Apost Estatistica Ee 2013.2 Ok

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA
APOSTILA DE
ESTATSTICA
ENGENHARIA ELTRICA
Sigrid Liebold
2013.2

CURSO: ENGENHARIA ELTRICA
DISCIPLINA: ESTATSTICA
PROF: SIGRID LIEBOLD
Estatstica Aplicada:
Por que conhecer Estatstica?
Ao longo de nossas vidas, seja no trabalho, no lazer, em casa, no bairro, na cidade onde
moramos ou at mesmo quando estamos consumindo, uma grande quantidade de
informaes que utilizamos em nosso dia a dia expressa na forma de nmeros,
grficos e tabelas.
Muitas decises importantes em nossa vida esto diretamente relacionadas utilizao
de nmeros e seu bom entendimento, pois acarretam avaliao de riscos. O
conhecimento bsico sobre a estatstica ir nos ajudar a compreender estes aspectos e
muitas vezes orientar na melhor deciso a ser tomada. Com base no estudo das
probabilidades, as decises podero estar baseadas em informaes ponderadas em
relao ao risco.
A estatstica se divide em trs grandes reas:
- Estatstica descritiva: organizao, resumo e simplificao de informaes que
podem ser muito complexas. Consiste na coleta, organizao, classificao e tabulao
de dados, dispondo-os em nmeros, facilitando a leitura e interpretao dos mesmos.
Por exemplo, nveis de desemprego, mdias de salrios, etc.;
- Estatstica probabilstica: utilizada em situaes que envolvem o acaso. Por
exemplo, jogos de azar, jogos de dados, etc.;
- Estatstica inferencial: anlise e interpretao de dados amostrais, que consiste em
mensurar uma pequena parte da populao e utilizar esta informao para fazer
inferncia sobre toda populao. Por exemplo, no preciso tomar um copo inteiro de
gua para saber se a gua est gelada.
A estatstica uma cincia que estuda e pesquisa sobre: o levantamento de dados com a
mxima quantidade de informao possvel para um dado custo; o processamento de
dados para a quantificao da quantidade de incerteza existente na resposta para um
determinado problema; a tomada de decises sob condies de incerteza, sob o menor
risco possvel.
Finalmente, a Estatstica tem sido utilizada na pesquisa cientfica, para a otimizao de

recursos econmicos, para o aumento da qualidade e produtividade, na otimizao em
anlise de decises, em questes judiciais, previses e em muitas outras reas. O
aumento do crescimento cientfico e tecnolgico ocorrido nas ltimas dcadas e a
necessidade de muitos em obter diversos tipos de informaes ocasionaram o aumento
do uso da Estatstica em problemas atuais.

Estatstica uma cincia que se preocupa com a organizao, descrio, anlise e
interpretao de dados experimentais.
A estatstica fornece dados para coleta, organizao, descrio, anlise e interpretao

dos dados. Os resultados podem ser utilizados para planejamentos, tomadas de
decises ou formulao de solues de problemas.
O estudo estatstico inicia-se com o planejamento da pesquisa, ou seja, a organizao

do trabalho onde se determina os objetivos e os meios estatsticos a serem utilizados.
A segunda etapa a coleta de dados, quando sero coletadas as informaes a serem

estudadas. O instrumento mais freqente para essa coleta a aplicao de
questionrios e/ou entrevistas.
Aps coletar os dados, estes devero ser classificados, estabelecendo categorias que
permitam a reunio das informaes coletadas.
A anlise dos dados vai indicar como os elementos se distribuem, a variabilidade,

semelhanas e diferenas entre os elementos.
A interpretao dos dados faz as comparaes, estabelecimento de princpios,

indicao de vantagens e desvantagens dos resultados obtidos.
Estatstica Descritiva: coleta, organizao e descrio dos dados.
Estatstica Inferencial: analise e interpretao dos dados.
Populao: o conjunto formado por indivduos ou objetos que tem pelo menos uma
varivel comum e observvel, podendo ser finita ou infinita.
Amostra: o subconjunto de uma populao.
Censo: Examina todos os elementos de uma populao.
De acordo com Toledo e Ovalle (1985) a palavra Estatstica pode ser distinguida sobre
duas concepes:
No plural a palavra Estatstica indica qualquer coleo consistente de dados numricos,
reunidos com a finalidade de fornecer informaes acerca de uma finalidade qualquer. Por
exemplo, as Estatsticas Demogrficas referem-se aos dados sobre nascimentos,
falecimentos, matrimnios, divrcios; as Estatsticas Econmicas relacionam dados sobre
emprego, produo, preo, vendas.

No singular ela indica a atividade humana especializada ou um corpo de tcnicas, ou
uma metodologia desenvolvida para a coleta, a classificao, a apresentao, a anlise e
a interpretao de dados quantitativos e a utilizao desses dados para a tomada de
decises.
A Estatstica embora seja uma disciplina autnoma, com metodologia e tcnicas prprias,
um instrumental de aplicao imprescindvel em praticamente todos os campos de
conhecimento humano, assim, v-se, por exemplo, seu uso nas reas de:
Agronomia e Veterinria
Comparaes de cultivares; Aperfeioamento gentico de plantas e animais;
Determinao do nvel timo de fertilizantes; Comparao do efeito de raes em
animais.
Administrao de Empresas
Resumo, apresentao e anlise dos dados das empresas; Controle de estoques;
Controle de filas; Tomada de decises; Estudos da viabilidade do lanamento de novos
produtos no mercado.
Ecologia e Meio Ambiente
Determinao do ndice de poluio das guas e do ar; Levantamento sobre
biodiversidade; Proporo de desmatamentos; Verificao de espcies em extino.
Economia
Determinao do produto interno bruto (PIB); Resumo e apresentao de dados
econmicos; Comparao e relacionamento de variveis econmicas; Projees para o
futuro; Estudo da viabilidade de implantao de projetos.
Educao
Determinao de ndices de reprovao, aprovao e evaso; Comparao de mtodos
de ensino; Administrao escolar.
Medicina
Testes para verificao de eficcia de medicamentos; Estudos da correo entre
medicamentos e efeitos colaterais; Resumo e apresentao de dados sobre epidemias.
Biblioteconomia
Coletar, resumir, atualizar informaes (dados) sobre acervo bibliogrfico e sua utilizao.
O que so dados?
Informaes numricas necessrias para ajudar a tomar decises mais bem
fundamentadas.

Para que uma anlise estatstica seja til no processo de deciso, os dados de
entrada devem ser apropriados. Portanto, a coleta de dados extremamente
importante. Dados distorcidos, ambguos ou com erros podem levar a concluses
distorcidas ou deficientes.
Variveis
So as caractersticas que podem ser observadas (ou medidas) em cada elemento
da populao ou, ainda, um conjunto de resultados possveis de um fenmeno.
Por exemplo, na populao caracterizada pelos funcionrios de uma empresa
turstica, podemos definir variveis como: tempo de servio, idade, estado civil, sexo,
etc. A varivel pode ser:
- Qualitativa
Quando uma caracterstica ou varivel no numrica, quando os valores so
expressos por uma qualidade ou atributo. Exemplo: sexo, cor dos olhos, religio,
estado civil, etc. Uma varivel qualitativa expressa em categutes, por exemplo:
Em sexo: masculino e feminino.
Em cor dos olhos: castanhos, verdes, azuis, pretos.
Em religio: catlica, judaica, protestante.
Em estado civil: casado, solteiro, vivo, divorciado.
Quando os dados so qualitativos o interesse encontrar a quantidade ou
proporo de cada categoria em relao populao, por exemplo, 35% dos alunos
do curso tm olhos castanhos.
- Quantitativa
Quando os valores so expressos por nmeros. Exemplo: idade, salrios, notas de
avaliao, tempo de servio, etc.
A varivel quantitativa pode ser discreta ou contnua.
- Varivel discreta
Assume apenas os valores de um conjunto enumervel. Uma varivel discreta
quando assume apenas valores inteiros. Exemplo: nmero de malas por viajante,
nmero de hospedes em um hotel, nmero de quartos em uma residncia, nmero
de passagens de avio vendidas em um dia.
- Varivel contnua
Assume inmeros valores entre dois limites. Quando a varivel pode assumir
teoricamente qualquer valor em certo intervalo. Exemplo: peso das malas em um
aeroporto, valor da passagem de avio para uma determinada cidade, temperatura
de uma determinada regio, durao da bateria de um telefone celular, peso dos
alunos de uma classe.
Sries Estatsticas:
Um dos objetivos da estatistica permitir uma viso geral dos valores assumidos por uma
determinada srie de dados. Para tanto, recorre-se ao uso de tabelas e grficos.
Tabelas Estatsticas:

Conjunto de observaes organizadas e distribudas num quadro.
A tabela estatstica deve ser uma forma objetiva de se demonstrar o comportamento de
variveis, representao simples que possibilite ao leitor a compreenso do fenmeno sem
muito esforo.
Deve apresentar a seguinte estrutura:
Cabealho: deve conter as respostas para as seguintes questes:
- o que est representado
- onde ocorreu
- quando ocorreu
Corpo: colunas e subcolunas onde sero registrados os dados numricos e
informaes.
Rodap : observaes pertinentes tabela e registro e identificao da fonte dos
dados.
Conforme critrio de agrupamento as tabelas podem representar diversas sries.
chamada srie estatstica toda tabela que apresenta um conjunto de dados estatsticos
distribudos em funcao da poca, do local e da espcie.
Srie cronolgica: dados so observados segundo a poca de ocorrncia. Observa-se a
variao do tempo enquanto o fato e o local permanecem constantes.
Entrada de Argentinos no Brasil
Nmero de imigrantes
Ano
1994
787.117
1998
1.467.922
1999
1.548.571
Fonte: OMT
Fato: entrada de argentinos (constante). No foi alterado para chilenos, uruguaios, etc.
Local: Brasil (constante).
Tempo: 1994, 1998, 1999 (varivel).
Srie Geogrfica: dados so observados segundo a localidade de ocorrncia. Neste tipo
de srie o local varia enquanto que o tempo e o fato permanecem constantes.
Lugares onde falta gua encanada - 2000
(1,1 bilhes de pessoas)
Continente
Valor percentual (%)
frica
28
Amrica Latina
7
sia
63
Europa
2
Fonte: OMS

Fato: falta de gua encanada (constante). No foi alterado para falta de luz, gs ou
qualquer outro produto.
Local: frica, Amrica Latina, sia, Europa (varivel).
Tempo: 2000 (constante).
Srie especfica: dados agrupados segundo a modalidade de ocorrncia. Neste tipo de
srie o local e o tempo permanecem constantes enquanto o fato varia.
O que fazer com o 13. Salrio
Consumidores Paulistanos dezembro/2000
Opes
Valor percentual (%)
Pagar dvidas
53
Fazer compras
14
Poupar ou guardar
14
Investir ou aplicar
7
Gastar nas frias
6
outros
6
Fonte: InformEstado
Fato: pagar dvidas, fazer compras, poupar, etc. (varivel).
Local: So Paulo (constante).
Tempo: dezembro de 2000 (constante).
Sries conjugadas (Tabela de dupla entrada): so sries mistas, pois se pode variar
simultaneamente o tempo, o lugar e o fato.
Terminais telefnicos em servio ( 1991 1993)
Regies
1991
1992
Norte
342.938
375.658
Nordeste
1.287.813
1.379.101
Sudeste
6.234.501
6.729.467
Sul
1.497.315
1.608.989
Centro oeste
713.357
778.935
Fonte: Ministrio das Comunicaes
1993
403.494
1.496.649
7.231.634
1.746.232
884.822
Grficos Estatsticos:
A representao grfica das sries estatsticas tem por finalidade dar uma ideia, a
mais imediata possvel, das informaes, permitindo chegar-se a concluses sobre a
evoluo do fenmeno ou sobre como se relacionam os valores da srie.
Os grficos estatsticos so uma forma de representao dos dados com o objetivo
de permitir uma viso completa e rpida do fato estudado. De forma simplificada, os
grficos podem ser classificados em dois tipos: grficos de informao e grficos de
anlise.

Grfico de informao: Tem como objetivo fornecer uma visualizao rpida e clara
sobre os fenmenos observados. Destinam-se ao pblico em geral e devem ser
apresentados da forma mais completa e clara possvel.
Grfico de anlise: Tem como objetivo auxiliar em uma anlise de dados, sem deixar
de ser informativo. Geralmente so acompanhados por tabelas ou textos explicativos
que iro reforar os principais pontos a serem analisados.
A escolha do grfico apropriado fica a critrio do analista, devendo sempre levar em
conta os elementos simplicidade, clareza e veracidade.
Os grficos podem ser classificados quanto a sua forma, em trs tipos:
Diagramas:
So grficos geomtricos dispostos em duas dimenses. So muito empregados na
estatstica, apresentando uma grande variedade de tipos. Grfico em colunas, linhas,
curvas, barras, setores ou pizza, boxplot so alguns tipos de diagramas.
Cartogramas:
So muito utilizados na rea de Geografia, Histria, Demografia. Tambm conhecidos
como mapas temticos. So ilustraes relativas a cartas geogrficas (mapas). O
objetivo desse grfico o de figurar os dados estatsticos diretamente relacionados
com reas geogrficas ou polticas. So mapas com aporte estatstico.
Estereogramas:
So grficos volumtricos.
Levando em conta a aparncia de acordo com a composio de formas, os principais
tipos de grficos so:
Diagramas (grficos geomtricos em duas dimenses)
Grfico polar ou radar (para representar sries temporais cclicas)
Cartogramas (ilustraes relativas a cartas grficas)
Pictogramas (representao grfica ilustrada por figuras)
Exemplos:
Grfico de colunas: Servem para representar as freqncias de dados categricos ou
nominais. Um grfico de coluna exibe uma srie como um conjunto de barras verticais
agrupadas por categoria. Os grficos de coluna so teis para mostrar alteraes de
dados em um perodo de tempo ou para ilustrar comparaes entre itens.
Variaes de um grfico de colunas:
- Empilhado: Grfico de colunas no qual vrias sries so empilhadas verticalmente. Se
houver apenas uma srie em seu grfico, o grfico de colunas empilhadas exibir o
mesmo que o grfico de colunas.
8

Por cento empilhado: Grfico de colunas no qual vrias sries so empilhadas

verticalmente para se ajustarem a 100% da rea do grfico. Se houver apenas uma srie
em seu grfico, todas as barras de colunas sero ajustadas a 100% da rea do grfico.
Cilindro em 3D: Grfico de colunas cujas barras tm forma de cilindros em um grfico
3D.
Pareto: Grfico de colunas cujas barras so organizadas da mais alta para a mais baixa.
Semelhante ao grfico de colunas pode ser empregado tanto para dados quantitativos
quanto qualitativos.
Grfico de colunas
Grfico de linhas

Grfico de curvas
Grfico de barras: as freqncias apresentadas podem ser simples. Um grfico de

barras exibe as sries como conjuntos de barras horizontais. O grfico de barras o nico
tipo de grfico que exibe dados horizontalmente. Por esse motivo, conhecido por
representar dados que ocorrem com o tempo, com uma data inicial e final finita. Tambm
conhecido por mostrar informaes categricas uma vez que as categorias podem ser
exibidas horizontalmente.
Grfico de barras
Grfico de setores: sua aplicao s deve ser feita quando todos os dados analisados
corresponderem ao mesmo e a todo o universo de observaes. No deve ser usado para
representao de dados ao longo do tempo, como sries temporais.
Grfico de setores ou pizza
10

Grfico Boxplot: Representa a disperso dos dados, revelando a mediana, e os quartis

(1 e 3 quartil) . Este tipo de grfico no disponibilizado pela maioria das planilhas
eletrnicas, por exemplo, Excel, mas faz parte de quase todos os softwares estatsticos
como, por exemplo, o SPSS. A linha central da caixa marca a mediana do conjunto de
dados. A parte inferior da caixa delimitada pelo quartil inferior (q1) e a parte superior
pelo quartil superior (q3).
O boxplot permite avaliar a simetria dos dados, sua disperso, sendo especialmente
adequado para a comparao de dois ou mais conjuntos de dados correspondentes s
categorias de uma varivel qualitativa.
Grfico Boxplot
11

Grfico polar ou radar
Cartogramas
Pictogramas: so construdos a partir de representao de um conjunto de figuras.

Jornais e revistas costumam utiliz-lo com freqncia, pois de fcil compreenso.
Pictogramas
Pesquisa de Campo:
A pesquisa de campo procede observao de fatos e fenmenos exatamente como
ocorrem no real, coleta de dados referentes aos mesmos e, finalmente, anlise e
interpretao desses dados, objetivando compreender e explicar o problema pesquisado.
Para se fazer uma pesquisa de campo deve-se determinar as tcnicas de coleta de dados e
as tcnicas que sero empregadas para o registro e anlise. Dependendo das tcnicas de
coleta, anlise e interpretao dos dados, a pesquisa de campo poder ser classificada
como de abordagem predominantemente quantitativa ou qualitativa.
O que tabulao de dados?
a padronizao e codificao das respostas de uma pesquisa. a maneira
ordenada de dispor os resultados numricos para que a leitura e a anlise sejam
facilitadas.
O que anlise de dados?
12

a descrio, a interpretao do quadro de tabulao referente aos valores
relevantes da pesquisa.
Tipos de Tabulao dos dados: Tabulao simples, tabulao com respostas mltiplas,
tabulao de perguntas encadeadas, tabulao de perguntas abertas, tabulao de
perguntas cruzadas.
Tabulao simples: O entrevistado s pode dar uma resposta. Normalmente, o nmero
de respostas igual ao nmero de entrevistas.
Exemplo: Pergunta: Qual a sua idade?
dade
10 a 19 anos
20 a 29 anos
30 a 39 anos
40 a 49 anos
50 a 59 anos
Acima de 60 anos
Freqncia (Fi)
34
76
62
36
48
20
276
Tabulao com respostas mltiplas: O entrevistado pode indicar mais que uma alternativa
como resposta.
Exemplo: Amostra: 319 questionrios
Pergunta: Indique o nome de trs pessoas pblicas
Tabulao de perguntas encadeadas: Nesse caso, a segunda pergunta respondida em
funo da primeira.
Exemplo: Amostra: 277 questionrios
Respostas
Sim
nao
Pergunta 2: Se sim, quantos?

Nmero de filhos
At 2 filhos
De 3 a 4 filhos
De 5 a 6 filhos
De 7 a 8 filhos
A partir de 9
Pergunta 1: Tem filhos?

Fi
186
91
277
fi (%)
67,1
32,9
100
Fi
97
61
20
5
3
186
fi (%)
52,1
32,8
10,8
2,7
1,6
100
13

A anlise dos resultados deve ser feita em funo das duas perguntas. Dos respondidos que
so pais (67,1%), a maioria tem at 2 filhos (52,1%).
Tabulao de perguntas abertas: Padroniza-se as respostas por categoria e procede-se a
tabulao como tabulao de perguntas simples. Exemplo: Amostra: 277 questionrios
Pergunta: o que o Sr. Acha que falta na cidade de Cajueiro Seco quando
o assunto lazer?
Respostas:
Praa
Praas
Praas boas
Dana
Cantor na praa
Pagode
praas
festas
Quadra de futebol
Quadras
Quadra de basquete
quadras de esportes
Tabulao de perguntas cruzadas: a tabulao e anlise de duas perguntas

simultaneamente. Exemplo: Perguntas que sero cruzadas: Gnero e Estado Civil
Gen.\Est.civil
Masculino
Feminino
Solteiro
48
66
114
Casado
66
63
129
Separado
3
7
10
Vivo
1
16
17
Outros
2
2
4
Total
120
154
274
possvel dizer que, em relao ao gnero x estado civil, a maioria das mulheres solteira
(66), ao passo que, na mesma proporo, os homens so casados (66). No entanto, verificase que a maior parte dos respondentes que so separados e vivos so mulheres.
Representao grfica dos resultados: Por meio da representao grfica possvel
estabelecer uma correspondncia entre os nmeros e uma figura geomtrica.
Anlise dos dados e interpretao: A anlise pode ser basicamente de dois tipos:
Anlise Descritiva: mtodo que envolve a apresentao e caracterizao de um conjunto de
dados de modo a descrever apropriadamente as vrias caractersticas deste conjunto. A
Anlise Descritiva se d pelas medidas de tendncia central (mdia, moda, mediana) e as
de disperso (amplitude total, varincia e desvio padro).
Anlise Inferencial: mtodo que torna possvel a estimativa de uma caracterstica de uma
populao ou a tomada de uma deciso referente populao com base somente em
resultados de amostras.
14

ESTATSTICA DESCRITIVA
Dados brutos:
Conjunto de dados numricos obtidos aps a crtica dos valores coletados e ainda
no numericamente organizados.
Rol:
o arranjo dos dados brutos em ordem crescente ou decrescente.
Freqncia:
a quantidade de vezes que um mesmo valor repetido.
Amplitude total ou "Range" (R):
a diferena entre o maior e o menor valor observado.
No exemplo: 36 - 21 = 15
Freqncia absoluta (Fi):
o nmero de vezes que o elemento aparece na amostra ou o nmero de
elementos pertencentes a uma classe.
Ex.: F(21) = 3
Distribuio de freqncia:
o arranjo dos valores e suas respectivas freqncias ou uma tabela resumida na
qual os dados so organizados em grupos de classes .
Xi
Fi
3
2
2
1
4
3
15
Classe
Fi
21
24
27
30
33
36
07
08
01
05
08
01
30
24
27
30
33
36
39
Onde:
Xi = varivel
Fi = n
n = tamanho da amostra
Classes:
So agrupamentos de valores num determinado intervalo de abrangncia. Neste
caso a tabela agrupada em classes chamada de Distribuio de Freqncia em
Classes.
Nmero de Classe (K):
Em geral a distribuio de freqncia deve possuir pelo menos 5 classes e no
mais do que 15.
15

Sturges:
K = 1 + 3,22 Log n
Onde:
n = tamanho da
amostra
Amplitude das Classes (h):

h=RK
Onde:
h = amplitude de classe
R = amplitude total ou Range
K = nmero de classes
Exemplo:
R = 15
K=6
h = 15/6 = 2,5 3
Limite das Classes:

Limite superior e inferior - so os valores extremos das classes.
Existem vrias maneiras de expressar tais limites:
10 |
| 12; compreende todos os valores entre 10 inclusive e 12 inclusive.
10 |
12; compreende todos os valores entre 10 inclusive e 12 exclusive.
10
12; compreende todos os valores entre 10 exclusive e 12 exclusive.
10
| 12; compreende todos os valores entre 10 exclusive e 12 inclusive.
Exemplo:
10 |
| 12
limite inferior 10
limite superior 12
Pontos Mdios das Classes (Xi):

o ponto que, por situar-se em uma posio mdia da distribuio de valores do
intervalo de classes, divide o intervalo em duas partes iguais.
Mdia aritmtica entre o limite superior e o limite inferior da classe.
(exemplo: 10 | | 12)
Xi = 10 + 12 = 11
2
Xi = 11
Freqncia Absoluta Acumulada (Fac):

a soma das freqncias dos valores inferiores ou iguais ao valor dado.
16

Exemplo:
Xi
0
1
2
Fi
3
5
2
10
Fac
3
8
10
Exerccio para ser desenvolvido em aula :

Uma empresa de auditoria coletou os valores de 50 notas fiscais (em R$) para
estudo. Os dados brutos encontram-se listados a seguir:
156,159,151,154,145,157,148,153,155,161,150,156,144,152,162,158,147,154,160,1
55,142,156,161,149,155,159,154,152,157,153,160,149,154,156,145,157,159,152,15
5,149,160,148,153,156,152,158,150,154,143,157.
Transformar os dados em rol

Calcular a Amplitude Total ou Range (R)
Calcular o numero de classes pela formula de Sturges (K)
Calcular a amplitude das classes (h)
Calcular o limite das classes (limite inferior fechado e limite superior aberto)
Montar uma Distribuio de Freqncias em Classes
Calcular Freqncia Absoluta (Fi)
Calcular a Freqncia Acumulada (Fac)
Calcular o Ponto Mdio de cada classe (Xi)
Mdia Aritmtica Simples ou Mdia de dados no agrupados:

A mdia aritmtica simples utilizada quando os valores que compem a srie
estatstica tendem a ser homogneos, ou seja, no existem valores muito grandes
ou muito pequenos na srie.
A mdia aritmtica simples calculada por meio da diviso entre a soma dos valores
pelo nmero total dos valores.
x = x
n
Exemplo:
Suponha que o lucro de uma locadora de bairro durante o primeiro semestre do ano
tenha sido de acordo com os valores a seguir. Determine o valor da media aritmtica
do lucro nesse perodo.
Janeiro R$ 14.900,00
Fevereiro R$ 15.500,00
Maro R$ 13.400,00
Abril R$ 13.100,00
Maio R$ 14.200,00
Junho R$ 15.300,00
17

x = x = 14.900 +15.500+13.400+13.100+14.200+15.300
n
6
x = R$ 14.400,00
Mdia Aritmtica de dados agrupados em distribuio de freqncia com intervalo
de classes - Media aritmtica Ponderada:
Quando os dados estiverem agrupados numa distribuio de freqncia em
intervalos de classes tambm usaremos a mdia aritmtica ponderada. A mdia
ponderada obtida pelo somatrio do produto do ponto mdio vezes a freqncia
absoluta dividido pela soma total das freqncias (total da amostra).
X = x i Fi
n
onde, Xi o ponto mdio de cada classe:
Xi = Lim. Inf. + Lim. Sup.

2
Exemplo:
Em uma escola infantil foram obtidas 54 estaturas que esto agrupadas abaixo em
forma de distribuio de freqncia. Calcular a mdia de altura das crianas desta
escola.
classes
120 129
129 138
138 147
147 156
156 165
Fi
6
12
16
13
7
54
Ponto Mdio Xi
124,5
133,5
142,5
151,5
160,5
Xi . Fi
747,0
1.602,0
2.280,0
1.969,5
1.123,5
7.722,0
Obs.: a partir da coluna Fi, encontraremos a coluna do ponto mdio (Xi) e a coluna
(Xi . Fi).
X = x i Fi
n
= 7.722 = 143 cm
54
Medidas de Posio:
So medidas que dividem a srie em partes iguais.
1.
2.
3.
4.
Mediana: divide a srie em duas partes iguais

Quartis: divide a srie em quatro partes iguais
Decis: divide a serie em dez partes iguais
Percentis: divide a serie em cem partes iguais
18

Mediana: Md ( x )
A mediana o valor que divide a amostra ou populao em duas partes iguais com o
mesmo nmero de elementos.
0
50%
100%
|
|
|
Determina-se em primeiro lugar a classe que contem o valor mediano. Neste
caso calcula-se a ordem n/2 sem se preocupar se n par ou mpar.
Abre-se ento a coluna da Freqncia Acumulada (Fac) e identifica-se a
classe mediana.
Aps a identificao da classe mediana aplica-se a frmula abaixo para
buscar o valor numrico da mediana.
X = Lmd + ( n/2 - f) . h
Fmd
Onde:
LMd = limite inferior da classe Md

n = tamanho da amostra ou nmero de elementos
f = somatrio das freqncias anteriores classe Md
h = amplitude da classe Md
FMd = freqncia da classe Md
Exemplo:
Dada a distribuio de estaturas de uma escola infantil, calcular a mediana:
classes
120 129
129 138
138 147
147 156
156 165
Fi
6
12
16
13
7
54
n/2 = 54/2 = 27 elemento

Aplica-se a frmula:
Onde: LMd 138
~
X = 138 + (
54
27 elemento (classe Md)
X = Lmd + ( n/2 - f) . h
Fmd
f = 18
n = 54
/2 - 18) 9
16
Fac
6
18
34
47
54
h=9
FMd = 16
X = 143,06
O valor da mediana igual a 143,06 cm significa que metade das crianas tem altura
inferior a 143,06 cm e a outra metade tem altura superior a esse valor.
19

Quartis:
Os quartis dividem um conjunto de dados em quatro partes iguais.
O%
25%
50%
75%
100%
|-----------------|----------------|-----------------|----------------|
Q1
Q2
Q3
Determinao dos Quartis:
Q1 = Valor correspondente observao ordenada n/4
Q2 = Valor correspondente observao ordenada n/2
Q3 = Valor correspondente observao ordenada 3n/4
Q1 = LQ1 + (n/4 - f) . h
FQ1
1 quartil
Q2 = LQ2 + (n/2 - f) . h
FQ2
2 quartil
Q3 = LQ3 + (3n/4 - f) . h
FQ3
3 quartil
Onde,
LQ = limite inferior da classe do quartil
f = somatrio das freqncias anteriores classe do quartil
h = amplitude da classe do quartil
FQ = freqncia da classe do quartil
Determina-se a classe que contem o valor quartil atravs de n/4, n/2 ou 3n/4 (1 2
ou 3 quartil respectivamente). Aps a identificao da classe aplica-se a frmula.
Exemplo:
Considerando a distribuio dos pesos dos peixes pescados por um grupo de
pescadores de um barco calcular o 1, 2 e 3 quartil.
Pesos (Kg)
Fi
Fac
10 30
8
8
30 50
26
34
50 70
57
91
70 90
42
133
90 110
27
160
110 130
16
176
176
20

Para Q1 temos:
Q1 = 50 + (176/4 - 34) . 20
57
Q1 = n = 176 = 44 elem. (3. Classe)

4
4
Q1 = 53,51 kg
Q2 = n = 176 = 88 elem. (3. Classe)
2
2
Q2 = 68,95 kg
Q2 = 50 + (176/2 - 34) . 20
57
Q3 = 3n = 3.176 = 132 elem. (4. Classe)

4
4
Q3 = 89,52 kg
Q3 = 70 + (3.176/4 - 91) . 20
42
Decis:
So valores que dividem a srie em 10 partes iguais.
Frmula Geral para localizao da classe que contm o valor decil:
Di = i n
10
onde
i = 1, 2, 3, 4, 5, 6, 7, 8, 9
a) Calcula-se Di = i.n
10
b) Identifica-se a classe Di pela Fac.
c) Aplica-se a frmula:
Di = LDi + (in/10 - f) h
FDi
Onde,
LDi = limite inferior da classe do decil
f = somatrio das freqncias anteriores classe do decil
h = amplitude da classe do decil
FD = freqncia da classe do decil
21

Exemplo: Considerando a distribuio dos pesos dos peixes pescados por um grupo
de pescadores de um barco calcular o 1, 6 e 8 decil.
Pesos (Kg)
10 30
30 50
50 70
70 90
90 110
10 130
Fi
8
26
57
42
27
16
176
Fac
8
34
91
133
160
176
Para D1 temos:
D1 = i . n = 1 . 176 = 17,6 elem. (2. Classe)
10
10
D1 = 37,38 kg
D1 = 30 + (176/10 - 8) . 20
26
D6 = i.n = 6. 176 = 105,6 elem. (4. Classe) D6 = 70 + (105,6 - 91) . 20

10
10
42
D6 = 76,95 kg
D8 =i.n = 8.176 = 140,8 elem. (5. Classe)
10
10
D8 = 95,78 kg
D8 = 90 + (140,8 - 133) . 20
27
Percentis:
So medidas que dividem a srie em 100 partes iguais.
Frmula Geral para localizao da classe que contm o valor percentil:
Pi = i n onde
100
i = 1, 2, 3..50,51....98,99
d) Calcula-se Pi = i.n
100
e) Identifica-se a classe Pi pela Fac.
f) Aplica-se a frmula:
Pi = LPi + (in/100 - f) h
FPi
Onde,
LPi = limite inferior da classe do percentil
f = somatrio das freqncias anteriores classe do percentil
22

h = amplitude da classe do percentil
FPi = freqncia da classe do percentil
Exemplo:
Considerando a distribuio dos pesos dos peixes pescados por um grupo de
pescadores de um barco calcular o 10 e 85 Percentil.
Pesos (Kg)
10 30
30 50
50 70
70 90
90 110
110 130
Para P10 temos:
Fi
8
26
57
42
27
16
176
Fac
8
34
91
133
160
176
P10 =i . n = 10 . 176 = 17,6 elem. (2. Classe)

100
100
P10 = 37,38 kg
P10 = 30 + (17,6 - 8) . 20
26
P85 =i. n = 85. 176 = 149,6 elem. (5. Classe) P85 = 90 + (149,6 133) . 20
100
100
27
P85 = 102,3 kg
Moda:
o valor que ocorre com maior freqncia em uma srie ou distribuio. Esse valor
denominado valor modal.
Clculo da Moda para dados no agrupados:
Em uma srie estatstica em que os dados no so agrupados, o valor modal
corresponde ao valor com maior nmero de repeties.
Exemplo: 3,4,4,5,6,7,8,9,9,9,10,11,12,13. O valor com maior nmero de repeties
Mo = 9, portanto, 9 o valor modal.
Clculo da Moda para dados agrupados em distribuio de freqncia com intervalo
de classes - :
Frmula de Pearson:
Mo 3X 2X
Medidas de Disperso ou de Variabilidade:

Essas medidas avaliam o modo como os dados flutuam em torno da mdia.
Varincia:
A varincia leva em considerao os valores extremos e os valores intermedirios de
um conjunto de dados. A varincia relaciona os desvios em torno da mdia.
23

Xi Fi (
Xi Fi)
n
n-1
S =
Desvio Padro:
O desvio padro determina a disperso dos valores em relao mdia. O desvio
padro calculado por meio da raiz quadrada da varincia.
S = S
Exemplo:
Foi feita uma pesquisa entre profissionais que trabalham com consultoria em que se
procurou apurar os valores cobrados por hora na execuo de um trabalho.
Considerando a distribuio abaixo, calcular a varincia e o desvio padro dos
dados.
Valores da
diria (em R$)
30 50
50 70
70 90
90 110
110 130
130 150
Profissionais
consultores (Fi)
4
8
5
7
3
5
32
Ponto Mdio
(Xi)
40
60
80
100
120
140
Xi. Fi
Xi
Xi . Fi
160
480
400
700
360
700
2.800
1.600
3.600
6.400
10.000
14.400
19.600
6.400
28.800
32.000
70.000
43.200
98.000
278.400
Clculo da varincia:
XiFi - (
XiFi)
n
n1
278.400 - (2.800)
32
S2 =
32 1
Clculo do Desvio Padro:

S = S = 1.077,42
S = 1.077,42
S = 32,82
Coeficiente de Variao:
Mede a disperso dos dados em relao mdia. O coeficiente de variao a
relao entre o desvio padro e a mdia aritmtica, multiplicada por 100. O
coeficiente de variao expresso em porcentagens. Utiliza-se o coeficiente de
variao na comparao do grau de concentrao em torno da mdia para sries
distintas.
CV = S 100
24

x
Exemplo:
Numa empresa o salrio mdio dos homens R$ 4.000,00 com desvio padro de
R$ 1.500,00 e o das mulheres em mdia R$ 3.000,00 com desvio padro de R$
1.200,00.
Para os homens: CV = S = 1.500 100 = 37,5%
x 4.000
Para as mulheres: CV = S = 1.200 100 = 40%
x
3.000
Podemos concluir que os salrios das mulheres apresentam maior disperso do que
os salrios dos homens.
EXERCCIOS:
1
Em um restaurante, foi observado o consumo mensal de energia eltrica em Kwh.

Os dados brutos encontram-se a seguir. Organizar os valores em forma de rol.
1
Qual o menor consumo?
2
Qual o maior consumo?
3
Qual a amplitude da amostra?
4
Montar uma tabela de distribuio de freqncia em intervalo de classes
calculando o nmero de classes pela frmula de Sturges, suas respectivas
freqncias absolutas, freqncias acumuladas e ponto mdio.
Dados: consumo mensal de energia eltrica ( em Kwh).
290,352,396,321,321,235,340,415,308,329,356,
327,213,333,369,377,318,409,281,344,302,351,
386,209,358,325,334,327,286,458,331,245,393,
314,348,297,398,181,339,355
Temos a seguir os pesos ( em Kg) de um grupo de 40 estudantes. Agrupar esses

pesos em uma distribuio com as classes (intervalos fechados dos dois lados): 20
a 29, 30 a 39, 40 a 49, 50 a 59, 60 a 69, 70 a 79, 80 a 89 e 90 a 99. Calcule a
freqncia absoluta e acumulada de cada classe.
75 89 66 52 90 68 83 94 77 60 38 47 87 65 97 49 65 72 73 81
63 77 91 88 74 37 85 76 74 63 69 72 31 87 76 58 63 70 72 65
Uma auditoria feita em 60 faturas de venda de um determinado produtos revelou os

seguintes nmeros de erros na fixao de preos.
0 0 2 1 4 1 0 1 3 2 2 0 1 1 1 4 0 3 1 5 1 1 0 2 0 0 1 1 4 3
0 1 0 2 1 4 3 1 0 0 5 1 2 0 3 0 2 1 1 3 1 4 3 0 2 0 1 1 0 1
25

Construa uma distribuio simples que mostre quantas faturas continham 0,1,2,3,4
ou 5 erros.
4
Dado o rol de 50 idades de clientes de uma locadora de DVD, agrupar os

elementos em classes sendo k = 7 e calcular a freqncia absoluta, freqncia
acumulada e ponto mdio de cada classe.
33
50
61
69
80
35
52
64
71
81
35
53
65
73
84
39
54
65
73
85
41
55
65
74
85
41
55
66
74
88
42
57
66
76
89
45
59
66
77
91
47
60
67
77
94
48
60
68
78
97
Dadas as estaturas de 140 empregados de uma determinada empresa, conseguiu-se

a distribuio abaixo. Calcular a mdia.
Estaturas Empregados
145 150
2
150 155
10
155 160
27
160 165
38
165 170
27
170 175
21
175 180
8
180 185
7
140
Dada a distribuio, determine a mdia.

Classes
68
72
76
80
72
76
80
84
FAC
8
20
35
40
7) Dada a amostra:
28 33 27 30 31 30 33 30 33 29 27 33 31 27 31 28 27 29 31 24
31 33 30 32 30 33 27 33 31 33 23 29 30 24 28 34 30 30 18 17
18 15 16 17 17 18 19 19 20 29
26

1
2
3
Agrupar os elementos em classe (inicie pelo15) use h = 5 (limite inferior fechado e

superior aberto).
Construir a tabela de distribuio de freqncia em classes
Calcular a mdia.
8) Para a distribuio abaixo, determine a moda pelo processo de Pearson:
Classes
7
10
13
16
19
Fi
10
13
16
19
22
6
10
15
10
5
9) Para a distribuio, calcule:

a) D6, P65, Q1
Classes
4 6
6 8
8 10
10 12
Fi
4
11
15
5
b) D2, P43, Q3.

Classes
20 30
30 40
40 50
50 60
60 70
FAC
3
8
18
22
24
10) As notas obtidas na disciplina de estatstica em uma turma de 50 alunos esto

listadas abaixo:
60 85 33 52 65 77 84 65 74 57 71 35 81 50 35 64 74 47 54 68
80 61 41 91 55 73 59 53 77 45 41 55 78 48 69 85 67 39 60 76
94 98 66 66 73 42 65 94 88 89
Pede-se:
1
2
3
4
5
6
Determinar a amplitude total da amostra

N. de classes pela formula de Sturges
Amplitude das classes
Quais as classes (inicie pelo 30)
Freqncia absoluta das classes
Freqncia acumulada
27

7
8
9
10
11
12
13
14
15
Pontos mdios das classes

Mdia
Moda pelo processo de Pearson
Mediana
1 e 3 Quartis
7 Decil e 55 percentil
Varincia
Desvio padro
Coeficiente de variao
11) A mdia mnima para aprovao nas disciplinas em uma determinada faculdade
5,0. Se um estudante obtm as notas 7,5; 8,0; 3,5; 6,0; 2,5; 2,0; 5,5; 4,0 nos
trabalhos mensais de uma determinada disciplina, pergunta-se se ele foi ou no
aprovado.
12) Calcule para cada uma das distribuies abaixo sua respectiva mdia:
a)
Xi
3
4
7
8
12
Fi
2
5
8
4
3
b)
Xi
10
11
12
13
Fi
5
8
10
6
c)
Xi
2
3
4
5
6
FAC
3
9
19
25
28
d)
Xi
85
87
88
89
90
Fi
5
1
10
3
5
13) Abaixo a amostra de 60 rendas (em mil) de dada regio geogrfica:

10 7
1 13
8
14
5
4
4
3
3
6
2
6
9 9
8 10
6
11
14
15
10
13 14
4 4
15
5
16
6
8
7
9
8
5
9
3 2
1 12
3
13
3
1
2
1
0
3
1
4
15
13
11
4
16
1 Agrupar os elementos em classes, sendo K = 6 e h = 3

28

2
3
4
5
6
7
8
9
10
Calcular a mediana
Determinar o 3 quartil
Calcular o 4 decil
Calcular o 47 percentil
Determinar o 1 quartil
Determinar a varincia
Determinar o desvio-padro
Qual o valor do coeficiente de variao?
Determine o 7 decil e o 80 percentil.
14) Um empregado perdeu uma das dez notas de compras efetuadas naquele dia. O
valor mdio de todas as 10 notas era de R$ 7,20 e as 9 notas restantes tinham os
valores de R$ 4,80 , R$ 7,10 , R$ 7,90 , R$ 9,55 , R$ 4,45 , R$ 5,72 , R$ 7,54 , R$
8,34 e R$ 9,70. Qual o valor da nota perdida?
Probabilidade:
1
Qualquer esforo para reduzir o nvel de incerteza no processo de tomada de

deciso aumentar a probabilidade de uma deciso mais inteligente e bem
informada.
Definio de Probabilidade:
A probabilidade expressa por meio de valores numricos as possibilidades de
ocorrncia dos resultados de um fenmeno.
Conceito:
Probabilidade a medida da incerteza relacionada a um evento.
Probabilidade a possibilidade de que um evento venha a ocorrer.
Fenmenos no Determinsticos ou Aleatrios:

So fenmenos que mesmo ocorrendo nas mesmas condies no se obtm a
certeza de um determinado resultado.
Ex.: Lanamento de dados.
Experimento Aleatrio (E):

o processo pelo qual se produz o evento. So chamados experimentos
aleatrios aqueles que repetidos em idnticas condies, produzem resultados
que no podem ser previstos com certeza, porm conhecemos todos os
possveis resultados que podem ocorrer. Exemplo: Lanar um dado ou lanar
uma moeda e observar a face e cima.
Caractersticas dos Experimentos Aleatrios:

Repetitividade: Um fenmeno pode ser repetido quantas vezes se fizerem
necessrias.
Regularidade: Um fenomeno apresenta igual possibilidade de ocorrncia para os
resultados.
29

Evento:
o resultado ocorrido no experimento. Exemplo: Ao jogar um dado a face para
cima foi o nmero quatro.
Evento Certo e Evento Impossvel:

Exemplo: Cesto com bolas pretas e vermelhas.
Evento certo: tirar bolas pretas ou vermelhas.
Evento impossvel: tirar bolas brancas.
Eventos independentes:
So eventos tais que a ocorrncia de um no influencia na ocorrncia do outro.
Ex.: Jogar um dado duas vezes.
10
Eventos Mutuamente Exclusivos:

Dizemos que dois eventos so mutuamente exclusivos quando eles no
puderem ocorrer simultaneamente, ou seja, a ocorrncia de um evento probe a
ocorrncia do outro:
AB=
E = Jogar uma moeda
S = {c, k}
A = {sair c}
B = {sair k}
11
Espao amostral de um experimento:

o conjunto de todos os possveis resultados de um dado experimento.
Jogar um dado honesto e observar o nmero da face de cima.
S = {1, 2, 3, 4, 5, 6}
Jogar duas moedas e observar o resultado.
S = { (c, c); (c, k); (k, c); (k, k)}
Teoria das Probabilidades:
Se h n possibilidades provveis, das quais uma deve ocorrer e s so
consideradas como favorveis ou como um sucesso, ento a possibilidade de
um sucesso s/n.
A probabilidade P(A) definida como a relao entre o nmero de possveis
resultados favorveis do evento e todos os possveis resultados do experimento.
P (A) = n vezes que o evento A pode ocorrer
n. vezes que o espao amostral S ocorre
P (A) =
n. casos favorveis
n. total de casos
Exemplo 1:
Qual a probabilidade de se extrair um s de um baralho de 52 cartas?
n(S) = 52 cartas
n(A) = 4
P = 4/52
30

Exemplo 2:
Qual a probabilidade de se obter o nmero 2 na face superior de um dado?
n(S) = 6
n(A) = 1
P = 1/6
Exemplo 3:
Qual a probabilidade de se obter o nmero 8 na face superior de um dado?
n(S) = 6
n(A) = 0
P=0
Exemplo 4:
A pesquisa de um jornal de So Paulo revelou que 200 brasileiros foram mortos
por raios no perodo de um ano. Qual a probabilidade de uma pessoa ser
atingida por um raio, sabendo-se que a populao brasileira est em torno de
170 milhes?
n(S) = 170.000.000 n(A) = 200
P = 200/170.000.000 P = 0,0000012
Exemplo 5:
Uma pesquisa do PC World foi realizada com 4.000 proprietrios de
computadores pessoais e verificou que 992 computadores apresentaram falhas
num intervalo de dois anos aps a compra. Tomando como base esses
resultados, qual a probabilidade de voc comprar um computador pessoas e ele
apresentar problema nos prximos dois anos?
n(S) = 4.000 n(A) = 992
P = 992/4.000
P = 0,248
Exemplo 6:
Um grupo de turistas composto de 15 homens e 35 mulheres. O guia sorteia
aleatoriamente algum do grupo. Qual a probabilidade de no ser mulher?
n(S) = 50 n(A) = 15
P = 15/50
P = 0,3
Exemplo 7:
Se os registros de uma companhia area mostram que, durante certo tempo,
468 dos seus 600 jatos de linha RJ SP chegaram no horrio, qual a
probabilidade de que um avio daquela linha chegue no horrio?
n(S) = 600 n(A) = 468
P = 468/600
P = 0,78
Regras de probabilidade:
As probabilidades so nmeros reais positivos ou zero. Simbolicamente:
Evento Certo:
n(A) = n(S)
P(A) = 1
P(A) 1
P(A) > 0
Evento impossvel: na jogada de uma moeda, atribumos a probabilidade zero

hiptese da moeda cair em p.
P() = 0
A soma das probabilidades igual a 1, ou a probabilidade de A mais o complemento

da probabilidade de A igual a 1.
P(A) + P(A) = 1
31

Exemplo:
Jogada de um dado:
P(A) = 1/6 (obter o nmero 3)
P(A) = 5/6 (complemento de A obter outro nmero qualquer)
O espao amostral tem probabilidade 1. Simbolicamente:
P(S) = 1
Para qualquer espao amostral S.
Se dois eventos so mutuamente exclusivos, a probabilidade de ocorrncia de

um ou outro igual a soma das respectivas probabilidades. Simbolicamente:
P(AB) = P(A) + P(B)
Exemplo:
Se as probabilidades de um estudante obter conceito A ou B em um curso so
0,13 e 0,29, ento a probabilidade dele obter qualquer um dos conceitos A ou B
:
P(AB) = 0,13 + 0,29 = 0,42
Se dois eventos no so mutuamente exclusivos, a probabilidade de ocorrncia
de um ou outro igual soma das respectivas probabilidades menos probabilidade
de ocorrncia dos dois eventos simultaneamente.
P(AB) = P(A) + P(B) P(AB)
Exemplo:
Extraindo-se aleatoriamente uma carta de um baralho comum de 52 cartas, qual
a probabilidade de se obter uma carta de paus ou uma figura (rei, dama,
valete)?
Denotando por C a extrao de uma carta de paus e por F a extrao de uma
figura.
P(C) = 13/52
De forma que:
P(F) = 12/52 P(CF) = 3/52
(figura de Paus)
P(CF) = 13/52 + 12/52 3/52 = 22/52
Regra da multiplicao para eventos independentes :

Dois eventos so independentes quando a realizao (ou no) de um evento no
interfere na ocorrncia (ou no) do evento seguinte. Se A e B so eventos
independentes, ento:
P (AB) = P (A) . P(B)
32

Exemplos:
Se um atirador A tem a probabilidade de 0,70 de acertar o alvo e um atirador B
tem 0,80 de acertar o mesmo alvo, qual a probabilidade dos dois acertarem, se
cada um atirar uma vez:
P(AB) = P (A) . P(B) = 0,70 . 0,80 = 0,56
Em uma caixa tem 10 peas das quais 4 so defeituosas. So retiradas duas
peas uma aps a outra, com reposio. Calcular a probabilidade de ambas
serem boas.
A= {a 1 pea boa}
P(A) = 6/10
B= { a 2 pea boa}
P (B) = 6/10
P (AB) = P (A) . P(B)
P (AB) = 6/10 . 6/10
P (AB) =
0,36
So retiradas, com reposio, duas cartas de um baralho de 52 cartas. Qual a

probabilidade de que as duas cartas sejam de ouros?
A= {a 1 carta de ouros}
P(A) = 13/52
B= {a 2 carta de ouros}
P (B) = 13/52
P (AB) = P (A) . P(B)
P (AB) = 13/52 . 13/52
P (AB) =
0,063
Anlise Combinatria: Permutaes, Arranjos e Combinaes:

A anlise combinatria usada para a resoluo de problemas matemticos de
contagem. Para problemas simples ou com poucos elementos, pode-se contar o
nmero de resultados de maneira direta, sem necessidade de recorrer s
frmulas matemticas da anlise combinatria. Para problemas menos simples,
recorre-se s permutaes e combinaes para determinar o nmero de
resultados possveis.
Permutaes: permutao de n objetos o nmero de maneiras diferentes que
esses elementos podem ser arrumados num grupo, alterando-se apenas a
ordem dos elementos no grupo.
Pn = n!
(Permutao de n objetos agrupados em n elementos)
O clculo da permutao feito por meio do fatorial do nmero n.

Convm lembrar que: 1! = 1 e 0! = 1
33

Exemplos:
P4 = 4! = 4.3.2.1 = 24
P7 = 7! = 7.6.5.4.3.2.1 = 5040
P10 = 10! = 10.9.8.7.6.5.4.3.2.1 = 3.628.800
Arranjos: arranjos de n objetos tomados r de cada vez (com n r)
An,r =
n!
(n r) !
Exemplos:
Calcule o nmero de arranjos de 7 objetos tomados 5 a 5.
A7,5 =
7!
= 7! = 7.6.5.4.3.2.1 = 5040 = 2.520
(7 5) !
2!
2.1
2
Calcule o nmero de arranjos de 8 objetos tomados 3 a 3.

A8,3 =
8!
= 8! = 8.7.6.5.4.3.2.1 = 40.320 = 336
(8 3) !
5!
5.4.3.2.1
120
As combinaes diferenciam-se das permutaes e arranjos, pois, nas

combinaes a ordem da escolha no tem influncia.
Cn,r =
n
r
n!
r! (n-r)!
combinao de n elementos combinados r a r
Onde,
n o nmero total de elementos
r o nmero de elementos do agrupamento
Exemplos:
Escolhem-se dois alunos entre um total de quatro alunos, para construir uma
comisso, sabendo que os alunos disponveis so: Carlos, Fernando, Jos e
Srgio. Questiona-se quantas comisses diferentes podem ser formadas. As
possveis comisses so:
1) Carlos, Fernando
2) Carlos, Jos
3) Carlos, Srgio
4) Fernando, Jos
5) Fernando, Srgio
6) Jos, Srgio
Observamos que em cada comisso formada a ordem da escolha dos alunos
no importa. A comisso formada por alunos Carlos e Fernando a mesma
comisso formada Poe esses mesmos alunos em uma ordem diferente
(Fernando e Carlos). Se fosse efetuado o clculo por meio da frmula de
combinao, o resultado obtido seria:
34

C4,2 =
4!
=
2! (4-2)!
4!
= 24
= 6 comisses
2!.2!
2.1.2.1
Quantas comisses de 3 pessoas podem ser formadas com um grupo de 10

pessoas?
C10 , 3 = 10!
= 10.9.8.7! = 120 comisses
3! (10 - 3)!
3.2. 1. 7!
EXERCCIOS
1) Lanam-se dois dados. Enumerar os seguintes eventos:
Sada de faces iguais
Sada de faces cuja soma seja igual a 10
Sada de faces cuja soma seja menor que 2
Sada de faces cuja soma seja menor que 15
Sada de faces onde uma face o dobro da outra
2) Lanam-se duas moedas: Sejam:
A: sada de faces iguais
B: sada de cara na primeira moeda
Determinar os eventos:
a) A B
b) A B
e) A B
f) A B
c) A
g) A B
d) B
h) B A
3) Lanam-se trs moedas. Enumerar o espao amostral e os eventos:

a) faces iguais
b) cara na 1 moeda
c) coroa na 2 e 3 moeda
4) Considere a experincia que consiste em pesquisar famlias com 3 crianas em
relao ao sexo das mesmas, segundo a ordem do nascimento. Enumerar os
eventos:
a) ocorrncia de 2 filhos do sexo masculino
b) ocorrncia de pelo menos 1 filho do sexo masculino
c) ocorrncia de no mximo 2 filhos do sexo feminino
5) Extrai-se uma s carta de um baralho de 52 cartas. Determine a probabilidade de
obter:
a) um valete
b) uma figura
c) uma carta vermelha
d) uma carta de ouros e) um 10 de paus
f) um 9 vermelho ou 8 preto.
6) Qual a probabilidade de adivinhar o dia da semana ( ex. 3 feira), em que nasceu
uma pessoa?
7) Uma pesquisa de trfego levada a efeito das 5 s 6 horas da manh num trecho de
estrada revelou que de 200 carros que pararam para verificao rotineira de
35

segurana, 25 tinham pneus em ms condies. Estime a probabilidade de um
carro que pare naquele trecho ter os pneus bons.
8) Joga-se uma moeda 4 vezes, conhecendo as seguintes probabilidades relativas ao
nmero de caras:
P (0) = 0,0625
P (1) = 0,2500
P (2) = 0,3750
P (3) = 0,2500
P (4) = 0,0625
Determine as probabilidades:
a) Uma ou duas caras
c) Mais de trs caras
e) Cinco caras
b) Menos de trs caras

d) Menos de duas ou mais de trs caras
9) Em uma sala de aula h 5 alunos que pesam entre 54 e 60 quilos e 26 alunos com
peso entre 61 e 70 quilos. Ao selecionarmos ao acaso, qual a probabilidade de um
aluno pesar entre 61 e 70 quilos?
10) Se lanarmos uma moeda 3 vezes, qual a probabilidade de sair cara nos 3
lanamentos?
11) Uma urna contm 3 bolas vermelhas e 2 pretas. Retira-se da urna uma bola. Qual
a probabilidade dela ser vermelha? E de ser preta?
12) De um baralho de 52 cartas retira-se uma carta. Qual a probabilidade dela ser
rei ou carta de espada?
13) Tendo-se jogado dois dados, encontre a probabilidade de cada um dos seguintes
acontecimentos:
a) A soma dos pontos igual a 7.
b) A soma dos pontos 8 e a diferena 4.
c) A soma dos pontos 5 e o produto 4.
14) Lance um dado e uma moeda:
a) Construa o espao amostral.
b) Enumere os seguintes eventos:
A = (coroa, marcado por nmero par).
B = (cara, marcado por nmero mpar).
C = (mltiplos de 3)
c) Expresse os eventos:
I) B
II) A ou B ocorrerem
III) B e C ocorrerem
d) Verifique dois a dois os eventos A, B e C e informe quais so mutuamente

exclusivos.
15) Um nmero inteiro escolhido aleatoriamente dentre os nmeros de 1 a 50.
Qual a probabilidade de:
a) O nmero ser divisvel por 5
36

b) Terminar em 3
c) Ser divisvel por 6 ou 8
16) Um cliente de uma loja de roupas e sapatos deseja comprar 4 camisas, 3 calas e
2 sapatos. Ele est em dvida entre 6 camisas, 4 calas e 3 sapatos. De quantas
maneiras ele pode efetuar essa compra?
17) A probabilidade de que um homem esteja vivo daqui a 30 anos de 2/5; a de sua
mulher 2/3. Determine a probabilidade de que daqui a 30 anos:
a) Ambos estejam vivos
b) Somente o homem esteja vivo
c) Somente a mulher esteja viva
d) Nenhum esteja vivo
18) Uma vendedora marcou uma visita tarde com o gerente da Empresa X. Ela
estima que h 60% de probabilidade do gerente confirmar a visita e 70% de
probabilidade de fechar negcios nesta visita. Existe uma probabilidade de 10% de
haver promoo de vendas do produto da vendedora no prximo final de semana
na Empresa X. Determine a probabilidade da vendedora fazer a visita, fechar
negcio e no haver promoo de seus produtos.
19) Num grupo de 300 alunos de uma faculdade, 100 fazem o curso de Administrao
e 80 fazem o curso de Cincias Contbeis (os alunos restantes fazem outros
cursos). Esses dados incluem 30 alunos
que fazem os dois cursos
simultaneamente. Qual a probabilidade de um aluno escolhido aleatoriamente estar
fazendo o curso de:
a)
Administrao (A)
b)
Contbeis (C)
c)
Administrao ou Contbeis (A ou C)
20) No lanamento de um dado consideramos o evento A = {1,5}. Qual a probabilidade
de ocorrer:
a) O evento A
b) O evento complementar de A
21) Considere o espao amostra S = {11,13,14,16,18,21,22,25,27,28} e os seguintes
eventos:
A = {11, 21}
B = {11,14,16,18}
C = {21,22,25,27,28}
D = {18}
E = {11,16,18,21,25}
Calcule:
a) AUB; BUC; DUC
b) AB; BC; DC
c) EUDUB; EDB
d) A; C; D
e) P(A); P(B); P(C); P(D); P(E)
f) P(AUB); P(BUC); P(DUC)
37

g) P(AB); P(BC); P(DC)
h) P(A); P(C); P(D)
22) So lanados dois dados. Qual a probabilidade de:

a) Obter um par de pontos iguais?
b) Obter um par de pontos diferentes?
c) Obter um par de pontos onde o primeiro maior que o segundo?
d) A soma dos pontos ser um nmero mpar?
e) A soma dos pontos ser 13?
23) Um lote de 30 notas fiscais formado por 20 notas fiscais de farmcias, 8 de
supermercado e 2 de padaria.
Retira-se uma nota fiscal ao acaso. Calcule a probabilidade de que:
A nota fiscal seja de supermercado

A nota fiscal seja de padaria
A nota fiscal seja de farmcia
A nota fiscal no seja de farmcia
A nota fiscal seja de farmcia ou padaria
24) Calcule:
a) P4; P6; P9; P11; P10; P8
b) A4,1; A4,4; A5,2; A6,4; A7,6; A8,5; A3,2; A6,1 A10,3; A7,2 ;A5,5; A11,4
c) C4,1; C4,4; C5,2; C6,4; C7,6; C8,5; C3,2; C6,1; C10,3; C7,2; C5,4; C11,4
38

DISTRIBUIO DE PROBABLIDADES
Se voc ajudar os outros, ser ajudado.
Talvez amanh, talvez em cem anos, mas ser ajudado.
A natureza deve pagar a dvida.
uma lei matemtica e toda a vida matemtica.
(George Ivanovitch Gurdjieff)
Variveis Aleatrias
Considere o espao amostral do lanamento de um dado e observao da face superior:
S = {1,2,3,4,5,6}. O espao amostral constitudo por nmeros reais.
Considere o espao amostral do lanamento de uma moeda e observao da face
superior. S = {c, k}. Neste caso o espao amostral no constitudo por nmeros reais.
De modo geral, quando o espao amostral de um experimento no constitudo por
nmeros reais, no podemos utilizar os recursos de estatstica descritiva (mdia,
varincia, desvio padro, etc.).
Uma varivel aleatria aquela que tem resultados ou valores que tendem a variar de
uma observao para outra em razo de fatores relacionados com a chance. A varivel
aleatria definida a partir de sua associao a uma amostra ou experimento, de tal
modo que seus resultados possveis sejam numricos. Por exemplo, no lanamento de
uma moeda, podemos considerar nossa varivel aleatria sendo o nmero de caras em
uma jogada, que tem os valores numricos possveis 0 e 1 (onde 0 representa no ser
cara e 1 representa ser cara).
Uma varivel aleatria uma funo com valores numricos cujo valor determinado por
fatores de chance. As variveis aleatrias podem ser discretas ou contnuas. Ela dita
discreta se toma valores inteiros, que podem ser contados e dita contnua quando pode
tomar qualquer valor de um determinado intervalo.
Exemplo:
E: Lanamento de duas moedas
X: n de caras obtidas nas duas moedas
S = {(c, c); (c, k); (k, c); (k, k)}, onde c = cara e k = coroa
X = 0 corresponde ao evento (c, c) com probabilidade 1/4
X = 1 corresponde ao evento (k, c) (c, k) com probabilidade 2/4
X = 2 corresponde ao evento (k, k) com probabilidade 1/4
O objetivo de se definir varivel aleatria estabelecer uma funo que transforme o
espao amostral no numrico em numrico.
Seja E um experimento e S o espao associado ao experimento. Uma funo X que
associe a cada elemento s pertencente a S um nmero real X(s) denominada varivel
aleatria.
39

Uma varivel aleatria um smbolo x, y, h, que pode assumir qualquer conjunto de

valores.
Uma varivel amostral X ser discreta se o nmero de valores possveis de x (seu
contradomnio) for finito ou infinito numeral, ou nmero capaz de ser correspondido a um
valor inteiro positivo.
Exemplos:
Nmero de alunos em uma sala de aula.
Nmero de ordem da jogada em que um dado apresenta a face 6 pela primeira vez.
(podem ser necessrias 1.000 jogadas ou at 1.000.000 de jogadas).
Quando uma varivel aleatria pode assumir qualquer valor dentro de uma faixa de
valores de dados, ela ser contnua.
Exemplos:
Altura de um grupo de pessoas.
Peso dos alunos de uma sala de aula.
Em geral as medies do origem a dados contnuos (grandezas medidas em escala
contnua como peso, tempo e distncia), enquanto as contagens resultam em dados
discretos.
Distribuio Discreta: Distribuio Binomial
Em muitos problemas, o que nos interessa saber a probabilidade de um evento ocorrer
X vezes em n provas. Atravs desse modelo pretendem-se calcular a probabilidade de
ocorrncia de x sucessos em n repeties independentes de um experimento.
Exemplos:
Probabilidade de obter 45 respostas de 400 questionrios distribudos.
Probabilidade de 5 em 12 ratos sobreviverem por um determinado prazo aps ter
sido injetada uma droga.
Probabilidade de 35 em 300 motoristas retidos pela polcia estarem usando cinto
de segurana.
Probabilidade de 66 em 200 documentos auditados conterem um determinado tipo
de erro.
Ou seja, desejamos conhecer a probabilidade de obter x sucessos em n provas ou x
sucessos em n x falhas em n provas.
Portanto, se no enunciado de um problema podemos identificar um experimento E que
admite somente dois resultados sucessos ou fracasso trabalharemos com a
distribuio binomial.
A distribuio Binomial possui quatro propriedades essenciais:
- as observaes possveis podem ser obtidas atravs de dois diferentes mtodos de
amostragem. Cada observao pode ser considerada como se tivesse sido selecionada a
partir de uma populao infinita sem reposio ou a partir de uma populao finita com
reposio;
40

- cada observao pode ser classificada em uma de duas categorias mutuamente
excludentes e coletivamente exaustivas, geralmente chamadas de sucesso ou fracasso;
- a probabilidade de uma observao ser classificada como sucesso, p, constante de
observao para observao. Assim sendo, a probabilidade de uma observao ser
classificada como fracasso (1 p) constante para todas as observaes;
- o resultado (isto , sucesso ou fracasso) de qualquer observao independe do
resultado de qualquer outra observao.
A varivel aleatria discreta ou fenmeno de interesse que segue a distribuio binomial
pode estar presente em inmeras aplicaes:
Em jogos de Azar: qual a probabilidade de que ir aparecer vermelho 15 vezes ou mais
em 19 giradas da roleta?
No controle de qualidade de produtos: qual a probabilidade de que, em uma amostra de
20 pneus do mesmo tipo, nenhum ser defeituoso se 8% de todos os pneus produzidos
por uma determinada fbrica so defeituosos?
Na educao: qual a probabilidade de que um aluno passe em uma prova de mltipla
escolha com 10 perguntas (cada pergunta com quatro alternativas de escolha) se o
aluno advinha cada uma das respostas? (Passar significa acertar 60% dos itens, ou
seja, acertar 6 entre 10 questes).
A distribuio Binomial uma distribuio adequada para mensurar experimentos que
apresentam apenas dois resultados sucesso ou fracasso. As hipteses que este modelo
fundamenta-se so:
- n provas independentes e do mesmo tipo so realizadas, h um nmero fixo de provas;
- cada prova admite dois resultados sucesso ou fracasso;
- a probabilidade de sucesso em cada prova p e o fracasso 1-p.
A expresso geral da Distribuio Binomial dada por:
P(x) = Cn, x .px.qn-x

Onde,
p = probabilidade constante de sucesso em cada prova.
q = probabilidade de fracasso (q = 1-p).
n = nmero de provas.
x = nmero de sucesso na prova.
Exemplos:
1. Se h uma probabilidade de 0,70 de um eleitor, escolhido aleatoriamente na relao
oficial de 5 eleitores, votar em determinada eleio, qual a probabilidade de dois
eleitores na lista votarem nessa eleio?
X=2
n=5
p = 0,70
Ento:
P(2) = C5,2 . (0,70)2 . (1 0,70)5 2 = 10 . (0,70)2 . (0,30) 3
P(2) = 0,132 = 13,2%
41

2. H uma probabilidade de 0,30 de que uma pessoa ao fazer compras em um
supermercado se beneficie de uma promoo especial de sorvete. Determine as
probabilidades de que, dentre seis pessoas, haja 0,1,2,3,4,5 ou 6 pessoas que se
beneficiem da promoo.
N=6
P = 0,30
x = 0,1,2,3,4,5,6
P(0)
P(1)
P(2)
P(3)
P(4)
P(5)
P(6)
= C6,0
= C6,1
= C6,2
= C6,3
= C6,4
= C6,5
= C6,6
. (0,30)0 . (0,70)6 0,118

. (0,30)1 . (0,70)5 0,303
. (0,30)2 . (0,70)4 0,324
. (0,30)3 . (0,70)3 0,185
. (0,30)4 . (0,70)2 0,060
. (0,30)5 . (0,70)1 0,010
. (0,30)6 . (0,70)0 0,001
3. Suponha que haja uma probabilidade de 0,60 de um carro furtado em certa cidade do
sul ser recuperado. Calcular as probabilidades:
a) De no mximo trs dentre 10 carros furtados serem recuperados.
P = 0,60
q = 0,40
n = 10
x < 3 x = 0; x = 1; x = 2; x = 3.
P(0)
P(1)
P(2)
P(3)
=
=
=
=
C10,0
C10,1
C10,2
C10,3
. (0,60)0 .
. (0,60)1 .
. (0,60)2 .
. (0,60)3 .
(0,40)10 0
(0,40)10 1
(0,40)10 2
(0,40)10 3
= 0,0001
= 0,002
= 0,011
= 0,042
Probabilidade de no mximo 3 serem recuperados:

P (x < 3) = P (0) + P (1) + P(2) + P(3) = 0,0001 + 0,002 + 0,011 + 0,042
P = 0,055 = 5,5%
b) De no mnimo sete dentre 10 carros furtados serem recuperados.
P = 0,60
q = 0,40
n = 10
x>7
x = 7,8,9 e 10
P(7) = C10,7 . (0,60)7 . (0,40)3 = 0,215
P(8) = C10,8 . (0,60)8 . (0,40)2 = 0,121
P(9) = C10,9 . (0,60)9 . (0,40)1 = 0,040
P(10) = C10,10 .(0,60)10. (0,40)0 = 0,006
P( x > 7) = 0,215 + 0,121 + 0,040 + 0,006
P = 0,382= 38,2%
42

4. Uma empresa possui 10% de peas defeituosas. As peas so embaladas em caixas

que contm 12 peas. Calcule a probabilidade de um cliente comprar uma caixa
contendo:
Nenhuma pea defeituosa.
Uma pea defeituosa.
Defeituosa P(D) = 0,1
E: examinar uma pea
Boa P(N) = 0,9
Se convencionarmos D (pea defeituosa) como sucesso, ento no item a teremos a
ocorrncia de sucesso.
P(X = 0) = C12,0 . (0,1)0 . (0,9)12-0 = 0,2824 = 28,24%
No item b, estamos interessados na ocorrncia do 1 sucesso:
P(X = 1) = C12,1 . (0,1)1 . (0,9)12-1 = 0,3766 = 37,66%
5. Uma moeda lanada 4 vezes. Qual a probabilidade de cair cara:

a) uma vez
b) trs vezes
c) pelo menos uma vez
Vamos considerar a probabilidade de sucesso sendo a probabilidade de sair cara, logo p

= e a probabilidade de fracasso sendo a probabilidade de cair coroa, isto , q = 1
q = .
Logo:
A probabilidade de ocorrer um sucesso (cara uma vez) ser:
P(1) = C4,1 . (1/2)1 . (1/2)4-1
P(1) = 0,25 = 25%
A probabilidade de ocorrer trs sucessos (cara trs vezes) ser:
P(3) = C4,3 . (1/2)3 . (1/2)4-3
P(3) = 0,25 = 25%
A probabilidade de ocorrer pelo menos um sucesso (cara pelo menos uma vez) ser:
P(1) + P(2) + P(3) + P(4)
Como,
P(1) + P(2) + P(3) + P(4) = 1 P(0)
e
1 P(0) = 1 [C 4,0 . (1/2)0 . (1/2)4-0]

1 P(0) = 1 0,0625
1 P(0) = 0,9375
43

Ento:
P(1) + P(2) + P(3) + P(4) = 0,9375 = 93,75%
Distribuio Discreta: Distribuio de Poisson

uma distribuio que serve para descrever a probabilidade do nmero de ocorrncia
num campo ou intervalo contnuo (tempo ou espao) de eventos que no ocorrem com
muita frequncia. Somente um valor necessrio para determinar a probabilidade de um
determinado nmero de sucessos, que o nmero mdio de sucessos para a especfica
dimenso de tempo ou espao. A expresso da distribuio de Poisson :
Onde:
= (lambda) nmero mdio de sucessos em um determinado intervalo de tempo ou
espao.
t = intervalo de tempo ou espao contnuo de observaes que se est analisando.
x = nmero de sucessos no intervalo desejado.
e = 2,71828 (base do sistema de logaritmos naturais).
Esta frmula aplica-se a muitas situaes em que podemos esperar um nmero fixo de
sucessos por unidade de tempo ou por qualquer outro tipo de unidade.
A distribuio de Poisson largamente empregada quando se deseja contar o nmero de
eventos de certo tipo, que ocorreu em um intervalo de tempo, ou superfcie, ou volume,
tais como:
nmero de chamadas telefnicas recebidas por uma central telefnica durante um
intervalo de tempo;
nmero de falhas de um computador em um dia de operao.
nmero de relatrios de acidentes enviados a uma companhia de seguros em uma
semana.
Exemplos:
1. Se um banco recebe em mdia 6 cheques sem cobertura por dia, qual a probabilidade
de receber 4 cheques sem cobertura em um dia qualquer?
Temos: = 6 x = 4
Ento:
P(4) = e-6.(6)4 = 0,1339 = 13,39%
4!
2. Se podemos esperar 5,6 imperfeies por pea de um determinado tecido, qual a
probabilidade de uma pea conter 3 imperfeies?
44

Temos: = 5,6
Ento:
x=3
P(3) = e-5,6.(5,6)3 = 0,1082 = 10,82%

3!
3. Uma central telefnica recebe mdia de 5 chamadas por minuto. Qual a probabilidade
de que essa central no receba chamadas durante o intervalo de um minuto?
Temos: = 5
Ento:
x=0
(Nenhuma Chamada)
P(0) = e-5.(5)0 = 0,0067 = 0,67%

0!
4. Em mdia h 2 chamadas por hora num certo telefone. Calcular a probabilidade de se

receber n o mximo 3 chamadas em 2 horas.
Temos: = 2
Ento:
x 3 ento: x = 0,x=1,x= 2,x=3
P(0) = e-2.2.(2.2)0
0!
-2.2
P(1) = e .(2.2)1
1!
-2.2
P(2) = e .(2.2)2
2!
-2.2
P(3) = e .(2.2)3
3!
= 0,0183
= 0,0733
= 0,1465
= 0,1954
P(x 3) = P(0) + P(1) + P(2) + P(3) = 0,4335 = 43,35%
Questes
1) Um exame de mltipla escolha consiste em 10 questes, cada uma com 4 opes. A
aprovao no exame exige do aluno pelo menos nota seis, ou seja, o acerto de pelo
menos seis questes. Qual a chance de aprovao se o aluno nada estudou?
a) aproximadamente 27%
b) aproximadamente 56%
c) aproximadamente 20%
d) aproximadamente 10%
e) aproximadamente 10%
2) Supondo que a probabilidade de um casal ter filhos com olhos verdes de 17%, em
400 famlias com 4 crianas cada uma, quantas se esperaria que tivesse nenhum dos
filhos com olhos verdes?
a) 48 famlias
b) 190 famlias
c) 39 famlias
d) 216 famlias
e) 35 famlias
3) Em uma criao de coelhos, 40% so machos. Qual a probabilidade de que nasam
pelo menos 2 coelhos machos num dia que nasceram 20 coelhos?
45

a) 34,91%
c) 87,32%
b) 62,70%
d) 99,95%
e) 57,98%
4) Numa central telefnica chegam 240 telefonemas por hora. Qual a probabilidade de
que em um minuto haja uma chamada?
a) 13,45%
b) 7,33%
c) 25%
d) 50%
e) 1,2%
5) Uma pizzaria recebe em mdia 8 chamadas por hora. Qual a probabilidade de que, em
uma hora selecionada aleatoriamente, sejam recebidas exatamente 5 chamadas?
a) 9,16%
b) 18,64%
c) 25%
d) 40%
e) 4,67%
6) Um exame de mltipla escolha consiste em 10 questes, cada uma com 4 opes. A
aprovao no exame exige do aluno pelo menos nota seis, ou seja, o acerto de pelo
menos seis questes. Qual a chance de aprovao se o aluno estudou o suficiente para
poder eliminar duas escolhas, devendo escolher entre duas opes.
7) Supondo que a probabilidade de um casal ter filhos com olhos verdes de 17%, em
400 famlias com 4 crianas cada uma, quantas famlias se esperaria que tivesse dois
filhos com olhos verdes.
8) Uma prova tipo teste tem 50 questes. Cada questo tem 5 alternativas. Apenas uma
delas correta. Se o aluno resolve a prova respondendo a esmo as questes, qual a
probabilidade de acertar 50% da prova?
9) Num livro de 800 pginas h 800 erros de impresso. Qual a probabilidade de que uma
pgina contenha pelo menos 3 erros?
10) Numa central telefnica chegam 300 telefonemas por hora. Qual a probabilidade de
que:
Num minuto no haja nenhum chamado.
Em 2 minutos haja 2 chamadas.
Em t minutos no haja chamadas.
11) Suponha que haja 265 erros de pontuao distribudos aleatoriamente em um contrato
comercial de 458 linhas. Encontre a probabilidade de conter em uma dada linha apenas 2
erros.
12) Um a cada cem carros cai num buraco de uma avenida. Se cem carros passarem,
qual a probabilidade de dois carros carem no buraco?
46

Distribuio Contnua: Distribuio Normal:

a mais importante distribuio de probabilidade, sendo aplicada em inmeros
fenmenos e utilizada para o desenvolvimento terico da estatstica. tambm conhecida
como Distribuio de Gauss, Laplace ou Laplace-Gauss.
Caractersticas da distribuio normal:

Curva em forma de sino;
simtrica em relao mdia;
As extremidades tendem ao infinito positivo e negativo (+ e -);
As variveis que esto nas extremidades tm uma probabilidade menor de
ocorrncia;
No toca o eixo das abscissas (eixo horizontal);
A distribuio normal fica delimitada entre a mdia e o desvio padro;
A rea entre dois pontos corresponde a probabilidade do valor de uma varivel
aleatria entre estes dois pontos;
Apresenta um nico pico que a mdia, logo a mdia, a mediana e a moda
apresentam o mesmo valor;
A rea toda sob a curva vale 1 (100%), pois esta rea representa a soma das
probabilidades. Como a curva simtrica, logo cada metade vale 0,5,ou seja,
P(Z > 0) = P(Z < 0);
Outra caracterstica importante da distribuio normal que ela depende apenas
de dois valores ou parmetros que so, na realidade, mdia () e desvio padro
().
Segundo Bruni (2007), os conceitos associados distribuio normal so simples. Em
torno da mdia, valor central, registra-se alta concentrao de frequncias ou
probabilidade de ocorrncia. medida que nos afastamos da mdia, as frequncias so
reduzidas. A probabilidade de encontrarmos valores mais distantes da mdia diminui.
Quanto mais longe da mdia e dos valores centrais, menores frequncias e
probabilidades.
Em todo nosso trabalho com distribuio normal, interessam-nos apenas as reas sob
suas curvas, as chamadas reas sob a curva normal. Como fisicamente impossvel e
tambm desnecessrio construir tabelas separadas de reas sob curvas normais para
todos os pares imaginveis de valores de e , tabelamos essas reas apenas para a
distribuio normal com = 0 e = 1, a chamada Distribuio Normal Padronizada.
47

As tabelas padronizadas apresentam valores para reas situadas sob a curva. Ao invs
de trabalharmos com mdias e desvios padres distintos, calcularemos a chamada
varivel padronizada Z.
Podemos ento, obter reas sob qualquer curva normal fazendo a mudana de escala
que transforma as unidades de medida da escala original em unidades padronizadas,
escores padronizados ou escores z pela frmula:
Onde,
Z = varivel padronizada.
X = varivel normal.
= mdia.
= desvio padro.
Nesta nova escala, a varivel Z apresenta o afastamento em desvios padres de um valor
da varivel original em relao mdia. Um valor de Z nos diz apenas a quantidade de
desvios padres.
Fazendo:
O grfico da distribuio normal se apresenta conforme abaixo:
Iremos utilizar a tabela de Distribuio Normal para encontrarmos os valores de Z. Essa

tabela no d valores correspondentes a valores negativos de Z, os quais so
desnecessrios em virtude da simetria de qualquer curva normal em relao a sua mdia.
Uso da Tabela: exemplos:
1. Calcule a probabilidade da varivel normal padro Z assumir valores entre 0 e 1.
Ento,
P(0 < Z < 1) = 0,3413
48

2. Calcule a probabilidade da varivel normal padro Z assumir valores maiores que 1.
Observe que o valor tabelado na distribuio normal padro valor da rea entre 0 e 1,no
entanto, pela simetria da curva, a rea direita do zero igual a 0,5. Portanto,
P(Z > 1) = 0,5 P(0 < Z < 1)
P(Z > 1) = 0,5 0,3413
P(Z > 1) = 0,1587
3. Calcule a probabilidade da varivel normal padro Z assumir valores entre 2 e 1.

Pela simetria, temos:
P(-2 < Z < -1) = P(1 < Z < 2)

P(Z < 2) P(Z < 1) = 0,4772 - 0,3413
P(-2 < Z < -1) = 0,1359
Nos dois exemplos a seguir, devemos calcular probabilidades usando uma distribuio
normal qualquer. Para isso devemos agora fazer a transformao da varivel x dessa
distribuio para a varivel Z tabelada.
4. Uma varivel aleatria x normal apresenta = 20 (mdia) e = 3 (desvio padro).
Calcular P(20 < x < 23).
- Usando a mudana de varivel obteremos os valores de Z correspondentes aos pontos
20 e 23:
Fazendo,
Temos,
Z1 = x -
Z1 = 0
= 20 20
3
e
Z2 =1
Z2= x -
=23 20
3
P(20 < x < 23) = 0,3413
49

A rea entre os pontos 20 e 23 na distribuio de x a mesma rea entre os pontos 0 e 1

na distribuio de Z.
Desta forma:
P(20 < x < 23) = P(0 < Z < 1).
Este valor obtido consultando-se o valor de Z = 1,00 na tabela, ento:

5. Se uma varivel aleatria tem distribuio normal com =10 e =5,qual a
probabilidade de ela assumir um valor no intervalo de 12 a 15?
Fazendo,
Temos,
Z1 = x -
Z1 = 0,40
= 12 10
5
e
Z2= x -
= 15 - 10
5
Z2 =1
A rea entre os pontos 12 e 15 na distribuio de x a mesma rea entre os pontos 0,40

e 1 na distribuio de Z.
Desta forma:
P(12 < x < 15) = P(0,40 < Z < 1).
Este valor obtido consultando-se o valor de Z = 0,40 e Z = 1,00 na tabela, ento:

P(12 < x < 15) = P(0,40 <x < 1,00) = 0,3413 0,1554 = 0,1859
Questes
1) Calcular a probabilidade de a varivel normal padro assumir valores entre 100 e
106,ou seja, P (100 < x < 106), sabendo que = 100 e = 5.
a) 0,3849
b) 0,4032
c) 0,4192
d) 0,4332
2) Calcular a probabilidade de a varivel normal padro assumir valores entre 89 e 107,ou

seja, P (89 < x < 107), sabendo que = 100 e = 5.
50

a) 0,4192
b) 0,9053
c) 0,4861
d) 0,4207
e) 0,4222
3) Calcular a probabilidade de a varivel normal padro assumir valores entre 112 e

116,ou seja, P (112 < x < 116), sabendo que = 100 e = 5.
a) 0,4993
b) 0,4918
c) 0,0075
d) 0,4207
e) 0,4987
4) Calcular a probabilidade de a varivel normal padro assumir valores maiores que
108,ou seja, P (x > 108), sabendo que = 100 e = 5.
a) 0,5
b) 0,4452
c) 0,4463
d) 0,0548
e) 0,4474
5) A distribuio normal a mais importante distribuio de probabilidade, tambm
conhecida como Distribuio de Gauss, Laplace ou Laplace-Gauss. No caracterstica
deste tipo de distribuio:
a) Curva em forma de sino.
b) simtrica em relao mdia.
c) As extremidades tendem ao infinito positivo e negativo (+ e -).
d) As variveis que esto nas extremidades tm uma probabilidade menor de ocorrncia.
e) Toca o eixo das abscissas (eixo horizontal).
51

AMOSTRAGEM INTRODUO
A estatstica nada mais do que
o bom senso expresso em nmeros.
Pierre Simon
Amostragem conceitos
O sucesso de uma anlise estatstica envolve aspectos importantes sobre as
formas de amostragem. Neste sentido, no basta que saibamos descrever
convenientemente os dados de uma amostra e que dominemos perfeitamente as tcnicas
estatsticas para que possamos executar, com xito, um trabalho estatstico completo.
Antes de tudo preciso garantir que a amostra ou amostras que sero usadas sejam
obtidas por processos adequados.
Portanto, extremo cuidado deve ser tomado quanto caracterizao da populao
e ao processo usado para selecionar a amostra, a fim de evitar que os elementos desta
constituam um conjunto com caractersticas fundamentalmente distintas das da
populao.
A busca de informaes a respeito de um fenmeno qualquer necessria para
lastrear as tomadas de decises que envolvem estes fenmenos.
Em particular, quando este fenmeno aleatrio, a busca de informaes
direcionada para estabelecer a forma da distribuio da varivel que descreve o
fenmeno e os parmetros desta distribuio.
H dois processos de abordagem para a soluo deste problema. O primeiro
processo consiste em aplicar um censo, o que identifica diretamente a forma da
distribuio da varivel e seus parmetros. O segundo processo consiste em obter estas
informaes indiretamente, atravs da estimao.
A estimao um processo que consiste em avaliar os parmetros de uma
distribuio atravs de estimadores obtidos de uma amostra, com base no clculo das
probabilidades.
A qualidade de uma estimao depende basicamente da representatividade da
amostra. A representatividade de uma amostra consiste na capacidade de a amostra
reproduzir as caractersticas importantes da populao.
Quando, por algum motivo, a anlise de todos os dados torna-se impossvel,
podemos analisar o todo apenas atravs de parte dele. A estatstica usa como ferramenta
a amostragem que nada mais do que estudar uma populao atravs de sua parte, a
amostra.
Populao ou universo (N)
a totalidade ou conjunto dos itens, objetos ou indivduos que apresentam pelo
menos uma caracterstica comum e observvel e cujo comportamento se quer analisar.
A populao pode ser finita ou infinita. Temos como exemplos de populao finita o
nmero de empregados em uma determinada empresa, o nmero de carros em um ptio,
bois em um pasto.
A populao chamada infinita aquela que no podemos contar at o final, como o
prprio nome diz, infinita; por exemplo, o nmero de clulas em nosso corpo, a
quantidade de peixes existentes no mar.
Quando os elementos de uma populao puderem ser contados, porm
apresentam uma quantidade muito grande, admite-se que temos uma populao
52

infinita. Por exemplo, o nmero de pessoas que apresentam uma determinada
doena, o nmero de pessoas que entram em um shopping ao longo do ano, gases
lquidos ou slidos como o talco porque as unidades no podem ser identificadas e
contadas.
Amostra (n)
um subconjunto finito de uma populao. a parte da populao selecionada para
anlise.
Exemplo:
O diretor de uma faculdade deseja conduzir uma pesquisa para saber a opinio dos
estudantes sobre a segurana dentro do campus.
Populao: todos os estudantes matriculados.
Amostra: o conjunto de estudantes selecionados aleatoriamente para participar da
pesquisa.
Variveis
So as caractersticas que podem ser observadas (ou medidas) em cada elemento da
populao ou, ainda, um conjunto de resultados possveis de um fenmeno. Por
exemplo, na populao caracterizada pelos funcionrios de uma empresa turstica,
podemos definir variveis como: tempo de servio, idade, estado civil, sexo, etc. A varivel
pode ser:
- Qualitativa
Quando uma caracterstica ou varivel no numrica, quando os valores so expressos
por uma qualidade ou atributo. Exemplo: sexo, cor dos olhos, religio, estado civil, etc.
Uma varivel qualitativa expressa em categutes, por exemplo:
Em sexo: masculino e feminino.
Em cor dos olhos: castanhos, verdes, azuis, pretos.
Em religio: catlica, judaica, protestante.
Em estado civil: casado, solteiro, vivo, divorciado.
Quando os dados so qualitativos o interesse encontrar a quantidade ou proporo de
cada categoria em relao populao, por exemplo, 35% dos alunos do curso tm olhos
castanhos.
- Quantitativa
Quando os valores so expressos por nmeros. Exemplo: idade, salrios, notas de
avaliao, tempo de servio, etc.
A varivel quantitativa pode ser discreta ou contnua.
- Varivel discreta
Assume apenas os valores de um conjunto enumervel. Uma varivel discreta quando
assume apenas valores inteiros. Exemplo: nmero de malas por viajante, nmero de
hospedes em um hotel, nmero de quartos em uma residncia, nmero de passagens de
avio vendidas em um dia.
- Varivel contnua
Assume inmeros valores entre dois limites. Quando a varivel pode assumir
teoricamente qualquer valor em certo intervalo. Exemplo: peso das malas em um
aeroporto, valor da passagem de avio para uma determinada cidade, temperatura de
53

uma determinada regio, durao da bateria de um telefone celular, peso dos alunos de
uma classe.
Censo
Examina todos os elementos de uma populao.
Amostragem
o conjunto de tcnicas utilizadas para a seleo de uma amostra. o processo
de seleo de uma amostra, que possibilita o estudo das caractersticas da populao.
Esta tcnica especial garante, tanto quanto possvel, o acaso na escolha.
Dessa forma, cada elemento da populao passa a ter a mesma chance de ser
escolhido, o que garante amostra o carter de representatividade, e isto muito
importante, pois as concluses relativas populao vo estar baseadas nos resultados
obtidos nas amostras dessa populao.
A amostragem pode ser sem reposio ou com reposio. Na amostragem sem
reposio, usualmente utilizada nos trabalhos estatsticos, as unidades so selecionadas
apenas uma vez, por exemplo, em uma pesquisa de inteno de voto, o eleitor deve ser
ouvido apenas uma vez, porque, em uma eleio, o voto individual.
Na amostragem com reposio, uma unidade pode ser selecionada mais de uma
vez, por exemplo, quando se deseja saber quanto tempo uma pessoa fica na fila de um
banco; a mesma pessoa pode ser observada duas ou mais vezes, a cada vez que retorna
ao banco e entra na fila.
Sempre que possvel, ou melhor, sempre que no for muito trabalhoso,
dispendioso, etc., devemos estudar toda a populao (universo) em uma pesquisa, ou
seja, um censo. Isto porque teremos resultados quase que absolutamente precisos, alm
de dispensar o uso de certos tratamentos estatsticos, por exemplo, Inferncia. Embora
mais caro e demorado, o censo evita o erro da generalizao.
O grande problema que, na grande maioria dos casos, impossvel o uso dessa
tcnica por ser impossvel ou muito difcil (pouco operacional, dispendioso, demandando
tempo, etc.), atingir o total da populao.
Em um trabalho estatstico, quando isso ocorrer, devemos justificar porque no
usarmos a pesquisa por Universo ou pesquisa Censitria. Somente depois, devemos usar
outra tcnica, uma vez que a primeira mais precisa.
Justifica-se o uso da amostragem em diversas situaes quando estamos
trabalhando com populaes infinitas, quando se faz testes destrutivos (so testes nos
quais aps examinados, os itens so destrudos no ato do experimento), quando h
necessidade de informaes rpidas ou mesmo quando temos uma populao finita, mas
muito numerosa.
Classificao das Amostragens
- Amostragem Probabilstica
A amostragem ser probabilstica se todos os elementos da populao tiverem
probabilidade conhecida e diferente de zero de pertencer amostra.
- Amostragem No Probabilstica
Este tipo de amostragem no permite o controle da variabilidade amostral. Neste
caso, a probabilidade de seleo da amostra desconhecida para alguns ou todos os
elementos da populao, podendo alguns elementos ter probabilidade nula de pertencer
amostra, por exemplo, pessoas se oferecem voluntariamente para fazer parte de uma
amostra.
54

As amostragens probabilsticas subdividem-se em:
- Amostragem Aleatria Simples (com e sem reposio)
Todos os elementos da populao tm a mesma probabilidade de serem
selecionados. Para se obter uma amostra aleatria simples caso a populao seja finita,
podemos atribuir a cada elemento um nmero. Fichas com esses nmeros podem ser
misturadas em uma urna. O sorteio das fichas identifica os elementos que devero
participar da amostra, garantindo a mesma chance para cada um deles.
Dois mtodos bsicos podem ser utilizados para selecionar a amostra. A amostra
pode ser obtida com reposio ou sem reposio da populao finita.
Quando se realiza amostragem com reposio, a chance de que um membro da
populao seja selecionado na primeira retirada de 1/N . Aps a recolocao da ficha na
urna, a chance de cada membro da populao ser selecionado (inclusive o que saiu na
primeira retirada) 1/N. Assim, ao realizar amostragem com reposio, cada indivduo, em
cada retirada, ter sempre a mesma chance 1/N de ser selecionado.
Quando se realiza amostragem sem reposio, a chance de qualquer membro da
populao ser selecionado na primeira retirada 1/N . Como esta ficha no recolocada na
urna, a chance de qualquer membro da populao restante ser selecionado na segunda
retirada 1/N-1 e assim por diante, at que seja obtida a amostra de tamanho n.
- Amostragem Sistemtica
Quando se conhece uma listagem dos elementos da populao, podemos obter
uma amostra aleatria de n elementos dividindo-se o nmero de elementos da populao
pelo tamanho da amostra. Usando o nmero inteiro mais prximo anterior a esse
resultado, selecionamos os elementos da lista que ocorrem com esta periodicidade. Por
exemplo, se temos uma populao composta por 100 elementos e queremos retirar 20
elementos para amostra, o intervalo de seleo ser de 100/20 = 5,ou seja, a cada 5
elementos retira-se um para compor a amostra.
Como outros exemplos, temos o caso de um processo de auditoria em notas fiscais
de uma empresa. Como as notas fiscais so numeradas, a escolha de uma amostra pode
ser feita de maneira sistemtica, selecionar notas fiscais cuja numerao tem a unidade 5
(05,15,25,35,etc.) ou, ainda, selecionar cada 20 nome de uma lista, cada 50 pea que
sai de uma linha de montagem.
Pode-se introduzir um elemento de aleatoriedade neste tipo de amostragem,
utilizando-se a tabela de nmeros aleatrios (tambm conhecida como tabela de dgitos
pseudoaleatrios) para escolher a unidade de partida.
- Amostragem Estratificada
Pode ocorrer que a populao seja formada por subgrupos diferentes, mas cada
um deles, homogneo. Neste caso, seleciona-se aleatoriamente uma quantidade de cada
grupo para formar a amostra, proporcional ao tamanho deste grupo.
o caso em que estamos interessados na seleo de uma amostra para avaliar
um parmetro cujo valor seja estvel nos grupos com a mesma faixa de renda. Deste
modo, podemos dividir a populao em trs estratos: renda alta, mdia e baixa e proceder
a amostragem estratificada.
Esta amostragem prope a diviso da populao em subgrupos homogneos. Por
exemplo, pode-se estratificar uma populao por escolaridade, faixa etria, renda mensal,
etc. Exemplo: pesquisa entre pessoas de classes diferentes.
55

- Amostragem por Conglomerado
Esta amostragem prope a diviso em subgrupos heterogneos. Em algumas
situaes, podemos identificar um grupo de elementos que tenha aproximadamente a
mesma composio de populao. Neste caso, pode ser interessante realizar a
amostragem usando somente os elementos desse grupo. Exemplo: algumas empresas,
quando pretendem avaliar a aceitao de um produto no eixo Rio-So Paulo, lanam o
produto em Curitiba, cuja populao se comporta como uma miniatura desse mercado.
A Amostragem por Conglomerado subdividida em:
- Amostragem Intencional
Ocorre quando o pesquisador seleciona intencionalmente os componentes da amostra.
- Amostragem Voluntria
Ocorre quando o componente da populao se oferece voluntariamente para participar da
amostra, independente do julgamento do pesquisador.
Questes
1) Analise as assertivas a seguir quanto definio de amostra.
I. uma populao infinita.
II. uma populao que contm apenas variveis contnuas.
III. a parte da populao selecionada para anlise.
IV. uma populao finita.
Em relao anlise feita podemos afirmar que:
a) I e II esto corretas.
b) II e III esto corretas.
c) Apenas a III est correta.
d) Apenas a IV est correta.
e) Todas as assertivas esto corretas.
2) O que so variveis qualitativas?
a) Quando os valores da varivel so expressos por uma qualidade ou atributo.
b) Assume apenas os valores de um conjunto enumervel.
c) o conjunto de tcnicas utilizadas para a seleo de uma amostra.
d) Quando os valores so expressos por nmeros.
e) Quando so uma parte da amostra.
3) O que um Censo?
a) o conjunto de tcnicas utilizadas para a seleo de uma amostra.
b) um subconjunto finito de uma populao.
c) So as caractersticas que podem ser observadas ou medidas.
d) Quando se examina todos os elementos de uma populao.
e) Quando se extrai parte da populao para estudo.
4) O que so variveis discretas?
a) So variveis que podem assumir qualquer valor em certo intervalo.
b) So variveis que assumem apenas valores inteiros.
56

c) So as caractersticas que podem ser observadas.
d) So tcnicas utilizadas para a seleo de uma amostra.
e) Quando so parte da populao.
5) Correlacione a coluna 1,com a coluna 2.
COLUNA 1
COLUNA 2
Amostragem
Todos os elementos da populao tm a mesma
1
probabilstica
probabilidade de serem selecionados.
Se todos os elementos da populao tiverem
Amostragem
2
probabilidade conhecida e diferente de zero de pertencer
Estratificada
amostra.
Amostragem
Esta amostragem prope a diviso da populao em
3
Aleatria
subgrupos homogneos.
Simples
Amostragem
Este tipo de amostragem utiliza a tabela de nmeros
por
aleatrios para escolher a unidade de partida.
4
Conglomerad
o
Amostragem
Esta amostragem prope a diviso em subgrupos
5
Voluntria
heterogneos.
Ocorre quando o componente da populao se oferece
Amostragem
6
voluntariamente para participar da amostra, independente
Sistemtica
do julgamento do pesquisador.
A sequncia correta de cima para baixo :
a) 5,4,3,2,1,6
b) 1,2,3,4,5,6
c) 3,2,1,4,5,6
d) 3,1,2,6,4,5
e) 4,5,6,2,3,1
AMOSTRAGEM E ESTIMAO
Nem sempre possvel estudar todo um grupo para obter informaes sobre ele. Porm
para facilitar esse trabalho a estatstica inferencial proporciona informaes sobre uma
populao com base nos elementos amostrais. Desta forma, conheceremos um grande
grupo a partir do estudo do pequeno grupo.
Para estudarmos a estatstica inferencial, devemos conhecer e relembrar alguns
conceitos e definies que so: mtodos, mtodos estatsticos, estatstica inferencial e
populao e amostra.
MTODO
um meio mais eficaz para atingir determinada meta. Mtodo um conjunto de meios
dispostos convenientemente para se chegar a um fim que se deseja.
MTODOS CIENTFICOS
57

No passado, alguns conhecimentos foram obtidos ao longo do tempo, por acaso, outros
derivaram da necessidade prticas, sem aplicao de metodologias.
Hoje, quase todo acrscimo de conhecimento resulta da observao e do estudo, mesmo
que essa observao tenha comeado por acaso. Existe um desenvolvimento dos
processos cientficos e de seu estudo para obteno do conhecimento. dividido em
mtodo experimental e 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.
Muitas vezes temos necessidade de descobrir fatos em um campo em que o mtodo
experimental no se aplica j que os vrios fatores que afetam o fenmeno em estudo
no podem permanecer constantes enquanto fazemos variar a causa que, naquele
momento, nos interessa.
Por exemplo, 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.
Estatstica Indutiva ou Inferencial
Tambm chamada como a medida da incerteza ou mtodo que se fundamenta na teoria
da probabilidade. A anlise e a interpretao dos dados, associado a uma margem de
incerteza, ficam a cargo da estatstica inferencial.
A estatstica tem como objetivo o estudo dos fenmenos coletivos e de fatos sociais.
POPULAO E AMOSTRA
Populao o conjunto de todos os itens (pessoas, coisas, objetos) que
interessam ao estudo de um fenmeno coletivo segundo alguma caracterstica.
Amostra qualquer subconjunto no vazio de uma populao.
Uma caracterstica numrica estabelecida para toda uma populao denominada
Parmetro.
A amostragem o estudo dos processos de anlise de parte representativa de um
todo com o objetivo de generalizao. Nesse caso a amostra deve possuir as mesmas
propores de todas as caractersticas do todo a que se refere.
O segredo de um estudo bem feito consiste na representatividade da amostra em
relao ao todo. A amostra deve ser probabilstica.
Para que a amostra venha a espelhar o mximo possvel da populao, ela deve
ser representativa. Para isso, os elementos devem ser escolhidos sem que haja qualquer
ponto de parcialidade na escolha dos dados formadores da amostra.
Comparao entre Estatstica e Parmetros
Quando estamos trabalhando com dados provenientes de uma amostra, podemos
calcular algumas estatsticas, que so caracterizaes da amostra. Logo, estatstica
uma funo dos dados da amostra X 1,X2,X3, Xn. Por sua vez, os parmetros
caracterizam a populao.
58

Estimador ou Estimao
O processo de induo que se pretende realizar sobre uma populao pode ser feito a
partir de uma amostra, de duas maneiras:
Estimao
o processo que usa os resultados extrados da amostra para produzir inferncias sobre
a populao da qual foi extrada, aleatoriamente, a amostra.
Existem dois tipos de estimao:
Estimao por ponto: quando, a partir da amostra, procura-se obter um nico valor de
certo parmetro populacional. Por exemplo, a mdia amostral uma estatstica usada
para fazer uma estimao por ponto da mdia populacional.
Estimao por intervalo: quando a partir da amostra procura-se construir um intervalo
de variao com certa probabilidade de conter o verdadeiro parmetro populacional. Por
exemplo, podemos obter um intervalo que contenha a varincia populacional com 90% de
probabilidade, a partir da varincia amostral.
Teste de hiptese
o processo que usa os resultados extrados da amostra para testar valores de
certos parmetros da populao (testes paramtricos) ou para testar a natureza da
distribuio da populao (testes no paramtricos ou de aderncia). Por exemplo, testar
se a mdia de uma populao 1 conhecendo-se a mdia amostral extrada de certa
amostra (teste paramtrico) ou testar se o nmero de defeitos de um tipo de aparelho
eletrnico produzido em srie numa linha de montagem uma varivel que se comporta
segundo uma distribuio de Poisson (teste no paramtrico).
Estimar a ao de fazer uma suposio generalizada a respeito de um todo
baseado em informaes lgicas.
Os Parmetros so uma funo do conjunto de valores da populao, tal como as
estatsticas mdia aritmtica e varincia, desde que calculadas diretamente com os
dados obtidos na populao.
Estimativa o valor assumido pelo parmetro em determinada amostra.
Hiptese Estatstica:
Uma hiptese estatstica uma afirmao ou conjectura sobre um parmetro ou
parmetros de uma populao; pode tambm se referir ao tipo ou natureza da populao.
So exemplos de hipteses estatsticas:
A proporo de crianas do sexo masculino em determinada localidade nos ltimos 5
anos 0, 5, isto p = 0,5.
A altura mdia do brasileiro 1,68 m, isto = 1,68 m.
Teste de Hiptese:
59

A finalidade do teste de hiptese avaliar afirmaes sobre valores de parmetros
populacionais.
Um dos problemas a serem resolvidos pela Inferncia estatstica o de testar uma
hiptese. Isto , feito uma determinada afirmao sobre a populao, usualmente
sobre um parmetro desta, desejamos saber se os resultados de uma amostra
contrariam ou no tal afirmao.
Muitas vezes esta afirmao sobre a populao derivada de teorias
desenvolvidas no campo substantivo do conhecimento. A adequao ou no dessa
teoria ao universo real pode ser verificada ou refutada pela amostra.
O objetivo do teste estatstico fornecer ferramentas que nos permitam validar ou
refutar uma hiptese (estatstica) atravs dos resultados da amostra.
Por exemplo, de acordo com determinada literatura consultada pelos
pesquisadores, a probabilidade de um indivduo do sexo feminino contrair rubola
9%. Quer-se saber se esta mesma proporo verificada entre as mulheres de
Salvador. Para chegar a alguma concluso seria necessrio fazer um teste de
hipteses cujo procedimento conheceremos a seguir.
Metodologia:
Em um teste de hiptese, principiamos com um valor suposto (hipottico) de um
parmetro da populao.
Depois de coletar uma amostra aleatria, comparamos a estatstica da amostra, tal como
a mdia amostral ( X ), com o parmetro suposto, tal como a mdia populacional
hipottica ().
Ento, ou aceitamos ou rejeitamos o valor hipottico como sendo correto.
O valor hipottico rejeitado somente se o resultado da amostra for claramente
improvvel de ocorrer quando a hiptese for verdadeira.
Exemplo:
Um gerente de produo est preocupado em avaliar se o processo de
abastecimento de caixas de cereais est funcionando de modo a assegurar que na mdia,
a quantidade apropriada de cereal ( isto , 368 gramas) est sendo colocada em cada
caixa.
Ele decide selecionar uma amostra aleatria de 25 caixas, do processo de
abastecimento e examinar seus pesos, a fim de determinar quo prximo cada uma delas
est da especificao da empresa, fixada em uma mdia de 368 gramas por caixa.
O gerente de produo espera descobrir que o processo est operando de maneira
apropriada. No entanto, ele pode descobrir que as caixas da amostra pesam pouco ou
talvez muito; ele pode ento decidir suspender o processo de produo, at que o motivo
da falha em atender ao peso especificado de 368 gramas seja identificado.
Analisando as diferenas entre os pesos obtidos a partir da amostra e a expectativa de
368 gramas obtida a partir das especificaes da empresa, pode ser tomada uma
deciso, com base nas informaes dessa amostra, e pode-se chegar a uma das duas
concluses a seguir:
O contedo mdio, no processo como um todo, de 368 gramas. Nenhuma ao
corretiva necessria.
O contedo mdio no igual a 368 gramas; ele menor ou maior do que 368 gramas.
Aes corretivas so necessrias.
60

Hiptese Nula e Hiptese Alternativa:

O teste de hipteses se inicia com alguma teoria, demanda ou afirmativa sobre
determinado parmetro de uma populao.
Para fins de anlise estatstica, o gerente de produo escolhe, como hiptese
inicial, que o processo est sob controle, isto , a mdia de contedo de cereais
igual a 368 gramas e nehuma ao corretiva necessria.
A hiptese de que o parmetro da populao seja igual especificao da
empresa identificada como hiptese nula.
Uma hiptese nula sempre correspondente ao status quo ou a nehuma
diferena. Frequentemente identificamos a hiptese nula pelo smbolo H0.
Nosso gerente de produo estabeleceria como sua hiptese nula que o processo
de abastecimento est sob controle e operando de maneira apropriada, que a
mdia aritmtica de abastecimento igual especificao de 368 gramas. Isso
pode ser expresso do seguinte modo:
H0 : = 368
Notemos que, embora o gerente de produo s disponha de informaes da
amostra, a hiptese nula escrita em termos do parmetro da populao. Isso
ocorre porque ele est interessado em todo o processo de abastecimento, isto , (a
populao de) todas as caixas de cereais sendo abastecidas. A estatstica da
amostra ser utilizada para fazer inferncias sobre o processo de abastecimento
como um todo.
Sempre que especificamos uma hiptese nula, tambm precisamos especificar
uma hiptese alternativa, ou uma hiptese que deva ser verdadeira caso a
hiptese nula seja considerada falsa.
A hiptese alternativa ( H1 ) o oposto da hiptese nula (H0 ). Para nosso gerente
de produo, isto afirmado da seguinte maneira:
H1 : 368
A hiptese alternativa representa a concluso qual se chegaria se houvesse
evidncia suficiente, a partir de informaes da amostra, para decidir que a
hiptese nula provavelmente no seria verdadeira, e poderamos, portanto, rejeitla.
Em nosso exemplo, se os pesos das caixas da amostra fossem suficientemente
superiores ou inferiores mdia esperada de 368 gramas, especificada pela
empresa, o gerente de produo rejeitaria a hiptese nula em prol da hiptese
alternativa de que a quantidade mdia seria diferente de 368 gramas. Ele
paralisaria o processo de produo e tomaria qualquer medida necessria para
corrigir o problema.
Para resumir, temos aqui alguns pontos-chave:
A hiptese nula ( H0 ) a hiptese que sempre testada.
A hiptese alternativa ( H1 ) desenvolvida como o oposto da hiptese nula.
61

A hiptese nula sempre se refere a um valor especificado do parmetro da
populao ( tal como ) e no da estatstica da amostra ( tal como X ).
A afirmativa da hiptese nula sempre contm um sinal de igualdade com relao ao
valor do parmetro especificado ( isto , H0 : = 368 ).
A afirmativa da hiptese alternativa nunca contm um sinal de igualdade com
relao ao valor do parmetro especificado ( isto , H 1 : 368 ).
O Valor Crtico da Estatstica de Teste:
possvel desenvolver a lgica que existe por trs da metodologia observando o modo
como podemos determinar, com base somente em informaes da amostra, a
possibilidade da hiptese nula.
Nosso gerente de produo declarou como sua hiptese nula que a quantidade mdia de
cereal por caixa, ao longo de todo o processo de abastecimento igual a 368 gramas
(isto , o parmetro da populao especificado pela empresa).
Ele ento coletou uma amostra de caixas do processo de abastecimento, pesou cada
caixa e calculou a mdia aritmtica da amostra.
Se, por exemplo, a mdia aritmtica da amostra fosse 367,6 gramas, estaramos
inclinados a concluir que a mdia da populao no se teria modificado (isto , =
368), uma vez que a mdia aritmtica da amostra estaria bem prxima do valor da
hiptese de 368.
Por outro lado, se houvesse grande discrepncia entre o valor da estatstica e seu
correspondente parmetro de hiptese, nosso instinto seria concluir que a hiptese
nula no seria plausvel ou provvel de ser verdadeira. Por exemplo, se a mdia da
amostra fosse 320 gramas, concluiramos que a mdia no seria 368 (isto 368),
uma vez que a mdia aritmtica da amostra estaria muito distante do valor da hiptese
de 368. Neste caso poderamos rejeitar a hiptese nula.
Em qualquer uma das situaes, nossa deciso seria tomada em funo de acreditarmos
que, amostras selecionadas de modo aleatrio so verdadeiramente representativas
das populaes a partir das quais elas foram extradas.
O processo de deciso no to simples e claro e no pode ser submetido ao julgamento
subjetivo no que diz respeito muito prximo ou muito diferente.Seria arbitrrio se
determinssemos o que significa muito prximo ou muito diferente sem utilizar
definies operacionais.
A metodologia de teste de hipteses oferece definies operacionais com o objetivo de
avaliar tais diferenas.
Isto alcanado atravs do clculo da estatstica do teste. A estatstica do teste uma
estatstica amostral, usada para tomar uma deciso em relao hiptese nula. Uma
vez que a distribuio da amostra para a estatstica do teste freqentemente segue
uma distribuio conhecida como a distribuio normal ou distribuio t, podemos
utilizar essas distribuies para determinar a possibilidade de uma hiptese nula ser
verdadeira.
Estabeleceremos assim o valor crtico da estatstica do teste. Pode existir um ou dois
valores crticos, dependendo do tipo de teste efetuado, unilateral ou bilateral. Em
ambos os casos, um valor crtico identifica o valor da estatstica de teste necessrio
para rejeitar a hiptese nula.
Regies de Rejeio e de No-Rejeio (Aceitao):
62

A distribuio de amostragem da estatstica do teste divide-se em duas regies, a
regio de rejeio (s vezes chamada de regio crtica) e a regio de aceitao (
no- rejeio).
Se a estatstica do teste cair na regio de aceitao, a hiptese nula no pode ser
rejeitada. No nosso exemplo, o gerente de produo concluiria que a quantidade
de abastecimento no foi modificada durante o processo.
Se a estatstica do teste cair em uma regio de rejeio, a hiptese nula ser
rejeitada. Neste caso, o gerente de produo concluiria que a mdia aritmtica da
populao no igual a 368 gramas.
Pode-se considerar que a regio de rejeio consiste em valores da estatstica do
teste que so improvveis de ocorrer se a hiptese nula for verdadeira. Por outro
lado, esses valores no so to improvveis de ocorrer se a hiptese nula for falsa.
Portanto, se observarmos um valor da estatstica do teste que caia nessa regio de
rejeio, rejeitamos a hiptese nula uma vez que aquele valor seria improvvel
caso a hiptese nula fosse verdadeira.
Para tomar uma deciso com referncia hiptese nula, devemos primeiramente
determinar o valor crtico da estatstica do teste. O valor crtico separa a regio de
aceitao da regio de rejeio.
A determinao desse valor crtico depende do tamanho da regio de rejeio. O
tamanho da regio de rejeio est diretamente relacionado com os riscos
envolvidos em se utilizar somente evidncias da amostra para tomar decises
sobre um parmetro da populao.
Teste de Hipteses para a mdia utilizando a Distribuio Normal (Z):
A distribuio normal de probabilidade pode ser utilizada para testar um valor
hipottico da mdia da populao quando n 30 ou quando n < 30 no caso da populao
ser normalmente distribuda e ser conhecido.
Retornando ao nosso exemplo inicial, o gerente da fbrica de cereais deseja
determinar se o processo de abastecimento por caixa, ao longo de todo o processo de
abastecimento permanece dentro dos 368 gramas especificados e que nenhuma ao
corretiva necessria. Para isso ele planeja pegar uma amostra de 25 caixas, pesar cada
uma e ento avaliar a diferena entre a estatstica da amostra e o parmetro da
populao da hiptese, comparando a mdia aritmtica do peso da amostra com a mdia
aritmtica especificada pela empresa. Para esse processo, as hipteses nula e alternativa
so:
H0 : = 368
H1 : 368
Se admitirmos que o desvio padro conhecido, ento a distribuio de
amostragem da mdia aritmtica seguiria a distribuio normal e a estatstica do teste z
seria:
Z=X-
n
63

Nesta frmula, o numerador mede a distncia a que a mdia aritmtica da amostra X est
da mdia aritmtica da hiptese . O denominador o erro padro da mdia aritmtica de
modo que Z representa quantos desvios padres X est distante de . Se o gerente de
produo decidisse escolher um nvel de significncia de 0,05, o tamanho da regio de
rejeio seria de 0,05 e os valores crticos da distribuio normal poderiam ser
determinados. Esses valores crticos podem ser expressos em unidades de desvio
padro.
Portanto com 5% de significncia, ou seja 95% de confiana temos uma rea da
distribuio normal de 0,475 entre a mdia aritmtica e cada valor crtico. Analisando esta
rea na distribuio normal temos que os valores crticos que dividem as regies de
rejeio e no rejeio so + 1,96 e 1,96.
Suponha que a amostra de 25 caixas de cereais indicasse uma mdia aritmtica da
amostra (X) de 372,5 gramas e desvio padro da populao = 15 gramas, conforme
especificou a empresa. Teramos ento:
Z=
X-
Z = 372,5 - 368
15
25
Z = +1,50
Uma vez que z = +1,50, vemos que 1,96<+1,50<+1,96. Assim sendo, nossa deciso
no rejeitar H0. Concluiramos que a mdia de contedo seria 368 gramas. Como
alternativa, para levar em conta a possibilidade de um erro do tipo II, poderamos
sintetizar nossa deciso em uma frase como no h evidncias de que a mdia do
contedo seja diferente de 368 gramas.
Resumindo os passos do teste de hipteses para nosso exemplo:
1. Formular a hiptese nula H0 e hiptese alternativa H1.:
As hipteses nula e alternativa devem ser declaradas em termos estatsticos. Ao se
testar se a quantidade mdia abastecida era de 368 gramas, a hiptese nula era de que
era igual a 368 e a hiptese alternativa era de que a no era igual a 368 gramas.
2. Escolher o nvel de significncia :
O nvel de significncia especificado de acordo com a importncia relativa dos riscos
de se cometer erro do tipo I e do tipo II no problema. Escolhemos neste caso = 0,05.
3. Escolher a estatstica de teste a ser utilizada (distribuio adequada t ou z):
Se n 30 ou n < 30, populao normalmente distribuda e conhecido, utilizaremos a
distribuio normal z como estatstica de teste. Se n< 30, populao normalmente
distribuda e desconhecido, utilizaremos student como estatstica de teste.
64

4. Desenvolver os valores crticos que dividem as regies de rejeio e de no-rejeio:

Os valores crticos das regies de rejeio e no-rejeio so determinados atravs da
estatstica de teste.No nosso exemplo, os valores de +1,96 e 1,96 foram utilizados para
definir estas regies, uma vez que a estatstica do teste Z se refere distribuio normal
padro.
5. Coletar os dados e calcular o valor da amostra da estatstica de teste apropriada:
Os dados so coletados e o valor da estatstica do teste calculado. Neste caso, X =
372,5 gramas, de modo que z = + 1,50.
6. Determinar se a estatstica do teste se encontra includa na regio de rejeio ou de
no rejeio:
O valor calculado da estatstica do teste comparado com os valores crticos para a
distribuio de amostragem apropriada, para determinar se ele est contido na regio de
rejeio ou na regio de no rejeio. Neste caso, z = + 1,50, estava contido na regio de
no rejeio uma vez que 1,96 < 1,50 < + 1,96.
7. Tomar a deciso estatstica e expressar tal deciso em termos do problema:
Rejeitar a hiptese nula se a estatstica de teste exceder os valores crticos, caso
contrrio, aceitar a hiptese nula ou em outras palavras, se a estatstica de teste estiver
contida na regio de no rejeio a hiptese nula no pode ser rejeitada, se a estatstica
de teste estiver contida na regio de rejeio, a hiptese nula rejeitada. No nosso
exemplo, a hiptese nula no foi rejeitada.
As consequncias da deciso do teste de hiptese devem ser expressas em termos do
verdadeiro problema envolvido. No nosso exemplo do processo de abastecimento de
cereais, conclumos que no havia evidncias de que a quantidade mdia de cereal em
cada caixa era diferente de 368 gramas.
TESTE BILATERAL E UNILATERAL:
Um teste bilateral utilizado quando estamos interessados em possveis desvios
em ambas as direes, a partir do valor hipottico da mdia.No caso do teste bilateral
existem duas regies de rejeio. A frmula geral para se encontrar os valores crticos em
um teste bilateral :
0 z x
Um teste unilateral apropriado quando estamos interessados em possveis
desvios em apenas uma direo, a partir do valor hipottico da mdia.Existe apenas uma
regio de rejeio em um teste unilateral. A regio de rejeio de um teste unilateral
encontra-se sempre na cauda que representa apoio para a hiptese alternativa. Tal como
para um teste bilateral, o valor crtico pode ser determinado em termos de um valor de z.
Contudo, os valores crticos para testes unilaterais diferem dos de testes bilaterais porque
a dada proporo de rea encontra-se toda em uma cauda da distribuio. A frmula geral
para estabelecer o valor crtico da mdia da amostra para um teste unilateral :
0 + z x
65

Observe que z pode ter valor negativo, dando como resultado uma subtrao do
segundo termo.
A tabela abaixo apresenta valores de z necessrios para testes unilaterais e bilaterais:
Nvel de significncia
Teste unilateral
Teste bilateral
5%
+1,65 ( ou 1,65)
1,96
1%
+2,33 ( ou 2,33)
2,58
10%
+1,29 ( ou 1,29)
1,65
Exerccios:
1) Um auditor deseja testar a hiptese de que o valor mdio de todas as contas a receber
em uma determinada empresa R$ 260,00. tomando para tanto uma amostra de n = 36
e calculando a mdia amostral. Ele deseja rejeitar o valor hipottico de R$ 260,00
somente se tal valor for claramente contraditado pela mdia da amostra. Determinar os
valores crticos da mdia da amostra para testar a hiptese a um nvel de significncia de
5%. Sabe-se que valor do desvio padro dos valores das contas a receber = R$
43,00.
2) Para o exemplo anterior, suponha que a mdia da amostra seja X = R$ 240,00.
Determinar se a hiptese nula deve ser aceita ou rejeitada.
3) Neste mesmo exemplo, caso o auditor esteja interessado apenas em saber se a
verdadeira mdia pode ser pelo menos R$ 260,00. Determinar as hipteses nula e
alternativa.
4) Suponha que o auditor comece com a hiptese nula de que o valor mdio de todas as
contas a receber , no mnimo R$ 260,00. Dado que a mdia da amostra R$ 240,00,
testar esta hiptese, com nvel de significncia de 5%, especificando o valor crtico e
rejeitando ou aceitando a hiptese nula.
5) Como no exemplo anterior, a hiptese nula a ser testada que a mdia de todas as
contas a receber , no mnimo, R$ 260,00, e este teste deve ser desenvolvido com nvel
de significncia de 5%. O auditor indica que ele consideraria uma mdia efetiva de R$
240,00 (ou menos) como uma diferena importante do valor hipottico da mdia. O
tamanho da amostra de n = 36 contas e o = R$ 43,00. Determinar as probabilidades
de ocorrer erro tipo I e tipo II.
6) Um fabricante de parafusos para automveis afirma que o dimetro de seus parafusos
de 6mm. Uma amostra de 43 parafusos apresentou uma mdia de 5,8 mm e desvio
padro de 0,2 mm. Assumindo = 4%, o que podemos dizer sobre a afirmao do
fabricante?
7) Uma fbrica anuncia que o ndice de nicotina dos cigarros da marca x apresentou-se
abaixo de 26 mg. Por cigarro. Um laboratrio realiza anlises do ndice obtendo:
28,24,28,22,28,25,28,26,28,26. Sabe-se que o ndice de nicotina dos cigarros da marca x
66

se distribui normalmente com desvio padro de 2,32 mg. Pode-se aceitar a afirmao do
fabricante ao nvel de 5%?
8) Um fabricante de lajotas de cermica introduz um novo material em sua fabricao e
acredita que aumentar a resistncia mdia que de 206 kg. A resistncia das lajotas tem
distribuio normal com desvio padro de 12 kg. Retira-se uma amostra de 30 lajotas,
obtendo mdia de 210 kg. Ao nvel de 10%, pode o fabricante aceitar que a resistncia
mdia de suas lajotas tenha aumentado?
9) Um fabricante de automveis anuncia que seus carros consomem em mdia 11 litros
por 100 km com desvio padro de 0,8 litro. Uma revista decide testar essa afirmao e
analisa 35 carros dessa marca, obtendo 11,4 litros por 100 km. Como consumo mdio.
Admitindo que o consumo tenha distribuio normal, ao nvel de 10% de significncia, o
que a revista concluir sobre o anuncio da fbrica?
10) A altura dos adultos de uma certa cidade tem distribuio normal com mdia de 164
cm e desvio padro de 5,82 cm. Deseja-se saber se as condies sociais desfavorveis
vigentes na parte pobre dessa cidade causam um retardamento no crescimento dessa
populao. Para isso levantou-se uma amostra de 144 adultos dessa parte da cidade,
obtendo-se a mdia de 162 cm. Pode esse resultado indicar que os adultos residentes na
rea so em mdia mais baixos que os demais habitantes da cidade ao nvel de 5%?
67

REGRESSO LINEAR SIMPLES E O MTODO DOS MNIMOS QUADRADOS

A regresso uma tcnica que envolve uma forma de estimao. A anlise da
regresso tem como objetivo estimar numericamente o grau de relao que possa ser
identificado entre populaes com duas ou mais variveis. Mais especificamente, a
anlise da regresso compreende a anlise de dados amostrais para saber se e como
duas variveis esto relacionadas uma com a outra numa populao.
A anlise de regresso tem como resultado uma equao matemtica que descreve o
relacionamento. A equao pode ser usada para estimar ou predizer valores futuros de
uma varivel quando se conhecem ou se supem conhecidos valores da outra varivel.
A regresso d uma equao que descreve o relacionamento entre as variveis em
termos matemticos.
Os dados para anlise de regresso provm de observaes de variveis
emparelhadas. Para um problema de duas variveis, isto significa que cada
observao origina dois valores, um para cada varivel. Por exemplo, um estudo que
envolva caractersticas fsicas pode focalizar a idade e a altura de cada indivduo. As
duas variveis de interesse idade e altura de cada pessoa so ento
emparelhadas. Para um problema com trs variveis, cada observao origina trs
valores. Por exemplo, alm da idade e altura de cada pessoa, podemos incluir tambm
o peso na anlise.
A regresso linear simples constitui uma tentativa de estabelecer uma equao
matemtica linear (linha reta) que descreva o relacionamento entre duas variveis. O
objetivo principal da anlise de regresso predizer o valor de uma varivel (a varivel
dependente) dado que seja conhecido o valor de uma varivel associada (a varivel
independente).
Gera uma equao que descreve o relacionamento entre as variveis em termos
matemticos.
Utiliza a relao entre duas variveis de tal forma que uma varivel pode ser predita a
partir de outra.
Existem diversas situaes em que as equaes de regresso so utilizadas. Uma
delas quando as duas variveis medem aproximadamente a mesma coisa, mas uma
delas relativamente dispendiosa, ou difcil de lidar, enquanto que a outra no. Por
exemplo, a resistncia e a dureza de um metal podem estar relacionadas, de modo que
se conhecendo a dureza podemos estimar a resistncia. A finalidade de uma equao
de regresso estimar valores de uma varivel, com base em valores conhecidos da
outra.
Outra utilizao das equaes de regresso explicar valores de uma varivel em
termos da outra. Isto , podemos suspeitar de uma relao de causa e efeito entre
duas variveis. Por exemplo, um economista pode tentar explicar as variaes na
procura de motocicletas em termos de desemprego. Um agricultor pode suspeitar que a
quantidade de fertilizantes por ele usada tenha influenciado a safra.
68

Uma terceira aplicao da regresso seria predizer valores futuros de uma varivel. Por
exemplo, costuma-se aplicar testes a empregados ou estudantes potenciais para
avaliar o potencial de sucesso na escola ou emprego. Pode-se presumir que haja um
relacionamento matemtico entre o resultado do teste e o potencial futuro.
Alm das equaes lineares, existem outras formas de anlise de regresso, tais como
regresso mltipla (mais de duas variveis) e regresso curvilnea (no linear) que
envolvem extenses dos conceitos utilizados na regresso linear simples.
A Equao Linear
A regresso linear tem como objetivo obter a equao matemtica da reta que ir
representar o melhor relacionamento linear entre as duas variveis. Para isso ir utilizar
a equao linear. Duas importantes caractersticas da equao linear so o coeficiente
angular da reta e a cota da reta em determinado ponto. Uma equao linear tem a
forma y = a + bx, onde a e b so valores que se determinam com base nos dados
amostrais; a a cota da reta em x = 0 e b o coeficiente angular. A varivel y a
varivel que deve ser predita e o x o preditor.
Exemplo: considere a equao linear y = 5 + 3x
y = a + bx
a: coeficiente linear
b: coeficiente angular
x: preditor
y: varivel predita
A reta intercepta o eixo dos y no ponto (0, a), isto , y = a, neste caso no ponto (0,5),
isto , y = 5. Este ponto chamado intercepto-y. O coeficiente angular da reta 3, o
que significa que a cada unidade de variao e x, correspondem 3 unidades de
variao de y.
Podemos usar a equao para determinar valores de y correspondentes a valores de x.
Valor de x
2
3,1
7,2
Valor calculado de y ( y = 5 + 3x)

y = 11
y = 14,3
y = 26,6
Deciso por um Tipo de Relao: Diagrama de disperso

Nem todas as situaes so bem aproximadas por uma funo linear. Uma forma
simples de se verificar colocar os dados em um grfico. O diagrama de disperso
um grfico no qual cada ponto representa um par observado de valores para as
variveis dependente e independente. O valor da varivel independente x
representado no eixo horizontal e o valor da varivel dependente y est mostrado no
eixo vertical.
um grfico em que cada ponto observado representado por um par (X, Y).
Os pares representam os valores das variveis estudadas.
69

Os pontos so marcados num sistema de eixos de coordenadas cartesianas.
Relao linear direta
Relao linear indireta
Relao Curvilnea
No h relao
Observao: Nem toda relao entre duas variveis linear. Os pontos em (b) e (c)
parecem dispor-se segundo um padro linear, o que no ocorre com (a) e (d).
Na regresso, os valores y so preditos com base em valores dados ou
conhecidos de x. A varivel y chamada varivel dependente e a varivel
x varivel independente.
70

Inferncias em Anlise de Regresso
Os dados amostrais usados para calcular uma reta de regresso podem ser encarados
como um nmero relativamente pequeno de observaes possveis provenientes de
uma populao infinita de pares de valores.
Nesse sentido, a reta de regresso calculada pode ser encarada como uma estimativa
da relao real, porm desconhecida, que existe entre as duas variveis da populao.
Logo, os coeficientes de regresso a e b servem como estimativas pontuais dos dois
parmetros populacionais correspondentes, A e B, e a equao y = a + bx uma
estimativa da relao populacional Y = A + Bx.
A figura a seguir ilustra o conceito de uma populao com pares de valores. Note-se
que, mesmo na populao, os valores no se dispem segundo uma nica linha reta,
mas tendem a apresentar certo grau de disperso. De fato, se no houvesse disperso
na populao, todas as observaes amostrais estariam sobre uma reta, e no haveria
necessidade de fazer inferncia quanto aos verdadeiros valores populacionais.
Geralmente, na realidade, h poucos exemplos de populao em que no haja
disperso.
Populao de possveis valores com relao Y = A + Bx.

Por que existe disperso? A resposta est no fato de no existir um relacionamento
perfeito entre as duas variveis na populao. Existem outras variveis que influenciam
os valores da varivel dependente, talvez um nmero grande de outras variveis que
no entram na anlise de regresso.
A anlise de regresso supe que, para cada valor possvel de x, h uma distribuio
de ys potenciais que segue a lei normal. a chamada distribuio condicional (isto ,
dado x). A distribuio condicional equivale a uma fina fatia vertical da populao
tomada em dado valor de x. A mdia de cada distribuio condicional igual ao valor
mdio de y na populao para esse particular x:
Y = A + Bx estimada por y = a + bx.
Assim, as hipteses da anlise de regresso so as seguintes:
- Existem dados de mensuraes tanto para x como para y.
- A varivel dependente aleatria.
- Para cada valor de x h uma distribuio condicional de ys que normal.
(DESTACAR TRECHO ACIMA)
- Os desvios padres de todas as distribuies condicionais so iguais.
Inferncias sobre o Coeficiente Angular da Reta de Regresso

71

Mesmo quando h pouco ou nenhum relacionamento entre as variveis numa

populao, ainda possvel obter valores amostrais que faam as variveis parecerem
relacionadas.
72

A figura a seguir ilustra uma populao em que x e y so no relacionados, tal como
evidenciado pela disposio de pontos no grfico.
Grfico A: populao sem relacionamento entre duas variveis
A prxima figura exibe algumas observaes amostrais possveis da mesma

populao. Notemos que parece de fato haver uma relao, pois podemos facilmente
imaginar uma reta que se ajustaria aos pontos. O que acontece que fatores aleatrios
na amostragem produziram um relacionamento onde nenhum existe.
Grfico B: observaes amostrais hipotticas da populao

tornam aparente uma relao.
Mtodo dos Mnimos Quadrados

o mtodo mais utilizado quando se quer ajustar uma linha reta a um conjunto de
pontos (xi , yi). Esse mtodo permite o ajuste de uma linha reta a quaisquer dados de
duas variveis quantitativas ou intervalares.
Construir um modelo de regresso linear encontrar uma reta que melhor se ajuste
aos pontos plotados no grfico. Esta reta dever se ajustar entre os pontos, de forma
que o somatrio do quadrado das distncias verticais dos pontos existentes para a reta
de regresso seja um mnimo. Desta forma, a reta ter um afastamento mnimo entre
todos os pontos dispersos no grfico. Este mtodo chamado de mtodo dos mnimos
quadrados.
Sua aplicao nos apresenta caractersticas relacionadas com a reta de regresso
obtida:
A soma dos quadrados dos erros ou desvios para a reta de regresso mnima, menor
do que qualquer outra reta de ajuste.
( yi yc )2 mnima
A soma algbrica dos desvios verticais entre o valor da ordenada de cada ponto da
amostra analisada e a correspondente ordenada da reta estimada igual a zero.
( y i yc ) = 0
A reta de regresso passa pelo ponto de coordenadas que correspondem
respectivamente mdia das abscissas x e das ordenadas y, dos pares de dados
(x;y).
73

O mtodo dos mnimos quadrados determina que a e b devem ser obtidos de modo
que:
a= y - bx
n
b =
n ( xy ) - ( x ) ( y )
n ( x2 ) ( x ) 2
Exemplos:
1. Suponha que se tenham obtidos valores para o desempenho (notas) em uma
determinada disciplina e as rendas familiares conforme abaixo.
Vamos determinar se h alguma relao entre o desempenho de um aluno na disciplina

e sua renda familiar, isto , queremos saber se o desempenho escolar depende da
renda famlia. Na regresso, a renda familiar seria a varivel independente (x) e o
desempenho a varivel dependente (y). A equao que descreve esta relao
encontrada a partir do mtodo dos mnimos quadrados conforme segue:
b = n ( xy ) - ( x ) ( y )
= 9 x 523 - 43 x 133 = - 3,8045
n ( x2 ) ( x ) 2
9 x 235 432
a= y - bx
= 133 (- 3,8045) x 43 = 32,954
n
9
Como a equao da reta de ajuste y = a + bx, temos:
y = 32,954 3,8045 x
2. A Receita Federal de certo pas faz dedues de imposto no salrio do trabalhador,

segundo tabela abaixo:
Para ter uma ideia da previso da deduo de imposto em funo do salrio do

trabalhador:
74

Faa um grfico de disperso para avaliar a relao entre as variveis: salrio e
deduo;
y54
32
1 56811
1215x
Encontre a reta dos mnimos quadrados para avaliar, matematicamente, a previso da
deduo em funo do salrio;
Clculo do valor de b:
b = n ( xy ) - ( x ) ( y )
n ( x2 ) ( x ) 2
= 6 x 201,8 - 57 x 17,8 = 0,445

6 x 615 572
Clculo do valor de a:
a= y - bx
= 17,8 0,445 x 57
n
6
= - 1,26
Assim, a equao de mnimos quadrados :
y = - 1,26 + 0,445 x
c) Se o trabalhador tiver um salrio de 10 (mil) unidades monetrias, qual ser o valor

da deduo?
Neste caso temos x = 10, ento:
y = - 1,26 + 0,445 . 10
y = 3,19
75

Questes
1) Qual a finalidade da anlise de regresso?
a) Estudar um fenmeno dentro de uma populao.
b) Analisar dados amostrais para saber se e como duas variveis esto relacionadas
uma com a outra em uma populao.
c) Analisar a probabilidade de ocorrncia de um fenmeno.
d) Encontrar uma equao que represente o fenmeno estudado.
e) Determinar a equao no linear entre as variveis.
2) O que uma equao linear dentro de um modelo de regresso?
a) uma equao que descreve o relacionamento entre as variveis em termos
matemticos.
b) uma tcnica que envolve estimao.
c) uma funo do conjunto de valores de uma amostra.
d) uma equao que mede a fora de relacionamento entre uma varivel dependente
e um conjunto de outras variveis.
e) uma tcnica probabilstica.
3) A tabela a seguir representa os custos de produo de certas quantidades de um
determinado artigo em cinco observaes independentes.
Quantidade
10
20
30
40
50
Custos totais
100
230
270
410
490
A reta dos mnimos quadrados :

a) 18 + 5,2 x b) 12 + 9,6 x c) 23 + 0,5 x
d) 10 + 5,2 x
e) 9,6 + 12 x
4) A tabela a seguir mostra os custos de manuteno por hora classificados por idade
de mquinas em meses. Determinar a reta de regresso:
Idade
(meses)
6
15
24
33
42
Custos
Mdios
9,7
16,5
19,3
19,2
26,9
a) y = 8,48 + 0,41x
d) y = 0,35 + 6,51x
b) y = 0,41 + 8,48x
e) y = 0,41 + 3,40x
c) y = 6,51 + 0,35x
76

5) A administrao de um banco desejava estabelecer um critrio objetivo para avaliar

a eficincia de seus gerentes. Para isto, levantou, para cada um dos subdistritos onde
possua uma agncia, dados a respeito do depsito mensal por agncia e o nmero de
estabelecimentos comerciais nesses subdistritos. Os dados so apresentados na
tabela a seguir.
Subdistrit
os
Nmeros
de
estabeleciment
os
A
B
C
D
E
F
G
H
I
16
30
35
70
90
120
160
237
378
Depsito
mdio
por
agncia
(R$10.000,0
0)
14
16
19
30
31
33
35
43
50
Com base nessas informaes, podemos afirmar que a reta da equao pelo mtodo
dos mnimos quadrados igual a:
a) y = 19,5 + 0,1210x
b) y = 25,3 + 2,5647x
c) y = 12,6 + 0,5982x
d) y = 17,94 + 0,0964x
e) y = 0,0964 + 17,94x
77

CORRELAO COEFICIENTE DE PEARSON

Algumas pessoas usam a estatstica
como um bbado utiliza um poste de iluminao
para servir de apoio e no para iluminar.
Andrew Lang
A correlao serve para medir o grau e o tipo do relacionamento entre as variveis
estudadas. A correlao um mtodo estatstico usado para determinar se h
relacionamento entre duas variveis e em que direo: positiva ou negativa.
A presena de uma correlao pode conduzir-nos a um mtodo para estimar uma
varivel a partir da outra. A correlao existe entre duas variveis quando uma delas
est, de alguma forma, relacionada com a outra, por exemplo, estimar o PESO de
algumas crianas medindo seu COMPRIMENTO. A relao entre a estatstica e a
correlao de extrema importncia, pois a presena de uma correlao acaba por
conduzir a um mtodo que estime uma varivel a partir de outra.
Exemplos:
A idade e a resistncia fsica esto relacionadas?
Pessoas de maior renda tendem a apresentar melhor escolaridade?
A temperatura parece influenciar a taxa de criminalidade?
Problemas como estes se prestam anlise de correlao, um valor que quantifica o
grau de correlao.
Correlao linear Positiva
medida que uma varivel cresce a outra tambm cresce.
Correlao linear Negativa
78

medida que uma varivel cresce a outra decresce.
A correlao mede a fora ou grau de relacionamento entre duas variveis.

Anlise de Correlao
Frequentemente procura-se verificar se existe relao entre duas ou mais variveis.
Uma vez verificada, procura-se descrever uma relao sob a forma matemtica,
atravs de uma funo. A estimao dos parmetros dessa funo matemtica o
objeto de regresso.
H muitos casos em que pode existir um relacionamento entre duas variveis. Por
exemplo, a idade e a resistncia fsica esto relacionadas? Pessoas de maior renda
tendem a apresentar melhor escolaridade? A temperatura parece influenciar a taxa de
criminalidade? Problemas como estes se prestam anlise de correlao, um valor
que quantifica o grau de correlao.
As tcnicas de anlise de correlao e regresso esto intimamente ligadas. A anlise
de correlao d um nmero que resume o grau de relacionamento entre duas
variveis; ela til em trabalhos exploratrios, quando um pesquisador ou analista
procura determinar quais variveis so potencialmente importantes, e o interesse est
basicamente no grau ou fora do relacionamento.
O objetivo do estudo correlacional a determinao da fora do relacionamento entre
duas observaes emparelhadas. O termo correlao significa literalmente
correlacionamento, pois indica at que ponto os valores de uma varivel esto
relacionados com os de outra.
A anlise de correlao utiliza:
- coeficiente de correlao simples: mede a fora ou grau de relacionamento
linear entre duas variveis;
- coeficiente de correlao mltiplo: mede a fora ou grau de relacionamento
entre uma varivel dependente e um conjunto de outras variveis.
Muitos so os coeficientes utilizados no clculo da correlao, porm o mais conhecido
o coeficiente de correlao de Pearson (r), que estuda a medida do grau de relao
linear entre duas variveis quantitativas em que, x representa a varivel independente,
y representa a varivel dependente e n a quantidade de pares de dados envolvidos no
fenmeno.
O Coeficiente r de Pearson
79

O instrumento de medida de correlao linear dado pelo coeficiente de correlao de
Pearson que estuda a medida do grau de relao linear entre duas variveis onde x
representa a varivel independente e y representa a varivel dependente.
O valor do coeficiente de Pearson (r) varia de 1,00 a + 1,00:
- 1,00 r +1,00
Se r estiver prximo de 1, ento os dados esto prximos da reta de ajuste, que

decrescente. Se r estiver prximo de 1, ento os dados esto prximos da reta de
ajuste que crescente. Se r estiver prximo de zero, temos que os dados esto
distantes da reta de ajuste, logo temos uma pssima estimao.
Este coeficiente nos fornece as seguintes informaes:
r varia dentro do intervalo 1 a +1;
r = 0 corresponde a no existncia de correlao;
quanto maior o valor do r maior correlao;
r > 0 corresponde a ambas variveis crescendo juntas;
r < 0 corresponde a uma varivel ficando menor medida que outra fica maior.
a) Disperso positiva fraca coeficiente de Pearson entre 0,3 e 0,6.
b) Disperso positiva forte coeficiente de Pearson maior que 0,6.
c) Disperso positiva perfeita coeficiente de Pearson igual a 1. Quando duas

variveis x e y apresentam comportamentos de afinidade positiva, atravs de uma
relao de proporcionalidade, a correlao entre elas dita perfeita.
80

d) Disperso nula coeficiente de Pearson igual a zero. Representa uma ausncia de

correlao entre duas variveis. Quando duas variveis x e y apresentam
comportamentos sem qualquer afinidade, a correlao entre elas dita nula.
Existe tambm a hiptese da correlao variar no sentido contrrio. Isso implicar em

uma correlao negativa. A seguir os diagramas de disperso que mostram correlao
negativa entre as duas variveis.
a) Disperso negativa fraca coeficiente de Pearson entre -0,6 e -0,3.
b) Disperso negativa forte coeficiente de Pearson menor que -0,6. Se o grau de

afinidade entre as variveis aumenta, mantendo o sentido negativo.
20
40
60
80
c) Disperso negativa perfeita coeficiente de Pearson igual a -1. Quando duas

variveis x e y apresentam comportamentos de afinidade negativa, atravs de uma
relao de proporcionalidade, a correlao entre elas perfeita.
Ou seja:
r prximo de 1: dados prximos da reta de ajuste que decrescente;
r prximo de 1: dados prximos da reta de ajuste que crescente;
r prximo de zero: dados distantes da reta de ajuste pssima estimao;
r = 0 corresponde a no existncia de correlao;
81

Quanto maior o valor do r maior correlao;
r > 0 corresponde a ambas variveis crescendo juntas;
r < 0 corresponde a uma varivel ficando menor medida que outra fica maior.
A frmula utilizada para clculo do coeficiente de Pearson :
n
n xy x y
i 1
i 1
i 1
i 1
i 1
i 1
i 1
[n x 2 ( x ) 2 ][n y 2 ( y ) 2 ]
Exemplos:
1. A tabela a seguir apresenta dados de amostra de alunos referentes ao nmero de
horas de estudo da disciplina de estatstica, fora da aula, bem como as notas obtidas
em uma prova aplicada ao final do curso. Calcular o coeficiente de Pearson (r) e
interpretar seu resultado.
8 x (15.032)
r=
r = 0,8621
8 x 4.902
- (192) x (608 )
(192)2
8 . 47.094 - (608)2
Disperso positiva forte: coeficiente de Pearson maior que 0,6.
2. A tabela mostra as despesas com propaganda e as vendas associadas de

determinado produto. Calcular o coeficiente de correlao linear entre as variveis.
82

40
VENDAS ( $ 100)
35
30
25
20
15
10
2
10
12
14
16
DESPESAS ( $ 100 )
O grfico de disperso indica que, medida que os gastos aumentam, as vendas

aumentam e os dados encontram-se aproximadamente agrupados. Isso sugeriria que
existe forte correlao positiva entre as duas variveis. Para verificar essa suposio
calculase o valor de r.
n
i 1
i 1
i 1
i 1
i 1
[ n x ( x ) ][ n y 2 ( y ) 2 ]
i 1
n xy x y
2
i 1
10(2289) 80 * 255
[10 * 756 80 2 ][10 * 7097 (255) 2 ]
r 0,948
Como r = 0,948 est prximo de +1, ento, existe forte relao positiva entre as duas
variveis.
3. Calcule a correlao entre ganhos salariais e deduo de impostos do exemplo
abaixo:
83

196, 2
196, 2
6 201,8 57 17,8
0,9977 r
441 87,8 196, 77
6 615 3.249 6 67, 44 316,84
uma correlao positiva e fortssima.
Questes
1) Qual a funo do coeficiente de correlao simples?
a) Produzir uma equao que ir descrever o relacionamento entre as variveis em
termos matemticos.
b) Determinar uma equao no linear entre as variveis.
c) Medir o grau de relacionamento linear entre duas variveis.
d) Medir o grau de relacionamento entre uma varivel dependente e um conjunto de
outras variveis.
e) Estimar duas variveis.
2) Qual a finalidade da correlao?
a) Determinar se h relacionamento entre duas variveis e em que direo: positiva ou
negativa.
84

b) Produzir uma equao que ir descrever o relacionamento entre as variveis em
termos matemticos.
c) Determinar uma equao no linear entre as variveis.
d) Estimar duas variveis.
e) Estudar um fenmeno dentro de uma populao.
3) Qual a funo do coeficiente de correlao mltiplo?
a) Medir o grau de relacionamento linear entre duas variveis.
b) Medir o grau de relacionamento entre uma varivel dependente e um conjunto de
outras variveis.
c) Determinar uma equao no linear entre as variveis.
d) Produzir uma equao que ir descrever o relacionamento entre as variveis em
termos matemticos.
e) Estimar duas variveis.
4) O consumo anual per capita de refrigerantes em litros de uma determinada cidade

est representado na tabela a seguir. Qual o valor do Coeficiente de Pearson e o tipo
de disperso apresentado?
Ano
(x)
1
2
3
4
5
6
7
8
Consum
o (y)
65
70
73
77
80
85
84
93
a) 0,3573; positiva forte.

b) 0,5340; positiva perfeita.
c) 0,9840; positiva forte.
d) 0,8120; positiva fraca.
e) 0,7864; positiva forte.
85

5) Certa empresa estudando a variao demanda do seu produto em relao

variao de preo e venda obteve os seguintes resultados:
Venda(x)
41
45
53
59
62
66
Preo(y)
36
33.5
30.7
28
26.6
25.6
Pode-se afirmar que o valor do coeficiente de correlao e a relao entre preo e

venda :
a) - 0,9826; Correlao Forte positiva.
b) - 0,9940; Correlao Moderado.
c) - 0,9964; Correlao Forte negativa.
d) - 0,9992; Correlao Insignificante.
e) - 0,7658; Correlao Fraca negativa.
FORMULRIO: ESTATSTICA DESCRITIVA
h=RK
R = Xmx Xmin
Sturges:
K = 1 + 3,22 log n
n = amostra
X = x
n
X = Lmd+ ( n/2 - f) . h
Fmd
Q1 = LQ1 + (n/4 - f). h

FQ1
Q3 = LQ3+ (3n/4 - f). h
FQ3
Xi = lim. Inf. + lim. Sup.

2
X = xi . Fi
n
Q1 = n/4 Q2 = mediana = n/2 Q3 = 3n/4
Di = i n onde i = 1,2,.....9
10
Pi = i n onde i = 1,2,3,.....55,56....98,99
100
Di = LDi +(in/10 - f ) h
FDi
86

Pi = L Pi + (in/100 - f) h
FPi
Pearson:
Xi Fi (
Xi Fi)
S =
n
n-1
~
Mo 3X 2X
CV= S 100
x
S = S
FORMULRIO: PROBABILIDADE
P (A) 0
P (A) 1
P (S) = 1
P ()= 0
0P1
P (A) = 1 P (A)
P (A) + P (A) = 1
P ( A B ) = P (A) . P (B)
P(AUB) = P(A) + P(B)

P(AUB) = P(A) + P(B) P(AB)
P(A) = n vezes que o evento pode ocorrer

n total de casos
Pn = n!
An,r =
n!
(n r) !
Cn,r
n
r
n!
r! (n-r)!
87

88

89

Apost Estatistica Ee 2013.2 Ok

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Apost Estatistica Ee 2013.2 Ok

Uploaded by

Copyright:

Available Formats

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

Finalmente, a Estatstica tem sido utilizada na pesquisa cientfica, para a otimizao de

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

A estatstica fornece dados para coleta, organizao, descrio, anlise e interpretao

O estudo estatstico inicia-se com o planejamento da pesquisa, ou seja, a organizao

A segunda etapa a coleta de dados, quando sero coletadas as informaes a serem

A anlise dos dados vai indicar como os elementos se distribuem, a variabilidade,

A interpretao dos dados faz as comparaes, estabelecimento de princpios,

Estatstica Descritiva: coleta, organizao e descrio dos dados.

Estatstica Inferencial: analise e interpretao dos dados.

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

Por cento empilhado: Grfico de colunas no qual vrias sries so empilhadas

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

Grfico de barras: as freqncias apresentadas podem ser simples. Um grfico de

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

Grfico Boxplot: Representa a disperso dos dados, revelando a mediana, e os quartis

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

Grfico polar ou radar

Pictogramas: so construdos a partir de representao de um conjunto de figuras.

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

Pergunta 2: Se sim, quantos?

Pergunta 1: Tem filhos?

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

Tabulao de perguntas cruzadas: a tabulao e anlise de duas perguntas

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

Amplitude das Classes (h):

Limite das Classes:

| 12; compreende todos os valores entre 10 inclusive e 12 inclusive.

12; compreende todos os valores entre 10 inclusive e 12 exclusive.

12; compreende todos os valores entre 10 exclusive e 12 exclusive.

| 12; compreende todos os valores entre 10 exclusive e 12 inclusive.

Pontos Mdios das Classes (Xi):

Freqncia Absoluta Acumulada (Fac):

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

Exerccio para ser desenvolvido em aula :

Transformar os dados em rol

Mdia Aritmtica Simples ou Mdia de dados no agrupados:

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

Xi = Lim. Inf. + Lim. Sup.

Mediana: divide a srie em duas partes iguais

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

LMd = limite inferior da classe Md

n/2 = 54/2 = 27 elemento

27 elemento (classe Md)

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

Q1 = n = 176 = 44 elem. (3. Classe)

Q3 = 3n = 3.176 = 132 elem. (4. Classe)

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

D6 = i.n = 6. 176 = 105,6 elem. (4. Classe) D6 = 70 + (105,6 - 91) . 20

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

Para P10 temos:

P10 =i . n = 10 . 176 = 17,6 elem. (2. Classe)

Medidas de Disperso ou de Variabilidade:

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA

Clculo do Desvio Padro:

UNIME - UNIO METROPOLITANA DE EDUCAO E CULTURA