Apostila de Estatã Stica Agronomia 2011-01

Estatstica para Agronomia
Professor: Joelson de Arajo Delfino

ESTATSTICA
Prof.: Joelson de Arajo Delfino
Palmas - 2011
AGRONOMIA

1

Introduo Estatstica

Introduo
O surgimento da estatstica, assim como o de outras cincias, no se apresentou em
apenas uma poca especfica da histria. Podemos mencionar alguns registros importantes do
seu aparecimento, como uma citao feita no 4 livro do Velho Testamento que faz referncia
a uma instruo dada a Moiss, para que fizesse um levantamento dos homens de Israel que
estivessem aptos para guerrear.
No mundo contemporneo, a estatstica apresenta algumas personagens importantes,
Florence Nighingale (Moore, 2000, pg 6), uma delas. Precursora da profisso de
Enfermeira, usou como mecanismo para melhoria do atendimento mdico, durante a guerra
da Crimia, na Ucrnia, os dados coletados na enfermaria do hospital militar. A enfermeira
percebeu que muitas mortes ocorridas na enfermaria eram provenientes da falta de higiene. A
maneira encontrada de apresentar essas informaes, de forma clara e concisa, aos oficiais
superiores, foi a utilizao de grficos.
Outro grande nome da Estatstica Contempornea Ronald Aylmer Fisher (1890
1962), que trabalhou com ajustes de curvas de freqncia, com coeficientes de correlao
(coeficientes de Fisher), na anlise de varincias e nas tcnicas de estimulao de um
parmetro. (Bonjorno, 1992, pg 297)
Nesta breve apresentao, buscamos mostrar o contexto histrico, em que se insere a
estatstica e, tambm, sua contribuio para as cincias sociais e econmicas. Esse ramo da
Matemtica se apresenta incisivamente no cotidiano, visto que, cada vez mais, as pessoas e as
organizaes pblicas e privadas se utilizam dos mecanismos fornecidos por ela para
melhoria da qualidade de vida, otimizao de custos e gerenciamento de instituies de uma
forma geral.

Conceitos Fundamentais
Inicialmente iremos trabalhar com uma srie de conceitos que so fundamentais para
a sua compreenso e desenvolvimento da disciplina. Todos os conceitos que sero
apresentados a partir de agora so termos que iremos usar na rotina de nossas aulas; portanto,
no se preocupe em decorar cada um deles, mas, sim, relacion-los com suas aplicaes.

2
Estatstica o ramo da Matemtica que dispe de mecanismos e processos para
coletar, organizar, classificar e interpretar dados, para mensurar e descrever fenmenos
naturais, temporais, histricos e institucionais.
Populao um conjunto de elementos que possui uma caracterstica em comum.
Exemplo: Alunos da Faculdade Catlica do Tocantins.
Amostra o subconjunto de uma populao. Exemplo: Alunos do curso de
Agronomia da Faculdade Catlica do Tocantins.
Parmetro uma caracterstica numrica estabelecida para toda uma populao.
Censo uma avaliao direta de um parmetro, utilizando-se todos os dados da
populao.
Dados brutos so os dados coletados diretamente da observao de um
determinado fenmeno sem nenhum tipo de organizao ou tratamento.
Rol uma seqncia ordenada dos dados brutos.
Variveis so os possveis resultados de um fenmeno estudado.
Existem duas possibilidades para uma varivel; ela pode ser qualitativa ou quantitativa:
A qualitativa se embasa nas caractersticas do fenmeno, como por exemplo, a
durabilidade de um produto (alta ou baixa), cor dos olhos entre outros. J a varivel
quantitativa pode ser expressa em forma de nmeros, como por exemplo, os salrios do
Legislativo, Executivo e Judicirio. Outro exemplo a idade dos alunos que esto cursando
Agronomia, da Catlica. A varivel quantitativa pode ser classificada ainda, como discreta
ou contnua. A varivel discreta se caracteriza por apresentar valores indicados em um
ponto especfico de uma escala de valores, como exemplo podemos citar o nmero de
professores de Agronomia da Catlica ( 1; 2; 3; ...). A varivel contnua pode ser
representada por qualquer valor entre dois pontos limites. Um exemplo dessa possibilidade
o peso de uma embalagem de um produto (12,3 g ; 55,9 Kg ...), o tempo mdio de uma
viagem entre duas cidades (2 horas, 35 minutos e 15 segundos ... ), etc.

Atividade
1 Conceitue de acordo com sua compreenso:
a) Estatstica.
b) Populao.
c) Amostra.
d) Dados brutos e rol.
e) Varivel (contnua e discreta).

3

2 Como a Estatstica pode auxiliar na sua vida profissional?
3 Classifique as variveis em qualitativas ou quantitativas (contnuas ou discretas):
a) Cor dos olhos das alunas.
b) ndice de liquidez nas indstrias capixaba.
c) Produo de caf no Brasil.Contnua
d) Nmero de defeitos em aparelhos de TV. Discreta.
e) Comprimento dos pregos produzidos por uma empresa. Contnua
f) O ponto obtido em cada jogada de um dado...

Tratamento de Dados
O tratamento de dados inclui algumas etapas que so essenciais para o processo
estatstico. Dentre as quais podemos destacar:
Coleta de dados Para incio da coleta de dados, faz-se necessrio um planejamento para
determinao das caractersticas do fenmeno a ser estudado. Essa coleta pode ser realizada
de duas formas distintas: direta ou indireta.
A coleta de dados direta realizada pelo prprio pesquisador, por meio de inquritos
e questionrios, como o caso de registros de casamentos, nascimentos, bitos, exportao e
importao de mercadorias. J a coleta de dados indireta ocorre a partir de uma coleta de
dados direta j realizada, anteriormente, como por exemplo, o nmero de exportaes de um
determinado produto dentre todos os j exportados.
Tabulao dos dados a ordenao dos dados a partir de um processamento que pode ser
manual ou eletrnico.
Exposio dos dados realizada por meio de tabelas e/ou grficos.
Interpretao dos dados Concluda as fases anteriores, chegamos ao objetivo principal da
estatstica que sublimar concluses a respeito de um fenmeno de uma populao, cujas
informaes foram retiradas de uma parte dessa populao, definida como amostra. Com
essas interpretaes podemos tirar concluses e previses.
Nas organizaes empresariais, a Estatstica a alavanca fundamental, usada pelos
empresrios, nas tomadas de decises para melhor organizar, dirigir e controlar as empresas.


4
Teoria da amostragem
uma tcnica para escolher amostras que permite garantir a casualidade na escolha.
Pode ser separada em trs categorias: amostragem casual; amostragem proporcional
estratificada e amostragem sistemtica.
A amostragem casual ocorre de forma aleatria numerando-se os elementos da populao e
escolhendo ao acaso alguns desses elementos.
A amostragem proporcional estratificada se caracteriza por tomarmos um substrato de um
substrato, proporcionalmente a cada um desses.
Exemplo: em uma populao de 180 alunos na qual 108 so mulheres e 72 so homens. A
amostra consiste em usar dois estratos (masculino e feminino) nos quais usaremos como
amostra 10% da populao, como podemos observar na tabela a seguir:

SEXO POPULAO 10% AMOSTRA
M 108 10,8 11
F 72 7,2 7
TOTAL 180 18 18

Amostragem sistemtica Tipo de amostragem em que a populao j se encontra em
ordem. Como exemplo podemos citar uma linha de produo de uma indstria de
embalagens. Aqui o pesquisador ir impor a sua metodologia, isto , a cada hora ele coleta
uma embalagem para anlise da qualidade.

Tabelas e Grficos

Introduo
Como vimos no tema anterior, para fazermos o tratamento de dados, partimos de um
roteiro com vrios passos que iro nos auxiliar no trabalho com dados estatsticos. Outro
assunto abordado que uma maneira clara e precisa de representar esses dados atravs de
tabelas e grficos. Esse ser o assunto abordado neste tema.

Tabelas
Um dos objetivos da Estatstica sintetizar os valores que uma ou mais variveis
podem assumir. De maneira geral, as tcnicas estatsticas so utilizadas em trs etapas
principais do trabalho de pesquisa:

5
- A coleta dos dados.
- A apresentao dos dados.
- A analise dos dados.
Como primeiro resultado da pesquisa temos:
- Dados brutos.
- Rol (ordenar os dados em ordem crescentes ou decrescentes).
Exemplo
Um pesquisador quer saber que idades predominam entre as pessoas economicamente
ativas de determinada cidade. Para isso, entrevistou 100 pessoas e obteve os seguintes dados
brutos:
28 27 31 33 30 33 27 31 34 26
30 33 33 29 32 27 34 37 30 29
37 31 30 30 26 29 29 34 29 26
30 27 32 24 30 27 31 30 32 29
31 31 30 30 27 30 27 27 21 34
30 28 33 28 36 29 32 27 24 27
33 27 27 30 33 30 33 33 23 28
30 39 27 27 31 31 36 28 29 30
33 31 31 30 28 27 32 30 30 29
29 24 33 30 33 27 30 36 36 32

O rol desses dados brutos :
Idade 21 23 24 26 27 28 29 30 31 32 33 34 36 37 39 Total
Freqncia 1 1 3 3 16 6 10 21 10 6 12 5 3 2 1 100

Uma maneira de se representar esses valores por meio de tabelas e grficos, que
iro nos fornecer rpidas e seguras informaes a respeito das variveis em estudo.

Tabela um quadro que resume um conjunto de informaes.

Elementos de uma Tabela
- Corpo
- Cabealho
- Coluna indicadora

6
- Linhas
- Casa ou clula
- Ttulo

Existem ainda elementos complementares da tabela que so a fonte, notas e
chamadas.

Exemplo

Sries Estatsticas

So as tabelas que apresentam a distribuio de um conjunto de dados estatsticos em
funo da poca, do local ou da espcie.
Conforme mude os elementos da srie, podemos classific-la como:
- Histrica cronolgica ou temporal.
- Geogrficas territoriais ou de localizao.
- Especificas ou categricas.

Sries Histricas
Estas sries tambm chamadas de cronolgicas ou temporais apresentam os valores de
uma varivel de um certo local em intervalos de tempo.


7
Taxa de analfabetismo
1998 2003 Brasil.
Taxas anuais de crescimento da produo
industrial por categoria de uso - 2004
Exemplo

Anos
Porcentagem
(%)
1998 13,8
1999 13,3
2000 12,9
2001 12,4
2002 11,8
2003 11,6
Fonte: IBGE, pesquisa nacional por
amostra de domiclios 1998/2003

Sries Geogrficas
Estas sries tambm chamadas de territoriais ou de localizao, apresentam os valores
de uma varivel, em um certo instante, por regies.

Exemplo
Distribuio percentual dos domiclios particulares permanentes, por forma de
esgotamento sanitario 2004

Regies do Brasil
Rede Geral
(%)
Outras formas
(%)
Sem Instalao
(%)
Norte 50,5 39,9 9,5
Nordeste 45,3 38,4 16,2
Sudeste 86,9 12,1 0,9
Sul 76,1 22,3 1,6
Centro-Oeste 41,5 56 2,5
Fonte: IBGE, pesquisa nacional por amostra de domiclios 2004.

Sries Especficas
Estas sries tambm chamadas de categricas, apresentam os valores de uma varivel,
de um certo tempo e local, em categorias ou especificaes.

Exemplo


8

Categorias de uso
2004
(%)
Indstria geral 8,3
Bens de capital 19,7
Bens intermedirios 7,4
Bens de consumo 7,3
Bens de consumo durvel 21,8
Bens de consumo no durvel 4,0
Fonte: IBGE, diretoria de pesquisa, coordenao de indstria.

Tabela de Dupla Entrada
a conjugao de duas sries em uma nica tabela. So criadas duas ordens de
classificao: uma horizontal e uma vertical.

Exemplo
Proporo da populao por sexo
1980 2000
Por sexo
(%)
1980 1990 1996 2000
Homens 49,68 49,36 49,31 49,22
Mulheres 50,32 50,64 50,69 50,78
Fonte: IBGE, censo demogrfico 1980, 1991 e 2000 e
contagem da populao 1996.

Grficos
O grfico estatstico uma forma de apresentao dos dados, cujo objetivo o de
produzir, no investigador ou no publico em geral, uma impresso mais rpida e viva do
fenmeno em estudo, j que os grficos falam mais rpido compreenso que as sries
(tabelas).
Requisitos fundamentais para a representao grfica:
- Simplicidade
- Clareza

9
- Veracidade
Os tipos fundamentais de grficos so os diagramas.

Diagramas
So grficos geomtricos de, no mximo, duas dimenses. Para sua construo,
fazemos o uso do sistema cartesiano.
Grfico em linha utiliza-se da linha poligonal para representar a srie estatstica.
11.2 11.3 11.2 11.3 11.2 11.3
11.5
12.0
12.5
13.0
13.5
14.0
2001 2002 2003 1998 1999 2000
TAXA DE ANALFABETISMO - BRASIL - 1998-2003
(
%
)
ANOS

Grfico em colunas ou em barras representa uma srie por meio de retngulos,
dispostos verticalmente (colunas) ou horizontalmente (barras).
1 2 3 4 5 6
0
5
10
15
20
b
. d
e
c
o
n
. n
a
o
d
.
b
. d
e
c
o
n
. d
u
r
v
e
l
b
e
n
s
d
e
c
o
n
s
u
m
o
b
e
n
s
in
te
r.
b
e
n
s
d
e
c
a
p
ita
is
(
%
)
in
d
s
tria
g
e
ra
l


10

1
2
3
4
5
6
0 5 10 15 20
ind. geral
b. de con. nao d.
b. de con. durvel
bens de consumo
bens inter.
bens de capitais
(%)

Grfico em colunas ou barras mltiplas emprega-se quando se quer representar,
simultaneamente, dois ou mais fenmenos estudados com o propsito de comparao.

1 2 3 4 5
0
20
40
60
80
Distribuio percentual dos domiclios particulares
permanentes, por forma de esgotamento sanitrio - 2004
C.OESTE
SUL SUDESTE NORDESTE NORTE
(
%
)
R.GERAL
O.FORMAS
S.INSTALAO

Grfico em setores constitui-se com base em um crculo, e empregado sempre
que desejamos ressaltar a participao do dado no total.


11
Fonte: IBGE, pesquisa nacional por amostra de domiclios 2004

Distribuio percentual dos domiclios particulares permanentes, por forma de
esgotamento sanitrio 2004
Regio Nordeste

Atividade
1 Defina histograma.
2 Construa um histograma para distribuio de freqncia:

3 Defina um grfico para a distribuio da idade de 53 alunos da faculdade Catlica do
Tocantins.

x
i
1 2 3 4 5 6
f
i
3 5 7 9 4 1
Idade 17 18 19 20 21
N
o
de Alunos 3 20 8 12 10
sem instalacao
16%
rede geral
46%
outras f ormas
38%
sem instalao

12
Atividade final
1 Um banco, ao acaso, selecionou 20 contas de pessoas jurdicas em uma agncia, e obteve
os seguintes saldos:
52.500 18.300 25.550 43.800 22150 5.550 4.250 16.500 35.800
8.700 25.550 34.250 46.500 21.800 7700 12.050 14.250 8.650
5.800 25.550

Construa uma tabela com os dados acima, em ordem crescente, separando-os em intervalos
de 5.000, com o inicio no menor valor.

2 Determine o grfico de barras para a distribuio de uma amostra dos salrios de 40
funcionrios selecionados de uma empresa.

Classe Salrios (em R$) N
o
de funcionrios ( f
i
)
1
1000 1200
2
2
1200 1400
8
3
1400 1600
20
4
1600 1800
6
5
1800 2000
4

3 Construa um grfico, para o consumo de energia eltrica em uma empresa observando a
seguinte tabela:
Ms Consumo (kwh)
Janeiro 650
Fevereiro 800
Maro 1100
Abril 1300
Maio 1350
Junho 1400

4 Determinar um grfico de barras, observando as reas dos estados da regio sudeste do
Brasil, conforme esquema abaixo:

Estado rea(km
2
)
So Paulo 250.000
Minas Gerais 590.000
Esprito Santo 46.000
Rio de Janeiro 44.000


13
i s i
L L h =
.) (min L .) (max L A
i s t
=
5 Em uma eleio, concorreram os candidatos A, B, C, e D e, apurada uma determinada
urna, os votos foram os seguintes: A = 60 votos, B = 100 votos, C = 30 votos, D = 15 votos
e brancos e nulos = 10 votos.
A partir dessas informaes construa:
a) uma tabela de freqncia dessa varivel;
b) um grfico de barras, relacionando os valores da varivel com as respectivas
freqncias absolutas;
c) um grfico de setores, relacionando os valores da varivel com suas
porcentagens.

Distribuio de Freqncia

Introduo
Para uma melhor compreenso das informaes fornecidas por dados estatsticos,
principalmente quando se trabalha com uma grande quantidade, agrupam-se esses dados em
nmeros de classes, intervalos e categorias.
Podemos definir freqncia como o nmero de vezes em que se repete um
determinado valor e, assim obtemos uma tabela de distribuio de freqncia.
Quando se fala em distribuio de freqncia, existem termos distintos com
caractersticas particulares, que sero descritos abaixo, juntamente com algumas definies
que iro nos auxiliar no processo de aprendizagem.
Os termos a ser definidos so os seguintes:
Classe ( i ) so intervalos em que ocorrem um determinado valor para a varivel.
Limites de classe ( L ) so os extremos de cada classe (limite inferior L
i
e limite superior
L
s
)
Amplitude de um intervalo de classe ( h
i
) a diferena entre o limite de classe superior
e o limite de classe inferior.

Amplitude total da distribuio (A
t
) a diferena entre o limite superior (mximo) da
ltima classe e o limite inferior (mnimo) da primeira classe.


14
n 3 2 1
n
1 i
i
x ... x x x x + + + =
=
Neste momento, vamos abrir um parntese com a inteno de apresentarmos uma
ferramenta que ainda no foi vista. Essa ferramenta ir nos auxiliar na compreenso dos
prximos termos a serem definidos.

Notao Sigma ( )
Muitos procedimentos estatsticos necessitam do clculo da soma de um conjunto de
nmeros.
Definio:

Ex. Se uma varivel qualquer x tiver a seqncia de valores 2, 5, 7 e 8, ento x = 22.
x = 2 + 5 + 7 + 8 = 22
( x )
2
= ( 22 )
2
= 484
x
2
= 2
2
+ 5
2
+ 7
2
+ 8
2
= 142
A leitura que devemos fazer
=
4
1 i
i
x
a soma dos valores da varivel x comeando com o
primeiro ( i = 1 ) e terminando com o quarto ( i = 4 ):
4 3 2 1
4
1 i
i
x x x x x + + + =
=
ento devemos somar todas as n observaes.
22 ) 2 5 ( ) 2 4 ( ) 2 3 ( ) 2 2 ( ) 2 x (
5
2 i
i
= + + + + + + + = +
=

= + + =
=
3
1 i
2 2 2 2
i
14 ) 3 ( ) 2 ( ) 1 ( x
Atividade
1
=

3
1
2
) 10 (
i
i
x

2
=
7
4 i
i
x 2

15
=
= + + + =
k
1 i
k 2 1 i
n f ... f f f
=
i
i
r
f
f
f

=
r i ac
f ou f f
3
=
6
3 i
i
x

4
=
5
2 i
i
) 3 x (

Agora j temos condies de voltarmos s definies dos termos que tnhamos
proposto no incio desse tema.
Freqncia simples ou absoluta ( f
i
) o nmero de vezes em que se repete uma classe ou
um determinado valor.
A soma de todas as freqncias definida como:

Freqncia relativa ( f
r
) o quociente entre as freqncias simples e a total.

OBS. A freqncia relativa tambm pode ser expressa em porcentagem, basta multiplicarmos
o valor encontrado por cem (%).
Freqncia acumulada ( f
ac
) a soma definida entre a freqncia absoluta ou relativa da
sua classe com a classe anterior.

Exemplos
1 Analisando a tabela de dados coletados, a respeito da idade de 50 alunos da primeira srie
do ensino mdio, temos:


16
Dados Brutos
15 17 16 15 17 16 15 17 16 15
17 15 14 17 15 14 17 15 14 15
16 16 15 16 16 15 16 16 15 16
15 15 16 15 15 16 15 15 16 15
14 14 15 14 14 15 14 14 15 15

Rol
14 14 14 14 14 14 14 14 14 15
15 15 15 15 15 15 15 15 15 15
15 15 15 15 15 15 15 15 15 15
15 16 16 16 16 16 16 16 16 16
16 16 16 16 17 17 17 17 17 17

Tabela

idades f
i
f
i ac
f
r
(%) f
r ac
(%)
14 09 09 18 18
15 22 31 44 62
16 13 44 26 88
17 06 50 12 100

2 De acordo com a tabela abaixo, represente a distribuio de freqncia com intervalo de
classe.

Dados brutos

7 9,9 9,9 10 10 7 10 10 8 10
6 6 6 6 6,6 6,8 6,8 6,8 6,9 6,9
7 7 7 8 7 10 7 7 7 7
8 8 8 8 7 8 8 8 8 8
8 8 8 8 8 8 10 8 8 8
5,9 6 6 6 6 6 6 6 6 6
8 8 8 8,4 8 8,7 8,9 9 9 9
5 5 5,4 5,5 5,6 5,8 5,8 5,8 5,9 5,9
7 9,9 7 7 7,7 7,8 7,8 7,9 8 8


17
n Q =

Rol
5 5 5,4 5,5 5,6 5,8 5,8 5,8 5,9 5,9
5,9 6 6 6 6 6 6 6 6 6
6 6 6 6 6,6 6,8 6,8 6,8 6,9 6,9
7 7 7 7 7 7 7 7 7 7
7 7 7 7 7,7 7,8 7,8 7,9 8 8
8 8 8 8 8 8 8 8 8 8
8 8 8 8 8 8 8 8 8 8
8 8 8 8,4 8 8,7 8,9 9 9 9
9 9 9 9 9 9 9,5 9,8 9,8 9,9
9,9 9,9 9,9 10 10 10 10 10 10 10

Nmero de classes
O nmero de classes depende muito das habilidades do pesquisador e das
necessidades das respostas para uma varivel contnua.
A primeira preocupao na construo de uma distribuio de freqncia a
determinao do nmero de classes e conseqentemente da amplitude e dos limites dos
intervalos de classe.
Na realidade no existe uma regra fixa para determinar o nmero de classes adequado
para uma distribuio. Entretanto, para minimizar as dificuldades, utiliza-se a regra de
Sturges, que permite determinar, empiricamente, o nmero de classes em funo do nmero
de valores da varivel, de acordo com a equao abaixo:
Q = 1 + 3,322 . log n
Q o nmero de classes;
n Numero total de dados;
O nmero de classes deve ser um nmero inteiro, logo, quando preciso o arredondamento
deve ser feito para o inteiro superior.
Critrio da raiz
Para uma srie com n elementos, indicaremos por Q o nmero de classes a ser
utilizado. Pelo critrio da raiz:

Obs. O nmero de classes sempre um nmero inteiro e, como
n Q =
em geral nunca um
resultado inteiro, devemos arredondar para mais ou para menos conforme as necessidades.

18
5 5 10 A
.) (min L .) (max L A
t
i s t
= =
=
10 Q
100 Q
n Q
=
=
=
5 , 0
10
5
Q
A
h
t
= = =

Amplitude da classe
A amplitude do intervalo de classe chamada de h e calculamos atravs da relao

Q
A
h
t
=

Amplitude total

Clculo de Q

Clculo do h

Tabela
Classes Notas f
i
f
iac
f
r
( % ) f
rac
( % )
1
5,0 5,5
3 3 3 3
2
5,5 6,0
8 11 8 11
3
6,0 6,5
13 24 13 24
4
6,5 7,0
6 30 6 30
5
7,0 7,5
14 44 14 44
6
7,5 8,0
4 48 4 48
7
8,0 8,5
26 74 26 74
8
8,5 9,0
3 77 3 77
9
9,0 9,5
9 86 9 86
10
9,5 10,0
14 100 14 100

Atividade final
1 Um dado lanado 10 vezes, tendo-se obtido os seguintes pontos:
6, 4, 2, 3, 3, 1, 5, 6, 2, 4.

19
Formule uma tabela de distribuio de freqncias absoluta e relativa e tambm de
freqncias acumuladas relativa e absoluta.

2 Os salrios semanais, em reais, de 15 funcionrios de um frigorfico so:
76, 88, 72, 80, 76, 68, 72, 84, 80, 76, 72, 92, 80, 76, 72.
Elabore uma tabela de distribuio de freqncias absoluta e relativa e, tambm, de
freqncias acumuladas relativa e absoluta.

3 Complete a distribuio com as freqncias absoluta e relativa e, tambm, de freqncias
acumuladas relativa e absoluta, para a tabela abaixo que representa uma amostra dos salrios
de 25 funcionrios selecionados em uma empresa.

Classe Salrios N
o
de Funcionrios f
iac
f
r
(%) f
rac
(%)
1
1000 1200
2
2
1200 1400
6
3
1400 1600
10
4
1600 1800
5
5
1800 2000
2

4 Complete a distribuio com as freqncias absoluta e relativa e, tambm, de freqncias
acumuladas relativa e absoluta, para a tabela abaixo que representa o saldo de 25 contas de
pessoas fsicas em uma agncia bancria em um determinado dia.
Classe Saldos N
o
de funcionrios f
iac
f
r
(%) f
rac
(%)
1
0 10.000
5
2
10.000 20.000
10
3
20.000 30.000
8
4
30.000 40.000
2


20
Medidas de Tendncia Central

Introduo
Quando estamos estudando uma distribuio de freqncia, podemos localizar a maior
concentrao dos valores dessa distribuio, e afirmar se essa concentrao ocorre no incio,
no meio, no fim ou, ainda, se a distribuio uniforme.
Dentre as medidas de posio com maior importncia, esto as medidas de tendncia
central, das quais iremos destacar, neste tema, a mdia, a moda e a mediana.

Mdia ( ) x
Sem intervalo de classe
A mdia a medida de tendncia central mais simples que temos em estatstica.

Onde ( ) x o valor mdio da varivel, x os valores possveis da varivel e n a
quantidade de valores.

Exemplo
1 Qual a mdia final do aluno, que obteve as seguintes notas durante o ano letivo:

X
1
= 8,0 X
2
= 7,0 X
3
= 5,0 e X
4
= 8,0

2 Em uma sala de aula de 10 alunos, foi realizada uma prova, e foram apresentadas
as seguintes notas:

Qual a mdia da turma.

8 5 8 9 6
6 7 5 6 7
n
X X X
n
X
X
n 2 1 i
+ + +
=
E
=
...
0 7
4
28
4
8 5 7 8
4
X X X X
n
X
X
4 3 2 1 i
, = =
+ + +
=
+ + +
=
E
=
7 6
10
67
10
7 6 5 7 6 6 9 8 5 8
n
X
X
i
, = =
+ + + + + + + + +
=
E
=

21

Atividade
1 Em uma empresa, foi selecionada uma amostra de 10 funcionrios do
departamento pessoal, para saber o salrio mdio mensal. Observe o quadro abaixo e calcule
a mdia salarial dos funcionrios selecionados.

Obs. O desvio em relao mdia a diferena entre cada elemento e a mdia.

Calculando o desvio para o exemplo 1, temos:
1 7 8 d
1
= = 0 7 7 d
2
= =

2 7 5 d
3
= = 1 7 8 d
4
= =

Mdia ponderada( ) p X :
Neste caso, a mdia chamada de ponderada, em funo de que cada valor est
associado a um fator de ponderao, ou seja, cada valor tem uma importncia diferenciada
dentro do fenmeno.

Onde ( ) P x o valor da media ponderada da varivel, x os valores possveis da varivel e
i
P E o somatrio dos pesos da varivel.

Exemplo
Funcionrio Salrio
A R$ 1.000,00
B R$ 2.000,00
C R$ 1.000,00
D R$ 5.000,00
E R$ 3.000,00
F R$ 1.200,00
G R$ 1.800,00
H R$ 2.000,00
I R$ 1.700,00
J R$ 1.300,00
i
n n 1 1
i
i i
P
P
P X .... P X
P
P X
X
E
+ +
=
E
E
=
x x d
i i
=

22
1 De acordo com as notas e seus pesos apresentados na planilha abaixo, calcule a
mdia.

Atividade
1 A tabela abaixo nos d a carga horria semanal dos funcionrios de uma empresa. Calcule
a carga horria semanal mdia dos funcionrios dessa empresa.
N de funcionrios Carga hor. semanal
10 8
20 11
30 7
40 5

Com intervalo de classe
Neste caso, definimos um valor mdio (mdia aritmtica) para o intervalo da classe e,
ento, determinamos a mdia aritmtica ponderada, atravs da equao:

Onde ( ) x o valor da mdia ponderada da varivel, x
c
e a mdia aritmtica de cada classe, f
i
a freqncia relativa quela classe e
i
f E o somatrio dos das freqncias.

Exemplo
1 A tabela abaixo apresenta a distribuio das estaturas de 20 alunos de uma Universidade
Estadual. Podemos, com essas informaes, calcular a mdia das estaturas dos estudantes
dessa Universidade.
Notas Pesos
5,0 1
8,0 2
7,0 3
6,0 4
i
Estaturas
(cm)
f
i
x
c
f
i
x
c

1 150 160 4 155 620
( ) ( ) ( ) ( )
6 6
10
66
10
24 21 16 5
4 3 2 1
4 6 3 7 2 8 1 5
Xp ,
. . . .
= =
+ + +
=
+ + +
+ + +
=
=
i
i
c
f
f x
X

23

Atividade
1 Qual a mdia de idade de um grupo em que h 10 pessoas de 26 anos, 5 pessoas de 18
anos, e 9 pessoas de 32 anos?

2 Considere a distribuio abaixo, referente ao custo de produo de algumas peas de uma
determinada indstria automobilstica e calcule o preo mdio dos custos dessa indstria.

Custos(R$)
Freqncia
(f)
4555 8
5565 10
6575 11
7585 16
8595 13
95105 5
105115 1

Moda (Mo)
o valor de maior freqncia em uma distribuio de valores, ou seja o valor que
mais se repete. Esse valor pode ser encontrado de duas formas diferentes, como vamos
acompanhar a partir de agora.


Exemplo
1- Distribuio de dados:
2 160 170 10 165 1650
3 170 180 6 175 1050
= 20 = 3320
cm 166
20
3320
f
f x
X
i
i
c
= = =


24
Mo = 15

O valor que mais se repete, o 15. O 15 a moda dessa distribuio.

2 Distribuio de dados:
12 15 18 15 12
15 21 12 34 15
12 33 15 34 12
15 12 15 36 12
12 15 44 15 12

Observamos que os nmeros 12 e 15 se repetem 9 vezes. Neste caso teremos duas
modas.

Mo
1
= 12 e Mo
2
= 15 ( bimodal )

OBS. No caso em que no h elementos repetidos na distribuio de valores, definimos como
distribuio amodal.
Neste caso, a moda encontrada atravs da mdia aritmtica entre os limites da classe
modal (classe que aparece com maior freqncia), isto :

Exemplo
1 A tabela abaixo apresenta a distribuio das estaturas de 20 atletas de uma equipe
de futebol. Podemos, com essas informaes, calcular a moda das estaturas desses jogadores.

12 15 15 14 16
17 16 18 15 19
15 16 19 17 11
12 15 19 15 15
2
L L
Mo
s i
+
=

25
cm 165
2
330
2
170 160
Mo = =
+
=

i Estaturas
(cm)
f
i
1 150 160 4
2 160 170 10
3 170 180 6
= 20

Portanto a moda ser:

Atividade
1 Encontre a moda das seguintes series:
a) A: 7; 5; 2; 5; 4; 3; 2; 5.
b) B: 2; 5; 9; 12; 10; 8.
c) C: 10; 10; 10; 11; 6; 6; 6; 7; 4; 5; 9; 8; 8; 8.
d) D: 12; 3; 4; 9; 5; 4; 12.

2 A distribuio abaixo representa a quantidade, em Kg, da venda de farinha de trigo em
uma promoo de um supermercado que limitou em 5 Kg por consumidor. Encontre a moda
dessa distribuio.

Classe
Consumo
em Kg
N
0
de
consumidores
1 0 1 12
2 1 2 15
3 2 3 21
4 3 4 32
5 4 5 54


26
Mediana ( ) Md
o valor do elemento que ocupa a posio central da distribuio, ou seja, ela divide
um conjunto ordenado de dados em dois grupos iguais. A metade dos valores menores que a
mediana e a outra metade ter valores superiores mediana.


Nmero mpar de valores o valor central.

De acordo com a distribuio de dados abaixo, vamos encontrar a mediana.

1, 12, 15, 24, 2, 3, 45, 25, 32, 65, 11, 14, 63, 24, 50

Antes de encontrarmos a mediana, devemos ordenar os valores em ordem crescente (o mais
comum) ou decrescente.

1, 2, 3, 11, 12, 14, 15, 24, 24, 25, 32, 45, 50,63, 65

Portanto, a mediana o valor que ocupa a posio 8, que no caso do exemplo Md = 24.

Nmero par de valores o ponto mdio entre os dois valores centrais.
De acordo com a srie de valores, encontraremos a mediana da seguinte forma:
2, 6, 7, 10, 12, 13, 18, 21

A mediana ser a mdia aritmtica entre os valores 10 e 12.

Consiste na determinao da classe em que se encontra a mediana. Para tanto, tal
classe determinada pela freqncia acumulada imediatamente maior que a encontrada
atravs da relao:

Exemplo
11
2
22
2
12 10
Md = =
+
=
2
f
i

27
cm 175 5 170 Md = + =
1 A tabela abaixo apresenta a distribuio das estaturas de 48 alunos de uma Universidade
Estadual. Podemos, com essas informaes, calcular a mediana das estaturas dos estudantes
dessa Universidade.

i
Estaturas
(cm)
f
i
f
iac

1 150 160 4 4
2 160 170 10 14
3 170 180 20 34
4 180 190 6 40
5 190 200 6 46
6 200 210 2 48

48

Temos que a classe mediana, indicada pela seta, a terceira. Para encontrar o valor da
mediana, devemos efetuar a diferena entre o valor calculado acima (24) e a freqncia
acumulada anterior quela encontrada (14), depois dividir esse valor pela freqncia absoluta
da classe (20) e ento multiplicar pelo intervalo da classe (10).
5 10 x
20
14 24
=
e a mediana ser encontrada pela soma do limite inferior da classe

mediana, mais o valor encontrado acima.

Assim, podemos calcular a mediana dos dados de uma distribuio com intervalos de classe,
devemos utilizar a seguinte frmula:

*
*
*
) (
2
f
h ant F
f
Md
i
-
(
(
+ =

Onde:
*
o limite inferior da classe mediana;
) (ant F freqncia acumulada da classe anterior classe mediana;
*
f a freqncia simples da classe mediana;
24
2
48
2
f
i
= =


28
*
h a amplitude do intervalo da classe mediana;
Calculando o exemplo anterior temos:

175
20
10 14
2
48
170 =
-
(

+ = Md

Atividade
1 Encontre a mediana dos seguintes dados:
20, 17, 15, 13, 12, 10, 10, 17, 12, 10

2 De acordo com a distribuio das reas, em alqueires, do cultivo de lavouras de uma
determinada regio, calcule a mediana da distribuio.

Atividade final
1 Se um aluno da Faculdade Catlica do Tocantins, fez duas provas e obteve as notas 7,0 e
3,5, qual deve ser a nota da terceira prova para que a mdia aritmtica das trs provas seja
igual a 6,0?

2 Se um salrio mdio anual pago aos quatro administradores de uma empresa R$
138.000,00, algum deles poder receber anualmente mais de R$ 430.000,00?

X F
0 20 30
20 40 35
40 60 60
60 80 35
80 100 15
100 120 8
120 140 2

29
3 Um empregado perdeu uma das 10 notas de compras, feita na hora do encerramento. O
valor mdio das notas era de R$ 7,20, e as nove outras notas tinham os seguintes valores em
reais: 4,80; 7,10; 7,90; 9,55; 4,45; 5,72; 7,54; 8,34; 9,70. Qual o valor da nota perdida?

4 De acordo com a distribuio de freqncia abaixo encontre a sua mdia aritmtica:

5 Uma amostra de 20 operrios de uma indstria apresentou os salrios em reais, recebidos
em um determinado ms, arredondados para o real mais prximo e apresentados em ordem
decrescente: 1000, 980, 950, 890, 880, 800, 780, 760, 730, 670, 560, 550, 520, 510, 500, 480,
460, 420, 400 e 300. Calcular a mediana.

6 Calcule a mediana da distribuio do nmero de acidentes por dia, observados em
determinado cruzamento, durante 40 dias.

N
o
de acidentes por dia N
o
de dias
0 30
1 5
2 3
3 1
4 1

7 Uma empresa selecionou um total de 54 notas fiscais, durante um dia, e obteve o seguinte
quadro:
Classe Consumo por nota N
o
de notas
1 0 50 10
2 50 100 28
3 100 150 12
4 150 200 2
5 200 250 1
6 250300 1

Classes freqncia
2040 5
4060 10
6080 12
80100 8
100120 2

30
Determinar a mediana da srie

Separatrizes

Introduo
Vimos que a mediana, alm de ser, por definio, uma medida de posio central, traz
consigo uma outra definio, tambm importante, que a de separar dois grupos com mesmo
nmero de valores.
Outras medidas ligadas mediana, em relao sua segunda definio, so os
quartis, decis e percentis tambm chamadas de separatrizes.

Quartil (Q)
So valores que dividem a srie em quatro partes iguais.
Temos trs quartis:
Primeiro quartil ( Q
1
) so os primeiros 25% dos dados que so menores que os outros
75% restantes.
Segundo quartil ( Q
2
) o valor que coincide com a mediana.
Terceiro quartil ( Q
3
) valor que corresponde aos 75% dos dados que so
menores que os 25% restantes.

Para o clculo dos quartis, usamos a equao, anloga a equao da mediana.

onde k a ordem do quartil.

Exemplo
Determinar o primeiro e terceiro quartil, da distribuio abaixo.
i
Estaturas
(cm)
f
i
f
iac

1 150 160 4 4
2 160 170 10 14
3 170 180 20 34
4 180 190 6 40
5 190 200 6 46
6 200 210 2 48
= 48

4
f k
i


31
10
f k
i
Primeiro quartil Terceiro quartil

Atividade
1 Os pesos de uma amostra de 10 envelopes de uma empresa de servios postais, medido
em gramas, so: 21,18, 30, 40, 12, 37, 25, 13, 15 e 19. Determine:
a) o primeiro quartil;
b) o terceiro quartil.

Decil (D)
Para determinarmos o decil, usaremos o mesmo raciocnio do clculo do quartil,
apenas substituindo o denominador 4 por 10, na equao abaixo.

Atividade
1 Dada a tabela abaixo, determinar os valores:

a) do primeiro decil.
b) do stimo decil.
Horas
Nmero de
Ferramentas
025 2
2550 4
5075 12
75100 30
100125 18
125150 4
12
4
48 . 1
4
f k
i
= =
( )
168
10
10 . 4 12
160 Q
1
=
+ =
36
4
48 . 3
4
f k
i
= =
( )
34 , 183
6
10 . 34 36
180 Q
3
=
+ =

32
100
f k
i
100
f k
i
2 , 7
100
48 . 15
100
f k
i
= =
( )
2 , 163 2 , 3 160 P
10
10 . 4 2 , 7
160 P
15
15
= + =
+ =
c) do quarto decil.

Percentil (P)
Os percentis so os noventa e nove valores que separam uma srie em 100 partes
iguais. De maneira anloga ao clculo da mediana usaremos o seguinte procedimento:

onde o k nmero de ordem do percentil.
OBS.: P
50
= Md; P
25
= Q
1
; P
75
= Q
3

Exemplo
1 Dada a tabela a seguir, determinar o 15 percentil.
i
Estaturas
(cm)
f
i
f
iac

1 150 160 4 4
2 160 170 10 14
3 170 180 20 34
4 180 190 6 40
5 190 200 6 46
6 200 210 2 48
= 48

OBS. A classe que contm este valor a primeira classe cuja a freqncia acumulada excede
.

como k = 15, temos:

A classe que contm a freqncia acumulada superior a 7,2 a segunda.

Atividade final

33
1 Os pesos de uma amostra em uma empresa de servios postais medido em gramas so 21,
18, 30, 40, 12, 37, 25, 13, 15 e 19. Determine:
a) o peso no 70
o
percentil;
b) o peso no 85
o
percentil.
2 Dada a tabela abaixo, relativa a emprstimos pessoais, determinar os valores do 30
o
e do
90
o
percentis.
Montante(R$)
Nmero de
Emprstimos
300700 13
7001100 11
11001500 6
15001900 5
19002300 3
23002700 1
27003100 1

3 Em geral, qual o quartil, o decil e o percentil que so, respectivamente, iguais a mediana?

4 Dada a tabela abaixo, determinar o valor do primeiro decil.
Km / l Nmero de viagens
0810 3
1012 5
1214 12
1416 4
1618 2
= 26

Varincia e Desvio-Padro

Introduo
A varincia e o desvio padro consideram totalmente os valores da varivel em
estudo. A base da varincia gira em torno da mdia aritmtica, determinando assim a mdia
aritmtica dos quadrados dos desvios.
Quando substitumos a expresso
x x
i
por
( )
2
i
x x
, estamos obtendo uma nova
medida de disperso denominada de varincia. Ento, a varincia uma mdia aritmtica

34
( )
n
x x
V
2
i 2

=

( )
n
x x
V
2
i

=

( )
n
x x
V
2
i

=

5 , 5
4
5 8 5 4
n
X
X
i
=
+ + +
= =

( )
( )
( )
( ) 25 , 0 ) 5 , 5 5 ( x x
25 , 6 ) 5 , 5 8 ( x x
25 , 0 ) 5 , 5 5 ( x x
25 , 2 ) 5 , 5 4 ( x x
2 2
i
2 2
i
2 2
i
2 2
i
= =
= =
= =
= =
calculada a partir dos quadrados dos desvios obtidos entre os elementos da srie e a sua
mdia.
Para a determinao da varincia (V), usaremos a seguinte equao:

O desvio padro a raiz quadrada positiva da varincia, que mostrado na equao
abaixo:

OBS. Para o clculo da varincia e do desvio padro, devemos tomar precaues quando
estamos diante dos dados de toda populao ou de apenas uma parte desses dados, que a
amostra.

Clculo da Varincia e Desvio Padro
Dados brutos ou rol

1 possibilidade.
A srie representa uma populao, ento o desvio padro ser encontrado atravs da equao:

Exemplo
Determinar o desvio padro da seqncia 4, 5, 8, 5.

1 passo

2 passo
Calcular
( )
2
i
x x


35
( )
unidades 5 , 1
2
3
4
9
n
x x
V
2
i
= = =
=

( )
1 n
x x
V
2
i
=

( )

=
i
i
2
i
f
f x x
V
( )
=
1 f
f x x
V
i
i
2
i

O somatrio de ( )

2
i
x x
igual a 9

3 passo

2 possibilidade
Se a srie de dados representar uma amostra da populao apenas, devemos utilizar
para o clculo do desvio padro a seguinte equao:

Varivel Discreta
Aqui surgem a repetio dos termos da srie, e a varincia passa a ser uma mdia
aritmtica ponderada dos quadrados dos desvios dos termos da srie para a mdia da srie.

1 possibilidade
A varivel discreta representativa de uma populao e o desvio padro calculado atravs
da equao

2 possibilidade
A varivel discreta representativa de uma amostra da populao e o desvio padro
determinado por intermdio da equao

Exemplo
Na tabela de dados abaixo com distribuio de freqncia, determinar o desvio padro.

36
( )

=
i
i
2
c
f
f . x x
V
( )
=
1 f
f . x x
V
i
i
2
c
24 , 3
25
81
f
f x
x
i
i i
= = =

Varivel Contnua

1 Possibilidade
Para uma varivel contnua representativa de uma populao, a equao utilizada para o
clculo ser

2 possibilidade
Para uma varivel contnua representativa de uma amostra da populao utilizamos a
seguinte equao

Exemplo
Determine o desvio padro para a distribuio de freqncia a seguir

x
i
f
i
f
i
x
i

i
2
i
f . ) x x (

1 2 2 10,03
2 5 10 7,68
3 8 24 0,46
4 6 24 3,46
5 3 15 9,29
6 1 6 7,61

= 25 = 81 = 53 , 38

classe Int. cl. f
i
1 0 4 1
2 4 8 3
3 8 12 5
4 12 16 1
classe Int. cl. f
i
x
c
x
c
f
i
i
2
c
f . ) x x (
24 , 1 5412 , 1
25
53 , 38
v
f
f . ) x x (
V
i
i
2
i
= = =
A variavel (xc) que aparece na

equao do desvio padro para
varivel contnua, a mdia
aritmtica de cada classe.

37
( )
2 , 3 v
10
4 , 102
V
f
f . x x
V
i
i
2
c
=
= =
4 , 8
10
84
f
f x
x
i
i i
= = =

Soluo:

Atividade
1 Em uma classe, as notas obtidas pelos alunos foram agrupadas da seguinte maneira:
x 02 24 46 68 810
f 2 6 8 3 1

Encontre a varincia e o desvio padro.

Consideraes importantes
A varincia sempre dada no quadrado da unidade de medida da distribuio. Isso
nem sempre faz sentido; como exemplo temos uma distribuio em litros, ento no faz
sentido falar em litros quadrados.
Mas quando extramos a raiz quadrada da varincia vamos obter a unidade de acordo
com a unidade da distribuio. Ento a varincia no tem interpretao, mas o desvio padro
sim.
Atividade final
1 Em um concurso, o critrio de aprovao leva em considerao a mdia e o desvio padro
aps a realizao de 4 provas. Calcule a mdia e o desvio padro de um candidato que nas
provas obteve 50 pontos na primeira prova, 72 na segunda prova, 63 na terceira prova e 55 na
quarta prova.

1 0 4 1 2 2 40,96
2 4 8 3 6 18 17,28
3 8 12 5 10 50 12,80
4 12 16 1 14 14 31,36

= 10 = 84 = 102,4

38
2 Um especialista em padres de qualidade observa, em um escritrio, o tempo necessrio
para digitar uma amostra de 10 ofcios, com os resultados de tempo com a seguinte descrio:
5, 5, 5, 7, 9, 14, 14, 15, 15, 18. Determinar:
a) a varincia;
b) o desvio padro.

3 Na tabela de dados abaixo, com distribuio de freqncia, definir a varincia e o desvio
padro.
x
i
f
i
f
i
x
i
f
i
x
i
2
1 2 2 2
2 5 10 20
3 8 24 72
4 6 24 96
5 3 15 75
6 1 6 36

= 25 = 81 = 301

4 Construa a distribuio de freqncia para a srie abaixo que representa o saldo de 25
contas de pessoas fsicas em uma agncia em determinado dia.

Assimetria e Curtose

Introduo
O estudo dessas medidas de disperso ir nos dar uma melhor dimenso do uso das
medidas de posio, como a mdia, moda e mediana, assim como melhorar tambm nossa
anlise de uma distribuio atravs de grficos.

Assimetria
Classe Saldos Nmero de funcionrios
1 0 10.000 5
2 10.000 20.000 10
3 20.000 30.000 8
4 30.000 40.000 2

39
f
Mo x
Quando a distribuio for simtrica, a mdia e a moda coincidem; quando ela for
assimtrica esquerda ou negativa a mdia menor que a moda e quando for assimtrica
direita ou positiva a mdia maior que a moda como mostram as figuras abaixo.

No caso (a) a distribuio classificada de simtrica.
No caso (b) a distribuio classificada de assimtrica positiva.
No caso (c) a distribuio classificada de assimtrica negativa.
Para termos um parmetro quantitativo a respeito da assimetria, basta fazermos a
diferena entre a mdia e a moda da distribuio.

Com o resultado dessa diferena, temos a seguinte classificao:
0 Mo x = Distribuio simtrica.
0 Mo x < Distribuio assimtrica negativa.
0 Mo x > Distribuio assimtrica positiva.

f
x
o d
M M x = =
x x M M
d o
< <

f

(a)
x
o d
M M x < <

f
(c)
(b)

40
4 , 10 V
175 Mo
175 Md
175 x
1
1
1
1
=
=
=
=
5 , 9 V
185 Mo
25 , 181 Md
85 , 178 x
2
2
2
2
=
=
=
=
5 , 9 V
165 Mo
75 , 168 Md
15 , 171 x
3
3
3
3
=
=
=
=
v
) Md X ( 3
A
V
=
Distribuio 1 Distribuio 2 Distribuio 1

Exemplo

i
Estaturas
(cm)
f
i

i
Estaturas
(cm)
f
i

i
Estaturas
(cm)
f
i
1
150 160
4 1
150 160
4 1
150 160
4
2
160170
10 2
160 170
10 2
160 170
40
3
170 180
20 3
170 180
20 3
170 180
20
4
180 190
10 4
180 190
40 4
180 190
10
5
190 200
4 5
190 200
4 5
190 200
4
= 48 = 78 = 78

Logo:
1. 0 175 175 Mo x
1
1 = = (distribuio simtrica).
2. 15 , 6 185 85 , 178 Mo x
2
2 = = (assimtrica negativa).
3. 15 , 6 165 15 , 171 Mo x
3
3 + = = (assimtrica positiva).
Coeficiente de Assimetria(ou coeficiente de Pearson)
Para melhor compararmos duas ou mais medidas de disperso, usaremos o
coeficiente de assimetria definido por:

Para efeito de comparao, usaremos o exemplo anterior das distribuies 1,
2 e 3.
0
4 , 10
) 175 175 ( 3
A
1 v
=
=
(distribuio simtrica)

75 , 0
5 , 9
) 25 , 181 85 , 178 ( 3
A
2 v
=
=
(distribuio assimtrica negativa)

75 , 0
5 , 9
) 75 , 168 15 , 171 ( 3
A
3 v
+ =
=
(distribuio assimtrica positiva)


41
Leptocrtica Mesocrtica Platicrtica
) P P ( 2
Q Q
C
10 90
1 3
=
Atividade
1 Em uma empresa de produtos de limpeza, foram levantados os seguintes dados em
relao aos seus trs principais produtos de vendas, como mostra a tabela abaixo:
Produtos
x
Mo
A 52 52
B 45 50
C 48 46

Determine o tipo de assimetria de cada um dos produtos usando a diferena entre a
mdia e a moda.

Comentrio
Esta uma atividade simples e prtica para a aplicao imediata da definio.

Curtose
o grau de achatamento de uma distribuio em relao a uma distribuio padro.

Coeficiente de Curtose
Tambm conhecido como coeficiente percentlico de curtose, que encontrado
atravs da equao:

Obs.: lembramos que Q
1
, Q
3
, P
10
e P
90
so separatrizes vistas no tema 05.
O coeficiente percentlico para curva normal dado pelo valor 0,263. Logo:
C = 0,263 Curva mesocrtica;

42
C < 0,263 Curva leptocrtica;
C > 0,263 Curva platicrtica.

Exemplo
De acordo com as distribuies na tabela abaixo, calcule os graus de curtose e
classifique as distribuies em relao a curva normal.

DISTRIBUIES Q
1
Q
3
P
10
P
90
1 28,8 45,6 20,5 49,8
2 814 935 772 1012
3 63,7 80,3 55 86,6

287 , 0
) 5 , 20 8 , 49 ( 2
8 , 28 6 , 45
) P P ( 2
Q Q
C
10 90
1 3
1
=
=
(A distribuio 1 platicrtica)

252 , 0
) 772 1012 ( 2
814 935
) P P ( 2
Q Q
C
10 90
1 3
2
=
=
(A distribuio 2 leptocrtica)

263 , 0
) 55 6 , 86 ( 2
7 , 63 3 , 80
) P P ( 2
Q Q
C
10 90
1 3
3
=
=
(A distribuio 3 mesocrtica)
Atividade
1 Determinar o grau de curtose da distribuio abaixo, calculado pelo seu coeficiente de
curtose.
Montante( R$ ) Nmero de emprstimos
300700 13
7001100 11
11001500 6
15001900 5
19002300 3
23002700 1
27003100 1

Atividade Final
1 Com relao ao peso de 100 funcionrios de uma determinada empresa, determine o
coeficiente de assimetria.

43

2 Determinar o coeficiente de assimetria para os montantes de emprstimos, conforme
tabela abaixo:

4 Classifique quanto assimetria, a distribuio abaixo, segundo o coeficiente de Pearson.
x
i
2 3 4 5 6 7 8
f
i
2 4 6 10 6 4 2

Teorias das probabilidades

Vamos considerar os seguintes experimentos:
- Um corpo de massa m, definida sendo arrastado horizontalmente por uma fora
qualquer, em um espao definido.
- A queda de um corpo de uma altura definida.
Se conhecermos certas condies, podemos facilmente determinar o trabalho realizado
pela fora, sobre o corpo ou ainda determinar a velocidade com que o corpo em queda livre
atinge o solo.
Os experimentos cujos resultados podem ser previstos, isto , podem ser determinados
antes de sua realizao, so denominados experimentos determinsticos.
Vamos considerar tambm alguns outros experimentos:
Pesos N de func.
50 60
10
60 70
25
70 80
40
80 90
25
Montante( R$ )
Nmero de
emprstimos
300700 13
7001100 11
11001500 6
15001900 5
19002300 3
23002700 1
27003100 1

44
- Lanamento de um dado e a leitura da face voltada para cima.
- Lanamento de uma moeda e a leitura da face voltada para cima.
- Nascimento de uma criana.
Caso esses experimentos fossem realizados vrias vezes, nas mesmas condies, no
poderamos prever seu resultado.
Experimentos que so realizados vrias vezes, sem uma previso lgica de seus
resultados so denominados experimentos aleatrios.
Os experimentos aleatrios esto sujeitos lei do acaso. Como no podemos prever os
resultados, vamos descobrir as chances de ocorrncia de cada experimento aleatrio.
A teoria da probabilidade estuda a forma de estabelecer as chances de ocorrncia de
cada experimento aleatrio.

Elementos

Na realidade de um experimento aleatrio, a fim de observar a ocorrncia de um
determinado tipo de resultado, dois conjuntos descrevem a situao:

Espao amostral
o conjunto U de todos os resultados possveis de um experimento aleatrio equiprovvel..
O nmero de elementos desse conjunto indicado por n(U)
Exemplos:
1 - Joga-se uma moeda para cima e l-se a figura da face voltada para cima.
. U = {cara, coroa} e n(U) = 2

2 Joga-se um dado comum e l-se a face voltada para cima.
U = {1; 2; 3; 4; 5; 6} e n(U) = 6

3 No sorteio de umadas dezenas da loto, U = {00; 01; 02; . . .; 99} e n(U) = 100.
CARA COROA

45
4 No sorteio de dois dados diferentes. U = {(1;1), (1;2), (1;3), (1;4), (1;5), (1;6), (2;1),
(2;2), (2;3), (2;4), (2;5), (2;6), (3;1), (3;2). (3;3), (3;4), (3;5), (3;6), (4:1), (4;2), (4;3), (4;4),
(4;5), (4;6), (5;1), (5;2), (5;3), (5;4), (5;5), (5;6), (6;1), (6;2), (6;3), (6;4), (6;5), (6;6)} e n(U)
= 36.
Evento:
qualquer subconjunto do espao amostral U.
Assim, no lanamento de um dado, por exemplo, o evento obter um nmero maior ou igual a
4 dado por A = {4; 5; 6}, subconjunto deU = {1; 2; 3; 4; 5; 6}.
Quando A = U, o evento certo.
Exemplo 1:
No lanamento de uma moeda, A = {cara, coroa} um evento certo: n(A) = n(U)
Quando A = C, o evento impossvel.

Exemplo 2:
Obter 7 no lanamento de um dado impossvel
Quando A

A == U e A

A = C, os eventos A e
A so complementares.

Exemplo 3:
No lanamento de um dado, sendo A = {2;4;6} o evento obter um nmero par e
A = {1;3;5}
o evento obter um nmero mpar, temos:
A
A = {1; 2; 3; 4; 5; 6} = U e A
A = C
Assim, A e
A so eventos complementares.

Exerccios
1 Determinar o espao amostral do experimento aleatrio lanamento simultneo de duas
moedas.

2 - Considerando o experimento aleatrio nascimento de 3 filhos de um casal, determinar o
espao amostral e o subconjunto que representa o evento nascimento de exatamente 2
meninos em 3 filhos do casal.


46
3 No lanamento simultneo de 2 dados diferentes, determinar os seguintes eventos:

a) nmeros iguais nos dois dados:
b) nmeros cuja soma seja 2:
c) nmeros cuja soma seja 3:
d) nmeros cuja soma seja 7:
e) nmeros cuja soma seja 13:

4 Determinar o espao amostral do experimento aleatrio lanamento de um dado e uma
moeda e o evento cara e um nmero mpar.

Probabilidade
Se, em um experimento aleatrio equiprovvel, o nmero de elementos do espao amostral U
e n(U) e o nmero de elementos do evento A n(A). Ento a probabilidade de que ocorra o
evento A dada pelo nmero real P(A), tal que:
) (
) (
) (
U n
A n
A P =

Portanto, a probabilidade de um vento dada pelo quociente da diviso do nmero de
casos favorveis pelo nmero de casos possveis.
Exemplo

Considerando:

a) o lanamento de um dado e o evento obter um nmero primo, temos:
U = {1; 2; 3; 4; 5; 6}, n(U) = 6, A = {2; 3; 5} e n(A) = 3
Assim:
2
1
6
3
) (
) (
) ( = = =
U n
A n
A P
b) o lanamento de uma moeda e o evento obter cara, temos:
U = {cara; coroa}, n(U) = 2, A = {cara} e n(A) = 1, ou seja. Um caso favorvel para 2
casos possveis.
Assim:

47
2
1
) (
) (
) ( = =
U n
A n
A P

c) o lanamento de 2 moedas e o evento ocorrer cara pelo menos uma vez, e
representando cara por C e coroa por D, temos:
U = {(C:C), {C;D), (D;C), (D;D)}, n(U) = 4, A = {(C;C), (C;D), (D;C)} e n(A) = 3,ou
seja 3 casos favorveis para 4 casos possveis.
Assim:
4
3
) (
) (
) ( = =
U n
A n
A P

Propriedades:
1 - Se A = C, ento n(A) = 0 e , portanto. P(A) = 0 (probabilidade de evento impossvel).
2 Se A = U, ento n(A) = n(U) e P(A) =1 (probabilidade do evento certo).
3 Se A c U, ento 0 n(A) n(U).
Dividindo a desigualdade por n(U) 0, temos:
1 ) ( 0
) (
) (
) (
) (
) (
0
s s = s A P
U n
U n
U n
A n
U n

A probabilidade de um evento sempre um nmero entre 0 (probabilidade do evento
impossvel) e 1 (probabilidade do evento certo).
4 Se A e
A so eventos complementares, ento n(A) + n(
A ) = n(U).
Dividindo a igualdade por n(U) 0, temos:
1 ) ( ) (
) (
) (
) (
) (
) (
) (
= + = =

A P A P
U n
U n
U n
A n
U n
A n

Exemplo:
Sendo A o evento ocorrer um nmero par no lanamento de um dado e
A o evento
ocorrer um mpar, temos:
A = {2; 4; 6} e
A = {1; 3; 5}
A e
A so complementares, pois n(A) + n(
A ) = n(U) = 6 e P(A) = P(
_
A )
2
1
6
3
= = ,
Assim:

48
1
2
1
2
1
) ( ) ( = + = +

A P A P
Exerccios:
1 Na escolha de um nmero de 1 a 30, qual a probabilidade de que seja sorteado um
mltiplo de 5?

2 Qual a probabilidade de, no lanamento simultneo de dois dados diferentes, obtemos
a soma 7?
3 (FGV-SP) No jogo da Sena seis nmeros distintos so sorteados dentre os nmeros 1,
2, 3, ..., 50. A probabilidade de que, numa extrao, os seis nmeros sorteados sejam
mpares vale, aproximadamente:

3 Ao jogarmos 2 dados distintos, qual a probabilidade de obtermos pontos diferentes
nos 2 dados?

4 Uma urna tem 3 bolas brancas e 4 azuis. Retirando ao acaso 2 bolas, qual a
probabilidade de ambas serem brancas?

Soma de Probabilidades

Se A e B so 2 eventos de um espao amostral U, sabemos que n(A B) = n(A) + n(B)
n(A B).

Dividindo essa igualdade por n(U) 0, temos:
) (
) (
) (
) (
) (
) (
) (
) (
U n
B A n
U n
B n
U n
A n
U n
B A n
+ =

ou
) ( ) ( ) ( ) ( B A P B P A P B A P + =

49
Obs:
Se A B = C, os eventos so mutuamente exclusivos, isto , P(A B) = P(C) =
0.
Da:
) ( ) ( ) ( B P A P B A P + =

Exempo:
Qual a probabilidade de se jogar um dado e se obter o nmero 3 ou um nmero
mpar.
O espao amostral U = {1; 2; 3; 4; 5; 6} n(U) = 6

Ocorrncia do nmero 3 A = {3} n(A) = 1
Os eventos so:
Ocorrncia de um nmero mpar B = {1; 3; 5} n(B) = 3

2
1
6
3
6
1
6
3
6
1
) (
) (
) (
) (
) (
) (
) (
) (
) ( ) ( ) ( ) (
1 ) ( } 3 {
= = + =
+ =
+ =
= =
B A P
U n
B A n
U n
B n
U n
A n
B A P
B A P B P A P B A P
B A n B A

ou P(A B) = 50%

Outro mtodo
O evento ocorrncia de nmero 3 ou nmero mpar:
A = {1; 3; 5}n(A) = 3
Logo:
1
B
5
3
A
U

2

4 6

50
% 50
2
1
6
3
) (
) (
) ( = = = =
U n
A n
A P
Se A B = C e A B = U ento A e B so chamados eventos exaustivos.
Neste caso alm de P(A B) = 0 temos tambm P(A B) = P(U) = 1.
Logo:
1 ) ( ) ( ) ( = + = B P A P B A P

Exerccios:
1 Sorteando um nmero de 1 a 30, qual a probabilidade de que ele seja par ou mltiplo
de 3?

2- Qual a probabilidade de , um jogo de domin (28 pedras), ser jogada uma pedra
que tenha o nmero 2 ou o nmero 3?

3 (Unesp-SP) Lanando-se simultaneamente dois dados no viciados, a probabilidade
de que suas faces superiores exibam soma igual a 7 ou a 9 :

4 Um grupo de 100 pessoas apresenta a seguinte composio:
Loiras Morenas Total
Olhos azuis 10 20 30
Olhos castanhos 30 40 70
Total 40 60 100
Marcando-se um encontro com uma delas, escolhendo o seu nome ao acaso, qual a
probabilidade de sair:
a) Loira.
b) Loira de olhos castanhos e morenas de olhos azuis.

5 Ao lanar um dado muitas vezes, uma pessoa percebeu que a face 6 saiu com o
dobro da freqncia da face 1 e que as outras faces saiam com a freqncia esperada
em um dado no viciado. Qual a freqncia da face 1?

Distribuio de Probabilidade


51
Vamos iniciar o nosso estudo analisando um exemplo, para que possamos dar algumas
definies essenciais para a continuidade da apresentao desta unidade.
Considerando uma distribuio de frequncias que se referem ao nmero de
ocorrncias policiais dirias em um determinado bairro de uma cidade hipottica:
N
0
de ocorrncias Frequncias
0 29
1 11
2 6
3 4
= 50

A probabilidade de, em um dia:
- No registrar ocorrncias :
58 , 0
50
29
p = =
- Registrar uma ocorrncia :
22 , 0
50
11
p = =
- Registrar duas ocorrncias :
12 , 0
50
6
p = =
- Registrar trs ocorrncias :
08 , 0
50
4
p = =
Reescrevendo a tabela anterior, temos:
N
0
de ocorrncias Probabilidades
0 0,58
1 0,22
2 0,12
3 0,08
= 1
Esta tabela denominada distribuio de probabilidade.
Seja X uma varivel aleatria que pode assumir os valores x
1
, x
2
, ..., x
n
. A cada valor
x
i
correspondem pontos do espao amostral. Associamos a cada valor x
i
a probabilidade p
i
de
ocorrncia de tais pontos dentro do espao amostral. Como vimos no exemplo anterior,
vamos ter:
=1 p
i


52
Assim os valores x
1
, x
2
, ..., x
n
e seus correspondentes p
1
, p
2
, ..., p
n
definem uma
distribuio de probabilidade.
Depois de definirmos a distribuio de probabilidade, estamos ento, estabelecendo
uma correspondncia entre os valores da varivel aleatria X e os valores da varivel P. Fica
assim, definida uma funo.
) x X ( P ) x ( f
i
= =

Distribuio Normal de Probabilidade
Esta distribuio terica uma das mais utilizadas em pesquisas scioeconmicas, e
para melhor entend-la, vamos descrever algumas de suas caractersticas principais a seguir:
- Valores da varivel aleatria X mais prximos da mdia x ocorrem com maior
frequncia.
- Valores da varivel aleatria X simtricos em relao mdia ocorrem com a mesma
frequncia.
- A regio definida pelo grfico tem rea unitria.
- Como a curva simtrica em torno de x , a probabilidade de ocorrer valor maior que
a mdia igual probabilidade de ocorrer valor menor que a mdia, ou seja, ambas as
probabilidades so iguais a 0,5. Ento, 5 , 0 ) x X ( P ) x X ( P = < = >
A curva que representa estas caractersticas a curva de Gauss, que mostrada
abaixo:

O nosso maior interesse quando estamos analisando uma varivel aleatria com
distribuio normal obter a probabilidade dessa varivel assumir um valor em um
determinado intervalo.

53
A probabilidade de p [a < x < b] a rea da regio sob a curva definida pelo intervalo
]a , b[.

Como o clculo da rea dessa figura muito complicado, iremos utilizar uma
distribuio normal z com mdia 0 x = e desviopadro v = 1.
A tabela abaixo, contm os valores positivos de z e a rea compreendida sob a curva
entre 0 e z foi construda.


54

A escolha desta distribuio se d pelo fato de apresentar os parmetros mais simples.
Qualquer outra distribuio normal x com mdia x e e desviopadro v pode ser
transformada, para o efeito do clculo de reas, na distribuio normal padro z, atravs da
mudana de varivel, dada pela equao abaixo:
V
x x
z

=

55
Se conhecermos a rea especfica na tabela, qualquer tipo de rea pode ser calculada
usando a simetria da curva.

Exemplo:
1 Seja X uma varivel aleatria que representa o comprimento de pregos produzidos por
uma certa mquina. Supondo que essa varivel tenha distribuio normal com mdia
cm 2 x = e v = 0,04 cm, queremos descobrir qual a probabilidade de um prego ter um
comprimento de valor entre 2 e 2,05 cm.
P(2 < X < 2,05)

Para fazermos a mudana de varivel, podemos afirmar que:
P( x < X < x) = P(0 < Z < z)
25 , 1
04 , 0
05 , 0
04 , 0
2 05 , 2
V
x x
z = =
=
Portanto:
P(2 < X < 2,05) = P(0 < Z < 1,25)
Vamos procurar na tabela o valor de z = 1,25, para descobrirmos a probabilidade. O valor
encontrado ser 0,3944. Assim, a probabilidade de um prego fabricado pela mquina ter o
comprimento entre 2 e 2,05 cm de 0,3944 ou 39,44 %.

2 Determine as probabilidades abaixo:
a) P( - 1,3 < Z < 0)


56
Pela simetria da curva, temos:
P( - 1,3 < Z < 0) = P(0 < Z < 1,3) = 0,4032

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

P( - 0,5 < Z < 1,48) = P( - 0,5 < Z < 0) + P(0 < Z < 1,48)
P( - 0,5 < Z < 0) = P(0 < Z < 0,5) = 0,1915
P(0 < Z < 1,48) = 0,4306
Portanto:
P( - 0,5 < Z < 1,48) = 0,1915 + 0,4306 = 0,6221

Sntese da unidade
Vimos nesta unidade, que as distribuies de probabilidade usadas para descrever variveis
aleatrias, so dadas em termos de reas sob uma curva entre dois pontos. Vale lembrar
tambm que distribuio normal uma distribuio em forma de sino (curva de Gauss).
Atividades
1 Determine as seguintes probabilidades:
a) P( 0 < Z < 1,4)
b) P( - 0,8 < Z < 0)
c) P( - 0,3 < Z < 1,85)
d) P( 0,7 < Z < 1,97)

2 Os salrios mensais dos funcionrios de uma empresa, so distribuidos normalmente, em
torno da mdia de R$ 500,00, com desvio padro de R$ 40,00. Encontre a probabilidade de
um funcionrio ter u m salrio mensal entre R$ 430,00 e R$ 590,00.

3 A varivel aleatria X admite distribuio normal com mdia 20 e desvio padro 2.
Com estas informaes encontre:

57

a) P( 16 < x < 22)
b) P( 18 < x < 26)
c) P( 14 < x < 28)

4 Uma varivel aleatria X normal apresenta uma mdia 30 e desvio padro 4. Calcule P(
30 < x < 34).

Correlao e Regresso

Introduo
Trabalhamos, at o presente momento, com o clculo de medidas de tendncia central
e variabilidades, no estabelecendo relaes entre essas variveis calculadas.
Quando necessrio estimar e estabelecer relaes entre essas variveis, como
exemplo a relao entre o cigarro e cncer de pulmes, devemos apurar a possibilidade da
dependncia e em que grau de dependncia se encontra essa relao. O processo adequado
para essa averiguao a correlao.

Relao funcional e estatstica
A anlise da conta de gua, em residncias urbanas, est intimamente relacionada ao
consumo da mesma em m
3
; quanto maior o consumo, maior a conta, ficando aqui
caracterizada a relao funcional. Ao relacionar a incidncia de uma determinada doena
em uma populao, aqui as relaes em geral no so imediatas e precisas, portanto essa
relao chamada de relao estatstica.
Na relao estatstica, as variveis esto envolvidas em um processo de correlao.

Diagrama de disperso
Consideremos uma amostra aleatria de mdias de 10 alunos da Faculdade Catlica
do Tocantins das disciplinas de matemtica e estatstica.

Nmeros

Matemtica
( x )
Estatstica
( y )

58
2 4 6 8 10
2
4
6
8
10
x
y
2 4 6 8 10
2
4
6
8
10
x
y
01 2,0 2,0
02 6,0 8,0
03 4,0 3,0
04 8,0 9,0
05 7,0 7,0
06 5,0 6,0
07 10,0 10,0
08 8,0 7,0
09 9,0 8,0
10 6,0 5,0

Usando o sistema de coordenadas cartesianas do plano com pares ordenados ( x, y )
obteremos com seus pontos um diagrama de disperso.

Correlao linear
Ao localizarmos todos os pontos no plano cartesiano, os pontos es taro dispersos em
uma forma aleatria; poderemos chamar essa correlao d e uma correlao aleatria ou
qualquer. Por um mtodo de ajuste de curva que
veremos ainda neste tema, vamos pensar que essa distribuio dos pontos se aproxima de
uma reta e ento a chamaremos de correlao linear.

Correlao linear positiva; reta crescente.


59
10 8 6 4 2
2
4
6
8
10
8 10 2 4 6
y
x
-6 -4 -2 0 2 4 6
-2
0
2
4
6
8
10
12
14
16
18
20
22
24
26
28
30
32
y
x

Correlao linear negativa; reta decrescente.

Correlao no linear; curva.

Coeficiente de correlao linear (correlao de Pearson)
Este coeficiente indica o grau de intensidade da correlao entre as duas variveis e
se positiva ou negativa e encontrada atravs da equao:


60
91 , 0 r
] ) 65 ( 481 . 10 [ ] ) 65 ( 475 . 10 [
) 65 ).( 65 ( 473 . 10
r
] ) y ( y n [ ] ) x ( x n [
) y ( ) x ( y x n
r
2 2
2 2 2 2
=

=

=

=
] ) y ( y n [ ] ) x ( x n [
) y ( ) x ( y x n
r
2 2 2 2

Obs.
Se r = +1, correlao perfeita e positiva.
Se r = -1, correlao perfeita e negativa.
Se r = 0, no h correlao ou a correlao no linear.
Para analisarmos o comportamento das variveis, necessrio que:
0,6 s , r , s 1.
Para o exemplo da tabela anterior, temos o seguinte valor de r:
Matemtica (x) Estatstica(y) x y x
2
y
2
2 2 4 4 4
6 8 48 36 64
4 3 12 16 9
8 9 72 64 81
7 7 49 49 49
5 6 30 25 36
10 10 100 100 100
8 7 56 64 49
9 8 72 81 64
6 5 30 36 25
= 65
= 65
= 473
= 475
= 481

Atividade
1 De acordo com a tabela abaixo, encontre o coeficiente de correlao entre as duas
variveis:
x 12 10 8 12 14
y 4 6 8 10 12


61
b ax y + =

=
2 2
) x ( x n
) y ( ) x ( y x n
a
n
x
x

=
n
y
y

=
x a y b =
5 10
5
10
y
x
Regresso
Uma anlise de regresso objetiva descrever, com o uso de um modelo matemtico, a
relao entre duas variveis com n observaes das mesmas.
Essa anlise apresenta duas variveis, a varivel em estudo a varivel dependente,
e a outra a varivel independente. A relao matemtica que envolve as duas variveis
dada pela equao do primeiro grau abaixo:

Onde a e b so parmetros que podem ser encontrados por meio das equaes abaixo:

Onde x a mdia dos valores de x e o y a mdia dos valores de y.

Exemplo

De acordo com o diagrama de disperso abaixo e sua respectiva tabela, obter os valores dos
parmetros a e b.


62
96 , 0
) 65 ( 475 . 10
65 . 65 473 . 10
) x ( x n
) y ( ) x ( y x n
a
2 2 2
=
=

5 , 6
10
65
n
y
y = = =

5 , 6
10
65
n
x
x = = =

26 , 0 5 , 6 . 96 , 0 5 , 6 x a y b = = =
26 , 0 x 96 , 0 y + =
2 4 6 8 10
2
4
6
8
10
y
x
y = 0,96 + 0,26

Logo temos a seguinte funo:

Atividade
( x ) ( y ) x y x
2
2 2 4 4
6 8 48 36
4 3 12 16
8 9 72 64
7 7 49 49
5 6 30 25
10 10 100 100
8 7 56 64
9 8 72 81
6 5 30 36
= 65
= 65
= 473
= 475

63

= = = = = 721 y . x e 2001 y , 107 y , 304 x , 36 x
2 2
A tabela a seguir mostra quantas semanas seis pessoas trabalharam em um posto de
inspeo de automveis e quantos carros cada uma inspecionou entre 12 e 14 horas, em um
determinado dia:
N de Semanas Trabalhadas N de carros inspecionados
2 13
7 21
9 23
1 14
5 15
12 21

Para esses dados

Estabelea a equao da reta que permite identificar a dependncia entre as variveis
envolvidas no estudo.

Atividade Final
1 Na tabela abaixo, as notas de oito alunos do ensino mdio na disciplina de histria do
Brasil em duas avaliaes:

Para esses dados,

= = = 42958 y . x e 674 . 44 y , 41843 x , 590 y , 567 x
2 2

estabelea a equao da reta que permita predizer as notas da prova dois com base nas
notas da prova um.

2 A mudana de unidades de medida pode alterar seriamente a aparncia de um diagrama
de disperso. Considere os seguintes dados:

y 0,5 - 0,6 - 0,5 0,5 0,5 -0,6
Primeira Avaliao Segunda Avaliao
75 81
66 57
92 95
86 77
65 71
44 62
60 63
79 84

64
x
- 4 - 4 - 3 3 4 4
Determine:
a) O grfico de disperso.
b) A equao de correlao entre x e y.

3 O consumo de combustvel de um automvel comea aumentando, para logo aps,
diminuir, na medida em que a velocidade aumenta. Supor que essa relao seja bastante
regular e descrita pela tabela abaixo:

a) Construa um diagrama do consumo em funo da velocidade.
b) Determine a correlao entre a velocidade e o consumo de combustvel.

4 A tabela a seguir mostra a produo de algodo no Brasil. Determine a correlao entre
rea e produo.
Ano 92/93 93/94 94/95 95/96 96/97
rea 1,059 1,181 1,189 0,973 0,827
Produo 420 483 541 414 340
Fonte: IBGE. Produo: milhares de toneladas.
rea: milhes de hectares.

Inferncia Estatstica

Objetivos
Esperamos que, ao final dessa aula, voc seja capaz de:
- Fornecer uma viso terica de conceitos e modelos determinsticos para tomadas
de decises;
- Compreender como se tomam decises de carter estatstico.

Pr-requisitos
Para o melhor aproveitamento desta aula voc precisa de todos os conceitos vistos nas
outras 6 aulas, pois nesta aula faremos um trabalho terico que depende desses conceitos.
Esses contedos citados, foram abordados durante as nossas aulas nessa disciplina. Esses pr-
Velocidade km/h 20 40 60 80 100
Km / l 6 8 12 15 14

65
requisitos so de fundamental importncia para atingir os objetivos da aula e tambm
finalizar os contedos propostos para a disciplina.

Introduo
Tudo o que vimos at agora no adiantaria nada se no tivssemos o desenvolvimento
desta aula com um contedo que ir nos apresentar para a disciplina de Mtodos
Quantitativos do prximo semestre. Podemos fazer essa afirmao porque o que iremos
estudar a partir de agora ir subsidiar o que ser visto na disciplina que dar continuidade ao
estudo estatstico.
O que veremos adiante nos dar uma viso terica de conceitos especiais para vocs
que precisam entender como se tomam decises de carter estatstico; alm de outras
decises de maior aplicao no estudo de informaes especficas para as atividades de
anlise e planejamento nas empresas e organizaes.
Para responder a questes tpicas do dia a dia empresarial, a inferncia estatstica se
vale de uma srie de ferramentas de Cincia Estatstica, como: Distribuio de Probabilidade,
Distribuio Amostral, Testes de Hipteses, entre outras.
Diante dessas afirmaes a inferncia estatstica ser a base para a tomada de deciso
e elemento fundamental na elaborao do planejamento estratgico empresarial.
Devemos destacar que o foco desta aula ser na apresentao das possibilidades de
aplicao, bem como na correta interpretao dos resultados dos modelos estudados.
Esperamos, a partir do enfoque adotado, que vocs possam compreender os fundamentos
envolvidos, adquirindo autonomia e segurana na escolha das tcnicas apresentadas para uma
posterior utilizao.

Distribuio de Probabilidade
Nesta seo vamos apresentar os elementos estatsticos fundamentais aplicveis a
inferncia estatstica, sem deixar de lembrar os estudos j obtidos nas aulas anteriores, em
que foram vistos os conceitos qualitativos, quantitativos, discretos, contnuos e a estatstica
descritiva.
De posse desses conhecimentos bsicos, podemos passar para o nosso primeiro tpico
da aula, o qual versa sobre a Distribuio de Probabilidade.
A probabilidade um conceito de que a grande maioria da populao, para no dizer
toda, tem entendimento. Vejamos um exemplo quando uma moeda qualquer jogada para
cima (evento), ao cair existe a possibilidade (probabilidade) de se obter cara ou coroa,

66
nestas condies falamos tecnicamente que em se tratando de uma moeda honesta
(equilibrada) e um jogador isento de qualquer tipo de vcio, a chance de ocorrer cara ou coroa
igual para ambas. Nesse caso, afirmamos que a probabilidade de obter-se cara de , 0,5
ou 50%, e o mesmo valendo para a probabilidade de obter-se coroa, ou seja, , 0,5 ou 50%.

Amostragem
A amostragem, pode ser definida, como o ato de retirar elementos de uma populao,
e um dos principais fatores para obtermos resultados confiveis e representativos de uma
populao, com base na anlise de uma amostra. Para tanto, a amostra deve representar com a
maior proximidade possvel a populao, embora em tamanho reduzido e, portanto, capaz de
ser manipulado com facilidade, agilidade e segurana.
Quando qualquer evento ocorre repetidamente numa populao, os mesmos
determinam uma lei matemtica de sua ocorrncia que denominamos de distribuio de
ocorrncia, distribuio amostral ou distribuio de probabilidade,que foi o assunto da
unidade anterior, a qual deve tambm ser semelhante na amostra.
As regras para amostragem so classificadas didaticamente em duas grandes
categorias, ou seja, amostragem probabilstica e amostragem no probabilstica.

Amostragem Probabilstica
Tambm chamada de aleatria ou randmica aquela em que todos os elementos da
populao tm a mesma chance (probabilidade conhecida e no nula) de pertencer amostra,
ou seja, trata-se de uma seleo aleatria indiscriminada.
Se considerarmos uma populao de n elementos e se todos os elementos desta
populao possuem probabilidades iguais, teremos que 1/n a probabilidade de cada
elemento participar da amostra.

Amostragem No Probabilstica
aquela em que a escolha feita de maneira justificada e com determinado objetivo,
ou seja, h uma escolha deliberada dos elementos da amostra com o intuito de se fazer
inferncias estatsticas. Obtm-se concluses especficas sobre a populao, a partir de
observaes feitas na amostra.

Distribuio Amostral

67
Como vimos na seo anterior, o objetivo da amostragem ter indicao do valor de
alguns parmetros da populao como por exemplo, a mdia e o desvio padro. Assim a
mdia amostral usada para estimar a mdia da populao, e o desvio padro amostral
usado para estimar o desvio padro da populao.
Nesta seo a nossa inteno responder a uma pergunta muito importante. O quanto
a estatstica amostral se aproxima do verdadeiro valor do parmetro populacional.
Para responder essa questo, precisamos entender como usar as estatsticas
amostrais para analisar os parmetros populacionais, e assim, termos condies de aprender
como as caractersticas de uma nica amostra podem ser usadas para fazer anlises sobre os
parmetros de uma populao. Entre as principais distribuies amostrais, destacam-se:
distribuio normal da mdia e proporcional.

Estimao
Na seo anterior, estudamos as vrias formas de se obter uma amostra, com vistas
nas informaes sobre a populao origem dessa amostra num processo denominado
inferncia.
Esta induo (inferncia) que fazemos, a partir de uma amostra da populao, pode
ser feita de duas maneiras bsicas, ou seja, por estimao e por teste de hiptese.
Nesta seo, estudaremos o mtodo da estimao que serve para inferir caractersticas
de determinada populao, por meio do estudo da amostra desta populao.
Podemos afirmar que estimao o processo de estimar caractersticas (parmetros)
desconhecidos de uma populao com base em dados amostrais.
O processo de estimao numa amostra pode ser feito de duas maneiras:
Por Ponto: quando, a partir da amostra, procura-se obter um nico valor estimativo do
parmetro populacional.
Exemplo:
Um carro popular (1.0) consome 1 litro de combustvel a cada 12 Km rodados.

Por intervalo: quando, a partir da amostra, procura-se construir um intervalo de variao,
com certa probabilidade de conter verdadeiramente o parmetro da populao.
Exemplo:
Um carro popular (1.0) consome 1 litro de combustvel entre 10 e 14 Km rodados.


68
Intervalos de Confiana (IC)
Como visto anteriormente, os estimadores so variveis aleatrias contnuas e
descontnuas tambm chamadas de discretas, e em muitos casos as estimativas obtidas so
provavelmente diferentes do valor do parmetro. Em outras palavras: podem sair fora do
limite absoluto de ocorrncia. Por esta razo a estatstica trabalha com os chamados
intervalos de confiana, os quais apresentam uma faixa, onde com determinado grau de
certeza o valor estimado por inferncia estatstica pode estar contido.
O nvel de significncia que representa a probabilidade de erro que se comete quando
se afirma que a probabilidade do intervalo
1
O
2
contenha o verdadeiro valor do
parmetro populacional O, entende-se por intervalo de confiana em torno de uma estimativa
por ponto, para que com a probabilidade conhecida (1 ) contenha o verdadeiro valor do
parmetro estimado.
Como diferentes amostras levam, geralmente, a valores diferentes dos estimadores,
faz sentido pensarmos na diferena entre o valor do estimador e o parmetro.
Essa diferena chamada de erro de estimativa (e). A relao entre o nvel de
confiana e erro de estimativa caracteriza a preciso de uma estimativa. Usaremos nas
aplicaes um nvel de confiana de um intervalo fixado, que ir controlar a preciso na
determinao do erro de estimativa.

Teste de Hipteses
O estudo realizado nesta seo ir se somar ao desenvolvimento do estudo anterior no
uso dos elementos do teste de hipteses, o qual importante ferramenta para avaliar com
determinado nvel de confiana, o resultado do estudo estatstico aplicado em determinada
amostra, fornecendo a segurana necessria para a tomada de deciso em relao ao resultado
que dever ser aplicado na prtica, ou seja, na populao.
Como no desenvolvimento da estimao por intervalo, os testes de hipteses tambm
so baseados nas distribuies estatsticas dos estimadores. Dessa forma, as distribuies de
probabilidade da mdia amostral (
A X
) e da proporo (p)sero utilizados para os respectivos
testes sobre a mdia e a proporo da populao.
A hiptese estatstica uma suposio que se faz quanto ao valor de um parmetro
populacional que ser verificado por um teste paramtrico, ou uma afirmao quanto
natureza da populao que ser verificado por um teste de aderncia.
Podemos ter como exemplo de hipteses estatsticas as afirmaes abaixo:
- A mdia populacional da altura dos brasileiros 1,65 m (
P X
= 1,65 m);

69
- A varincia populacional do salrio vale R$ 5.000,00 (V
2
P

= 5.000);
- A proporo de brasileiros com determinada doena 40%, ou seja, p

= 0,40;
- A distribuio dos pesos dos alunos da universidade uma normal.
Portanto, o teste de hiptese uma regra de deciso para aceitar ou rejeitar uma
hiptese estatstica com base nos elementos amostrais.
Para tal, duas hipteses devem ser formuladas:
Hiptese Nula (H
0
): a hiptese testada; quando confirmada, mostra que a diferena
observada entre o valor estimado (pela amostra) e o parmetro populacional devido
exclusivamente ao acaso.
Hiptese Alternativa (H
1
): qualquer hiptese diferente de H
0
, que, uma vez aceita,
contraria a hiptese nula.
A hiptese alternativa (H
1
) geralmente a suposio que o pesquisador quer provar, e
a H
0
formulada com o expresso propsito de ser rejeitada.
Ao tomarmos a deciso pela aceitao ou rejeio de uma hiptese nula, estamos
sujeitos a acertos e tambm a erros. Quando se testa H
0
, pode-se cometer 2 tipos de erros,
conforme mostra a tabela abaixo:

Erro tipo I: quando se rejeita uma hiptese H
0
, e H
0
verdadeira.
Erro tipo II: quando se aceita uma hiptese H
0
, e H
0
falsa.

Anlise de Varincia
A anlise de varincia consiste num conjunto de tcnicas estatsticas utilizadas para a
descoberta de fatores que produzem mudanas sistemticas em alguma varivel de interesse.
Aplica-se a anlise de varincia para determinar se as mdias de duas ou mais populaes
so iguais. Como por exemplo, quando verificamos se a mdia de rendimento trimestral de
determinada aplicao diferente ao longo do ano.
Trata-se de uma generalizao do teste para a diferena de duas mdias populacionais,
quando se comparam simultaneamente mdias de populaes com distribuio normais e
independentes; portanto, trata-se de um teste de hiptese mais elaborado, ou seja, com mais
controle sobre o estudo.
Realidade
Deciso
Aceitar H
0
Rejeitar H
0

H
0
verdadeira Deciso correta Erro tipo I
H
0
falsa Erro tipo II Deciso Correta

70
Os pressupostos bsicos da anlise de varincia so:
- as amostras so aleatrias e independentes;
- as populaes so normais;
- as varincias populacionais so iguais.
As hipteses a serem testadas so as seguintes:
. diferentes ais populacion mdias : H

; iguias ais populacion mdias : H
1
0

A varincia estimvel pela varincia das mdias amostrais e pela mdia das
varincias amostrais. A varincia das mdias amostrais chamada de estimativa entre. A
mdia das varincias amostrais estimativa dentro.
A relao entre a estimativa entre e a dentro denominada de razo F. Como os
parmetros relacionados so quadrticos, F sempre positivo. De maneira anloga aos outros
testes, aceita-se H
0
quando o F
teste
< F
tabelado
.

Anlise de Regresso Linear Mltipla
A regresso linear mltipla difere da regresso linear simples, apenas pelo fato de
analisar a relao de trs ou mais varveis, enquanto que a simples, vista em estatstica
aplicada, analisa a relao entre duas variveis. Em algumas situaes, fica difcil analisar a
dependncia de uma varivel quando confrontamos a sua relao com apenas mais uma
varivel. Esse tipo de situao nos indica que a utilizao de uma ou mais variveis ir ajudar
a predizer se a relao entre essas variveis realmente linear.
Vamos tentar ilustrar uma situao para exemplificar uma situao tpica em que
poderamos usar trs ou mais variveis em uma anlise de regresso.
Se estamos tentando definir a projeo para a safra agrcola de 2008/2009, sabemos
que a mesma no depende apenas da quantidade de fertilizante utilizado na planta. Para isso
devemos introduzir novas variveis para tentar amenizar o problema; como por exemplo, a
qualidade do solo, a quantidade de chuva, o uso de defensivos agrcolas, entre outros.
Para essa anlise, temos por objetivo encontrar uma equao matemtica que nos
ajude a predizer os possveis valores de y para diferentes variveis independentes. Como
podemos observar no exemplo dado acima, o intuito de se usar variveis aleatrias adicionais
melhorar a capacidade de predio de um determinado valor (y).
Diferente da regresso linear simples a regresso mltipla oferece solues
complicadas, que de maneira mais prtica podem ser resolvida com a ajuda do computador.
Devido a esse fator de complicao vamos nos limitar apenas ao estudo superficial da anlise

71
de regresso linear mltipla em complemento ao que vimos sobre regresso linear simples e
estatstica aplicada.
A equao de regresso ter a seguinte forma:
n n 3 3 2 2 1 1
x b ... x b x b x b a y + + + + + =

onde y a varivel dependente, a uma constante, x
1
, x
2
, ..., x
n
so as variveis
independentes e b
1
, b
2
, ..., b
n
so denominados de coeficientes parciais de regresso.

7.9 Diagrama de deciso
A tomada de deciso sobre determinado evento, sob condies de incerteza, uma
situao que acompanha os profissionais de vrias reas no seu dia-a-dia. A questo qual
caminho devo seguir, devo correr um risco grande ou pequeno, a dvida e a insegurana so
grandes no mundo dos negcios, a deciso deve ser tomada de uma forma intuitiva ou
envolvendo sentimentos particulares ou coletivos.
por meio de uma srie de ferramentas estatsticas que esta condio estritamente
sentimental se transforma numa ao calculada e com seus limites definidos sobre riscos e
vantagens; portanto, neste tema veremos alguns destes componentes que nos auxiliaro na
tomada de deciso.
Chegamos ao final da aula com a sensao de que ficou faltando muita coisa a ser
vista, pois no realizamos nenhum teste, no fizemos nenhum tipo de anlise. Mas
precisamos nos lembrar que os objetivos eram esses mesmos, ou seja, no teramos nenhum
tipo de aplicao prtica neste sentido, pois tarefa ser realizada na disciplina de Mtodos
Quantitativos. Vamos para a sntese dessa aula e depois temos as atividades.

Sntese da aula
Nessa aula partimos para estudos bem mais tericos do que nas aulas anteriores.
Vocs devem ter percebido que a inferncia estatstica nos auxilia na tomada de decises
sobre uma determinada populao com base em informaes tomadas a partir de uma
amostra.
Podemos dizer que essa aula teve duas partes importantes, uma em que necessitamos
dos conceitos que vimos nas aulas anteriores e a outra que nos orientou sobre os principais
processos indicados para a inferncia estatstica.

Atividade

72
1. Escreva, com base no que estudou durante a aula, a diferena entre estimativa pontual e
intervalar e d um exemplo de cada.

2. Em cada afirmativa a seguir, classifique quanto ao tipo de estimativa (pontual ou
intervalar):
a) O brasileiro consome 30 Kg de carne por ano.
b) Entre 34 % e 42 % da populao se ope a um aumento no limite de velocidade.
c) O desvio padro da durao de um pneu radial est entre 2400 e 4000 quilmetros.
d) A proporo de estudantes fumantes 13 %.
e) O consumo mdio de carne no pas est entre 20 e 40 Kg por pessoa em um ano.
f) Trinta e oito por cento da populao se ope a um aumento no limite de velocidade.
g) A proporo de estudantes fumantes est entre 10 % e 16 %.
h) O desvio padro da durao de um pneu radial de 3200 quilmetros.

3. Das afirmaes a seguir qual delas traz corretamente a finalidade da anlise de varincia?
a) uma situao que acompanha os profissionais de vrias reas no seu dia-a-dia.
b) analisar a relao de trs ou mais varveis.
c) determinar se as mdias de duas ou mais populaes so iguais.
d) representar com a maior proximidade possvel a populao.

4. A afirmativa que traz as hipteses nula e alternativa usadas na anlise de varincia :
a) H
0
mdias populacionais iguais e H
1
mdias populacionais iguais.
b) H
0
mdias populacionais iguais e H
1
mdias populacionais diferentes.
c) H
0
mdias populacionais diferentes e H
1
mdias populacionais iguais.
d) H
0
mdias populacionais diferentes e H
1
mdias populacionais diferentes.

BIBLIOGRAFIA:

- KAZMIER, Leonard J. Estatstica aplicada economia e administrao. SP, Mcgraw-Hill, 1982.
- SILVA, Ermers M. da et alI. Estatstica para cursos: Economia, Administrao e Cincias
Contbeis. 2
a
ed. SP. Atlas, 1996
- SIMOM, Fonseca J. et alI; Estatstica Aplicada 2
a
ed. SP, Atlas, 1991.

73
- ANDERSOM, D. et all Estatstica Aplicada administrao e economia. SP. Pioneira,2002
- BONINI, Edmundo E. Estatstica: Teoria e exerccios. SP. Loyola.
- CRESPO, Antonio A. Estatstica fcil, 13
a
ed. SP. Saraiva, 1995
- MARTINS, G. de A. et all Princpios de Estatstica SP. Atlas, 1995
- SPIEGEL, M. Estatstica. RJ. MCrraw-hill. 1980

Apostila de Estatã Stica Agronomia 2011-01

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Apostila de Estatã Stica Agronomia 2011-01

Uploaded by

Copyright:

Available Formats

Estatstica para Agronomia

Professor: Joelson de Arajo Delfino

Estatstica para Agronomia

e a mediana ser encontrada pela soma do limite inferior da classe

Estatstica para Agronomia

Estatstica para Agronomia

A variavel (xc) que aparece na

A so eventos complementares, ento n(A) + n(

A so complementares, pois n(A) + n(

. diferentes ais populacion mdias : H

You might also like