A NATUREZA DA ESTATÍSTICA

INTRODUÇÃO

ESTATÍSTICA: ramo da matemática aplicada.

ANTIGUIDADE: os povos já registravam o número de habitantes, nascimentos, óbitos. Faziam

"estatísticas".

IDADE MÉDIA: as informações eram tabuladas com finalidades tributárias e bélicas.

SEC. XVI : surgem as primeiras análises sistemáticas, as primeiras tabelas e os números relativos.

SEC. XVIII : a estatística com feição científica é batizada por GODOFREDO ACHENWALL. As tabelas
ficam mais completas, surgem as primeiras representações gráficas e os cálculos de probabilidades. A
estatística deixa de ser uma simples tabulação de dados numéricos para se tornar " O estudo de como
se chegar a conclusão sobre uma população, partindo da observação de partes dessa população
(amostra)".

.MÉTODO ESTATÍSTICO

MÉTODO: é um meio mais eficaz para atingir determidada meta.

MÉTODOS CIENTÍFICOS: destacamos o método experimental e o método estatístico.

MÉTODO EXPERIMENTAL: consiste em manter constante todas as causas, menos uma, que é sofre
variação para se observar seus efeitos, caso existam. Ex: Estudos da Química, Física, etc.

MÉTODO ESTATÍSTICO: diante da impossibilidade de manter as causas constantes(nas ciências

sociais), admitem todas essas causas presentes variando-as, registrando essas variações e procurando
determinar, no resultado final, que influências cabem a cada uma delas. Ex: Quais as causas que
definem o preço de uma mercadoria quando a sua oferta diminui?

Seria impossível, no momento da pesquisa, manter constantes a uniformidade dos salários, o gosto dos
consumidores, nível geral de preços de outros produtos, etc.

A ESTATÍSTICA

É uma parte da matemática aplicada que fornece metódos para coleta, organização, descrição, análise
e interpretação de dados e para a utilização dos mesmos na tomada de decisões.

A coleta, a organização ,a descrição dos dados, o cáculo e a interpretação de coeficientes pertencem à

ESTATÍSTICA DESCRITIVA, enquanto a análise e a interpretação dos dados, associado a uma margem
de incerteza, ficam a cargo da ESTATÍSTICA INDUTIVA ou INFERENCIAL, também chamada como a
medida da incerteza ou métodos que se fundamentam na teoria da probabilidade.

.FASES DO MÉTODO ESTATÍSTICO

1º - DEFINIÇÃO DO PROBLEMA : Saber exatamente aquilo que se pretende pesquisar é o mesmo que
definir corretamente o problema.

2º - PLANEJAMENTO : Como levantar informações ? Que dados deverão ser obtidos ? Qual
levantamento a ser utilizado ? Censitário ? Por amostragem ? E o cronograma de atividades ? Os
custos envolvidos ? etc.

3º - COLETA DE DADOS : Fase operacional. É o registro sistemático de dados, com um objetivo

determinado.
Dados primários: quando são publicados pela própria pessoa ou organização que os haja recolhido.
Ex: tabelas do censo demográfico do IBGE.

Dados secundários: quando são publicados pro outra organização. Ex: quando determinado jornal
publica estatísticas referentes ao censo demográfico extraídas do IBGE.

OBS: É mais seguro trabalhar com fontes primárias. O uso da fonte secundária traz o grande risco de
erros de transcrição.

Coleta Direta: quando é obtida diretamente da fonte. Ex: Empresa que realiza uma pesquisa para
saber a preferência dos consumidores pela sua marca.

A coleta direta pode ser : contínua (registros de nascimento, óbitos, casamentos, etc.),
periódica (recenseamento demográfico, censo industrial) e ocasional (registro de casos de dengue).

Coleta Indireta: É feita por deduções a partir dos elementos conseguidos pela coleta direta, por
analogia, por avaliação,indícios ou proporcionalização.

4º - APURAÇÃO DOS DADOS : Resumo dos dados através de sua contagem e agrupamento. É a
condensação e tabulação de dados.

5º - APRESENTAÇÃO DOS DADOS : Há duas forams de apresentação, que não se excluem

mutuamente. A apresentação tabular, ou seja é uma apresentação numérica dos dados em linhas e
colunas distribuídas de modo ordenado, segundo regras práticas fixadas pelo Conselho Nacional de
Estatística. A apresentação gráfica dos dados numéricos constitui uma apresentação geométrica
permitindo uma visão rápida e clara do fenômeno.

6º - ANÁLISE E INTERPRETAÇÃO DOS DADOS : A última fase do trabalho estatístico é a mais

importante e delicada. Está ligada essencialmente ao cálculo de medidas e coeficientes, cuja finalidade
principal é descrever o fenômeno (estatística descritiva). Na estatística indutiva a interpretação dos
dados se fundamentam na teoria da probabilidade.

DEFINIÇÕES BÁSICAS DA ESTATÍSTICA

.FENÔMENO ESTATÍSTICO: é qualquer evento que se pretenda analisar, cujo estudo seja possível da
aplicação do método estatístico. São divididos em três grupos:

Fenômenos de massa ou coletivo: são aqueles que não podem ser definidos por uma simples
observação. A estatística dedica-se ao estudo desses fenômenos. Ex: A natalidade na Grande Vitória, O
preço médio da cerveja no Espírito Santo, etc.

Fenômenos individuais:são aqueles que irão compor os fenômenos de massa. Ex: cada nascimento
na Grande Vitória, cada preço de cerveja no Espírito Santo, etc.

Fenômenos de multidão:quando a s carcterísticas observadas para a massa não se verificam para o

particular.

DADO ESTATÍSTICO: é um dado numérico e é considerado a matéria-prima sobre a qual iremos aplicar
os métodos estatísticos.

POPULAÇÃO: é o conjunto total de elementos portadores de, pelo menos, uma característica comum.

AMOSTRA: é uma parcela representativa da população que é examinada com o propósito de tirarmos
conclusões sobre a essa população.

PARÂMETROS: São valores singulares que existem na população e que servem para caracterizá-
la.Para definirmos um parâmetro devemos examinar toda a população.Ex: Os alunos do 2º ano da
FACEV têm em média 1,70 metros de estatura.
ESTIMATIVA: é um valor aproximado do parâmetro e é calculado com o uso da amostra.

ATRIBUTO: quando os dados estatísticos apresentam um caráter qualitativo, o levantamento e os

estudos necessários ao tratamento desses dados são designados genericamente de estatística de
atributo.

Exemplo de classificação dicotômica do atributo: A classificação dos alunos da FACEV quanto ao sexo.

atributo: sexo..........................

classe: alunos da FACEV

dicotomia: duas subclasses ( masculino e feminino)

Exemplo de classificação policotômica do atributo: Alunos da FACEV quanto ao estado civil.

atributo: estado civil............

classe: alunos da FACEV

dicotomia: mais de duas subclasses ( solteiro, casaso, divorciado, viúvo, etc.)

.VARIÁVEL: É, convencionalmente, o conjunto de resutados possíveis de um fenômeno.

VARIÁVEL QUALITATIVA: Quando seu valores são expressos por atributos: sexo, cor da pele,etc.

VARIÁVEL QUANTITATIVA: Quando os dados são de caráter nitidamente quantitativo, e o conjunto dos
resultados possui uma estrutura numérica, trata-se portanto da estatística de variável e se dividem em :

VARIÁVEL DISCRETA OU DESCONTÍNUA: Seus valores são expressos geralmente através de

números inteiros não negativos. Resulta normalmente de contagens.Ex: Nº de alunos presentes às
aulas de introdução à estatística econômica no 1º semestre de 1997: mar = 18 , abr = 30 , mai = 35 , jun
= 36.

VARIÁVEL CONTÍNUA: Resulta normalmente de uma mensuração, e a escala numérica de seus

possíveis valores corresponde ao conjunto R dos números Reais, ou seja, podem assumir,
teoricamente, qualquer valor entre dois limites. Ex.: Quando você vai medir a temperatura de seu corpo
com um termômetro de mercúrio o que ocorre é o seguinte: O filete de mercúrio, ao dilatar-se, passará
por todas as temperaturas intermediárias até chegar na temperatura atual do seu corpo.

EXERCÍCIO - Classifique as variáveis em qualitativas ou quantitativas (contínuas ou discretas):

. Cor dos olhos das alunas...

Resp:qualitativa

. Índice de liquidez nas índústrias capixaba...

Resp:quantitativa contínua

. Produção de café no Brasil...

Resp:quantitativa contínua

. Número de defeitos em aparelhos de TV...

Resp:quantitativa discreta
. Comprimento dos pregos produzidos por uma empresa...

Resp:quantitativa contínua

. O ponto obtido em cada jogada de um dado...

Resp:quantitativa discreta

AMOSTRAGEM

MÉTODOS PROBABILÍSTICOS

Exige que cada elemento da população possua determinada probabilidade de ser selecionado.
Normalmente possuem a mesma probabilidade. Assim, se N for o tamanho da população, a
probabilidade de cada elemento será 1/N. trata-se do método que garante cientificamente a aplicação
das técnicas estatísitcas de inferências. Somente com base em amostragens probabilísticas é que se
podem realizar inferências ou induções sobre a população a partir do conhecimento da amostra.

É uma técnica especial para recolher amostras, que garantem, tanto quanto possível, o acaso na
escolha.

.AMOSTRAGEM CASUAL OU ALEATÓRIA SIMPLES:

É o processo mais elementar e frequentemente utilizado. É equivalente a um sorteio lotérico. Pode ser
realizada numerando-se a população de 1 a n e sorteando-se, a seguir, por meio de um dispositivo
aleatório qualquer, x números dessa sequência, os quais corresponderão aos elementos pertencentes à
amostra.

Exemplo: Vamos obter uma amostra, de 10%, representativa para a pesquisa da estatura de 90 alunos
de uma escola:

1º - numeramos os alunos de 1 a 90.

2º - escrevemos os números dos alunos, de 1 a 90, em pedaços iguais de papel, colocamos na urna e
após mistura retiramos, um a um, nove números que formarão a amostra.

OBS: quando o número de elementos da amostra é muito grande, esse tipo de sorteio torna-se muito
trabalhoso. Neste caso utiliza-se uma Tabela de números aleatórios, construída de modo que os
algarismos de 0 a 9 são distribuídos ao acaso nas linhas e colunas.

..AMOSTRAGEM PROPORCIONAL ESTRATIFICADA:

Quando a população se divide em estratos (subpopulações), convém que o sorteio dos elementos da
amostra leve em consideração tais estratos, daí obtemos os elementos da amostra proporcional ao
número de elementos desses estratos.

Exemplo: Vamos obter uma amostra proporcional estratificada, de 10%, do exemplo anterior, supondo,
que, dos 90 alunos, 54 sejam meninos e 36 sejam meninas. São portanto dois estratos (sexo masculino
e sexo feminino). Logo, temos:

SEXO POPULACÃO 10 % AMOSTRA

MASC. 54 5,4 5
FEMIN. 36 3,6 4
Total 90 9,0 9
Numeramos então os alunos de 01 a 90, sendo 01 a 54 meninos e 55 a 90, meninas e procedemos o
sorteio casual com urna ou tabela de números aleatórios.

.AMOSTRAGEM SISTEMÁTICA:

Quando os elementos da população já se acham ordenados, não há necessidade de construir o sitema

de referência. São exemplos os prontuários médicos de um hospital, os prédios de uma rua, etc. Nestes
casos, a seleção dos elementos que constituirão a amostra pode ser feita por um sistema imposto pelo
pesquisador.

Exemplo: Suponhamos uma rua com 900 casas, das quais desejamos obter uma amostra formada por
50 casas para uma pesquisa de opinião. Podemos, neste caso, usar o seguinte procedimento: como
900/50 = 18, escolhemos por sorteio casual um número de 01 a 18, o qual indicaria o primeiro elemento
sorteado para a amostra; os demais elementos seriam periodicamente considerados de 18 em 18.
Assim, suponhamos que o número sorteado fosse 4 a amostra seria: 4ª casa, 22ª casa, 40ª casa, 58ª
casa, 76ª casa, etc.

AMOSTRAGEM POR CONGLOMERADOS (OU AGRUPAMENTOS)

Algumas populações não permitem, ou tornam extremamente difícil que se identifiquem seus
elementos. Não obstante isso, pode ser relativamente fácil identificar alguns subgrupos da população.
Em tais casos, uma amostra aleatória simples desses subgrupos (conglomerados) pode se colhida, e
uma contagem completa deve ser feita para o conglomerado sorteado. Agrupamentos típicos são
quarteirões, famílias, organizações, agências, edifícios etc.

Exemplo:

Num levantamento da população de determinada cidade, podemos dispor do mapa indicando cada
quarteirão e não dispor de uma relação atualizada dos seus moradores. Pode-se, então, colher uma
amostra dos quarteirões e fazer a contagem completa de todos os que residem naqueles quarteirões
sorteados.

MÉTODOS NÃO PROBABILÍSITCOS

São amostragens em que há uma escolha deliberada dos elementos da amostra. Não é possível
generalizar os resultados das pesquisas para a população, pois as amostras não-probabilísticas não
garantem a representatividade da população.

AMOSTRAGEM ACIDENTAL

Trata-se de uma amostra formada por aqueles elementos que vão aparecendo, que são possíveis de se
obter até completar o número de elementos da amostra. Geralmente utilizada em pesquisas de opinião,
em que os entrevistados são acidentalmente escolhidos.

Exemplos: Pesquisas de opinião em praças públicas, ruas movimentadas de grandes cidades etc.

AMOSTRAGEM INTENCIONAL

De acordo com determinado critério, é escolhido intencionalmente um grupo de elementos que irão
compor a amostra. O investigador se dirige intencionalmente a grupos de elementos dos quais deseja
saber a opinião.

Exemplo: Numa pesquisa sobre preferência por determinado cosmético, o pesquisador se dirige a um
grande salão de beleza e entrevista as pessoas que ali se encontram.

AMOSTRAGEM POR QUOTAS

Um dos métodos de amostragem mais comumente usados em levantamentos de mercado e em prévias
eleitorais. Ele abrange três fases:

1ª - classificação da população em termos de propriedades que se sabe, ou presume, serem relevantes

para a característica a ser estudada;

2ª - determinação da proporção da população para cada característica, com base na constituição

conhecida, presumida ou estimada, da população;

3ª - fixação de quotas para cada entrevistador a quem tocará a responsabilidade de selecionar

entrevistados, de modo que a amostra total observada ou entrevistada contenha a proporção e cada
classe tal como determinada na 2ª fase.

Exemplo: Numa pesquisa sobre o "trabalho das mulheres na atualidade". Provavelmente se terá
interesse em considerar: a divisão cidade e campo, a habitação, o número de filhos, a idade dos filhos,
a renda média, as faixas etárias etc.

A primeira tarefa é descobrir as proporções (porcentagens) dessas características na população.

Imagina-se que haja 47% de homens e 53% de mulheres na população. Logo, uma amostra de 50
pessoas deverá ter 23 homens e 27 mulheres. Então o pesquisador receberá uma "quota" para
entrevistar 27 mulheres. A consideração de várias categorias exigirá uma composição amostral que
atenda ao n determinado e às proporções populacionais estipuladas.

.EXERCÍCIOS:

1- Uma escola de 1º grau abriga 124 alunos. Obtenha uma amostra representativa correspondente a
15% da população, utilizando a partir do início da 5ª linha da Tabela de números aleatórios.

2- Tenho 80 lâmpadas numeradas numa caixa. Como obtemos uma amostra de 12 lâmpadas ?

3- Uma população encontra-se dividida em três estratos,com tamanhos, respecivamente, n1= 40, n2=
100 e n3= 60. Sabendo que, ao realizar uma amostragem estratificada proporcional, 9 elementos da
amostra foram retiratos do 3º estrato, determine o número de elementos da amostra.

4- Mostre como seria possível retirar uma amostra de 32 elementos de uma população ordenada
formada por 2.432 elementos. Na ordenação geral, qual dos elementos abaixo seria escolhido para
pertencer a amostra, sabendo-se que o elemento 1.420º a ela pertence ?

1.648º , 290º , 725º , 2.025º ou 1.120º

SÉRIES ESTATÍSTICAS

TABELA: É um quadro que resume um conjunto de dados dispostos segundo linhas e colunas de
maneira sistemática.

De acordo com a Resolução 886 do IBGE, nas casas ou células da tabela devemos colocar :

• um traço horizontal ( - ) quando o valor é zero;

• três pontos ( ... ) quando não temos os dados;
• zero ( 0 ) quando o valor é muito pequeno para ser expresso pela unidade utilizada;
• um ponto de interrogação ( ? ) quando temos dúvida quanto à exatidão de determinado valor.

Obs: O lado direito e esquerdo de uma tabela oficial deve ser aberto. "Salientamos que nestes
documentos as tabelas não serão abertas devido a limitações do editor html".

.
SÉRIE ESTATÍSTICA:

É qualquer tabela que apresenta a distribuição de um conjunto de dados estatísticos em função da

época, do local ou da espécie.

Séries Homógradas: são aquelas em que a variável descrita apresenta variação discreta ou
descontínua. Podem ser do tipo temporal, geográfica ou específica.

a) Série Temporal: Identifica-se pelo caráter variável do fator cronológico. O local e a espécie
(fenômemo) são elementos fixos. Esta série também é chamada de histórica ou evolutiva.

ABC VEÍCLULOS LTDA.

Vendas no 1º bimestre de 1996

PERÍODO UNIDADES VENDIDAS *

JAN/96 20
FEV/96 10
TOTAL 30

* Em mil unidades.

b) Série Geográfica: Apresenta como elemento variável o fator geográfico. A época e o fato (espécie)
são elementos fixos. Também é chamada de espacial, territorial ou de localização.

ABC VEÍCLULOS LTDA.

Vendas no 1º bimestre de 1996

FILIAIS UNIDADES VENDIDAS *

São Paulo 13
Rio de Janeiro 1 7
TOTAL 30

* Em mil unidades

c) Série Específica: O caráter variável é apenas o fato ou espécie. Também é chamada de série
categórica.

ABC VEÍCLULOS LTDA.

Vendas no 1º bimestre de 1996

MARCA UNIDADES VENDIDAS *

FIAT 18
GM 12
TOTAL 3 0

* Em mil unidades

SÉRIES CONJUGADAS: Também chamadas de tabelas de dupla entrada. São apropriadas à

apresentação de duas ou mais séries de maneira conjugada, havendo duas ordens de classificação:
uma horizontal e outra vertical. O exemplo abaixo é de uma série geográfica-temporal.
ABC VEÍCLULOS LTDA.

Vendas no 1º bimestre de 1996

FILIAIS Janeiro/96 Fevereiro/96

São Paulo 10 3
Rio de Janeiro 1 2 5
TOTAL 22 8

* Em mil unidades

Obs: as séries heterógradas serão estudas em capítulo especial ( distribuição de frequências ).

GRÁFICOS ESTATÍSTICOSGGG

São representações visuais dos dados estatísticos que devem corresponder, mas nunca substituir as
tabelas estatísticas.

Características:

Uso de escalas, sistema de coordenadas, simplicidade, clareza e veracidade.

Gráficos de informação: São gráficos destinados principalmente ao público em geral, objetivando

proporcionar uma visualização rápida e clara. São gráficos tipicamente expositivos, dispensando
comentários explicativos adicionais. As legendas podem ser omitidas, desde que as informações
desejadas estejam presentes.

Gráficos de análise: São gráficos que prestam-se melhor ao trabalho estatístico, fornecendo
elementos úteis à fase de análise dos dados, sem deixar de ser também informativos. Os gráficos de
análise frequentemente vêm acompanahdos de uma tabela estatística. Inclui-se, muitas vezes um texto
explicativo, chamando a atenção do leitor para os pontos principais revelados pelo gráfico.

Uso indevido de Gráficos: Podem trazer uma idéia falsa dos dados que estão sendo analisados,
chegando mesmo a confundir o leitor. Trata-se, na realidade, de um problema de construção de escalas.

.Classificação dos gráficos: Diagramas, Estereogramas, Pictogramas e Cartogramas..

1 - Diagramas:

São gráficos geométricos dispostos em duas dimensões. São os mais usados na representação de
séries estatísticas. Eles podem ser :

1.1- Gráficos em barras horizontais.

1.2- Gráficos em barras verticais ( colunas ).

Quando as legendas não são breves usa-se de preferência os gráficos em barras horizontais. Nesses
gráficos os retângulos têm a mesma base e as alturas são proporcionais aos respectivos dados. A
ordem a ser observada é a cronológica, se a série for histórica, e a decrescente, se for geográfica ou
categórica.
1.3- Gráficos em barras compostas.

1.4- Gráficos em colunas superpostas.

Eles diferem dos gráficos em barras ou colunas convencionais apenas pelo fato de apresentar cada
barra ou coluna segmentada em partes componentes. Servem para representar comparativamente dois
ou mais atributos.

1.5- Gráficos em linhas ou lineares.

São frequentemente usados para representação de séries cronológicas com um grande número de
períodos de tempo. As linhas são mais eficientes do que as colunas, quando existem intensas
flutuações nas séries ou quando há necessidade de se representarem várias séries em um mesmo
gráfico.

Quando representamos, em um mesmo sistema de coordenadas, a variação de dois fenômenos, a

parte interna da figura formada pelos gráficos desses fenômeno é denomidada de área de excesso.

1.5- Gráficos em setores.

Este gráfico é contruído com base em um círculo, e é empregado sempre que desejamos ressaltar a
participação do dado no total. O total é representado pelo círculo, que fica dividido em tantos setores
quantas são as partes. Os setores são tais que suas áreas são respectivamente proporcionais aos
dados da série. O gráfico em setores só deve ser empregado quando há, no máximo, sete dados.

Obs: As séries temporais geralmente não são representadas por este tipo de gráfico.

.2 - Estereogramas:

São gráficos geométricos dispostos em três dimensões, pois representam volume. São usados nas
representações gráficas das tabelas de dupla entrada. Em alguns casos este tipo de gráfico fica difícil
de ser interpretado dada a pequena precisão que oferecem.

3 - Pictogramas:

São construídos a partir de figuras representativas da intensidade do fenômeno. Este tipo de gráfico tem
a vantagem de despertar a atenção do público leigo, pois sua forma é atraente e sugestiva. Os símbolos
deven ser auto-explicativos. A desvantagem dos pictogramas é que apenas mostram uma visão geral do
fenômeno, e não de detalhes minuciosos. Veja o exemplo abaixo:

4- Cartogramas: São ilustrações relativas a cartas geográficas (mapas). O objetivo desse gráfico é o de
figurar os dados estatísticos diretamente relacionados com áreas geográficas ou políticas.
DISTRIBUIÇÃO DE FREQUÊNCIA

É um tipo de tabela que condensa uma coleção de dados conforme as frequências (repetições de seus
valores).

Tabela primitiva ou dados brutos:É uma tabela ou relação de elementos que não foram
numericamente organizados. É difícil formarmos uma idéia exata do comportamento do grupo como um
todo, a partir de dados não ordenados.

Ex : 45, 41, 42, 41, 42 43, 44, 41 ,50, 46, 50, 46, 60, 54, 52, 58, 57, 58, 60, 51

ROL:É a tabela obtida após a ordenação dos dados (crescente ou decrescente).

Ex : 41, 41, 41, 42, 42 43, 44, 45 ,46, 46, 50, 50, 51, 52, 54, 57, 58, 58, 60, 60

Distribuição de frequência sem intervalos de classe:É a simples condensação dos dados conforme
as repetições de seu valores. Para um ROL de tamanho razoável esta distribuição de frequência é
inconveniente, já que exige muito espaço. Veja exempo abaixo:

Dados Frequência
41 3
42 2
43 1
44 1
45 1
46 2
50 2
51 1
52 1
54 1
57 1
58 2
60 2
Total 20

Distribuição de frequência com intervalos de classe:Quando o tamanho da amostra é elevado é

mais racional efetuar o agrupamento dos valores em vários intervalos de classe.

Classes Freqências
41 |------- 45 7
 45 |------- 49 3
49 |------- 53 4
53 |------- 57 1
57 |------- 61 5
Total 20

ELEMENTOS DE UMA DISTRIBUIÇÃO DE FREQUÊNCIA (com intervalos de classe):

CLASSE: são os intervalos de variação da variável e é simbolizada por i e o número total de classes
simbolizada por k. Ex: na tabela anterior k=5 e 49 |------- 53 é a 3ª classe, onde i=3.

LIMITES DE CLASSE: são os extremos de cada classe. O menor número é o limite inferior de classe (li)
e o maior número, limite superior de classe(Li). Ex: em 49 |------- 53... l3= 49 e L3= 53. O símbolo |-------
representa um intervalo fechado à esquerda e aberto à direita. O dado 53 do ROL não pertence a
classe 3 e sim a classe 4 representada por 53 |------- 57.

AMPLITUDE DO INTERVALO DE CLASSE: é obtida através da diferença entre o limite superior e

inferior da classe e é simbolizada por hi = Li - li. Ex: na tabela anterior hi= 53 - 49 = 4. Obs: Na
distribuição de frequência c/ classe o hi será igual em todas as classes.

AMPLITUDE TOTAL DA DISTRIBUIÇÃO: é a diferença entre o limite superior da última classe e o limite
inferior da primeira classe. AT = L(max) - l(min). Ex: na tabela anterior AT = 61 - 41= 20.

AMPLITUDE TOTAL DA AMOSTRA (ROL): é a diferença entre o valor máximo e o valor mínimo da
amostra (ROL). Onde AA = Xmax - Xmin. Em nosso exemplo AA = 60 - 41 = 19.

Obs: AT sempre será maior que AA.

PONTO MÉDIO DE CLASSE: é o ponto que divide o intervalo de classe em duas partes iguais. .......Ex:
em 49 |------- 53 o ponto médio x3 = (53+49)/2 = 51, ou seja x3=(l3+L3)/2.

MÉTODO PRÁTICO PARA CONSTRUÇÃO DE UMA DIST. DE FREQUÊNCIAS C/ CLASSE:

1º - Organize os dados brutos em um ROL.

2º - Calcule a amplitude amostral AA.

No nosso exmplo: AA =60 - 41 =19

3º - Calcule o número de classes através da "Regra de Sturges":

n i= nº de classes
3 |-----| 5 3
6 |-----| 11 4
12 |-----| 22 5
23 |-----| 46 6
47 |-----| 90 7
91 |-----| 181 8
182 |-----| 362 9

Obs: Qualquer regra para determinação do nº de classes da tabela não nos levam a uma decisão final;
esta vai depender, na realidade de um julgamento pessoal, que deve estar ligado à natureza dos dados.
No nosso exemplo: n = 20 dados, então ,a princípio, a regra sugere a adoção de 5 classes.

4º - Decidido o nº de classes, calcule então a amplitude do intervalo de classe h > AA/i.

No nosso exemplo: AA/i = 19/5 = 3,8 . Obs:Como h > AA/i um valor ligeiramente superior para haver
folga na última classe. Utilizaremos então h = 4

5º - Temos então o menor nº da amostra, o nº de classes e a amplitude do intervalo. Podemos montar a

tabela, com o cuidado para não aparecer classes com frequência = 0 (zero).

No nosso exemplo: o menor nº da amostra = 41 + h = 45, logo a primeira classe será representada por
...... 41 |------- 45. As classes seguintes respeitarão o mesmo procedimento.

O primeiro elemento das classes seguintes sempre serão formadas pelo último elemento da classe
anterior.

REPRESENTAÇÃO GRÁFICA DE UMA DISTRIBUIÇÃO

.Histograma, Polígono de frequência e Polígono de frequência acumulada

Em todos os gráficos acima utilizamos o primeiro quadrante do sitema de eixos coordenados

cartesianos ortogonais. Na linha horizontal (eixo das abscissas) colocamos os valores da variável e na
linha vertical (eixo das ordenadas), as frequências.

.Histograma: é formado por um conjunto de retângulos justapostos, cujas bases se localizam sobre o
eixo horizontal, de tal modo que seus pontos médios coincidam com os pontos médios dos intervalos de
classe. A área de um histograma é proporcional à soma das frequências simples ou absolutas.

Frequências simples ou absolutas: são os valores que realmente representam o número de dados de
cada classe. A soma das frequências simples é igual ao número total dos dados da distribuição.

Frequências relativas: são os valores das razões entre as frequências absolutas de cada classe e a
frequência total da distribuição. A soma das frequências relativas é igual a 1 (100 %).

Polígono de frequência: é um gráfico em linha, sendo as frequências marcadas sobre perpendiculares

ao eixo hotizontal, levantadas pelos pontos médios dos intervalos de classe. Para realmente obtermos
um polígono (linha fechada), devemos completar a figura, ligando os extremos da linha obtida aos
pontos médios da classe anterior à primeira e da posteior à última, da distribuição.

.Polígono de frequência acumulada: é traçado marcando-se as frequências acumuladas sobre

perpendiculares ao eixo horzontal, levantadas nos pontos correspondentes aos limites superiores dos
intervalos de classe.

Frequência simples acumulada de uma classe:é o total das frequências de todos os valores
inferiores ao limite superior do intervalo de uma determida classe.

Frequência relativa acumulada de um classe:é a frequência acumulada da classe, dividida pela

frequência total da distribuição.

...CLASSE.. ......fi..... .....xi..... .....fri..... .....Fi..... ......Fri.....

50 |-------- 54 4 52 0,100 4 0,100
54 |-------- 58 9 56 0,225 13 0,325
58 |-------- 62 11 60 0,275 24 0,600
62 |-------- 66 8 64 0,200 32 0,800
 66 |-------- 70 5 68 0,125 37 0,925
70 |-------- 74 3 72 0,075 40 1,000
Total 40 1,000

Exercício: (Com base na tabela acima)

Sendo fi= freq. simples; xi= ponto médio de classe; fri= freq. simples acumulada; Fi= freq. relativa e
Fri= freq. relativa acumulada. Construa o histograma, polígono de frequência e polígono de freq.
acumulada:

Obs: uma distribuição de frequência sem intervalos de classe é representada graficamente por um
diagrama onde cada valor da variável é representado por um segmento de reta vertical e de
comprimento proporcional à respectiva frequência.

.A Curva de Frequência ( Curva polida):

Enquanto o polígono de frequência nos dá a imagem real do fenômeno estudado, a curva de

frequência nos dá a imagem tendencial. O polimento (geometricamente, corresponde à eliminação dos
vértices da linha poligonal) de um polígono de frequência nos mostra o que seria tal polígono com um
número maior de dados em amostras mais amplas.

Consegue-se isso com o emprego de uma fórmula bastante simples:

fci = ( fant + 2fi + fpost ) / 4...........onde:

fci = frequência calculada da classe considerada (freq. polida)

fi = frequência simples da classe considerada

fant = frequência simples da classe anterior à da classe considerada

fpost = frequência simples da classe posterior à da classe considerada

.Exercício:

Com base na tabela anterior, construa o gráfico da curva polida a partir das frequências calculadas:

MEDIDAS DE POSIÇÃO

Introdução

São as estatísticas que representam uma série de dados orientando-nos quanto à posição da
distribuição em relação ao eixo horizontal do gráfico da curva de frequência.

As medidas de posições mais importantes são as medidas de tendência central ou promédias

(verifica-se uma tendência dos dados observados a se agruparem em torno dos valores centrais).

As medidas de tendência central mais utilizadas são: média aritmética, moda e mediana. Outros
promédios menos usados são as médias: geométrica, harmônica, quadrática, cúbica e biquadrática.

As outras medidas de posição são as separatrizes, que englobam: a própria mediana, os decis, os
quartis e os percentis.

.MÉDIA ARITMÉTICA =
É igual ao quociente entre a soma dos valores do conjunto e o número total dos valores.

......onde xi são os valores da variável e n o número de valores.

.Dados não-agrupados:

Quando desejamos conhecer a média dos dados não-agrupados em tabelas de frequências,

determinamos a média aritmética simples.

Exemplo: Sabendo-se que a venda diária de arroz tipo A, durante uma semana, foi de 10, 14, 13, 15,
16, 18 e 12 kilos, temos, para venda média diária na semana de:

.= (10+14+13+15+16+18+12) / 7 = 14 kilos

Desvio em relação à média: é a diferença entre cada elemento de um conjunto de valores e a média
aritmética, ou seja:.. di = Xi -

No exemplo anterior temos sete desvios:... d1 = 10 - 14 = - 4 , ...d2 = 14 - 14 = 0 , ...d3 = 13 - 14 = - 1 ,

...d4 = 15 - 14 = 1 ,... d5 = 16 - 14 = 2 ,... d6 = 18 - 14 = 4 ...e... d7 = 12 - 14 = - 2.

.Propriedades da média

1ª propriedade: A soma algébrica dos desvios em relação à média é nula.

No exemplo anterior : d1+d2+d3+d4+d5+d6+d7 = 0

2ª propriedade: Somando-se (ou subtraindo-se) uma constante (c) a todos os valores de uma
variável, a média do conjunto fica aumentada ( ou diminuida) dessa constante.

Se no exemplo original somarmos a constante 2 a cada um dos valores da variável temos:

Y = 12+16+15+17+18+20+14 / 7 = 16 kilos ou

Y= .+ 2 = 14 +2 = 16 kilos

3ª propriedade: Multiplicando-se (ou dividindo-se) todos os valores de uma variável por uma
constante (c), a média do conjunto fica multiplicada ( ou dividida) por essa constante.

Se no exemplo original multiplicarmos a constante 3 a cada um dos valores da variável temos:

Y = 30+42+39+45+48+54+36 / 7 = 42 kilos ou

Y= x 3 = 14 x 3 = 42 kilos

.Dados agrupados:

Sem intervalos de classe

Consideremos a distribuição relativa a 34 famílias de quatro filhos, tomando para variável o número de
filhos do sexo masculino. Calcularemos a quantidade média de meninos por família:

Nº de meninos frequência = fi
 0 2
1 6
2 10
3 12
4 4
total 34

Como as frequências são números indicadores da intensidade de cada valor da variável, elas funcionam
como fatores de ponderação, o que nos leva a calcular a média aritmética ponderada, dada pela
fórmula:

..xi. ..fi. ..xi.fi .

0 2 0
1 6 6
2 10 20
3 12 36
4 4 16
total 34 78

onde 78 / 34 = 2,3 meninos por família

Com intervalos de classe

Neste caso, convencionamos que todos os valores incluídos em um determinado intervalo de classe
coincidem com o seu ponto médio, e determinamos a média aritmética ponderada por meio da fórmula:

..onde Xi é o ponto médio da classe.

Exemplo: Calcular a estatura média de bebês conforme a tabela abaixo.

Estaturas (cm) frequência = fi ponto médio = xi ..xi.fi.

50 |------------ 54 4 52 208
54 |------------ 58 9 56 504
58 |------------ 62 11 60 660
62 |------------ 66 8 64 512
66 |------------ 70 5 68 340
70 |------------ 74 3 72 216
Total 40 2.440

Aplicando a fórmula acima temos: 2.440 / 40.= 61. logo... = 61 cm

Média Geométrica

É a raiz n-ésima do produto de todos eles.

Média Geométrica Simples: ou .

Exemplo - Calcular a média geométrica dos seguintes conjuntos de números:E

a) { 10, 60, 360 }........ no excel : =(10*60*360)^(1/3) ....R: 60

b) { 2, 2, 2 }........ no excel : =(2*2*2)^(1/3) ....R: 2

c) { 1, 4, 16, 64 }........ no excel : =(1*4*16*64)^(1/4) ....R: 8

Média Geométrica Ponderada : ou ..

Exemplo - Calcular a média geométrica dos valores da tabela abaixo:

...xi... ...fi...
1 2
3 4
9 2
27 1
total 9

No excel.......=(1^2*3^4*9^2*27^1)^(1/9)........R: 3,8296

Propriedades da Média Geométrica

1ª propriedade: O produto dos quocientes de cada valor de um conjunto de números pela média
geométrica do conjunto é = 1.

Exemplo - Comprovar a 1ª propriedade da média geométrica com os dados { 10, 60, 360 }

g = 60... onde... 10/60 x 60/60 x 360/60 = 1

.2ª propriedade: Séries que apresentam o mesmo número de elementos com o mesmo produto têm a
mesma média geométrica.

Exemplo - Comprovar a 2ª propriedade da média geométrica com os dados:

a = {8 e 12,5}.........b = {2 e 50}

ga = 10 ..................... gb = 10

3ª propriedade: A média geométrica é menor ou igual a média aritmética.

A desigualdade g < ..sempre se verifica, quando os valores da série forem positivos e nem todos
iguais. Se entre eles houver um ou mais zeros, a média geométrica será nula.

A igualdade g= ..só ocorrerá quando todos os valores da série forem iguais.

.4ª propriedade: Quanto maior a diferença entre os valores originais maior será diferença entre as
médias aritmética e geométrica. Veja na tabela abaixo:

conjunto média aritmética média geométrica

X = {2, 2} 2 2
Y = {14, 16} 15 14,97
W = {8, 12} 10 9,8
Z = {2, 50} 26 10

Aplicações da Média Geométrica

a) Média de Relações

Empresa Capital líquido Dívida Capital líquido/Dívida

A 2.500 1.000 2,5
B 1.000 2.000 0,5

g = no excel.............=(2,5*0,5)^(1/2)........R: 1,1180

Obs: Se, para uma determinada empresa, se deseja estabelecer uma relação do tipo capital/dívida que
seja independente da dívida ou do capital das diferentes empresas envolvidas, é recomendável o uso
da média geométrica. Se o que se deseja saber é a relação capital/dívida de um certo número de
empresas, após a consolidação, a cifra correta será obtida através da média aritmética.

b) Média em distribuições assimétricas ( veremos em capítulo especial )

c) Média de taxas de variação

Exemplo: Suponhamos que um indivíduo tenha aplicado um capital de R$ 500,00 em 1995. Após um
ano de aplicação, essa importância chegou a R$ 650,00. Reaplicando essa última quantia, ao final de
mais um ano seu montante situava-se em R$ 910,00. Qual a taxa média de aumento de capital ?

Período Taxa
1995 a 1996 650/500 = 1,3
1996 a 1997 910/650 = 1,4

A taxa média será no excel..=(1,3*1,4)^(1/2) ou a raiz quadrada do produto de 1,3 e 1,4.

Resposta: 1,3491

MÉDIA HARMÔNICA

É o inverso da média aritmética dos inversos.

.

Média Harmônica Simples:.(para dados não agrupados)

.. ou

Exemplo - Calcular a média harmônica simples dos seguintes conjuntos de números:

a) { 10, 60, 360 }. Resp:.. 3/(1/10+1/60+1/360) = 25,12

b) { 2, 2, 2, 2 } . Resp:... . 4/(1/2+1/2+1/2+1/2) = 2....

.Média Harmônica Ponderada : (para dados agrupados em tabelas de frequências)

..

Exemplo - Calcular a média harmônica dos valores da tabela abaixo:

classes ....fi.... ....xi.... ........fi/xi........

1 |--------- 3 2 2 2/2 = 1,00
3 |--------- 5 4 4 4/4 = 1,00
5 |--------- 7 8 6 8/6 = 1,33
7 |--------- 9 4 8 4/8 = 0,50
9 |--------- 11 2 10 2/10 = 0,20
total 20 4,03

Resp: 20 / 4,03 = 4,96

Propriedades da média harmônica

A média harmônica é menor que a média geométrica para valores da variável diferentes de zero.

h< g.. e por extensão de raciocínio podemos escrever :.. h< g<

OBS: A média harmônica não aceita valores iguais a zero como dados de uma série.

A igualdade g= h.= ....só ocorrerá quando todos os valores da série forem iguais.

OBS: Quando os valores da variável não forem muito diferentes, verifica-se aproximadamente a
seguinte relação:

g=( .+ h ) /.2

Demonstraremos a relação acima com os seguintes dados:

z = { 10,1 ; 10,1 ; 10,2 ; 10,4 ; 10,5 }

Média aritmética = 51,3 / 5 = 10,2600

Média geométrica = 10,2587

Média harmônica = 5 / 0,4874508 = 10,2574

Comprovando a relação: 10,2600 + 10,2574 / 2 = 10,2587 = média geométrica

.MÉDIA QUADRÁTICA

É a raiz quadrada da média aritmética dos quadrados

Média Quadrática Simples: (para dados não agrupados)

Exemplo - Calcular a média quadrática simples do seguinte conjunto de números:

a = { 2 , 3 , 4 , 5 } ....Resp: 3,67

.Média Quadrática Ponderada: Quando os valores da variável estiverem dispostos em uma tabela de
frequências, a média quadrática será determinada pela seguinte expressão:

Exemplo - Calcular a média quadrática dos valores da tabela abaixo:

classes ....fi.... ....xi.... ... ... . fi

2 |--------- 4 5 3 9 45
4 |--------- 6 10 5 25 250
6 |--------- 8 12 7 49 588
8 |--------- 10 10 9 81 810
10 |-------- 12 5 11 121 605
total 42 2298

No excel ....=( 2298/42 )^(1/2) ....Resp: 7,40

ou aplica-se a raiz quadrada sobre 2298/42

OBS:

• Sempre que os valores de X forem positivos e pelo menos um dado diferente é válida a seguinte
relação: q> > g> h

• A igualdade entre as médias acima se verifica quando os valores da variável forem iguais
(constantes)
 • A média quadrática é largamente utilizada em Estatística, principalmente quando se pretende
calcular a média de desvios ( x - .) , em vez de a média dos valores originais. Neste caso, a
média quadrática é denominada desvio-padrão, que é uma importante medida de dispersão.

MODA

É o valor que ocorre com maior frequência em uma série de valores.

Mo é o símbolo da moda.

Desse modo, o salário modal dos empregados de uma fábrica é o salário mais comum, isto é, o salário
recebido pelo maior número de empregdos dessa fábrica.

.A Moda quando os dados não estão agrupados

• A moda é facilmente reconhecida: basta, de acordo com deinição, procurar o valor que mais se
repete.

Exemplo: Na série { 7 , 8 , 9 , 10 , 10 , 10 , 11 , 12 } a moda é igual a 10.

• Há séries nas quais não exista valor modal, isto é, nas quais nenhum valor apareça mais vezes
que outros.

Exemplo: { 3 , 5 , 8 , 10 , 12 } não apresenta moda. A série é amodal.

• .Em outros casos, pode haver dois ou mais valores de concentração. Dizemos, então, que a
série tem dois ou mais valores modais.

Exemplo: { 2 , 3 , 4 , 4 , 4 , 5 , 6 , 7 , 7 , 7 , 8 , 9 } apresenta duas modas: 4 e 7. A série é bimodal.

.A Moda quando os dados estão agrupados

a) Sem intervalos de classe

Uma vez agrupados os dados, é possível determinar imediatamente a moda: basta fixar o valor da
variável de maior frequência.

Exemplo: Qual a temperatura mais comum medida no mês abaixo:

Temperaturas Frequência
0º C 3
1º C 9
2º C 12
3º C 6

Resp: 2º C é a temperatura modal, poi é a de maior frequência.

.b) Com intervalos de classe

A classe que apresenta a maior frequência é denominada classe modal. Pela definição, podemos
afirmar que a moda, neste caso, é o valor dominante que está compreendido entre os limites da classe
modal. O método mais simples para o cálculo da moda consiste em tomar o ponto médio da classe
modal. Damos a esse valor a denominação de moda bruta.

Mo = ( l* + L* ) / 2
onde l* = limite inferior da classe modal e L*= limite superior da classe modal.

Exemplo: Calcule a estatura modal conforme a tabela abaixo.

Classes (em cm) Frequência

54 |------------ 58 9
58 |------------ 62 11
62 |------------ 66 8
66 |------------ 70 5

Resp: a classe modal é 58|-------- 62, pois é a de maior frequência. l*=58 e L*=62

Mo = (58+62) / 2 = 60 cm ( este valor é estimado, pois não conhecemos o valor real da moda).

Método mais elaborado pela fórmula de CZUBER: Mo = l* + (d1/(d1+d2)) x h*

l*= limite inferior da classe modal..... e..... L*= limite superior da classe modal

d1= frequência da classe modal - frequência da classe anterior à da classe modal

d2= frequência da classe modal - frequência da classe posterior à da classe modal

h*= amplitude da classe modal

Obs: A moda é utilizada quando desejamos obter uma medida rápida e aproximada de posição ou
quando a medida de posição deva ser o valor mais típico da distribuição. Já a média aritmética é a
medida de posição que possui a maior estabilidade.

MEDIANA

A mediana de um conjunto de valores, dispostos segundo uma ordem ( crescente ou decrescente), é o

valor situado de tal forma no conjunto que o separa em dois subconjuntos de mesmo número de
elementos.

Símbolo da mediana: Md

.A mediana em dados não-agrupados

Dada uma série de valores como, por exemplo: { 5, 2, 6, 13, 9, 15, 10 }

De acordo com a definição de mediana, o primeiro passo a ser dado é o da ordenação (crescente ou
decrescente) dos valores: { 2, 5, 6, 9, 10, 13, 15 }

O valor que divide a série acima em duas partes iguais é igual a 9, logo a Md = 9.

.Método prático para o cálculo da Mediana

Se a série dada tiver número ímpar de termos:

O valor mediano será o termo de ordem dado fela fórmula :

.( n + 1 ) / 2
Exemplo: Calcule a mediana da série { 1, 3, 0, 0, 2, 4, 1, 2, 5 }

1º - ordenar a série { 0, 0, 1, 1, 2, 2, 3, 4, 5 }

n = 9 logo (n + 1)/2 é dado por (9+1) / 2 = 5, ou seja, o 5º elemento da série ordenada será a mediana

A mediana será o 5º elemento = 2

.Se a série dada tiver número par de termos:

O valor mediano será o termo de ordem dado fela fórmula :....

.[( n/2 ) +( n/2+ 1 )] / 2

Obs: n/2 e (n/2 + 1) serão termos de ordem e devem ser substituídos pelo valor correspondente.

Exemplo: Calcule a mediana da série { 1, 3, 0, 0, 2, 4, 1, 3, 5, 6 }

1º - ordenar a série { 0, 0, 1, 1, 2, 3, 3, 4, 5, 6 }

n = 10 logo a fórmula ficará: [( 10/2 ) + (10/2 + 1)] / 2

[( 5 + 6)] / 2 será na realidade (5º termo+ 6º termo) / 2

5º termo = 2

6º termo = 3

A mediana será = (2+3) / 2 ou seja, Md = 2,5 . A mediana no exemplo será a média aritmética do 5º e 6º
termos da série.

Notas:

• Quando o número de elementos da série estatística for ímpar, haverá coincidência da mediana
com um dos elementos da série.
• Quando o número de elementos da série estatística for par, nunca haverá coincidência da
mediana com um dos elementos da série. A mediana será sempre a média aritmética dos 2
elementos centrais da série.
• Em um série a mediana, a média e a moda não têm, necessariamente, o mesmo valor.
• A mediana, depende da posição e não dos valores dos elemntos na série ordenada. Essa é uma
da diferenças marcantes entre mediana e média ( que se deixa influenciar, e muito, pelos
valores extremos). Vejamos:

Em { 5, 7, 10, 13, 15 } a média = 10 e a mediana = 10

Em { 5, 7, 10, 13, 65 } a média = 20 e a mediana = 10

isto é, a média do segundo conjunto de valores é maior do que a do primeiro, por influência dos valores
extremos, ao passo que a mediana permanece a mesma.

.A mediana em dados agrupados

a) Sem intervalos de classe

Neste caso, é o bastante identificar a frequência acumulada imediatamente superior à metade da soma
das requências. A mediana será aquele valor da variável que corresponde a tal frequência acumulada.
Exemplo conforme tabela abaixo:

Variável xi Frequência fi Frequência acumulada

0 2 2
1 6 8
2 9 17
3 13 30
4 5 35
total 35

Quando o somatório das frequências for ímpar o valor mediano será o termo de ordem dado fela
fórmula :.

Como o somatório das frequências = 35 a fórmula ficará: ( 35+1 ) / 2 = 18º termo = 3..

.. Quando o somatório das frequências for par o valor mediano será o termo de ordem dado fela fórmula
:.

Exemplo - Calcule Mediana da tabela abaixo:

Variável xi Frequência fi Frequência acumulada

12 1 1
14 2 3
15 1 4
16 2 6
17 1 7
20 1 8
total 8

Aplicando fórmula acima teremos:[(8/2)+ (8/2+1)]/2 = (4º termo + 5º termo) / 2 = (15 + 16) / 2 = 15,5

b) Com intervalos de classe

Devemos seguir os seguintes passos: 1º) Determinamos as frequências acumuladas ; 2º) Calculamos

; 3º) Marcamos a classe correspondente à frequência acumulada imediatamente superior à

. Tal classe será a classe mediana ;

4º) Calculamos a Mediana pela seguinte fórmula:..... l* + [( - FAA ) x h*] / f*

l* = é o limite inferior da classe mediana.

FAA = é a frequência acumulada da classe anteior à classe mediana.

f* = é a frequência simples da classe mediana.

h* = é a amplitude do intervalo da classe mediana.

Exemplo:

classes frequência = fi Frequência acumulada

50 |------------ 54 4 4
54 |------------ 58 9 13
58 |------------ 62 11 24
62 |------------ 66 8 32
66 |------------ 70 5 37
70 |------------ 74 3 40
total 40

= 40 / 2 =.20........... logo.a classe mediana será 58 |---------- 62

l* = 58........... FAA = 13........... f* = 11........... h* = 4

Substituindo esses valores na fórmula, obtemos: Md = 58 + [ (20 - 13) x 4] / 11 = 58 + 28/11 = 60,54

OBS: Esta mediana é estimada, pois não temos os 40 valores da distribuição.

Emprego da Mediana

• Quando desejamos obter o ponto que divide a dsitribuição em duas partes iguais.
• Quando há valores extremos que afetam de amneira acentuada a média aritmética.
• Quando a variável em estudo é salário.

SEPARATRIZES

Além das medidas de posição que estudamos, há outras que, consideradas individualmente, não são
medidas de tendência central, mas estão ligadas à mediana relativamente à sua característica de
separar a série em duas partes que apresentam o mesmo número de valores.

Essas medidas - os quartis, os decis e os percentis - são, juntamente com a mediana, conhecidas
pelo nome genérico de separatrizes.

.QUARTIS

Denominamos quartis os valores de uma série que a dividem em quatro partes iguais.

Precisamos portanto de 3 quartis (Q1 , Q2 e Q3 ) para dividir a série em quatro partes iguais.

Obs: O quartil 2 ( Q2 ) sempre será igual a mediana da série.

Quartis em dados não agrupados

O método mais prático é utilizar o princípio do cáculo da mediana para os 3 quartis. Na realidade serão
calculadas " 3 medianas " em uma mesma série.
Exemplo1: Calcule os quartis da série: { 5, 2, 6, 9, 10, 13, 15 }

O primeiro passo a ser dado é o da ordenação (crescente ou decrescente) dos valores:

{ 2, 5, 6, 9, 10, 13, 15 }

O valor que divide a série acima em duas partes iguais é igual a 9, logo a Md = 9 que será = Q2.

Temos agora {2, 5, 6 } e {10, 13, 15 } como sendo os dois grupos de valores iguais proporcionados pela
mediana ( quartil 2). Para o cáculo do quartil 1 e 3 basta calcular as medianas das partes iguais
provenientes da verdadeira Mediana da série (quartil 2).

Logo em { 2, 5, 6 } a mediana é = 5 . Ou seja: será o quartil 1

em {10, 13, 15 } a mediana é =13 . Ou seja: será o quartil 3

Exemplo2: Calcule os quartis da série: { 1, 1, 2, 3, 5, 5, 6, 7, 9, 9, 10, 13 }

A série já está ordenada, então calcularemos o Quartil 2 = Md = (5+6)/2 = 5,5

O quartil 1 será a mediana da série à esquerda de Md : { 1, 1, 2, 3, 5, 5 }

Q1 = (2+3)/2 = 2,5

O quartil 3 será a mediana da série à direita de Md : {6, 7, 9, 9, 10, 13 }

Q3 = (9+9)/2 = 9

Quartis para dados agrupados em classes

Usamos a mesma técnica do cálculo da mediana, bastando substituir, na fórmula da mediana,

E fi / 2.... por ... k . E fi / 4 ... sendo k o número de ordem do quartil.

Assim, temos:

Q1 = . l* + [(E fi / 4 - FAA ) x h*] / f*

Q2 = . l* + [(2.E fi / 4 - FAA ) x h*] / f*

Q3 = . l* + [(3.E fi / 4 - FAA ) x h*] / f*

Exemplo3 - Calcule os quartis da tabela abaixo:

classes frequência = fi Frequência acumulada

50 |------------ 54 4 4
54 |------------ 58 9 13
58 |------------ 62 11 24
62 |------------ 66 8 32
66 |------------ 70 5 37
70 |------------ 74 3 40
total 40

O quartil 2 = Md , logo:
 = 40 / 2 =.20........... logo.a classe mediana será 58 |---------- 62

l* = 58........... FAA = 13........... f* = 11........... h* = 4

Substituindo esses valores na fórmula, obtemos: Md = 58 + [ (20 - 13) x 4] / 11 = 58 + 28/11 = 60,54

O quartil 1 : E fi / 4 = 10

Q1 = 54 + [ (10 - 4) x 4] / 9 = 54 + 2,66 = 56,66

.O quartil 3 : 3.E fi / 4 = 30

Q3 = 62 + [ (30 -24) x 4] / 8 = 62 + 3 = 65

DECIS

A definição dos decis obedece ao mesmo princípio dos quartis, com a modificação da porcentagem de
valores que ficam aquém e além do decil que se pretende calcular. A fómula básica será : k .E fi / 10
onde k é o número de ordem do decil a ser calculado. Indicamos os decis : D1, D2, ... , D9. Deste modo
precisamos de 9 decis para dividirmos uma série em 10 partes iguais.

De especial interesse é o quinto decil, que divide o conjunto em duas partes iguais. Assim sendo,o
quinto decil é igual ao segundo quartil, que por sua vez é igual à mediana.

Para D5 temos : 5.E fi / 10 = E fi / 2

Exemplo: Calcule o 3º decil da tabela anterior com classes.

k= 3 onde 3 .E fi / 10 = 3x40/10 = 12. Este resultado corresponde a 2ª classe.

D3 = 54 + [ (12 - 4) x 4] / 9 = 54 + 3,55 = 57,55

PERCENTIL ou CENTIL

Denominamos percentis ou centis como sendo os noventa e nove valores que separam uma série em
100 partes iguais. Indicamos: P1, P2, ... , P99. É evidente que P50 = Md ; P25 = Q1 e P75 = Q3.

O cálculo de um centil segue a mesma técnica do cálculo da mediana, porém a fórmula será : k .E fi /
100 onde k é o número de ordem do centil a ser calculado.

Exemplo: Calcule o 8º centil da tabela anterior com classes .

k= 8 onde 8 .E fi / 100 = 8x40/100 = 3,2. Este resultado corresponde a 1ª classe.

P8 = 50 + [ (3,2 -0) x 4] / 4 = 50 + 3,2 = 53,2

Dispersão ou Variabilidade:

É a maior ou menor diversificação dos valores de uma variável em torno de um valor de tendência
central ( média ou mediana ) tomado como ponto de comparação.

A média - ainda que considerada como um número que tem a faculdade de representar uma série de
valores - não pode, por si mesma, destacar o grau de homogeneidade ou heterogeneidade que existe
entre os valores que compõem o conjunto.

Consideremos os seguintes conjuntos de valores das variáveis X, Y e Z:

X = { 70, 70, 70, 70, 70 }

Y = { 68, 69, 70 ,71 ,72 }

Z = { 5, 15, 50, 120, 160 }

Observamos então que os três conjuntos apresentam a mesma média aritmética = 350/5 = 70

Entretanto, é fácil notar que o conjunto X é mais homogêneo que os conjuntos Y e Z, já que todos os
valores são iguais à média. O conjunto Y, por sua vez, é mais homogêneo que o conjunto Z, pois há
menor diversificação entre cada um de seus valores e a média representativa.

Concluímos então que o conjunto X apresenta dispersão nula e que o conjunto Y apresenta uma
dispersão menor que o conjunto Z.

MEDIDAS DE DISPERSÃO ABSOLUTA

Amplitude total : É a única medida de dispersão que não tem na média o ponto de referência.

Quando os dados não estão agrupados a amplitude total é adiferença entr o maior e o menor valor
observado: AT = X máximo - X mínimo.

Exemplo: Para os valores 40, 45, 48, 62 e 70 a amplitude total será: AT = 70 - 40 = 30

Quando os dados estão agrupados sem intervalos de classe ainda temos : AT = X máximo - X mínimo.

Exemplo:

xi fi
0 2
1 6
3 5
4 3

AT = 4 - 0 = 4

Com intervalos de classe a amplitude total é a diferença entre o limite superior da última classe e o
limite inferior da primeira classe. Então AT = L máximo - l mínimo

Exemplo:

Classes fi
4 |------------- 6 6
6 |------------- 8 2
8 |------------- 10 3

AT = 10 - 4 = 6

A amplitude total tem o incoveniente e só levar em conta os dois valores extremos da série,
descuidando do conjunto de valores intermediários. Faz-se uso da amplitude total quando se quer
determinar a amplitude da temperatura em um dia, no controle de qualidade ou como uma medida
de cálculo rápido sem muita exatidão.

Desvio quartil
Também chamado de amplitude semi-interquatílica e é baseada nos quartis.

Símbolo: Dq e a Fórmula: Dq = (Q3 - Q1) / 2

Observações:

1 - O desvio quartil apresenta como vantagem o fato de ser uma medida fácil de calcular e de
interpretar. Além do mais, não é afetado pelos valores extremos, grandes ou pequenos, sendo
recomendado, por conseguinte, quando entre os dados figurem valores extremos que não se
consideram representativos.

2- O desvio quartil deverá ser usado preferencialmente quando a medida de tendência central for a
mediana.

3- Trata-se de uma medida insensível ã distribuição dos itens menores que Q1, entre Q1 e Q3 e
maiores que Q3.

Exemplo: Para os valores 40, 45, 48, 62 e 70 o desvio quartil será:

Q1 = (45+40)/2 = 42,5 Q3 = (70+62)/2 = 66 Dq = (66 - 42,5) / 2 = 11,75

Desvio médio absoluto

Para dados brutos

É a média aritmética dos valores absolutos dos desvios tomados em relação a uma das seguintes
medidas de tendência central: média ou mediana. Símbolo = Dm

Fórmula : para a Média = E | Xi - | /n

Fórmula : para a Mediana = E | Xi - Md | / n

As barras verticais indicam que são tomados os valores absolutos, prescindindo do sinal dos desvios.

Exemplo: Calcular o desvio médio do conjunto de números { - 4 , - 3 , - 2 , 3 , 5 }

= - 0, 2 e Md = - 2

Tabela auxiliar para cálculo do desvio médio

Xi Xi - | Xi - | Xi - Md | Xi - Md |
-4 (- 4) - (-0,2) = -3,8 3,8 (- 4) - (-2) = - 2 2
-3 (- 3) - (-0,2) = -2,8 2,8 (- 3) - (-2) = - 1 1
-2 (- 2) - (-0,2) = -1,8 1,8 (- 2) - (-2) = 0 0
3 3 - (-0,2) = 3,2 3,2 3 - (-2) = 5 5
5 5 - (-0,2) = 5,2 5,2 5 - (-2) = 7 7

E= 16,8 E= 15

Pela Média : Dm = 16,8 / 5 = 3,36 Pela Mediana : Dm = 15 / 5 = 3

Desvio médio para Dados Tabulados

Se os valores vierem dispostos em uma tabela de frequências, agrupados ou não em classes, serão
usadas as seguintes fórmulas:

Cálculo pela média: Dm = (E |Xi - |. fi ) / E fi

Cálculo pela mediana: Dm = (E |Xi - Md |. fi ) / E fi

Exemplo de cálculo pela média:

Xi f i Xi . f i Xi - | Xi - | | Xi - |.fi
3 2 6 4,7 - 1,7 1,7 3,4
4 2 8 4,7 - 0,7 0,7 1,4
5 3 15 4,7 0,3 0,3 0,9
6 3 18 4,7 1,3 1,3 3,9
E = 10 47 E= 9,6

Dm = 9,6 / 10 = 0,96

Para o cáculo do Desvio médio pela mediana segue-se o mesmo raciocínio.

Xi f i Md Xi - Md | Xi - Md | | Xi - Md | . f i
3 2 5 -2 2 4
4 2 5 -1 1 2
5 3 5 0 0 0
6 3 5 1 1 1
E = 10 E= 7

Dm = 7 / 10 = 0,70

Obs: Apesar de o desvio médio expressar aceitavelmente a dispersão de uma amostra, não é tão
frequentemente empregado como o desvio-padrão. O desvio médio despreza o fato de alguns desvios
serem negativos e outros positivos, pois essa medida os trata como se fossem todos positivos. Todavia
será preferido o uso do desvio médio em lugar do desvio-padrão, quando esse for indevidamente
influenciado pelos desvios extremos.

DESVIO PADRÃO

É a medida de dispersão mais geralmente empregada, pois leva em consideração a totalidade dos
valores da variável em estudo. É um indicador de variabilidade bastante estável. O desvio padrão
baseia-se nos desvios em torno da média aritmética e a sua fórmula básica pode ser traduzida como : a
raiz quadrada da média aritmética dos quadrados dos desvios e é representada por S .

A fórmula acima é empregada quando tratamos de uma população de dados não-agrupados.

Exemplo: Calcular o desvio padrão da população representada por - 4 , -3 , -2 , 3 , 5

 Xi
-4 - 0,2 - 3,8 14,44
-3 - 0,2 - 2,8 7,84
-2 - 0,2 - 1,8 3,24
3 - 0,2 3,2 10,24
5 - 0,2 5,2 27,04

E= 62,8

Sabemos que n = 5 e 62,8 / 5 = 12,56.

A raiz quadrada de 12,56 é o desvio padrão = 3,54

Obs: Quando nosso interesse não se restringe à descrição dos dados mas, partindo da amostra,
visamos tirar inferências válidas para a respectiva população, convém efetuar uma modificação, que
consiste em usar o divisor n - 1 em lugar de n. A fórmula ficará então:

Se os dados - 4 , -3 , -2 , 3 , 5 representassem uma amostra o desvio padrão amostral seria a raiz

quadrada de 62,8 / (5 -1) = 3,96

O desvio padrão goza de algumas propriedades, dentre as quais destacamos:

1ª = Somando-se (ou subtraindo-se) uma constante a todos os valores de uma variável, o desvio
padrão não se altera.

2ª = Multiplicando-se (ou dividindo-se) todos os valores de uma variável por uma constante (diferente de
zero), o desvio padrão fica multiplicado ( ou dividido) por essa constante.

Quando os dados estão agrupados (temos a presença de frequências) a fórmula do desvio padrão
ficará :

ou quando se trata de uma amostra

Exemplo:

Calcule o desvio padrão populacional da tabela abaixo:

Xi f i Xi . f i .fi
0 2 0 2,1 -2,1 4,41 8,82
 1 6 6 2,1 -1,1 1,21 7,26
2 12 24 2,1 -0,1 0,01 0,12
3 7 21 2,1 0,9 0,81 5,67
4 3 12 2,1 1,9 3,61 10,83

Total 30 63 E= 32,70

Sabemos que E fi = 30 e 32,7 / 30 = 1,09.

A raiz quadrada de 1,09 é o desvio padrão = 1,044

Se considerarmos os dados como sendo de uma amostra o desvio padrão seria : a raiz quadrada de
32,7 / (30 -1) = 1,062

Obs: Nas tabelas de frequências com intervalos de classe a fórmula a ser utilizada é a mesma do
exemplo anterior.

VARIÂNCIA

É o desvio padrão elevado ao quadrado e é simbolizado por S2

A variância é uma medida que tem pouca utilidade como estatística descritiva, porém é extremamente
importante na inferência estatística e em combinações de amostras.

* EXERCÍCIOS *

1- Considere os seguintes conjuntos de números:

A = { 10, 20, 30, 40, 50 } B = { 100, 200, 300, 400, 500 }

Que relação existe entre os desvios padrões dos dois conjuntos de números ?

2- Dados os conjuntos de números:

A = { 220, 230, 240, 250, 260 } B = { 20, 30, 40, 50, 60 }

Que relação existe entre os desvios padrões dos dois conjuntos de números ?

3- Dados os conjuntos de números: A = { -2, -1, 0, 1, 2 } B = { 220, 225, 230, 235, 240 }

Podemos afirmar, de acordo com as propriedades do desvio padrão, que o desvio padrão de B é igual:

a) ao desvio padrão de A;

b) ao desvio padrão de A, multiplicado pela constante 5;

c) ao desvio padrão de A, multiplicado pela constante 5, e esse resultado somado a 230;

d) ao desvio padrão de A mais a constante 230.

MEDIDAS DE DISPERSÃO RELATIVA

CVP: Coeficiente de Variação de Pearson

Na estatística descritiva o desvio padrão por si só tem grandes limitações. Assim, um desvio padrão de
2 unidades pode ser considerado pequeno para uma série de valores cujo valor médio é 200; no
entanto, se a média for igual a 20, o mesmo não pode ser dito.

Além disso, o fato de o desvio padrão ser expresso na mesma unidade dos dados limita o seu emprego
quando desejamos comparar duas ou mais séries de valores, relativamente à sua dispersão ou
variabilidade, quando expressas em unidades diferentes.

Para contornar essas dificuldades e limitações, podemos caracterizar a dispersão ou variabilidade dos
dados em termos relativos a seu valor médio, medida essa denominada de CVP: Coeficiente de
Variação de Pearson (é a razão entre o desvio padão e a média referentes a dados de uma
mesma série).

A fórmula do CVP = (S / ) x 100 ( o resultado neste caso é expresso em percentual, entretanto

pode ser expresso também através de um fator decimal, desprezando assim o valor 100 da fórmula).

Exemplo:

Tomemos os resultados das estaturas e dos pesos de um mesmo grupo de indivíduos:

Discriminação MÉDIA DESVIO PADRÃO

ESTATURAS 175 cm 5,0 cm
PESOS 68 kg 2,0 kg

Qual das medidas (Estatura ou Peso) possui maior homogeneidade ?

Resposta: Teremos que calcular o CVP da Estatura e o CVP do Peso. O resultado menor será o de
maior homogeneidade ( menor dispersão ou variabilidade).

CVPestatura = ( 5 / 175 ) x 100 = 2,85 %

CVPpeso = ( 2 / 68 ) x 100 = 2,94 %.

Logo, nesse grupo de indivíduos, as estaturas apresentam menor grau de dispersão que os pesos.

CVT: Coeficiente de Variação de Thorndike

É igual ao quociente entre o desvio padrão e a mediana.

CVT = S / Md ou CVT = (S / Md) x 100 quando queremos o resultado em %.

CVQ: Coeficiente Quartílico de Variação

Esse coeficiente é definido pela seguinte expressão:

CVQ = (Q3 - Q1) / (Q3 + Q1) ou [(Q3 - Q1) / (Q3 + Q1)] x 100 para resultado em %.

Desvio quartil Reduzido: Dqr = (Q3 - Q1) / 2Md ou [(Q3 - Q1) / 2Md ] x 100 para resultado em %.
EXERCÍCIOS

1- A renda média mensal na localidade A é de R$ 750,00 e na localidade B é de R$ 500,00. Os

desvios padrões são R$ 100,00 e R$ 80,00. Faça uma análise comparativa quanto ao grau de
homogeneidade da renda nestas duas localidades:

2- O risco de uma ação de uma empresa pode ser devidamente avaliado através da variabilidade dos
retornos esperados. Portanto, a comparação das distribuições probabilísticas dos retornos, relativas a
cada ação individual, possibilita a quem toma decisões perceber os diferentes graus de risco. Analise,
abaixo, os dados estatísticos relativos aos retornos de 5 ações e diga qual é a menos arriscada :

Discriminação Ação A Ação B Ação C Ação D Ação E

Valor esperado 15 % 12 % 5% 10 % 4%
Desvio padrão 6% 6,6 % 2,5 % 3% 2,6 %
Coeficiente de variação 0,40 0,55 0,50 0,30 0,65

3- Um grupo de 85 moças tem estatura média 160,6 cm, com um desvio padrão igual a 5,97 cm. Outro
grupo de 125 moças tem uma estatura média de 161,9 cm, sendo o desvio padrão igual a 6,01 cm. Qual
é o coeficiente de variação de cada um dos grupos ? Qual o grupo mais homogêneo ?

4- Um grupo de 196 famílias tem renda média de 163,8 dólares, com um coeficiente de variação de
3,3%. Qual o desvio padrão da renda desse grupo ?

5- Uma distribuição apresenta as seguintes estatísticas: S = 1,5 e CVP = 2,9 % . Determine a média da
distribuição:

6- Numa pequena cidade, 65 famílias tem a renda média de 57,5 dólares e o desvio padrão de 5,98
dólares. A variabilidade relativa das famílias foi de :

a) 0,104 dólares b) 10,4 dólares c) 0,104 % d) 10,4 % e) 0,104 famílias

MEDIDAS DE ASSIMETRIA

Introdução:

Uma distribuição com classes é simétrica quando : Média = Mediana = Moda

Uma distribuição com classes é :

Assimétrica à esquerda ou negativa quando : Média < Mediana < Moda

Assimétrica à direita ou positiva quando : Média > Mediana > Moda

Exercicio - a) Detemine os tipos de assimetria das distribuições abaixo:

Distribuição A Distribuição B Distribuição C

Classes fi Classes fi Classes fi

2 |------------ 6 6 2 |------------ 6 6 2 |------------ 6 6
6 |------------ 10 12 6 |------------ 10 12 6 |------------ 10 30
10 |------------ 14 24 10 |------------ 14 24 10 |------------ 14 24
14 |------------ 18 12 14 |------------ 18 30 14 |------------ 18 12
 18 |------------ 22 6 18 |------------ 22 6 18 |------------ 22 6

Total = 60 Total = 78 Total = 78

Exercicio - b) Desmonstre graficamente as os resultados obtidos no exercício anterior:

Coeficiente de assimetria

A medida anterior, por ser absoluta, apresenta a mesma deficiência do desvio padrão, isto é, não
permite a possibilidade de comparação entr as medidas de duas distribuições. Por esse motivo,
daremos preferência ao coeficiente de assimetria de Person:

As = 3 ( Média - Mediana ) / Desvio Padrão

Escalas de assimetria:

| AS | < 0,15 => assimetria pequena

0,15 < | AS | < 1 => assimetria moderada

| AS | > 1 => assimetria elevada

Obs: Suponhamos AS = - 0,49 => a assimetria é considerada moderada e negativa

Suponhamos AS = 0,75 => a assimetria é considerada moderada e positiva

Exercício

Considerando as distribuições anteriores A , B e C , calcule os coeficientes de assimetria e faça a

análise dos resultados obtidos:

MEDIDAS DE CURTOSE

Introdução:

Denominamos curtose o grau de achatamento de uma distribuição em relação a uma distribuição

padrão, denominada curva normal (curva correspondente a uma distribuição teórica de probabilidade).

Quando a distribuição apresenta uma curva de frequência mais fechada que a normal (ou mais aguda
ou afilada em sua parte superior), ela recebe o nome de leptocúrtica.

Quando a distribuição apresenta uma curva de frequência mais aberta que a normal (ou mais achatada
em sua parte superior), ela recebe o nome de platicúrtica.

A curva normal, que é a nossa base referencial, recebe o nome de mesocúrtica.

Coeficiente de curtose

C1 = (Q3 - Q1) / 2(P90 - P10)

Este coeficiente é conhecido como percentílico de curtose.

Relativamente a curva normal, temos:

C1 = 0,263 => curva mesocúrtica

C1 < 0,263 => curva leptocúrtica

C1 > 0,263 => curva platicúrtica

obs: este coeficiente está dentro do programa excel (nas funções estatíticas automáticas).

O coeficiente abaixo será utilizado em nossas análises:

C2 = onde S é desvio padrão

C2 = 3 => curva mesocúrtica

C2 > 3 => curva leptocúrtica

C2 < 3 => curva platicúrtica

PROBABILIDADE

Introdução:

O cálculo das probabilidades pertence ao campo da Matemática, entretanto a maioria dos fenômenos
de que trata a Estatística são de natureza aleatória ou probabilística. O conhecimento dos aspectos
fundamentais do cálculo da probabilidades é uma necessidade essencial para o estudo da Estatística
Indutiva ou Inferencial.

Experimento Aleatório

São fenômenos que, mesmo repetido várias vezes sob condições semelhantes, apresentam resultados
imprevisíveis. O resultado final depende do acaso.

Exemplo:

Da afirmação "é provável que o meu time ganhe a partida hoje" pode resultar:

- que ele ganhe - que ele perca - que ele empate

Este resuldado final pode ter três possibilidades.

Espaço Amostral

É o conjunto universo ou o conjunto de resultados possíveis de um experimento aleatório.

No experimento aleatório "lançamento de uma moeda" temos o espaço amostral {cara, coroa}.

No experimento aleatório "lançamento de um dado" temos o espaço amostral {1, 2, 3, 4, 5, 6}.

No experimento aleatório "dois lançamentos sucessivos de uma moeda" temos o espaço amostral :

{(ca,ca) , (co,co) , (ca,co) , (co,ca)}

Obs: cada elemento do espaço amostral que corresponde a um resultado recebe o nome de ponto
amostral. No primeiro exemplo : cara pertence ao espaço amostral {cara, coroa}.

Eventos

É qualquer subconjunto do espaço amostral de um experimento aleatório.

Se considerarmos S como espaço amostral e E como evento: Assim, qualquer que seja E, se E c S (E
está contido em S), então E é um evento de S.

Se E = S , E é chamado de evento certo.

Se E c S e E é um conjunto unitário, E é chamado de evento elementar.

Se E = Ø , E é chamado de evento impossível.

Exercício

1- No lançamento de um dado temos S = {1,2,3,4,5,6}. Formule os eventos definidos pelas sentenças:

A) Obter um número par na face superior do dado: A = {2,4,6} onde A C S.

B) Obter um número menor ou igual a 6 na face superior: B = {1,2,3,4,5,6}, onde B = S, logo B é um

evento certo de S.

C) Obter o número 4 na face superior : C = {4}, logo C é um evento elementar de S.

D) Oter um número maior que 6 na face superior : D = Ø, logo D é um evento impossível de S.

2- No lançamento de duas moedas (uma de 10 centavos e outra de 5 centavos)

a) Qual é o espaço amostral ?

b) Formule os eventos definidos pelas sentenças:

• Obter uma cara :

• Obter pelo menos uma cara :
• Obter apenas um cara :
• Obter no máximo duas caras :
• Obter uma cara e uma coroa :
• Obter uma cara ou uma coroa :

Conceito de Probabilidade

Chamamos de probabilidade de um evento A (sendo que A está contido no Espaço amostral) o número
real

P(A) , tal que : número de casos favoráveis de A / número total de casos

OBS: Quando todos os elementos do Espaço amostral tem a mesma chance de acontecer, o espaço
amostral é chamado de conjunto equiprovável.

Exemplos:

1- No lançamento de uma moeda qual a probabilidade de obter cara em um evento A ?

S = { ca, co } = 2 A = {ca} = 1 P(A) = 1/2 = 0,5 = 50%

2- No lançamento de um dado qual a probabilidade de obter um número par em um evento A ?

S = { 1,2,3,4,5,6 } = 6 A = { 2,4,6 } = 3 P(A) = 3/6 = 0,5 = 50%

3- No lançamento de um dado qual a probabilidade de obter um número menor ou igual a 6 em um

evento A ?

S = { 1,2,3,4,5,6 } = 6 A = { 1,2,3,4,5,6 } = 6 P(A) = 6/6 = 1,0 = 100%

Obs: a probabilidade de todo evento certo = 1 ou 100%.

4- No lançamento de um dado qual a probabilidade de obter um número maior que 6 em um evento A ?

S = { 1,2,3,4,5,6 } = 6 A={ }=0 P(A) = 0/6 = 0 = 0%

Obs: a probabilidade de todo evento impossível = 0 ou 0%

Eventos Complementares

Sabemos que um evento pode ocorrer ou não. Sendo p a probabilidade de que ele ocorra (sucesso) e q
a probabilidade de que ele não ocorra (insucesso), para um mesmo evento existe sempre a relação:

p+q=1

Obs:Numa distribuição de probabilidades o somatório das probabilidades atribuídas a cada evento

elementar é igual a 1 onde p1 + p2 + p3 + ... + pn = 1 .

Exemplos:

1-Sabemos que a probabilidade de tirar o nº 4 no lançamento de um dado é p = 1/6. logo, a

probabilidade de não tirar o nº 4 no lançamento de um dado : q = 1 - p ou q = 1 - 1/6 = 5/6.

2-Calcular a probabilidade de um piloto de automóveis vencer uma dada corrida, onde as suas
"chances", segundo os entendidos, são de "3 para 2". Calcule também a probabilidade dele perder:

O termo "3 para 2" significa : De cada 5 corridas ele ganha 3 e perde 2. Então p = 3/5 (ganhar) e
q = 2/5 (perder).

3-Uma dado foi fabricado de tal forma que num lançamento a probabilidade de ocorrer um número par é
o dobro da probabilidade de ocorrer número ímpar na face superior, sendo que os três números pares
ocorrem com igual probabilidade, bem como os três números ímpares. Determine a probabilidade de
ocorrência de cada evento elementar:

4-Seja S = {a,b,c,d} . Consideremos a seguinte distribuição de probabilidades: P(a) = 1/8 ; P(b) = 1/8 ;
P(c) = 1/4 e P(d) = x . Calcule o valor de x :

5- As chances de um time de futebol T ganhar o campeonato que está disputando são de "5 para 2".
Determinar a probabilidade de T ganhar e a probabilidade de T perder :

6- Três cavalos C1,C2 e C3 disputam um páreo, onde só se premiará o vencedor. Um conhecedor dos 3
cavalos afirma que as "chances" de C1 vencer são o dobro das de C2,e que C2 tem o triplo das
"chances" de C3. Calcule as probabilidades de cada cavalo vencer o páreo:

Eventos Independentes

Quando a realização ou não realização de um dos eventos nã afeta a probabilidade da realização do

outro e vice-versa.
Exemplo: Quando lançamos dois dados, o resultado obtido em um deles independe do resultado obtido
no outro. Então qual seria a probabilidade de obtermos, simultaneamente, o nº 4 no primeiro dado e o
nº 3 no segundo dado ?

Assim, sendo P1 a probabilidade de realização do primeiro evento e P2 a probabilidade de realização

do segundo evento, a probabilidade de que tais eventos se realizem simultaneamente é dada pela
fórmula:

P(1 n 2) = P(1 e 2) = P(1) x P(2)

P1 = P(4 dado1) = 1/6 P2 = P(3 dado2) = 1/6

P total = P (4 dado1) x P (3 dado2) = 1/6 x 1/6 = 1/36

Eventos Mutuamente Exclusivos

Dois ou mais eventos são mutuamente exclusivos quando a realização de um exclui a realização do(s)
outro(s). Assim, no lançamento de uma moeda, o evento "tirar cara" e o evento "tirar coroa" são
mutuamente exclusivos, já que, ao se realizar um deles, o outro não se realiza.

Se dois eventos são mutuamente exclusivos , a probabilidade de que um ou outro se realize é igual à
soma das probabilidades de que cada um deles se realize:

P(1 U 2) = P(1 ou 2) = P(1) + P(2)

Exemplo: No lançamento de um dado qual a probabilidade de se tirar o nº 3 ou o nº 4 ?

Os dois eventos são mutuamente exclusivos então: P = 1/6 + 1/6 = 2/6 = 1/3

Obs: Na probabilidade da união de dois eventos A e B, quando há elementos comuns, devemos excluir
as probabilidades dos elementos comuns a A e B (elementos de A n B ) para não serem computadas
duas vezes. Assim P(A U B) = P(A) + P(B) - P(A n B)

Exemplo: Retirando-se uma carta de um baralho de 52 cartas, qual a probabilidade da carta retirada ser
ou um ÁS ou uma carta de COPAS ?

P(ÁS U Copas) = P(ÁS) + P(Copas) - P(ÁS n Copas) = 4/52 + 13/52 - 1/52 = 16/52

Probabilidade Condicional

Se A e B são dois eventos, a probabilidade de B ocorrer , depois de A ter acontecido é definida por : P
(B/A), ou seja, é chamada probabilidade condicional de B. Neste caso os eventos são dependentes e
definidos pela fórmula:

P (A e B ) = P (A) x P(B/A)

Exemplo: Duas cartas são retiradas de um baralho sem haver reposição. Qual a probabilidade de
ambas serem COPAS ?

P (Copas1 e Copas2) = P(Copas1) x P(Copas2/Copas1) = 13/52 x 12/51 = 0,0588 = 5,88 %

P(Copas1) = 13/52

P(Copas2/Copas1) = 12/51
Obs: No exemplo anterior se a 1ª carta retirada voltasse ao baralho o experimento seria do tipo com
reposição e seria um evento independente. O resultado seria:

P(Copas1) x P(Copas2) = 13/52 x 13/52 = 0,625 = 6,25 %

Espaço amostral do baralho de 52 cartas:

Carta pretas = 26

Páus = 13 (ás, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei)

Espadas = 13 (ás, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei)

Cartas vermelhas = 26

Ouros = 13 (ás, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei)

Copas = 13 (ás, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei)

EXERCÍCIOS

1- Qual a probabilidade de sair o ÁS de ouros quando retiramos 1 carta de um baralho de 52 cartas ?

2- Qual a probabilidade de sair o um REI quando retiramos 1 carta de um baralho de 52 cartas ?

3- Em um lote de 12 peças, 4 sã defeituosas. Sendo retirada uma peça, calcule: a) a probabilidade de

essa peça ser defeituosa. b) a probabilidade de essa peça nã ser defeituosa.

4- De dois baralhos de 52 cartas retiram-se, simultaneamente, uma carta do primeiro baralho e uma
carta do segundo. Qual a probabilidade de a carta do primeiro baralho ser um REI e a do segundo ser o
5 de paus ?

5- Uma urna A contém: 3 bolas brancas, 4 pretas, 2 verdes; uma urna B contém: 5 nolas brancas, 2
pretas, 1 verde; uma urna C contém: 2 bolas brancas, 3 pretas, 4 verdes. Uma bola é retirada de cada
urna. Qual é a probabilidade de as três bolas retiradas da 1ª , 2ª e 3ª urnas serem, respectivamente,
branca, preta e verde ?

6- De um baralho de 52 cartas retiram-se, ao acaso, duas cartas sem reposição. Qual é a probabilidade
de a primeira carta ser o ÁS de paus e a segunda ser o REI de paus ?

7- Qual a probabilidade de sair uma figura (rei ou dama ou valete) quando retiramos uma carta de um
baralho de 52 carta ?

8- São dados dois baralhos de 52 cartas.Tiramos, ao mesmo tempo, uma carta do primeiro baralho e
uma carta do segundo. Qual a probabilidade de tirarmos uma DAMA e um REI, não necessariamente
nessa ordem ?

9- Duas cartas são retiradas de um baralho sem haver reposição. Qual a probabilidade de ambas serem
COPAS ou ESPADAS ?

10- Duas bolas são retiradas (sem reposição) de uma urna que contém 2 bolas brancas e 3 bolas
pretas. Qual a probabilidade de que a 1ª seja branca e a 2ª seja preta ?
11- Duas bolas são retiradas (com reposição) de uma urna que contém 2 bolas brancas e 3 bolas
pretas. Qual a probabilidade de que a 1ª seja branca e a 2ª seja preta ?

12- Duas bolas são retiradas (sem reposição) de uma urna que contém 2 bolas brancas e 3 bolas
pretas e 5 bolas verdes. a)Qual a probabilidade de que ambas sejam verdes ? b) Qual a probabilidade
de que ambas sejam da mesma cor ?

TÉCNICAS DE CONTAGEM EM PROBABILIDADE

É o uso das fórmulas de análise combinatória para o cálculo do número de casos favoráveis e o número
de casos possíveis.

Arranjo com repetição: AR n,p

AR 9,3 = 9 x 9 x 9 = 729

AR 9,2 = 9 x 9 = 81

Exemplo: Se mil títulos entram em sorteio com os números de 000 a 999. Qual a probabilidade:

a - De sair números com a dezena 24 = A10,1 / 1000 = 10 / 1000 = 0,01 ou 1%

b - De sair números com a unidade 4 = A10,2 / 1000 = 100 / 1000 = 0,1 ou 10%

c - De sair números com a centena 323 = 1 / 1000 = 0,001 ou 0,1%

Revisão de Fatorial:

5! = 5 x 4 x 3 x 2 x 1 = 120

5! / 3! = 5 x 4 x 3! / 3! = 20

3! x 4! / 5! = 3 x 2 x 1 x 4! / 5 x 4! = 3 x 2 x 1 / 5 = 1,2

Combinação: Cn,r = n! / (n - r)! . r!

C15,3 = 15! / (15-3)! . 3! = 15 x 14 x 13 x 12! / 12! x 3! = 15 x 14 x 13 / 3 x 2 x 1

Exemplos:

1- Qual a probabilidade de tirarmos 5 cartas de espadas sem reposição de um baralho de 52 cartas ?

Método tradicional: P(5 espadas) = 13/52 . 12/51 . 11/50 . 10/49 . 9/48 = 0,0005...

Técnica de contagem:

P(5 espadas) = C13,5 / C52,5 = (13.12.11.10.9 / 5.4.3.2.1) / (52.51.50.49.48 / 5.4.3.2.1) =

13.12.11.10.9 / 52.51.50.49.48 = 0,0005...

2- De 20 pessoas que se oferecem para doar sangue 15 possuem sangue tipo B. Qual a probabilidade
de, escolhendo-se 3 pessoas desse grupo todas as 3 escolhidas tenham sangue tipo B ?

P (3 sangue B) = C15,3 / C20,3 = (15.14.13 / 3.2.1) / (20.19.18 / 3.2.1) = 15.14.13/20.19.18 = 0,399

3- Qual a probabilidade de retirarmos 2 ases em uma amostra de 5 cartas retiradas de um baralho de

52 cartas ?
P (2 ases) = (C4,2 x C48,3) / C52,5

4- Qual a probabilidade de retirarmos 4 ases em uma amostra de 13 cartas retiradas de um baralho de

52 cartas ?

P (4 ases) = (C4,4 x C48,9) / C52,13 = C48,9 / C52,13

TEOREMA DA PROBABILIDADE TOTAL

Seja B1, B2, B3...Bk um conjunto de eventos mutuamente exclusivos cuja união forma o espaço
amostral. Seja A outro evento no mesmo espaço amostral, tal que P(A) > 0 .

Então: P(A) = P( A n B1) + P( A n B2) + P( A n B3) + . . . + P( A n Bk)

P(A) = P(B1) . P(A|B1) + P(B2) . P(A|B2) + . . . P(Bk) . P(A|Bk)

Então podemos escrever a fórmula da probabilidade total como : P(A) = E P(Bi) . P(A|Bi)

Exemplo: Segundo especialistas esportivos, a probabilidade de que o Flamengo vença o próximo jogo é
estimada em 0,70 se não chover, e só de 0,50 se chover. Se os registros meteorológicos anunciam uma
probabilidade de 0,40 de chover na data do jogo, qual será então a probabilidade desse time ganhar o
próximo jogo ?

P(A) = E P(Bi) . P(A|Bi)

P(ganhar) = P(ganhar n chuva ) + P(ganhar n não chuva )

P(ganhar) = P(chuva) . P(ganhar | chuva) + P(não chuva) . P(ganhar | não chuva)

P(ganhar) = (0,40 . 0,50 ) + (0,60 . 0,70) = 0,20 + 0,42 = 0,62 ou 62%

TEOREMA DE BAYES

Sabemos que:

P(A) = E P(Bi) . P(A|Bi)

P(A n Bi) = P(A) . P(Bi|A) logo P(Bi|A) = P(A n Bi) / P(A) então substituindo teremos :

P (Bi|A) = P (Bi) . P (A|Bi) / E P(Bi) . P(A|Bi) que é a fórmula de Bayes

Exemplo:

Certo professor da FACEV 4/5 das vezes vai trabalhar usando um fusca e usando um carro importado
nas demais vezes. Quando ele usa o fusca, 75 % das vezes ele chega em casa antes das 23 horas e
quando usa o carro importado só chega em casa antes das 23 horas em 60% das vezes. Ontem o
professor chegou em casa após às 23 horas. Qual a probabilidade de que ele, no dia de ontem, tenha
usado o fusca ?

B1 = usar o fusca B2 = usar carro importado A = chegar em casa após 23 horas

P(B1) = 4/5 = 0,80 P(B2) = 1/5 = 0,20

P( A | B1) = 1 - 0,75 = 0,25 P( A | B2) = 1 - 0,60 = 0,40

P (B1 | A) = P (B1) . P( A | B1) / P (B1) . P( A | B1) + P (B2) . P( A | B2)

P (B1 | A) = 0,80 x 0,25 /(0,80 x 0,25) + (0,20 x 0,40) =

P (B1 | A) = 0,20 / (0,20 + 0,08) = 0,7143 ou 71,43 %

Exercício:

Certo aluno da FACEV 3/4 das vezes vai estudar usando um fusca e usando um carro importado nas
demais vezes. Quando ele usa o fusca, 35 % das vezes ele chega em casa depois das 23 horas e
quando usa o carro importado só chega em casa antes das 23 horas em 0,55 das vezes. Ontem o aluno
chegou em casa antes das 23 horas. Qual a probabilidade em percentual de que ele, no dia de ontem,
tenha usado o fusca ?

Resposta: 78 %

DISTRIBUIÇÃO DE PROBABILIDADES

Apresentaremos neste capítulo três modelos teóricos de distribuição de probabilidade, aos quais um
experimento aleatório estudado possa ser adaptado, o que permitirá a solução de grande número de
problemas práticos.

Variável Aleatória

Suponhamos um espaço amostral S e que a cada ponto amostral seja atribuído um número. Fica,
então, definida uma função chamada variável aleatória.

Muitas vezes não estamos interessados propriamente no resultado de um experimento aleatório, mas
em alguma característica numérica a ele associada. Essa característica será chamada variável
aleatória.

Assim, se o espaço amostral relativo ao "lançamento simultâneo de duas moedas" é S = {(ca,ca),

(ca,co), (co,ca), (co,co)} e se X representa o "número de caras" que aparecem, a cada ponto amostral
podemos associar um número para X, de acordo com a tabela abaixo ( X é a variável aleatória
associada ao número de caras observado):

Ponto Amostral X
(ca,ca) 2
(ca,co) 1
(co,ca) 1
(co,co) 0

Logo podemos escrever:

Número de caras (X) Probabilidade (X)

2 1/4
1 2/4
0 1/4

Total 4/4 = 1

Exemplo prático de uma distribuição de probabilidade:

Consideremos a distribuição de frequências relativa ao número de acidentes diários na Rodovia do SOL

durante o mês de nov/97:
 Número de Acidentes Frequência
0 22
1 5
2 2
3 1

Podemos então escrever a tabela de distribuição de probabilidade:

Número de Acidentes (X) Probabilidade (X)

0 0,73
1 0,17
2 0,07
3 0,03
Total 1,00

Construimos acima uma tabela ondem aparecem os valores de uma variável aleatória X e as
probabilidades de X ocorrer que é a tabela de distribuição de probabilidades.

Funções de probabilidades: f(X) = p(X= xi)

Ao definir a distribuição de probabilidade, estabelecemos uma correspondência unívoca entre os

valores da variável aleatória X e os valores da variável P (probabilidade). Esta correspondência define
uma função onde os valores xi formam o domínio da função e os valores pi o seu conjunto imagem.
Assim, ao lançarmos um dado, a variável aleatória X, definida por "pontos de um dado", pode tomar os
valores 1,2,3,4,5 e 6. Então resulta a seguinte distribuição de probabilidade:

X P (X)
1 1/6
2 1/6
3 1/6
4 1/6
5 1/6
6 1/6
T o t a l 6/6 = 1

Distribuição Binomial

Vamos imaginar fenômenos cujos resultados só podem ser de dois tipos, um dos quais é condiderado
como sucesso e o outro insucesso. Este fenômeno pode ser repetido tantas vezes quanto se queira (n
vezes), nas mesmas condições. As provas repetidas devem ser independentes, isto é, o resultado de
uma não deve afetar os resultados das sucessivas. No decorrer do experimento, a probabilidade p do
sucesso e a probabilidade de q (q = 1 - p) do insucesso manter-se-ão constantes. Nessas condições X
é uma variável aleatória discreta que segue uma distribuição binomial.

P(x) =

P(x) = é a probabilidade de que o evento se realize x vezes em n provas.

p = é a probabilidade de que o evento se realize em uma só prova = sucesso.

q = é a probabilidade de que o evento não se realize no decurso dessa prova = insucesso.

OBS: O nome binomial é devido à fórmula, pois representa o termo geral do desenvolvimento do
binômio de Newton.

Parâmetros da Distribuição Binomial

Média = n . p Desvio padrão = é a raiz quadrada do produto de n . p . q Variância = n .

p.q

Exemplos:

1- Uma moeda é lançada 5 vezes seguidas e independentes. Calcule a probabilidade de serem obtidas
3 caras nessas 5 provas.

n=5 x=3 p = 1/2 q = 1 - (1/2) = 1/2 P(x=3) = 5/16

2- Dois times de futebol, A e B, jogam entre si 6 vezes. Encontre a probabilidade de o time A ganhar 4
jogos.

3- Determine a probabilidade de obtermos exatamente 3 caras em 6 lances de uma moeda.

4- Jogando-se um dado três vezes, determine a probabilidade de se obter um múltiplo de 3 duas

vezes.

5- Dois times de futebol, A e B, jogam entre si 6 vezes. Encontre a probabilidade de o time A :

a- ganhar dois ou três jogos;

b- ganhar pelo menos um jogo;

6- A probabilidade de um atirador acertar o alvo é 2/3. Se ele atirar 5 vezes, qual a probabilidade de
acertar exatamente 2 tiros ?

7- Seis parafusos são escolhidos ao acaso da produção de certa máquina, que apresenta 10% de
peças defeituosas. Qual a probabilidade de serem defeituosos dois deles ?

Distribuição de Poisson

Distribuição de probabilidades aplicada para acontecimentos raros, entretanto o seu maior uso prático é
como aproximação para a distribuição binomial.

A P(x) é calculada pela fórmula abaixo:

Onde:

é a média da distribuição ( n . p)
e representa a constante de valor igual a 2,718

x ! é o fatorial de x OBS: 0 ! = 1 e qualquer número elevado a zero é igual a 1

OBS: quando um acontecimento segue a distribuição binomial com um “p” (sucesso) muito pequeno de
tal modo que temos que ter um “n” muito grande para que o sucesso ocorra. Podemos simplificar os
cálculos usando a distribuição de Poisson como aproximação para a distribuição binomial.

Para que os resultados aproximados pela distribuição de Poisson sejam satisfatórios nós só devemos
fazer a substituição da distribuição binomial pela de Poisson quando “n” for maior ou igual a 50 e “p”
menor ou igual a 0,1 ou “p” maior ou igual a 0,9 ( “p” próximo de 0 ou próximo de 1).

EXERCÍCIOS

1 – Se 2% dos fusíveis são defeituosos.Qual a probabilidade de que uma amostra de 400 fusíveis
exatamente 6 sejam defeituosos?

p = 0,02 n = 400 = n . p = 0,02 . 400 = 8

P (x = 6) = 0,1222 ou 12,24%

2 – Se o número de peixes pescados por hora em certo pesqueiro é uma variável que segue a
distribuição de Poisson com média igual a 1,8, achar a probabilidade de que um pescador, pescando
durante uma hora:

a) Não pegue nenhum peixe.

b) Pegue exatamente 2 peixes.

c) Pegue no máximo 4 peixes.

d) Pegue pelo menos dois peixes.

3 - Se 4% de passageiros de avião tem problemas com a bagagem. qual a probabilidade de que entre
150 passageiros até 2 passageiros tenham problemas com suas bagagens?

DISTRIBUIÇÃO NORMAL

Entre as distribuições teóricas de variável aleatória contínua, uma das mais empregadas é a distribuição
Normal.

Muitas das variáveis analisadas na pesquisa sócio-econômica correspondem à distribuição normal ou

dela se aproximam.

Propriedades da distribuição normal :

1ª - A variável aleatória X pode assumir todo e qualquer valor real.

2ª - A representação gráfica da distribuição normal é uma curva em forma de sino, simétrica em torno da
média, que recebe o nome de curva normal ou de Gauss.

3ª - 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.
4ª - A curva normal é assintótica em relação ao eixo das abscissas, isto é, aproxima-se indefinidamente
do eixo das abscissas sem, contudo, alcançá-lo.

5ª - Como a curva é simétrica em torno da média, a probabilidade de ocorrer valor maior 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 ou 50%. Cada metade da curva representa 50% de probabilidade.

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 com proceder, por meio de um exemplo concreto.

Exemplo: 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 = 2 cm e desvio padrão
= 0,04 cm. Qual a probabilidade de um parafuso ter o diâmetro com valor entre 2 e 2,05 cm ?

P ( 2 < X < 2,05) = ?

Com o auxílio de uma distribuiçào normal reduzida, isto é, uma distribuição normal de média = 0 e
desvio padrão = 1. Resolveremos o problema através da variável z , onde z = (X - )/S

Utilizaremos também uma tabela normal reduzida, que nos dá a probabilidade de z tomar qualquer valor
entre a média 0 e um dado valor z, isto é: P ( 0 < Z < z)

Temos, então, que se X é uma variável aleatória com distribuição normal de média e desvio padrão
S, podemos escrever: P( < X < x ) = P (0 < Z < z)

No nosso problema queremos calcular P(2 < X < 2,05). para obter ees probabilidade, precisamos, em
primeiro lugar, calcular o valor de z que correponde a x = 2,05

z = (2,05 - 2) / 0,04 = 1,25

Utilização da Tabela Z

Procuremos, agora, na tabela Z o valor de z = 1,25

Na primeira coluna encontramos o valor até uma casa decimal = 1,2. Em seguida, encontramos, na
primeira liha, o valor 5, que corresponde ao último alagarismo 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 ou 39,44 %, assim a probabilidade de um certo parafuso apresentar um
diâmetro entre a média = 2cm e x = 2,05 cm é de 39,44 %.

Exercícios:

1- Determine as probabilidades:

a) P(-1,25 < Z < 0) =

b) P(-0,5 < Z < 1,48) =

c) P(0,8 < Z < 1,23) =

d) P(-1,25 < Z < -1,20) =

e) P( Z < 0,92) =
f) P(Z > 0,6) =

2- Os salários dos báncarios são distribuídos normalmente, em torno da média R$ 10.000,00, com
desvio padrão de R$ 800,00. Calcule a probabilidade de um bancário ter o salário situado entre R$
9.800,00 e R$ 10.400,00.

Devemos inicialmente calcular os valores z1 e z2,

z1 = (9800 - 10000) / 800 = -0,25 e z2 = (10400 - 10000) / 800 = 0,5

P( 9800 < X < 10400) = P(-0,25 < Z < 0,5) =

P(-0,25 < Z < 0) + P(0 < Z < 0,5) = 0,0987 +0,1915 = 0,2902 ou 29,02 %

3- Um teste padronizado de escolaridade tem distribuição normal com média = 100 e desvio padrão =
10. Determine a probabilidade de um aluno submetido ao teste ter nota :

a) maior que 120

b)maior que 80

c)entre 85 e 115

d)maior que 100

Valor Esperado (Esperança Matemática)

Valor esperado de uma variável aleatória ou de função de variável aleatória corresponde à média
ponderada dos valores que esta variável aleatória ou esta função assume, usando-se como pesos para
ponderação, as probabilidades correspondentes a cada valor.

Para o caso de uma variável aleatória discreta “x”, podemos escrever:

E (x) = ∑ ( xi . pi ) / ∑ pi

Como ∑ pi = 1

E (x) = ∑ ( xi . pi )

Exemplo 1:

Calcular o número esperado em ponto, quando se lança um dado perfeito.

X = xi p(xi) xi . p (xi)
1 1/6 1/6
2 1/6 2/6
3 1/6 3/6
4 1/6 4/6
5 1/6 5/6
6 1/6 6/6
∑= 21/6 = 3,5 pontos

Exemplo 2:

Uma instituição vende bilhetes de rifas por R$ 5,00 cada um. Há 10 prêmios no valor de R$ 25,00 e um
prêmio maior no valor de R$ 100,00. Se forem vendidos 200 bilhetes e você comprar um deles qual a
sua expectativa em relação ao sorteio?
 X = xi p(xi) xi . p (xi)
0 189/200 0
25 10/200 250/200
100 1/200 100/200
∑= 1,75

R$ 1,75 corresponde ao ganho do premiado e R$ 5,00 – 1,75 = R$ 3,25 é o ganho da instituição.

Exemplo 3:

Numa empresa, as previsões de despesa para o próximo ano foram calculadas como; R$ 9, 10, 11 , 12
e 13 bilhões. Supondo que as despesas do ano corrente sejam desconhecidas, as seguintes
probabilidades foram atribuídas respectivamente: 30%, 20%, 25%, 5% e 20%.

Qual é a distribuição de probabilidade para o próximo ano ?

DISTRIBUIÇÃO DE
PROBABILIDADES

ANO DESPESA* (X) P (X)

1 9 0,30
2 10 0,20
3 11 0,25
4 12 0,05
5 13 0,20
total = 1,00
* em R$ bilhões

Qual é o valor esperado das despesas para o próximo ano ?

VALOR ESPERADO DAS DESPESAS

ANO DESPESA* X P (X) X . P (X)

1 9 0,30 2,70
2 10 0,20 2,00
3 11 0,25 2,75
4 12 0,05 0,60
5 13 0,20 2,60
VALOR ESPERADO E(X) = 10,65
* em R$ bilhões

Qual é a variância das despesas para o próximo ano ?

V(X) = ∑ [ ( x - E(X) )2 . P(x) ]

VARIÂNCIA DAS DESPESAS

ANO DESPESA* ( x) P (x) x . P (x) E(X) x - E(X) ( x - E(X) )2 ( x - E(X) )2 . P(x)

1 9 0,30 2,70 10,65 -1,65 2,72 0,82
2 10 0,20 2,00 10,65 -0,65 0,42 0,08
3 11 0,25 2,75 10,65 0,35 0,12 0,03
4 12 0,05 0,60 10,65 1,35 1,82 0,09
5 13 0,20 2,60 10,65 2,35 5,52 1,10
VARIÂNCIA DAS DESPESAS V(X) = 2,1275
* em R$ bilhões
 Caso as projeções ao longo do ano tenham sido estimadas em R$ 12 bilhões, comente a posição
financeira da empresa.

Exemplo 4:

Um jogo consiste no lançamento de 3 moedas ( a moeda não é viciada). Se der tudo cara ou tudo
coroa, o ganho é de R$ 5,00; mas, dando uma ou duas caras, a perda é de R$ 3,00. O resultado
esperado para o jogo, em reais, será:

Espaço amostral do lançamento de 3 moedas:

CA CA CA
CA CA CO
CA CO CA
CA CO CO

CO CA CA
CO CA CO
CO CO CA
CO CO CO

X = xi p(xi) xi . p (xi)
Tudo cara ou tudo coroa = R$ 5,00 2/8 1,25
Uma cara ou duas coroas = - R$ 3,00 6/8 -2,25
∑= -1,00

Resposta: - 1,00 real

Instrumental Matemático - 01

Arredondamento de dados

Muitas vezes, é necessário ou conveniente suprimir unidades inferiores às de determinada ordem. Esta
técnica é denominada arredondamento de dados.

De acordo com a resolução 886/66 do IBGE, o arredondamento é feito da seguinte maneira:

1 - Quando o primeiro algarismo a ser abandonado é 0,1,2,3 ou 4, fica inalterado o último algarismo a
permanecer.

Ex: 53,24 passa a 53,2 ; 44,03 passa a 44,0

2 - Quando o primeiro algarismo a ser abandonado é 6,7,8, ou 9, aumenta-se de uma unidade o

algarismo a permanecer.

Ex: 53,87 passa a 53,9 ; 44,08 passa a 44,1 ; 44,99 passa a 45,0

3 - Quando o primeiro algarismo a ser abandonado é 5, há duas soluções:

a) Se ao 5 seguir em qualquer casa um algarismo diferente de zero, aumenta-se uma unidade ao

algarismo a permanecer.

Ex: 2,352 passa a 2,4 ; 25,6501 passa a 25,7 ; 76,250002 passa a 76,3
b) Se o 5 for o último algarismo ou se ao 5 só se seguirem zeros, o último algarismo a ser conservado
só será aumentando de uma unidade se for ímpar.

Exemplos:

• 24,75 passa a 24,8

• 24,65 passa a 24,6
• 24,75000 passa 24,8
• 24,6500 passa a 24,6

Obs: Não devemos nunca fazer arredondamento sucessivos. Exemplo: 17,3452 passa a 17,3 e não
para 17,35 e depois para 17,4.

Compensação

Suponhamos os dados abaixo, aos quais aplicamos as regras do arredondamento:

25,32 + 17,85 + 10,44 + 31,17 = 84,78

25,3 + 17,8 + 10,4 + 31,2 = 84,7

Verificamos que houve uma pequena discordância: a soma é exatamente 84,7 quando, pelo
arredondamento, deveria ser 84,8. entretanto, para a apresentação dos resultados, é necessário que
desapareça tal diferença, o que é possível pela prática do que denominamos compensação,
conservando o mesmo número de casas decimais.

Usamos "descarregar" a diferença na(s) maior(es) parcela(s). Veja:

25,3 + 17,8 + 10,4 + 31,3 = 84,8

Obs: Se a maior parcela é igual ou maior que o dobro de qualquer outra parcela, "descarregamos" a
diferença apenas na maior parcela.

Exercícios:

1 - Arredonde cada uma dos numerais abaixo, conforme a precisão pedida:

a - Para o décimo mais próximo:

• 23,40 =
• 234,7832 =
• 45,09 =
• 48,85002 =
• 120,4500 =

b - Para o centésimo mais próximo:

• 46,727 =
• 123,842 =
• 45,65 =
• 28,255 =
• 37,485 =

c - Para a unidade mais próxima:

 • 46,727 =
• 123,842 =
• 45,65 =
• 28,255 =
• 37,485 =

d - Para a dezena mais próxima:

• 42,3 =
• 123,842 =
• 295 =
• 2995,000 =
• 59 =

2 - Arredonde para o centésimo mais próximo e compense, se necessário:

0,060 + 0,119 + 0,223 + 0,313 + 0,164 + 0,091 + 0,030 = 1,000

3 - Arredonde para a unidade mais próxima e compense, se necessário:

4,0 + 7,6 + 12,4 + 27,4 + 11,4 + 8,0 = 70,8

* TABELA DE NÚMEROS ALEATÓRIOS *

C1 C1 C1 C1 C1 C1 C1 C1 C1 C1 C2 C2 C2 C2 C2 C2 C2 C2 C2
C1 C2 C3 C4 C5 C6 C7 C8 C9 C29
0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8
L1 4 1 6 1 6 1 0 2 3 5 7 6 2 0 9 9 8 1 0 3 4 7 2 1 0 8 7 8 4
L2 3 0 7 2 6 3 9 5 5 3 4 8 8 0 9 3 0 1 7 0 4 0 8 3 1 2 0 1 2
L3 2 2 5 3 7 5 0 1 9 8 7 6 3 0 0 1 2 1 4 3 2 4 5 6 7 7 4 3 0
L4 1 9 8 4 7 7 8 6 5 2 7 8 1 0 0 7 5 3 2 2 5 8 1 9 0 3 2 3 4
L5 0 3 4 5 8 9 0 2 0 3 1 0 1 1 2 4 3 1 9 5 6 8 5 0 2 3 4 9 0
L6 0 8 9 6 8 1 7 2 2 2 2 8 6 1 9 4 5 2 0 0 1 3 1 0 9 2 3 4 1
L7 8 3 3 7 9 0 6 3 7 6 4 0 7 1 2 1 0 1 2 8 9 7 5 3 2 1 1 8 2
L8 8 8 0 8 9 2 3 6 3 7 3 7 8 9 4 3 9 2 3 2 3 0 0 4 4 2 3 1 3
L9 5 4 1 9 0 0 2 0 3 7 5 0 9 7 6 5 7 8 0 8 4 5 2 3 0 7 4 3 6
L1
6 7 2 0 0 3 1 1 1 2 6 0 2 0 8 0 9 7 7 7 3 6 7 2 9 0 3 1 0
0
L1
4 4 0 5 1 9 1 9 4 1 8 4 2 1 3 3 2 7 6 4 4 3 8 9 0 7 2 2 9
1
L1
3 5 1 4 3 3 0 3 2 3 7 0 3 4 5 8 9 3 5 2 4 0 1 7 9 1 8 1 3
2
L1
2 6 9 3 5 8 2 3 6 5 0 2 6 3 6 7 0 1 7 9 6 8 3 5 3 3 5 7 2
3
L1
0 1 2 2 7 4 0 7 0 7 9 0 0 6 5 2 7 8 1 0 0 7 5 3 0 9 1 1 3
4
L1
9 0 8 1 9 8 3 8 3 9 4 0 1 9 5 2 2 0 0 2 1 2 4 7 6 3 2 1 5
5
L1
7 2 2 0 2 5 0 5 3 2 1 3 5 8 9 1 2 3 9 6 5 2 7 8 1 0 0 7 0
6
L1
8 9 3 9 4 7 4 1 1 4 2 4 6 7 0 2 3 7 8 5 3 1 2 5 6 9 0 7 9
7
L1 6 3 0 8 6 6 0 1 4 6 2 2 3 3 0 1 5 4 5 1 1 3 4 7 8 1 2 8 8
8
L1
5 8 1 7 8 7 5 9 4 8 0 0 2 3 6 9 6 4 3 6 7 2 1 9 7 0 1 8 5
9
L2
3 4 0 6 0 1 9 8 4 0 2 9 2 3 2 5 3 5 7 2 7 8 2 5 6 2 2 9 4
0
L2
8 7 2 1 1 3 5 2 4 1 7 5 7 3 0 0 9 1 2 0 3 4 9 3 0 4 4 9 1
1
L2
1 4 9 1 3 2 8 6 1 2 0 2 0 1 3 5 4 6 4 3 2 0 0 3 9 6 6 0 2
2
L2
2 7 3 2 5 4 6 5 8 4 0 8 0 1 9 6 9 5 0 8 0 2 4 9 8 8 8 0 3
3
L2
4 3 8 2 7 3 7 8 0 3 0 9 2 2 6 7 6 4 9 8 9 4 7 7 7 0 0 2 4
4
L2
5 0 3 3 9 5 7 0 4 5 8 7 4 2 2 3 8 2 1 2 2 0 7 0 6 1 1 2 5
5
L2
2 5 7 3 0 4 2 2 6 6 1 1 0 3 9 9 1 0 3 4 3 9 6 3 5 3 3 4 8
6
L2
1 1 4 4 2 6 3 2 0 8 9 2 3 3 7 7 4 0 5 6 8 8 5 2 4 5 5 4 0
7
L2
0 2 7 4 3 6 4 3 1 7 1 0 2 0 9 6 4 3 7 9 0 7 6 1 3 7 5 5 8
8
L2
9 1 5 5 6 8 5 6 9 8 2 0 2 3 0 1 4 3 3 7 7 5 6 7 4 3 4 0 1
9

EXERCÍCIOS

Média , Moda e Mediana

Marque a questão correta :

A - Em uma prova de Estatística, 3 alunos obtiveram a nota 8,2 ; outros 3 obtiveram a nota 9,0 ; 5
obtiveram a nota 8,6 ; 1 obteve a nota 7,0 e 1 a nota 8,9. A nota média dos alunos será:

1. uma média aritmética simples com valor 8,0 ;

2. uma média aritmética simples com valor 8,7 ;
3. uma média aritmética ponderada com valor 8,0 ;
4. uma média aritmética ponderada com valor 8,5 ;
5. uma média aritmética ponderada com valor 8,6, pois é o de maior frequência.

B - Um professor, após verificar que toda a classe obteve nota baixa, eliminou as questões que não
foram respondidas pelos alunos. Com isso, as notas de todos os alunos foram aumentadas de 3 pontos.
Então:

1. a média aritmética ficou alterada, assim como a mediana.

2. apenas a média aritmética ficou alterada.
3. apenas a mediana ficou alterada.
4. não houve alteração nem na média nem na mediana.
5. nada podemos afirmar sem conhecer o número total de alunos.

C - Na tabela primitiva : { 6, 2, 7, 6, 5, 4 } a soma dos desvios em relação à média aritmética é igual a :

1. ao número - 4
2. ao número 8
 3. ao número 0
4. ao número 25
5. ao número 4

D - A mediana da série { 1, 3, 8, 15, 10, 12, 7 } é :

1. igual a 15
2. igual a 10
3. igual a 7
4. igual a 3,5
5. não há mediana, pois não existe repetição de valores.

E - Numa pesquisa de opinião, 80 pessoas são favoráveis ao divórcio, 50 são desfavoráveis, 30 são
indiferentes e 20 ainda não têm opinião formada a respeito do assunto. Então a média aritmética será:

1. igual a 180, porque todos opinaram somente uma vez.

2. igual a 40, porque é a média entre os valores 50 e 30.
3. igual a 45.
4. igual a 1, porque todos opinaram somente uma vez.
5. não há média aritmética.

F- Segundo o site de VEJA na internet 28% da população brasileira é de origem africana, 32% de
origem portuguesa, 20% de origem italiana e 20% de outras origens. Qual é a moda quanto a origem ?

1. 32%
2. 20%
3. 32% da população.
4. origem portuguesa.
5. não podemos identificar a moda por falta de dados.

G- Numa determinada Escola com 300 alunos 34% deles completam o 2º grau em 3 anos e 66% em 4
anos. Qual o tempo médio de conclusão do 2º grau na referida Escola.

1. 7 anos.
2. 3 e 4 anos.
3. 3,66 anos.
4. 3 ou 4 anos.
5. 3,5 anos.

H - Na série estatística formada por { -1 , -2 , 3 , 4 }:

1. a mediana está entre -2 e 3.

2. a mediana é 0,5.
3. a questão 1 e 2 estão corretas.
4. a mediana é 2.
5. não existe mediana, pois não há dados repetidos.

I - Na série estatística formada por { 3 , 1 , 2 , 3 , 6 }:

1. mediana > moda > média.

2. moda < média < mediana.
3. moda = mediana = média.
4. mediana = média e não há moda.
5. média > mediana e não há moda.

J - Na série estatística formada por { 3 , 1 , 2 , 3 , 4 } se for alterado o valor máximo:

1. a média poderá ser alterada ou não.

 2. a mediana não vai ser alterada.
3. a moda não será alterada.
4. a média será alterada.
5. a mediana vai ser alterada.

K- Quando a medida de posição deve ser o valor mais típico da distribuição utilizamos:

1. a média.
2. a mediana.
3. a moda.
4. a média, a moda e mediana.
5. a moda ou a média.

L- Quando desejamos o ponto médio exato de uma distribuição de frequência, basta calcular:

1. o desvio médio.
2. a média.
3. a moda.
4. a mediana.
5. qualquer medida de posição.

M- Considere uma série estatística com 2351 elementos. A posição da mediana é representada pelo:

1. 1175º elemento.
2. 1176º elemento.
3. ponto médio entre o 1175º e o 1176º elemento.
4. 1175,5º elemento.
5. Impossível resolução, pois não há identificação dos elementos.

N- Dados os conjuntos de números B = { 0 , 1 , 2 , 3 , 4 , 5 } e A = { 220, 225, 230, 235, 240, 245},

podemos afirmar, de acordo com as propriedades da média, que a média de A:

1. é igual à constante 220 somada ao produto da média de B por 5.

2. é igual à média de B mais a constante 220.
3. é igual à média de B multiplicada por uma constante arbitrária.
4. é igual à média de B mais a constante 220 e esse último resultado multiplicado por 5.
5. é igual à média de B multiplicada pela constante 94.

EXERCÍCIOS DE NÚMEROS ÍNDICES

1 - O SALÁRIO MÉDIO DOS BANCÁRIOS EM 1989, ERA DE 450 DÓLARES. O NÚMERO ÍNDICE DO
IPC NESSE MESMO ANO, FOI IGUAL A 1234,5 E O DE 1986 FOI IGUAL A 783,2 REFERIDOS AO
PERÍODO BASE EM 1977. QUAL O SALÁRIO MÉDIO DOS BANCÁRIOS EM 1989 A PREÇOS
CONSTANTES DE 1986:

RESPOSTA:

( 450 / 1234,5 ) x 783,2 = 285,49

US$ 285,49

2 - OS SALÁRIOS DOS EMPREGADOS DA EMPRESA "BRASIL SONHO LTDA" DECRESCERAM 15

% ENTRETANTO A NÚMERO TOTAL DE EMPREGADOS AUMENTOU EM 17 %. QUAL A VARIAÇÃO
PERCENTUAL DA FOLHA DE PAGAMENTOS DESTA EMPRESA ?

RESPOSTA:

folha de pagamentos = salários x número de empregados

salários decesceram 15% = (-15/100)+1 = 0,85

n º de empregados aumentou 17% = (17/100)+1 = 1,17

variação na folha de pagamentos = 0,85 x 1,17 = 0,9945

transformando o fator encontrado para percentual teremos: (0,9945-1) x 100 = -0,55%

3 - O ICB-FACEV REGISTROU INFLAÇÃO DE 1,9% EM DEZ/97, INFLAÇÃO DE 2,0 % EM JAN/98,

INFLAÇÃO DE 0,05 % EM FEV/98 E DEFLAÇÃO DE 0,09 % EM MAR/98 . O PERCENTUAL
ACUMULADO NO 1º TRIMESTRE/98 É :

RESPOSTA :

Devemos acumular os índices registrados em jan, fev e mar (convertendo antes os percentuais em
fatores):

jan = 2,0 % => ((2/100)+1) = 1,02

fev = 0,05% => ((0,05/100)+1) = 1,0005

mar = - 0,09% => ((-0,09/100)+1) = 0,9991

1,02 x 1,0005 x 0,9991 = 1,0196

(1,0196 - 1) x 100 = 1,96 %

4 - UM ÍNDICE DE PREÇOS É FORMADO PELOS PRODUTOS "A" E "B". SE O PREÇO DO

PRODUTO "A" AUMENTA 312% E O PREÇO DO PRODUTO "B" PERMANECE INALTERADO,
CONSEQUENTEMENTE O ÍNDICE DE PREÇO SOBE 5,8%. QUAL SERÁ A PONDERAÇÃO EM
PERCENTUAL DO PRODUTO "A" DENTRO DESTE ÍNDICE DE PREÇOS ?

RESPOSTA :

312% = (312/100) + 1 = 4,12

5,8% = (5,8/100) + 1 = 1,058

Sendo Y = peso de A

1,058 = (4,12 x Y) + (1,0 x (1-Y))

1,058 = 4,12Y + 1 - Y

Y = 0,058 / 3,12

Y = 0,0186

transformando em percentual 0,0186 x 100 = 1,86 %

obs: quando transformamos peso decimal para % basta multiplicar por 100

5 - SE Pt (PREÇO DO BEM NA ÉPOCA ATUAL) É IGUAL A R$17,20 E A VARIAÇÃO NO RELATIVO DE

PREÇO É NEGATIVA EM 36%. CALCULE O PREÇO DESTE DETERMINADO BEM NO PERÍODO
BASE Po:

RESPOSTA :
Pt = R$ 17,20

Pt / Po = - 36% porém devemos transformar o percentual em fator, logo (-36/100)+1 = 0,64

17,20 / Po = 0,64

Po = R$ 26,88

6 - CACULE O REAJUSTE EM % PARA O SALARIO MÍNIMO BASEADO NA VARIAÇÃO NOS

ÚLTIMOS 6 MESES DO ÍNDICE DE PREÇOS ABAIXO:

o set/96 = 1299,8
o out/96 = 1250,0
o nov/96 = 1256,9
o dez/96 = 1245,0
o jan/97 = 1324,1
o fev/97 = 1328,0
o mar/97 = 1325,0
o abr/97 = 1345,0

RESPOSTA : O procedimento é simples, basta dividir o nº índice de abr/97 pelo número índice de
out/96:

1345,0 / 1250,0 = 1,0760

transformando o fator encontrado em percentual teremos:

(1,076 - 1) x 100 = 7,60%

7 -CACULE A VARIAÇÃO PERCENTUAL OCORRIDA NO 1º TRIMESTRE DE 1997 DE ACORDO COM

OS NÚMEROS ÍNDICES DE PREÇOS ABAIXO:

o set/96 = 1299,8
o out/96 = 1250,0
o nov/96 = 1256,9
o dez/96 = 1245,0
o jan/97 = 1324,1
o fev/97 = 1328,0
o mar/97 = 1325,0
o abr/97 = 1345,0

RESPOSTA : O procedimento é simples, basta dividir o nº índice de MAR/97 pelo número índice
de DEZ/96:

1325,0 / 1245,0 = 1,0643

transformando o fator encontrado em percentual teremos:

(1,0643 - 1) x 100 = 6,43%

8 - OS ÍNDICES ABAIXO FORAM DETERMINADOS TOMANDO-SE COMO BASE O ANO

IMEDIATAMENTE ANTERIOR:

1960 = 100 ; 1961 = 110 ; 1962 = 90 ; 1963 = 120 . COM BASE EM 1960, O ÍNDICE DE 1963
SERÁ:

RESPOSTA : COMO SE TRATA DE BASE MOVEL OS CÁLCULOS SERÃO:

110 x 90 / 100 = 99 99 x 120 / 100 = 118,8

9- PARA UMA TAXA DE INFLAÇÃO DE 25% QUAL A PERDA PERCENTUAL DO PODER AQUISITIVO
DA MOEDA ?

RESPOSTA : 1 / 1,25 = 0,80 ONDE (0,8 - 1) x 100 = -20 %

10- O ÍNDICE DA TABELA ABAIXO FOI CALCULADO COM BASE MÓVEL:

ANOS 1970 1971 1972 1973

ÍNDICE 110 112 115 125

A -QUAL O ÍNDICE DE 1973 COM BASE EM 1971:

R: 115 x 125 / 100 = 143,75

B - QUAL O ÍNDICE DE 1972 COM BASE EM 1973:

R: (100 / 125) x 100 = 80,00

C - QUAL O ÍNDICE DE 1973 COM BASE EM 1969:

R: 110 x 112 / 100 = 123,2 123,2 x 115 / 100 = 141,68 141,68 x 125 / 100 = 177,10

D - QUAL O ÍNDICE DE 1969 COM BASE EM 1971:

R: (100 / 112) x 100 = 89,29 (89,29 / 110) x 100 = 81,17

TABELA DE VALORES CRÍTICOS

PARA TESTE DE HIPÓTESES

Nível de significância 0,10 ou 10% 0,05 ou 5% 0,01 ou 1% 0,005 ou 0,5% 0,002 ou 0,2%
Valores críticos de z -1,28 ou -1,645 ou -2,33 ou -2,58 ou -2,88 ou

para testes unilaterais 1,28 1,645 2,33 2,58 2,88

Valores críticos de z 1,645 e -1,96 e -2,58 e -2,81 e -3,08 e

para testes bilaterais 1,645 1,96 2,58 2,81 3,08

EXERCÍCIOS DE TESTE DE HIPÓTESES (médias)

1 - UM FABRICANTE GARANTE QUE SUAS FERRADURAS Nº 3 TEM EM MÉDIA 12cm DE

DIÂMETRO. NUMA AMOSTRA DE 95 FERRADURAS Nº 3 O DIÂMETRO ENCONTRADO FOI DE 11,8
cm E DESVIO PADRÃO DE 0,9 cm. ATRAVÉS DE UM TESTE DE HIPÓTESE, DESCUBRA SE O
FABRICANTE DE FERRADURAS ESTÁ FALANDO A VERDADE, SABENDO-SE QUE O NÍVEL DE
SIGNIFICÂNCIA ADOTADO FOI DE 5 %.

 Ho = 12 cm
 H1 > ou < 12 cm (bilateral)
 média amostral = 11,8 cm
 média de Ho = 12 cm
 tamanho da amostra = 95 (n>30)
 desvio padrão populacional = 0,9 cm
 Zteste = (11,8-12,0)/((0,9/95^(1/2))

Zteste = -2,166

 ponto crítico p/ 5% = -1,96 e 1,96

RESPOSTA: Zteste está na área crítica

2 - UM FABRICANTE GARANTE QUE SUAS FERRADURAS Nº 3 TEM EM MÉDIA 12cm DE

DIÂMETRO. NUMA AMOSTRA DE 95 FERRADURAS Nº 3 O DIÂMETRO ENCONTRADO FOI DE 11,8
cm E DESVIO PADRÃO DE 0,9 cm. ATRAVÉS DE UM TESTE DE HIPÓTESE, DESCUBRA SE O
FABRICANTE DE FERRADURAS ESTÁ FALANDO A VERDADE, SABENDO-SE QUE O NÍVEL DE
SIGNIFICÂNCIA ADOTADO FOI DE 1 %.

 Ho = 12 cm
 H1 > ou < 12 cm (bilateral)
 média amostral = 11,8 cm
 média de Ho = 12 cm
 tamanho da amostra = 95 (n>30)
 desvio padrão populacional = 0,9 cm

Zteste = (11,8-12,0)/((0,9/95^(1/2))

Zteste = -2,166

 ponto crítico p/ 1% = -2,58 e 2,58

RESPOSTA : Zteste está na área de aceitação de Ho

3 - UM FABRICANTE GARANTE QUE SUAS FERRADURAS Nº 3 TEM EM MÉDIA 12cm DE

DIÂMETRO. NUMA AMOSTRA DE 95 FERRADURAS Nº 3 O DIÂMETRO ENCONTRADO FOI DE 12,2
cm E DESVIO PADRÃO DE 0,9 cm. ATRAVÉS DE UM TESTE DE HIPÓTESE, DESCUBRA SE O
FABRICANTE DE FERRADURAS ESTÁ FALANDO A VERDADE, SABENDO-SE QUE O NÍVEL DE
SIGNIFICÂNCIA ADOTADO FOI DE 5 %.

 Ho = 12 cm
 H1 > ou < 12 cm (bilateral)
 média amostral = 12,2 cm
 média de Ho = 12 cm
 tamanho da amostra = 95 (n>30)
 desvio padrão populacional = 0,9 cm

Zteste = (12,2-12,0)/((0,9/95^(1/2))

Zteste = 2,166

 ponto crítico p/ 5% = -1,96 e 1,96

RESPOSTA : Zteste está na área crítica

4 - UM FABRICANTE GARANTE QUE SUAS FERRADURAS Nº 3 TEM EM MÉDIA 12cm DE

DIÂMETRO. NUMA AMOSTRA DE 95 FERRADURAS Nº 3 O DIÂMETRO ENCONTRADO FOI DE 12,2
cm E DESVIO PADRÃO DE 0,9 cm. ATRAVÉS DE UM TESTE DE HIPÓTESE, DESCUBRA SE O
FABRICANTE DE FERRADURAS ESTÁ FALANDO A VERDADE, SABENDO-SE QUE O NÍVEL DE
SIGNIFICÂNCIA ADOTADO FOI DE 1 %.

 Ho = 12 cm
 H1 > ou < 12 cm (bilateral)
  média amostral = 12,2 cm
 média de Ho = 12 cm
 tamanho da amostra = 95 (n>30)
 desvio padrão populacional = 0,9 cm

Zteste = (12,2-12,0)/((0,9/95^(1/2))

Zteste = 2,166

 ponto crítico p/ 1% = -2,58 e 2,58

RESPOSTA: Zteste está na área de aceitação de Ho

TABELA DE VALORES CRÍTICOS

PARA TESTE DE HIPÓTESES

Nível de significância 0,10 ou 10% 0,05 ou 5% 0,01 ou 1% 0,005 ou 0,5% 0,002 ou 0,2%
Valores críticos de z -1,28 ou -1,645 ou -2,33 ou -2,58 ou -2,88 ou

para testes unilaterais 1,28 1,645 2,33 2,58 2,88

Valores críticos de z 1,645 e -1,96 e -2,58 e -2,81 e -3,08 e

para testes bilaterais 1,645 1,96 2,58 2,81 3,08

EXERCÍCIOS DE TESTE DE HIPÓTESES (proporções)

1 - UM PRODUTOR DE MORANGOS AFIRMA QUE 85 % DE SUA PRODUÇÃO NÃO CONTÉM

AGROTÓXICOS, ESTANDO ASSIM DENTRO DOS LIMITES DO MINISTÉRIO DA AGRICULTURA.
NUMA AMOSTRA DE 50 CAIXAS DE MORANGO CONSTATOU-SE AGROTÓXICOS EM 10 CAIXAS.
CONSIDERANDO UM VALOR CRÍTICO PARA 5 %, DETERMINAR SE O PRODUTOR ESTÁ CERTO
EM SUA AFIRMAÇÃO.

o Sucessos reais = 50 - 10 = 40
o proporção populacional de sucessos p = 0,85
o proporção populacional de fracassos q = 0,15
o tamanho da amostra = 50
o ponto crítico p/ 5% = -1,645 (unilateral)

Zteste = (38-(50*0,85))/(50*0,85*0,15)^(1/2)

Zteste = -0,9901

2 - UM PRODUTOR DE MORANGOS AFIRMA QUE 85 % DE SUA PRODUÇÃO NÃO CONTÉM

AGROTÓXICOS, ESTANDO ASSIM DENTRO DOS LIMITES DO MINISTÉRIO DA AGRICULTURA.
NUMA AMOSTRA DE 50 CAIXAS DE MORANGO CONSTATOU-SE AGROTÓXICOS EM 12 CAIXAS.
CONSIDERANDO UM VALOR CRÍTICO PARA 5 %, DETERMINAR SE O PRODUTOR ESTÁ CERTO
EM SUA AFIRMAÇÃO.

o Sucessos reais = 50 - 12 = 38
o proporção populacional de sucessos p = 0,85
o proporção populacional de fracassos q = 0,15
o tamanho da amostra = 50
o ponto crítico p/ 5% = -1,645 (unilateral)
 Zteste = (38-(50*0,85))/(50*0,85*0,15)^(1/2)

Zteste = -1,7823

3 - UM PRODUTOR DE MORANGOS AFIRMA QUE 85 % DE SUA PRODUÇÃO NÃO CONTÉM

AGROTÓXICOS, ESTANDO ASSIM DENTRO DOS LIMITES DO MINISTÉRIO DA AGRICULTURA.
NUMA AMOSTRA DE 50 CAIXAS DE MORANGO CONSTATOU-SE AGROTÓXICOS EM 12 CAIXAS.
CONSIDERANDO UM VALOR CRÍTICO PARA 10 %, DETERMINAR SE O PRODUTOR ESTÁ CERTO
EM SUA AFIRMAÇÃO.

o Sucessos reais = 50 - 12 = 38
o proporção populacional de sucessos p = 0,85
o proporção populacional de fracassos q = 0,15
o tamanho da amostra = 50
o ponto crítico p/ 10% = -1,28 (unilateral)

Zteste = (38-(50*0,85))/(50*0,85*0,15)^(1/2)

Zteste = -1,7823

4 - UM PRODUTOR DE MORANGOS AFIRMA QUE 85 % DE SUA PRODUÇÃO NÃO CONTÉM

AGROTÓXICOS, ESTANDO ASSIM DENTRO DOS LIMITES DO MINISTÉRIO DA AGRICULTURA.
NUMA AMOSTRA DE 50 CAIXAS DE MORANGO CONSTATOU-SE AGROTÓXICOS EM 13 CAIXAS.
CONSIDERANDO UM VALOR CRÍTICO PARA 1 %, DETERMINAR SE O PRODUTOR ESTÁ CERTO
EM SUA AFIRMAÇÃO.

o Sucessos reais = 50 - 13 = 37
o proporção populacional de sucessos p = 0,85
o proporção populacional de fracassos q = 0,15
o tamanho da amostra = 50
o ponto crítico p/ 1% = -2,33 (unilateral)

Zteste = (37-(50*0,85))/(50*0,85*0,15)^(1/2)

Zteste = -2,1783