log10 - log9).t → 0,48 = (1 - 2log3).t
0,48 = (1 - 2.0,48).t → 0,48 = (1 - 0,96).t → 0,48 = 0,04.t
t = 0,48/0,04 → t = 12
07. Resposta: E
M = C (1 + i) t
1159,27 = 1000 ( 1 + 0,03)t
1159,27 = 1000.1,03t
ln 1159,27 = ln (1000 . 1,03t)
7,06 = ln1000 + ln 1,03t
7,06 = 6,91 + t . ln 1,03 → 0,15 = t . 0,03 → t = 5
08. Resposta: B
Juros Compostos
M = 1000 .(1,02)^3
M = 1000 . 1,061208
M = 1061,20
Taxas de juros
TAXAS DE JUROS: EFETIVA, NOMINAL, PROPORCIONAIS, EQUIVALENTES, REAL E

APARENTE3
As taxas de juros são índices fundamentais no estudo da matemática financeira. Os rendimentos

financeiros são responsáveis pela correção de capitais investidos perante uma determinada taxa de juros.
As taxas serão incorporadas sempre ao capital.
Taxa Efetiva
São aquelas onde a taxa da unidade de tempo coincide com a unidade de tempo do período de
capitalização(valorização). Utilizado muito em caderneta de poupança.
Exemplos
- Uma taxa de 75% ao ano com capitalização anual.

- Uma taxa de 11% ao trimestre com capitalização trimestral.
3
mundoeducacao.com/matematica/taxa-efetiva-taxa-real.htm
10
Quando no enunciado não estiver citando o período de capitalização, a mesma vai coincidir com
unidade da taxa. Em outras palavras iremos trabalhar com taxa efetiva!!!
Taxa Nominal
São aquelas cujas unidade de tempo NÃO coincide com as unidades de tempo do período de
capitalização.
Exemplos
- 5% ao trimestre com capitalização semestral.

- 15% ao semestre com capitalização bimestral.
Para resolução de questões com taxas nominais devemos primeiramente descobrir a taxa
efetiva (multiplicando ou dividindo a taxa)
Exemplo
Como são 12 meses que existem no ano, então dividimos a taxa por 12, trazendo a taxa para o mesmo
período da capitalização, tendo assim a taxa efetiva da operação.
Toda taxa nominal traz implícita uma taxa efetiva que deve ser calculada proporcionalmente.
Taxas Proporcionais ou Lineares (regime de juros simples)

São taxas em unidade de tempo diferente que aplicadas sobre o mesmo capital ao mesmo período de
tempo irão gerar o mesmo montante.
Exemplos
- 2% a.s é proporcional quantos % a.a?
Como 1 ano tem 2 semestre➔ 2%. 2(semestres) = 4% a.a
- Uma taxa de 60% a.a geraria as seguintes taxas: 5% a.m (60%/12 meses);10% a.b (60%/6
bimestres); 20% a.q(60%/3quadrimestres) ....
Taxas Equivalentes (regime de juros compostos)

As taxas de juros se expressam também em função do tempo da operação, porém não de forma
proporcional, mas de forma exponencial, ou seja, as taxas são ditas equivalentes.
Exemplos
11
- 24% a.a é equivalente a %a.m?
Vamos aplicar o conceito acima, para resolução deste exemplo:
(1+ia)=(1+im)12 (expoente na menor unidade de tempo)➔ (1+0,24) = (1+im)12 ➔ 1,24 = (1+im)12 ➔ Para
12
retirar o expoente, basta fazermos a operação inversa da potenciação ➔ 12√1,24 = √(1 + 𝑖𝑚 )12
1
12
√1,24 = 1 + 𝑖𝑚 → 𝑖𝑚 = 1,2412 − 1
Algumas bancas informam o valor da raiz, outras deixam como está.
𝒏
𝒎
√𝒂𝒎 = 𝒂𝒏
Taxa Real, Aparente e Inflação
Taxa Real (ir) = taxa que considera os efeitos da inflação e seus ganhos.
Taxa Aparente (ia) = taxa que não considera os efeitos da inflação (são as taxas efetivas/nominais).
Taxa de Inflação (ii) = a inflação representa a perda do poder de compra.
Podemos escrever todas essas taxas em função uma das outras:
(1+ia) = (1+ir).(1+ii)
𝑀
Onde: (1 + 𝑖𝑎 ) = 𝐶
, independe da quantidade de períodos e do regime de juros.
Exemplos
01. Uma aplicação no mercado financeiro forneceu as seguintes informações:

− Valor aplicado no início do período: R$ 50.000,00.
− Período de aplicação: um ano.
− Taxa de inflação no período de aplicação: 5%.
− Taxa real de juros da aplicação referente ao período: 2%.
Se o correspondente montante foi resgatado no final do período da aplicação, então o seu valor é
(A) R$ 53.550,00.
(B) R$ 53.500,00.
(C) R$ 53.000,00.
(D) R$ 52.500,00.
(E) R$ 51.500,00.
Observe que o período de aplicação é de 1 ano, então tanto faz utilizar o regime de juros simples ou
compostos.
C = R$ 50.000,00
t= 1 ano
ii = 5% = 0,05
ir = 2% = 0,02
M=?
(1+ia) = (1+ir).(1+ii) ➔ (1+ia) = (1+0,02).(1+0,05i) ➔ (1+ia) = 1,02 . 1,05 ➔ (1+ia) = 1,071 ➔

ia = 1,071-1 ➔ ia = 0,071(taxa efetiva da operação)
Aplicando a fórmula do montante: M = C.(1+i)t ➔ M= 50 000.(1+0,071)1 ➔ 50 000. 1,071 ➔
M= 53.550,00
Resposta: A.
02. Uma pessoa investiu R$ 1.000,00 por 2 meses, recebendo ao final desse prazo o montante de R$
1.060,00. Se, nesse período, a taxa real de juros foi de 4%, então a taxa de inflação desse bimestre foi
de aproximadamente
(A) 1,92.
(B) 1,90.
(C) 1,88.
(D) 1,86.
(E) 1,84.
12
Neste exemplo, está nos faltando saber o valor da taxa de juros aparente, mas com as outras
informações do enunciado podemos chegar ao seu valor:
C = 1.000,00
M = 1.060,00
t = 2 meses
ir = 4% = 0,04
ii= ?
𝑀 1060
(1 + 𝑖𝑎 ) = ⇒ (1 + 𝑖𝑎 ) = ⇒ (1 + 𝑖𝑎 ) = 1,06
𝐶 1000
1,06
(1 + 𝑖𝑎 ) = (1 + 𝑖𝑟 ). (1 + 𝑖𝑖 ) ⇒ 1,06 = (1 + 0,04). (1 + 𝑖𝑖 ) ⇒ (1 + 𝑖𝑖 ) = ⇒ (1 + 𝑖𝑖 ) = 1,0192 ⇒
1,04
𝑖𝑖 = 1,0192 − 1 ⇒ 𝑖𝑖 = 0,0192 ⇒ 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑚𝑜𝑠 𝑝𝑜𝑟 100(𝑝𝑒𝑟𝑐𝑒𝑛𝑡𝑢𝑎𝑙) ⇒ 1,92
Questões
01. (Pref. Guarujá/SP – Professor de Matemática – CAIPIMES) Considere as seguintes situações:
I- Carlos comprou um produto que à vista custava R$ 1.000,00. Como ele não tinha todo esse valor,
ele fez um plano de pagamento com 12 prestações iguais, de R$ 100,00 cada uma, sem entrada.
II- Ana comprou o mesmo produto que Carlos, na mesma loja e com o mesmo preço à vista, mas fez
o seguinte plano de pagamento: uma entrada de R$ 100,00 e mais 11 prestações de R$ 100,00 cada
uma.
Com base nessas situações, é possível afirmar corretamente que:

(A) a taxa de juros do plano de Ana foi menor que a taxa de juros do plano de Carlos.
(B) a taxa de juros do plano de Ana foi igual à taxa de juros do plano de Carlos.
(C) a taxa de juros do plano de Ana foi maior que a taxa de juros do plano de Carlos.
(D) não há como comparar as taxas de juros dos planos de Ana e de Carlos.
02. (TJ/PE - Analista Judiciário-Contador - FCC) Uma taxa de juros nominal de 21% ao trimestre,
com juros capitalizados mensalmente, apresenta uma taxa de juros efetiva, trimestral de,
aproximadamente,
(A) 21,7%.
(B) 22,5%.
(C) 24,8%.
(D) 32,4%.
(E) 33,7%.
03. (Pref. Florianópolis/SC – Auditor Fiscal – FEPESE) A taxa de juros simples mensais de 4,25%
equivalente à taxa de:
(A) 12,5% trimestral.
(B) 16% quadrimestral.
(C) 25,5% semestral.
(D) 36,0% anual.
(E) 52% anual.
04. (BAHIAGÁS – Técnico de Processos Tecnológicos – IESES) Uma pessoa faz um investimento
em uma aplicação que rende 14% de juros (taxa aparente) anuais. Porém a inflação em seu país é de
10% anuais. Portanto a taxa de juros real que remunera a aplicação é:
(A) Maior que 3,8% e menor que 3,9% ao ano.
(B) Maior que 3,6% e menor que 3,7% ao ano.
(C) Menor que 3,6% ao ano.
(D) Maior que 3,9% ao ano.
(E) Maior que 3,7% e menor que 3,8% ao ano.
05. (LIQUIGÁS – Assistente Administrativo – CESGRANRIO) Um financiamento está sendo

negociado a uma taxa nominal de 20% ao ano.
A taxa de juros efetiva anual desse financiamento, se os juros são capitalizados semestralmente, é:
13
(A) 10,00%
(B) 20,21%
(C) 21,00%
(D) 22,10%
(E) 24,20%
Comentários
01. Resposta: C.
I. Carlos: 12 . 100 = 1200
II. Ana: 100 + 11 . 100 = 100 + 1100 = 1200
Os valores são iguais, porém Carlos não deu entrada e Ana sim. Por isso, a taxa de juros do plano de
Ana foi maior que a de Carlos.
02. Resposta: B.
21% a. t capitalizados mensalmente (taxa nominai), como um trimestre tem 3 meses, 21/3 = 7%
a.m(taxa efetiva).
im = taxa ao mês
it= taxa ao trimestre.
(1+im)3 = (1+it) ➔ (1+0,07)3 = 1+it ➔ (1,07)3 = 1+it ➔ 1,225043 = 1+it ➔ it= 1,225043-1 ➔ it =
0,225043 x 100 ➔ it= 22,5043%
03. Resposta: C.
Sabemos que taxas a juros simples são ditas taxas proporcionais ou lineares. Para resolução das
questões vamos avaliar item a item para sabermos se está certo ou errado:
4,25% a.m
Trimestral = 4,25 .3 = 12,75 (errada)
Quadrimestral = 4,25 . 4 = 17% (errada)
Semestral= 4,25 . 6 = 25,5 % (correta)
Anual = 4,25.12 = 51% (errada)
04. Resposta: B.
(1+ia) = (1+ir).(1+ii)
Jogando os valores que temos, na fórmula.
1+ 0,14=(1+taxa real) . (1+ 0,1
1,14= (1+taxa real) . (1,1)
1,14/1,1= (1+taxa real)
1,0363= 1+ taxa real
1.0363-1=taxa real
Taxa real = 0,0363
Taxa real = 3,63%
05. Resposta: C.
Taxa nominal: 20%a.a. capitalizada semestralmente, ou seja 20/2 = 10% ao semestre.
Agora, basta determinar a taxa efetiva:
(1+iquero) = (1+itenho)
(1+iquero)1 = (1+0,10)²
iquero = 1,21 – 1 = 0,21 = 21%
Regimes de capitalização e desconto
DESCONTOS
Entende-se por Valor Nominal o valor de resgate, ou seja, o valor definido para um título em sua data
de vencimento. Representa, em outras palavras, o próprio montante da operação.
14
A operação de se liquidar um título antes de seu vencimento envolve geralmente uma recompensa, ou
um desconto pelo pagamento antecipado. Desta maneira, desconto pode ser entendido como a diferença
entre o valor nominal de um título e o seu valor atualizado apurado n períodos antes de seu vencimento.
Por outro lado, Valor Descontado de um título é o seu valor atual na data do desconto, sendo
determinado pela diferença entre o valor nominal e o desconto, ou seja:
Valor descontado = Valor nominal – Desconto
As operações de desconto podem ser realizadas tanto sob o regime de juros simples como no de juros
compostos. O uso do desconto simples é amplamente adotado em operações de curto prazo, restringindo-
se o desconto composto para as operações de longo prazo.
Tanto no regime linear como no composto ainda são identificados dois tipos de desconto:
(a) desconto “por dentro” (ou racional) e;
(b) desconto “por fora” (ou bancário, ou comercial).
Exemplo
Ao resgatar uma duplicata dois meses, antes da data do vencimento (04/03/2005), o credor José da
Silva (aquele que irá receber o valor da mesma) recebe uma quantia de R$ 460,00.
A essa diferença entre o valor título (valor nominal) e o valor recebido (valor atual) damos o nome
de desconto.
D=N–A
Onde:
D = desconto
N = valor nominal
A = valor atual
O desconto concedido pelo banco, para o resgate de um título antes do vencimento é maior, resultando
num resgate de menor valor para o proprietário do título. O desconto é o contrário da capitalização.
Comparando com o regime de juros, observamos que:
- o Valor Atual, ou valor futuro (valor do resgate) nos dá ideia de Montante;

- o Valor Nominal, nome do título (valor que resgatei) nos dá ideia de Capital;
- e o Desconto nos dá ideia de Juros.
DESCONTOS SIMPLES4
Desconto Racional Simples (por dentro)

O desconto racional, também denominado de desconto “por dentro”, incorpora os conceitos e relações
básicas de juros simples. Assim, sendo Dr o valor do desconto racional, C o capital (ou valor atual), i a
taxa periódica de juros e n o prazo do desconto (número de períodos que o título é negociado antes de
seu vencimento), tem-se a conhecida expressão de juros simples
𝐷𝑟 = 𝐶 . 𝑖 . 𝑛
Pela própria definição de desconto e introduzindo-se o conceito de valor descontado no lugar de capital
no cálculo do desconto, tem-se:
𝐷𝑟 = 𝑁 − 𝑉𝑟
Sendo N o valor nominal (ou valor de resgate, ou montante) e V o valor descontado racional (ou valor
atual) na data da operação.
Como:
𝑁
𝑉𝑟 = 𝐶 =
1 + 𝑖. 𝑛
4
NETO. A. Alexandre. Matemática Financeira e suas aplicações. 12ed. Atlas, São Paulo.
15
Tem-se:
𝑁. 𝑖. 𝑛
𝐷𝑟 =
1 + 𝑖. 𝑛
A partir dessa fórmula é possível calcular o valor do desconto racional obtido de determinado valor
nominal (N), a uma dada taxa simples de juros (i) e a determinado prazo de antecipação (n).
Já o valor descontado, conforme definição apresentada, é obtido pela seguinte expressão de cálculo:
𝑁
𝑉𝑟 =
1 + 𝑖. 𝑛
Observe, uma vez mais, que o desconto racional representa exatamente as relações de juros simples.
É importante registrar que o juro incide sobre o capital (valor atual) do título, ou seja, sobre o capital
liberado da operação.
A taxa de juro (desconto) cobrada representa, dessa maneira, o custo efetivo de todo o período do
desconto.
Desconto Comercial Simples (por fora)

Esse tipo de desconto, simplificadamente por incidir sobre o valor nominal (valor de resgate) do título,
proporciona maior volume de encargos financeiros efetivos nas operações. Observe que, ao contrário dos
juros “por dentro”, que calculam os encargos sobre o capital efetivamente liberado na operação, ou seja,
sobre o valor presente, o critério “por fora” apura os juros sobre o montante, indicando custos adicionais
ao tomador de recursos.
A modalidade de desconto “por fora” é amplamente adotada pelo mercado, notadamente em
operações de crédito bancário e comercial a curto prazo.
O valor desse desconto, genericamente denominado desconto “por fora” (Df) no regime de juros
simples é determinado pelo produto do valor nominal do título (N), da taxa de desconto periódica “por
fora” contratada na operação (d) e do prazo de antecipação definido para o desconto (n). Isto é:
Df = N . d . n
O valor descontado “por fora” (Vf), aplicando-se a definição, é obtido:
Vf = Nx(1 – d . n)
Desconto comercial (bancário) acrescido de uma taxa pré-fixada

Em alguns casos teremos acréscimos de taxas pré-fixadas aos títulos, que são as taxas de despesas
bancárias/administrativas (comissões, taxas de serviços, ...) cobradas sobre o valor nominal (N). Quando
as mesmas aparecem nos enunciados, devemos somá-la à taxa de juros, conforme a fórmula abaixo:
Df = N. (i.t + h)
Onde:
Df = desconto comercial ou bancário
N = valor nominal
i = taxa de juros cobrada
t = tempo ou período
h = taxa de despesas administrativas ou bancárias.
Temos ainda o valor bancário recebido, que nada mais é que: V = N – Db na qual podemos escrever
da seguinte forma:
V = N – Db → V = N – N (i.t + h) → V = N . [1 - (i.t + h)]
Relação entre Desconto Comercial (Dc) e Desconto Racional (Dr)

Algumas questões propõem a utilização dessa relação para sabermos o valor do desconto caso fosse
utilizado o desconto comercial e precisássemos saber o desconto racional e vice-versa. A relação é dada
por:
Df = Dr . (1 + i.t)
16
Questões
01. Um banco ao descontar notas promissórias, utiliza o desconto comercial a uma taxa de juros
simples de 12% a.m. O banco cobra, simultaneamente uma comissão de 4% sobre o valor nominal da
promissória. Um cliente do banco recebe R$ 300.000,00 líquidos, ao descontar uma promissória vencível
em três meses. O valor da comissão é de:
(A) R$ 20.000,00
(B) R$ 30.000,00
(C) R$ 40.000,00
(D) R$ 50.000,00
(E) R$ 60.000,00
02. (FCC) Dois títulos são descontados em um banco 4 meses antes de seus vencimentos com uma
taxa de desconto, em ambos os casos, de 2% ao mês. O valor atual do primeiro título foi igual a R$
29.440,00 e foi utilizada a operação de desconto comercial simples. O valor atual do segundo título foi
igual a R$ 20.000,00 e foi utilizada a operação de desconto racional simples. A soma dos valores nominais
destes dois títulos é igual a
(A) R$ 53.600,00.
(B) R$ 54.200,00.
(C) R$ 55.400,00.
(D) R$ 56.000,00.
(E) R$ 56.400,00.
03. O desconto simples comercial de um título é de R$ 860,00, a uma taxa de juros de 60% a.a. O
valor do desconto simples racional do mesmo título é de R$ 781,82, mantendo-se a taxa de juros e o
tempo. Nesse as condições, o valor nominal do rótulo é de:
(A) R$ 9000,00
(B) R$ 8600,22
(C) R$ 8000,00
(D) R$ 9600,22
(E) R$ 10.600,00
Respostas
01. Resposta: A
h = 0,04
t=3
iB = 0,12 . 3
AB = N . [1 - (iB + h)]
300 000 = N . [1 - (0,12.3 + 0,04)]
300 000 = N . [1 – 0,4]
N = 500 000
Vc = 0,04 . N
Vc = 0,04 . 500 000
Vc = 20 000
02. Resposta: A
1º título - Dcs
t = 4 meses
i = 2% a.m
A = 29440
N1 = ?
D=N–A
Dcs = N.i.t → N – A = N.i.t → N – 29440 = N.0,02.4 → N – 29440 = N.0,08 → N – 0,08N = 29440 →
0,92N = 29440 → N = 29440 / 0,92 → N = 32000
2º título - Drs
t = 4 meses
i = 2% a.m
17
A = 20000
N2 = ?
N = A (1 + i.t) → N = 20000 (1 + 0,02.4) → N = 20000 (1 + 0,08) → N = 20000.1,08 → N = 21600
Como o enunciado da questão pede a soma dos valores nominais, então teremos:
N1 + N2 → 32000 + 21600 = 53600.
03. Resposta: B
Dc = 860
Dr = 781,82
Usando N = (Dc . Dr) / (Dc – Dr),
N = (860 . 781,82) / (860 – 781,82) = 672365,2 / 78,18 = 8600,22
DESCONTOS COMPOSTOS5
Desconto Racional Composto (por dentro)

As fórmulas estão associadas com os juros compostos, assim teremos:
Onde:
D = Desconto Racional Composto
A = Valor Atual
i = taxa
Onde:
N = Valor Nominal
A = Valor Atual
i = taxa
Desconto Comercial Composto (por fora)
Como a taxa incide sobre o Valor Nominal (maior valor), trocamos na fórmula o N pelo A e vice versa,
mudando o sinal da taxa (de positivo para negativo).
Onde:
N = Valor Nominal
A = Valor Atual
i = taxa
5
NETO. A. Alexandre. Matemática Financeira e suas aplicações. 12ed. Atlas, São Paulo.
18
Questões
01. (FCC) Dois títulos, um com vencimento daqui a 30 dias e outro com vencimento daqui a 60 dias,
foram descontados hoje, com desconto racional composto, à taxa de 5% ao mês. Sabe-se que a soma
de seus valores nominais é R$ 5.418,00 e a soma dos valores líquidos recebidos é R$ 5.005,00. O maior
dos valores nominais supera o menor deles em
(A) R$ 1.195,00.
(B) R$ 1.215,50.
(C) R$ 1.417,50.
(D) R$ 1.484,00.
(E) R$ 1.502,50.
02. (CESPE) Na contração de determinada empresa por certo órgão público, ficou acordado que o
administrador pagaria R$ 200.000,00 para a contração do serviço, mais quatro parcelas iguais no valor
de R$ 132.000,00 cada a serem pagas, respectivamente, no final do primeiro, segundo, terceiro e quarto
anos consecutivos à assinatura do contrato. Considere que a empresa tenha concluído satisfatoriamente
o serviço dois anos após a contração e que tenha sido negociada a antecipação das duas últimas parcelas
para serem pagas juntamente com a segunda parcela. Com base nessa situação hipotética, julgue o item
a seguir.
Se para o pagamento for utilizado desconto racional composto, a uma taxa de 10% ao ano, na
antecipação das parcelas, o desconto obtido com o valor da terceira parcela será o mesmo que seria
obtido se fosse utilizado desconto racional simples.
( ) Certo ( ) Errado
03. (FCC) O valor do desconto de um título de valor nominal igual a R$ 15.961,25, resgatado 2 anos
antes de seu vencimento e segundo o critério do desconto composto real, é igual a R$ 3.461,25. A taxa
anual de desconto utilizada foi de
(A) 11%.
(B) 13%.
(C) 14%.
(D) 15%.
(E) 16%.
Respostas
01. Resposta: C
t = 30 dias = 1 mês (1º título) e 60d = 2 meses(2º título)
Drc
i = 5% a.m = 0,05
N1 + N2 = 5418
A1 + A2 = 5005 → A1 = 5005 – A2
Temos que o Drc é dado por :
N = A (1 + i)t → N1 = A1 (1 + 0,05)1 e N2 = A2 (1,05)2 → N2 = A2.(1,1025)
N1 + N2 = 5418 , substituindo teremos:
A1 (1,05) + A2(1,1025) = 5418 , como temos que A1 = 5005 – A2 :
(5005 – A2).(1,05) + A2(1,1025) = 5418 → 5255,25 – 1,05 A2 + 1,1025 A2 = 5418 →
0,0525 A2 = 5418 – 5255,25 → 0,0525 A2 = 162,75 → A2 = 3100 e A1 = 5005 – 3100 = 1905
N1 = 1,05 .1905 = 2000,25 e N2 = 1,1025. 3100 = 3417,75
O maior é N2 e o menor N1 , assim faremos N2 – N1 = 3417,75 – 2000,25 = 1417,5
02. Resposta: CERTO

Como ele pede para saber se antecipássemos o valor da 3º parcela em um 1 ano, termos:
N = 132.000
t=1
i = 10% a.a = 0,10
- Para o Desconto Racional Composto: A = N / (1 + i)t
A = 132.000 / (1 + 0,1)¹ → A = 132.000 / 1,1
- Fazendo no Desconto Racional Simples: A = N / (1 + i.t)
A = 132.000 / (1 + 0,1.1)
19
A = 132.000 / 1,1
Ao anteciparmos 3° parcela em um ano, o desconto obtido com o valor desta parcela será o mesmo
que seria obtido se fosse utilizado desconto racional simples.
03. Resposta: B
O termo real faz referência a racional.
N = 15961,25
t = 2 anos
Drc = 3461,25
i=?
D = N – A → 3461,25 = 15961,25 – A → A = 15961,25 – 3461,25 → A = 12500
N = A (1 + i)t → 15961,25 = 12500.(1 + i)2 → (1 + i)2 = 15961,25 / 12500 → (1 + i)2 = 1,2769 → 1 + i =
√ 1,279 → 1,13 = 1 + i → i = 1,13 – 1 → i = 0,13 → i = 13%
Noções de Estatística: estatística descritiva; medidas de posição; medidas de

dispersão e distribuições de probabilidade
A Estatística Descritiva ou Estatística é a parte disponibiliza métodos para resumo e apresentação

de dados estatísticos com o objetivo de facilitar a compreensão e utilização desses dados. Em resumo
podemos dizer que ela tem por finalidade a utilização de distribuição de frequências, tabelas, gráficos,
diagramas e medidas descritivas para:
a) examinar o formato geral da distribuição de dados;
b) verificar ocorrência de valores atípicos;
c) identificar valores típicos que informem sobre o centro da distribuição;
d) verificar o grau de variação presente nos dados.
Os tópicos que serão abordados serão:

- Amostragem;
- Média, Moda e Mediana;
- Séries Estatísticas;
- Distribuição de frequência;
- Medidas de dispersão;
- Tabelas e gráficos.
Referências
PIANA, Clause Fátima de Brum; MACHADO, Amauri de Almeida; SELAU, Lisiane Priscila Roldão – ESTATÍSTICA BÁSICA – Universidade Federal de Pelotas
– Pelotas: 2009.
AMOSTRAGEM
Amostragem é um técnica especial para recolher amostras, que garante, tanto quanto possível, o
acaso na escolha.
Probabilística (aleatória): A probabilidade de um elemento da população ser escolhido é conhecida.

Cada elemento da população passa a ter a mesma chance de ser escolhido.
Não-probabilística (não aleatória): Não se conhece a probabilidade de um elemento ser escolhido
para participar da amostra.
20
No quadro abaixo está descrita os métodos de amostragem:
AMOSTRAGEM PROBABILÍSTICA
Amostragem casual ou aleatória simples: este tipo de amostragem se assemelha ao sorteio lotérico.
Ela pode ser realizada numerando-se a população de 1 a n e sorteando-se, a seguir, por meio de um
dispositivo aleatório qualquer, k números dessa sequência, os quais serão pertentes à amostra.
Exemplo: 15% dos alunos de uma população de notas entre 8 e 10, serão sorteados para receber uma
bolsa de estudos de inglês.
Vantagens Desvantagens
- Facilidade de cálculo estatístico; - Requer listagem da população;
- Probabilidade elevada de compatibilidade - Trabalhosa em populações elevadas;
dos dados da amostra e da população. - Custos elevados se a dispersão da amostra
for elevada.
Amostragem sistemática: escolher cada elemento de ordem k. Assemelha-se à amostragem

aleatória simples, porque inicialmente enumeram-se as unidades da população. Mas difere da aleatória
porque a seleção da amostra é feita por um processo periódico pré-ordenado. Os elementos da população
já se acham ordenados, não havendo necessidade de construir um sistema de referência.
Exemplo: Amostra de 15% dos alunos com déficit de atenção diagnosticado. Sorteia-se um valor de 1
a 5. Se o sorteado for o 2, incluem-se na amostra o aluno 2, o 7, o 12 e assim por diante de cinco em
cinco.
Amostragem proporcional estratificada: muitas vezes a população se divide em subpopulações –

estratos, então classificamos a população em, ao menos dois estratos, e extraímos uma amostra de cada
um. Podemos determinar características como sexo, cor da pele, faixa etária, entre outros.
Exemplo: Supondo que dos noventa alunos de uma escola, 54 sejam meninos e 36 sejam meninas
vamos obter a amostra proporcional estratificada de 10% desta população.
Temos dois estratos: sexo masculino e feminino.
Sexo População 10% Amostra

10𝑥54
M 54 = 5,4 5
100
10𝑥36
F 36 = 3,6 4
100
10𝑥90
Total 90 = 9,0 9
100
Numeramos os alunos de 01 a 90, sendo que de 01 a 54 correspondem aos meninos e de 55 a 90, as

meninas.
21
Para amostragem muito grande também fazemos o uso da Tabela de Números Aleatórios, elaborada
a fim de facilitar os cálculos, que foi construída de modo que os dez algarismos (0 a 9) são distribuídos
ao acaso nas linhas e colunas, conforme pode ser visto abaixo:
Para obtermos os elementos da amostra usando a tabela, sorteamos um algarismo qualquer da

mesma, a partir do qual iremos considerar números de dois, três ou mais algarismos, conforme nossa
necessidade. Os números obtidos irão indicar os elementos da amostra.
No nosso exemplo vamos definir como critérios a primeira e a segunda colunas da esquerda, de cima
para baixo (constituídos de 2 algarismos), obtermos os seguintes números.
A leitura da tabela pode ser feita horizontalmente (da direita para esquerda ou vice versa),
verticalmente (de cima para baixo ou vice versa), diagonalmente (no sentido ascendente ou
descendente), formando desenho de alguma letra e até mesmo escolhendo uma única linha ou coluna.
O critério adotado deve ser definido antes do início do processo.
57 28 92 90 80 22 56 79 53 18 53 03 27 05 40
Eliminamos os números maiores que 90 e os números repetidos.
Assim temos:
28 22 53 18 03 – para os meninos;
57 90 80 56 – para as meninas.
- Pressupõe um erro de amostragem menor; - Necessita de maior informação sobre a
- Assegura uma boa representatividade das população;
variáveis estratificadas; - Cálculo estatístico mais complexo.
- Podem empregar-se metodologias diferentes
para cada estrato;
- Fácil organização do trabalho de campo.
Amostragem por conglomerado: é uma amostra aleatória de agrupamentos naturais de indivíduos

(conglomerados) na população. Dividimos em seções a área populacional, selecionamos aleatoriamente
algumas dessas seções e tomamos todos os elementos das mesmas.
22
Exemplo:
O mapa mostra os conglomerados selecionados (neste caso os municípios), que apresentaram a maior
proporção de casos de dengue confirmados no Estado de São Paulo até março de 2015.
- Não existem listagem de toda a população; - Maior erro de amostragem;
- Concentra os trabalhos de campo num número - Cálculo estatístico mais complexo na estimação
limitado de elementos da população. do erro de amostragem.
AMOSTRAGEM NÃO-PROBABILÍSTICA
Amostragem por cotas: consiste em uma amostragem por julgamento que ocorre em suas etapas.
Em um primeiro momento, são criadas categorias de controle dos elementos da população e, a seguir,
selecionam-se os elementos da amostra com base em um julgamento.
Amostragem por julgamento: quando o pesquisador seleciona os elementos mais representativos

da amostra de acordo com seu julgamento pessoal. Essa amostragem é ideal quando o tamanho da
população é pequeno e suas características, bem conhecidas.
Amostragem por conveniência: é uma amostra composta de indivíduos que atendem os critérios de
entrada e que são de fácil acesso do investigador. Para o critério de seleção arrolamos uma amostra
consecutiva.
Exemplo: Em uma pesquisa sobre dengue, arrolar os 200 pacientes que receberam diagnostico em
um hospital.
- Mais econômica; - Maior erro de amostragem que em amostras
- Fácil administração; aleatórias;
- Não necessita de listagem da população. - Não existem metodologias válidas para o cálculo
do erro de amostragem;
- Limitação representativa;
- Maior dificuldade de controle de trabalho de
campo
Tamanho da Amostra
O tamanho da amostra deve ser determinado antes de se iniciar a pesquisa.
Deve-se usar a maior amostra possível, pois quanto maior a amostra, maior a representatividade da
população. Amostras menores possuem resultados menos precisos.
23
É muito importante usarmos amostras de tamanhos adequados, para que os dados tenham maior
confiabilidade e precisão.
Consideramos:
Amostras grandes: n > 100

Amostras médias: n > 30
Amostras pequenas: n < 30
Amostras muito pequenas: n < 12
Erros de amostragem
Diferença randômica(aleatória) entre a amostra e população da qual a amostra foi retirada. O tamanho
do erro pode ser medido em amostras probabilísticas, expressa como “erro padrão” (ou precisão) de
média, proporção entre outros.
Erro padrão da média: é usado para estimar o desvio padrão da distribuição das médias amostrais,
tanto para populações finitas ou infinitas (será abordado em medidas de dispersão).
Referências
CRESPO, Antônio Arnot – Estatística fácil – 18ª edição – São Paulo - Editora Saraiva: 2004.
SILVA, Ermes Medeiros, Elio Medeiros...- Estatística para os cursos de: Economia, Administração, Ciências Contábeis - 3ª edição – São Paulo – Editora Atlas
S. A: 1999.
DORA, Filho U – Introdução à Bioestatística para simples mortais – São Paulo – Elsevier: 1999.
http://www.andremachado.org
Questões
01. (TRT/MG – Analista Judiciário – FCC) O objetivo de uma pesquisa era o de se obter,
relativamente aos moradores de um bairro, informações sobre duas variáveis: nível educacional e renda
familiar. Para cumprir tal objetivo, todos os moradores foram entrevistados e arguídos quanto ao nível
educacional, e, dentre todos os domicílios do bairro, foram selecionados aleatoriamente 300 moradores
para informar a renda familiar. As abordagens utilizadas para as variáveis nível educacional e renda
familiar foram, respectivamente,
(A) censo e amostragem por conglomerados.
(B) amostragem aleatória e amostragem sistemática.
(C) censo e amostragem casual simples.
(D) amostragem estratificada e amostragem sistemática.
(E) amostragem sistemática e amostragem em dois estágios.
02. (EPE – Analista de Pesquisa Energética – CESGRANRIO) Considere um planejamento amostral

para uma população de interesse no qual é feita uma divisão dessa população em grupos idênticos à
população alvo, como uma espécie de microcosmos da população, e, em seguida, seleciona-se
aleatoriamente um dos grupos e retira-se a amostra do grupo selecionado.
A técnica de amostragem descrita acima é definida como:
(A) amostragem aleatória simples
(B) amostragem por conglomerados
(C) amostragem estratificada
(D) amostragem sistemática
(E) amostragem por cotas
03. (MTur – Estatístico – ESAF) Com relação à amostragem, pode-se afirmar que:
(A) na amostragem por quotas, tem-se uma amostra não probabilística na qual divide-se a população
em subgrupos e determina-se uma quota (proporcional) a cada subgrupo. A seleção dos objetos
individuais obedece o critério de uma amostra sistemática.
(B) na amostragem estratificada, divide-se a população em grupos (ou classes, ou estratos), de modo
que os elementos pertencentes ao mesmo estrato sejam o mais heterogêneos possível com respeito à
característica em estudo. Para cada grupo toma-se uma subamostra pelo procedimento a.a.s., e a
amostra global é o resultado da combinação das subamostras de todos os estratos
(C) na amostragem por conglomerados, seleciona-se primeiro, ao acaso, grupos (conglomerados) de
elementos individuais da população. A seguir, toma-se ou todos os elementos ou uma subamostra de
cada conglomerado. Nos conglomerados, as diferenças entre eles devem ser tão grandes quanto
possível, enquanto as diferenças dentro devem ser tão pequenas quanto possível.
24
(D) na amostragem por quotas, tem-se uma amostra probabilística na qual divide-se a população em
subgrupos e determina-se uma quota (proporcional) a cada subgrupo. A seleção dos objetos individuais
é por sorteio.
(E) na amostragem sistemática, toma-se cada k-ésima unidade da população previamente ordenada,
em que k é a razão de amostragem. O procedimento deve começar ao acaso, sorteando-se um número
entre 1 e k.
04. (TJ-ES – Analista Jurídico – CESPE) No que concerne aos planos amostrais, julgue os itens a
seguir.
Tanto na amostragem estratificada quanto na amostragem por conglomerados, a população é dividida

em grupos. Na amostragem por conglomerados, de cada grupo seleciona-se um conjunto de elementos;
na amostragem estratificada, devem-se selecionar quais estratos serão amostrados e, desses, observar
todos os elementos.
Respostas
01. Resposta: C.
Vide a definição apresentada em nosso material.
02. Resposta: B.
Amostragem por conglomerado: é uma amostra aleatória de agrupamentos naturais de indivíduos
(conglomerados) na população. Dividimos em seções a área populacional, selecionamos aleatoriamente
algumas dessas seções e tomamos todos os elementos das mesmas.
03. Resposta: E.
Escolher cada elemento de ordem k. Assemelha-se à amostragem aleatória simples, porque
inicialmente enumeram-se as unidades da população. Mas difere da aleatória porque a seleção da
amostra é feita por um processo periódico pré-ordenado. Os elementos da população já se acham
ordenados, não havendo necessidade de construir um sistema de referência.
04. Resposta: Errado.

As definições de amostragem estratificada e por conglomerados estão invertidas.
MÉDIA ARITMÉTICA
Considere um conjunto numérico A = {x1; x2; x3; ...; xn} e efetue uma certa operação com todos os
elementos de A.
Se for possível substituir cada um dos elementos do conjunto A por um número x de modo que o
resultado da operação citada seja o mesmo diz – se, por definição, que x será a média dos elementos de
A relativa a essa operação.
Média Aritmética Simples6
A média dos elementos do conjunto numérico A relativa à adição é chamada média aritmética.
Cálculo da média aritmética

Se x for a média aritmética dos elementos do conjunto numérico A = {x1; x2; x3; ...; xn}, então, por
definição:
A média aritmética(x) dos n elementos do conjunto numérico A é a soma de todos os seus

elementos, dividida pelo número de elementos n.
6
IEZZI, Gelson – Matemática – Volume Único
25
Exemplos:
1) Calcular a média aritmética entre os números 3, 4, 6, 9, e 13.
Se x for a média aritmética dos elementos do conjunto (3, 4, 6, 9, 13), então x será a soma dos 5
elementos, dividida por 5. Assim:
3 + 4 + 6 + 9 + 13 35
𝑥= ↔𝑥= ↔𝑥=7
5 5
A média aritmética é 7.
2) Os gastos (em reais) de 15 turistas em Porto Seguro estão indicados a seguir:

65 – 80 – 45 – 40 – 65 – 80 – 85 – 90
75 – 75 – 70 – 75 – 75 – 90 – 65
Se somarmos todos os valores teremos:
65 + 80 + 45 + 40 + 65+, , , +90 + 65 1075

𝑥= = = 71,70
15 15
Assim podemos concluir que o gasto médio do grupo de turistas foi de R$ 71,70.
Questões
01. (Câmara Municipal de São José dos Campos/SP – Analista Técnico Legislativo – Designer
Gráfico – VUNESP) Na festa de seu aniversário em 2014, todos os sete filhos de João estavam
presentes. A idade de João nessa ocasião representava 2 vezes a média aritmética da idade de seus
filhos, e a razão entre a soma das idades deles e a idade de João valia
(A) 1,5.
(B) 2,0.
(C) 2,5.
(D) 3,0.
(E) 3,5.
02. (TJ/SC - Técnico Judiciário - Auxiliar TJ-SC) Os censos populacionais produzem informações
que permitem conhecer a distribuição territorial e as principais características das pessoas e dos
domicílios, acompanhar sua evolução ao longo do tempo, e planejar adequadamente o uso sustentável
dos recursos, sendo imprescindíveis para a definição de políticas públicas e a tomada de decisões de
investimento. Constituem a única fonte de referência sobre a situação de vida da população nos
municípios e em seus recortes internos – distritos, bairros e localidades, rurais ou urbanos – cujas
realidades socioeconômicas dependem dos resultados censitários para serem conhecidas.
http://www.ibge.gov.br/home/estatistica/populacao/censo2010/default.shtm
(Acesso dia 29/08/2011)
Um dos resultados possíveis de se conhecer, é a distribuição entre homens e mulheres no território
brasileiro. A seguir parte da pirâmide etária da população brasileira disponibilizada pelo IBGE.
http://www.ibge.gov.br/censo2010/piramide_etaria/index.php
(Acesso dia 29/08/2011)
O quadro abaixo, mostra a distribuição da quantidade de homens e mulheres, por faixa etária de uma
determinada cidade. (Dados aproximados)
Considerando somente a população masculina dos 20 aos 44 anos e com base no quadro abaixo a
frequência relativa, dos homens, da classe [30, 34] é:
26
(A) 64%.
(B) 35%.
(C) 25%.
(D) 29%.
(E) 30%.
03. (EsSA - Sargento - Conhecimentos Gerais - Todas as Áreas – EB) Em uma turma a média
aritmética das notas é 7,5. Sabe-se que a média aritmética das notas das mulheres é 8 e das notas dos
homens é 6. Se o número de mulheres excede o de homens em 8, pode-se afirmar que o número total
de alunos da turma é
(A) 4.
(B) 8.
(C) 12.
(D) 16.
(E) 20.
04. (SAP/SP - Oficial Administrativo – VUNESP) A altura média, em metros, dos cinco ocupantes de
um carro era y. Quando dois deles, cujas alturas somavam 3,45 m, saíram do carro, a altura média dos
que permaneceram passou a ser 1,8 m que, em relação à média original y, é
(A) 3 cm maior.
(B) 2 cm maior.
(C) igual.
(D) 2 cm menor.
(E) 3 cm menor.
05. (PC/SP – Oficial Administrativo – VUNESP) Em uma empresa com 5 funcionários, a soma dos
dois menores salários é R$ 4.000,00, e a soma dos três maiores salários é R$ 12.000,00. Excluindo-se o
menor e o maior desses cinco salários, a média dos 3 restantes é R$ 3.000,00, podendo-se concluir que
a média aritmética entre o menor e o maior desses salários é igual a
(A) R$ 3.500,00.
(B) R$ 3.400,00.
(C) R$ 3.050,00.
(D) R$ 2.800,00.
(E) R$ 2.500,00.
Comentários
01. Alternativa: E.
Foi dado que: J = 2.M
𝑎+𝑏+⋯+𝑔
𝐽= 7
= 2. 𝑀 (I)
𝑎+𝑏+⋯+𝑔
Foi pedido: 𝐽
=?
Na equação ( I ), temos que:

𝑎+𝑏+⋯+𝑔
7= 𝐽
27
7 𝑎+𝑏+⋯+𝑔
2
= 𝑀
𝑎 + 𝑏 + ⋯+ 𝑔
= 3,5
𝑀
02. Alternativa: E.
[30, 34] = 600, somatória de todos os homens é: 300+400+600+500+200= 2000
600 600
300+400+600+500+200
= 2000 = 0,3 . (100) = 30%
03. Alternativa: D.
Do enunciado temos m = h + 8 (sendo m = mulheres e h = homens).
𝑆
A média da turma é 7,5, sendo S a soma das notas: 𝑚+ℎ = 7,5 → 𝑆 = 7,5(𝑚 + ℎ)
𝑆1
A média das mulheres é 8, sendo S1 a soma das notas: 𝑚
= 8 → 𝑆1 = 8𝑚
𝑆2
A média dos homens é 6, sendo S2 a soma das notas: ℎ
= 6 → 𝑆2 = 6ℎ
Somando as notas dos homens e das mulheres:

S1 + S2 = S
8m + 6h = 7,5(m + h)
8m + 6h = 7,5m + 7,5h
8m – 7,5m = 7,5h – 6h
0,5m =1,5h
1,5ℎ
𝑚 = 0,5
𝑚 = 3ℎ
h + 8 = 3h
8 = 3h – h
8 = 2h → h = 4
m = 4 + 8 = 12
Total de alunos = 12 + 4 = 16
04. Alternativa: A.
Sendo S a soma das alturas e y a média, temos:
𝑆
= 𝑦 → S = 5y
5
𝑆−3,45
= 1,8 → S – 3,45 = 1,8.3
3
S – 3,45 = 5,4
S = 5,4 + 3,45
S = 8,85, então:
5y = 8,85
y = 8,85 : 5 = 1,77
1,80 – 1,77 = 0,03 m = 3 cm a mais.
05. Alternativa: A.
x1 + x2 + x3 + x4 + x5
x1 + x2 = 4000
x3 + x4 + x5 = 12000
𝑥2 + 𝑥3 + 𝑥4
= 3000
3
x2 + x3 + x4 = 9000
28
𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 + 𝑥5 = 4000 + 12000 = 16000
Sendo 𝑥1 𝑒 𝑥5 o menor e o maior salário, respectivamente:

𝑥1 + 9000 + 𝑥5 = 16000
𝑥1 + 𝑥5 = 16000 − 9000 = 7000
Então, a média aritmética:

𝑥1 + 𝑥2 7000
= = 3500
2 2
Média Aritmética Ponderada
A média dos elementos do conjunto numérico A relativa à adição e na qual cada elemento tem um
“determinado peso” é chamada média aritmética ponderada7.
Cálculo da média aritmética ponderada

Se x for a média aritmética ponderada dos elementos do conjunto numérico A = {x1; x2; x3; ...; xn} com
“pesos” P1; P2; P3; ...; Pn, respectivamente, então, por definição:
P1 . x + P2 . x + P3 . x + ... + Pn . x =
= P1 . x1 + P2 . x2 + P3 . x3 + ... + Pn . xn ↔ (P1 + P2 + P3 + ... + Pn) . x =
= P1 . x1 + P2 . x2 + P3 . x3 + ... + Pn . xn e, portanto,
𝑥1 ; 𝑥2 ; 𝑥3 ; …; 𝑥𝑛
Observe que se P1 = P2 = P3 = ... = Pn = 1, então 𝑥 = : que é a média aritmética simples.
𝑛
A média aritmética ponderada dos n elementos do conjunto numérico A é a soma dos produtos de
cada elemento multiplicado pelo respectivo peso, dividida pela soma dos pesos.
Exemplos:
1) Calcular a média aritmética ponderada dos números 35, 20 e 10 com pesos 2, 3, e 5,
respectivamente.
Se x for a média aritmética ponderada, então:
2 .35 + 3 .20 + 5 .10 70 + 60 + 50 180

𝑥= ↔𝑥= ↔𝑥= ↔ 𝑥 = 18
2+3+5 10 10
A média aritmética ponderada é 18.
2) Em um dia de pesca nos rios do pantanal, uma equipe de pescadores anotou a quantidade de peixes
capturada de cada espécie e o preço pelo qual eram vendidos a um supermercado em Campo Grande.
Tipo de peixe Quilo de peixe pescado Preço por quilo

Peixe A 18 R$ 3,00
Peixe B 10 R$ 5,00
Peixe C 6 R$ 9,00
Vamos determinar o preço médio do quilograma do peixe vendido pelos pescadores ao supermercado.
Considerando que a variável em estudo é o preço do quilo do peixe e fazendo a leitura da tabela,
concluímos que foram pescados 18 kg de peixe ao valor unitário de R$ 3,00, 10 kg de peixe ao valor
unitário de R$ 5,00 e 6 kg de peixe ao valor de R$ 9,00.
Vamos chamar o preço médio de p:
7
IEZZI, Gelson – Matemática – Volume Único
29
18𝑥3,00 + 10𝑥5,00 + 6𝑥9,00 54 + 50 + 54 158
𝑝= = = = 4,65 𝑟𝑒𝑎𝑖𝑠
18 + 10 + 6 34 34
Neste caso o fator de ponderação foi a quantidade de peixes capturadas de cada espécie.
A palavra média, sem especificações (aritmética ou ponderada), deve ser entendida como média
aritmética.
Questões
01. (EPCAR – Cadete – EPCAR) Um líquido L1 de densidade 800 g/l será misturado a um líquido L2
de densidade 900 g/l Tal mistura será homogênea e terá a proporção de 3 partes de L1 para cada 5 partes
de L2 A densidade da mistura final, em g/l, será
(A) 861,5.
(B) 862.
(C) 862,5.
(D) 863.
02. (TJM-SP – Oficial de Justiça – VUNESP) Ao encerrar o movimento diário, um atacadista, que
vende à vista e a prazo, montou uma tabela relacionando a porcentagem do seu faturamento no dia com
o respectivo prazo, em dias, para que o pagamento seja efetuado.
PORCENTUAL DO PRAZO PARA

FATURAMENTO PAGAMENTO (DIAS)
15% À vista
20% 30
35% 60
20% 90
10% 120
O prazo médio, em dias, para pagamento das vendas efetuadas nesse dia, é igual a
(A) 75.
(B) 67.
(C) 60.
(D) 57.
(E) 55.
03. (SEDUC/RJ - Professor – Matemática – CEPERJ) Uma loja de roupas de malha vende camisetas
com malha de três qualidades. Cada camiseta de malha comum custa R$15,00, de malha superior custa
R$24,00 e de malha especial custa R$30,00. Certo mês, a loja vendeu 180 camisetas de malha comum,
150 de malha superior e 70 de malha especial. O preço médio, em reais, da venda de uma camiseta foi
de:
(A) 20.
(B) 20,5.
(C) 21.
(D) 21,5.
(E) 11.
04. (CÂMARA MUNICIPAL DE SÃO JOSÉ DO RIO PRETO/SP – Programador de Computador –

FIP) A média semestral de um curso é dada pela média ponderada de três provas com peso igual a 1
na primeira prova, peso 2 na segunda prova e peso 3 na terceira. Qual a média de um aluno que tirou
8,0 na primeira, 6,5 na segunda e 9,0 na terceira?
(A) 7,0
(B) 8,0
(C) 7,8
(D) 8,4
(E) 7,2
30
05. (SESP/MT – Perito Oficial Criminal - Engenharia Civil/Engenharia Elétrica/Física/Matemática
– FUNCAB) A tabela abaixo mostra os valores mensais do Imposto Predial e Territorial Urbano (IPTU)
pagos pelos apartamentos de um condomínio. Determine a média aritmética desses valores.
Número de Apartamentos Valor de IPTU Pago

5 R$ 180,00
5 R$ 200,00
10 R$ 220,00
10 R$ 240,00
4 R$ 300,00
6 R$ 400,00
(A) R$ 248,50
(B) R$ 252,50
(C) R$ 255,50
(D) R$ 205,50
(E) R$ 202,50
06. (SAP/SP - AGENTE DE SEGURANÇA PENITENCIÁRIA DE CLASSE I – VUNESP) Em uma

seção de uma empresa com 20 funcionários, a distribuição dos salários mensais, segundo os cargos
que ocupam, é a seguinte:
Sabendo-se que o salário médio desses funcionários é de R$ 1.490,00, pode-se concluir que o salário
de cada um dos dois gerentes é de
(A) R$ 2.900,00.
(B) R$ 4.200,00.
(C) R$ 2.100,00.
(D) R$ 1.900,00.
(E) R$ 3.400,00.
07. (UFPE - Assistente em Administração – COVEST) Em um concurso existem provas de

Português, Matemática, Informática e Conhecimentos Específicos, com pesos respectivos 2, 3, 1 e 4. Um
candidato obteve as seguintes notas nas provas de Português, Matemática e Informática:
Disciplina Nota
Português 77
Matemática 62
Informática 72
Se a nota do candidato no concurso foi 80, qual foi a sua nota na prova de Conhecimentos Específicos?
(A) 95
(B) 96
(C) 97
(D) 98
(E) 99
08. (VUNESP – FUNDUNESP – Assistente Administrativo) Um concurso teve duas fases, e, em

cada uma delas, os candidatos foram avaliados com notas que variaram de zero a dez. Para efeito de
classificação, foram consideradas as médias ponderadas de cada candidato, uma vez que os pesos da
1.ª e da 2.ª fases foram 2 e 3, respectivamente. Se um candidato tirou 8 na 1.ª fase e 5 na 2.ª, então é
verdade que sua média ponderada foi
(A) 6,2.
(B) 6,5.
31
(C) 6,8.
(D) 7,1.
(E) 7,4.
09. (SAAE/SP - Fiscal Leiturista – VUNESP) A tabela mostra os valores de algumas latinhas de
bebidas vendidas em um clube e a quantidade consumida por uma família, em certo dia.
Bebidas (latinha) Valor unitário Quantidade Consumida

Refrigerante R$ 4,00 8
Suco R$ 5,00 6
Cerveja X 4
Considerando-se o número total de latinhas consumidas por essa família nesse dia, na média, o preço
de uma latinha saiu por R$ 5,00. Então, o preço de uma latinha de cerveja era
(A) R$ 5,00.
(B) R$ 5,50.
(C) R$ 6,00.
(D) R$ 6,50.
(E) R$ 7,00.
10. (Instituto de Pesquisas Tecnológicas – Secretária – VUNESP) Em um edifício residencial, 14

unidades pagam uma taxa mensal de condomínio no valor de 930 reais. Para as 28 unidades restantes,
que são menores, a taxa mensal de condomínio também é menor. Sabendo-se que o valor médio da taxa
mensal de condomínio, nesse edifício, é de 750 reais, é correto afirmar que o valor em reais que cada
unidade menor paga mensalmente de condomínio é igual a
(A) 600.
(B) 620.
(C) 660.
(D) 700.
(E) 710.
Comentários
01. Alternativa: C.
3.800+5.900 2400+4500 6900
3+5
= 8
= 8 = 862,5
02. Alternativa: D.
Média aritmética ponderada: multiplicamos o porcentual pelo prazo e dividimos pela soma dos
porcentuais.
15.0+20.30+35.60+20.90+10.120
15+20+35+20+10
=
600+2100+1800+1200
= 100
=
5700
= 100
= 57
03. Alternativa: C.
Também média aritmética ponderada.
180.15+150.24+70.30
=
180+150+70
2700+3600+2100
= =
400
8400
= 400
= 21
32
04. Alternativa: B.
Na média ponderada multiplicamos o peso da prova pela sua nota e dividimos pela soma de todos os
pesos, assim temos:
8.1 + 6,5.2 + 9.3 8 + 13 + 27 48
𝑀𝑃 = = = = 8,0
1+2+3 6 6
05. Alternativa: B.
5.180 + 5.200 + 10.220 + 10.240 + 4.300 + 6.400 10100

𝑀= = = 252,50
5 + 5 + 10 + 10 + 4 + 6 40
06. Alternativa: C.
2𝑥 + 8 ∙ 1700 + 10 ∙ 1200
𝑀é𝑑𝑖𝑎 =
20
2𝑥 + 8 ∙ 1700 + 10 ∙ 1200
1490 =
20
2𝑥 + 13600 + 12000 = 29800

2𝑥 = 4200
𝑥 = 2100
Cada um dos gerentes recebem R$ 2100,00
07. Alternativa: C.
2.77 + 3.62 + 1.72 + 4. 𝑥

= 80
2+3+1+4
412 + 4. 𝑥
= 80
10
4x + 412 = 80 . 10
4x = 800 – 412
x = 388 / 4
x = 97
08. Alternativa: A.
2.8 + 3.5 16 + 15 31
𝑀𝑝 = = = = 6,2
2+3 5 5
09. Alternativa: E.
8.4 + 6.5 + 4. 𝑥
=5
8+6+4
62 + 4. 𝑥
=5
18
4.x = 90 – 62
x = 28 / 4
x = R$ 7,00
10. Resposta: C.
𝟏𝟒 . 𝟗𝟑𝟎 + 𝟐𝟖 . 𝒙
= 𝟕𝟓𝟎
𝟏𝟒 + 2𝟖
33
𝟏𝟑𝟎𝟐𝟎 + 𝟐𝟖 . 𝒙
= 𝟕𝟓𝟎
𝟒𝟐
13020 + 28.x = 42 . 750

28.x = 31500 – 13020
x = 18480 / 28
x = R$ 660,00
MEDIANA E MODA
A moda e a mediana são utilizados para resumirem um conjunto de valores dado uma série estatística.
Vamos ver os conceitos de cada uma delas:
A mediana, é uma medida de localização do centro da distribuição dos dados.
A moda, é o valor que aparece com maior frequência, ou seja, podemos dizer que é o termo que está
na “moda”.
Exemplo:
Em um time de futebol temos as seguintes altura dos atletas:
(Fonte: http://geniodamatematica.com.br)
Ache o valor da mediana e da moda.
Resolução:
Primeiramente precisamos colocar os dados de forma ordenada, ou seja, montar o rol:
Altura Frequência
1,48 1
1,52 1
1,60 1
1,61 1
1,62 1
1,64 1
1,66 3
1,68 1
1,69 1
Para acharmos a mediana precisamos ver se a quantidade de valores, se for ímpar a mediana é o
valor que ocupa a posição central, se for par a mediana corresponde à média aritmética dos dois
valores centrais.
No nosso caso temos que é ímpar:
Altura Frequência
1º 1,48 1
2º 1,52 1
3º 1,60 1
34
4º 1,61 1
5º 1,62 1
6º 1,64 1
7º 1,66 3
8º 1,68 1
9º 1,69 1
Então a mediana é o valor que está na 5ª linha: 1,62

E a moda é 1,66, que é o valor que aparece com maior frequência.
Questões
01. (SESP/MT – Perito Oficial Criminal - Engenharia Civil/Engenharia Elétrica/Física/Matemática

– FUNCAB) Determine a mediana do conjunto de valores (10, 11, 12, 11, 9, 8, 10, 11, 10, 12).
(A) 8,5
(B) 9
(C) 10,5
(D) 11,5
(E) 10
02. (IF/GO – Assistente de Alunos – UFG) A tabela a seguir apresenta o índice de desenvolvimento
humano (IDH) de alguns países da América Latina referente ao ano 2012.
Países IDH
Argentina 0,811
Bolívia 0,645
Brasil 0,730
Chile 0,819
Colômbia 0,719
Cuba 0,780
México 0,775
Uruguai 0,792
Venezuela 0,758
Disponível em: <http://www.abinee.org.br/abinee/decon/decon55a.htm>. Acesso em: 24 fev. 2014. (Adaptado).
Dentre os países listados, aquele cujo IDH representa a mediana dos dados apresentados é:
(A) Brasil
(B) Colômbia
(C) México
(D) Venezuela
03. (Polícia Militar/SP – Aluno – Oficial – VUNESP) Na tabela, as letras q, p e m substituem as

alturas, relacionadas em ordem crescente, de seis alunos do Curso de Formação de Oficiais da Polícia
Militar avaliados em um exame biométrico, sendo que, nessa tabela, letras iguais correspondem a alturas
iguais.
Nome Altura (em centímetros)
Gonçalves q
Camargo q
Pacheco q
Mendes p
Santos m
Ferreira m
35
Sabendo-se que a moda, a mediana e a média aritmética das alturas desses alunos são,
respectivamente, 173 cm, 174,5 cm e 175,5 cm, pode-se concluir que a altura do aluno Ferreira é igual,
em centímetros, a
(A) 177.
(B) 178.
(C) 179.
(D) 180.
(E) 182.
(SEFAZ/RJ – ANALISTA DE CONTROLE INTERNO – CEPERJ) Observe os números relacionados

a seguir, e responda às questões de números 04 e 05.
4 7 3
9 6 8
8 7 8
04. A mediana desses valores vale:

(A) 6
(B) 6,5
(C) 7
(D) 7,5
(E) 8
05. A moda desses valores vale:

(A) 8
(B) 7
(C) 6
(D) 5
(E) 4
Comentários
01. Resposta: C.
Coloquemos os valores em ordem crescente:
8, 9, 10, 10, 10, 11, 11, 11, 12, 12
Como a Mediana é o elemento que se encontra no meio dos valores colocados em ordem crescente,
temos que:
10 + 11 21
𝑀= = = 10,5
2 2
02. Resposta: C.
Vamos colocar os números em ordem crescente:
0,645 0,719 0,730 0,758 0,775 0,780 0,792 0,811 0,819
O número que se encontra no meio é 0,775 (México).
03. Resposta: C.
* Se a moda é 173 cm, então q = 173 cm (Gonçalves, Camargo e Pacheco).
* Se a mediana é 174,5 cm, então (q + p) / 2 = 174,5.
q + p = 174,5 . 2
q + p = 349 cm
* Se a média aritmética é 175,5 cm, então:
3. 𝑞 + 𝑝 + 2. 𝑚
𝑀= = 17
6
2. 𝑞 + 𝑞 + 𝑝 + 2. 𝑚
= 175,5
6
2.173 + 349 + 2.m = 175,5 . 6

346 + 349 + 2.m = 1053
36
2.m = 1053 – 695
m = 358 / 2
m = 179 cm
04. Resposta: C.
Colocando em ordem crescente:
3; 4; 6; 7; 7; 8; 8; 8; 9
São 9 elementos, então a mediana é o quinto elemento(9+1/2)
Mediana 7
05. Resposta: A.
Moda é o elemento que aparece com mais frequência: 8
SÉRIES ESTATÍSTICAS
A Estatística tem objetivo sintetizar os valores que uma ou mais variáveis possam assumir, para que
tenhamos uma visão global da variação dessa ou dessas variáveis. Esses valores irão fornecer
informações rápidas e seguras.
Tabela: é um quadro que resume um conjunto de observações. Uma tabela compõe-se de:
1) Corpo – conjunto de linhas e colunas que contém informações sobre a variável em estudo;
2) Cabeçalho – parte superior da tabela que especifica o conteúdo das colunas;
3) Coluna indicadora – parte da tabela que especifica o conteúdo das linhas;
4) Linhas – retas imaginárias que facilitam a leitura, no sentido horizontal;
5) Casa ou célula – espaço destinado a um só número;
6) Título – Conjunto de informações, as mais completas possíveis, que satisfazem as seguintes

perguntas: O quê? Quando? Onde? localizando-se no topo da tabela.
Elementos complementares: de preferência colocados no rodapé.

- Fonte;
- Notas;
- Chamadas.
Séries Estatísticas: toda tabela que apresenta a distribuição de um conjunto de dados estatísticos
em função da época, do local ou da espécie.
37
Observamos três elementos:
- tempo;
- espaço;
- espécie.
Conforme varie um dos elementos da série, podemos classifica-la em:

- Histórica;
- Geográfica;
- Específica.
- Séries históricas, cronológicas, temporais ou marchas: Os valores da variável são descritos em,
determinado local, em intervalos de tempo.
Fonte: IBGE
- Séries geográficas, espaciais, territoriais ou de localização: valores da variável, em determinado

instante, discriminados segundo regiões.
38
- Séries específicas ou categóricas: aquelas que descrevem valores da variável, em determinado
tempo e local, segundo especificações ou categorias.
- Séries conjugadas – Tabela de dupla entrada: utilizamos quando temos a necessidade de

apresentar, em uma única tabela, variações de mais de uma variável. Com isso conjugamos duas séries
em uma única tabela, obtendo uma tabela de dupla entrada, na qual ficam criadas duas ordens de
classificação: uma horizontal e uma vertical.
Dados absolutos e dados relativos

Aos dados resultantes da coleta direta da fonte, sem manuseio senão contagem ou medida, são
chamados dados absolutos. Não é dado muito importância a estes dados, utilizando-se de os dados
relativos.
Dados relativos são o resultado de comparações por quociente (razões) que estabelecem entre dados
absolutos e têm por finalidade facilitar as comparações entre quantidades. Os mesmos podem ser
traduzidos por meio de percentagens, índices, coeficientes e taxas.
39
- Percentagens:
Considerando a série:
MATRÍCULAS NAS ESCOLAS DA
CIDADE B - 2016
NÚMERO DE
CATEGORIAS
ALUNOS
1º grau 19.286
2º grau 1.681
3º grau 234
Total 21.201
Dados fictícios.
Calculando os percentagens dos alunos de cada grau:
19.286𝑥100
1º 𝑔𝑟𝑎𝑢 → = 90,96 = 91,0
21.201
1.681𝑥100
2º 𝑔𝑟𝑎𝑢 → = 7,92 = 7,9
21.201
234𝑥100
3º 𝑔𝑟𝑎𝑢 → = 1,10 = 1,1
21.201
Formamos com os dados uma nova coluna na série em estudo:
MATRÍCULAS NAS ESCOLAS DA CIDADE B - 2016

NÚMERO DE
CATEGORIAS %
ALUNOS
1º grau 19.286 91,0
2º grau 1.681 7,9
3º grau 234 1,1
Total 21.201 100,0
Dados fictícios.
Esses novos valores nos dizem que, de cada 100 alunos da cidade B, 91 estão matriculados no 1º
grau, 8 (aproximadamente) no 2º grau e 1 no 3º grau.
- Índices: razões entre duas grandezas tais que uma não inclui a outra.
Exemplos:
𝑖𝑑𝑎𝑑𝑒 𝑚𝑒𝑛𝑡𝑎𝑙
𝑄𝑢𝑜𝑐𝑖𝑒𝑛𝑡𝑒 𝑖𝑛𝑡𝑒𝑙𝑒𝑡𝑢𝑎𝑙 = 𝑥100
𝑖𝑑𝑎𝑑𝑒 𝑐𝑟𝑜𝑛𝑜𝑙ó𝑔𝑖𝑐𝑎
𝑝𝑜𝑝𝑢𝑙𝑎çã𝑜
𝐷𝑒𝑛𝑠𝑖𝑑𝑎𝑑𝑒 𝑑𝑒𝑚𝑜𝑔𝑟á𝑓𝑖𝑐𝑎 =
𝑠𝑢𝑝𝑒𝑟𝑓í𝑐𝑖𝑒
Econômicos:
𝑣𝑎𝑙𝑜𝑟 𝑡𝑜𝑡𝑎𝑙 𝑑𝑎 𝑝𝑟𝑜𝑑𝑢çã𝑜
𝑃𝑟𝑜𝑑𝑢çã𝑜 𝑝𝑒𝑟 𝑐𝑎𝑝𝑖𝑡𝑎 =
𝑟𝑒𝑐𝑒𝑖𝑡𝑎
𝑅𝑒𝑐𝑒𝑖𝑡𝑎 𝑝𝑒𝑟 𝑐𝑎𝑝𝑖𝑡𝑎 =
- Coeficientes: razões entre o número de ocorrências e o número total (ocorrências e não

ocorrências).
40
Exemplos:
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑛𝑎𝑠𝑐𝑖𝑚𝑒𝑛𝑡𝑜𝑠
𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑛𝑎𝑡𝑎𝑙𝑖𝑑𝑎𝑑𝑒 =
𝑝𝑜𝑝𝑢𝑙𝑎çã𝑜 𝑡𝑜𝑡𝑎𝑙
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 ó𝑏𝑖𝑡𝑜𝑠
𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑚𝑜𝑟𝑡𝑎𝑙𝑖𝑑𝑎𝑑𝑒 =
𝑝𝑜𝑝𝑢𝑙𝑎çã𝑜 𝑡𝑜𝑡𝑎𝑙
Educacionais:
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎𝑙𝑢𝑛𝑜𝑠 𝑒𝑣𝑎𝑑𝑖𝑑𝑜𝑠

𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑒𝑣𝑎𝑠ã𝑜 𝑒𝑠𝑐𝑜𝑙𝑎𝑟 =
𝑛ú𝑚𝑒𝑟𝑜 𝑖𝑛𝑖𝑐𝑖𝑎𝑙 𝑑𝑒 𝑚𝑎𝑡𝑟í𝑐𝑢𝑙𝑎𝑠
- Taxas: coeficientes multiplicados por um potência de 10 (10,100, 1000, ...) para tornar o resultado
mais inteligível.
Exemplos:
Taxa de mortalidade = coeficiente de mortalidade x 1000.
Taxa de natalidade = coeficiente de natalidade x 1000.
1) Em cada 200 celulares vendidos, 4 apresentam defeito.

Coeficiente de defeitos: 4/200 = 0,02
Taxa de defeitos = 2% (0,02 x 100)
Referências
CRESPO, Antônio Arnot – Estatística fácil – 18ª edição – São Paulo - Editora Saraiva: 2002
Questão
01. O estado A apresentou 733.986 matriculas no 1º ano no início de 2009 e 683.816 no final do ano.
O estado B apresentou, respectivamente, 436.127 e 412.457 matriculas. Portanto o estado A apresentou
a maior evasão.
Sobre a afirmação anterior ela está:
( )Certa ( )Errada
Resposta
01. Resposta: Certa.
683816
𝑬𝒔𝒕𝒂𝒅𝒐 𝑨: 𝑇𝑎𝑥𝑎 𝑑𝑒 𝑒𝑣𝑎𝑠ã𝑜: = 0,931647𝑥100 = 93,16472 𝑠𝑢𝑏𝑡𝑟𝑎𝑖𝑚𝑜𝑠 𝑑𝑒 100 = 6,8%
733986
412457
𝑬𝒔𝒕𝒂𝒅𝒐 𝑩: 𝑇𝑎𝑥𝑎 𝑑𝑒 𝑒𝑣𝑎𝑠ã𝑜: = 0,945727𝑥100 = 94,57268 𝑠𝑢𝑏𝑡𝑟𝑎𝑖𝑚𝑜𝑠 𝑑𝑒 100 = 5,4%
436127
DISTRIBUIÇÃO DE FREQUÊNCIA
Usamos a distribuição de frequência8 para organizarmos os dados estatísticos resultantes de variáveis

quantitativas (as que usam os números para expressar-se) e fazemos a tabulação dos dados, ou seja, a
colocação dos dados de forma ordenada em uma tabela, para assim melhor interpreta-los.
Distribuição de frequência sem intervalo de classe
Quando temos variáveis discretas (possuem número finito de valores entre quaisquer dois valores) a
sua variação é relativamente pequena, cada valor pode ser tomado como um intervalo de classe.
Exemplo:
8
CRESPO, Antônio Arnot – Estatística fácil – 18ª edição – São Paulo - Editora Saraiva: 2002
41
Uma professora organizou as notas que seus 25 alunos obtiveram em uma de suas provas, da seguinte
forma:
Observe que ela já ordenou os dados brutos (rol) o que ajuda a fazermos a tabulação dos dados.
Tabulando teremos:
O número de vezes que um dado aparece é chamado de FREQUÊNCIA ABSOLUTA representado

por f ou fi (varia de acordo com a bibliografia estudada). Também podemos representar a frequência em
forma de porcentagem, a esta damos o nome de FREQUÊNCIA RELATIVA (fr). Ela é o quociente entre
a frequência absoluta e o número de elementos da população total.
Podemos ainda através desta tabulação encontrar a FREQUÊNCIA ABSOLUTA ACUMULADA (fa,
Fa ou Fi), na qual é a soma da frequência absoluta com a do anterior.
42
Observe que a última linha da Frequência Absoluta Acumulada é SEMPRE IGUAL ao somatório total
dos dados. Temos ainda a FREQUÊNCIA RELATIVA ACUMULADA (fra), que é a razão entre a
frequência absoluta acumulada e a frequência absoluta acumulada total de dados, é a forma percentual
de representarmos esses dados.
O exemplo acima mostra a distribuição de frequência para dados não agrupados. Quando trabalhamos
com uma quantidade grande de dados, a melhor forma é agrupa-los, afim de ganharmos simplicidade,
mesmo que perdemos os pormenores.
Nota:
Muitas bibliografias tendem a definir os termos de seus elementos estatísticos de formas variadas,
dando nome aos seus elementos de formas diferentes. Porém devemos levar em consideração o princípio
de cada um, o seu uso e relevância dentro do tratamento dos dados.
Colocamos aqui algumas dessas definições para o mesmo elemento para que você possa estar
contextualizado sobre o assunto.
Distribuição de frequência para dados agrupados
Para melhor entendimento vamos acompanhar um exemplo e assim destacaremos os elementos

desse tipo de distribuição e os meios de montarmos sua tabela.
Exemplo:
Uma pesquisa feita com 40 alunos de uma escola C, revelou os seguintes dados sobre a estatura de
seus alunos (estaturas dadas em cm):
Observe que os dados não estão ordenados, então devemos organiza-los para assim conseguirmos
analisarmos, montando assim o nosso Rol:
Com isso já fica evidente qual a menor (150 cm) e a maior (173 cm) estatura deste grupo de alunos, e
sua concentração está entre 160 e 165 cm.
Se montássemos uma tabela semelhante a do exemplo anterior, exigiria muito espaço, mesmo a nossa
amostra tendo uma quantidade de valores razoável (40 alunos). Então convém agruparmos esses valores
em vários intervalos. Com isso teremos a seguinte tabela de distribuição de frequência com intervalo de
classes.
43
ESTATURA DOS 40 ALUNOS
DA ESCOLA C
Para montarmos uma tabela com tal agrupamento, precisamos saber algumas definições:
- Classes de frequência ou classes: são intervalos de variação da variável. Elas são simbolicamente
representadas por i, sendo i = 1,2,3, ..., k (onde k é o número total de classes da distribuição).
Por exemplo o intervalo 158 ├- 162 define a 3ª classe (i = 3), de um total de 6 classes, k = 6.
Depois aplicamos a fórmula de Sturges (regra do Logaritmo) dada por:
Aplicando no nosso exemplo temos: k = 1 + 3,3 .log 40 → k = 1 + 3,3 .1,60 → k = 1 + 5,28 → k = 6,28,
arredondando temos k = 6.
Dica
Quantidade de classes x quantidade de dados
Já sabemos que vamos precisar de 6 classes para agruparmos nossos dados. Agora precisamos
descobrir quantos dados vamos agrupar juntos, ou seja, qual o tamanho ou amplitude do nosso intervalo,
para isso precisaremos de mais algumas informações.
- Amplitude amostral ou total (AA): diferença entre o valor máximo e o valor mínimo da amostra.
AA = x (máx.) – x (min.)
Sabemos que o menor valor da nossa amostra é 150 e o maior 173, aplicando teremos:
AA = 173 – 150 = 23 cm
- Amplitude das classes (h): é a divisão entre a amplitude total e o número de classes. O valor desta
divisão só poderá ser arredondado para mais.
𝑨𝑨
𝒉=
𝒌
44
Para nosso exemplo temos:
𝐴𝐴 23
ℎ= →ℎ= = 3,83 ≅ 4
𝑘 6
Assim agruparemos os dados de 4 em 4: 150 ao 154; 154 ao 158, ..., 170 ao 174, completando nossas
6 classes. Lembrando que como utilizamos o símbolo “├- “não estamos considerando o valor final, por
isso o repetimos no intervalo seguinte.
Com isso, conseguimos chegar a nossa tabela inicial.
Tome Nota: Podemos chamar a amplitude de classes também como Amplitude de um intervalo de
classe ou intervalo de classe (hi) que é a medida do intervalo que define a classe. Obtemos ela através
da diferença do limite superior e inferior de cada classe. Uma vez que conhecemos e temos os intervalos
podemos encontra-la facilmente.
hi = Li – li
Outras informações são importantes e relevantes ao nosso estudo, como meio de chegarmos a outras
análises. Vejamos:
- Limite de classe: são os extremos de cada classe. O menor chamamos de limite inferior da classe
(li) e o maior, o limite superior da classe (Li).
Tomando como exemplo a 3ª classe, temos:
l3 = 158 e L3 = 162
Fique por dentro!
O símbolo ├- , indica uma inclusão do valor de li (limite inferior) e exclusão do valor de Li (limite superior).
O símbolo ├-┤, indica uma inclusão tanto do valor de li (limite inferior) como do valor de Li (limite superior).
O símbolo -┤, , indica uma exclusão do valor de li (limite inferior) e inclusão do valor de Li (limite superior).
- Amplitude total da distribuição (AT): é a diferença entre o limite superior da última classe e o limite
inferior da última classe.
AT = L (máx.) – l (mín.)
Em nosso caso temos: AT = 174 – 150 = 24 cm
Observação: A amplitude total da distribuição (AT) JAMAIS coincide com a amplitude amostral (AA).
- Ponto médio de uma classe (xi): é o ponto que divide o intervalo de classe em duas partes iguais.
É o valor que a representa. Para sua obtenção calculamos a média aritmética entre os limites da classe
(superior e inferior).
𝒍𝒊 + 𝑳𝒊
𝒙𝒊 =
𝟐
Exemplo:
O ponto médio da 4ª classe é:
𝑙4 + 𝐿4 162 + 166 328

𝑥4 = → 𝑥4 = → 𝑥4 = → 𝑥4 = 164 𝑐𝑚
2 2 2
Questões
01. (ESA – Combatente/Logística – EXÉRCITO BRASILEIRO) Identifique a alternativa que

apresenta a frequência absoluta (fi) de um elemento (xi) cuja frequência relativa (fr) é igual a 25 % e cujo
total de elementos (N) da amostra é igual a 72.
(A) 18.
(B) 36.
(C) 9.
45
(D) 54.
(E) 45.
02. (BNDES – Técnico Administrativo – CESGRANRIO) Em uma faculdade, uma amostra de 120
alunos foi coletada, tendo-se verificado a idade e o sexo desses alunos. Na amostra, apurou-se que 45
estão na faixa de 16 a 20 anos, 60, na faixa de 21 a 25 anos, e 15 na faixa de 26 a 30 anos. Os resultados
obtidos encontram-se na Tabela abaixo.
Quais são, respectivamente, os valores indicados pelas letras P, Q, R e S?

(A) 40; 28; 64 e 0
(B) 50; 28; 64 e 7
(C) 50; 40; 53,3 e 7
(D) 77,8; 28; 53,3 e 7
(E) 77,8; 40; 64 e 0
03. (IMESC – Oficial Administrativo – VUNESP) Na tabela a seguir, constam informações sobre o
número de filhos dos 25 funcionários de uma pequena empresa.
Com base nas informações contidas na tabela, é correto afirmar que o número total de filhos dos
funcionários dessa pequena empresa é necessariamente
(A) menor que 41.
(B) igual a 41.
(C) maior que 41 e menor que 46.
(D) igual a 46.
(E) maior ou igual a 46.
Comentários
01. Resposta: A.
f_r=f_i/N
f_i=0,25∙72=18
02. Resposta: B.
Pela pesquisa 45 alunos estão na faixa de 16 a 20
São 10 do sexo masculino, portanto são 45-10=35 do sexo feminino.
70---100%
35----P
P=50%
70---100%
Q---40%
Q=28
35+28+S=70
S=7
46
Pela última coluna(% de sexo masculino):
20+R+16=100
R=64
P=50; Q=28; R=64; S=7
03. Resposta: E.
1 filho: 7 pessoas -7 filhos
2 filhos: 5 pessoas – 5.2=10 filhos
3 filhos: 3 pessoas – 3.3=9
Já são 26 filhos.
Temos mais 5 pessoas que tem mais de 3 filhos, o número mínimo são 4 filhos.
5.4=20
26+20=46 filhos no mínimo.
MEDIDAS DE DISPERSÃO
As medidas de tendência central fornecem informações valiosas mas, em geral, não são suficientes
para descrever e discriminar diferentes conjuntos de dados. As medidas de Dispersão ou variabilidade
permitem visualizar a maneira como os dados espalham-se (ou concentram-se) em torno do valor central.
Para mensurarmos está variabilidade podemos utilizar as seguintes estatísticas: amplitude total; distância
interquartílica; desvio médio; variância; desvio padrão e coeficiente de variação.
- Amplitude Total: é a diferença entre o maior e o menor valor do conjunto de dados.

Ex.: dados: 3, 4, 7, 8 e 8. Amplitude total = 8 – 3 = 5
- Distância Interquartílica: é a diferença entre o terceiro e o primeiro quartil de um conjunto de dados.

O primeiro quartil é o valor que deixa um quarto dos valores abaixo e três quartos acima dele. O terceiro
quartil é o valor que deixa três quartos dos dados abaixo e um quarto acima dele. O segundo quartil é a
mediana. (O primeiro e o terceiro quartis fazem o mesmo que a mediana para as duas metades
demarcadas pela mediana.) Ex.: quando se discutir o boxplot.
- Desvio Médio: é a diferença entre o valor observado e a medida de tendência central do conjunto
de dados.
- Variância: é uma medida que expressa um desvio quadrático médio do conjunto de dados, e sua
unidade é o quadrado da unidade dos dados.
- Desvio Padrão: é raiz quadrada da variância e sua unidade de medida é a mesma que a do conjunto
de dados.
- Coeficiente de variação: é uma medida de variabilidade relativa, definida como a razão percentual
entre o desvio padrão e a média, e assim sendo uma medida adimensional expressa em percentual.
Boxplot: Tanto a média como o desvio padrão podem não ser medidas adequadas para representar
um conjunto de valores, uma vez que são afetados, de forma exagerada, por valores extremos. Além
disso, apenas com estas duas medidas não temos ideia da assimetria da distribuição dos valores. Para
solucionar esses problemas, podemos utilizar o Boxplot. Para construí-lo, desenhamos uma "caixa" com
o nível superior dado pelo terceiro quartil (Q3) e o nível inferior pelo primeiro quartil (Q1). A mediana (Q2)
é representada por um traço no interior da caixa e segmentos de reta são colocados da caixa até os
valores máximo e mínimo, que não sejam observações discrepantes. O critério para decidir se uma
observação é discrepante pode variar; por ora, chamaremos de discrepante os valores maiores do que
Q3+1.5*(Q3-Q1) ou menores do que Q1-1.5*(Q3-Q1).
O Boxplot fornece informações sobre posição, dispersão, assimetria, caudas e valores discrepantes.
O Diagrama de dispersão é adequado para descrever o comportamento conjunto de duas variáveis

quantitativas. Cada ponto do gráfico representa um par de valores observados. Exemplo:
47
Um aspecto importante no estudo descritivo de um conjunto de dados, é o da determinação da
variabilidade ou dispersão desses dados, relativamente à medida de localização do centro da amostra.
Supondo ser a média, a medida de localização mais importante, será relativamente a ela que se define a
principal medida de dispersão - a variância, apresentada a seguir.
Variância: Define-se a variância, como sendo a medida que se obtém somando os quadrados dos
desvios das observações da amostra, relativamente à sua média, e dividindo pelo número de observações
da amostra menos um.
Desvio-Padrão: Uma vez que a variância envolve a soma de quadrados, a unidade em que se exprime
não é a mesma que a dos dados. Assim, para obter uma medida da variabilidade ou dispersão com as
mesmas unidades que os dados, tomamos a raiz quadrada da variância e obtemos o desvio padrão: O
desvio padrão é uma medida que só pode assumir valores não negativos e quanto maior for, maior será
a dispersão dos dados. Algumas propriedades do desvio padrão, que resultam imediatamente da
definição, são: o desvio padrão será maior, quanta mais variabilidade houver entre os dados.
Exemplo: Em uma turma de aluno, verificou-se através da análise das notas de 15 alunos, os seguintes
desempenhos:
Conceito
Alunos na
Prova
1 4,3
2 4,5
3 9
4 6
5 8
6 6,7
7 7,5
8 10
9 7,5
10 6,3
11 8
48
12 5,5
13 9,7
14 9,3
15 7,5
Total 109,8
Média 7,32
Desvio
1,77
Padrão
Observamos no exemplo, que a média das provas, foi estimada em 7,32 com desvio padrão em 1,77.
Concluímos que a maioria das notas concentrou-se em 9,09 e 5,55.
Vejamos de outra forma:
Um aspecto importante no estudo descritivo de um conjunto de dados, é o da determinação da

variabilidade ou dispersão desses dados, relativamente à medida de localização do centro da amostra.
Repare-se nas duas amostras seguintes, que embora tenham a mesma média, têm uma dispersão bem
diferente:
Como a medida de localização mais utilizada é a média, será relativamente a ela que se define a
principal medida de dispersão - a variância, apresentada a seguir.
Define-se a variância, e representa-se por s2, como sendo a medida que se obtém somando os
quadrados dos desvios das observações da amostra, relativamente à sua média, e dividindo pelo número
de observações da amostra menos um:
Se afinal pretendemos medir a dispersão relativamente à média. Por que é que não somamos
simplesmente os desvios em vez de somarmos os seus quadrados?
Experimenta calcular essa soma e verás que (x1-x) + (x2-x) + (x1-x) + ... + (xn – x) ≠ 0. Poderíamos ter
utilizado módulos, para evitar que os desvios negativos, mas é mais fácil trabalhar com quadrados, não
concorda?! E por que é que em vez de dividirmos pó “n”, que é o número de desvios, dividimos por (n-
1)? Na realidade, só aparentemente é que temos “n” desvios independentes, isto é, se calcularmos (n-1)
desvios, o restante fica automaticamente calculado, uma vez que a sua soma é igual a zero. Costuma-se
referir este fato dizendo que se perdeu um grau de liberdade.
Uma vez que a variância envolve a soma de quadrados, a unidade em que se exprime não é a mesma
que a dos dados. Assim, para obter uma medida da variabilidade ou dispersão com as mesmas unidades
que os dados, tomamos a raiz quadrada da variância e obtemos o desvio padrão:
O desvio padrão é uma medida que só pode assumir valores não negativos e quanto maior for, maior
será a dispersão dos dados. Algumas propriedades do desvio padrão, que resultam imediatamente da
definição, são:
- o desvio padrão é sempre não negativo e será tanto maior, quanta mais variabilidade houver entre
os dados.
- se s = 0, então não existe variabilidade, isto é, os dados são todos iguais.
49
Exemplo: Na 2ª classe de certa escola o professor deu uma tarefa constituída por um certo número
de contas para os alunos resolverem. Pretendendo determinar a dispersão dos tempos de cálculo,
observam-se 10 alunos durante a realização da tarefa, tendo-se obtido os seguintes valores:
Tempo
Aluno
(minutos)
i
xi
1 13 - 3.9 15.21
2 15 - 1.9 3.61
3 14 - 2.9 8.41
4 18 1.1 1.21
5 25 8.1 65.61
6 14 - 2.9 8.41
7 16 -0.9 0.81
8 17 0.1 0.01
9 20 3.1 9.61
10 17 0.1 0.01
169 0.0 112.90
Resolução: Na tabela anterior juntamos duas colunas auxiliares, uma para colocar os desvios das
observações em relação à média e a outra para escrever os quadrados destes desvios. A partir da coluna
das observações calculamos a soma dessas observações, que nos permitiu calcular a média = 16.9. Uma
vez calculada a média foi possível calcular a coluna dos desvios. Repare-se que, como seria de esperar,
a soma dos desvios é igual a zero. A soma dos quadrados dos desvios permite-nos calcular a variância
donde s = 3.54.
112.9
s2 = = 12.54
9
O tempo médio de realização da tarefa foi de aproximadamente 17 minutos com uma variabilidade
medida pelo desvio padrão de aproximadamente 3.5 minutos. Na representação gráfica ao lado
visualizamos os desvios das observações relativamente à média (valores do exemplo anterior):
Do mesmo modo que a média, também o desvio padrão é uma medida pouco resistente, pois é
influenciado por valores ou muito grandes ou muito pequenos (o que seria de esperar já que na sua
definição entra a média que é não resistente). Assim, se a distribuição dos dados for bastante enviesada,
não é conveniente utilizar a média como medida de localização, nem o desvio padrão como medida de
variabilidade. Estas medidas só dão informação útil, respectivamente sobre a localização do centro da
distribuição dos dados e sobre a variabilidade, se as distribuições dos dados forem aproximadamente
simétricas.
Propriedades para dados com distribuição aproximadamente normal: Uma propriedade que se verifica
se os dados se distribuem de forma aproximadamente normal, ou seja, quando o histograma apresenta
uma forma característica com uma classe média predominante e as outras classes se distribuem à volta
desta de forma aproximadamente simétrica e com frequências a decrescer à medida que se afastam da
classe média, é a seguinte:
Aproximadamente 68% dos dados estão no intervalo .
50
Desvio Padrão: Propriedades para dados com distribuição aproximadamente normal:
- Aproximadamente 68% dos dados estão no intervalo

Como se depreende do que atrás foi dito, se os dados se distribuem de forma aproximadamente
normal, então estão praticamente todos concentrados num intervalo de amplitude igual a 6 vezes o desvio
padrão.
A informação que o desvio padrão dá sobre a variabilidade deve ser entendida como a variabilidade
que é apresentada relativamente a um ponto de referência - a média, e não propriamente a variabilidade
dos dados, uns relativamente aos outros.
A partir da definição de variância, pode-se deduzir sem dificuldade uma expressão mais simples, sob
o ponto de vista computacional, para calcular ou a variância ou o desvio padrão e que é a seguinte:
É a medida de variabilidade que em geral é expressa em porcentagem, e tem por função determinar o
grau de concentração dos dados em torno da média, geralmente utilizada para se fazer a comparação
entre dois conjuntos de dados em termos percentuais, esta comparação revelará o quanto os dados estão
próximos ou distantes da média do conjunto de dados.
51
Exemplo
Considere a tabela abaixo que contém as estaturas e os pesos de um mesmo grupo de indivíduos:
Média Desvio-padrão
Estaturas 175 cm 5 cm
Pesos 68 kg 2 kg
Pergunta: Qual das medidas (Estatura ou Peso) possui maior homogeneidade?
Como não é possível responder a essa pergunta utilizando o desvio-padrão, pois é uma medida de
dispersão absoluta, teremos que calcular o CVP da Estatura e o CVP do Peso. A série que apresentar a
menor variação, ou seja, o menor valor do coeficiente CVP, será a série de maior homogeneidade.
Seguindo a fórmula do coeficiente CVP, temos:
CVP Estatura
CVP Peso
Logo, nesse grupo de indivíduos, as estaturas apresentam menor grau de dispersão que os pesos.
Amplitude: Uma medida de dispersão que se utiliza por vezes, é a amplitude amostral r, definida como
sendo a diferença entre a maior e a menor das observações: r = xn:n - x1:n, onde representamos por x1:n e
xn:n, respectivamente o menor e o maior valor da amostra (x1, x2, ..., xn), de acordo com a notação
introduzida anteriormente, para a amostra ordenada.
Amplitude Inter-Quartil: A medida anterior tem a grande desvantagem de ser muito sensível à
existência, na amostra, de uma observação muito grande ou muito pequena. Assim, define-se uma outra
medida, a amplitude inter-quartil, que é, em certa medida, uma solução de compromisso, pois não é
afetada, de um modo geral, pela existência de um número pequeno de observações demasiado grandes
ou demasiado pequenas. Esta medida é definida como sendo a diferença entre os 1º e 3º quartis.
Amplitude inter-quartil = Q3/4 - Q1/4
Do modo como se define a amplitude inter-quartil, concluímos que 50% dos elementos do meio da
amostra, estão contidos num intervalo com aquela amplitude. Esta medida é não negativa e será tanto
maior quanto maior for a variabilidade nos dados. Mas, ao contrário do que acontece com o desvio padrão,
uma amplitude inter-quartil nula, não significa necessariamente, que os dados não apresentem
variabilidade.
52
Amplitude inter-quartil ou desvio padrão: Do mesmo modo que a questão foi posta relativamente
às duas medidas de localização mais utilizadas - média e mediana, também aqui se pode por o problema
de comparar aquelas duas medidas de dispersão.
- A amplitude inter-quartil é mais robusta, relativamente à presença de "outliers", do que o desvio
padrão, que é mais sensível aos dados.
- Para uma distribuição dos dados aproximadamente normal, verifica-se a seguinte relação. Amplitude
inter-quartil 1.3 x desvio padrão.
- Se a distribuição é enviesada, já não se pode estabelecer uma relação análoga à anterior, mas pode
acontecer que o desvio padrão seja muito superior à amplitude inter-quartil, sobretudo se se verificar a
existência de "outliers".
Questões
01. (AL/GO – Assistente Legislativo – Assistente Administrativo – CS/UFG) Em estatística, a

variância é um número que apresenta a unidade elevada ao quadrado em relação a variável que
não está elevada ao quadrado, o que pode ser um inconveniente para a interpretação do resultado.
Por isso, é mais comumente utilizada na estatística descritiva o desvio-padrão, que é definido como
(A) a raiz quadrada da mediana, representada por "s" ou "μ".
(B) a raiz quadrada da variância, representada por "s" ou "α".
(C) a raiz quadrada da variância, representada por "s" ou "α".
(D) a raiz quadrada da média, representada por "s" ou "α".
02. (ANAC – Analista Administrativo – ESAF) Os valores a seguir representam uma amostra
331546248
Então, a variância dessa amostra é igual a
(A) 4,0
(B) 2,5
(C) 4,5
(D) 5,5
(E) 3,0
03. (MPE/AP – Analista Ministerial – FCC) Ao considerar uma curva de distribuição normal,
com uma média como medida central, temos a variância e o desvio padrão referentes a esta média.
Em relação a estes parâmetros,
(A) a variância é uma medida cujo significado é a metade do desvio padrão.

(B) a variância é calculada com base no dobro do desvio padrão.
(C) o desvio padrão é a raiz quadrada da variância.
(D) a média dividida pelo desvio padrão forma a variância.
(E) a variância elevada ao quadrado indica qual é o desvio padrão.
04. (MEC – Agente Administrativo – CESPE) Os dados abaixo correspondem às quantidades

diárias de merendas escolares demandadas em 10 diferentes escolas:
200, 250, 300, 250, 250, 200, 150, 200, 150, 200.
Com base nessas informações, julgue os próximos itens.
O desvio padrão amostral dos números diários de merendas escolares é superior a 50.
Respostas
01. Resposta: C.
Como visto, o desvio padrão é a raiz quadrada da variância.
53
02. Resposta: C.
Tem-se que a amostra contém as seguintes observações: 3 3 1 5 4 6 2 4 8. Para chegar à variância,
nessa questão, encontramos primeiro o valor da média.
A média desses valores é dada por: soma das observações/nº de observações menos 1.
Logo, 3+3+1+5+4+6+2+4+8/ 9 = 4
Após isso, aplicamos a construção: (3-4)²+(3-4)²+(1-4)²+(5-4)²+(4-4)²+(6-4)²+(2-4)²+(4-4)²+(8-4)²/9-1
Calculando: [(-1)²+(-1)²+(-3)²+(1)²+(0)²+(2)²+(-2)²+(0)²+(4)²]/9-1
(1+1+9+1+0+4+4+0+16)/8
36/8 = 4,5
03. Resposta: C.
Conforme visto anteriormente, desvio padrão é a raiz quadrada da variância.

O desvio padrão amostral é dado por:
√∑(Xi – X média)²/(n − 1)
Onde n é o número de elementos (n=10), Xi representa cada elemento da amostra e X a média da
amostra. A média, neste caso, é:
Média (X) = ∑(Xi)/ n = (150 + 150 + 200 + 200 + 200 +200 + 250 + 250 + 250 + 300) /10 = 215
O Desvio Padrão será:
√∑(Xi – X média)²/(n − 1) =
√2 ∗ (150 − 215)² + 4 ∗ (200 − 215)² + 3 ∗ (250 − 215)² + 1 ∗ (300 − 215)² / (10 − 1) =
√8450 + 900 + 3675 + 7225/9 =
√2250
√2500= 50
Logo: √2250< 50
TABELAS E GRÁFICOS
O nosso cotidiano é permeado das mais diversas informações, sendo muito delas expressas em
formas de tabelas e gráficos9, as quais constatamos através do noticiários televisivos, jornais, revistas,
entre outros. Os gráficos e tabelas fazem parte da linguagem universal da Matemática, e compreensão
desses elementos é fundamental para a leitura de informações e análise de dados.
A parte da Matemática que organiza e apresenta dados numéricos e a partir deles fornecer conclusões
é chamada de Estatística.
Tabelas: as informações nela são apresentadas em linhas e colunas, possibilitando uma melhor
leitura e interpretação. Exemplo:
Fonte: SEBRAE
Observação: nas tabelas e nos gráficos podemos notar que a um título e uma fonte. O título é utilizado
para evidenciar a principal informação apresentada, e a fonte identifica de onde os dados foram obtidos.
9
https://www.infoenem.com.br
http://mundoeducacao.bol.uol.com.br
54
Tipos de Gráficos
Gráfico de linhas: são utilizados, em geral, para representar a variação de uma grandeza em certo
período de tempo.
Marcamos os pontos determinados pelos pares ordenados (classe, frequência) e os ligados por
segmentos de reta. Nesse tipo de gráfico, apenas os extremos dos segmentos de reta que compõem a
linha oferecem informações sobre o comportamento da amostra. Exemplo:
Gráfico de barras: também conhecido como gráficos de colunas, são utilizados, em geral, quando há
uma grande quantidade de dados. Para facilitar a leitura, em alguns casos, os dados numéricos podem
ser colocados acima das colunas correspondentes. Eles podem ser de dois tipos: barras verticais e
horizontais.
Gráfico de barras verticais: as frequências são indicadas em um eixo vertical. Marcamos os pontos
determinados pelos pares ordenados (classe, frequência) e os ligamos ao eixo das classes por meio de
barras verticais. Exemplo:
Gráfico de barras horizontais: as frequências são indicadas em um eixo horizontal. Marcamos os

pontos determinados pelos pares ordenados (frequência, classe) e os ligamos ao eixo das classes por
meio de barras horizontais. Exemplo:
Observação: em um gráfico de colunas, cada barra deve ser proporcional à informação por ela
representada.
55
Gráfico de setores: são utilizados, em geral, para visualizar a relação entre as partes e o todo.
Dividimos um círculo em setores, com ângulos de medidas diretamente proporcionais às frequências
de classes. A medida α, em grau, do ângulo central que corresponde a uma classe de frequência F é
dada por:
360°
𝛼= .𝐹
𝐹𝑡
Onde:
Ft = frequência total
Exemplo
Para acharmos a frequência relativa, podemos fazer uma regra de três simples:
400 --- 100%
160 --- x
x = 160 .100/ 400 = 40%, e assim sucessivamente.
Aplicando a fórmula teremos:
360° 360°
−𝐹𝑢𝑡𝑒𝑏𝑜𝑙: 𝛼 = .𝐹 → 𝛼 = . 160 → 𝛼 = 144°
𝐹𝑡 400
360° 360°
−𝑉ô𝑙𝑒𝑖: 𝛼 = .𝐹 → 𝛼 = . 120 → 𝛼 = 108°
𝐹𝑡 400
360° 360°
−𝐵𝑎𝑠𝑞𝑢𝑒𝑡𝑒: 𝛼 = .𝐹 → 𝛼 = . 60 → 𝛼 = 54°
𝐹𝑡 400
360° 360°
−𝑁𝑎𝑡𝑎çã𝑜: 𝛼 = .𝐹 → 𝛼 = . 20 → 𝛼 = 18°
𝐹𝑡 400
Como o gráfico é de setores, os dados percentuais serão distribuídos levando-se em conta a proporção
da área a ser representada relacionada aos valores das porcentagens. A área representativa no gráfico
será demarcada da seguinte maneira:
Com as informações, traçamos os ângulos da circunferência e assim montamos o gráfico:
56
Pictograma ou gráficos pictóricos: em alguns casos, certos gráficos, encontrados em jornais,
revistas e outros meios de comunicação, apresentam imagens relacionadas ao contexto. Eles são
desenhos ilustrativos. Exemplo:
Histograma: o consiste em retângulos contíguos com base nas faixas de valores da variável e com
área igual à frequência relativa da respectiva faixa. Desta forma, a altura de cada retângulo é denominada
densidade de frequência ou simplesmente densidade definida pelo quociente da área pela amplitude da
faixa. Alguns autores utilizam a frequência absoluta ou a porcentagem na construção do histograma, o
que pode ocasionar distorções (e, consequentemente, más interpretações) quando amplitudes diferentes
são utilizadas nas faixas. Exemplo:
Polígono de Frequência: semelhante ao histograma, mas construído a partir dos pontos médios das
classes. Exemplo:
Gráfico de Ogiva: apresenta uma distribuição de frequências acumuladas, utiliza uma poligonal
ascendente utilizando os pontos extremos.
57
Cartograma: é uma representação sobre uma carta geográfica. Este gráfico é empregado quando o
objetivo é de figurar os dados estatísticos diretamente relacionados com áreas geográficas ou políticas.
Interpretação de tabelas e gráficos
Para uma melhor interpretação de tabelas e gráficos devemos ter em mente algumas considerações:
- Observar primeiramente quais informações/dados estão presentes nos eixos vertical e horizontal,
para então fazer a leitura adequada do gráfico;
- Fazer a leitura isolada dos pontos.
- Leia com atenção o enunciado e esteja atento ao que pede o enunciado.
Exemplos
(Enem) O termo agronegócio não se refere apenas à agricultura e à pecuária, pois as atividades
ligadas a essa produção incluem fornecedores de equipamentos, serviços para a zona rural,
industrialização e comercialização dos produtos.
O gráfico seguinte mostra a participação percentual do agronegócio no PIB brasileiro:
Centro de Estudos Avançados em Economia Aplicada (CEPEA).

Almanaque abril 2010. São Paulo: Abril, ano 36 (adaptado)
Esse gráfico foi usado em uma palestra na qual o orador ressaltou uma queda da participação do
agronegócio no PIB brasileiro e a posterior recuperação dessa participação, em termos percentuais.
58
Segundo o gráfico, o período de queda ocorreu entre os anos de
A) 1998 e 2001.
B) 2001 e 2003.
C) 2003 e 2006.
D) 2003 e 2007.
E) 2003 e 2008.
Resolução
Segundo o gráfico apresentado na questão, o período de queda da participação do agronegócio no

PIB brasileiro se deu no período entre 2003 e 2006. Esta informação é extraída através de leitura direta
do gráfico: em 2003 a participação era de 28,28%, caiu para 27,79% em 2004, 25,83% em 2005,
chegando a 23,92% em 2006 – depois deste período, a participação volta a aumentar.
Resposta: C
(Enem) O gráfico mostra a variação da extensão média de gelo marítimo, em milhões de quilômetros
quadrados, comparando dados dos anos 1995, 1998, 2000, 2005 e 2007. Os dados correspondem aos
meses de junho a setembro. O Ártico começa a recobrar o gelo quando termina o verão, em meados de
setembro. O gelo do mar atua como o sistema de resfriamento da Terra, refletindo quase toda a luz solar
de volta ao espaço. Águas de oceanos escuros, por sua vez, absorvem a luz solar e reforçam o
aquecimento do Ártico, ocasionando derretimento crescente do gelo.
Com base no gráfico e nas informações do texto, é possível inferir que houve maior aquecimento global
em
(A)1995.
(B)1998.
(C) 2000.
(D)2005.
(E)2007.
Resolução
O enunciado nos traz uma informação bastante importante e interessante, sendo chave para a
resolução da questão. Ele associa a camada de gelo marítimo com a reflexão da luz solar e
consequentemente ao resfriamento da Terra. Logo, quanto menor for a extensão de gelo marítimo, menor
será o resfriamento e portanto maior será o aquecimento global.
O ano que, segundo o gráfico, apresenta a menor extensão de gelo marítimo, é 2007.
Resposta: E
59
Mais alguns exemplos:
01. Todos os objetos estão cheios de água.
Qual deles pode conter exatamente 1 litro de água?

(A) A caneca
(B) A jarra
(C) O garrafão
(D) O tambor
O caminho é identificar grandezas que fazem parte do dia a dia e conhecer unidades de medida, no
caso, o litro. Preste atenção na palavra exatamente, logo a resposta está na alternativa B.
02. No gráfico abaixo, encontra-se representada, em bilhões de reais, a arrecadação de impostos

federais no período de 2003 a 2006. Nesse período, a arrecadação anual de impostos federais:
(A) nunca ultrapassou os 400 bilhões de reais.

(B) sempre foi superior a 300 bilhões de reais.
(C) manteve-se constante nos quatro anos.
(D) foi maior em 2006 que nos outros anos.
(E) chegou a ser inferior a 200 bilhões de reais.
Analisando cada alternativa temos que a única resposta correta é a D.
Questões
01. (Pref. Fortaleza/CE – Pedagogia – Pref. Fortaleza) “Estar alfabetizado, neste final de século,
supõe saber ler e interpretar dados apresentados de maneira organizada e construir representações, para
formular e resolver problemas que impliquem o recolhimento de dados e a análise de informações. Essa
característica da vida contemporânea traz ao currículo de Matemática uma demanda em abordar
elementos da estatística, da combinatória e da probabilidade, desde os ciclos iniciais” (BRASIL, 1997).
Observe os gráficos e analise as informações.
60
A partir das informações contidas nos gráficos, é correto afirmar que:
(A) nos dias 03 e 14 choveu a mesma quantidade em Fortaleza e Florianópolis.
(B) a quantidade de chuva acumulada no mês de março foi maior em Fortaleza.
(C) Fortaleza teve mais dias em que choveu do que Florianópolis.
(D) choveu a mesma quantidade em Fortaleza e Florianópolis.
02. (DEPEN – Agente Penitenciário Federal – CESPE)
Ministério da Justiça — Departamento Penitenciário Nacional

— Sistema Integrado de Informações Penitenciárias – InfoPen,
Relatório Estatístico Sintético do Sistema Prisional Brasileiro,
dez./2013 Internet:<www.justica.gov.br> (com adaptações)
A tabela mostrada apresenta a quantidade de detentos no sistema penitenciário brasileiro por

região em 2013. Nesse ano, o déficit relativo de vagas — que se define pela razão entre o déficit de
vagas no sistema penitenciário e a quantidade de detentos no sistema penitenciário — registrado
em todo o Brasil foi superior a 38,7%, e, na média nacional, havia 277,5 de tentos por 100 mil
habitantes.
Com base nessas informações e na tabela apresentada, julgue o item a seguir.
Em 2013, mais de 55% da população carcerária no Brasil se encontrava na região Sudeste.
( )certo ( ) errado
03. (TJ/SP – Estatístico Judiciário – VUNESP) A distribuição de salários de uma empresa com
30 funcionários é dada na tabela seguinte.
Salário (em salários mínimos) Funcionários

1,8 10
2,5 8
3,0 5
5,0 4
8,0 2
15,0 1
61
Pode-se concluir que
(A) o total da folha de pagamentos é de 35,3 salários.
(B) 60% dos trabalhadores ganham mais ou igual a 3 salários.
(C) 10% dos trabalhadores ganham mais de 10 salários.
(D) 20% dos trabalhadores detêm mais de 40% da renda total.
(E) 60% dos trabalhadores detêm menos de 30% da renda total.
04. (TJ/SP – Estatístico Judiciário – VUNESP) Considere a tabela de distribuição de frequência

seguinte, em que xi é a variável estudada e fi é a frequência absoluta dos dados.
xi fi
30-35 4
35-40 12
40-45 10
45-50 8
50-55 6
TOTAL 40
Assinale a alternativa em que o histograma é o que melhor representa a distribuiçã o de
frequência da tabela.
05. (SEJUS/ES – Agente Penitenciário – VUNESP) Observe os gráficos e analise as afirmações

I, II e III.
62
I. Em 2010, o aumento percentual de matrículas em cursos tecnológicos, comparado com 2001,
foi maior que 1000%.
II. Em 2010, houve 100,9 mil matrículas a mais em cursos tecnológicos que no ano a nterior.
III. Em 2010, a razão entre a distribuição de matrículas no curso tecnológico presencial e à
distância foi de 2 para 5.
É correto o que se afirma em
(A) I e II, apenas.
(B) II, apenas.
(C) I, apenas.
(D) II e III, apenas.
(E) I, II e III.
06. (DEPEN – Agente Penitenciário Federal – CESPE)
A partir das informações e do gráfico apresentados, julgue o item que se segue.

Se os percentuais forem representados por barras verticais, conforme o gráfico a seguir, então
o resultado será denominado histograma.
Comentários
01. Resposta: C.
A única alternativa que contém a informação correta com os gráficos é a C.
02. Resposta: CERTO.

555----100%
306----x
X=55,13%
03. Resposta: D.
(A) 1,8*10+2,5*8+3,0*5+5,0*4+8,0*2+15,0*1=104 salários
(B) 60% de 30, seriam 18 funcionários, portanto essa alternativa é errada, pois seriam 12.
(C)10% são 3 funcionários
(D) 40% de 104 seria 41,6
63
20% dos funcionários seriam 6, alternativa correta, pois5*3+8*2+15*1=46, que já é maior.
(E) 6 dos trabalhadores: 18
30% da renda: 31,20, errada pois detêm mais.
04. Resposta: A.
A menor deve ser a da primeira 30-35
Em seguida, a de 55
Depois de 45-50 na ordem 40-45 e 35-40
05. Resposta: E.
I- 69,8------100%
781,6----x
X=1119,77
II- 781,6-680,7=100,9
10 2
III- 25 = 5
06. Resposta: ERRADO.

Como foi visto na teoria, há uma faixa de valores no eixo x e não simplesmente um dado.
Função de distribuição acumulada de uma variável aleatória discreta
A partir da função de distribuição de probabilidades de uma v.a. discreta X é possível calcular a

probabilidade de qualquer evento associado a ela. Por exemplo, para a fdp da figura 1.5, temos que
Então, podemos dizer que a fdp de uma variável aleatória discreta X nos dá toda a informação sobre
X. Existe uma outra função com tal característica, que é a função de distribuição acumulada de X, cuja
definição apresentamos a seguir.
Definição 1 Dada uma variável aleatória (discreta) X, a função de distribuição acumulada de X é

definida por
É interessante notar que a função FX está definida para todo número real x. Antes de passar às
propriedades teóricas da função de distribuição acumulada (usaremos a abreviação fda), também
conhecida como função de distribuição, vamos ver um exemplo.
Exemplo
Voltando ao exemplo 1 anterior, temos que a fdp da v.a. X = “máximo das faces de 2 dados” é dada
por
Para calcular a fda de X, notemos inicialmente que nenhum valor menor que 1 é possível. Logo,
64
Para x =1 devemos notar que
Para qualquer valor de x tal que 1 < x < 2, temos que pX(x)= 0. Logo,
Juntando os resultados (1.5) e (1.6), obtemos que
Com raciocínio análogo, obtemos que
e também que
ou seja,
Continuando obtemos que
Para x ≥ 6 devemos notar que o evento {X ≤ x} corresponde ao espaço amostral completo; logo
FDA da v.a. X do exemplo 1.
65
(b) A fda é
Funções de variáveis aleatórias
Dada uma v.a. X, podemos obter outras variáveis aleatórias através de funções de X e, da mesma
forma que calculamos a fdp de X, podemos calcular a fdp dessas novas variáveis.
Exemplo
Considere a v.a. X cuja fdp é dada na tabela abaixo:
x - - 0 1 2 3
2 1
pX (x) 0 0 0 0 0 0
,1 ,2 ,2 ,3 ,1 ,1
Consideremos a função Y = g(X) = X2. Então, Y é uma nova variável aleatória, cujos possíveis valores
são 0, 1, 4, 9. Para calcular as probabilidades desses valores, temos que identificar os valores de X que
originaram cada um deles. Temos a seguinte equivalência de eventos:
Como os eventos são mutuamente exclusivos, segue que
e podemos resumir essa fdp como
y 0 1 4 9
pY (y) 0 0 0 0
,2 ,5 ,2 ,1
Em geral, temos o seguinte resultado:
Seja X uma variável aleatória discreta com função de distribuição de probabilidade pX (x) . Se definimos
uma nova v.a. Y = g(X), onde g é uma função real qualquer, então a fdp de Y é calculada como
66
Exemplos
1. Considere o problema do pôquer. Suponha que um jogador paga R$100,00 para entrar no jogo.
Se ele tirar uma sequência, ele ganha R$200,00; se tirar 5 iguais, ganha R$5.100,00; se tirar 4
iguais, ganha R$100,00. Em todos os outros casos, ele perde. Seja L o lucro do jogador.
Encontre a fdp de L.
Solução:
De acordo com o exercício citado, temos a seguinte equivalência de eventos:
Para calcular as probabilidades, temos que lembrar que A8 ⊂ A1. Logo, se denotarmos por A∗1 o
eventos “todas diferentes mas não em seqüência”, temos que Pr (A∗1 ) = Pr(A1) − Pr(A8) =
Considere a v.a. X cuja fdp é
Encontre o valor de p e a fda da v.a. Y = X2.

Solução:
Como Pr (Ω) = 1, temos que ter p = Os valores possíveis de Y são 1, 9, 25

e
Logo, a fda de Y é
Esperança e variância de variáveis aleatórias discretas

No estudo da Estatística Descritiva, vimos como sumarizar conjuntos de dados através de distribuições
de frequências e também por estatísticas-resumo, como a média e a variância, no caso de variáveis
quantitativas. Em particular, vimos que a média de dados agrupados em classes era calculada como uma
média ponderada dos valores centrais (valores representativos das classes), com a ponderação definida
pelas frequências relativas das classes.
67
No estudo de variáveis aleatórias e suas distribuições de probabilidades, estamos associando números
aos pontos do espaço amostral, ou seja, o resultado é sempre uma variável quantitativa (note que os
resultados cara e coroa não definem uma variável aleatória; para tal, temos que associar números, 0 e 1
por exemplo, a esses resultados). Sendo assim, podemos fazer perguntas do tipo “qual o valor médio da
variável aleatória X?”, “qual a dispersão dos valores de X?”, da mesma forma que fizemos na análise
descritiva de dados. O ponto chave para a compreensão das definições que serão apresentadas é o
estabelecimento da analogia com o estudo das distribuições de frequências feito na parte inicial do curso.
Tal analogia se faz através da interpretação frequencial do conceito de probabilidade.
Probabilidade e frequência relativa

Consideremos novamente o experimento aleatório “lançamento de um dado”, mas agora um dado que
sabemos não ser equilibrado. Como poderíamos proceder para calcular a probabilidade de cada face?
Uma resposta, talvez intuitiva, seria lançar esse dado um grande número de vezes e observar o número
de ocorrências de cada face. As frequências relativas nos dariam, então, o que poderíamos pensar como
sendo a probabilidade de cada evento simples (face). É de se esperar que, quanto maior o número de
repetições do experimento (lançamento do dado), mais próximas das “verdadeiras” probabilidades
estariam essas frequências relativas. Esta é, assim, a definição de probabilidade de um evento através
da frequência relativa:
onde o número de repetições do experimento deve ser grande.

Ao trabalharmos com variáveis aleatórias, podemos pensar também nas probabilidades dos diferentes
valores da variável como sendo frequências relativas em um número sempre crescente de repetições do
experimento, ou seja, podemos pensar as probabilidades como sendo limites das frequências relativas.
Dessa forma, definiremos medidas de posição e dispersão para distribuições de probabilidades de
variáveis aleatórias de maneira análoga à utilizada em distribuições de frequências.
Esperança ou média de uma variável aleatória discreta Seja X uma variável aleatória discreta que
assume os valores x1, x2, . . . com probabilidades p1, p2, . . . respectivamente. A média ou esperança de
X é definida como
onde o somatório se estende por todos os valores possíveis de X. Podemos ver, então, que a esperança
de X é uma média dos seus valores, ponderada pelas respectivas probabilidades. Lembre-se que no caso
das distribuições de frequências tínhamos . Como antes, a média de uma v.a. X está medida na
mesma unidade da variável.
Exemplo
Em determinado setor de uma loja de departamentos, o número de produtos vendidos em um dia pelos
funcionários é uma variável aleatória P com a seguinte distribuição de probabilidades (esses números
foram obtidos dos resultados de vários anos de estudo):
Cada vendedor recebe comissões de venda, distribuídas da seguinte forma: se ele vende até 2
produtos em um dia, ele ganha uma comissão de R$10,00 por produto vendido. A partir da terceira venda,
a comissão passa para R$50,00. Qual é o número médio de produtos vendidos por cada vendedor e qual
a comissão média de cada um deles?
68
Solução:
O número médio de vendas por funcionário é
E(P) = 0 × 0,1 + 1 × 0,4 + 2 × 0,2 + 3 × 0,1 + 4 × 0,1 + 5 × 0, 05 + 6 × 0, 05 = 2, 05
Com relação à comissão, vamos construir sua fdp:
e
E(C) = 0 × 0,1 + 10 × 0,4 + 20 × 0,2 + 70 × 0, 1 + 120 × 0, 1 + 170 × 0, 05 + 220 × 0, 05 = 46, 5
ou seja, a comissão média por dia de cada vendedor é R$46,50.
Em geral, a média é vista como um “valor representativo” de X, estando localizada em algum ponto no
“centro do domínio de valores de X”. Uma interpretação mais precisa deste pensamento é a seguinte: a
esperança de X é o centro de gravidade da distribuição de probabilidades, no seguinte sentido. Pensando
as colunas do gráfico, que representam as probabilidades, como pesos distribuídos ao longo de uma vara
delgada, a média representa o ponto onde a vara se equilibraria.
Interpretação da média como centro de gravidade da distribuição
Esperança de funções de variáveis aleatórias

Vimos que é possível obter novas variáveis aleatórias a partir de funções g(X) de uma variável X e
através da fdp de X podemos obter a fdp de Y. Sendo assim, podemos calcular a esperança de Y. Foi
exatamente isso o que fizemos no caso das comissões no exemplo 1.7, onde tínhamos C = 2P + 50 ×
(3 − P). Analisando atentamente aquele exemplo e notando que, por definição de função, a cada valor de
X corresponde um único Y = g(X), obtemos o resultado geral sobre a esperança de funções de variáveis
aleatórias.
Seja X uma variável aleatória discreta com função de distribuição de probabilidade pX (x) . Se definimos
uma nova v.a. Y = g(X), então
69
Propriedades da esperança
A interpretação da esperança como centro de gravidade nos permite entender melhor as diversas
propriedades que demonstraremos a seguir. No que segue, X é uma variável aleatória discreta com
distribuição de probabilidades pX(x) e a, b 0 são constantes reais quaisquer.
1. E (a) = a
De fato: se X é uma v.a. constante, isso significa que X = a com probabilidade 1. Logo, E(X) = a ×1 =
a.
2. E (X + a) = E(X) + a (“somando uma constante, a média fica somada da constante”)

De fato: fazendo g(X) = X + a, pelo resultado 1.11, temos que
3. E(bX) = bE(X) (“multiplicando por uma constante, a esperança fica multiplicada pela constante”)
De fato: fazendo g(X) = bX, pelo resultado 1.11, temos que
4. E(a + bX) = a + bE(X)

Esse resultado é consequência direta dos resultados anteriores.
5. xmin ≤ E(X) ≤ xmax onde xmin e xmax são os valores mínimo e máximo da variável X.
De fato: temos que xi ≥ xmin e xi ≤ xmax ∀i. Então
Variância de uma variável aleatória

A esperança de uma variável aleatória X é uma medida de posição. No entanto, é possível que duas
variáveis bem diferentes tenham a mesma esperança, como é o caso das duas distribuições apresentadas
na figura.
Distribuições com mesma esperança e diferentes dispersões
70
Como já visto no caso da Estatística Descritiva, é necessário mensurar outros aspectos da distribuição,
entre eles a dispersão dos dados. Esta será medida através da distância quadrática de cada valor à média
da distribuição; mais precisamente, definimos a variância de uma variável aleatória X como
V ar (X) = E [X − E (X)]2
Definindo g(X) = [X − E(X)]2, temos, pelo resultado, que
Mas, se definimos h(X) = X2, então Logo, podemos escrever
que pode ser lida de maneira mais fácil como “a variância é a esperança do quadrado menos o
quadrado da esperança”. Lembre-se que tínhamos visto resultado análogo para a variância de um
conjunto de dados. Vimos também que a unidade de medida da variância é igual ao quadrado da unidade
da variável.
Propriedades da variância
Sendo uma medida de dispersão, é fácil ver as seguintes propriedades: seja X uma v.a. discreta com fdp
pX(x) e sejam a, b 0 constantes reais quaisquer.
1. Var (a) = 0 (“uma constante não tem dispersão”)

De fato:
Note que aqui usamos uma propriedade da esperança.
2. Var (X + a) = Var(X) (“somando uma constante, a dispersão - variância - não se altera”)

De fato:
Var (X + a) = E [X + a − E (X + a)]2 = E [X + a − E (X) − a]2 = E [X − E (X)]2 = Var (X)

Note que aqui usamos a propriedade 2 da esperança.
3. Var (bX) = b2 Var (X) (“multiplicando por uma constante não nula, a variância fica multiplicada pelo
quadrado da constante”)
De fato:

3. Var (bX) = b2 Var (X) (“multiplicando por uma constante não nula, a variância fica multiplicada pelo
quadrado da constante”)
De fato:
71
4. Var (a + bX) = b2 Var (X)

Essa propriedade é consequência direta das propriedades anteriores.
Desvio padrão
Como já dito, a unidade de medida da variância é o quadrado da unidade de medida da variável em
estudo, sendo assim, uma unidade sem significado físico. Para se ter uma medida de dispersão na mesma
unidade dos dados, define-se o desvio padrão como a raiz quadrada da variância.
Como consequência direta dessa definição e das propriedades da variância, seguem as seguintes
propriedades do desvio padrão, que deverão ser demonstradas pelo leitor. Como antes, seja X uma v.a.
discreta com fdp pX(x) e sejam a, b 0 constantes reais quaisquer.
1. DP (a) = 0 (uma constante não tem dispersão)

2. DP (X + a) = DP (X)
3. DP (bX) = |b| DP (X)
Aqui vale notar que √b2 = |b|.
4. DP (a + bX) = |b| DP (X).
Exemplo
Um lojista mantém extensos registros das vendas diárias de um certo aparelho. O quadro a seguir dá
a distribuição de probabilidades do número de aparelhos vendidos em uma semana. Se é de R$500,00 o
lucro por unidade vendida, qual o lucro esperado em uma semana? Qual é o desvio padrão do lucro?
Solução:
Seja X o número de aparelhos vendidos em uma semana e seja L o lucro semanal. Então, L = 500X.
Com relação ao lucro semanal, temos que
Consideremos o lançamento de dois dados equilibrados. Como já visto, o espaço amostral desse
experimento é formado pelos pares ordenados (i, j) onde i, j = 1, 2, 3, 4, 5, 6. Esse é um experimento
onde o espaço amostral não é formado por números. Suponhamos que nosso interesse esteja no máximo
das faces dos dois dados. Nesse caso, podemos associar um número a cada ponto do espaço amostral,
conforme ilustrado na figura 1.
Esse exemplo ilustra o conceito de variável aleatória.

Definição 1: Uma variável aleatória é uma função real (isto é, que assume valores em R) definida no
espaço amostral Ω de um experimento aleatório.
72
Por essa definição, podemos ver que, no lançamento de uma moeda, observar o resultado obtido, cara
ou coroa, não é uma variável aleatória, pois os resultados não são números. Mas se associarmos o
número 0 à ocorrência de cara e o número 1 à ocorrência de coroa, teremos uma variável aleatória.
Analogamente, em uma pesquisa domiciliar, o espaço amostral é formado pelos domicílios de uma
determinada localidade e simplesmente anotarmos os domicílios sorteados para uma amostra não
constitui uma variável aleatória. Mas, na prática, quando da realização de uma pesquisa domiciliar,
estamos interessados em alguma característica desse domicílio e aí poderemos ter várias variáveis
aleatórias associadas a esse experimento, como, por exemplo, a renda domiciliar mensal em reais,
Figura 1: Variável aleatória: máximo de 2 dados
o número de moradores, o grau de instrução do chefe de família medido pelo número de anos de
estudo, etc.
Definição 2: Uma variável aleatória é discreta se sua imagem (ou conjunto de valores que ela pode
tomar) é um conjunto finito ou enumerável. Se a imagem é um conjunto não enumerável dizemos que a
variável aleatória é contínua.
Exemplos
1. Dentre os 5 alunos de um curso com coeficiente de rendimento (CR) superior 8,5, dois serão
sorteados para receber uma bolsa de estudos. Os CRs desses alunos são: 8,8; 9,2; 8,9; 9,5;
9,0.
(a) Designando por A, B, C, D e E os alunos, defina um espaço amostral para esse experimento.
(b) Seja X = CR médio dos alunos sorteados. Liste os possíveis valores de X.
(c) Liste o evento X ≥ 9, 0.
Respostas
(a) Note que aqui a ordem não importa; logo, #Ω = (52) = 10. Mais especificamente,
Ω = {(A, B) , (A, C) , (A, D) , (A, E) , (B, C) , (B, D) , (B, E) , (C, D) , (C, E) , (D, E)}
(b) Usando uma tabela de duas entradas podemos representar os valores de X da seguinte
forma:
73
(c) {X ≥ 9} = {(A, B) , (A, D) , (B, C) , (B, D) , (B, E) , (C, D) , (D, E)} .
2. Um homem possui 4 chaves em seu bolso. Como está escuro, ele não consegue ver qual a chave
correta para abrir a porta de sua casa. Ele testa cada uma das chaves até encontrar a correta.
(a) Defina um espaço amostral para esse experimento.
(b) Defina a v.a. X = número de chaves experimentadas até conseguir abrir a porta (inclusive
a chave correta). Quais são os valores de X?
Respostas
(a) Vamos designar por C a chave da porta e por E1, E2 e E3 as outras chaves. Se ele para de testar
as chaves depois que acha a chave correta, então o espaço amostral é:
Ω ={ E1C, E2C, E3C, E1E2C, E2E1C, E1E3C, E3E1C, E2E3C, E3E2C, E1E2E3C, E1E3E2C,
E2E1E3C, E2E3E1C, E3E1E2C, E3E2E1C}
(b) X = 1, 2, 3, 4
Questões
01. Cinco cartas são extraídas de um baralho comum (52 cartas, 13 de cada naipe) sem reposição.
A v.a. X = número de cartas vermelhas sorteadas. Quais são os possíveis valores de X?
(A) os possíveis valores de X são 0,1,2,3,4,5,6,7,8,9,10,11,12,13.
(B) os possíveis valores de X são 0,1,2,3,4,5
(C) os possíveis valores de X são 1,2,3,4,5
(D) os possíveis valores de X são 1,2,3,4,5,6,7,8,9,10,11,12,13.
02. Numa urna há 7 bolas brancas e 4 bolas verdes. Cinco bolas são extraídas dessa urna. Defina a
v.a. X = número de bolas verdes. Quais são os possíveis valores de X se as extrações são feitas sem
reposição:
(A) os valores de X são 0, 1, 2, 3, 4
(B) os valores de X são 1, 2, 3, 4
(C) os valores de X são 0, 1, 2, 3, 4, 5, 6, 7.
(D) os valores de X são 1, 2, 3, 4, 5, 6, 7.
Comentários
01. Resposta: B.
No baralho há 26 cartas vermelhas, 13 de ouros e 13 de copas. Logo, os possíveis valores de
X são 0,1,2,3,4,5.
02. Resposta: A.
Como há apenas 4 verdes, os valores de X são 0, 1, 2, 3, 4. Note que temos bolas brancas em
quantidade suficiente para que X = 0 (isto é, podemos tirar todas brancas).
Função de distribuição de probabilidade
Os valores de uma v.a. discreta são definidos a partir do espaço amostral de um experimento aleatório.
Sendo assim, é natural perguntarmos “qual é a probabilidade do valor x”? No exemplo do máximo das 2
faces de um dado da figura 1, por exemplo, o valor 6 da v.a. é imagem de 11 pontos do espaço amostral,
enquanto o valor 2 é imagem de apenas 3 pontos. Sendo assim, é de se esperar que o valor 6 seja mais
provável que o valor 2. Na verdade, temos a seguinte equivalência de eventos: se chamamos de X a v.a.
“máximo dos 2 dados”, então
e, assim
74
Como os eventos no lado direito da expressão acima são mutuamente exclusivos e igualmente
prováveis, resulta que
De maneira análoga obtemos que
Definição 3: Seja X uma v.a. discreta. A função de distribuição de probabilidades de X é a função pX

(x) que associa, a cada valor possível x de X, sua respectiva probabilidade, calculada da seguinte
forma: pX (x) é a probabilidade do evento {X = x} consistindo de todos os resultados do espaço amostral
que deram origem ao valor x.
Figura 2: Função de distribuição de probabilidade de uma v.a. discreta
Para não sobrecarregar o texto, omitiremos os colchetes oriundos da notação de evento/conjunto e

escreveremos Pr (X = x) no lugar de Pr ({X = x}), que seria a forma correta. Uma outra convenção que
seguiremos também será a de indicar por letras maiúsculas as variáveis aleatórias e por letras minúsculas
os números reais, tais como os valores específicos de uma v.a. Além disso, abreviaremos por fdp o termo
função de distribuição de probabilidade.
Das propriedades (axiomas) da probabilidade resultam os seguintes fatos sobre a função de
distribuição de probabilidades de uma v.a. X:
Onde indica somatório ao longo de todos os possíveis valores de X. Note que essa propriedade é
decorrente do axioma Pr (Ω) = 1, pois os eventos {X = x} são mutuamente exclusivos e formam uma
partição do espaço amostral.
Cálculo da função de distribuição de probabilidade
Considerando novamente a v.a. definida na figura 1, podemos resumir a fdp da variável em questão
na seguinte tabela:
75
Considere uma urna com 10 bolas, das quais 6 são vermelhas e 4 brancas. Dessa urna retiram-se 3
bolas sem reposição e conta-se o número de bolas brancas retiradas. Qual é a distribuição dessa variável
aleatória?
Os possíveis valores de X são 0,1,2,3. Para calcular a probabilidade de cada um desses valores,
devemos notar inicialmente que o espaço amostral tem (10 3
) eventos elementares.
O evento {X = 0} corresponde à união dos eventos (sequências) onde não aparece nenhuma bola
branca ou, equivalentemente, onde todas as bolas são vermelhas; ¡ o número de tais sequências
é (63) (40) = (63) . (Note que aqui estamos usando o princípio fundamental da multiplicação.) Logo,
Analogamente, o evento {X = 1} corresponde à união dos eventos onde aparece 1 bola branca e 2
vermelhas. O número de tais sequências é (62) (41) e, portanto
Analogamente, obtemos que
e a fdp de X é
Distribuição de Bernoulli
Definição
Considere o lançamento de uma moeda. A característica desse experimento aleatório é que ele possui
apenas dois resultados possíveis. Uma situação análoga surge quando da extração da carta de um
baralho, onde o interesse está apenas na cor (preta ou vermelha) da carta sorteada.
Um experimento de Bernoulli é um experimento aleatório com apenas dois resultados possíveis; por
convenção, um deles é chamado “sucesso” e o outro “fracasso”.
A distribuição de Bernoulli é a distribuição de uma v.a. X associada a um experimento de Bernoulli,
onde se define X = 1 se ocorre sucesso e X = 0 se ocorre fracasso. Chamando de p a probabilidade de
sucesso (0 < p < 1), a distribuição de Bernoulli é:
76
Obviamente, as condições definidoras de uma fdp são satisfeitas, uma vez que p > 0, 1 − p > 0 e p+(1
−p) = 1. O valor de p é o único valor que precisamos conhecer para determinar completamente a
distribuição; ele é, então, chamado parâmetro da distribuição de Bernoulli. Vamos denotar a distribuição
de Bernoulli com parâmetro p por Bern(p).
A função de distribuição acumulada é dada por:
Temos os gráficos da fdp e da fda de uma distribuição de Bernoulli.

Distribuição de Bernoulli com parâmetro p
Esperança
Seja X ∼ Bern(p) (lê-se: a variável aleatória X tem distribuição de Bernoulli com parâmetro p).
Então, E(X) = 0 × (1 − p) + 1 × p. Logo,
X ∼ Bern(p) ⇒ E(X) = p
Variância
Seja X ∼ Bern(p). Então,
E(X2) = 02 × (1 − p) + 12 × p ⇒ E(X2) = p ⇒ V ar(X) = p − p2
Logo,
X ∼ Bern(p) ⇒ V ar(X) = p(1 − p)
Distribuição Geométrica
Definição
Considere a situação descrita no exercício 3 do capítulo 1: uma moeda com probabilidade p de cara é
lançada até que apareça cara pela primeira vez. Como visto, tal experimento gera uma v.a. discreta X =
“número de repetições necessárias até a ocorrência da primeira cara” com infinitos valores. Essa é uma
situação onde é impossível encontrar algum paralelo na prática; no entanto, o “infinito” na prática, em
geral, é substituído por um “valor muito grande”. Considere uma população muito grande onde p% das
pessoas sofrem de uma doença desconhecida. Precisa-se encontrar uma pessoa portadora da doença
para que os médicos possam estudá-la. Quantas pessoas teremos que examinar até encontrar uma
portadora? Em ambas as situações, cada repetição do experimento (lançamento da moeda ou exame de
77
uma pessoa) tem dois resultados possíveis (cara ou coroa e Portadora ou não portadora da doença), ou
seja, temos experimentos de Bernoulli.
Consideremos repetições independentes de um experimento de Bernoulli com parâmetro p. Vamos
definir a seguinte v.a. associada a esse experimento aleatório:
X = número de repetições necessárias para a obtenção do primeiro sucesso
Os valores possíveis de X são 1 (primeiro sucesso na primeira repetição), 2 (primeiro sucesso na

segunda repetição e, portanto fracasso na primeira), 3 (primeiro sucesso na terceira repetição e, portanto,
fracasso nas duas primeiras), etc. Esse é um exemplo de v.a. discreta onde o espaço amostral,
enumerável, é infinito.
Para calcular a probabilidade de X = k, k = 1, 2, 3, . . . , devemos notar que tal evento corresponde à
ocorrência de fracassos nas k − 1 primeiras repetições e sucesso na k-ésima repetição.
Denotando por Fi e Si a ocorrência de fracasso e sucesso na i-ésima repetição respectivamente, temos
a seguinte equivalência de eventos:
Como as repetições são independentes, segue que
ou seja,
Dizemos que X tem distribuição geométrica com parâmetro p (o único valor necessário para especificar
completamente a fdp) e vamos representar tal fato por X ∼ Geom(p).
As características definidoras desse modelo são: (i) repetições de um mesmo experimento de
Bernoulli, o que significa que em todas elas a probabilidade de sucesso (e, portanto, de fracasso) é a
mesma e (ii) as repetições são independentes. No caso do lançamento de uma moeda essas hipóteses
são bastante plausíveis mas no caso da doença a hipótese de independência pode não ser satisfeita; por
exemplo, pode haver um componente de hereditariedade.
Para mostrar que (2.5) realmente define uma fdp, temos que mostrar que a soma das probabilidades,
isto é, a probabilidade do espaço amostral é 1 (obviamente, Pr(X = k) ≥ 0). Para isso vamos usar o seguinte
resultado sobre séries geométricas:
Temos que:
Fazendo j = k − 1, temos que k = 1 ⇒ j = 0 e k = ∞ ⇒ j = ∞. Portanto,
Usando, obtém-se que:
78
Esperança
Fazendo a mudança de variável k −1 = j, resulta que k = j +1, k = 1 ⇒ j = 0 e k = ∞ ⇒ j = ∞. Logo,
Usando o resultado da seção 2.8 com r = 1− p, obtemos que:
Logo,
Variância
Para calcular a variância, temos que calcular E(X2). Por definição,
No primeiro somatório, a parcela correspondente a k = 1 é nula, logo, podemos escrever (note o índice
do somatório!):
1
O segundo somatório é a esperança da distribuição geométrica com parâmetro p; logo, ele é igual a 𝑝.
Fazendo a mudança de variável k −2 = j no primeiro somatório, resulta que
obtemos que:
79
Segue que:
Logo,
Exemplo
1. Um atirador acerta na mosca do alvo, 20% dos tiros. Qual a probabilidade de ele acertar na mosca
pela primeira vez no 10o tiro?
Solução:
Podemos pensar os tiros como experimentos independentes de Bernoulli (acerta ou não acerta). A
probabilidade de sucesso (acertar no alvo) é p = 0, 20. Estamos querendo o número de tiros até o primeiro
acerto e calcular a probabilidade desse número ser 10. Seja X = número de tiros até primeiro acerto.
Então, X ∼ Geom(0, 20) e Pr (X = 10) = 0, 89×0,2 = 0, 02684.
Distribuição Binomial
Definição
Consideremos n repetições independentes de um experimento de Bernoulli com parâmetro p (pense
em n lançamentos de uma moeda com probabilidade p de cara). Vamos definir a seguinte v.a. associada
a este experimento:
X = número de sucessos obtidos nas n repetições
Lembre-se que você encontrou esta situação no exercício 5 do capítulo 1. Os valores possíveis de X
são 0 (só ocorrem fracassos), 1 (ocorre apenas 1 sucesso), 2 (ocorrem 2 sucessos), . . . , n (ocorrem
apenas sucessos). Vamos calcular a probabilidade de X = k, onde k = 0, 1, 2, . . . , n. O evento X = k
equivale à ocorrência de k sucessos e n − k fracassos. Consideremos uma situação específica: as k
primeiras repetições são “sucesso”. Como as repetições são independentes, temos a probabilidade da
interseção de eventos independentes; logo,
Mas essa é uma ordenação específica, onde os sucessos são os primeiros resultados. Na verdade, os k
sucessos podem estar em qualquer posição e ainda teremos X = k. O número de maneiras possíveis de
obter k sucessos em n repetições nada mais é que o número de combinações de n elementos tomados k
a k, ou seja, Como cada uma dessas maneiras tem a mesma probabilidade acima e elas são eventos
mutuamente exclusivos, resulta que
onde o número de parcelas é . Logo
Essa é a distribuição binomial; note que para determiná-la precisamos conhecer os valores de n e p,
que são os parâmetros da distribuição. Vamos usar a seguinte notação: X ∼ bin (n; p).
Note que na distribuição binomial, o número de lançamentos é fixo e o número de sucessos é a variável
de interesse; note o contraste com a distribuição binomial negativa onde o número de lançamentos é
variável e o número de sucessos é um número fixo (pré-determinado).
80
Para mostrar que realmente define uma fdp falta mostrar que
já que, obviamente, Pr(X = k) ≥ 0. De fato: o teorema do binômio de Newton nos diz que, se x e y são
números reais e n é um inteiro positivo, então
Fazendo x = p e y = 1− p em (2.19), obtém-se:
o que prova o resultado.
Esperança
Quando k = 0, a parcela correspondente no somatório é nula. Logo, podemos escrever (note o índice
do somatório!):
e como k = 0, podemos fazer a divisão, o que resulta na simplificação
Fazendo j = k − 1, temos que k = j + 1, k = 1 ⇒ j = 0 e k = n ⇒ j = n − 1. Logo,
81
Mas nesse somatório temos as probabilidades de uma distribuição binomial com parâmetros (n −1) e
p; como estamos somando as probabilidades de todos os pontos do espaço amostral, segue que esse
somatório é igual a 1 (note que essa é a expressão do binômio de Newton para (x+y)n−1 com x = p e y = 1
− p) e, portanto,
Variância
Vamos calcular E (X2) . Usando raciocínio análogo ao usado no cálculo da esperança, temos que:
Mas o primeiro somatório é a esperança de uma binomial com parâmetros (n − 1) e p; portanto, pelo
resultado (2.20), é igual a (n − 1) p. Já o segundo somatório é a soma das probabilidades dos valores de
uma binomial com esses mesmos parâmetros (ou binômio de Newton); logo, é igual a 1.
Segue, então, que
e, portanto,
ou seja,
Exemplos
1. Um atirador acerta na mosca do alvo, 20% dos tiros. Se ele dá 10 tiros, qual a probabilidade de ele
acertar na mosca no máximo 1 vez?
Solução:
Podemos pensar os tiros como experimentos de Bernoulli independentes, onde a probabilidade de

sucesso é 0,20. Então, o problema pede Pr(X ≤ 1), onde X = número de acertos em 10 tiros. Logo, X ∼
bin(10; 0, 20) e
82
Distribuição binomial versus distribuição hipergeométrica
Vamos fazer agora algumas comparações entre as distribuições binomial e hipergeométrica.

Colocando ambas em termos de extrações de bolas verdes de uma urna com bolas verdes e brancas, a
binomial equivale a extrações independentes com reposição. Note que, repondo as bolas, a probabilidade
de sucesso (isto é, bola verde) permanece constante ao longo das extrações. Já a hipergeométrica
corresponde a extrações sem reposição.
A esperança da binomial é igual ao produto do tamanho da amostra pela probabilidade de sucesso; em
termos da urna, a probabilidade de sucesso é e, portanto, a esperança é n

Na hipergeométrica, a esperança também é o produto do tamanho da amostra pela probabilidade de
sucesso, probabilidade essa tomada apenas na primeira extração.
A variância da binomial é igual ao produto do tamanho da amostra pelas probabilidades de sucesso e
fracasso. Em termos de urna, essas probabilidades são Na hipergeométrica, considerando
apenas a primeira extração, a variância é igual a esse produto, mas corrigido pelo fator
Em pesquisas estatísticas por amostragem, normalmente lidamos com amostragem sem reposição (já
imaginou visitar e entrevistar um mesmo morador duas vezes?). No entanto, os resultados teóricos sobre
amostragem com reposição são bem mais simples, assim, costuma-se usar uma aproximação, sempre
que possível. Ou seja, quando a população (tamanho N) é suficientemente grande (de modo que podemos
encará-la como uma população infinita) e o tamanho da amostra é relativamente pequeno, podemos
“ignorar” o fato de as extrações serem feitas sem reposição. Lembre-se que a probabilidade em extrações
sucessivas são Então, se N é “grande” e n é pequeno, temos que N ≈ N − 1 ≈ · · · ≈ N
− n. Nessas condições, extrações com e sem reposição podem ser consideradas como equivalentes. O
termo que aparece na variância da hipergeométrica, é chamado correção para populações finitas,
exatamente porque, se a população é pequena, não podemos ignorar o fato de as extrações estarem
sendo feitas sem reposição.
Exemplo
1. Um caçador, após um dia de caça, verificou que matou 5 andorinhas e 2 aves de uma espécie rara,
proibida de ser caçada. Como todos os espécimes tinham o mesmo tamanho, ele os colocou na mesma
bolsa, pensando em dificultar o trabalho dos fiscais. No posto de fiscalização há dois fiscais, Manoel e
Pedro, que adotam diferentes métodos de inspeção. Manoel retira três espécimes de cada bolsa dos
caçadores. Pedro retira um espécime, classifica-o e o repõe na bolsa, retirando em seguida um segundo
espécime. Em qualquer caso, o caçador é multado se é encontrado pelo menos um espécime proibido.
Qual dos dois fiscais é mais favorável para o caçador em questão?
Solução:
Seja X = número de aves proibidas (sucessos) encontradas por um fiscal. No caso de Manoel, temos que
X ∼ hiper(7; 2; 3) e no caso do fiscal Pedro, X ∼ bin
Logo, a probabilidade de multa é maior no caso do fiscal Manoel, e, portanto, Pedro é o fiscal mais
favorável para o caçador.
A distribuição de Poisson
Aproximação da binomial pela Poisson

Suponhamos que estamos observando um determinado fenômeno de interesse por um certo período
de tempo de comprimento t com o interesse de contar o número de vezes X que determinado evento
ocorre.
83
Vamos fazer as seguintes hipóteses sobre a forma como esse evento ocorre:
H1) Em um intervalo de tempo suficientemente curto, apenas 0 ou 1 evento ocorre, ou seja, 2 ou mais
ocorrências não podem acontecer simultaneamente. Então, em cada um desses intervalos temos um
experimento de Bernoulli.
H2) A probabilidade de exatamente 1 ocorrência nesse pequeno intervalo de tempo, de comprimento
Δt, é proporcional a esse comprimento, ou seja, é λΔt. Logo, a ocorrência de nenhum evento é 1 − λΔt.
H3) As ocorrências em intervalos pequenos e disjuntos são experimentos de Bernoulli independentes.
Estamos interessados na v.a. X = número de ocorrências do evento no intervalo (0, t]. Particionando esse
intervalo em n pequenos subintervalos de comprimento Δt, temos que o número total de ocorrências será
a soma do número de ocorrências em cada subintervalo. Mas em cada subintervalo podemos aplicar as
hipóteses acima. Logo, X é uma variável binomial com parâmetros n = e probabilidade de

sucesso igual a λΔt pela hipótese 2 acima. Então, para k = 0, 1, 2, . . . , n temos que:
Consideremos, agora, a situação em que Δt → 0, ou equivalentemente, n → ∞. Nesse caso, a v.a. X

pode assumir qualquer valor inteiro não negativo e
Teorema Sejam eventos gerados de acordo com as hipóteses H1 a H3 acima. Se X é o número de

eventos em um intervalo de tempo de comprimento t, então a função de distribuição de probabilidade de
Xé
Dizemos que X tem distribuição de Poisson com parâmetro λt : X ∼ Poi(λt).
Para mostrar que realmente define uma fdp, temos que provar que , temos que:
Esperança e variância
Vamos agora calcular a esperança e a variância de tal distribuição.
84
Logo,
Logo,
ou
A interpretação desses resultados nos dá que o número médio de ocorrências do evento em um

intervalo de comprimento t é λt, proporcional ao comprimento. Fazendo t = 1, obtém-se o número médio
de ocorrências em um intervalo unitário. Note que a esperança e a variância são iguais!
A distribuição de Poisson
Vamos apresentar, agora, a definição geral da distribuição de Poisson, usando uma outra
parametrização.
Diz-se que a v.a. X tem distribuição de Poisson com parâmetro μ se sua fdp é dada por
Nesse caso, a esperança e a variância de X são dadas por:
Pelos resultados anteriores, μ é o número médio de ocorrências do evento de interesse em um

intervalo unitário e o número de ocorrências num intervalo qualquer é proporcional ao comprimento do
intervalo.
Exemplo
1. Uma central telefônica recebe uma média de 5 chamadas por minuto. Supondo que as chamadas
que chegam constituam uma distribuição de Poisson, qual é a probabilidade de a central não receber
nenhuma chamada em um minuto? e de receber no máximo 2 chamadas em 2 minutos?
Solução:
Seja X = número de chamadas por minuto. Então, X ∼ P oi(5). Logo,
85
Seja y = número de chamadas em 2 minutos. Então, X ∼ Poi(5 × 2). Logo,
Questões
01. Joga-se um dado equilibrado. Qual é a probabilidade de serem necessários 10 lançamentos até a
primeira ocorrência de um seis?
(A) 0,0323
(B) 0,0677
(C) 0,0548
(D) 0,0452
(E) 0,0125
02. Dois adversários A e B disputam uma série de 8 partidas de um determinado jogo. A probabilidade
de A ganhar uma partida é 0,6 e não há empate. Qual é a probabilidade de A ganhar a série?
(A) 24,5%
(B) 59,4%
(C) 36%
(D) 48%
(E) 20%
03. Joga-se uma moeda não viciada. Qual é a probabilidade de serem obtidas 5 caras antes de 3
coroas?
(A) 35%
(B) 77,3%
(C) 65%
(D) 50%
(E) 22,7%
04. Entre os 16 programadores de uma empresa, 12 são do sexo masculino. A empresa decide sortear
5 programadores para fazer um curso avançado de programação. Qual é a probabilidade dos 5 sorteados
serem do sexo masculino?
(A) 18,13%
(B) 50%
(C) 75%
(D) 25,45%
(E) 74,55%
05. Em um certo tipo de fabricação de fita magnética, ocorrem cortes a uma taxa de um corte por 2000
pés. Qual é a probabilidade de que um rolo com comprimento de 4000 pés apresente no máximo dois
cortes? Pelo menos dois cortes?
(A) 0,676676 e 0,593994
(B) 0,323324 e 0,406006
(C) 0,5 e 0,5
(D) 0,125885 e 0,365896
(E) 0,478963 e 0,258963
Comentários
01. Resposta: A.
Nesse caso, sucesso é a ocorrência de face seis. Logo, Pr(sucesso) = p = e Pr(fracasso) =
1−p= Seja X = número de lançamentos até primeiro seis. Então, X ∼ geom e o problema pede Pr
(X = 10) = = 0, 03230.
86
02. Resposta: B.
Note que só podem ocorrer vitórias ou derrotas, o que significa que temos repetições de um
experimento de Bernoulli com probabilidade 0,6 de sucesso (vitória). Assumindo a independência das
provas, se definimos X = número de vitórias de A, então X ∼ bin(8; 0, 6) e o problema pede Pr (X ≥ 5) ,
isto é, A ganha mais partidas que B.
03. Resposta; E.
Vamos definir sucesso = cara e fracasso = coroa. Então, Pr(sucesso) = Pr(fracasso) = 0, 5 e temos
repetições de um experimento de Bernoulli. A ocorrência de 5 sucessos antes de 3 fracassos só é possível
se nas 7 primeiras repetições tivermos pelo menos 5 sucessos. Seja, então, X = número de sucessos em
7 repetições. Logo, X ∼ bin(7; 0, 5) e o problema pede Pr(X ≥ 5).
04. Resposta: A.
Sucesso = sexo masculino. Se X = número de homens sorteados, então X ∼ hiper(16; 12; 5) e o
problema pede
05. Resposta: A.
Seja Y = número de cortes num rolo de 4000 pés. Então, Y ∼ P oi(2).
DISTRIBUIÇÃO NORMAL
CURVA NORMAL
Entre as distribuições teóricas de variável aleatória contínua, uma das mais empregadas é a
distribuição normal.
Muitas das variáveis analisadas na pesquisa socioeconômica correspondem à distribuição normal ou
dela se aproximam.
O aspecto gráfico de uma distribuição normal é o da Figura 10.1:
87
Para uma perfeita compreensão da distribuição normal, observe a Figura 10.1 e procure visualizar as
seguintes propriedades:
1°) A variável aleatória X pode assumir todo e qualquer valor real.
2°) A representação gráfica da distribuição normal é uma curva em forma de sino, simétrica em torno
da média (𝒙̅), que recebe o nome de curva normal ou de Gauss.
3°) A área total limitada pela curva e pelo eixo das abscissas é igual a 1, já que essa área corresponde
à probabilidade de a variável aleatória X assumir qualquer valor real.
4°) A curva normal é assintótica em relação ao eixo das abscissas, isto é, aproxima-se indefinidamente
do eixo das abscissas sem, contudo, alcançá-lo.
5°) Como a curva é simétrica em torno de 𝒙 ̅, a probabilidade de ocorrer valor maior do que a média é
igual à probabilidade de ocorrer valor menor do que a média, isto é, ambas as probabilidades são iguais
a 0,5. Escrevemos: P(X > 𝑥̅ ) = P(X < 𝑥̅ ) = 0,5.
Quando temos em mãos uma variável aleatória com distribuição normal, nosso principal interesse é
obter a probabilidade de essa variável aleatória assumir um valor em um determinado intervalo. Vejamos
como proceder, por meio de um exemplo concreto.
Seja X a variável aleatória que representa os diâmetros dos parafusos produzidos por certa máquina.
Vamos supor que essa variável tenha distribuição normal com média 𝑥̅ = 2 cm e desvio padrão s = 0,04
cm.
Pode haver interesse em conhecer a probabilidade de um parafuso ter um diâmetro com valor entre 2
e 2,05 cm.
É fácil notar que essa probabilidade, indicada por:
P (2 < X < 2,05),
Corresponde à área hachurada na Figura 10.2:
O cálculo direto dessa probabilidade exige um conhecimento de Matemática mais avançado do que
aquele que dispomos no curso de 2° grau. Entretanto, podemos contornar facilmente esse problema.
Basta aceitar, sem demonstração, que, se X é uma variável aleatória com distribuição normal de média
𝑥̅ e desvio padrão s, então a variável:
𝑥 = 𝑥̅
𝑧=
s
tem distribuição normal reduzida, isto é, tem distribuição normal de média O e desvio padrão 1.
As probabilidades associadas à distribuição normal padronizada são encontradas em tabelas, não
havendo necessidade de serem calculadas.
O anexo II (p. 224) é uma tabela de distribuição normal reduzida, que nos dá a probabilidade de Z
tomar qualquer valor entre a média O e um dado valor z, isto é:
𝑃(0 < 𝑍 < 𝑧)
̅ e desvio
Temos, então, que se X é uma variável aleatória com distribuição normal de média 𝒙
padrão s, podemos escrever:
̅
𝑥−𝒙
𝑃(𝑥̅ < 𝑋 < 𝑥) = 𝑃(0 < 𝑍 < 𝑧), com 𝑧 = 𝑠
Voltemos, então, ao nosso problema.
88
Queremos calcular P(2 < X < 2,05). Para obter essa probabilidade, precisamos, em primeiro lugar,
calcular o valor de z que corresponde a x = 2,05 (x = 2 → z = O, pois 𝑥̅ = 2). Temos, então:
𝑥 − 𝑥̅ 2,05 − 2 0,05
𝑧= = = = 1,25
𝑠 0,04 0,04
donde:
P(2 < X < 2,05) = P(0 < X < 1,25)
Procuremos, agora, z = 1,25, porém para você que irá resolver apenas um exercício na prova, este
valor será dado, mas irei deixar abaixo a tabela onde poderá ser consultado este valor, para nossos
problemas aqui propostos.
Fonte: https://bloglosbifes.files.wordpress.com/2013/10/distribuicao_normal_padrao.png
89
Na primeira coluna encontramos o valor 1,2. Em seguida, encontramos, na primeira linha, o valor 5,
que corresponde ao último algarismo do número 1,25. Na intersecção da linha e coluna correspondentes
encontramos o valor 0,3944, o que nos permite escrever:
P(0 < Z < 1,25) = 0,3944
Assim, a probabilidade de um parafuso fabricado por essa máquina apresentar um diâmetro entre a
média 𝑥̅ = 2 e o valor x = 2,05 é 0,3944.
Escrevemos, então:
P(2 < X < 2,05) = P(0 < Z < 1,25) = 0,3944 ou 39,44%
Exemplos
1. Determine as probabilidades:
a. P(-1,25 < Z < 0)
A probabilidade procurada corresponde à parte hachurada da figura:
Sabemos que:
P(0 < Z < 1,25) = 0,3944
Pela simetria da curva, temos:

P(-1,25 < Z < 0) = P(0 < Z < 1,25) = 0,3944
b. P(-0,5 < Z < 1,48)
Temos:
P(-0,5 < Z < 1,48) = P(-0,5 < Z < 0) + P(0 < Z < 1,48)
Como:
P(-0,5 < Z < 0) = P(0 < Z < 0,5) = 0,1915
e
P(0 < Z < 1,48) = 0,4306,
obtemos:
P(-0,5 < Z < 1,48) = 0,1915 + 0,4306 = 0,6221
c. P(0,8 < Z < 1,23)
90
Temos:
P(0,8 < Z < 1,23) = P(0 < Z < 1,23) - P(0 < Z < 0,8)
Como:
P(0 < Z < 1,23) = 0,3907 e P(0 < Z < 0,8) = 0,2881,
obtemos:
P(0,8 < Z < 1,23) = 0,3907 - 0,2881 = 0,1026
d. P(Z > 0,6)
Temos:
P(Z > 0,6) = P(Z > 0) - P(0 < Z < 0,6)
Como:
P(Z > 0) = 0,5 e P(0 < Z < 0,6) 0,2258,
obtemos:
P(Z > 0,6) - 0,5 - 0,2258 = 0,2742
e. P(Z < 0,92)
Temos:
P(Z < 0,92) = P(Z < 0) + P(0 < Z < 0,92)
Como:
P(Z < 0) = 0,5 e P(0 < Z < 0,92) = 0,3212,
91
obtemos:
P(Z < 0,92) = 0,5 + 0,3212 = 0,8212
2. Os salários semanais dos operários industriais são distribuídos normalmente, em torno da média de
R$ 500, com desvio padrão de R$ 40. Calcule a probabilidade de um operário ter um salário semanal
situado entre R$ 490 e R$ 520.
Devemos, inicialmente, determinar os valores da variável de distribuição normal reduzida.
Assim:
490 − 500 520 − 500
𝑧1 = = −0,25 𝑒 𝑧2 = = 0,5
40 40
Logo, a probabilidade procurada é dada por:
P(490 < X < 520) = P(-0,25 < Z < 0,5) = P(-0,25 < Z < 0) +
+ P(0 < Z < 0,5) = 0,0987 + 0,1915 = 0,2902
É, pois, de se esperar que, em média, 29,02% dos operários tenham salários entre R$ 490 e R$ 520.
Amostragem por cotas
Neste tipo de amostragem, a população é dividida em grupos, e seleciona-se uma cota proporcional
ao tamanho de cada grupo. Entre- tanto, dentro de cada grupo não é feito sorteio, e sim os elementos
são procurados até que a cota de cada grupo seja cumprida. Em pesquisas eleitorais, a divisão de uma
população em grupos (considerando, por exemplo, o sexo, o nível de escolaridade, a faixa etária e a
renda) pode servir de base para a definição dos grupos, partindo da suposição de que estas variáveis
definem grupos com comportamentos diferenciados no processo eleitoral. Para se ter uma ideia do
tamanho destes grupos, pode-se recorrer a pesquisas feitas anteriormente pelo IBGE (Instituto Brasileiro
de Geografia e Estatística).
Distribuições amostrais
Com as distribuições amostrais, você pode inferir propriedades de um agregado maior (a população)
a partir de um conjunto menor (a amostra), ou seja, inferir sobre parâmetros populacionais, dispondo
apenas de estatísticas amostrais.
Portanto, torna-se necessário um estudo detalhado das distribuições amostrais, que são base para
intervalos de confiança e testes de hipóteses.
Portanto, para que você tenha condições de fazer afirmações sobre um determinado parâmetro
populacional (ex: µ), baseadas na estimativa 𝒙 ̅, obtido a partir dos dados amostrais, é necessário
conhecer a relação existente entre 𝒙 ̅ e µ, isto é, o comportamento de 𝒙 ̅, quando se extraem todas as
amostras possíveis da população, ou seja, sua distribuição amostral.
Para obtermos a distribuição amostral de um estimador, é necessário conhecer o processo pelo qual
as amostras foram retiradas, isto é, se amostras foram retiradas com reposição ou sem reposição.
Portanto, a partir do comportamento da estatística amostral, pode- se aplicar um teorema muito conhecido
na estatística como Teorema do Limite Central. Este teorema propõe que, se retirarmos todas as
possíveis amostras de tamanho n de uma população independente de sua distribuição, e verificarmos
como as estatísticas amostrais obtidas se distribuem, teremos uma distribuição aproximadamente normal,
com µ𝒙̅ = µ (média das médias amostrais igual à média populacional) e variância das médias
(variância das médias mostrais igual à variância da população dividida pelo tamanho da amostra),
se a amostragem for realizada com reposição, ou , se a amostragem for realizada

sem reposição em uma população finita ( 𝑛⁄𝑁 > 0,05), independentemente da distribuição da variável em
questão.
92
Considere uma população formada pelos números {1, 2, 3}. Sabemos que esta população apresenta
µ= 2 e variância σ 2 = 2/3. Retire todas as amostras possíveis com n=2, fazendo com e sem reposição
2
e calcule a média das médias amostrais (µ2) e a variância das médias amostrais (σ𝑥)Compare com os
resultados da população e veja se o teorema é verdadeiro. Pesquise este problema em sites da internet
ou outros livros de Estatística.
Portanto, considerando a distribuição amostral de médias, quando se conhece a variância ou a amostra

é grande (n > 30), utilizamos a estatística z da distribuição normal vista anteriormente, independente da
distribuição da população. Então, por meio do teorema do limite central, a estatística será dada por:
Porém, ocorre que, na prática, muitas das vezes não se conhece σ 2 e trabalha-se com amostras
pequenas, ou seja, menores ou iguais a 30. Assim, você conhece apenas sua estimativa s (desvio-padrão
amostral). Substituindo σ por seu estimador s, na expressão da variável padronizada, obtém-se a variável:
a qual segue uma distribuição de t de Student com (n-1) graus de liberdade
A distribuição t apresenta as seguintes características:

• é simétrica em relação à média, que é zero;
• tem forma campanular (semelhante à normal);
• quando n tende para infinito, a distribuição t tende para a distribuição normal, na prática, a
aproximação é considerada boa quando n >30; e
• possui n-1 graus de liberdade.
Vamos aprender a utilizar a Tabela da distribuição de t de Student. Na Tabela t de Student, na primeira

linha temos o valor de α, que corresponde à probabilidade (área) acima de um determinado valor da
tabela. Na figura a seguir, temos o conceito de α (área mais escura).
Observe que na Tabela de t (a seguir), temos na primeira coluna os graus de liberdade (GL) e no centro
da tabela, teremos os valores da estatística t de Student. Na primeira linha temos os valores de α.
93
Tabela 8: Limites unilaterais da distribuição t de Student ao nível α de probabilidade
Fonte: www.dpi.inpe.br/~camilo/estatistica/06estimação.ppt
Para exemplificar o uso da tabela, consideremos que desejamos encontrar a probabilidade de ser
maior do que um valor de t igual a 2,764, trabalhando com uma amostra de tamanho n = 11. Portanto,
teremos 10 graus de liberdade e nesta linha procuramos o valor que desejamos encontrar, 2,764. Subindo
na Tabela em direção ao α encontraremos um valor de 0,01 na primeira linha, ou seja, esta é a
probabilidade de ser maior do que 2,764, com 10 graus de liberdade.
Retirando-se uma amostra de n elementos de uma população normal com média µ e variância α2 ,
então, pode-se demonstrar que a distribuição amostral da variância amostral segue uma distribuição de
𝐱 𝟐 (qui-quadrado) com n-1 graus de liberdade. A variável da estatística de qui-quadrado será dada por:
tem distribuição 𝑥 2 com n-1 graus de liberdade.
Esta distribuição é sempre positiva, o que pode ser comprovado pela própria definição da variável.
Esta distribuição é assimétrica, como pode ser visto no gráfico da distribuição mostrado a seguir.
94
No esquema a seguir, temos como é feita a utilização da distribuição de qui-quadrado com g graus de
liberdade.
Fonte: www.dpi.inpe.br/~camilo/estatistica/06estimação.ppt
A distribuição F de Snedecor também conhecida como distribuição de Fisher é frequentemente

utilizada na inferência estatística para análise da variância.
Uma variável aleatória contínua tem distribuição de Snedecor com graus de liberdade no
numerador e graus de liberdade no denominador se sua função densidade de probabilidade é definida
por
Neste caso, utilizamos a notação .

O gráfico abaixo ilustra a função densidade da distribuição de Snedecor com parâmetros m = 3 e n =
2.
95
Exemplo
Um importante exemplo da distribuição de Snedecor corresponde a estatística . Suponha que temos
duas populações independentes tendo distribuições normais com variâncias iguais a .
Considere uma amostra aleatória da primeira população com observações
e uma amostra aleatória da segunda população com observações. Então, a estatística
tem distribuição de Snedecor com graus de liberdade no numerador e graus de

liberdade no denominador, onde e sãos os desvios padrão amostrais da primeira e da segunda
amostra, respectivamente.
Teorema
Considere e variáveis aleatórias com distribuição qui-quadrado com n e m graus de liberdade,
respectivamente. Além disso, suponha que estas variáveis aleatórias são independentes. Então a variável
aleatória:
tem distribuição de Snedecor com m graus de liberdade no numerador e n graus de liberdade no

denominador.
Demonstração
Seja uma variável aleatória positiva com função densidade de probabilidade e uma variável
aleatória com função densidade . Suponha que as variáveis aleatórias e sejam independentes.
Neste caso, a função densidade de probabilidade conjunta é dada por . Considere a
fração . Neste caso, a função densidade conjunta do quociente é dada por
em que . Assim temos que
Considerando a mudança de variável ; temos que:
96
Assim, a função densidade de probabilidade de é dada por
Como e são independentes, a distribuição conjunta do quociente é dada por
Portanto a distribuição do quociente , com e é dada por:
de onde concluímos que
lembrando que . Fazendo a substituição e reorganizando a integral

acima temos que:
Para finalizar, tomamos e, neste caso, temos que
Ao realizarmos a transformação de variáveis , concluímos que
Ao substituirmos, concluímos que segue uma distribuição com graus de liberdade no numerador
e graus de liberdade no denominador.
Por construção, o quadrado da distribuição t-Student com graus de liberdade tem distribuição F
com grau de liberdade no numerador e graus de liberdade no denominador.
Questões
01. (EBSERH – Analista Administrativo – CESPE/2018) Os tempos de duração de exames de

cateterismo cardíaco (Y, em minutos) efetuados por determinada equipe médica seguem uma distribuição
normal com média µ e desvio padrão σ, ambos desconhecidos. Em uma amostra aleatória simples de 16
tempos de duração desse tipo de exame, observou-se tempo médio amostral igual a 58 minutos, e desvio
padrão amostral igual a 4 minutos.
A partir da situação hipotética apresentada e considerando Φ(2) = 0,977, em que Φ(z) representa a
função de distribuição acumulada de uma distribuição normal padrão e z é um desvio padronizado, julgue
o item que se segue, com relação ao teste de hipóteses H0 = µ ≥ 60 minutos, contra HA = µ < 60 minutos,
em que H0 e HA denotam, respectivamente, as hipóteses nula e alternativa.
Se o teste for efetuado com nível de significância igual a 1%, o poder do teste será igual a 99% para
qualquer valor hipotético µ.
( ) Certo ( )Errado
02. (Polícia Federal – Papiloscopista – CESPE) Com relação a estatística, julgue os itens seguintes.
Suponha que as larguras dos polegares humanos sigam uma distribuição normal com média igual a 2
cm e variância V > 0. Nesse caso, se a probabilidade de se observar um polegar com mais de 2,54 cm
de largura for igual a 0,025, então V será inferior a 0,35.
97
03. (Pref. de São Paulo/SP – Auditor Fiscal do Município – FCC) Considere: Se Z tem distribuição
normal padrão, então:
P(Z < 0,84) = 0,80, P(Z < 1,5) = 0,933, P(Z < 1,96) = 0,975, P(Z < 2,5) = 0,994.
Desejando-se estimar a média µ dos salários de uma população, que deve ser considerada de
tamanho infinito, com desvio padrão conhecido e igual a R$ 100,00, selecionou-se uma amostra aleatória
de 100 elementos da população que forneceu os resultados apresentados na tabela abaixo:
Sabendo que x - y = 2, e utilizando para a estimativa pontual de µ a média aritmética dos 100 salários
apresentados, calculada considerando que todos os valores incluídos num intervalo de classe são
coincidentes com o ponto médio do intervalo, um intervalo de confiança para µ, com coeficiente de
confiança de 95%, é, em reais, dado por
(A) [3410,40; 3449,60]
(B) [3409,40; 3450,60]
(C) [3400,40; 3439,60]
(D) [3420,60; 3459,40]
(E) [3410,00; 3450,00]
04. A análise de uma amostra de sangue produziu os seguintes resultados para colesterol: 241, 243,
245 e 247 mg/dL. Considere que a distribuição dos dados tende à normalidade com t = 4,5 para 3 graus
de liberdade e com 98% de limite de confiança e que o desvio padrão dos resultados é 2,6. Considerando
o valor médio e o intervalo de confiança do resultado, o valor mais próximo da maior concentração
admitida para o colesterol na amostra é
(A) 242,2
(B) 244,0
(C) 246,6
(D) 249,0
(E) 249,9
05. (SEFAZ/SP – Agente Fiscal de Rendas – FCC) Espera-se que o número de reclamações
tributárias em um órgão público durante determinada semana seja igual a 25, em qualquer dia útil. Sabe-
se que nesta semana ocorreram 125 reclamações com a seguinte distribuição por dia da semana:
Para decidir se o número de reclamações tributárias correspondente não depende do dia da semana,
a um nível de significância ?, é calculado o valor do qui-quadrado (?²) que se deve comparar com o valor
do qui-quadrado crítico tabelado com 4 graus de liberdade. O valor de ?² é
(A) 1,20
(B) 1,90
(C) 4,75
(D) 7,60
(E) 9,12
Comentários

O poder de um teste estatístico é a probabilidade de rejeitar a hipótese nula ( H0), quando a hipótese
alternativa é verdadeira. O poder do teste é calculado como 1- B e também pode ser interpretado com a
probabilidade de rejeitar corretamente um hipótese nula falsa
98
02. Resposta: Certo.
Para a distribuição normal existe uma fórmula que é Z = (X - µ)/ V, onde X é o número da observação,
µ é a média e V é o desvio-padrão.
Preenchendo a fórmula com os dados da questão temos: Z = (2,54 - 2)/ V
Sabendo de cor ou olhando na tabela da área sobre a curva normal padronizada de 0 a Z, a
probabilidade que pede a questão Pr = 0,025 indica o Z = 1,96.
Substituindo na fórmula para encontrar o desvio-padrão (V), encontramos agora: 1,96 = 0,54/ V
V = 0,54/ 1,96 = 0,27551020... que é inferior a 0,35
03. Resposta: E.
Para calcular o Intervalo de Confiança (IC), devemos utilizar a fórmula:
IC: µ ± Zα/2 * δ/ n^1/2
Em que:
µ = média de X;
Z2,5% = 1,96 (o teste é normal, pois o desvio padrão é conhecido...além disso a distribuição é
bicaudal, visualizando que o intervalo de confiança abrange os valores: X - µ < µ < X + µ da distribuição
Normal); -> Ver tabela P (-Zi < Z < +Zi)
δ = 100 (desvio padrão populacional);
n = 100 amostras
Assim: IC = µ ± 1,96 * 100/100^1/2 = µ ± 19,6
Resta calcular a média populacional de X

µ = E(X) = ∑Xi*pi
Xi = Valores no ponto médio (variável estudada é o salário ganho dos servidores)
X1 = 2k
X2 = 3k
X3 = 4k
X4 = 5k
E(X) = X1*p1 + X2* p2 + X3*p3 + X4*p4
Calculando as frequências relativas, sabendo que: X = Y +2
Sabe-se que a soma de todas as frequências relativas (Pi) = 100
Portanto: p1 + p2 + p3 + p4 = 100
(Y + 2) + (Y + 17) + (Y + 9) + Y = 100
4Y + 28 = 100
4Y = 72
y= 18
x= 20
Retomando ao cálculo de E(X):
E(X) = 2k*0,2 + 3k * 0,35 + 4k * 0,27 + 5k * 0,18
E(X) = 0,4k + 1,05k + 1,08k + 0,90k
E(X) = 3,430k reais = 3430 reais
Finalmente: IC = 3430 ± 19,60 = [3410,4 ; 3449,60]
04. Resposta: E.
A mediana é (243+245)/2 = 244. A média é (241+243+245+247)/4 = 244
Esse valor é igual a valor médio + t[98%,3 graus de liberdade]*desvio-padrão/raiz(3)
=244+4,5*2,6/raiz(3) = 244 + 11,7/1,73 = 250,755
05. Resposta: D.
O valor do teste é baseado nas diferenças entre as frequências observadas e esperadas. Elevamos a
diferença ao quadrado, dividimos pelas frequências esperadas, e somamos.
99

1 - 08 Nocoes de Matematica Financeira

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

1 - 08 Nocoes de Matematica Financeira

Enviado por

Direitos autorais:

Formatos disponíveis

SANASA-Campinas

Analista Administrativo - Serviços Administrativos

Razão e proporção; divisão proporcional; regras de três simples e composta; porcentagem

Olá Concurseiro, tudo bem?

Pensando em auxiliar seus estudos e aprimorar nosso material, disponibilizamos o e-mail

01. Apostila (concurso e cargo);

Não esqueça de mandar um feedback e nos contar quando for aprovado!

Bons estudos e conte sempre conosco!

1562256 E-book gerado especialmente para ADRIANO SIMPLICIO DA CRUZ

Juros simples e compostos

- Os juros são representados pela letra J.

*Varia de acordo com a literatura estudada.

Fazendo o cálculo, mês a mês:

Fazendo o cálculo, período a período:

1) O capital cresce linearmente com o tempo;

02. (EBSERH – Técnico em Contabilidade – CESPE/2018) No que se refere a matemática financeira

04. (BANPARÁ – Técnico Bancário – INAZ do Pará) Na capitalização de juros simples:

05. (IESES) Uma aplicação de R$ 1.000.000,00 resultou em um montante de R$ 1.240.000,00 após

02. Resposta: Errado

Assim deverá pagar 3000 + 96 = 3096 reais

Na prática, as empresas, órgãos governamentais e investidores particulares costumam reinvestir as

Graficamente temos, que o crescimento do principal(capital) segundo juros simples é LINEAR,

Juros Compostos e Logaritmos

02. (BANPARÁ – Técnico Bancário – FADESP/2018) Na realização de um empréstimo de R$

04. (TRANSPETRO – Engenheiro Junior – CESGRANRIO/2018) Uma empresa captou R$ 100.000

03. Resposta: Certo

Sendo de Juros = 22000 – 20000 = 2000

TAXAS DE JUROS: EFETIVA, NOMINAL, PROPORCIONAIS, EQUIVALENTES, REAL E

As taxas de juros são índices fundamentais no estudo da matemática financeira. Os rendimentos

- Uma taxa de 75% ao ano com capitalização anual.

- 5% ao trimestre com capitalização semestral.

Taxas Proporcionais ou Lineares (regime de juros simples)

Taxas Equivalentes (regime de juros compostos)

Podemos escrever todas essas taxas em função uma das outras:

01. Uma aplicação no mercado financeiro forneceu as seguintes informações:

(1+ia) = (1+ir).(1+ii) ➔ (1+ia) = (1+0,02).(1+0,05i) ➔ (1+ia) = 1,02 . 1,05 ➔ (1+ia) = 1,071 ➔

𝑖𝑖 = 1,0192 − 1 ⇒ 𝑖𝑖 = 0,0192 ⇒ 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑚𝑜𝑠 𝑝𝑜𝑟 100(𝑝𝑒𝑟𝑐𝑒𝑛𝑡𝑢𝑎𝑙) ⇒ 1,92

Com base nessas situações, é possível afirmar corretamente que:

05. (LIQUIGÁS – Assistente Administrativo – CESGRANRIO) Um financiamento está sendo

Regimes de capitalização e desconto

Valor descontado = Valor nominal – Desconto

Comparando com o regime de juros, observamos que:

- o Valor Atual, ou valor futuro (valor do resgate) nos dá ideia de Montante;

Desconto Racional Simples (por dentro)

Desconto Comercial Simples (por fora)

O valor descontado “por fora” (Vf), aplicando-se a definição, é obtido:

Desconto comercial (bancário) acrescido de uma taxa pré-fixada

Relação entre Desconto Comercial (Dc) e Desconto Racional (Dr)

Desconto Racional Composto (por dentro)

Desconto Comercial Composto (por fora)

02. Resposta: CERTO

Noções de Estatística: estatística descritiva; medidas de posição; medidas de

A Estatística Descritiva ou Estatística é a parte disponibiliza métodos para resumo e apresentação

Os tópicos que serão abordados serão:

Probabilística (aleatória): A probabilidade de um elemento da população ser escolhido é conhecida.

Amostragem sistemática: escolher cada elemento de ordem k. Assemelha-se à amostragem

Amostragem proporcional estratificada: muitas vezes a população se divide em subpopulações –

Sexo População 10% Amostra

Numeramos os alunos de 01 a 90, sendo que de 01 a 54 correspondem aos meninos e de 55 a 90, as

Para obtermos os elementos da amostra usando a tabela, sorteamos um algarismo qualquer da

Amostragem por conglomerado: é uma amostra aleatória de agrupamentos naturais de indivíduos

Amostragem por julgamento: quando o pesquisador seleciona os elementos mais representativos

Amostras grandes: n > 100

02. (EPE – Analista de Pesquisa Energética – CESGRANRIO) Considere um planejamento amostral