Agenda: Estatística E Probabilidade

09/03/2024
AGENDA
1. Importância da Estatística;
2. O que é Estatística;
ESTATÍSTICA E PROBABILIDADE 3. Exemplos de aplicações;
Prof. Ma. Karmem Werusca 4. População e amostra;
5. Exemplos em detalhes;
6. Divisões básicas da Estatística;
7. Etapas da análise Estatística.
Professora: Ma. Karmem
2 Werusca
1 2
AGENDA A Estatística é uma ferramenta

importante para a tomada de
1. Importância da Estatística; decisões, pois é considerada um
2. O que é Estatística; instrumento fornecedor de
3. Exemplos de aplicações; informações , baseadas em fatos e
4. População e amostra; dados.A Estatística é, portanto,
5. Exemplos em detalhes; uma ciência meio, e não fim. Daí
6. Divisões básicas da Estatística; ter utilidade, como ciência de

apoio, em variados outros campos
do conhecimento. Professora: Ma. Karmem
3 Werusca 4 Werusca
3 4
1
09/03/2024
AGENDA
• Ciência de aprendizagem a partir de dados;
1. Importância da Estatística; 01
3. Exemplos de aplicações; • Ciência que fornece métodos que auxiliam no
02 processo de tomada de decisões;
4. População e amostra;
• Fornece técnicas para extrair informações de dados, as
6. Divisões básicas da Estatística; quais são muitas vezes incompletas, na medida em que
03 nos dão informações úteis sobre o problema em estudo.
Professora: Ma. Karmem Professora: Ma. Karmem
5 Werusca 6 Werusca
5 6
AGENDA
3. Exemplos de aplicações;
Comparar a
Opinião da Avaliar a Entender os produtividad
Recomend
4. População e amostra; população efetividade hábitos de ação e da soja sob
brasileira de uma compra dos diferentes
personaliza formas de
5. Exemplos em detalhes; sobre
novo
o nova droga clientes de da de cultivo,
para a cura uma loja produtos. adubação,
governo. do câncer. virtual.
6. Divisões básicas da Estatística; etc.

7 Werusca
7 8
2
09/03/2024
AGENDA
1. Importância da Estatística; ▪ A amostra corresponde a um grupo representativo de uma
determinada população em estudo, ou seja, corresponde a
2. O que é Estatística; uma parte do universo analisado.
▪ O universo é qualquer conjunto que constitua a totalidade
4. População e amostra; de informações de que se deseja realizar um determinado
5. Exemplos em detalhes; estudo.
6. Divisões básicas da Estatística; ▪Variável de interesse: característica a ser observada em
7. Etapas da análise Estatística. cada indivíduo da amostra.
9 Werusca 10 Werusca
9 10
AGENDA 01
Opinião da população brasileira sobre o novo governo.
População: Todos os habitantes do Brasil? outras opções?
Amostra: Algum subconjunto da população. Qualquer um será? Como selecionar?
1. Importância da Estatística; Variável de interesse: Opinião sobre o novo governo. Como medir isso? Gosta? sim
ou não.
2. O que é Estatística; Avaliar a efetividade de uma nova droga para a cura do

câncer.
3. Exemplos de aplicações; 02 População: Todos os seres humanos? Apenas os já doentes? Como levar em conta
questões de raça, culturas, etc . . .
4. População e amostra; Amostra: E agora?

Variável de interesse: Curou ou não curou? Será que isso é possível?
Entender os hábitos de compra dos clientes de uma loja virtual.
6. Divisões básicas da Estatística; 03 População: Todos os clientes da loja virtual.
Amostra: Preciso de amostra?
7. Etapas da análise Estatística. Variável de interesse: E agora? Como caracterizar hábito de compra?

11 Werusca
11 12
3
09/03/2024
AGENDA
Estatística
1. Importância da Estatística; descritiva ou
Probabilidade Inferência
estatística:
:
exploratória:
13 Werusca
13 14
Definição do
problema
AGENDA interpretação
dos dados
Planejamento
3. Exemplos de aplicações; Análise Coleta dos
.
dos dados dados
Crítica dos
7. Etapas da análise Estatística. Tabelas e dados
Gráficos
15
Werusca
Apresentação
dos dados
15 16
4
09/03/2024
ANÁLISE E INTERPRETAÇÃO DOS DADOS: Última fase do trabalho estatístico

DEFINIÇÃO DO PROBLEMA: Saber exatamente aquilo que se pretende pesquisar.
é a mais importante e delicada.Está ligada essencialmente ao cálculo de
PLANEJAMENTO: Como levantar informações? Que dados deverão ser obtidos?
Qual levantamento a ser utilizado? Etc. medidas e coeficientes, cuja finalidade principal é descrever o fenômeno.
COLETA DE DADOS: Registro sistemático de dados, com um objetivo

determinado.
APURAÇÃO DOS DADOS: Condensação e tabulação dos dados.
APRESENTAÇÃO DOS DADOS: Há duas formas de apresentação, que não se

excluem mutuamente: a apresentação tabular e apresentação gráfica.
17 18
17 18
AGENDA AGENDA
• Organizando e contando dados; • Organizando e contando dados;
• Distribuição de freqüência (Tabelas); • Distribuição de freqüência (Tabelas);
• Dados agrupados em classe. • Dados agrupados em classe.
Professora: Ma. Karmem Werusca 19 Professora: Ma. Karmem Werusca 20
19 20
5
09/03/2024
Um tipo de Rol para esta série de notas poderia ser colocá-las em ordem
Os dados coletados da observação de um fenômeno, sem crescente na forma:

manipulação ou ordenação, são chamados de dados brutos. {2,1; 3,3; 4,3; 4,7; 6,1; 6,9; 6,9; 7,1; 7,1; 8,3}
Ex: As notas de matemática de um grupo de alunos ao final da primeira Nota Frequência de notas
avaliação são: 2,1; 7,1; 4,3; 3,3; 4,7; 6,9; 6,1; 7,1 e 8,3; 6,9. 2,1 1
3,3 1
A série numérica exposta poderia ser de melhor forma apresentada
4,3 1
se estabelecêssemos uma ordenação para as notas. Esta etapa consiste
na elaboração de um Rol ou conjunto ordenado de dados. 4,7 1
6,1 1
6,9 2
7,1 2
8,3 1
() 10
21 22
AGENDA
É a série estatística que condensa um conjunto de dados conforme as
• Tipos de Variáveis; freqüências ou repetições de seus valores.

Exemplo: Dados amostrais para número de filhos de um grupo de 50 casais.
• Organizando e contando dados; Brutos Rol
• Distribuição de freqüência (Tabelas); 2 3 0 2 1 1 1 3 2 5 0 0 0 0 0 0 1 1 1 1
6 1 1 4 0 1 5 6 0 2 1 1 1 1 1 1 1 1 1 1
• Dados agrupados em classe. 1 4 1 3 1 7 6 2 0 1 1 1 2 2 2 2 2 2 2 2
3 1 3 5 7 1 3 1 1 0 2 3 3 3 3 3 3 3 3 4
3 0 4 1 2 2 1 2 3 2 4 4 5 5 5 6 6 6 7 7
23 24
6
09/03/2024
AGENDA
TABELA DE FREQUÊNCIA
N° filhos N° casais Freq. Relativa %
• Tipos de Variáveis;
0 0 0 0 0 0 1 1 1 1 0 6 6/50 = 0,12 12%
1 1 1 1 1 1 1 1 1 1
1 16 16/50 = 0,32 32% • Organizando e contando dados;
2 9 9/50 = 0,18 18%
1 1 2 2 2 2 2 2 2 2
• Distribuição de freqüência (Tabelas);
3 8 8/50 = 0,16 16%
2 3 3 3 3 3 3 3 3 4 4 3 3/50 = 0,06 6%
4 4 5 5 5 6 6 6 7 7 5 3 3/50 = 0,06 6%
6 3 3/50 = 0,06 6% • Dados agrupados em classe.
7 2 2/50 = 0,04 4%
() 50 1,00 100%
* A notação sigma, , que é muito comum em Estatística, designa soma de números.
25 26
Exemplo: Exemplo: Sejam as alturas de 25 atletas.

Determine o Rol e a distribuição de frequências.
Sejam as alturas (em cm) de 25 atletas de uma determinada categoria 150, 166, 170, 152, 152, 156, 153, 152, Altura ( fi ) N° Freq. Relativa fri
esportiva: 166, 153, 160, 152, 170, 160, 150, 160, ( cm) atletas fri %
152, 165, 160, 153, 152, 150, 150, 152,
152 150 4 4/25 = 0,16 16%
150, 166, 170, 152, 152, 156, 153, 152, 166, 153, 160, 152, 170, 160, 152 8 8/25 = 0,32 32%
150, 160, 152, 165, 160, 153, 152, 150, 150, 150, 152. Rol 153 3 3/25 = 0,12 12%
150 150 150 150 152 157 2 2/25 = 0,08 8%
152 152 152 152 152 160 3 3/25 = 0,12 12%
Determinar a amplitude do ROL e a distribuição de frequências.
165 1 1/25 = 0,04 4%
152 152 153 153 153
166 2 2/25 = 0,08 8%
157 157 160 160 160
170 2 2/25 = 0,08 8%
165 166 166 170 170 () 25 1,00 100%
27 28
7
09/03/2024
Exemplo
ROL
Suponha que tenha sido feita uma coleta de dados relativos às estaturas
de quarenta alunos de uma Faculdade A, o resultado da pesquisa foi
150 154 155 157 160 161 162 164 166 169
apresentado na tabela primitiva
151 155 156 158 160 161 162 164 167 170
166 160 161 150 162 160 165 167 164 160
152 155 156 158 160 161 163 164 168 172
162 161 168 163 156 173 160 155 164 168
155 152 163 160 155 155 169 151 170 164 153 155 156 160 160 161 163 165 168 173
154 161 156 172 153 157 156 158 158 161
o menor valor da variável é 150 cm e o maior valor é 173 cm.
29 30
Amplitude do amostra (AA)

Cálculo do número de classes
Para determinar o número de classes adotaremos a Regra de Sturges,
É a diferença entre o maior valor e o menor valor da variável. que nos dá o número de classes em função do tamanho da amostra:
Denotando por x a variável do problema temos:
K = 1 + 3,3 . log n
AA = x máximo – x mínimo
onde: k é o número de classes, n o tamanho da amostra e log n é o
AA = 173 – 150 = 23 logaritmo na base 10 de n.

Bizu!! Para n<= 25, k=5 e para maior √ n
31 32
8
09/03/2024
Amplitude do intervalo de classe

Assim, o número de classes que devemos adotar em nosso exemplo é
É obtido pela divisão entre a amplitude amostral e o número de classes:
de: K = 1 + 3,3 . log n
AA
h= k
K = 1 + 3,3 . log 40 = 6, 286797970  6 classes
Assim, a amplitude do intervalo de classe do nosso problema é dada por:

Arredonda-se sempre o valor de k para o número inteiro mais próximo,
h=
23
= 3,8  4
pois o número de classes deve ser sempre inteiro. 6
• arredondamento para o maior inteiro mais próximo.
Os dados devem ser agrupados em 6 classes distintas
de intervalos com amplitudes iguais a 4.
33 34
Classes e tabulação dos dados Exemplo:

• A classe i = 1 terá como limite inferior 150 cm (inclusive) e limite
Menor valor: 150
superior 154 cm (exclusive) ;
O limite superior da primeira classe deve ser o limite inferior da segunda
• A classe i = 2 terá como limite inferior 154 cm (inclusive) e superior 158
classe e assim por diante.
cm (exclusive) e assim por diante.
A convenção adotada para a representação de uma classe é a seguinte:
A tabela de frequências para as estaturas pode ser apresentada na
|− Limite inferior incluído na classe e superior não.
seguinte forma:
|−| Limite superior e inferior incluídos na classe.
35 36
9
09/03/2024
Tabela 3 - Distribuição de frequências Tabela 3 - Distribuição de frequências

Estatura de 40 alunos da faculdade A Estatura de 40 alunos da faculdade A
k Estaturas fi k Estaturas fi
(cm) (freq. simples) Exemplo:
1 150|−154 Na classe k=2, existem na 1 150|−154 Na classe k=2, existem na
2 amostra 9 alunos com estaturas
2 154|−158 amostra 9 alunos com estaturas
3 3
entre 154 cm (inclusive) e 158 cm entre 154 cm (inclusive) e 158 cm
4 4
(exclusive). (exclusive).
5 5
6 6
Total Total
37 38
Tabela 3 - Distribuição de frequências Tabela 3 - Distribuição de frequências

Estatura de 40 alunos da faculdade A Estatura de 40 alunos da faculdade A
k Estaturas fi k Estaturas fi
1 150|−154 Na classe k=2, existem na 1 150|−154 Na classe k=2, existem na
3 158|−162 3 158|−162
entre 154 cm (inclusive) e 158 cm entre 154 cm (inclusive) e 158 cm
4 4 162|−166
(exclusive). (exclusive).
5 5 166|−170
6 6 170|− 174
Total Total
39 40
10
09/03/2024
ROL Tabela 3 - Distribuição de frequências

Estatura de 40 alunos da faculdade A
150 154 155 157 160 161 162 164 166 169 k Estaturas fi
151 155 156 158 160 161 162 164 167 170
1 150|−154 4 Na classe k=2, existem na
152 155 156 158 160 161 163 164 168 172 2 154|−158 amostra 9 alunos com estaturas
3 158|−162
entre 154 cm (inclusive) e 158 cm
153 155 156 160 160 161 163 165 168 173 4 162|−166
(exclusive).
5 166|−170
6 170|−174
o menor valor da variável é 150 cm e o maior valor é 173 cm. Total
41 42
Tabela 3 - Distribuição de frequências

Estatura de 40 alunos da faculdade A
k Estaturas fi
1 150|−154 4 Na classe k=2, existem na
2 154|−158 9 amostra 9 alunos com estaturas
3 158|−162 11
entre 154 cm (inclusive) e 158 cm
4 162|−166 8
(exclusive).
5 166|−170 5
6 170|−174 3
Total  fi = 40
43 44
11
09/03/2024
li + Ls Tabela 4- Distribuição de freqüências

xi = → Ponto médio das classes i Estatura xi fi fri fri % Fi Fri Fri %
2 1 150|−154 152 4 0,100 10,0
2 154|−158 156 9 0, 225 22,5
3 158|−162 160 11 0, 275 27,5
4 162|−166 164 8 0, 200 20,0
5 166|−170 168 5 0, 125 12,5
6 170|−174 172 3 0, 075 7,5

 fi = 40  fri = 1
45 46
Tabela 4- Distribuição de freqüências Tabela 4- Distribuição de freqüências

i Estatura xi fi fri fri % Fi Fri Fri % i Estatura xi fi fri fri % Fi Fri Fri %
1 150|−154 152 4 0,100 10,0 4 1 150|−154 152 4 0,100 10 4
2 154|−158 156 9 0, 225 22,5 2 154|−158 156 9 0, 225 22,5 13
3 158|−162 160 11 0, 275 27,5 3 158|−162 160 11 0, 275 27,5
4 162|−166 164 8 0, 200 20,0 4 162|−166 164 8 0, 200 20
5 166|−170 168 5 0, 125 12,5 5 166|−170 168 5 0, 125 12,5
6 170|−174 172 3 0, 075 7,5 6 170|−174 172 3 0, 075 7,5

 fi = 40  fri = 1  fi = 40  fri = 1
47 48
12
09/03/2024

1 150|−154 152 4 0,100 10 4 1 150|−154 152 4 0,100 10 4
2 154|−158 156 9 0, 225 22,5 13 2 154|−158 156 9 0, 225 22,5 13
3 158|−162 160 11 0, 275 27,5 24 3 158|−162 160 11 0, 275 27,5 24
4 162|−166 164 8 0, 200 20 4 162|−166 164 8 0, 200 20 32
5 166|−170 168 5 0, 125 12,5 5 166|−170 168 5 0, 125 12,5
6 170|−174 172 3 0, 075 7,5 6 170|−174 172 3 0, 075 7,5

 fi = 40  fri = 1  fi = 40  fri = 1
49 50

1 150|−154 152 4 0,100 10 4 1 150|−154 152 4 0,100 10 4
2 154|−158 156 9 0, 225 22,5 13 2 154|−158 156 9 0, 225 22,5 13
3 158|−162 160 11 0, 275 27,5 24 3 158|−162 160 11 0, 275 27,5 24
4 162|−166 164 8 0, 200 20 32 4 162|−166 164 8 0, 200 20 32
5 166|−170 168 5 0, 125 12,5 37 5 166|−170 168 5 0, 125 12,5 37
6 170|−174 172 3 0, 075 7,5 6 170|−174 172 3 0, 075 7,5 40

 fi = 40  fri = 1  fi = 40  fri = 1
51 52
13
09/03/2024

1 150|−154 152 4 0,100 10 4 0, 100 1 150|−154 152 4 0,100 10 4 0, 100
2 154|−158 156 9 0, 225 22,5 13 2 154|−158 156 9 0, 225 22,5 13 0, 325
3 158|−162 160 11 0, 275 27,5 24 3 158|−162 160 11 0, 275 27,5 24
4 162|−166 164 8 0, 200 20 32 4 162|−166 164 8 0, 200 20 32
5 166|−170 168 5 0, 125 12,5 37 5 166|−170 168 5 0, 125 12,5 37
6 170|−174 172 3 0, 075 7,5 40 6 170|−174 172 3 0, 075 7,5 40

 fi = 40  fri = 1  fi = 40  fri = 1
53 54

i Estatura xi fi fri fri % Fi Fri Fri % K Estatura xi fi fri fri % Fi Fri Fri %
1 150|−154 152 4 0,100 10 4 0, 100 1 150|−154 152 4 0,100 10,0 4 0, 100 10,0
2 154|−158 156 9 0, 225 22,5 13 0, 325 2 154|−158 156 9 0, 225 22,5 13 0, 325 32,5
3 158|−162 160 11 0, 275 27,5 24 0, 600 3 158|−162 160 11 0, 275 27,5 24 0, 600 60,0
4 162|−166 164 8 0, 200 20 32 4 162|−166 164 8 0, 200 20,0 32 0, 800 80,0
5 166|−170 168 5 0, 125 12,5 37 5 166|−170 168 5 0, 125 12,5 37 0, 925 92,5
6 170|−174 172 3 0, 075 7,5 40 6 170|−174 172 3 0, 075 7,5 40 1, 000 100
 fi = 40  fri = 1  fi = 40  fri = 1
55 56
14
09/03/2024
Muitas vezes é necessário sumariar certas características das
distribuições de freqüências por meio de certas quantidades.
MEDIDAS DE POSIÇÃO Tais quantidades são usualmente denominadas medidas de
distribuição de freqüências, por procurarem quantificar alguns de
seus aspectos de interesse.
57
57 58
Temos assim, as chamadas medidas de posição, de Servem para localizar a distribuição de freqüências sobre o
eixo de variação da variável em questão.
dispersão, de assimetria e de achatamento ou curtose.
São usadas para indicar um valor que tende a tipificar ou a
As medidas de posição e de dispersão são, sem dúvida, as
representar melhor um conjunto de números.
mais importantes, tendo grande aplicação em problemas de
São as mais importantes, pelo fato de os dados observados
estatística Indutiva. tenderem, em geral, a se agruparem em torno dos valores centrais.
59 60
15
09/03/2024
TIPOS :
Objetivos: 02 03
01
• Entender como se dá a distribuição de dados em uma amostra e MÉDIA MEDIA MODA

ARITMÉT NA
como obter informações importantes do universo amostral; ICA Aquele que
Se Procura apresenta
comporta caracterizar a maior
• Conhecer os conceitos das medidas de tendência centrais: média com o o centro da
freqüência
ponto de distribuição
observada
aritmética (simples e ponderada), moda e mediana de uma amostra equilíbrio de
na tabela
dos freqüências de
finita; distribuição
valores
de
obtidos a
partir de freqüências
• Aplicar esses conceitos em diversas situações do nosso cotidiano. .
um
conjunto
de dados.
61 62
MÉDIA ARITMÉTICA
A média aritmética, ou simplesmente média, é uma medida de Quando nossa amostra ou população apresenta uma
tendência central que se comporta com o ponto de equilíbrio dos valores obtidos distribuição de freqüências aproximadamente simétrica e não
a partir de um conjunto de dados. apresenta valores muito deslocados, isto é, valores extremamente
afastados uns dos outros, sua utilização para estimar informações da
Dentre todas as medidas de tendência, talvez seja a mais popular, pois
amostra se torna mais eficiente.
desde o início de nossa vida escolar somos, obrigatoriamente, apresentados a
ela e nos habituamos com seu cálculo, que por ser simples é bastante utilizada
no nosso cotidiano.
63 64
16
09/03/2024
MÉDIA DOS DADOS NÃO AGRUPADOS

Valor da
Quando os dados do conjunto dos elementos numéricos não estiverem
variável
agrupados em classes, deve-se usar a fórmula abaixo para o cálculo das médias
Somatório
aritméticas: Frequência absoluta
da variável
n Média
 xi. fi aritmética
x= i =1
n
 fi
i =1
Total da
amostra
66
65 66
“A média pode não ser uma representação

honesta dos dados, pois é facilmente
influenciada pelos valores muito grandes ou
muito pequenos dentro do conjunto de
dados” (RUMSEY, 2016, p.46)
67
67 68
17
09/03/2024
Situação-problema: Desse modo, podemos expressar os dados de acordo com a seguinte

distribuição de frequências:
Em uma turma de uma escola de Medicina, um aluno registrou o batimento cardíaco por minuto de Nº de batimentos
seus colegas, obtendo os seguintes dados: cardíacos por 75 76 77 78 79 80 85 88 90 92
minuto
Observe que nesta tabela, muitos valores
75 76 77 78 79 80 85 88 90 92 Frequência 3 9 5 7 2 3 6 2 7 4
aparecem repetidas vezes.
75 76 78 78 90 76
Mais ainda, os dados encontram-se dispostos
78 76 90 92 75 76 77 85 Observamos, por exemplo, que ao todo 5 alunos da turma apresentaram
de modo aleatório, complicando uma análise
85 85 88 77 77 92 90 78
mais detalhada de seus elementos.
85 79 90 76 78 76 77 92 77 batimentos cardíacos por minuto.
90 76 85 80 90 80 78 76
Observamos ainda que a menor freqüência cardíaca observada foi 75
Assim, somos levados a produzir um tipo especial de tabela, a fim de facilitar o entendimento e a
análise dos seus dados. A esse tipo de tabela chamaremos de distribuição de frequências.
batimentos por minuto e que a maior foi 92 batimentos por minuto,
correspondendo a 3 e 4 alunos, respectivamente.
69 70
Assim, podemos ver que a média aritmética, ou simplesmente a média,

Vejamos com isso se aplica na nossa situação-problema: será dada por:
Nº de batimentos
cardíacos por (3 x75) + (9 x76) + (5 x77 ) + ... + (4 x92) 3922
75 76 77 78 79 80 85 88 90 92 Média = = = 81,7 .
minuto 48 48
Frequência 3 9 5 7 2 3 6 2 7 4 De modo geral, podemos dizer que na média a frequência cardíaca dos
alunos da turma foi de 81,7 batimentos por minuto.
Considerando inicialmente as freqüências cardíacas que apareceram, isto
é, desconsideramos as freqüências de cada uma delas. Isso significa dizer que se todos os batimentos fossem iguais, esse seria
Assim, os valores para os quais calcularemos a média aritmética serão: o valor encontrado.
Observe ainda que o valor da média aritmética é sempre maior ou igual
que menor valor e menor ou igual que o maior valor da lista de números.
71 72
18
09/03/2024
MEDIANA
A mediana é uma quantidade que, como a média, também procura caracterizar
Para calcular a mediana dos dados numéricos de uma tabela de o centro da distribuição de frequências, porém de acordo com um critério diferente. Ela
distribuição de freqüências, ordenamos estes valores de modo crescente ou é calculada com base na ordem dos valores que formam o conjunto de dados.
decrescente, repetindo-os de acordo com as suas respectivas frequências, e A definição garante que a mediana seja um valor central que divide o conjunto
tomamos o valor que divide esta tabela em dois grupos iguais, isto é, com a de dados em duas partes com o mesmo número de elementos. Em uma parte, todos
os elementos são menores que ou iguais à mediana; na outra parte, todos os
mesma quantidade de elementos.
elementos são maiores que ou iguais à mediana.
73 74
Me é o valor central da distribuição que a divide em duas partes iguais

(50% abaixo e 50% acima).
A mediana não sofre nenhum tipo de influência, por isso é sempre

recomendado interpretá-la junto da média.
75 76
75 76
19
09/03/2024
Frequência acumulada
MEDIANA PARA DADOS AGRUPADOS anterior à classe onde
está a mediana
Ponto médio da classe onde está a
Mediana
n 
 − Fac 
md = li +   xh
2
fmd
Mediana da
Intervalo da
tabela em
classe
classes Limite inferior Frequência
da classe onde absoluta da
está a Mediana classe onde
está a mediana
78
77 78
Com relação ao exemplo anterior verificaremos qual o valor da mediana:

Moda
Nº de batimentos Por definição, a moda de uma coleção de dados amostrais ou
cardíacos por minuto 75 76 77 78 79 80 85 88 90 92
populacionais é simplesmente o valor que aparece o maior número de vezes,
Frequência 3 9 5 7 2 3 6 2 7 4
isto é, aquele que apresenta a maior freqüência observada na tabela de
Frequência acumulada 3 12 17 24 26 29 35 37 44 48
distribuição de freqüências.
n + 1 48 + 1
= = 24,5(POSIÇÃO) Em amostras grandes ou com valores muito repetidos, há casos em que a
2 2
moda não é única, situações em que dois ou mais valores amostrais tenham
O elemento mediano está entre o 24ª e 25ª elemento da distribuição.
ocorrido com a mesma freqüência e esta quantidade de ocorrências seja
Olhamos para freqüência acumulada dos dados e observamos que o elemento
máxima.
78 + 79
que está entre o 24º e 25ª posição é o Md = = 78,5
2
79 80
20
09/03/2024
Assim, dependendo de cada caso, podemos ter distribuições Assim, vejamos:
monomodais, ou simplesmente modais, bimodais, trimodais ou ainda Nº de batimentos

cardíacos por 75 76 77 78 79 80 85 88 90 92
multimodais. minuto
Pode acontecer ainda o caso em que todos os valores amostrais tenham Frequência 3 9 5 7 2 3 6 2 7 4
apresentado o mesmo número de ocorrências, significando que neste caso não Observe que 76 batimentos cardíacos por minuto é o valor que mais aparece na tabela e
há moda, pois nenhum valor se destacou, configurando assim uma distribuição que sua frequência é 9.
Neste caso, dizemos 76 é a moda dessa amostra de dados estatísticos.
amodal.
81 82
Agora, considerando uma outra distribuição de frequências, poderíamos obter resultados

diferentes: MODA PARA DADOS AGRUPADOS
Nº de batimentos
cardíacos por 75 76 77 78 79 80 85 88 90 92
minuto
Frequência 2 4 8 7 2 8 6 2 8 4
Neste caso, temos uma distribuição trimodal com os valores de 77, 80 e 90 batimentos
cardíacos por minuto.
Por outro, lado a distribuição abaixo é amodal, visto que todos os valores apresentam a
mesma frequência:
Nº de batimentos
cardíacos por 75 76 77 78 79 80 85 88 90 92
minuto
Frequência 5 5 5 5 5 5 5 5 5 5
83 84
21
09/03/2024
Exemplos
1. Uma fábrica do Complexo Industrial de SUAPE para estimar o número de lâmpadas

l0 = lim ite inf erior da classe mod al consumidas por ano, registrou o tempo de duração das lâmpadas utilizadas em dias,
obtendo a seguinte tabela:
1 = Diferença entre a freq.abs.simples da classe mod al
21 25 23 28 19 a) Construa uma tabela de distribuição de
e a imediatamente anterior. frequências associada a esta tabela;
23 23 20 25 21
 2 = Diferença entre a freq.abs.simples da classe mod al b) Determine a média aritmética ponderada,
20 19 19 20 20 obtendo o tempo médio de duração de uma
e a imediatamente sup erior lâmpada;
25 28 28 20 21
h = amplitude das classes
20 19 19 25 19
c) Estime o número de lâmpadas necessárias durante um ano comercial para um ponto de luz
desta empresa.
85 86
2. O IBOPE pesquisou qual é o esporte preferido pelos moradores de uma certa cidade. Para
Solução: isto, entrevistou 2.500 pessoas, obtendo o seguinte resultado:
Inicialmente construímos uma tabela de distribição de frequências, respondendo assim o item Esporte Preferido Nº de pessoas
(a): a) Qual é o esporte que apresenta maior
Futebol 650 frequência nesta tabela?
Duração de uma
lâmpada (em dias) 19 20 21 23 25 28 Voleibol 350
b) E qual é o esporte que apresenta menor
Natação 420 frequência?
Freqüência 6 6 3 3 4 3
Tênis 280
c) Qual o percentual da população prefere
(b) Agora, podemos então calcular o tempo médio de duração de uma lâmpada: Basquete 300 voleibol?
19  6 + 20  6 + 21  3 + 23  3 + 25  4 + 28  3 550
TM = = = 22 dias . Boxe 220
6+ 6+3+3+ 4+3 25
Corrida 280
(c) Finalmente, podemos estimar o número de lâmpadas necessárias para manter um ponto de
luz durante um ano comercial: d) Você saberia dizer qual é o esporte da moda? Justifique sua opinião!
360 360
N= =  17 lâmpadas.
TM 22
87 88
22
09/03/2024
Solução: 4: Barulho é medido em decibéis, representado por dB. Um decibel

a) Note que o esporte que apresenta a maior corresponde ao nível do som mais fraco que pode ser ouvido em um local
Esporte Preferido Nº de pessoas
popularidade nesta tabela é o futebol com a
preferência de 650 pessoas.
Futebol 650 silencioso por alguém com boa audição. Um sussurro corresponde a cerca
Voleibol 350 b) Por outro lado, o esporte que apresenta a
menor popularidade é o boxe, preferido por de 30 dB; a voz humana em conservação normal corresponde a cerca de
Natação 420
220 pessoas.
Tênis 280
70dB; um rádio em volume alto cerca de 100 dB; desconforto para os
c) O percentual da população que prefere o
Basquete 300
voleibol é ouvidos geralmente ocorre de 120dB. Os dados abaixo correspondem aos
Boxe 220
350 7 níveis de barulho medidos em 36 horários diferentes em um determinado
Corrida 280
= = 14%.
2500 50
d) O esporte da moda é o futebol, pois como o próprio nome
local.
indica é a moda da tabela de frequências acima.
Prof.Ma. Karmem Werusca
89 90
Nível de barulho medidos em Decibéis em 36 pessoas

82 89 94 110 74 122 112 95 100 78 65 60
Nível de fi Fac Fri% xi xifi
90 83 87 75 114 85 69 94 124 115 107 88
Barulho
97 74 72 68 83 91 90 102 77 125 108 65 60 ├ 71 5 5 13,9% 65,5 327,5
71 ├ 82 6 11 16,7% 76,5 459
82 ├ 93 10 21 27,8% 87,5 875
Construa a distribuição de freqüência (absoluta, relativa, 93 ├ 104 6 27 16,7% 98,5 591
104 ├ 115 5 32 13,9% 109,5 547,5
acumulada). Determine a média, moda e mediana da distribuição. 115 ├ 126 4 36 11,1% 120,5 482
Total 36 ---- 100,1% ------ 3282
Fonte: Dados Fictícios
Prof.Ma. Karmem Werusca Prof.Ma. Karmem Werusca
91 92
23
09/03/2024
SOLUÇÃO: li = 82(lim . inf erior )
x=
 xi fi →x=
3282
= 91,2  fac = 11( fre.acum. da classe anterior a classe mediana)
 fi 36 fmd = 10( fre.abs. classe mediana)
n  h = 11(amplitude das classes )
 −  Fac  n 36
md = li +   xh
2 = = 18º ( posição)
(18 − 11) x11 → md = 89,7
fmd 2 2
md = 82 +
10
93 94
1
mo = li + xh 5: Um teste é uma prova destinada a avaliar certos conhecimentos, aptidões ou
1 +  2 funções. Neste sentido, o conceito relaciona-se com as avaliações e os
exames. Os testes de inteligência (igualmente conhecidos como teste de
li = 82 quociente intelectual ou teste de QI) visam avaliar a inteligência através de uma
1 = 10 − 6 = 4 medição estimativa do quociente intelectual. A noção de inteligência reside em
saber escolher as melhores opções disponíveis para solucionar ou resolver um
 2 = 10 − 6 = 4 problema. Posto isto, está relacionada com a capacidade de assimilar, de
entender e de elaborar informação para a utilizar de forma adequada.
h = 11 Considerando as notas de um teste de inteligência aplicado a 100 alunos do
curso de Engenharia de uma determinada Faculdade, apresentar os resultados
4 numa distribuição de freqüência absoluta e relativa e determine a média, moda
mo = 82 + x11 → mo = 87,5 e mediana das notas.
4+4
95 96
24
09/03/2024
Teste de inteligência (QI) em 100 alunos de um curso de

Engenharia
NOTAS fi FAC xi xifi %fri
62 ├ 68 5 5 65 325 5%
68 ├ 74 14 19 71 994 14%
74 ├ 80 16 35 77 1232 16%
80 ├ 86 24 59 83 1992 24%
86 ├ 92 16 75 89 1424 16%
92 ├ 98 13 88 95 1235 13%
98 ├ 104 10 98 101 1010 10%
104├ 110 2 100 107 214 2%
TOTAL 100 ---- ---- 8426 100%
Fonte: Dados Fictícios.
97 98
SOLUÇÃO:
Na estatística, em muitos casos, estudar uma população pode

x=
 x fi → x = 8426 = 84,26
i 1ª passo :
n 100
= = 50º ( posição)
 fi 100 2 2 se tornar algo trabalhoso, demorado e até inacessível. Nesses casos,
escolheremos uma parte representativa dessa população para ser
n 
 −  Fac estudada, que denominamos amostra.
md = li + 
2  xh → md = 80 +  50 − 35  x6  md = 83,75
  Nesta Unidade de Aprendizagem, abordaremos a amostragem,
fmd  24 
que é o processo utilizado para escolher a amostra de uma
1 8 população em estudo. Vamos distinguir os tipos de amostragem

mo = li + xh → mo = 80 + x6  mo = 83
1 +  2 8+8 aleatória e não aleatória, ressaltando as características de cada tipo e
as situações em que são utilizados.
99 100
25
09/03/2024
101 102
Entenda Note que!!

Variável Quantitativa
também! VARIÁVEL contínua é aquela que
Fonte/Imagem: https://vivernosenhor.files.wordpress.com/2013/05/apresentacao.jpg
VARIÁVEL quantitativa é aquela que mede

quantidade. Por exemplo: idade, altura, expressa uma medida como um
preço, quantidade de vendas, etc. valor real, por exemplo, peso e
altura.(resultado de medições)
VARIÁVEL qualitativa é aquela que indica uma
qualidade do indivíduo e pode ser separada em
categorias. Por exemplo, sexo: masculino ou VARIÁVEL discreta expressa o
feminino; nível de escolaridade: nível
fundamental, médio ou superior; satisfação: valor de uma contagem, por
baixa, média, alta e assim por diante. exemplo, idade, quantidade de
televisores numa casa, quantidade
de habitantes de uma cidade.

103 104
Werusca Werusca
103 104
26
09/03/2024
Exemplos de VARIÁVEIS Note que!!

Variável Qualitativa
a) O número de alunos de uma escola é uma VARIÁVEL ordinal é aquela que existe
variável discreta, pois pode assumir qualquer uma ordenação entre as categorias,
um dos valores: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, ... etc.
por exemplo, grau de escolaridade
.(fundamental , médio, superior)
b) As medidas das alturas de um grupo de
pessoas representam uma variável contínua, VARIÁVEL Nominal Não existe
pois podem assumir os valores: 1,70m; 1,75m;
1,80m; 1,65; etc. ordenação entre as categorias por
exemplo, tipo de sexo ( masculino
OBS: De um modo geral, as medições dão e feminino)
origem a variáveis contínuas e as contagens ou
enumerações, as variáveis discretas.

105 106
Werusca Werusca
105 106
Avaliando as variáveis , respondam o que se pede em

verdadeiro(V) e falso (F):
•A variável peso é do tipo quantitativa discreta.
•A variável estado civil é do tipo qualitativa nominal.
•A escolaridade e o estado civil são variáveis qualitativas.
•A variável número de filhos é do tipo quantitativa discreta.

107 108
Werusca Werusca
107 108
27
09/03/2024
AMOSTRA PROBABILÍSTICA E NÃO PROBABILÍSTICA
O processo de amostragem pode apresentar riscos,

uma vez que as conclusões são obtidas peara toda a
população com base em uma parte dela. Basicamente
existem duas técnicas de amostragem, a probabilística e a
não probabilística, que posteriormente se ramificam, como
observamos na figura 2.
109 110
• Amostragem casual ou aleatória simples

a. Numeramos os alunos de 01 a 90.
Este tipo de amostragem é equivalente a um sorteio lotérico.
b. Escrevemos os números, de 01 a 90, em pedaços iguais de um
Na prática, a amostragem casual ou aleatória simples pode ser
mesmo papel, colocando-se dentro de uma caixa.Agitamos sempre a
realizada numerando-se a população de 1 a n e sorteando-se, a
caixa para misturar bem os pedaços de papel e retiramos, um a um,
seguir, por meio de um dispositivo aleatório, k números dessa
neve números que formarão a amostra.Neste caso, 10% da
sequência, os quais corresponderão aos elementos pertencentes à
população.
amostra.
Quando p número de elementos da amostra é grande, esse tipo de
Exemplo: vamos obter uma amostra representativa para a pesquisa
sorteio torna-se muito trabalhoso. A fim de facilitá-lo, foi elaborado
da estatura de noventa alunos de uma escola:
uma tabela – Tabela de números Aleatórios
111 112
28
09/03/2024
• Amostragem proporcional estratificada

Exemplos:
Muitas vezes a população se divide em subpopulações – estratos. Supondo, no exemplo anterior, que, dos noventas alunos, 54
como é provável que a variável em estudo apresente, de estrato em estrato,
sejam meninos e 36 sejam meninas, vamos obter a amostra
um comportamento heterogêneo e , dentro de cada estrato, um comportamento
proporcional estratificada.
homogêneo, convém que o sorteio dos elementos da amostra empregamos a
Amostragem proporcional estratificada, que, além de considerar a existência dos São portanto, dois estratos (sexo masculino e sexo feminino) e
estratos, obtém os elementos da amostra proporcional ao número de elementos dos queremos uma amostra de 10% da população. Logo, temos:
mesmos.
113 114
• Amostragem Sistemática
SEXO POPULAÇÃO 10% AMOSTRA Quando os elementos da população já se acham ordenados, não
há necessidade de construir o sistema de referência.São exemplos os
MASCULINO 54 5,4 5
prontuários médicos de um hospital, os prédios de uma rua, as linhas de
FEMININO 36 3,6 4
produção etc. Nestes casos, a seleção dos elementos que construirão a
TOTAL 90 9,0 9 amostra pode ser feita por um sistema imposto pelo pesquisador.
115 116
29
09/03/2024
Exemplo:
Suponhamos uma rua contendo novecentos prédios, dos quais
desejamos obter uma amostra formada de cinqüenta prédios.Podemos,
neste caso, usar o seguinte procedimento : como 900/50 = 18,
escolhemos por sorteio casual um número de 1 a 18 (inclusive), o qual
indicaria o primeiro elemento sorteado para a amostra; os demais
elementos seriam periodicamente considerando de 18 em 18. Assim,
se o número sorteado fosse o 4, tomaríamos, pelo lado direito da rua, o
4º prédio, o 22º, o 40º etc., até voltarmos ao inicio da rua, pelo lado
esquerdo.
Prof.Ma. Karmem Werusca Prof.Ma. Karmem Werusca 118
117 118
30

Agenda: Estatística E Probabilidade

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Agenda: Estatística E Probabilidade

Enviado por

Direitos autorais:

Formatos disponíveis

09/03/2024

AGENDA A Estatística é uma ferramenta

5. Exemplos em detalhes; uma ciência meio, e não fim. Daí

6. Divisões básicas da Estatística; ter utilidade, como ciência de

7. Etapas da análise Estatística.

2. O que é Estatística; Avaliar a efetividade de uma nova droga para a cura do

4. População e amostra; Amostra: E agora?

Professora: Ma. Karmem

ANÁLISE E INTERPRETAÇÃO DOS DADOS: Última fase do trabalho estatístico

COLETA DE DADOS: Registro sistemático de dados, com um objetivo

APURAÇÃO DOS DADOS: Condensação e tabulação dos dados.

APRESENTAÇÃO DOS DADOS: Há duas formas de apresentação, que não se

• Organizando e contando dados; • Organizando e contando dados;

• Distribuição de freqüência (Tabelas); • Distribuição de freqüência (Tabelas);

• Dados agrupados em classe. • Dados agrupados em classe.

Professora: Ma. Karmem Werusca 19 Professora: Ma. Karmem Werusca 20

Os dados coletados da observação de um fenômeno, sem crescente na forma:

• Tipos de Variáveis; freqüências ou repetições de seus valores.

• Distribuição de freqüência (Tabelas); 2 3 0 2 1 1 1 3 2 5 0 0 0 0 0 0 1 1 1 1

• Dados agrupados em classe. 1 4 1 3 1 7 6 2 0 1 1 1 2 2 2 2 2 2 2 2

Professora: Ma. Karmem Werusca 23 Professora: Ma. Karmem Werusca 24

N° filhos N° casais Freq. Relativa %

* A notação sigma, , que é muito comum em Estatística, designa soma de números.

Professora: Ma. Karmem Werusca 25 Professora: Ma. Karmem Werusca 26

Exemplo: Exemplo: Sejam as alturas de 25 atletas.

Professora: Ma. Karmem Werusca 27 Professora: Ma. Karmem Werusca 28

o menor valor da variável é 150 cm e o maior valor é 173 cm.

Amplitude do amostra (AA)

Denotando por x a variável do problema temos:

AA = 173 – 150 = 23 logaritmo na base 10 de n.

Amplitude do intervalo de classe

Assim, a amplitude do intervalo de classe do nosso problema é dada por:

Classes e tabulação dos dados Exemplo:

Tabela 3 - Distribuição de frequências Tabela 3 - Distribuição de frequências

Tabela 3 - Distribuição de frequências Tabela 3 - Distribuição de frequências

ROL Tabela 3 - Distribuição de frequências

Tabela 3 - Distribuição de frequências

li + Ls Tabela 4- Distribuição de freqüências

2 154|−158 156 9 0, 225 22,5

3 158|−162 160 11 0, 275 27,5

4 162|−166 164 8 0, 200 20,0

5 166|−170 168 5 0, 125 12,5

6 170|−174 172 3 0, 075 7,5

Tabela 4- Distribuição de freqüências Tabela 4- Distribuição de freqüências

2 154|−158 156 9 0, 225 22,5 2 154|−158 156 9 0, 225 22,5 13

3 158|−162 160 11 0, 275 27,5 3 158|−162 160 11 0, 275 27,5

4 162|−166 164 8 0, 200 20,0 4 162|−166 164 8 0, 200 20

5 166|−170 168 5 0, 125 12,5 5 166|−170 168 5 0, 125 12,5

6 170|−174 172 3 0, 075 7,5 6 170|−174 172 3 0, 075 7,5

Tabela 4- Distribuição de freqüências Tabela 4- Distribuição de freqüências

2 154|−158 156 9 0, 225 22,5 13 2 154|−158 156 9 0, 225 22,5 13

3 158|−162 160 11 0, 275 27,5 24 3 158|−162 160 11 0, 275 27,5 24

4 162|−166 164 8 0, 200 20 4 162|−166 164 8 0, 200 20 32

5 166|−170 168 5 0, 125 12,5 5 166|−170 168 5 0, 125 12,5

6 170|−174 172 3 0, 075 7,5 6 170|−174 172 3 0, 075 7,5

Tabela 4- Distribuição de freqüências Tabela 4- Distribuição de freqüências

2 154|−158 156 9 0, 225 22,5 13 2 154|−158 156 9 0, 225 22,5 13

3 158|−162 160 11 0, 275 27,5 24 3 158|−162 160 11 0, 275 27,5 24

4 162|−166 164 8 0, 200 20 32 4 162|−166 164 8 0, 200 20 32

5 166|−170 168 5 0, 125 12,5 37 5 166|−170 168 5 0, 125 12,5 37

6 170|−174 172 3 0, 075 7,5 6 170|−174 172 3 0, 075 7,5 40

Tabela 4- Distribuição de freqüências Tabela 4- Distribuição de freqüências

2 154|−158 156 9 0, 225 22,5 13 2 154|−158 156 9 0, 225 22,5 13 0, 325