Apostila Estatistica Descritiva

www.ResumosConcursos.hpg.com.
br
Apostila: Estatística Descritiva – por João Flores Neto
Apostila de Estatística Descritiva
Assunto:
ESTATÍSTICA DESCRITIVA
Autor:
JOÃO FLORES NETO
1
www.ResumosConcursos.hpg.com.br
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 determinada 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 métodos para coleta, organização,
descrição, análise e interpretação de dados e para a utilização dos mesmos na tomada de
decisões.
2
A coleta, a organização ,a descrição dos dados, o cálculo 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 formas 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.
3
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 características 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)
4
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, casado, divorciado, viúvo, etc.)
VARIÁVEL: É, convencionalmente, o conjunto de resultados 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 industrias capixabas... 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
5
É uma técnica especial para recolher amostras, que garantem, tanto quanto possível, o
acaso na escolha.
.AMOSTRAGEM CASUAL OU ALEATÓRIA SIMPLES:
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
seqüência, 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 sistema de referência. São exemplos os prontuários médicos de um hospital, os
6
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.
.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, respectivamente,

n1= 40, n2= 100 e n3= 60. Sabendo que, ao realizar uma amostragem estratificada
proporcional, 9 elementos da amostra foram retirados 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.
7
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 (fenômeno) 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.
FILIAIS UNIDADES VENDIDAS *

São Paulo 13
Rio de Janeiro 17
TOTAL 30
* Em mil unidades
c) Série Específica: O caráter variável é apenas o fato ou espécie. Também é chamada de

série categórica.
8
MARCA UNIDADES VENDIDAS *

FIAT 18
GM 12
TOTAL 30
* 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.
FILIAIS Janeiro/96 Fevereiro/96

São Paulo 10 3
Rio de Janeiro 12 5
TOTAL 22 8
* Em mil unidades
Obs: as séries heterógradas serão estudas em capítulo especial ( distribuição de

freqüências ).
.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.
9
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 freqüentemente vêm acompanhados 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.
10
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 freqüentemente 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 denominada
de área de excesso.
1.5- Gráficos em setores.
Este gráfico é construído 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:
11
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 devem 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.
12
DISTRIBUIÇÃO DE FREQUÊNCIA
É um tipo de tabela que condensa uma coleção de dados conforme as freqüências

(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 freqüência 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 freqüência é inconveniente, já que exige muito espaço. Veja exemplo abaixo:
Dados Freqüência
41 3
42 2
43 1
44 1
45 1
46 2
50 2
51 1
13
52 1
54 1
57 1
58 2
60 2
Total 20
Distribuição de freqüência 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 Freqüências
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 freqüência 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.
14
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 exemplo: 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 freqüência = 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.
15
REPRESENTAÇÃO GRÁFICA DE UMA DISTRIBUIÇÃO
.Histograma, Polígono de freqüência e Polígono de freqüência acumulada
Em todos os gráficos acima utilizamos o primeiro quadrante do sistema de eixos

coordenados cartesianos ortogonais. Na linha horizontal (eixo das abscissas) colocamos os
valores da variável e na linha vertical (eixo das ordenadas), as freqüências.
.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
freqüências simples ou absolutas.
freqüências simples ou absolutas: são os valores que realmente representam o número

de dados de cada classe. A soma das freqüências simples é igual ao número total dos dados
da distribuição.
freqüências relativas: são os valores das razões entre as freqüências absolutas de cada
classe e a freqüência total da distribuição. A soma das freqüências relativas é igual a 1 (100
%).
.Polígono de freqüência: é um gráfico em linha, sendo as freqüências marcadas sobre

perpendiculares ao eixo horizontal, 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 posterior à
última, da distribuição.
.Polígono de freqüência acumulada: é traçado marcando-se as freqüências acumuladas

sobre perpendiculares ao eixo horizontal, levantadas nos pontos correspondentes aos limites
superiores dos intervalos de classe.
freqüência simples acumulada de uma classe:é o total das freqüências de todos os

valores inferiores ao limite superior do intervalo de uma determinada classe.
freqüência relativa acumulada de um classe:é a freqüência acumulada da classe, dividida

pela freqüência 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
16
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 freqüência e
polígono de freq. acumulada:
Obs: uma distribuição de freqüência 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 freqüência.
A Curva de freqüência ( Curva polida):
Enquanto o polígono de freqüência nos dá a imagem real do fenômeno estudado, a curva de

freqüência nos dá a imagem tendencial. O polimento (geometricamente, corresponde à
eliminação dos vértices da linha poligonal) de um polígono de freqüência 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 = freqüência calculada da classe considerada (freq. polida)
fi = freqüência simples da classe considerada
fant = freqüência simples da classe anterior à da classe considerada
fpost = freqüência simples da classe posterior à da classe considerada
.Exercício:
Com base na tabela anterior, construa o gráfico da curva polida a partir das freqüências
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 freqüência.
17
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 freqüências,

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 diminuída) dessa constante.
18
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 freqüência = fi
0 2
1 6
2 10
3 12
4 4
total 34
Como as freqüências 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
19
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) freqüência = 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
20
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.
21
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 ?
22
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 freqüências)
..
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
23
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:
24
a = { 2 , 3 , 4 , 5 } ....Resp: 3,67
.Média Quadrática Ponderada: Quando os valores da variável estiverem dispostos em uma

tabela de freqüências, 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 freqüência em uma série de valores.
Mo é o símbolo da moda.
25
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 definição, 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 freqüência.
Exemplo: Qual a temperatura mais comum medida no mês abaixo:
Temperaturas freqüência
0º C 3
1º C 9
2º C 12
3º C 6
Resp: 2º C é a temperatura modal, pois é a de maior freqüência.
b) Com intervalos de classe
A classe que apresenta a maior freqüência 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.
26
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) freqüência

54 |------------ 58 9
58 |------------ 62 11
62 |------------ 66 8
66 |------------ 70 5
Resp: a classe modal é 58|-------- 62, pois é a de maior freqüência. 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= freqüência da classe modal - freqüência da classe anterior à da classe modal
d2= freqüência da classe modal - freqüência 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 }
27
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 pela 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 pela 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
28
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 elementos 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 freqüência acumulada imediatamente superior à

metade da soma das freqüências. A mediana será aquele valor da variável que corresponde
a tal freqüência acumulada.
Exemplo conforme tabela abaixo:
Variável xi freqüência fi freqüência acumulada

0 2 2
1 6 8
2 9 17
3 13 30
4 5 35
total 35
Quando o somatório das freqüências for ímpar o valor mediano será o termo de ordem dado
pela fórmula :.
29
Como o somatório das freqüências = 35 a fórmula ficará: ( 35+1 ) / 2 = 18º termo = 3....
Quando o somatório das freqüências for par o valor mediano será o termo de ordem dado
pela fórmula :.
Exemplo - Calcule Mediana da tabela abaixo:
Variável xi freqüência fi freqüência 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 freqüências acumuladas ; 2º)
Calculamos ; 3º) Marcamos a classe correspondente à freqüência 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 freqüência acumulada da classe anterior à classe mediana.
30
f* = é a freqüência simples da classe mediana.
h* = é a amplitude do intervalo da classe mediana.
Exemplo:
classes freqüência = fi freqüência 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 distribuição em duas partes iguais.
• Quando há valores extremos que afetam de maneira 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
31
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 cálculo 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 cálculo 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,
32
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 freqüência = fi freqüência 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
33
fórmula 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 }
34
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 a diferença entre 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
35
6 |------------- 8 2
8 |------------- 10 3
AT = 10 - 4 = 6
A amplitude total tem o inconveniente 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
36
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 freqüências, agrupados ou não em

classes, serão usadas as seguintes fórmulas:
Cálculo pela média: Dm = (E |Xi - |. fi ) / E fi
37
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 cálculo do Desvio médio pela mediana segue-se o mesmo raciocínio.
Xi fi 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 freqüentemente 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 .
38
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.
39
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 freqüências) 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 freqüências 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.
40
* 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 padrão e a média
referentes a dados de uma mesma série).
41
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 M É D I A 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:
42
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
Exercício - a) Determine os tipos de assimetria das distribuições abaixo:
Distribuição A Distribuição B Distribuição C
Classes fi Classes fi Classes fi
43
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
Exercício - b) Demonstre 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 entre 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:
44
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 freqüência 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 freqüência 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 estatísticas 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:
45
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 resultado 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.
46
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) Obter 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 ?
47
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).
48
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 não 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:
49
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
Paus = 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)
50
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 não 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 bolas
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 ?
51
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:
52
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%
53
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.
54
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.
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:
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 freqüências relativa ao número de acidentes diários na

Rodovia do SOL durante o mês de nov/97:
Número de Acidentes freqüência

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
55
1 0,17
2 0,07
3 0,03
Total 1,00
Construímos acima uma tabela onde 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
considerado 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.
56
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.
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 NORMAL
Entre as distribuições teóricas de variável aleatória contínua, uma das mais empregadas é a
distribuição Normal.
57
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 distribuição 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 essa probabilidade,
precisamos, em primeiro lugar, calcular o valor de z que corresponde a x = 2,05
58
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 linha, o valor 5, que corresponde ao último algarismo do número
1,25. Na intersecção da linha e coluna correspondentes encontramos o valor 0,3944, o que
nos permite escrever:
P (0 < Z < 1,25 ) = 0,3944 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 bancários 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 :
59
a) maior que 120
b)maior que 80
c)entre 85 e 115
d)maior que 100
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
60
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:
61
• 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
62
TABELA DE NÚMEROS ALEATÓRIOS
C3 C4 C5 C6 C7 C8 C9 C10 C11 C12 C13 C14 C15 C16 C17 C18 C19 C20 C21 C22 C23 C24 C25 C26 C
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
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
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
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
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 6 8 1 7 2 2 2 2 8 6 1 9 4 5 2 0 0 1 3 1 0 9 2 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
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 9 0 0 2 0 3 7 5 0 9 7 6 5 7 8 0 8 4 5 2 3 0 7 4
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
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
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
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
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
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
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
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
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
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
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
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 3 2 8 6 1 2 0 2 0 1 3 5 4 6 4 3 2 0 0 3 9 6 6
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
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
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
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 4 2 6 3 2 0 8 9 2 3 3 7 7 4 0 5 6 8 8 5 2 4 5 5
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 5 6 8 5 6 9 8 2 0 2 3 0 1 4 3 3 7 7 5 6 7 4 3 4
Análise de variância
A análise de variância é um teste estatístico amplamente difundido entre os analistas,

e visa fundamentalmente verificar se existe uma diferença significativa entre as médias e se
os fatores exercem influência em alguma variável dependente.
Os fatores propostos podem ser de origem qualitativa ou quantitativa, mas a variável
dependente necessariamente deverá ser contínua.
Haja visto que trata-se de um teste bastante difundido e inúmeros bons softwares
estatísticos e planilhas eletrônicas possuem o recurso disponível, não haverá
aprofundamento desta técnica neste capítulo, sendo recomendada literatura especializada.
A principal aplicação da ANOVA (analise of variante) é a comparação de médias
oriundas de grupos diferentes, também chamados tratamentos, como por exemplo médias
históricas de questões de satisfação, empresas que operam simultaneamente com diferentes
rendimentos, entre muitas outras aplicações.
Existem dois métodos para calcular-se a variância: dentro de grupos (MQG) e a
variância das médias (MQR).
Em uma Anova, calcula-se esses dois componentes de variância. Se a variância
calculada usando a média (MQR) for maior do que a calculada (MQG) usando os dados
pertencentes a cada grupo individual, isso pode indicar que existe uma diferença significativa
entre os grupos.
Existem dois tipos de problemas a serem resolvidos através da Anova: a níveis fixos ou a
níveis aleatórios. A aleatoriedade determinada a questão do problema.
Na grande maioria dos casos trata-se de níveis fixos, afinal o segundo tipo de
problema (aleatório) somente surgirá quando ocorrer um estudo envolvendo uma escolha
aleatória de fatores (em 10 lotes de produção, escolhe-se apenas 5, entre 15 máquinas de
um total de 20, por exemplo).
Tabela de Análise de Variância ou tabela ANOVA.
Fonte de SQ GDL MQ Teste F

Variação
Entre Grupos SQG K – 1 MQG MQG/MQR
Dentro dos SQR N-K MQR
Grupos
Total SQT N-1
· SQT = SQG + SQR (mede a variação geral de todas as observações).

· SQT é a soma dos quadrados totais, decomposta em:
· SQG soma dos quadrados dos grupos (tratamentos), associada exclusivamente a
um efeito dos grupos
· SQR soma dos quadrados dos resíduos, devidos exclusivamente ao erro aleatório,
medida dentro dos grupos.
· MQG = Média quadrada dos grupos
· MQR = Média quadrada dos resíduos (entre os grupos)
· SQG e MQG: medem a variação total entre as médias
· SQR e MQR: medem a variação das observações de cada grupo
f = MQG
MQR
N – 1=(K – 1) + (N – K)
SQT = SQG + SQR
MQG = SQG (K – 1)
A hipótese nula sempre será rejeitada quando f calculado for maior que o valor
tabelado. Da mesma forma, se MQG for maior que MQR, rejeita-se a hipótese nula.
Quadro
Fonte de variação SQ (soma dos quadrados) GDL (g.l) MQ (quadrados médio)
Teste F
Entre Grupos
Dentro dos grupos
Total
Se o teste f indicar diferenças significativas entre as médias, e os níveis forem fixos,
haverá interesse em identificar quais as médias que diferem entre si.
Calcular o desvio padrão das médias;
Sx = , ,onde nc é a soma do número de cada variável (grupo) dividido pelo

número de variáveis.
Calcular o limite de decisão (ld)
3 x Sx
Ordenar as médias em ordem crescente ou decrescente e compara-las duas a duas. A
diferença será significativa se for maior que Ld.
Se o teste f indicar diferenças significativas entre as médias, e os níveis forem
aleatórios, haverá interesse em identificar a estimativa dos componentes de variação.
O valor encontrado acima indicará a variabilidade total entre grupos, indicando se é

considerado significativa ou não.
Exemplo (níveis fixos):
Um pesquisador realizou um estudo para verificar qual posto de trabalho gerava mais
satisfação para o funcionário. Para isso, durante um mês, 10 funcionários foram
entrevistados. Ao final de um mês os funcionários responderam um questionário gerando
uma nota para o bem estar do funcionário.
Postos
Funcionários 1 2 3
1 7 5 8
2 8 6 9
3 7 7 8
4 8 6 9
5 9 5 8
6 7 6 8
7 8 7 9
8 6 5 10
9 7 6 8
10 6 6 9
RESUMO
Grupo Contagem Soma Média Variância

1 10 73 7,3 0,9
2 10 59 5,9 0,544444
3 10 86 8,6 0,488889
ANOVA
Fonte da
SQ gl MQ F valor-P F crítico
variação
2,37E-
Entre grupos 36,46667 2 18,23 28,29 3,35
07
Dentro dos
17,4 27 0,64
grupos
Total 53,86667 29
Como f calculado é maior do que o f tabelado, rejeita-se a hipótese nula em prol da
hipótese alternativa ao risco de 5%.
Há diferenças significativas entre os grupos. Observa-se que MQG é muito superior a
MQR, indicando uma forte variância entre os grupos.
1. Calcular o desvio padrão das médias;
2. Calcular o limite de decisão (Ld)
3 x Sx
3. Ordenar as médias em ordem crescente ou decrescente e compara-las duas a duas.
5,9
7,3
8,6
x1 – x2 = - 1,4
x1 – x3 = - 2,7
x2 – x3 = - 1,3
As três diferenças são menores que o Ld, conclui-se portanto que as médias diferem entre si.
Regressão simples (RLS)
Em inúmeras problemáticas, o pesquisador depara-se com duas varáveis que

proporcionam previsão de comportamentos futuros. Esta previsão pode ser alcançada
através de um estudo que envolve a equação da reta de regressão, concebida através das
variáveis critério (y, dependente ou de resposta) e a independente (x, também conhecida
como prognóstico). Trata-se de uma realidade comum no universo da pesquisa, envolvendo
variáveis como renda, idade, gastos, entre muitas outras.
Equação da reta:
Y = a1 + a2.x
Onde, y é a variável dependente e x a independente.
a1 é o valore de y para x e a2.é valor médio de y por unidade x.
A relação linear entre as duas variáveis é medida pelo coeficiente de correlação (R).
R varia de –1 a 1, onde 1 é a correlação perfeita e o oposto indica forte correlação
negativa. Valores próximos de zero indicam fraca correlação.
No exemplo abaixo, se existisse um R elevado poderia-se prever y para eventos
futuros.
Y X
Gastos com combustível Km rodados
Renda Pessoal Anos de estudo
Números de defeitos de peças Horas de treinamentos em qualidade
O cálculo de R é uma operação bastante simples para softwares com funções

estatísticas, sendo desnecessário o aprofundamento dos procedimentos de calculo.
Neste tipo de análise é importante determinar o quanto a linha de regressão
representa os dados. Neste caso, se faz necessário calcular o R2 de Pearson ou coeficiente
de determinação.
Um R2 igual a 0,80, tem-se que 80% da variabilidade decorre de x. Inversamente,
pode-se dizer que 20% da variância de Y não é atribuível às diferenças em x.
Para obter-se o teste de hipótese, formula-se H0 e H1 da seguinte forma:
H0 :p = 0
H1: p ≠ 0
O cálculo de t é realizado através da formula,
Sendo t calculado maior do que t tabelado, rejeita-se a hipótese nula.

Exemplo:
Um motorista deseja prever seus gastos com seu automóvel em função dos
quilômetros que roda por mês.
GASTOS
QUILÔMETROS
(R$)
3203 400
3203 400
2603 340
3105 400
1305 150
804 100
1604 200
2706 300
805 100
1903 200
3203 400
3702 450
3203 400
3203 400
803 100
803 100
1102 130
3202 400
1604 150
1603 200
3203 400
3702 450
3403 440
Estatística de regressão
R múltiplo 0,993064678
R-Quadrado 0,986177454
R-quadrado ajustado 0,985519237
Erro padrão 127,508336
Observações 23
Observando a tabela acima, percebe-se uma forte correlação entre as variáveis, onde
R está muito próximo de 1.
Quilômetros rodados explica 98% da variância de gastos.
Regressão linear múltipla (RLM)
Muitos problemas de regressão envolvem mais de uma variável regressora. Por

exemplo: a satisfação geral poder ser composta por diversas variáveis independente tais
como preço, prazo de entrega, embalagem, entre outras.
Em virtude dos princípios da regressão múltipla serem análogos à da regressão
simples, não se abordará aqui as particularidades que envolvem a equação geral da equação
da Regressão Múltipla: y = β0 + βx1 + β2x2 + ...+ βkxk + Σ.
Analogamente, a preocupação geral do analista nesta análise, é o R2 que indica a
variabilidade total do modelo de regressão, e os R’s que variam de 1 a –1, indicando a
variabilidade total, onde haverá uma relação entre a variável de resposta e as regressoras.
O teste de hipótese baseia-se no já abordado valor do t, onde ocorre a situação do mesmo
sendo calculado e maior do que o tabelado, rejeita-se a hipótese nula.
Exemplo:
Variáveis Coeficiente
Prazo de entrega 0,154
Envolvimento da equipe na solução de 0,135
problemas
Preço praticado -0,002
Trabalho de pós venda 0,134
Embalagem 0,065
Neste exemplo real, objetivava-se mensurar o grau de satisfação dos clientes de uma
empresa distribuidora de software, onde a variável de resposta era a satisfação geral e as
regressoras eram as acima citadas (para um grupo de fatores).
Observa-se que pouca representatividade é exercida por estas variáveis, afinal os
coeficientes pouco se afastam de zero. No entanto o R2 é elevado (0,68), conferindo uma
boa precisão no cálculo.
NUMEROS INDICES
Os números-índices são medidas estatísticas freqüentemente usadas por

administradores, economistas e engenheiros, para comparar grupos de variáveis
relacionadas entre si e obter um quadro simples e resumido das mudanças significativas em
áreas relacionadas como preços de matérias-primas, preços de produtos acabados, volume
físico de produto etc. Mediante o emprego de números-índices é possível estabelecer
comparações entre:
a) variações ocorridas ao longo do tempo;

b) diferenças entre lugares;
c) diferenças entre categorias semelhantes, tais como produtos, pessoas,
organizações etc.
É grande a importância dos números-índices para o administrador, especialmente

quando a moeda sofre uma desvalorização constante e quando o processo de
desenvolvimento econômico acarreta mudanças continuas nos hábitos dos consumidores,
provocando com isso modificações qualitativas e quantitativas na composição da produção
nacional e de cada empresa individualmente. Assim, em qualquer análise, quer no âmbito
interno de uma empresa, ou mesmo fora dela, na qual o fator monetário se encontra
presente, a utilização de números-índices toma-se indispensável, sob pena de o analista ser
conduzido a conclusões totalmente falsas e prejudiciais à empresa. Por exemplo, se uma
empresa aumenta seu faturamento de um período a outro, isso não quer dizer
necessariamente que suas vendas melhoraram em termos de unidades vendidas. Pode ter
ocorrido que uma forte tendência inflacionaria tenha obrigado a empresa a aumentar
acentuadamente. Os preços de seus produtos, fazendo gerar um acréscimo no faturamento
(em termos "nominais"), o qual, na realidade, não corresponde a uma melhora de situação.
Fora dos problemas gerados por alterações nos preços dos produtos, os números-
índices são úteis também em outras áreas de atuação da empresa como, por exemplo, no
campo da pesquisa de mercado. Neste caso, podem ser utilizados nas mensurações do
potencial de mercado, na analise da lucratividade por produto, por canais de distribuição etc.
Em suma, os números-índices são sempre úteis quando nos defrontamos com análises
comparativas.
Para o economista, o conhecimento de números-índices é indispensável igualmente

como um instrumento útil ao exercício profissional, quer seus problemas estejam voltados
para a microeconomia quer para a macroeconomia. No primeiro caso, poder-se-ia citar, por
exemplo, a necessidade de se saber até que ponto o preço de determinado produto
aumentou com relação aos preços dos demais produtos em um mesmo mercado. Se, por
outro lado, o problema for quantificar a inflação, serem preciso medir o crescimento dos
preços dos vários produtos como um todo, através do índice geral de preços.
Sob os aspectos acima considerados, pode-se vislumbrar a noção de agregado
subjacente ao conceito de número-índice. Por essa razão, costuma-se conceber o número-
índice como uma medida utilizada para proporcionar uma expressão quantitativa global a um
conjunto de medidas que não podem ser simplesmente adicionadas em virtude de
apresentarem individualmente diferentes graus de importância.
Cada número-índice de uma série ( de números) costuma vir expresso em termos
percentuais. Os índices mais empregados medem, em geral, variações ao longo do tempo e
exatamente nesse sentido que iremos trata-los neste capitulo. Além disso, limitaremos o
estudo às suas principais aplicações no campo de administração e de economia, as quais se
situam no âmbito das variações de preços e de quantidades.
CONCEITO DE RELATIVO
A quantidade total de dinheiro gasto cada ano, em relação a certo ano base, varia de
um ano para outro devido as variações no número de unidades compradas dos diferentes
artigos e igualmente devido a mudanças nos preços unitários de tais artigos. Temos,
portanto, três variáveis em jogo: preço, quantidade e valor, sendo este último o resultado do
produto do preço pela quantidade.
Relativo (Relação) de Preço
Trata-se do número-índice mais simples. Relacionando-se o preço de um produto

numa época (chamada época atual ou época dada) com o de uma época o (chamada básica
ou simplesmente base) teremos um relativo de preço. Fazendo-se P t = preço numa época
atual e Po = preço na época-base, definiremos relativo de preço pela seguinte quantidade:
p(o,t) pt
po
Se quisermos expressar em termos percentuais o relativo de preço, bastará
multiplicarmos o quociente acima por 100.
p(o,t) = pt X 100
po
NOTA
O símbolo p(o,t) pode ser escrito também: po,t.
Exemplo
O preço de determinando artigo em 1979 foi Cr$ 1,20 e em 1980 subiu para Cr$ 1,38.
Tomando-se por base o ano 1979, determinar o preço relativo em 1980.
Solução
O ano considerado base corresponderá sempre ao índice igual a 100. Os demais

apresentarão, portanto, valores que flutua no em torno de 100. Então:
p (79,80) = p1980 = 1,38 = 1,15 ou 115% ou simplesmente 115.

p1979 1.20
Esse resultado indica que em 1980 houve um aumento de 15% no preço do artigo
com relação ao preço do mesmo artigo em 1979.
Se tivéssemos p 1980 = 112 (cruzeiros) e P1979 = 120, o relativo de preço seria:
p (79,80) = 112 = 0,93 ou 93% ou 93.

120
Em 1980 0 artigo em questão apresentou um preço de 7% inferior ao de 1979.
Relativo (Relação) de Quantidade
Assim como podemos comparar os preços de bens, podemos também fazê-lo em

re1ação a quantidades, quer sejam elas quantidades produzidas, vendidas ou consumidas.
Se fizermos q t= quantidade de um produto na época atual (época t) é qo = quantidade desse
mesmo produto na época 0 (básica), a quantidade relativa será o seguinte quociente:
q(o,t) = qt
qo
que representa a variação da quantidade na época t com re1ação a uma época 0 (base).
Exemplo
Uma empresa produziu 45 toneladas de aço em 1979 e 68 toneladas em 1980. A

quantidade relativa será, tomando-se o ano de 1979 como base:
q (79,80) = q 80 = 68 = 1,51 ou 151%ou 151

q 79 45
No ano de 1980 esta empresa aumentou sua produção de 51% em relação a 1979.
Relativo (Relação) de Valor
Se p for o preço de determinado artigo em certa época e q a quantidade produzida ou

consumida desse mesmo artigo na mesma época, então, o produto p x q será denominado
valor total de produção ou de consumo. Sendo p t e q t respectivamente, o preço e a
quantidade de um artigo na época atual (t) e po e qo, o preço e a quantidade do mesmo artigo
na época básica (0), definimos como total o valor relativo ou simplesmente valor relativo o
quociente:
v (o,t) = _vt_ = pt . qt = po, t . q o,t

vo po . qo
O fato de vo,t = Po,t . qo,t é conhecido como propriedade da reversibilidade dos fatores ou
como critério da decomposição das causas.
Exemplo
Uma empresa vendeu, em 1970, 1000 unidades de um artigo ao preço unitário de Cr$
500,00. Em 1971 vendeu 2000 unidades do mesmo artigo ao preço unitário de Cr$ 600,00.O
valor relativo da venda em 1971 foi:
v (70, 71) = 600 . 2000 = 2,4 ou 240%.

500 . 1000
Em 1971, o valor das vendas foi 140% superior ao de 1970, alguns índices agregados
não satisfazem a essa propriedade.
EMPREGO DE ÍNDICES (AGREGATIVOS) PONDERADOS
Como vimos, os índices simples apresentam algumas desvantagens, em especial à se

refere à inexistência de pesos diferentes para cada utilidade que os compõe de acordo com
sua importância relativa. No caso dos índices ponderados, além da fórmula a ser usada para
interpretar as variações de preço e de quantidade dos bens, há o problema do critério para a
fixação dos pesos relativos de cada um deles. A ponderação proposta pelos métodos mais
usados baseia-se na participação de cada bem no valor transacionado total e é feita, em
geral, segundo dois critérios: peso fixo na época básica ou peso variável na época atual.
Índice de Laspeyres ou Método da época Básica
O índice de Laspeyres constitui uma média ponderada de relativos, sendo os fatores

de ponderação determinados a partir de preços e de qualidades da época básica por
conseguinte, no índice de Laspeyres, a base de ponderação é a época básica, dai a
denominação método da época básica.
O peso relativo ou fator de ponderação relativa para um dado bem i, componente do
índice, é dado por
O numerador da expressão representa o valor do dispêndio com um dado bem i e o

denominador a soma dos valores de todos os bens adquiridos na época básica. Assim
sendo, w i0 equivale a participação relativa do valor do bem i, em re1ação ao valor de todos
os bens transacionados, tendo como referenda a época básica. De onde se conclui que
1
Índice de Preço
Símbolo: L o,t
O índice de Laspeyres de Preço e definido pela seguinte expressão:
n
A expressão 20 pode ser simp1ificada. Lembrando que Σ wio = 1 , podemos escrever
O índice de preço, segundo o critério de Laspeyres, indica que o valor das

quantidades dos bens na época básica, aos preços do ano dado (Σ pt x qo ), é igual a Lo,t por
cento do valor das mesmas quantidades aos preços do ano-base; ou o valor das quantidades
do ano-base variaram (L o,t - 100)% como resultado de 174 variações de preço no período
considerado. Se, por exemplo, L 78,80 = 1,40, diremos que o valor das quantidades do ano-
base aumentou 40% como resultado do aumento de preços entre 78 e 80 que se compara,
portanto, é o dispêndio teórico na época atual com o dispêndio real na época básica para se
manter a mesma estrutura de compra ou de consumo da época básica.
Pode-se observar, na expressão 21, que as quantidades da época básica figuram como
fatores de ponderação dos preços em duas épocas. Trata-se, portanto, de um índice em que
as quantidades (pesos) são fixas na época básica. Isso não é o mesmo que dizer que a
ponderação é fixa, o que se ocorre quando os pesos independerem da base de comparação.
No caso do índice de Laspeyres, os pesos variam ao mudar a época básica, o que o
caracteriza como um índice agregativo ponderado, com ponderação referida a época básica.
O índice de Laspeyres apresenta uma tendência para exagerar a alta, em virtude
de considerar as quantidades da época atual iguais às da época básica.
a) Índice de Quantidade
Símbolo: L'o,t
O índice de quantidade, pelo método de Laspeyres obtém-se permutando p e q na

expressão 21.
Neste caso, os preços da época básica são considerados os fatores de ponderação. O

índice agregativo de quantidade procura responder a seguinte que são: se em cada uma de
duas épocas forem adquiridas quantidades diferentes de determinadas mercadorias, mas
aos mesmos preços (fixos na época básica, no caso do índice de Laspeyres), quanto se
gastara na época atual em re1ação ao que se gastou na época básica? Enquanto no Índice
de preço a diferença da importância gasta devia-se à variação nos preços, no de quantidade
ela se deve às variações nas quantidades adquiridas, uma vez que os preços permanecem
constantes.
Índice de Paasche ou Método da Época Atual
O Índice agregativo proposto por Paasche é, na sua fórmu1a original, uma média
harmônica ponderada de relativos, sendo os pesos calculados com base nos preços e nas
quantidades dos bens na época atual. A base de ponderação no Índice de Paasche e,
portanto, a época atual. O fator de ponderação simbolizado por wi t representa, então, a
participação percentual do dispêndio com o componente i na época atual em re1ação ao
dispêndio total da mesma época simbolicamente,
a) Índice de Preço
Símbolo: Po,t
O índice de preços, segundo o método proposto por Paasche, é definido pela expressão:
n
Substituindo wit pela expressão dada acima e lembrando que Σ wit = 1,
i=1
chegaremos a uma expressão mais simples.
O índice de preço de Paasche indica que o valor das quantidades dos bens adquiridos
na época atual, aos preços dessa mesma época, é igual a Po,t por cento do valor dessas
quantidades aos preços da época básica; ou o valor das quantidades da época atual variou
(P o,t - 100)% como resultado do aumento de preços no período considerado. Esse índice
mede, portanto, a relação entre o dispêndio monetário necessário para adquirir bens nas
quantidades e sistemas de preços da época atual e o dispêndio dado pelas quantidades da
época atual aos preços vigentes na época básica.
Observando a expressão acima pode-se ver que os fatores de ponderação são as
quantidades da época atual. Como a época atual é variável, os pesos, no índice de Paasche,
mudam quando as épocas atuais mudarem, o que o caracteriza.
como um índice agregativo com ponderações variáveis. O índice de Paasche realça a
baixa porque a ponderação é determinada pela época atual.
Uma séria limitação ao uso do índice de preço de Paasche reside no fato de os pesos
variarem em cada período, o que onera substancialmente a pesquisa, no caso de ser difícil
estimar as quantidades na época atual. Esse fato torna proibitivo o emprego do índice de
Paasche quando se deseja montar um índice ponderado para se fazerem comparações
semanais, mensais ou mesmo trimestrais.
b) Índice de Quantidade
Símbolo: P'o,t
O índice de Paasche de quantidade é definido por:

Índice do Fischer (Índice Ideal)
O índice de Fischer, também conhecido corno forma ideal, é a média geométrica dos
números-índices de Laspeyres e de Paasche. Sob o aspecto da ponderação, esse índice
envolve os dois sistemas anteriormente adotados. A proposta de Fischer fundamenta-se no
fato de os índices que o compõem não atenderem ao critério de decomposição das causas,
além de um deles tender a superestimar e o outro a subestimar o verdadeiro valor do índice.
Esse verdadeiro valor tenderá a ser um número superior ao fornecido pela fórmula de
Paasche e inferior ao apresentado pela fórmula de Laspeyres, o que acontece com a média
geométrica entre esses dois índices. Entretanto, o índice de Fischer, apesar de ser chamado
de ideal, nisso pode ser considerado "perfeito". A necessidade de modificar pesos, em dada
época comparada, em decorrência do cálculo do índice de Paasche, constitui uma restrição
não desprezível ao seu emprego. Além disso, não parece ser possível determinar
especificamente o que o índice de Fischer mede, bem como estabelecer o verdadeiro valor
de um Índice perfeito, o qual serviria de elemento de referência.
a) Índice de Preço
Símbolo: Io,t
Índice de Quantidade
Símbolo: I'o,t
EXERCÍCIOS
1) Dados:
1997 1978 1979

PRODUTOS
P Q P Q P Q
A 2 4 3 6 6 12
B 1 6 2 4 4 4
C 4 4 1 8 5 16
D 3 6 6 4 6 4
Dados: fictícios
a) Obter um índice de Laspeyres e de Paasche de preço, com base em 1977, para o
período 77/79.
b) Obter um índice de Laspeyres de Preço, base móvel, para o período 77/79
Respostas: a) L 77,78= 133,33 b) L 77,78= 133,33
L 77,79= 216,67 L 78,79= 200,00
P 77,78= 96,67
P 77,79= 184,64
2) Conjugue as duas séries seguintes de números-índices, usando 1958 como época-base.
ÍNDICES DE PREÇOS DAS EXPORTAÇÕES LATINO-AMERICANAS
ANO SÉRIE ANTIGA SÉRIE NOVA

1953 118
1954 115
1955 105
1956 100
1957 96
1958 90 100
1959 95
1960 95
1961 93
1962 91
1963 94
dados: fictícios
Resposta: ÍNDICES DE PREÇOS DAS EXPORTAÇÕES LATINO-AMERICANAS
ANO SÉRIE AJUSTADA

1953 131
1954 128
1955 117
1956 111
1957 107
1958 100
1959 95
1960 95
1961 93
1962 91
1963 94

Apostila Estatistica Descritiva

Enviado por

Direitos autorais:

Formatos disponíveis

Apostila Estatistica Descritiva

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Apostila Estatistica Descritiva

Enviado por

Direitos autorais:

Formatos disponíveis

www.ResumosConcursos.hpg.com.

Apostila de Estatística Descritiva

ESTATÍSTICA: ramo da matemática aplicada.

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

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

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

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

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

MÉTODO EXPERIMENTAL: consiste em manter constante todas as causas, menos uma,

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

Seria impossível, no momento da pesquisa, manter constantes a uniformidade dos salários, o

A coleta, a organização ,a descrição dos dados, o cálculo e a interpretação de coeficientes

FASES DO MÉTODO ESTATÍSTICO

1º - DEFINIÇÃO DO PROBLEMA : Saber exatamente aquilo que se pretende pesquisar é o

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

4º - APURAÇÃO DOS DADOS : Resumo dos dados através de sua contagem e

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

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

DEFINIÇÕES BÁSICAS DA ESTATÍSTICA

Fenômenos de multidão:quando a s características observadas para a massa não se

DADO ESTATÍSTICO: é um dado numérico e é considerado a matéria-prima sobre a qual

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

AMOSTRA: é uma parcela representativa da população que é examinada com o propósito de

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

Exemplo de classificação dicotômica do atributo: A classificação dos alunos da FACEV

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, casado, divorciado, viúvo, etc.)

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

VARIÁVEL QUANTITATIVA: Quando os dados são de caráter nitidamente quantitativo, e o

VARIÁVEL DISCRETA OU DESCONTÍNUA: Seus valores são expressos geralmente através

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

EXERCÍCIO - Classifique as variáveis em qualitativas ou quantitativas (contínuas ou

. Cor dos olhos das alunas... Resp:qualitativa

. Índice de liquidez nas industrias capixabas... 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 CASUAL OU ALEATÓRIA SIMPLES:

É equivalente a um sorteio lotérico. Pode ser realizada numerando-se a população de 1 a n e

1º - numeramos os alunos de 1 a 90.

2º - escrevemos os números dos alunos, de 1 a 90, em pedaços iguais de papel, colocamos

..AMOSTRAGEM PROPORCIONAL ESTRATIFICADA:

Quando a população se divide em estratos (subpopulações), convém que o sorteio dos

SEXO POPULACÃO 10 % AMOSTRA

Numeramos então os alunos de 01 a 90, sendo 01 a 54 meninos e 55 a 90, meninas e

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

3- Uma população encontra-se dividida em três estratos,com tamanhos, respectivamente,

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

TABELA: É um quadro que resume um conjunto de dados dispostos segundo linhas e

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

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

a) Série Temporal: Identifica-se pelo caráter variável do fator cronológico. O local e a

ABC VEÍCLULOS LTDA.

Vendas no 1º bimestre de 1996