ESTATSTICA

APLICADA



Prof. Renato F. Reis


1 semestre 2012

















2

PLANO DE ENSINO - Curso Superior de Tecnologia em Processos Gerenciais nfase em Gesto
Organizaes do Terceiro Setor
DISCIPLINA: Estatstica Aplicada
PERODO : 1 - SEMESTRE : 1 ANO: 2012

CARGA HORRIA TOTAL:
60 horas/aula
HORAS EM SALA DE AULA:
60 horas/aula
HORAS EM OUTRAS
ATIVIDADES: -


EMENTA:
Definio de variveis; Medidas de Posio; Medidas de Disperso; Probabilidade; Distribuio
Normal; Amostragem; Estimativa da Mdia da Populao; Determinao do Tamanho da Amostra.


OBJETIVOS:

Objetivo Geral:
Proporcionar formao bsica em Estatstica, de modo a atender as especificidades das anlises de
dados em cincias sociais.

Objetivo especficos:

Reconhecer os conceitos de populao e amostra.
Selecionar amostras, aplicando as tcnicas de amostragem.
Sumarizar dados quantitativos relativos a fenmenos scio-econmicos e apresent-los para
anlise sob as formas tabular e grfica.
Elaborar e interpretar uma distribuio de freqncias, bem como seu histograma.
Determinar e interpretar as medidas de posio e de disperso de um conjunto de
dados quantitativos.
Reconhecer os conceitos de fenmeno aleatrio, espao amostral e evento.
Calcular a probabilidade de ocorrncia de um evento.
Reconhecer uma distribuio normal de probabilidades de uma varivel aleatria,
Fazer inferncias sobre ela atravs de clculos, utilizando a tabela estatstica
correspondente.
Estimar a mdia populacional de um conjunto de dados, tomando por base a mdia amostral.



DATAS CONTEDO PROGRAMTICO
Unidade 1:
9/2 1.1. Introduo estatstica
10/2 1.2.Varivel discreta e varivel contnua.
10/2 1.3.Populao e amostra.
10/2 1.4.Amostragem.
10/2 1.5 Arredondamento.
16/2 Unidade 2: O Mtodo Estatstico
16/2 2.1. Conceito.
16/2 2.2. Fases do Mtodo Estatstico
23 e 24/02 Unidade 3: Sumarizao e Apresentao de Dados

3
23 e 24/02 3.1. Sries.
23 e 24/02 3.2. Apresentao grfica. (Laboratrio de informtica)
1/3 Unidade 4: Distribuio de Freqncias
1/3 4.1. Dados brutos e rol.
1/3 4.2. Conceito.
1/3 4.3. Elementos.
1/3 4.4. Elaborao.
8/3 4.5. Histograma e polgono de freqncias.
9/3 4.6. Tipos de freqncias. (Laboratrio de informtica) - Entrega Trab. 20 ptos.
Unidade 5: Medidas de Posio
15/03 e 22/03 5.1.Medidas de tendncia central: Mdia aritmtica, moda, mediana.
23/03 e 29/03 5.2. Medidas separatrizes: Quartis, decis, centis. (Laboratrio de informtica)
12/4 Exerccios
13/4 Prova - 20 pontos
13/4 Unidade 6: Medidas de Disperso
19/4 6.1. Amplitude total.
16/4 6.2. Desvio padro.
27/4 6.3. Varincia. (Laboratrio de informtica)
3/5 Unidade 7: Assimetria
3/5 7.1. Clculo do. Coeficiente de Assimetria
10/05 a 17/05 Unidade 8: Probabilidade
10/05 a 17/05 8.1. Conceitos: Fenmeno aleatrio, espao amostral, evento.
10/05 a 17/05 8.2. Probabilidade.
10/05 a 17/05 8.3. Eventos complementares, independentes e mutuamente exclusivos.
10/05 a 17/05 8.4. Regra da soma.
10/05 a 17/05 8.5. Regra do produto.

Unidade 9: Distribuio de Probabilidades
24;25 e 31/05 9.1. Distribuio normal.

Unidade 10: Estimativa da mdia populacional
14/06 e 15/06 10.1. Distribuio amostral da mdia. (Entrega de trabalho 30 pontos)
14/06 e 15/06 10.2. Erro mximo da estimativa.
21/6 10.3. Tamanho da amostra para estimar a mdia populacional.
21/6 10.4. Intervalo de confiana para a mdia populacional para grandes amostras.
21/6 10.5. Estimativa de mdias (pequenas amostras).
21/6 10.6. Intervalo de confiana para a mdia populacional para pequenas amostras.
28/6 Reviso - Exercicos
29/6 Prova - 30 pontos
5/7 Prova Especial - 30 pontos


2 - SISTEMA DE AVALIAO:
Trabalho em grupos, entrega at 09/03/12 Valor: 20 pontos
Prova individual, sem consulta, 13/04/12 Valor: 20 pontos
Trabalho em grupos, entrega at 15/06/12 Valor: 30 pontos
Prova final, individual, sem consulta, 29/06/12 Valor: 30 pontos




4
3 METODOLOGIA:
O contedo programtico ser abordado atravs de aulas expositivas participativas, composta de
trabalhos individuais e/ou em grupos de estudos dirigidos, com auxlio de recursos tecnolgicos,
laboratrio de informtica (Excel) e resoluo de exerccios, pesquisas e atividades extra-classe,
buscando a sustentabilidade tcnica tomada de decises.




4- REFERNCIAS BSICAS:
LARSON, Ron; FARBER, Elizabeth. Estatstica aplicada. 2.ed. So Paulo: Pearson Education, xv, 476p.
Triola, M. F. Introduo Estatstica, ed. Livros Tcnicos e Cientficos, 2000
SMAILES Joanne, MCGRANE, ngela. Estatstica Aplicada Administrao com Excel. So Paulo: Atlas,2000.
LEVINE, David M. e BERENSON, Mark L. e STEPAHAN, David. Estatstica Teoria e Aplicaes. Rio de Janeiro:
LTC, 2000

5- REFERENCIAS COMPLEMENTARES
FARIAS, Alfredo A, SOARES, Jos F.e CEZAR, Cibele C. Introduo Estatstica. 2. ed. Rio de Janeiro: LTC,
2006.
TOLEDO, Geraldo Luciano. Estatstica Bsica. 2.ed. So Paulo: Atlas, 1995.
NEUFELD John L. Estatstica Aplicada Administrao usando Excel Trad. Jos Luiz Celeste. So Paulo.
Prentice Hall 2003 434 p
FREUND, John e SIMON, Estatstica Aplicada: economia, administrao e contabilidade 11 ed, Porto Alegre,
Bookman, 2006.






















5
Sumrio

1. INTRODUO ......................................................................................................................................................................... 7
2. MTODO ESTATSTICO ........................................................................................................................................................ 7
3.DEFINIES BSICAS DA ESTATSTICA ................................................................................................................................. 8
4. AMOSTRAGEM ...................................................................................................................................................................... 8
4.1 Amostragem Aleatria Simples ........................................................................................................................................... 8
4.2 . Amostragem Proporcional Estratificada ............................................................................................................................ 9
4.3 Amostragem Sistemtica ..................................................................................................................................................... 9
4.4 Tabela de nmero aleatrios .............................................................................................................................................. 10
5. TABELAS ESTATSTICAS ................................................................................................................................................... 11
6. SRIE ESTATSTICA 4 ........................................................................................................................................................... 11
6.1- Srie Temporal ................................................................................................................................................................. 11
6.2 .Srie Geogrfica ............................................................................................................................................................... 11
6.3. Srie Especfica ................................................................................................................................................................ 11
6.4. Sries Conjugadas ............................................................................................................................................................. 11
7. GRFICOS ESTATSTICOS ................................................................................................................................................ 12
8. DISTRIBUIO DE FREQUNCIA ..................................................................................................................................... 13
8.1 Mtodo Prtico Para Construo de Uma Dist. de Frequncias c/ Classe ......................................................................... 14
8.2 Representao Grfica De Uma Distribuio .................................................................................................................... 15
9. MEDIDAS DE POSIO ...................................................................................................................................................... 16
9.1 Mdia Aritmtica ............................................................................................................................................................... 16
9.2 Mdia Geomtrica.............................................................................................................................................................. 17
9.3 Mdia Harmnica .............................................................................................................................................................. 18
9.4 Mdia Quadrtica ............................................................................................................................................................... 19
9.5 Moda .................................................................................................................................................................................. 19
9.6 Mediana ............................................................................................................................................................................. 20
10. MEDIDAS SEPARATRIZES ............................................................................................................................................... 22
10.1 Quartis ............................................................................................................................................................................. 22
10.2 Decis ................................................................................................................................................................................ 23
10.3 Percentil (Centil) .............................................................................................................................................................. 23
11. DISPERSO OU VARIABILIDADE ................................................................................................................................. 23
10.1 Medidas De Disperso Absoluta ..................................................................................................................................... 23
10.2 Desvio Quartil ................................................................................................................................................................. 24
10.3 Desvio Mdio Absoluto .................................................................................................................................................. 24
10.4 Desvio Padro ................................................................................................................................................................. 25
10.5 Varincia .......................................................................................................................................................................... 26
11- MEDIDAS DE DISPERSO RELATIVA ........................................................................................................................... 26
11.1 Coeficiente de Variao de Pearson................................................................................................................................. 26
11.2 Coeficiente de Variao de Thorndike............................................................................................................................. 26
11.3 Coeficiente Quartlico de Variao .................................................................................................................................. 26
12. ASSIMETRIA DA DISTRIBUIO .................................................................................................................................... 27
12. 1 Coeficiente de Assimetria ............................................................................................................................................... 27
13. MEDIDAS DE CURTOSE DA DISTRIBUIO ................................................................................................................ 27
13.1 Coeficiente de Curtose .................................................................................................................................................... 28
14 - PROBABILIDADE .............................................................................................................................................................. 28
14.1 Introduo ........................................................................................................................................................................ 28
14.2 Experimento Aleatrio ..................................................................................................................................................... 28
14.3 Espao Amostral ............................................................................................................................................................. 28
14.4 Eventos ............................................................................................................................................................................ 28
14.5 Conceito de Probabilidade ............................................................................................................................................... 29
14.6 Eventos Complementares ................................................................................................................................................ 29
14.7 Eventos Independentes .................................................................................................................................................... 29
14.8 Eventos Mutuamente Exclusivos .................................................................................................................................... 30
14.9 Probabilidade Condicional ............................................................................................................................................... 30
14.10 Tcnicas de Contagem em Probabilidade ...................................................................................................................... 31
14.11. Teorema de Bayes ......................................................................................................................................................... 32
15. DISTRIBUIO DE PROBABILIDADES .......................................................................................................................... 32
15.1 Varivel Aleatria Discreta.............................................................................................................................................. 32
15.4 Distribuio Binomial ...................................................................................................................................................... 33
15.5 Distribuio Normal ........................................................................................................................................................ 33
15.6 Tabela Normal Reduzida ................................................................................................................................................. 36
17. REGRESSO LINEAR SIMPLES ....................................................................................................................................... 37
18. INTERVALO DE CONFIANA .......................................................................................................................................... 38
18.1 Estimativa de Ponto ......................................................................................................................................................... 38

6
18.2 Estimativa de Intervalo .................................................................................................................................................... 38
18.3 Intervalo de Confiana para Uma Proporo Populacional ............................................................................................. 39
18.4 Fator de Correo de Populao Finita ........................................................................................................................... 39
18.5 Selecionando uma Amostra ............................................................................................................................................. 40
19.8 Tamanho Amostral para Estimativa de Propores ................................................................................................. 41
19 - REFERNCIAS ................................................................................................................................................................... 42






















1. INTRODUO

ESTATSTICA: um ramo do conhecimento que
consta de um conjunto de processos cujo objetivo a
observao, a classificao formal e a anlise de
fenmenos coletivos ou de massa (finalidade
descritiva) e, tambm, a possibilidade de efetuar
inferncias indutivas vlidas, a partir de dados
observados, e buscar mtodos para permitir essa
inferncia (finalidade indutiva). .
http://www.cultura.ufpa.br/
BREVE HISTRICO: ANTIGUIDADE - os povos j
registravam o nmero de habitantes, nascimentos,
bitos. Faziam "estatsticas". IDADE MDIA - as
informaes eram tabuladas com finalidades tributrias
e blicas. SEC. XVI - surgem as primeiras anlises
sistemticas, as primeiras tabelas e os nmeros
relativos. SEC. XVIII - a estatstica com feio cientfica
batizada por GODOFREDO ACHENWALL. As
tabelas ficam mais completas, surgem as primeiras
representaes grficas e os clculos de
probabilidades. A estatstica deixa de ser uma simples
tabulao de dados numricos para se tornar " O
estudo de como se chegar a concluso sobre uma
populao, partindo da observao de partes dessa
populao (amostra)".

2. MTODO ESTATSTICO

MTODO: um meio mais eficaz para atingir
determinada meta.
MTODOS CIENTFICOS: destacamos o mtodo
experimental e o mtodo estatstico.
MTODO EXPERIMENTAL: consiste em manter
constante todas as causas, menos uma, que sofre
variao para se observar seus efeitos, caso existam.
Ex: Estudos da Qumica, Fsica, etc.
MTODO ESTATSTICO: diante da impossibilidade de
manter as causas constantes(nas cincias sociais),
admitem todas essas causas presentes variando-as,
registrando essas variaes e procurando determinar,
no resultado final, que influncias cabem a cada uma
delas. Ex: Quais as causas que definem o preo de
uma mercadoria quando a sua oferta diminui?
Seria impossvel, no momento da pesquisa, manter
constantes a uniformidade dos salrios, o gosto dos
consumidores, nvel geral de preos de outros
produtos, etc.
A ESTATSTICA fornece metdos para coleta,
organizao, descrio, anlise e interpretao de
dados e para a utilizao dos mesmos na tomada de
decises.
A coleta, a organizao ,a descrio dos dados, o
cculo e a interpretao de coeficientes pertencem
ESTATSTICA DESCRITIVA, enquanto a anlise e a
interpretao dos dados, associado a uma margem de
incerteza, ficam a cargo da ESTATSTICA INDUTIVA
ou INFERENCIAL, tambm chamada como a medida
da incerteza ou mtodos que se fundamentam na
teoria da probabilidade.
FASES DO MTODO ESTATSTICO
1 - DEFINIO DO PROBLEMA : Saber exatamente
aquilo que se pretende pesquisar o mesmo que
definir corretamente o problema.
2 - PLANEJAMENTO : Como levantar informaes ?
Que dados devero ser obtidos ? Qual levantamento a
ser utilizado ? Censitrio ? Por amostragem ? E o
cronograma de atividades ? Os custos envolvidos ?
etc.
3 - COLETA DE DADOS : Fase operacional. o
registro sistemtico de dados, com um objetivo
determinado.
Dados primrios: quando so publicados pela prpria
pessoa ou organizao que os haja recolhido. Ex:
tabelas do censo demogrfico do IBGE.
Dados secundrios: quando so publicados pro outra
organizao. Ex: quando determinado jornal publica
estatsticas referentes ao censo demogrfico extradas
do IBGE.
OBS: mais seguro trabalhar com fontes primrias. O
uso da fonte secundria traz o grande risco de erros
de transcrio.
Coleta Direta: quando obtida diretamente da fonte.
Ex: Empresa que realiza uma pesquisa para saber a
preferncia dos consumidores pela sua marca.
A coleta direta pode ser : contnua (registros de
nascimento, bitos, casamentos, etc.),
peridica (recenseamento demogrfico, censo
industrial) e ocasional (registro de casos de dengue).
Coleta Indireta: feita por dedues a partir dos
elementos conseguidos pela coleta direta, por
analogia, por avaliao,indcios ou proporcionalizao.
4 - APURAO DOS DADOS : Resumo dos dados
atravs de sua contagem e agrupamento. a
condensao e tabulao de dados.
5 - APRESENTAO DOS DADOS : H duas forams
de apresentao, que no se excluem mutuamente. A
apresentao tabular, ou seja uma apresentao
numrica dos dados em linhas e colunas distribudas
de modo ordenado, segundo regras prticas fixadas
pelo Conselho Nacional de Estatstica. A
apresentao grfica dos dados numricos constitui
uma apresentao geomtrica permitindo uma viso
rpida e clara do fenmeno.

8
6 - ANLISE E INTERPRETAO DOS DADOS : A
ltima fase do trabalho estatstico a mais importante
e delicada. Est ligada essencialmente ao clculo de
medidas e coeficientes, cuja finalidade principal
descrever o fenmeno (estatstica descritiva). Na
estatstica indutiva a interpretao dos dados se
fundamentam na teoria da probabilidade.
3.DEFINIES BSICAS DA ESTATSTICA
FENMENO ESTATSTICO: qualquer evento que se
pretenda analisar, cujo estudo seja possvel da
aplicao do mtodo estatstico.
DADO ESTATSTICO: um dado numrico e
considerado a matria-prima sobre a qual iremos
aplicar os mtodos estatsticos.
POPULAO: o conjunto total de elementos
portadores de, pelo menos, uma caracterstica comum.
AMOSTRA: uma parcela representativa da
populao que examinada com o propsito de
tirarmos concluses sobre a essa populao.
PARMETROS: So valores singulares que existem
na populao e que servem para caracteriz-la. Para
definirmos um parmetro devemos examinar toda a
populao. Ex: Indstrias do segmento Metalurgia,
com mais de de 30 funcionrios
ESTIMATIVA: um valor aproximado do parmetro e
calculado com o uso da amostra.
ATRIBUTO: quando os dados estatsticos apresentam
um carter qualitativo, o levantamento e os estudos
necessrios ao tratamento desses dados so
designados genericamente de estatstica de atributo.
Exemplo de classificao dicotmica do atributo: A
classificao das empresas quanto ao porte.
atributo: Classificao por gnero, porte...... classe:
Indstrias situadas em Minas gerais
dicotomia: duas subclasses ( Menos de 30
funcionrios / Mais de 30 funcionrios)
Exemplo de classificao policotmica do atributo:
Classificao da indstrias quanto ao porte: Ex.: Micro/
pequena /mdia /grande
VARIVEL: o conjunto de resutados possveis de
um fenmeno.
VARIVEL QUALITATIVA: Quando seu valores so
expressos por atributos: sexo, cor da pele,etc.
VARIVEL QUANTITATIVA: Quando os dados so de
carter nitidamente quantitativo, e o conjunto dos
resultados possui uma estrutura numrica, trata-se
portanto da estatstica de varivel e se dividem em :
VARIVEL DISCRETA: Seus valores so expressos
geralmente atravs de nmeros inteiros no negativos.
Resulta normalmente de contagens.Ex: indstrias na
regio X nos meses de 1997: mar = 18 , abr = 30 ,
mai = 35 , jun = 36.
VARIVEL CONTNUA: Resulta normalmente de uma
mensurao, e a escala numrica de seus possveis
valores corresponde ao conjunto R dos nmeros
Reais, ou seja, podem assumir, teoricamente, qualquer
valor entre dois limites. Ex.: Quando voc vai medir a
temperatura de seu corpo com um termmetro de
mercrio o que ocorre o seguinte: O filete de
mercrio, ao dilatar-se, passar por todas as
temperaturas intermedirias at chegar na temperatura
atual do seu corpo.
EXERCCIO - Classifique as variveis em qualitativas
ou quantitativas (contnuas ou discretas):
. Classificao das empresas quanto ao porte...
Resp:qualitativa
. ndice de liquidez nas ndstrias
Resp:quantitativa contnua
. Produo de ao em Minas Gerais... Resp:
quantitativa contnua
. Nmero de defeitos em aparelhos de TV...
Resp: quantitativa discreta
. Comprimento dos pregos produzidos por uma
empresa... Resp: quantitativa contnua
. O ponto obtido em cada jogada de um dado...
Resp:quantitativa discreta
.
4. AMOSTRAGEM

4.1 Amostragem Aleatria Simples

uma tcnica especial para recolher amostras, que
garantem, tanto quanto possvel, o acaso na escolha.
equivalente a um sorteio lotrico. Pode ser realizada
numerando-se a populao de 1 a n e sorteando-se, a
seguir, por meio de um dispositivo aleatrio qualquer,
x nmeros dessa sequncia, os quais correspondero
aos elementos pertencentes amostra.
Exemplo: Vamos obter uma amostra, de 10%,
representativa para a pesquisa da estatura de 90
alunos de uma escola:
1 - numeramos os alunos de 1 a 90.
2 - escrevemos os nmeros dos alunos, de 1 a 90, em
pedaos iguais de papel, colocamos na urna e aps

9
mistura retiramos, um a um, nove nmeros que
formaro a amostra.
OBS: quando o nmero de elementos da amostra
muito grande, esse tipo de sorteio torna-se muito
trabalhoso. Neste caso utiliza-se uma Tabela de
nmeros aleatrios, (anexo), construda de modo
que os algarismos de 0 a 9 so distribudos ao acaso
nas linhas e colunas.
4.2 . Amostragem Proporcional Estratificada
Quando a populao se divide em estratos
(subpopulaes), convm que o sorteio dos elementos
da amostra leve em considerao tais estratos, da
obtemos os elementos da amostra proporcional ao
nmero 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. So portanto dois estratos (sexo masculino e
sexo feminino). Logo, temos:
SEXO POPULACO 10 % AMOSTRA
MASC. 54 5,4 5
FEMIN. 36 3,6 4
Total 90 9,0 9
Numeramos ento 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 nmeros
aleatrios.

4.3 Amostragem Sistemtica
Quando os elementos da populao j se acham
ordenados, no h necessidade de construir o sitema
de referncia. So exemplos os pronturios mdicos
de um hospital, os prdios de uma rua, etc. Nestes
casos, a seleo dos elementos que constituiro 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 opinio. Podemos, neste
caso, usar o seguinte procedimento: como 900/50 =
18, escolhemos por sorteio casual um nmero 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 nmero sorteado fosse 4 a
amostra seria: 4 casa, 22 casa, 40 casa, 58 casa,
76 casa, etc.

.EXERCCIOS:
1- Uma escola de 1 grau abriga 124 alunos. Obtenha
uma amostra representativa correspondente a 15% da
populao, utilizando a partir do incio da 5 linha da
Tabela de nmeros aleatrios.



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



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



4- Mostre como seria possvel retirar uma amostra de
32 elementos de uma populao ordenada formada
por 2.432 elementos. Na ordenao geral, qual dos
elementos abaixo seria escolhido para pertencer a
amostra, sabendo-se que o elemento 1.420 a ela
pertence ?
1.648 , 290 , 725 , 2.025 ou 1.120













10
4.4 Tabela de nmero aleatrios
Usa-se para seleo de amostras, caso contrrio, pode-se usar software para o sorteio.


C
1

C
2

C
3

C
4

C
5

C
6

C
7

C
8

C
9

C
1
0

C
1
1

C
1
2

C
1
3

C
1
4

C
1
5

C
1
6

C
1
7

C
1
8

C
1
9

C
2
0

C
2
1

C
2
2

C
2
3

C
2
4

C
2
5

C
2
6

C
2
7

C
2
8

C
2
9

L1 4 1 6 1 6 1 0 2 3 5 7 6 2 0 9 9 8 1 0 3 4 7 2 1 0 8 7 8 4
L2 3 0 7 2 6 3 9 5 5 3 4 8 8 0 9 3 0 1 7 0 4 0 8 3 1 2 0 1 2
L3 2 2 5 3 7 5 0 1 9 8 7 6 3 0 0 1 2 1 4 3 2 4 5 6 7 7 4 3 0
L4 1 9 8 4 7 7 8 6 5 2 7 8 1 0 0 7 5 3 2 2 5 8 1 9 0 3 2 3 4
L5 0 3 4 5 8 9 0 2 0 3 1 0 1 1 2 4 3 1 9 5 6 8 5 0 2 3 4 9 0
L6 0 8 9 6 8 1 7 2 2 2 2 8 6 1 9 4 5 2 0 0 1 3 1 0 9 2 3 4 1
L7 8 3 3 7 9 0 6 3 7 6 4 0 7 1 2 1 0 1 2 8 9 7 5 3 2 1 1 8 2
L8 8 8 0 8 9 2 3 6 3 7 3 7 8 9 4 3 9 2 3 2 3 0 0 4 4 2 3 1 3
L9 5 4 1 9 0 0 2 0 3 7 5 0 9 7 6 5 7 8 0 8 4 5 2 3 0 7 4 3 6
L10 6 7 2 0 0 3 1 1 1 2 6 0 2 0 8 0 9 7 7 7 3 6 7 2 9 0 3 1 0
L11 4 4 0 5 1 9 1 9 4 1 8 4 2 1 3 3 2 7 6 4 4 3 8 9 0 7 2 2 9
L12 3 5 1 4 3 3 0 3 2 3 7 0 3 4 5 8 9 3 5 2 4 0 1 7 9 1 8 1 3
L13 2 6 9 3 5 8 2 3 6 5 0 2 6 3 6 7 0 1 7 9 6 8 3 5 3 3 5 7 2
L14 0 1 2 2 7 4 0 7 0 7 9 0 0 6 5 2 7 8 1 0 0 7 5 3 0 9 1 1 3
L15 9 0 8 1 9 8 3 8 3 9 4 0 1 9 5 2 2 0 0 2 1 2 4 7 6 3 2 1 5
L16 7 2 2 0 2 5 0 5 3 2 1 3 5 8 9 1 2 3 9 6 5 2 7 8 1 0 0 7 0
L17 8 9 3 9 4 7 4 1 1 4 2 4 6 7 0 2 3 7 8 5 3 1 2 5 6 9 0 7 9
L18 6 3 0 8 6 6 0 1 4 6 2 2 3 3 0 1 5 4 5 1 1 3 4 7 8 1 2 8 8
L19 5 8 1 7 8 7 5 9 4 8 0 0 2 3 6 9 6 4 3 6 7 2 1 9 7 0 1 8 5
L20 3 4 0 6 0 1 9 8 4 0 2 9 2 3 2 5 3 5 7 2 7 8 2 5 6 2 2 9 4
L21 8 7 2 1 1 3 5 2 4 1 7 5 7 3 0 0 9 1 2 0 3 4 9 3 0 4 4 9 1
L22 1 4 9 1 3 2 8 6 1 2 0 2 0 1 3 5 4 6 4 3 2 0 0 3 9 6 6 0 2
L23 2 7 3 2 5 4 6 5 8 4 0 8 0 1 9 6 9 5 0 8 0 2 4 9 8 8 8 0 3
L24 4 3 8 2 7 3 7 8 0 3 0 9 2 2 6 7 6 4 9 8 9 4 7 7 7 0 0 2 4
L25 5 0 3 3 9 5 7 0 4 5 8 7 4 2 2 3 8 2 1 2 2 0 7 0 6 1 1 2 5
L26 2 5 7 3 0 4 2 2 6 6 1 1 0 3 9 9 1 0 3 4 3 9 6 3 5 3 3 4 8
L27 1 1 4 4 2 6 3 2 0 8 9 2 3 3 7 7 4 0 5 6 8 8 5 2 4 5 5 4 0
L28 0 2 7 4 3 6 4 3 1 7 1 0 2 0 9 6 4 3 7 9 0 7 6 1 3 7 5 5 8
L29 9 1 5 5 6 8 5 6 9 8 2 0 2 3 0 1 4 3 3 7 7 5 6 7 4 3 4 0 1
Obs.: Parte da gerao aleatria de nmero





5. TABELAS ESTATSTICAS
TABELA: um quadro que resume um conjunto de
dados dispostos segundo linhas e colunas de
maneira sistemtica.
De acordo com a Resoluo 886 do IBGE, nas casas
ou clulas da tabela devemos colocar :
- um trao horizontal ( - ) quando o valor zero;
- trs pontos ( ... ) quando no temos os dados;
zero ( 0 ) quando o valor muito pequeno para
ser expresso pela unidade utilizada;
Dois pontos ( .. ) quando devido natureza do
dado, ele no se aplica.
- (x) Dado numrico omitido a fim de evitar
individualizao da informao
- Obs: O lado direito e esquerdo de uma tabela
deve ser aberto.
6. SRIE ESTATSTICA 4
qualquer tabela que apresenta a distribuio de um
conjunto de dados estatsticos em funo da poca,
do local ou da espcie.
Sries Homgradas: so aquelas em que a varivel
descrita apresenta variao discreta ou descontnua.
Podem ser do tipo temporal, geogrfica ou especfica.
6.1- Srie Temporal
Identifica-se pelo carter varivel do fator cronolgico.
O local e a espcie (fenmemo) so elementos fixos.
Esta srie tambm chamada de histrica ou
evolutiva.
ABC VECLULOS LTDA.
Vendas no 1 bimestre de 1996
PERODO QUANTIDADE (em mil)
JAN/96 2 0
FEV/96 1 0
TOTAL 3 0
Fonte: Dados Fictcios
6.2 Srie Geogrfica
Apresenta como elemento varivel o fator geogrfico.
A poca e o fato (espcie) so elementos fixos.
Tambm chamada de espacial, territorial ou de
localizao.



ABC VECLULOS LTDA.
Vendas no 1 bimestre de 1996
FILIAIS UNIDADES VENDIDAS *
So Paulo 1 3
Rio de Janeiro 1 7
TOTAL 3 0
Fonte: Dados Fictcios
(*) Em mil unidades
6.3. Srie Especfica
O carter varivel apenas o fato ou espcie.
Tambm chamada de srie categrica.
ABC VECLULOS LTDA.
Vendas no 1 bimestre de 1996
MARCA UNIDADES VENDIDAS *
FIAT 1 8
GM 1 2
TOTAL 3 0
Fonte: Dados Fictcios
(*) Em mil unidades
6.4. Sries Conjugadas
Tambm chamadas de tabelas de dupla entrada. So
apropriadas apresentao de duas ou mais sries de
maneira conjugada, havendo duas ordens de
classificao: uma horizontal e outra vertical. O
exemplo abaixo de uma srie geogrfica-temporal.
ABC VECLULOS LTDA.
Quantidade Vendida no 1 bimestre de 1996
FILIAIS Janeiro Fevereiro
So Paulo 1 0000 30.000
Rio de Janeiro 1 2000 5.000
TOTAL 2 2.000 8.000
Fonte: Dados ficticios
Obs: as sries hetergradas sero estudas em
captulo especial ( distribuio de frequncias ).












12


7. GRFICOS ESTATSTICOS

So representaes visuais dos dados estatsticos que
devem corresponder, mas nunca substituir as tabelas
estatsticas.
Caractersticas:
Uso de escalas, sistema de coordenadas,
simplicidade, clareza e veracidade.
Grficos de informao: So grficos destinados
principalmente ao pblico em geral, objetivando
proporcionar uma visualizao rpida e clara. So
grficos tipicamente expositivos, dispensando
comentrios explicativos adicionais. As legendas
podem ser omitidas, desde que as informaes
desejadas estejam presentes.
Grficos de anlise: So grficos que prestam-se
melhor ao trabalho estatstico, fornecendo elementos
teis fase de anlise dos dados, sem deixar de ser
tambm informativos. Os grficos de anlise
frequentemente vm acompanahdos de uma tabela
estatstica. Inclui-se, muitas vezes um texto explicativo,
chamando a ateno do leitor para os pontos
principais revelados pelo grfico.
Uso indevido de Grficos: Podem trazer uma idia
falsa dos dados que esto sendo analisados,
chegando mesmo a confundir o leitor. Trata-se, na
realidade, de um problema de construo de escalas.
.Classificao dos grficos: Diagramas,
Estereogramas, Pictogramas e Cartogramas.
- Diagramas:
So grficos geomtricos dispostos em duas
dimenses. So os mais usados na representao de
sries estatsticas. Eles podem ser :
- Grficos em barras horizontais.
- Grficos em barras verticais ( colunas ).
Quando as legendas no so breves usa-se de
preferncia os grficos em barras horizontais. Nesses
grficos os retngulos tm a mesma base e as alturas
so proporcionais aos respectivos dados. A ordem a
ser observada a cronolgica, se a srie for histrica,
e a decrescente, se for geogrfica ou categrica.


- Grficos em barras compostas.
- Grficos em colunas superpostas.
Eles diferem dos grficos 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.
- Grficos em linhas ou lineares.

So frequentemente usados para representao de
sries cronolgicas com um grande nmero de
perodos de tempo. As linhas so mais eficientes do
que as colunas, quando existem intensas flutuaes
nas sries ou quando h necessidade de se
representarem vrias sries em um mesmo grfico.
Quando representamos, em um mesmo sistema de
coordenadas, a variao de dois fenmenos, a parte
interna da figura formada pelos grficos desses
fenmeno denomidada de rea de excesso.



13
- Grficos em setores.
Este grfico construdo com base em um crculo, e
empregado sempre que desejamos ressaltar a
participao do dado no total. O total representado
pelo crculo, que fica dividido em tantos setores
quantas so as partes. Os setores so tais que suas
reas so respectivamente proporcionais aos dados
da srie. O grfico em setores s deve ser empregado
quando h, no mximo, sete dados.
Obs: As sries temporais geralmente no so
representadas por este tipo de grfico.
- Estereogramas:
So grficos geomtricos dispostos em trs
dimenses, pois representam volume. So usados nas
representaes grficas das tabelas de dupla entrada.
Em alguns casos este tipo de grfico fica difcil de ser
interpretado dada a pequena preciso que oferecem.

.
- Pictogramas:
So construdos a partir de figuras representativas da
intensidade do fenmeno. Este tipo de grfico tem a
vantagem de despertar a ateno do pblico leigo,
pois sua forma atraente e sugestiva. Os smbolos
deven ser auto-explicativos. A desvantagem dos
pictogramas que apenas mostram uma viso geral
do fenmeno, e no de detalhes minuciosos. Veja o
exemplo abaixo:

- Cartogramas:
So ilustraes relativas a cartas geogrficas (mapas).
O objetivo desse grfico o de figurar os dados
estatsticos diretamente relacionados com reas
geogrficas ou polticas.


8. DISTRIBUIO DE FREQUNCIA
um tipo de tabela que condensa uma coleo de
dados conforme as frequncias (repeties de seus
valores).
Tabela primitiva ou dados brutos: uma tabela ou
relao de elementos que no foram numericamente
organizados. difcil formarmos uma idia exata do
comportamento do grupo como um todo, a partir de
dados no ordenados.
Ex : 45, 41, 42, 41, 42 43, 44, 41 ,50, 46, 50, 46, 60,
54, 52, 58, 57, 58, 60, 51
ROL: a tabela obtida aps a ordenao 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
Distribuio de frequncia sem intervalos de
classe: a simples condensao dos dados
conforme as repeties de seu valores. Para um ROL
de tamanho razovel esta distribuio de frequncia

14
inconveniente, j que exige muito espao. Veja
exempo abaixo:
Dados Frequncia
41 3
42 2
43 1
44 1
45 1
46 2
50 2
51 1
52 1
54 1
57 1
58 2
60 2
Total 20


Distribuio de frequncia com intervalos de
classe: Quando o tamanho da amostra elevado
mais racional efetuar o agrupamento dos valores em
vrios intervalos de classe.
Classes Frequncias
41 |------- 45 7
45 |------- 49 3
49 |------- 53 4
53 |------- 57 1
57 |------- 61 5
Total 20

ELEMENTOS DE UMA DISTRIBUIO DE
FREQUNCIA (com intervalos de classe):
CLASSE: so os intervalos de variao da varivel e
simbolizada por i e o nmero total de classes
simbolizada por C. Ex: na tabela anterior
C=5 e 49 |------- 53 a 3 classe, onde i=3.
LIMITES DE CLASSE: so os extremos de cada
classe. O menor nmero o limite inferior de classe
(Li) e o maior nmero, limite superior de classe(Ls).
Ex: em 49 |------- 53... Li= 49 e Ls= 53. O smbolo |------
- representa um intervalo fechado esquerda e aberto
direita. O dado 53 do ROL no pertence a classe 3 e
sim a classe 4 representada por 53 |------- 57.
AMPLITUDE DO INTERVALO DE CLASSE: obtida
atravs da diferena entre o limite superior e inferior da
classe e simbolizada por hi =L
s
- L
i
. Ex: na tabela
anterior hi= 53 - 49 = 4. Obs: Na distribuio de
frequncia c/ classe o hi ser igual em todas as
classes.
AMPLITUDE TOTAL DA DISTRIBUIO: a
diferena entre o limite superior da ltima classe e o
limite inferior da primeira classe. AD = Ls(max) -
Li(min). Ex: na tabela anterior AD = 61 - 41= 20.
AMPLITUDE TOTAL DA AMOSTRA (ROL): a
diferena entre o valor mximo e o valor mnimo da
amostra (ROL). Onde At = X
max
- X
min
. Em nosso
exemplo At = 60 - 41 = 19.
Obs: AD sempre ser maior que At
PONTO MDIO DE CLASSE: o ponto que divide o
intervalo de classe em duas partes iguais. .......Ex: em
49 |------- 53 o ponto mdio x3 = (53+49)/2 = 51, ou
seja x3=(L
s
+L
i
)/2.
8.1 Mtodo Prtico Para Construo de Uma
Dist. de Frequncias c/ Classe
1 - Organize os dados brutos em um ROL.
2 - Calcule a amplitude amostral At
No nosso exmplo: At =60 - 41 =19
3 - Calcule o nmero de classes atravs da "Regra de
Sturges":
Nmero de
observaes
(n)
C= n 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 determinao do n de
classes da tabela no nos levam a uma deciso final;
esta vai depender, na realidade de um julgamento
pessoal, que deve estar ligado natureza dos dados.
No nosso exemplo: n = 20 dados, ento ,a princpio, a
regra sugere a adoo de 5 classes.
4 - Decidido o n de classes, calcule ento a
amplitude do intervalo de classe h > At/C
No nosso exemplo: At/C = 19/5 = 3,8 . Obs:Como h >
At/C , usaremos o valor de h, ligeiramente superior
para haver folga na ltima classe. Utilizaremos ento h
= 4
5 - Temos ento o menor n da amostra, o n de
classes e a amplitude do intervalo. Podemos montar a
tabela, com o cuidado para no aparecer classes com
frequncia = 0 (zero).
No nosso exemplo: o menor n da amostra = 41 + h =
45, logo a primeira classe ser representada por ......
41 |------- 45. As classes seguintes respeitaro o
mesmo procedimento.

15
O primeiro elemento das classes seguintes sempre
sero formadas pelo ltimo elemento da classe
anterior.
8.2 Representao Grfica De Uma Distribuio
.Histograma, Polgono de frequncia e Polgono de
frequncia acumulada
Em todos os grficos acima utilizamos o primeiro
quadrante do sitema de eixos coordenados
cartesianos ortogonais. Na linha horizontal (eixo das
abscissas) colocamos os valores da varivel e na linha
vertical (eixo das ordenadas), as frequncias.
.Histograma: formado por um conjunto de
retngulos justapostos, cujas bases se localizam sobre
o eixo horizontal, de tal modo que seus pontos mdios
coincidam com os pontos mdios dos intervalos de
classe. A rea de um histograma proporcional
soma das frequncias simples ou absolutas.
Frequncias simples ou absolutas (fi): so os
valores que realmente representam o nmero de
dados de cada classe. A soma das frequncias
simples igual ao nmero total dos dados da
distribuio.
Frequncias relativas(fr): so os valores das razes
entre as frequncias absolutas de cada classe e a
frequncia total da distribuio. A soma das
frequncias relativas igual a 1 (100 %).
.Polgono de frequncia: um grfico em linha,
sendo as frequncias marcadas sobre perpendiculares
ao eixo horizontal, levantadas pelos pontos mdios
dos intervalos de classe. Para realmente obtermos um
polgono (linha fechada), devemos completar a figura,
ligando os extremos da linha obtida aos pontos mdios
da classe anterior primeira e da posteior ltima, da
distribuio.
.Polgono de frequncia acumulada: traado
marcando-se as frequncias acumuladas sobre
perpendiculares ao eixo horzontal, levantadas nos
pontos correspondentes aos limites superiores dos
intervalos de classe.
Frequncia simples acumulada de uma classe (fac)
o total das frequncias de todos os valores inferiores
ao limite superior do intervalo de uma determida
classe.
Frequncia relativa acumulada de um classe (frac)
a frequncia acumulada da classe, dividida pela
frequncia total da distribuio.




...CLASSE.. ..fi
.....xi...
..
.....fr....
.
fac
....
frac.....
50 |-------- 54 4 52 0,100 4 0,100
54 |-------- 58 9 56 0,225 13 0,325
58 |-------- 62 11 60 0,275 24 0,600
62 |-------- 66 8 64 0,200 32 0,800
66 |-------- 70 5 68 0,125 37 0,925
70 |-------- 74 3 72 0,075 40 1,000
Total 40 1,000
Exerccio: (Com base na tabela acima)
Sendo fi= freq. simples; xi= ponto mdio de classe;
fac= freq. simples acumulada; fr= freq. relativa e frac=
freq. relativa acumulada. Construa o histograma,
polgono de frequncia e polgono de freq. acumulada:
Obs: uma distribuio de frequncia sem intervalos de
classe representada graficamente por um diagrama
onde cada valor da varivel representado por um
segmento de reta vertical e de comprimento
proporcional respectiva frequncia.
.A Curva de Frequncia ( Curva polida):
Enquanto o polgono de frequncia fornece a imagem
real do fenmeno estudado, a curva de frequncia
retrata a imagem tendencial. O polimento
(geometricamente, corresponde eliminao dos
vrtices da linha poligonal) de um polgono de
frequncia nos mostra o que seria tal polgono com um
nmero maior de dados em amostras mais amplas.
Consegue-se isso com o emprego de uma frmula
bastante simples:
fci = ( f
ant
+ 2fi + f
post
) / 4...........onde:
fci = frequncia calculada da classe considerada (freq.
polida)
fi = frequncia simples da classe considerada
f
ant
= frequncia simples da classe anterior da classe
considerada
f
post
= frequncia simples da classe posterior da
classe considerada
.Exerccio:
Com base na tabela anterior, construa o grfico da
curva polida a partir das frequncias calculadas:





16
9. MEDIDAS DE POSIO
So as estatsticas que representam uma srie de
dados orientando-nos quanto posio da distribuio
em relao ao eixo horizontal do grfico da curva de
frequncia.

As medidas de posies mais importantes so as
medidas de tendncia central ou promdias
(verifica-se uma tendncia dos dados observados a se
agruparem em torno dos valores centrais).

As medidas de tendncia central mais utilizadas so:
mdia aritmtica, moda e mediana. Outros promdios
menos usados so as mdias: geomtrica, harmnica,
quadrtica, cbica e biquadrtica.
As outras medidas de posio so as separatrizes,
que englobam: a prpria mediana, os decis, os quartis
e os percentis.


9.1 Mdia Aritmtica
igual ao quociente entre a soma dos valores do
conjunto e o nmero total dos valores.
n
x
n
x x x
X
n
i
i
n

=
=
+ + +
=
1 2 1
...

onde xi so os valores da varivel e n o nmero de
valores.
.Dados no-agrupados:
Quando desejamos conhecer a mdia dos dados no-
agrupados em tabelas de frequncias, determinamos a
mdia aritmtica simples.
Exemplo: Sabendo-se que a venda diria de arroz tipo
A, durante uma semana, foi de 10, 14, 13, 15, 16, 18 e
12 Kg, temos, para venda mdia diria na semana de:
.= (10+14+13+15+16+18+12) / 7 = 14 Kg
Desvio em relao mdia: a diferena entre cada
elemento de um conjunto de valores e a mdia
aritmtica, ou seja:.. di = Xi - X
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 mdia
1 propriedade: A soma algbrica dos desvios em
relao mdia nula.
No exemplo anterior : d1+d2+d3+d4+d5+d6+d7 = 0
2 propriedade: Somando-se (ou subtraindo-se)
uma constante (c) a todos os valores de uma
varivel, a mdia do conjunto fica aumentada ( ou
diminuida) dessa constante.
Se no exemplo original somarmos a constante 2 a
cada um dos valores da varivel temos:
Y = 12+16+15+17+18+20+14 / 7 = 16 Kg ou
Y = .+ 2 = 14 +2 = 16 Kg

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

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

Y = 30+42+39+45+48+54+36 / 7 = 42 Kg ou
Y = . 3 = 14 x 3 = 42 Kg
Dados agrupados:
Sem intervalos de classe
Consideremos a distribuio relativa do nmero de
defeitos em 34 peas produzidas, tomando para
varivel o nmero de defeituosas por pea.
Calcularemos a quantidade mdia do nmero de
defeitos por pea

N de Defeitos
por pea
frequncia (fi)
0 2
1 6
2 10
3 12
4 4
total 34

Como as frequncias so nmeros indicadores da
intensidade de cada valor da varivel, elas funcionam

17
como fatores de ponderao, o que nos leva a calcular
a mdia aritmtica ponderada, dada pela frmula:
( )
.
.
1
n
f x
X
n
i
I i
=
=
..x
i
. ..f
i
. ..x
i
.f
i
.
0 2 0
1 6 6
2 10 20
3 12 36
4 4 16
Total 34 78
onde 78 / 34 = 2,3 Defeitos por pea

Com intervalos de classe
Neste caso, convencionamos que todos os valores
includos em um determinado intervalo de classe
coincidem com o seu ponto mdio, e determinamos a
mdia aritmtica ponderada por meio da frmula:
.
( )
.
.
1
n
f x
X
n
i
I i
=
=
onde X
i
o ponto mdio da classe, f
i
a frequncia
simples


Exemplo: Calcular a mdia das vendas (R$) em certa
empresa, conforme a tabela abaixo.
Vendas (R$) frequncia = fi ponto mdio = 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 frmula acima temos: 2.440 / 40.= 61.
logo... = 61 cm
9.2 Mdia Geomtrica
a raiz n-sima do produto de todos eles.
Mdia Geomtrica Simples:
ou
.
Exemplo - Calcular a mdia geomtrica dos seguintes
conjuntos de nmeros:E
a) { 10, 60, 360 }........ no excel : =(10*60*360)^(1/3)
....R: 60
b) { 2, 2, 2 }........ no excel : =(2*2*2)^(1/3) ....R: 2
c) { 1, 4, 16, 64 }........ no excel : =(1*4*16*64)^(1/4)
....R: 8
.
Mdia Geomtrica Ponderada
ou
..
Exemplo - Calcular a mdia geomtrica 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 Mdia Geomtrica
1 propriedade: O produto dos quocientes de cada
valor de um conjunto de nmeros pela mdia
geomtrica do conjunto = 1.
Exemplo - Comprovar a 1 propriedade da mdia
geomtrica com os dados { 10, 60, 360 }
g = 60... onde... 10/60 x 60/60 x 360/60 = 1
.2 propriedade: Sries que apresentam o mesmo
nmero de elementos com o mesmo produto tm a
mesma mdia geomtrica.
Exemplo - Comprovar a 2 propriedade da mdia
geomtrica com os dados:
a = {8 e 12,5}.........b = {2 e 50}

18
ga = 10 ..................... gb = 10
.3 propriedade: A mdia geomtrica menor ou igual
a mdia aritmtica.
A desigualdade g < ..sempre se verifica, quando
os valores da srie forem positivos e nem todos iguais.
Se entre eles houver um ou mais zeros, a mdia
geomtrica ser nula.
A igualdade g = ..s ocorrer quando todos os
valores da srie forem iguais.
.4 propriedade: Quanto maior a diferena entre os
valores originais maior ser diferena entre as mdias
aritmtica e geomtrica. Veja na tabela abaixo:

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

.Aplicaes da Mdia Geomtrica
a) Mdia de Relaes
Empresa Capital lquido Dvida Capital lquido/Dvida
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 relao do tipo capital/dvida que seja
independente da dvida ou do capital das diferentes
empresas envolvidas, recomendvel o uso da mdia
geomtrica. Se o que se deseja saber a relao
capital/dvida de um certo nmero de empresas, aps
a consolidao, a cifra correta ser obtida atravs da
mdia aritmtica.
b) Mdia em distribuies assimtricas ( veremos em
captulo especial )
c) Mdia de taxas de variao
Exemplo: Suponhamos que um indivduo tenha
aplicado um capital de R$ 500,00 em 1995. Aps um
ano de aplicao, essa importncia chegou a R$
650,00. Reaplicando essa ltima quantia, ao final de
mais um ano seu montante situava-se em R$ 910,00.
Qual a taxa mdia de aumento de capital ?


Perodo Taxa
1995 a 1996 650/500 = 1,3
1996 a 1997 910/650 = 1,4
A taxa mdia ser no excel..=(1,3*1,4)^(1/2) ou a raiz
quadrada do produto de 1,3 e 1,4.
Resposta: 1,3491

9.3 Mdia Harmnica
o inverso da mdia aritmtica dos inversos.
.Mdia Harmnica Simples:.(para dados no
agrupados)
.. ou

Exemplo - Calcular a mdia harmnica simples dos
seguintes conjuntos de nmeros:
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....
.
Mdia Harmnica Ponderada : (para dados
agrupados em tabelas de frequncias)
..
Exemplo - Calcular a mdia harmnica dos valores da
tabela abaixo:
classes ....fi.... ....xi.... ........fi/xi........
1 |--------- 3 2 2 2/2 = 1,00
3 |--------- 5 4 4 4/4 = 1,00
5 |--------- 7 8 6 8/6 = 1,33
7 |--------- 9 4 8 4/8 = 0,50
9 |--------- 11 2 10 2/10 = 0,20
total 20 4,03

Resp: 20 / 4,03 = 4,96




19
Propriedades da mdia harmnica
A mdia harmnica menor que a mdia geomtrica
para valores da varivel diferentes de zero.
h < g.. e por extenso de raciocnio podemos
escrever :.. h < g <
OBS: A mdia harmnica no aceita valores iguais
a zero como dados de uma srie.
A igualdade g = h.= ....s ocorrer quando
todos os valores da srie forem iguais.
OBS: Quando os valores da varivel no forem muito
diferentes, verifica-se aproximadamente a seguinte
relao:
g = ( .+ h ) /.2
Demonstraremos a relao acima com os seguintes
dados:
z = { 10,1 ; 10,1 ; 10,2 ; 10,4 ; 10,5 }
Mdia aritmtica = 51,3 / 5 = 10,2600
Mdia geomtrica = 10,2587
Mdia harmnica = 5 / 0,4874508 = 10,2574
Comprovando a relao: 10,2600 + 10,2574 / 2 =
10,2587 = mdia geomtrica

9.4 Mdia Quadrtica
a raiz quadrada da mdia aritmtica dos quadrados
Mdia Quadrtica Simples: (para dados no
agrupados)

Exemplo - Calcular a mdia quadrtica simples do
seguinte conjunto de nmeros:
a = { 2 , 3 , 4 , 5 } ....Resp: 3,67
.Mdia Quadrtica Ponderada: Quando os valores da
varivel estiverem dispostos em uma tabela de
frequncias, a mdia quadrtica ser determinada pela
seguinte expresso:

Exemplo - Calcular a mdia quadrtica dos valores da
tabela abaixo:

classes ....f
i
.... ....x
i
....
... ... . f
i

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 2.298
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 vlida a
seguinte relao: q > > g > h
- A igualdade entre as mdias acima se verifica
quando os valores da varivel forem iguais
(constantes)
- A mdia quadrtica largamente utilizada em
Estatstica, principalmente quando se pretende
calcular a mdia de desvios ( x - .) , em vez
de a mdia dos valores originais. Neste caso,
a mdia quadrtica denominada desvio-
padro, que uma importante medida de
disperso.

9.5 Moda
o valor que ocorre com maior frequncia em uma
srie de valores.
Mo o smbolo da moda.
Desse modo, o salrio modal dos empregados de uma
fbrica o salrio mais comum, isto , o salrio
recebido pelo maior nmero de empregdos dessa
fbrica.
.A Moda quando os dados no esto agrupados
- A moda facilmente reconhecida: basta, de
acordo com definio, procurar o valor que
mais se repete.
Exemplo: Na srie { 7 , 8 , 9 , 10 , 10 , 10 , 11 , 12 } a
moda igual a 10.
- H sries nas quais no exista valor modal,
isto , nas quais nenhum valor aparea mais
vezes que outros.
Exemplo: { 3 , 5 , 8 , 10 , 12 } no apresenta moda. A
srie amodal.
- .Em outros casos, pode haver dois ou mais
valores de concentrao. Dizemos, ento, que
a srie tem dois ou mais valores modais.

20
Exemplo: { 2 , 3 , 4 , 4 , 4 , 5 , 6 , 7 , 7 , 7 , 8 , 9 }
apresenta duas modas: 4 e 7. A srie bimodal.
.A Moda quando os dados esto agrupados
a) Sem intervalos de classe
Uma vez agrupados os dados, possvel determinar
imediatamente a moda: basta fixar o valor da varivel
de maior frequncia.
Exemplo: Qual a temperatura mais comum medida no
ms abaixo:

Temperaturas Frequncia
0 C 3
1 C 9
2 C 12
3 C 6
Resp: 2 C a temperatura modal, poi a de maior
frequncia.
b) Com intervalos de classe
A classe que apresenta a maior frequncia
denominada classe modal. Pela definio, podemos
afirmar que a moda, neste caso, o valor dominante
que est compreendido entre os limites da classe
modal. O mtodo mais simples para o clculo da moda
consiste em tomar o ponto mdio da classe modal.
Damos a esse valor a denominao de moda bruta.
Mo = ( Li + Ls ) / 2
onde Li = limite inferior da classe modal e Ls= limite
superior da classe modal. Exemplo: Calcule a estatura
modal conforme a tabela abaixo.
Classes (em cm) Frequncia
54 |------------ 58 9
58 |------------ 62 11
62 |------------ 66 8
66 |------------ 70 5
Resp: a classe modal 58|-------- 62, pois a de maior
frequncia. Li=58 e Ls=62
Mo = (58+62) / 2 = 60 cm ( este valor estimado,
moda bruta, pois no conhecemos o valor real da
moda).
Mtodo mais elaborado pela frmula de CZUBER,
neste exemplo o resultado Mo = 59,6).
Frmula: Mo = Li + (d1/(d1+d2)) x h*
Li= limite inferior da classe modal..... e..... Ls= limite
superior da classe modal
d1= frequncia da classe modal - frequncia da classe
anterior da classe modal
d2= frequncia da classe modal - frequncia da classe
posterior da classe modal
h*= amplitude da classe modal
Obs: A moda utilizada quando desejamos obter uma
medida rpida e aproximada de posio ou quando a
medida de posio deva ser o valor mais tpico da
distribuio. J a mdia aritmtica a medida de
posio que possui a maior estabilidade.
9.6 Mediana
A mediana de um conjunto de valores, dispostos
segundo uma ordem ( crescente ou decrescente), o
valor situado de tal forma no conjunto que o separa em
dois subconjuntos de mesmo nmero de elementos.
Smbolo da mediana: Md
.A mediana em dados no-agrupados
Dada uma srie de valores como, por exemplo: { 5, 2,
6, 13, 9, 15, 10 }
De acordo com a definio de mediana, o primeiro
passo a ser dado o da ordenao (crescente ou
decrescente) dos valores: { 2, 5, 6, 9, 10, 13, 15 }
O valor que divide a srie acima em duas partes iguais
igual a 9, logo a Md = 9.
Mtodo prtico para o clculo da Mediana
Se a srie dada tiver nmero mpar de termos:
O valor mediano ser o termo de ordem dado fela
frmula :
.( n + 1 ) / 2
Exemplo: Calcule a mediana da srie { 1, 3, 0, 0, 2, 4,
1, 2, 5 }
1 - ordenar a srie { 0, 0, 1, 1, 2, 2, 3, 4, 5 }
n = 9 logo (n + 1)/2 dado por (9+1) / 2 = 5, ou seja, o
5 elemento da srie ordenada ser a mediana
A mediana ser o 5 elemento = 2
.Se a srie dada tiver nmero par de termos:
O valor mediano ser o termo de ordem dado fela
frmula :..
.[( n/2 ) +( n/2+ 1 )] / 2
Obs: n/2 e (n/2 + 1) sero termos de ordem e devem
ser substitudos pelo valor correspondente.
Exemplo: Calcule a mediana da srie { 1, 3, 0, 0, 2, 4,
1, 3, 5, 6 }
1 - ordenar a srie { 0, 0, 1, 1, 2, 3, 3, 4, 5, 6 }

21
n = 10 logo a frmula ficar: [( 10/2 ) + (10/2 + 1)] / 2
[( 5 + 6)] / 2 ser na realidade (5 termo+ 6 termo) / 2
5 termo = 2 6 termo = 3
A mediana ser = (2+3) / 2 ou seja, Md = 2,5 . A
mediana no exemplo ser a mdia aritmtica do 5 e
6 termos da srie.
Notas:
- Quando o nmero de elementos da srie
estatstica for mpar, haver coincidncia da
mediana com um dos elementos da srie.
- Quando o nmero de elementos da srie
estatstica for par, nunca haver coincidncia
da mediana com um dos elementos da srie. A
mediana ser sempre a mdia aritmtica dos 2
elementos centrais da srie.
- Em um srie a mediana, a mdia e a moda
no tm, necessariamente, o mesmo valor.
- A mediana, depende da posio e no dos
valores dos elementos na srie ordenada.
Essa uma da diferenas entre mediana e
mdia ( que se deixa influenciar, e muito,
pelos valores extremos).
Exemplo:
Em { 5, 7, 10, 13, 15 } a mdia = 10 e a mediana = 10
Em { 5, 7, 10, 13, 65 } a mdia = 20 e a mediana = 10
isto , a mdia do segundo conjunto de valores
maior do que a do primeiro, por influncia dos valores
extremos, ao passo que a mediana permanece a
mesma.
.A mediana em dados agrupados
a) Sem intervalos de classe
Neste caso, o bastante identificar a frequncia
acumulada imediatamente superior metade da soma
das requncias. A mediana ser aquele valor da
varivel que corresponde a tal frequncia acumulada.
Exemplo conforme tabela abaixo:

Varivel xi Frequncia fi Frequncia acumulada
0 2 2
1 6 8
2 9 17
3 13 30
4 5 35
total 35
Quando o somatrio das frequncias for mpar o valor
mediano ser o termo de ordem dado fela frmula :.

Como o somatrio das frequncias = 35 a frmula
ficar: ( 35+1 ) / 2 = 18 termo = 3....
Quando o somatrio das frequncias for par o valor
mediano ser o termo de ordem dado fela frmula :.


Exemplo - Calcule Mediana da tabela abaixo:
Varivel xi Frequncia fi Frequncia acumulada
12 1 1
14 2 3
15 1 4
16 2 6
17 1 7
20 1 8
total 8
Aplicando frmula acima teremos:[(8/2)+ (8/2+1)]/2 =
(4 termo + 5 termo) / 2 = (15 + 16) / 2 = 15,5
b) Com intervalos de classe
Devemos seguir os seguintes passos:
1) Determinamos as frequncias acumuladas ;
2) Calculamos ; 3) Marcamos a classe
correspondente frequncia acumulada
imediatamente superior . Tal classe ser a
classe mediana ; (usar uma casa decimal)
4) Calculamos a Mediana pela seguinte frmula:.....
Li + [( - f
aca
) x h*] / fi
Li = o limite inferior da classe mediana.
f
aca
= a frequncia acumulada da classe anterior
classe mediana.
fi = a frequncia simples da classe mediana.
hi = a amplitude do intervalo da classe mediana.




22
Exemplo:
Classes Frequncia = fi
Frequncia
acumulada (fac)
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 =.20,0...
logo.a classe mediana ser 58 |---------- 62
Li= 58 f
aca
= 13 fi = 11........... hi = 4
Substituindo esses valores na frmula, obtemos: Md =
58 + [ (20 - 13) x 4] / 11 = 58 + 28/11 = 60,54
OBS: Esta mediana estimada, pois no temos os 40
valores da distribuio.
Emprego da Mediana
- Quando desejamos obter o ponto que divide a
distribuio em duas partes iguais.
- Quando h valores extremos que afetam de
maneira acentuada a mdia aritmtica.
- Quando a varivel em estudo salrio.
10. MEDIDAS SEPARATRIZES
Alm das medidas de posio que estudamos, h
outras que, consideradas individualmente, no so
medidas de tendncia central, mas esto ligadas
mediana relativamente sua caracterstica de separar
a srie em duas partes que apresentam o mesmo
nmero de valores.
Essas medidas - os quartis, os decis e os percentis
- so, juntamente com a mediana, conhecidas pelo
nome genrico de separatrizes.
10.1 Quartis
Denominamos quartis os valores de uma srie que a
dividem em quatro partes iguais.
Precisamos portanto de 3 quartis (Q1 , Q2 e Q3 ) para
dividir a srie em quatro partes iguais.
Obs: O quartil 2 ( Q2 ) sempre ser igual a mediana da
srie.
Quartis em dados no agrupados
O mtodo mais prtico utilizar o princpio do cculo
da mediana para os 3 quartis. Na realidade sero
calculadas " 3 medianas " em uma mesma srie.
Exemplo1: Calcule os quartis da srie: { 5, 2, 6, 9, 10,
13, 15 }
O primeiro passo a ser dado o da ordenao
(crescente ou decrescente) dos valores:
{ 2, 5, 6, 9, 10, 13, 15 }
O valor que divide a srie acima em duas partes iguais
igual a 9, logo a Md = 9 que ser = Q2.
Temos ento {2, 5, 6 } e {10, 13, 15 } como sendo os
dois grupos de valores iguais proporcionados pela
mediana ( quartil 2). Para o clculo do quartil 1 e 3
basta calcular as medianas das partes iguais
provenientes da verdadeira Mediana da srie (quartil
2).
Logo em { 2, 5, 6 } a mediana = 5 . Ou seja: ser o
quartil 1
em {10, 13, 15 } a mediana =13 . Ou seja: ser o
quartil 3
Exemplo2: Calcule os quartis da srie: { 1, 1, 2, 3, 5,
5, 6, 7, 9, 9, 10, 13 }
A srie j est ordenada, ento calcularemos o Quartil
2 = Md = (5+6)/2 = 5,5
O quartil 1 ser a mediana da srie esquerda de Md :
{ 1, 1, 2, 3, 5, 5 }
Q1 = (2+3)/2 = 2,5
O quartil 3 ser a mediana da srie direita de Md : {6,
7, 9, 9, 10, 13 }
Q3 = (9+9)/2 = 9
Quartis para dados agrupados em classes
Usamos a mesma tcnica do clculo da mediana,
bastando substituir, na frmula da mediana,
E fi / 2.... por ... i . E fi / 4 ... sendo i o nmero de
ordem do quartil.
Assim, temos:
Q1 = . Li + [(E fi / 4 - faca ) x h] / fq
Q2 = . l* + [(2. E fi / 4 - faca ) x h] / fq
Q3 = . l* + [(3. E fi / 4 - faca) x h] / fq





23
Exemplo3 - Calcule os quartis da tabela abaixo:
classes
frequncia
fi
Frequncia
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
ser 58 |---------- 62 Li = 58..faca = 13; fq = 11. h = 4
Substituindo esses valores na frmula, 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
10.2 Decis
A definio dos decis obedece ao mesmo princpio dos
quartis, com a modificao da porcentagem de valores
que ficam aqum e alm do decil que se pretende
calcular. A fmula bsica ser : k .E fi / 10 onde k o
nmero de ordem do decil a ser calculado. Indicamos
os decis : D1, D2, ... , D9. Deste modo precisamos de
9 decis para dividirmos uma srie em 10 partes iguais.
De especial interesse o quinto decil, que divide o
conjunto em duas partes iguais. Assim sendo,o quinto
decil igual ao segundo quartil, que por sua vez
igual mediana.
Para D5 temos : 5.E fi / 10 = E fi / 2
Exemplo: Calcule o 3 decil da tabela anterior com
classes.
i= 3 onde 3 . E fi / 10 = 3x40/10 = 12. Este resultado
corresponde a 2 classe.
D3 = 54 + [ (12 - 4) x 4] / 9 = 54 + 3,55 = 57,55
10.3 Percentil (Centil)
Denominamos percentis ou centis como sendo os
noventa e nove valores que separam uma srie em
100 partes iguais. Indicamos: P1, P2, ... , P99.
evidente que P50 = Md ; P25 = Q1 e P75 = Q3.
O clculo de um centil segue a mesma tcnica do
clculo da mediana, porm a frmula ser :
i . E fi / 100 onde i o nmero de ordem do centil a ser
calculado.
Exemplo: Calcule o 8 centil da tabela anterior com
classes .
i= 8 onde 8 . E fi / 100 = 8x40/100 = 3,2. Este resultado
corresponde a 1 classe.
P8 = 50 + [ (3,2 -0) x 4] / 4 = 50 + 3,2 = 53,2

11. DISPERSO OU VARIABILIDADE
a maior ou menor diversificao dos valores de uma
varivel em torno de um valor de tendncia central (
mdia ou mediana ) tomado como ponto de
comparao.
A mdia - ainda que considerada como um nmero
que tem a faculdade de representar uma srie de
valores - no pode, por si mesma, destacar o grau de
homogeneidade ou heterogeneidade que existe entre
os valores que compem o conjunto.
Consideremos os seguintes conjuntos de valores
das variveis X, Y e Z:
X = { 70, 70, 70, 70, 70 }
Y = { 68, 69, 70 ,71 ,72 }
Z = { 5, 15, 50, 120, 160 }
Observamos ento que os trs conjuntos apresentam
a mesma mdia aritmtica = 350/5 = 70
Entretanto, fcil notar que o conjunto X mais
homogneo que os conjuntos Y e Z, j que todos os
valores so iguais mdia. O conjunto Y, por sua vez,
mais homogneo que o conjunto Z, pois h menor
diversificao entre cada um de seus valores e a
mdia representativa.
Conclumos ento que o conjunto X apresenta
disperso nula e que o conjunto Y apresenta uma
disperso menor que o conjunto Z.
10.1 Medidas De Disperso Absoluta
Amplitude total : a nica medida de disperso que
no tem na mdia o ponto de referncia.
Quando os dados no esto agrupados a amplitude
total adiferena entr o maior e o menor valor
observado: AT = X mximo - X mnimo.
Exemplo: Para os valores 40, 45, 48, 62 e 70 a
amplitude total ser: AD = 70 - 40 = 30
Quando os dados esto agrupados sem intervalos de
classe ainda temos : AD = X mximo - X mnimo.

24
Exemplo:
xi fi
0 2
1 6
3 5
4 3
AD = 4 - 0 = 4
Com intervalos de classe a amplitude total a
diferena entre o limite superior da ltima classe e o
limite inferior da primeira classe. Ento
AD = L mximo - L mnimo
Exemplo:
Classes fi
4 |------------- 6 6
6 |------------- 8 2
8 |------------- 10 3
AT = 10 - 4 = 6
A amplitude total tem o incoveniente e s levar em
conta os dois valores extremos da srie, descuidando
do conjunto de valores intermedirios. 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 clculo rpido
sem muita exatido.

10.2 Desvio Quartil
Tambm chamado de amplitude semi-interquatlica e
baseada nos quartis.
Smbolo: Dq e a Frmula: Dq = (Q3 - Q1) / 2
Observaes:
1 - O desvio quartil apresenta como vantagem o fato
de ser uma medida fcil de calcular e de interpretar.
Alm do mais, no afetado pelos valores extremos,
grandes ou pequenos, sendo recomendado, por
conseguinte, quando entre os dados figurem valores
extremos que no se consideram representativos.
2- O desvio quartil dever ser usado preferencialmente
quando a medida de tendncia central for a mediana.
3- Trata-se de uma medida insensvel distribuio
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 ser:
Q1 = (45+40)/2 = 42,5 Q3 = (70+62)/2 = 66
Dq = (66 - 42,5) / 2 = 11,75
10.3 Desvio Mdio Absoluto
Para dados brutos
a mdia aritmtica dos valores absolutos dos
desvios tomados em relao a uma das seguintes
medidas de tendncia central: mdia ou mediana.
Smbolo = Dm
Frmula : para a Mdia = E | Xi - | / n
Frmula : para a Mediana = E | Xi - Md | / n
As barras verticais indicam que so tomados os
valores absolutos, prescindindo do sinal dos desvios.
Exemplo: Calcular o desvio mdio do conjunto de
nmeros { - 4 , - 3 , - 2 , 3 , 5 } = - 0, 2 e Md = - 2
Tabela auxiliar para clculo do desvio mdio
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 Mdia : Dm = 16,8 / 5 = 3,36 Pela Mediana :
Dm = 15 / 5 = 3
Desvio mdio para Dados Tabulados
Se os valores vierem dispostos em uma tabela de
frequncias, agrupados ou no em classes, sero
usadas as seguintes frmulas:
Clculo pela mdia: Dm = (E |Xi - |. fi ) / E fi
Clculo pela mediana: Dm = (E |Xi - Md |. fi ) / E fi
Exemplo de clculo pela mdia:
Xi f i Xi . f i
Xi -
| Xi - |
| Xi - | . f i
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 cculo do Desvio mdio pela mediana segue-se
o mesmo raciocnio.
Xi f i Md Xi - Md | Xi - Md | | Xi - Md | . f i
3 2 5 - 2 2 4
4 2 5 - 1 1 2
5 3 5 0 0 0

25
6 3 5 1 1 1
E = 10 E = 7
Dm = 7 / 10 = 0,70
Obs: Apesar de o desvio mdio expressar
aceitavelmente a disperso de uma amostra, no to
frequentemente empregado como o desvio-padro. O
desvio mdio despreza o fato de alguns desvios serem
negativos e outros positivos, pois essa medida os trata
como se fossem todos positivos. Todavia ser
preferido o uso do desvio mdio em lugar do desvio-
padro, quando esse for indevidamente
influenciado pelos desvios extremos.
10.4 Desvio Padro
a medida de disperso mais geralmente empregada,
pois leva em considerao a totalidade dos valores da
varivel em estudo. O desvio padro baseia-se nos
desvios em torno da mdia aritmtica e a sua frmula
bsica pode ser traduzida como : a raiz quadrada da
mdia aritmtica dos quadrados dos desvios e
representada por S .

A frmula acima empregada quando tratamos de
uma populao de dados no-agrupados.
Exemplo: Calcular o desvio padro da populao
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 o desvio padro = 3,54
Obs: Quando nosso interesse no se restringe
descrio dos dados mas, partindo da amostra,
visamos tirar inferncias vlidas para a respectiva
populao, convm efetuar uma modificao, que
consiste em usar o divisor n - 1 em lugar de n. A
frmula ficar ento:

Se os dados - 4 , -3 , -2 , 3 , 5 representassem uma
amostra o desvio padro amostral seria a raiz
quadrada de 62,8 / (5 -1) = 3,96
O desvio padro goza de algumas propriedades,
dentre as quais destacamos:
1 = Somando-se (ou subtraindo-se) uma constante a
todos os valores de uma varivel, o desvio padro
no se altera.
2 = Multiplicando-se (ou dividindo-se) todos os valores
de uma varivel por uma constante (diferente de zero),
o desvio padro fica multiplicado ( ou dividido) por
essa constante.
Quando os dados esto agrupados (temos a presena
de frequncias) a frmula do desvio padro ficar :

Populao:

Amostra:

Exemplo:
Calcule o desvio padro populacional da tabela abaixo:
Xi f i Xi . f i


. f i
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
E 30 63 E = 32,70
Sabemos que E fi = 30 e 32,7 / 30 = 1,09.
A raiz quadrada de 1,09 o desvio padro = 1,044
Se considerarmos os dados como sendo de uma
amostra o desvio padro seria a raiz quadrada de
32,7 / (30 -1) = 1,062

26
Obs: Nas tabelas de frequncias com intervalos de
classe a frmula a ser utilizada a mesma do
exemplo anterior.
10.5 Varincia
o desvio padro elevado ao quadrado e
simbolizado por S2
A varincia uma medida que tem pouca utilidade
como estatstica descritiva, porm extremamente
importante na inferncia estatstica e em combinaes
de amostras.
* EXERCCIOS *
1- Considere os seguintes conjuntos de nmeros:
A = { 10, 20, 30, 40, 50 } B = { 100, 200, 300,
400, 500 }
Que relao existe entre os desvios padres dos dois
conjuntos de nmeros ?
2- Dados os conjuntos de nmeros:
A = { 220, 230, 240, 250, 260 } B ={ 20, 30, 40, 50, 60 }
Que relao existe entre os desvios padres dos dois
conjuntos de nmeros ?
3- Dados os conjuntos de nmeros:
A = { -2, -1, 0, 1, 2 } B = { 220, 225, 230, 235, 240 }
Podemos afirmar, de acordo com as propriedades do
desvio padro, que o desvio padro de B igual:
a) ao desvio padro de A;
b) ao desvio padro de A, multiplicado pela constante
5;
c) ao desvio padro de A, multiplicado pela constante
5, e esse resultado somado a 230;
d) ao desvio padro de A mais a constante 230.
11- MEDIDAS DE DISPERSO RELATIVA
11.1 Coeficiente de Variao de Pearson (CVP)
Na estatstica descritiva o desvio padro por si s tem
grandes limitaes. Assim, um desvio padro de 2
unidades pode ser considerado pequeno para uma
srie de valores cujo valor mdio 200; no entanto, se
a mdia for igual a 20, o mesmo no pode ser dito.
Alm disso, o fato de o desvio padro ser expresso na
mesma unidade dos dados limita o seu emprego
quando desejamos comparar duas ou mais sries de
valores, relativamente sua disperso ou
variabilidade, quando expressas em unidades
diferentes.
Para contornar essas dificuldades e limitaes,
podemos caracterizar a disperso ou variabilidade dos
dados em termos relativos a seu valor mdio, medida
essa denominada de CVP: Coeficiente de Variao
de Pearson ( a razo entre o desvio pado e a
mdia referentes a dados de uma mesma srie).
A frmula do CVP = (S / ) x 100 ( o resultado
neste caso expresso em percentual, entretanto pode
ser expresso tambm atravs de um fator decimal,
desprezando assim o valor 100 da frmula).

Exemplo:
Tomemos os resultados das estaturas e dos pesos de
um mesmo grupo de indivduos:
Discriminao M d i a Desvio padro
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 ser o de maior
homogeneidade ( menor disperso ou
variabilidade).
CVPestatura = ( 5 / 175 ) x 100 = 2,85 %
CVPpeso = ( 2 / 68 ) x 100 = 2,94 %.
Logo, nesse grupo de indivduos, as estaturas
apresentam menor grau de disperso que os pesos.
11.2 Coeficiente de Variao de Thorndike CVT
igual ao quociente entre o desvio padro e a
mediana.
CVT = S / Md ou CVT = (S / Md) x 100 quando
queremos o resultado em %.
11.3 Coeficiente Quartlico de Variao CVQ
Esse coeficiente definido pela seguinte expresso:
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 %.
EXERCCIOS

27
1- A renda mdia mensal na localidade A de R$
750,00 e na localidade B de R$ 500,00. Os desvios
padres so R$ 100,00 e R$ 80,00. Faa uma anlise
comparativa quanto ao grau de homogeneidade da
renda nestas duas localidades:
2- O risco de uma ao de uma empresa pode ser
devidamente avaliado atravs da variabilidade dos
retornos esperados. Portanto, a comparao das
distribuies probabilsticas dos retornos, relativas a
cada ao individual, possibilita a quem toma decises
perceber os diferentes graus de risco. Analise, abaixo,
os dados estatsticos relativos aos retornos de 5 aes
e diga qual a menos arriscada :
Discriminao
Ao
A
Ao
B
Ao
C
Ao
D
Ao
E
Valor esperado 15 % 12 % 5 % 10 % 4 %
Desvio padro 6 % 6,6 % 2,5 % 3 % 2,6 %
Coeficiente de
variao
0,40 0,55 0,50 0,30 0,65
3- Um grupo de 85 moas tem estatura mdia 160,6
cm, com um desvio padro igual a 5,97 cm. Outro
grupo de 125 moas tem uma estatura mdia de 161,9
cm, sendo o desvio padro igual a 6,01 cm. Qual o
coeficiente de variao de cada um dos grupos ? Qual
o grupo mais homogneo ?
4- Um grupo de 196 famlias tem renda mdia de
163,8 dlares, com um coeficiente de variao de
3,3%. Qual o desvio padro da renda desse grupo ?
5- Uma distribuio apresenta as seguintes
estatsticas: S = 1,5 e CVP = 2,9 % . Determine a
mdia da distribuio:
6- Numa pequena cidade, 65 famlias tem a renda
mdia de 57,5 dlares e o desvio padro de 5,98
dlares. A variabilidade relativa das famlias foi de :
a) 0,104 dlares b) 10,4 dlares c) 0,104 % d)
10,4 % e) 0,104 famlias
12. ASSIMETRIA DA DISTRIBUIO
Uma distribuio com classes simtrica quando :
Mdia = Mediana = Moda
Uma distribuio com classes :
Assimtrica esquerda ou negativa quando : Mdia
< Mediana < Moda
Assimtrica direita ou positiva quando : Mdia >
Mediana > Moda
Exercicio - a) Detemine os tipos de assimetria das
distribuies A, B, e C:

Distrib A Distrib. B Distrib C
Classes
fi







Classes
fi







Classes
fi

2 |------ 6 6 2 |------ 6 6 2 |------ 6 6
6 |----- 10 12 6|----- 10 12 6|----- 10 30
10 |--- 14 24 10 |--- 14 24 10 |--- 14 24
14 |----18 12 14 |----18 30 14 |----18 12
18 |----22 6 18 |----22 6 18 |----22 6
Total = 60 Total = 78 Total = 78
Exercicio - b) Desmonstre graficamente as os
resultados obtidos no exerccio anterior:
12. 1 Coeficiente de Assimetria
A medida anterior, por ser absoluta, apresenta a
mesma deficincia do desvio padro, isto , no
permite a possibilidade de comparao entr as
medidas de duas distribuies. Por esse motivo,
daremos preferncia ao coeficiente de assimetria de
Person:
As = 3 ( Mdia - Mediana ) / Desvio Padro
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
considerada moderada e negativa
Suponhamos AS = 0,75 => a assimetria considerada
moderada e positiva
Exerccio
Considerando as distribuies anteriores A , B e C ,
calcule os coeficientes de assimetria e faa a anlise
dos resultados obtidos:
13. MEDIDAS DE CURTOSE DA
DISTRIBUIO
Denomina-se curtose o grau de achatamento de uma
distribuio em relao a uma distribuio padro,
denominada curva normal (curva correspondente a
uma distribuio terica de probabilidade).
Quando a distribuio apresenta uma curva de
frequncia mais fechada que a normal (ou mais aguda
ou afilada em sua parte superior), ela recebe o nome
de leptocrtica.
Quando a distribuio apresenta uma curva de
frequncia mais aberta que a normal (ou mais

28
achatada em sua parte superior), ela recebe o nome
de platicrtica.
A curva normal, que a nossa base referencial,
recebe o nome de mesocrtica.
13.1 Coeficiente de Curtose
C1 = (Q3 - Q1) / 2(P90 - P10)
Este coeficiente conhecido como percentlico de
curtose.
Relativamente a curva normal (simtrica), temos:
C1 = 0,263 => curva mesocrtica
C1 < 0,263 => curva leptocrtica
C1 > 0,263 => curva platicrtica
obs: este coeficiente est dentro do programa excel
(nas funes estatsticas automticas).
O coeficiente C
2
abaixo ser utilizado em nossas
anlises:

onde S desvio padro
C
2
= 3 => curva mesocrtica
C
2
> 3 => curva leptocrtica
C
2
< 3 => curva platicrtica
14 - PROBABILIDADE

14.1 Introduo
O clculo das probabilidades pertence ao campo da
Matemtica, entretanto a maioria dos fenmenos de
que trata a Estatstica so de natureza aleatria ou
probabilstica. O conhecimento dos aspectos
fundamentais do clculo da probabilidades uma
necessidade essencial para o estudo da Estatstica
Indutiva ou Inferencial.


14.2 Experimento Aleatrio
So fenmenos que, mesmo repetido vrias vezes sob
condies semelhantes, apresentam resultados
imprevisveis. O resultado final depende do acaso.
Exemplo:
Da afirmao " provvel que o meu time ganhe a
partida hoje" pode resultar:
- que ele ganhe - que ele perca - que ele empate
Este resuldado final pode ter trs possibilidades.

14.3 Espao Amostral
o conjunto universo ou o conjunto de resultados
possveis de um experimento aleatrio.
No experimento aleatrio "lanamento de uma moeda"
temos o espao amostral {cara, coroa}.
No experimento aleatrio "lanamento de um dado"
temos o espao amostral {1, 2, 3, 4, 5, 6}.
No experimento aleatrio "dois lanamentos
sucessivos de uma moeda" temos o espao amostral :
{(ca,ca) , (co,co) , (ca,co) , (co,ca)}
Obs: cada elemento do espao amostral que
corresponde a um resultado recebe o nome de ponto
amostral. No primeiro exemplo : cara pertence ao
espao amostral {cara, coroa}.
14.4 Eventos
qualquer subconjunto do espao amostral de um
experimento aleatrio.
Se considerarmos S como espao amostral e E como
evento: Assim, qualquer que seja E, se E c S (E est
contido em S), ento E um evento de S.
Se E = S , E chamado de evento certo.
Se E c S e E um conjunto unitrio, E chamado de
evento elementar.
Se E = , E chamado de evento impossvel.
Exerccio
1- No lanamento de um dado temos S = {1,2,3,4,5,6}.
Formule os eventos definidos pelas sentenas:
A) Obter um nmero par na face superior do dado: A =
{2,4,6} onde A C S.
B) Obter um nmero menor ou igual a 6 na face
superior: B = {1,2,3,4,5,6}, onde B = S, logo B um
evento certo de S.
C
2
=

29
C) Obter o nmero 4 na face superior : C = {4}, logo C
um evento elementar de S.
D) Oter um nmero maior que 6 na face superior : D =
, logo D um evento impossvel de S.
2- No lanamento de duas moedas (uma de 10
centavos e outra de 5 centavos)
a) Qual o espao amostral ?
b) Formule os eventos definidos pelas sentenas:
- Obter uma cara :
- Obter pelo menos uma cara :
- Obter apenas um cara :
- Obter no mximo duas caras :
- Obter uma cara e uma coroa :
- Obter uma cara ou uma coroa :
14.5 Conceito de Probabilidade
Chamamos de probabilidade de um evento A (sendo
que A est contido no Espao amostral) o nmero real
P(A) , tal que : nmero de casos favorveis de A /
nmero total de casos
OBS: Quando todos os elementos do Espao amostral
tem a mesma chance de acontecer, o espao amostral
chamado de conjunto equiprovvel.
Exemplos:
1- No lanamento de uma moeda qual a probabilidade
de obter cara em um evento A ?
S = { ca, co } = 2 A = {ca} = 1 P(A) = 1/2
= 0,5 = 50%
2- No lanamento de um dado qual a probabilidade de
obter um nmero 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 lanamento de um dado qual a probabilidade de
obter um nmero 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 lanamento de um dado qual a probabilidade de
obter um nmero 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 impossvel = 0 ou
0%
14.6 Eventos Complementares
Sabemos que um evento pode ocorrer ou no. Sendo
p a probabilidade de que ele ocorra (sucesso) e q a
probabilidade de que ele no ocorra (insucesso), para
um mesmo evento existe sempre a relao:
p + q = 1
Obs:Numa distribuio de probabilidades o somatrio
das probabilidades atribudas a cada evento elementar
igual a 1 onde p1 + p2 + p3 + ... + pn = 1 .
Exemplos:
1-Sabemos que a probabilidade de tirar o n 4 no
lanamento de um dado p = 1/6. logo, a
probabilidade de no tirar o n 4 no lanamento de um
dado : q = 1 - p ou q = 1 - 1/6 = 5/6.
2-Calcular a probabilidade de um piloto de automveis
vencer uma dada corrida, onde as suas "chances",
segundo os entendidos, so de "3 para 2". Calcule
tambm a probabilidade dele perder:
O termo "3 para 2" significa : De cada 5 corridas ele
ganha 3 e perde 2. Ento p = 3/5 (ganhar) e q =
2/5 (perder).
3-Uma dado foi fabricado de tal forma que num
lanamento a probabilidade de ocorrer um nmero par
o dobro da probabilidade de ocorrer nmero mpar
na face superior, sendo que os trs nmeros pares
ocorrem com igual probabilidade, bem como os trs
nmeros mpares. Determine a probabilidade de
ocorrncia de cada evento elementar:
4-Seja S = {a,b,c,d} . Consideremos a seguinte
distribuio 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 est disputando so de "5 para 2".
Determinar a probabilidade de T ganhar e a
probabilidade de T perder :
6- Trs cavalos C1,C2 e C3 disputam um preo, onde
s se premiar o vencedor. Um conhecedor dos 3
cavalos afirma que as "chances" de C1 vencer so o
dobro das de C2,e que C2 tem o triplo das "chances"
de C3. Calcule as probabilidades de cada cavalo
vencer o preo:
14.7 Eventos Independentes
Quando a realizao ou no realizao de um dos
eventos no afeta a probabilidade da realizao do
outro e vice-versa.

30
Exemplo: Quando lanamos dois dados, o resultado
obtido em um deles independe do resultado obtido no
outro. Ento qual seria a probabilidade de obtermos,
simultaneamente, o n 4 no primeiro dado e o n 3 no
segundo dado ?
Assim, sendo P1 a probabilidade de realizao do
primeiro evento e P2 a probabilidade de realizao do
segundo evento, a probabilidade de que tais eventos
se realizem simultaneamente dada pela frmula:
P(1 2) = P(1 e 2) = P(1) x P(2)

P(x=4) = 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
14.8 Eventos Mutuamente Exclusivos
Dois ou mais eventos so mutuamente exclusivos
quando a realizao de um exclui a realizao do(s)
outro(s). Assim, no lanamento de uma moeda, o
evento "tirar cara" e o evento "tirar coroa" so
mutuamente exclusivos, j que, ao se realizar um
deles, o outro no se realiza.
Se dois eventos so mutuamente exclusivos , a
probabilidade de que um ou outro se realize igual
soma das probabilidades de que cada um deles se
realize:
P(1 U 2) = P(1 ou 2) = P(1) + P(2)
Exemplo: No lanamento de um dado qual a
probabilidade de se tirar o n 3 ou o n 4 ?
Os dois eventos so mutuamente exclusivos ento: P
= 1/6 + 1/6 = 2/6 = 1/3
Obs: Na probabilidade da unio de dois eventos A e
B, quando h elementos comuns, devemos excluir as
probabilidades dos elementos comuns a A e B
(elementos de A B ) para no serem computadas
duas vezes. Assim P(A U B) = P(A) + P(B) - P(A B)
Exemplo: Retirando-se uma carta de um baralho de 52
cartas, qual a probabilidade da carta retirada ser ou
um S ou uma carta de COPAS ?
P(S U Copas) = P(S) + P(Copas) - P(S Copas)
= 4/52 + 13/52 - 1/52 = 16/52
14.9 Probabilidade Condicional
Se A e B so dois eventos, a probabilidade de B
ocorrer , depois de A ter acontecido definida por : P
(B/A), ou seja, chamada probabilidade condicional de
B. Neste caso os eventos so dependentes e definidos
pela frmula:
P (A e B ) = P (A) x P(B/A)
Exemplo: Duas cartas so retiradas de um baralho
sem haver reposio. 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 1 carta retirada
voltasse ao baralho o experimento seria do tipo com
reposio e seria um evento independente. O
resultado seria:
P(Copas1) x P(Copas2) = 13/52 x 13/52 = 0,625 = 6,25
%
Espao amostral do baralho de 52 cartas:
Carta pretas = 26
Pus = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama,
rei)
Espadas = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete,
dama, rei)
Cartas vermelhas = 26
Ouros = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama,
rei)
Copas = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama,
rei)
EXERCCIOS
1- Qual a probabilidade de sair o S 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 peas, 4 so defeituosas. Sendo
retirada uma pea, calcule: a) a probabilidade de essa
pea ser defeituosa. b) a probabilidade de essa pea
n 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 contm: 3 bolas brancas, 4 pretas, 2
verdes; uma urna B contm: 5 nolas brancas, 2 pretas,
1 verde; uma urna C contm: 2 bolas brancas, 3
pretas, 4 verdes. Uma bola retirada de cada urna.
Qual a probabilidade de as trs bolas retiradas da 1
, 2 e 3 urnas serem, respectivamente, branca, preta
e verde ?

31
6- De um baralho de 52 cartas retiram-se, ao acaso,
duas cartas sem reposio. Qual a probabilidade de
a primeira carta ser o S 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- So 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, no necessariamente nessa
ordem ?
9- Duas cartas so retiradas de um baralho sem haver
reposio. Qual a probabilidade de ambas serem
COPAS ou ESPADAS ?
10- Duas bolas so retiradas (sem reposio) de uma
urna que contm 2 bolas brancas e 3 bolas pretas.
Qual a probabilidade de que a 1 seja branca e a 2
seja preta ?
11- Duas bolas so retiradas (com reposio) de uma
urna que contm 2 bolas brancas e 3 bolas pretas.
Qual a probabilidade de que a 1 seja branca e a 2
seja preta ?
12- Duas bolas so retiradas (sem reposio) de uma
urna que contm 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 ?
14.10 Tcnicas de Contagem em Probabilidade
o uso das frmulas de anlise combinatria para o
clculo do nmero de casos favorveis e o nmero de
casos possveis.
Arranjo com repetio: AR n,p
AR 9,3 = 9 x 9 x 9 = 729
AR 9,2 = 9 x 9 = 81
Exemplo: Se mil ttulos entram em sorteio com os
nmeros de 000 a 999. Qual a probabilidade:
a - De sair nmeros com a dezena 24 = A10,1 / 1000 =
10 / 1000 = 0,01 ou 1%
b - De sair nmeros com a unidade 4 = A10,2 / 1000 =
100 / 1000 = 0,1 ou 10%
c - De sair nmeros com a centena 323 = 1 / 1000 =
0,001 ou 0,1%
Reviso 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
Combinao: 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 reposio de um baralho de 52 cartas ?
Mtodo tradicional: P(5 espadas) = 13/52 . 12/51 .
11/50 . 10/49 . 9/48 = 0,0005...
Tcnica de contagem:
P(5 espadas) = C13,5 / C52,5 = (13.12.11.10.9 /
5.4.3.2.1) / (52.51.50.49.48 / 5.4.3.2.1) =
13.12.11.10.9 / 52.51.50.49.48 = 0,0005...
2- De 20 pessoas que se oferecem para doar sangue
15 possuem sangue tipo B. Qual a probabilidade de,
escolhendo-se 3 pessoas desse grupo todas as 3
escolhidas tenham sangue tipo B ?
P (3 sangue B) = C15,3 / C20,3 = (15.14.13 / 3.2.1) /
(20.19.18 / 3.2.1) = 15.14.13/20.19.18 = 0,399
3- Qual a probabilidade de retirarmos 2 ases em uma
amostra de 5 cartas retiradas de um baralho de 52
cartas ?
P (2 ases) = (C4,2 x C48,3) / C52,5
4- Qual a probabilidade de retirarmos 4 ases em uma
amostra de 13 cartas retiradas de um baralho de 52
cartas ?
P (4 ases) = (C4,4 x C48,9) / C52,13 = C48,9 / C52,13
13.8 TEOREMA DA PROBABILIDADE TOTAL
Seja B1, B2, B3...Bk um conjunto de eventos
mutuamente exclusivos cuja unio forma o espao
amostral. Seja A outro evento no mesmo espao
amostral, tal que P(A) > 0 .
Ento: P(A) = P( A B1) + P( A B2) + P( A B3) + .
. . + P( A Bk)
P(A) = P(B1) . P(A|B1) + P(B2) . P(A|B2) + . . . P(Bk) .
P(A|Bk)
Ento podemos escrever a frmula da probabilidade
total como : P(A) = E P(Bi) . P(A|Bi)
Exemplo: Segundo especialistas esportivos, a
probabilidade de que o Flamengo vena o prximo
jogo estimada em 0,70 se no chover, e s de 0,50
se chover. Se os registros meteorolgicos anunciam
uma probabilidade de 0,40 de chover na data do jogo,

32
qual ser ento a probabilidade desse time ganhar o
prximo jogo ?
P(A) = E P(Bi) . P(A|Bi)
P(ganhar) = P(ganhar n chuva ) + P(ganhar n no
chuva )
P(ganhar) = P(chuva) . P(ganhar | chuva) + P(no
chuva) . P(ganhar | no chuva)
P(ganhar) = (0,40 . 0,50 ) + (0,60 . 0,70) = 0,20 + 0,42
= 0,62 ou 62%
14.11. Teorema de Bayes
Sabemos que:
P(A) = E P(Bi) . P(A|Bi)
P(A Bi) = P(A) . P(Bi|A) logo P(Bi|A) = P(A Bi) /
P(A) ento substituindo teremos :
P (Bi|A) = P (Bi) . P (A|Bi) / E P(Bi) . P(A|Bi) que a
frmula de Bayes
Exemplo:
Um certo operrio, em 4 das 5 vezes vai trabalhar
usando o veiculo A e usando um veiculo B nas
demais vezes. Quando ele usa o veiculo A, 75 % das
vezes ele chega em casa antes das 23 horas e quando
usa o veiculo B s chega em casa antes das 23
horas em 60% das vezes. Ontem este operrio chegou
em casa aps s 23 horas. Qual a probabilidade de
que ele, no dia de ontem, tenha usado o veiculo A ?
B1 = usar o veiculo A B2 = usar veiculo B A
= chegar em casa aps 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 %
Exerccio:
Certo aluno, em trs das quatro vezes vai para escola
usando um veiculo A e usando um veiculo B nas
demais vezes. Quando ele usa o veiculo A, 35 % das
vezes ele chega em casa depois das 23 horas e
quando usa o veiculo B s 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
veiculo A ?
Resposta: 78 %

15. DISTRIBUIO DE PROBABILIDADES
Apresentaremos neste captulo trs modelos tericos
de distribuio de probabilidade, aos quais um
experimento aleatrio estudado possa ser adaptado, o
que permitir a soluo de grande nmero de
problemas prticos.
15.1 Varivel Aleatria Discreta
Suponhamos um espao amostral S e que a cada
ponto amostral seja atribudo um nmero. Fica, ento,
definida uma funo chamada varivel aleatria.
Assim, se o espao amostral relativo ao lanamento
simultneo de duas moedas S = {(ca,ca), (ca,co),
(co,ca), (co,co)} e se X representa o nmero de caras
que aparecem, a cada ponto amostral podemos
associar um nmero 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:
Nmero de caras (X) Probabilidade (X)
2
1 2/4
0
Total 4/4 = 1
Exemplo prtico de uma distribuio de probabilidade:
Consideremos a distribuio de frequncias relativa ao
nmero de acidentes dirios durante certo ms:
Nmero de Acidentes Frequncia
0 20
1 7
2 2
3 1
Podemos ento escrever a tabela de distribuio de
probabilidade:
Nmero de Acidentes (X) Probabilidade (X)
0 0,67
1 0,23
2 0,07
3 0,03
Total 1,00
Construimos acima uma tabela ondem aparecem os
valores de uma varivel aleatria X e as
probabilidades de X ocorrer que a tabela de
distribuio de probabilidades.

33
Funes de probabilidades: f(X) = p(X= xi)
Ao definir a distribuio de probabilidade,
estabelecemos uma correspondncia unvoca entre os
valores da varivel aleatria X e os valores da varivel
P (probabilidade). Esta correspondncia define uma
funo onde os valores xi formam o domnio da funo
e os valores pi o seu conjunto imagem. Assim, ao
lanarmos um dado, a varivel aleatria X, definida por
pontos de um dado, pode tomar os valores 1,2,3,4,5
e 6. Ento resulta a seguinte distribuio 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
15.2 Valor Esperado
uma mdia dos possveis resultados, ponderados
pelas suas probabilidades de ocorrcia
E(x) = X
i
p(X
i
)
Onde : Xi o valor assumido pelo exento X ;
P(Xi) a probabilidade do evento X ocorrer.
15.3 Varincia
VAR (X) = o
x
2
= (X E(X))
2
* P(X)
Onde : E(x) a mdia de X, conforme acima.
Da frmula acima tem-se o desvio padro (o
x
) que :
o
x
= \ (VARP(X)) = \o
x
2

Calcular o valor mdio e o desvio padro do
nmero de acidentes
Nmero de
Acidentes (X
i
)
P (X
i
)

X
i
P(X
i
)
(Xi E(X))
2
* P(Xi)

0 0,67 0 (0 - 0,49)
2
*
0,67
1 0,23 0,23 (1 - 0,49)
2
*
0,23
2 0,07 0,14 (2 - 0,49)
2
*
0,07
3 0,03 0,09 (3 - 0,49)
2
*
0,03
Total 1,00 0,49 0,5693
E(X) = 0,49
VAR(x) = 0,5693 e o
x
= 0,7545
15.4 Distribuio Binomial
Vamos imaginar fenmenos cujos resultados s
podem ser de dois tipos, um dos quais condiderado
como sucesso e o outro insucesso. Este fenmeno
pode ser repetido tantas vezes quanto se queira (n
vezes), nas mesmas condies. As provas repetidas
devem ser independentes, isto , o resultado de uma
no 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-o constantes. Nessas condies X uma
varivel aleatria discreta que segue uma distribuio
binomial.
P(x) =
P(x) = a probabilidade de que o evento se realize x
vezes em n provas.
P = a probabilidade de que o evento se realize em
uma s prova = sucesso.
Q = a probabilidade de que o evento no se realize
no decurso dessa prova = insucesso.
OBS: O nome binomial devido frmula, pois
representa o termo geral do desenvolvimento do
binmio de Newton.
Exemplos:
Uma moeda lanada 5 vezes seguidas e
independentes. Calcule a probabilidade de serem
obtidas 3 caras nessas 5 provas.
N = 5 x = 3 p = q = 1 (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 trs vezes, determine a
probabilidade de se obter um mltiplo 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 trs jogos;
b- ganhar pelo menos um jogo;
6- A probabilidade de um atirador acertar o alvo 2/3.
Se ele atirar 5 vezes, qual a probabilidade de acertar
exatamente 2 tiros ?
7- Seis parafusos so escolhidos ao acaso da
produo de certa mquina, que apresenta 10% de
peas defeituosas. Qual a probabilidade de serem
defeituosos dois deles ?
15.5 Distribuio Normal

34
Entre as distribuies tericas de varivel aleatria
contnua, uma das mais empregadas a distribuio
Normal.
Muitas das variveis analisadas na pesquisa scio-
econmica correspondem distribuio normal ou
dela se aproximam.
Propriedades da distribuio normal :
1 - A varivel aleatria X pode assumir todo e
qualquer valor real.
2 - A representao grfica da distribuio normal
uma curva em forma de sino, simtrica em torno da
mdia, que recebe o nome de curva normal ou de
Gauss.
3 - A rea total limitada pela curva e pelo eixo das
abscissas igual a 1, j que essa rea corresponde
probabilidade de a varivel aleatria X assumir
qualquer valor real.
4 - A curva normal assinttica em relao ao eixo
das abscissas, isto , aproxima-se indefinidamente do
eixo das abscissas sem, contudo, alcan-lo.
5 - Como a curva simtrica em torno da mdia, a
probabilidade de ocorrer valor maior que a mdia
igual probabilidade de ocorrer valor menor do que a
mdia, isto , ambas as probabilidades so iguais a
0,5 ou 50%. Cada metade da curva representa 50% de
probabilidade.
Quando temos em mos uma varivel aleatria com
distribuio normal, nosso principal interesse obter a
probabilidade de essa varivel aleatria assumir um
valor em um determinado intervalo. Vejamos com
proceder, por meio de um exemplo concreto.
Exemplo: Seja X a varivel aleatria que representa os
dimetros dos parafusos produzidos por certa
mquina. Vamos supor que essa varivel tenha
distribuio normal com mdia = 2 cm e desvio padro
= 0,04 cm. Qual a probabilidade de um parafuso Ter o
dimetro com valor entre 2 e 2,05 cm ?
P ( 2 < X < 2,05) = ?
Com o auxlio de uma distribuio normal reduzida,
isto , uma distribuio normal de mdia = 0 e desvio
padro = 1. Resolveremos o problema atravs da
varivel z , onde z = (X - ) / S
Utilizaremos tambm uma tabela normal reduzida, que
nos d a probabilidade de z tomar qualquer valor entre
a mdia 0 e um dado valor z, isto : P ( 0 < Z < z)
Temos, ento, que se X uma varivel aleatria com
distribuio normal de mdia e desvio padro S,
podemos escrever: P( < X < x ) = P (0 < Z < z)
No nosso problema queremos calcular P(2 < X < 2,05).
Para obter ees probabilidade, precisamos, em primeiro
lugar, calcular o valor de z que correponde a x = 2,05
z = (2,05 2) / 0,04 = 1,25
Utilizao da Tabela Z
Procuremos, agora, na tabela Z o valor de z = 1,25
Na primeira coluna encontramos o valor at uma casa
decimal = 1,2. Em seguida, encontramos, na primeira
liha, o valor 5, que corresponde ao ltimo alagarismo
do nmero 1,25. Na interseco 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
dimetro entre a mdia = 2cm e x = 2,05 cm de
39,44 %.
16.2 Exerccios:
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 salrios dos bncarios so distribudos
normalmente, em torno da mdia R$ 10.000,00, com
desvio padro de R$ 800,00. Calcule a probabilidade
de um bancrio Ter o salrio situado entre R$ 9.800,00
e R$ 10.400,00.
Devemos inicialmente calcular os valores z1 e z2,
z
1
= (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
distribuio normal com mdia = 100 e desvio padro
= 10. Determine a probabilidade de um aluno
submetido ao teste Ter nota :
a)maior que 120
b)maior que 80
c)entre 85 e 115

35
d)maior que 100


Apostila de Fundamentos de Estatstica
36

15.6 Tabela Normal Reduzida


P (0<Z<Zi) = rea abaixo da curva nomal entre 0 e Zi sendo Zi = (Xi - mdia)/desvio padro


Zi 0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
3,1 0,4990 0,4991 0,4991 0,4991 0,4992 0,4992 0,4992 0,4992 0,4993 0,4993
3,2 0,4993 0,4993 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0,4995 0,4995
3,3 0,4995 0,4995 0,4995 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4997
3,4 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4998
3,5 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998
3,6 0,4998 0,4998 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,7 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,8 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,9 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000
4,0 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000








Apostila de Fundamentos de Estatstica
37

17. REGRESSO LINEAR SIMPLES
Em inmeras problemticas, o pesquisador
depara-se com duas varveis que proporcionam
previso de comportamentos futuros. Esta previso
pode ser alcanada atravs de um estudo que
envolve a equao da reta de regresso, concebida
atravs das variveis critrio (y, dependente ou de
resposta) e a independente (x, tambm conhecida
como prognstico). Trata
realidade comum no universo da pesquisa,
envolvendo variveis como renda, idade, gastos,
entre muitas outras.
Equao da reta:
Yi = a + bxi + c
Onde, y a varivel dependente e x a
independente.
a o valore de y para x e b. valor mdio de
y por unidade x.
A relao linear entre as duas variveis medida
pelo coeficiente de correlao (r).
O coeficiente de correlao (r), varia de 1 a 1,
onde 1 a correlao perfeita e o oposto indica forte
correlao negativa. Valores prximos de zero
indicam fraca correlao.
No exemplo abaixo, se existisse um (r)
elevado poderia prever y para eventos futuros.
O clculo de (r) uma operao bastante simples
para softwares com funes estatsticas, sendo
desnecessrio o aprofundamento dos procedimentos
de calculo.
Neste tipo de anlise importante determinar o
quanto a linha de regresso representa os dados.
Neste caso, se faz necessrio calcular o R
2
de
Pearson ou coeficiente de determinao.
Um (r
2
) igual a 0,80, tem-se que 80% da
variabilidade decorre de x. Inversamente, pode-se
dizer que 20% da varincia de Y no atribuvel s
diferenas em x.
FRMULAS:

COVARIANCIA: COVAR(X
j
,X
m
)
Sy
jXi
= (Y
j
Y )* (X Xi )/(n-1)


CORRELAO ( r )

CORREL (X
j
,X
m
) = r
y,x
= COVAR (Y,X) /S
y*
S
X


b
j
= Correl(y
j,X)
*Sy
/
S
X

b
j
: Y
j
= a
j
+ b
j
* X + e
j

a = Y - b* X
fx Estatstica Inclinao

Exemplo: Um motorista deseja prever seus gastos
com seu automvel em funo dos quilmetros que
roda por ms.
KM
GASTOS
(R$)
KM
GASTOS
(R$)
3203 400 1102 130
3203 400 803 100
2603 340 803 100
3105 400 1102 130
1305 150 3202 400
804 100 1604 150
1604 200 1603 200
2706 300 3203 400
805 100 3702 450
1903 200 3403 440
3203 400 803 100
3702 450


Estatstica de regresso
R mltiplo 0,9930
R-Quadrado 0,9862
R-quadrado ajustado 0,9855
Erro padro 127,5083
Observaes 23

Observando a tabela acima, percebe-se uma forte
correlao entre as variveis, onde R est muito
prximo de 1.
Y X
Gastos com
combustvel
Km rodados
Renda Pessoal Anos de estudo
Nmeros de defeitos
de peas
Horas de treinamentos em
qualidade
Apostila de Fundamentos de Estatstica
38
Quilmetros rodados explica 98% da varincia de
gastos.

18. INTERVALO DE CONFIANA
18.1 Estimativa de Ponto

- Estimativa de ponto um valor (chamado um ponto) que usado para estimar um parmetro populacional
- Exemplos de estimativas de ponto so a mdia amostral, o desvio padro amostral, a varincia

- amostral, a proporo populacional, etc.

Exemplo: O nmero de itens defeituosos produzidos por uma mquina foi registrado em cinco horas selecionadas
aleatoriamente durante uma semana de trabalho de 40 horas. O nmero observado de defeituosos foi 12,4,7,14 e
10. Portanto, a mdia amostral 9,4. Assim a estimativa de ponto para a mdia semanal do nmero de
defeituosos 9,4.

18.2 Estimativa de Intervalo

- Uma Estimativa de Intervalo estabelece uma faixa de valores dentro da qual um parmetro populacional
provavelmente cai.
- O intervalo dentro do qual um parmetro populacional esperado ocorrer chamado de intervalo de
confiana.
- Os intervalos de confiana que so extensivamente usados so os de 95 % e 99 %.
- Um intervalo de confiana de 95 % significa que cerca de 95 % dos intervalos construdos similarmente
contero o parmetro que est sendo estimado.
- Outra interpretao do intervalo de confiana de 95 % que 95 % das mdias amostrais para um tamanho de
amostra especificado cairo a uma distncia mxima de 1,96 desvios padres da mdia populacional.
- Para o intervalo de confiana de 99 %, 99 % das mdias amostrais para um tamanho amostral especificado
cairo a uma distncia mxima de 2,58 desvios padres da mdia populacional.

Os intervalos de confiana para 95 % e 99 % so construdos como segue, para n > 30:
- O IC de 95 % para a mdia populacional

dado por:

n
s
X 96 , 1


- O IC de 99 % para a mdia populacional

dado por:

n
s
X 58 , 2

- Em geral, um intervalo de confiana para a mdia, calculado por:

n
s
Z X

onde Z obtido da tabela de distribuio normal padro.

Exemplo 2

Uma universidade quer estimar o nmero mdio de horas trabalhadas por semana por seus estudantes. Uma
amostra de 49 estudantes mostrou uma mdia de 24 horas com um desvio padro de 4 horas.

A estimativa de ponto do nmero mdio de horas trabalhadas por semana 24 horas (mdia amostral).

Qual o intervalo de confiana de 95 % para o nmero mdio de horas trabalhadas por semana ?
n
s
X 96 , 1


Apostila de Fundamentos de Estatstica
39
Usando a frmula anterior () temos
49
4
96 , 1 24


ou 22,88 a 25,12. O limite de confiana inferior 22,88. O limite superior de confiana 25,12. O grau de
confiana (nvel de confiana) utilizado 0,95.

Interprete os resultados

- Se ns tivssemos tempo para selecionar aleatoriamente 100 amostras de tamanho 49 da populao de alunos
do campus e calcular as mdias amostrais e os intervalos de confiana para cada uma destas 100 amostras, a
mdia populacional (parmetro) do nmero de horas trabalhadas estaria contida em cerca de 95 dos 100
intervalos de confiana. Cerca de 5 dos 100 intervalos de confiana no conteriam a mdia populacional.

18.3 Intervalo de Confiana para Uma Proporo Populacional
Um intervalo de confiana para uma proporo populacional dado por:

p
Z o p

onde:

p
a proporo amostral


p
o
o erro padro da proporo amostral e dado por:

n
p p
p
) 1 (
= o


O intervalo de confiana construdo por:
n
p p
p
) 1 (
Z

onde:

p
a proporo amostral

Z o valor da varivel normal padro para o grau de confiana adotado.
n o tamanho amostral

Exemplo 3

Um planejador financeiro est estudando os planos de mudana de jovens executivos. Uma amostra de 500 jovens
executivos que possuem suas prprias casas revelou que 175 planejam vend-las e retirarem-se para o interior do
Pas. Construa um intervalo de confiana de 98 % para o parmetro proporo populacional de executivos que
planejam mudar para o interior.

Aqui n = 500, 35 , 0
500
175
= = p
e Z = 2,33 (para
adotado confiana de nvel 98 , 0 = o
)

O C.I . de 98 %
0,0497 0,35 ou
500
) 65 , 0 ( ) 35 , 0 (
33 , 2 35 , 0

Interprete a resposta

18.4 Fator de Correo de Populao Finita

Apostila de Fundamentos de Estatstica
40
Uma populao que tem um limite superior definido chamada de finita. Em estatstica, considera-se como
populao finita quando
05 , 0 >
N
n
(ou seja, quando a frao amostral maior do que 5 %).
Para uma populao finita, onde o nmero total de objetos N e o tamanho da amostra n, o seguinte ajuste
feito para os erros padres da mdia amostral e da proporo amostral.

Erro padro da mdia amostral:
1

=
N
n N
n
X
o
o



Erro padro da proporo amostral:
1
) 1 (

=
N
n N
n
p p
p
o



Este ajuste chamado de Fator de Correo de Populao Finita (FCPF)

Nota: se
05 , 0 s
N
n
, o fator de correo de populao finita ignorado.

Exemplo 4

A universidade do exemplo 2 quer estimar o nmero mdio de horas trabalhadas por semana pelos estudantes.
Uma amostra de 49 estudantes mostrou uma mdia de 24 horas e um desvio padro de 4 horas. Construa um
intervalo de confiana para o nmero mdio de horas trabalhadas se h somente 500 estudantes no campus.

Agora
05 , 0 098 , 0
500
49
> = =
N
n
.

Portanto, temos que usar o fator

| | 25,11 ; 93 , 22
1 500
49 500
49
4
96 , 1 24 =

18.5 Selecionando uma Amostra

So trs os fatores que determinam o tamanho de uma amostra, nenhum dos quais tendo uma relao direta com
o tamanho da populao.
Eles so:
1. O grau de confiana adotado
2. O mximo erro permissvel
3. A variabilidade da populao

Uma frmula de clculo conveniente para determinar o tamanho amostral n :

2
|
.
|

\
|
=
c
Zs
n


onde:

= o erro permissvel

Z = o valor da varivel normal padro associado ao grau de confiana adotado

s = o desvio padro da amostra piloto


Exemplo 5

Apostila de Fundamentos de Estatstica
41
Um grupo de consumidores deseja estimar a mdia de gasto mensal em eletricidade para um domiclio familiar
simples em Julho. Baseado em estudos similares o desvio padro estimado como sendo R$ 20,00. Deseja-se
construir um intervalo de confiana de 99 % com um erro mximo admissvel de
00 , 5 $ R
. Qual deve ser o
tamanho da amostra?

( ) ( )
107 50 , 106
5
20 58 , 2
2
~ =
|
.
|

\
|

= n


19.8 Tamanho Amostral para Estimativa de Propores

A frmula para determinar o tamanho amostral no caso de estimativa de propores :

2
) 1 ( |
.
|

\
|
=
c
Z
p p n


onde

p = a proporo estimada, baseada na experincia passada ou em uma amostra piloto

Z = o valor da varivel normal padro associado ao grau de confiana adotado.

= o mximo erro permissvel que o pesquisador tolera.

Exemplo 6

Um clube deseja estimar a proporo de crianas que tem um cachorro. Se o clube deseja que a estimativa
esteja no mximo afastada 3 % da proporo populacional, quantas crianas devem conter a amostra? Assuma
um intervalo de confiana de 95 % e que o clube estimou, com base em experincia anterior, que
aproximadamente 30 % das crianas tm um cachorro.

( )( ) 893 4 , 893
03 , 0
96 , 1
70 , 0 30 , 0
2
~ = |
.
|

\
|
= n




























Apostila de Fundamentos de Estatstica
42



19 - REFERNCIAS

Dantas, Henrique Neder Estatstica - Departamento de Economia UFU- 2005

BRUNI, Adriano Leal. Estatstica Aplicada Gesto Empresarial- So Paulo:Atlas 2007

LEVINE, David M., BERENSON, Mark L., STEPHAN, David. Estatstica: Teoria e Aplicaes, So Paulo:
LTC, 2000.

MOORE, David. A Estatstica Bsica e sua Prtica, Livros Tcnicos e Cientficos, 2000.

NEUFELD John L. Estatstica Aplicada Administrao usando Excel Trad. Jos Luiz Celeste. So Paulo .
Prentice Hall 2003 434 p

SMAILES Joanne, Angela McGrane Estatstica aplicada administrao com Excel Trad. Bazn
Tecnologia e Lingustica, Christiane Brito Publicao .So Paulo : Atlas, 2002.

SOARES, Jos F. e FARIAS, Alfredo A e CEZAR , Cibele C, Introduo Estatstica, Rio de Janeiro:
Guanabara, 2003.