Ji) A SARAIVA tem livros profissionais, feitos por profissionais... +. mas a didatica é para estudantes. 5 / Wibbattistica Yz<<€ Antonio Amot Ciespo Anténio Arnot Crespo HStatistica Licc€“X waLiovEta Anténio Arnot Crespo Matemétiea lado em Pedagogia Professor de Matemétiea do rede publica de ensino do estado de S80 Paulo Estatistica batec€ © UBER ii 18* edigo — 2002 3* tiragem — 2004 Por raz6es praticas, suprimimos os centavos.ISBN 85.02.02056.0 ISBN 85-02-02055-2 (Livro do Professor) Minhas homenagens: ‘X'minha expos, Netinhs, que me dat AMOR Darna lta HLHOS para a alors ‘hos mas hos Antonio Arnot Alvaro Eduard @ Ana Maia. em José Lino Fruet Ronaldo A, Duarte Rocha be Chstina Spadaceini Copy-desk: Olivia Maria Neto Preparagio de original: Andrea Cristina Flatro Reviséo: Fernanda Almoda Umile(supervieto) ‘Ana Maria Cortszo Siva, Ana Paula Piccoli, ‘Aparecida Maradei, Ceca Boat A. Teixeira Edd de rte: Nair de Medeiros Barbosa {de arte: Jodo Aatista Ribeiro Filho letrdnie: Tavares Servigos de Pré-improssio SIC Lida, Capa: Sérgio Palio Dados nteracionas de Ctaloyatso na Publieaae (IP) (Camara rasta to La, Bras). (resp, Ania Arnot Estate al Ano Armot Crespo. — 7,0, —Sto Pa Suva, 2002, Isa 5-02 420560 odo alan) ISBN 5-02420552 todo profess) 1, Estaistia(Ensino médo) 2 satisea — Problema, execs ee (€xsino mao). Ta. coosi07 ce916 31076 Ina pare eatiogo sist: 1: taea Esto eensno 3107 2 bras Etasiea 31078, BIBLIOTECA ther Porta Vatho-RO| 844 Eaitora Saraiva ‘Re Morqués de Sao Vcore 1697 — CEP 01 190-004 Bare Funda Sto Pauo-SP_ “Tol: PABX (0°11) 9613.9000— Fox (0°11) 3611-3908 ~ Telvendas: (011) 9613.3944 Fax Vedas: (11) 9611-3268 ~ Atendimenio ao Profesor (011) 9649-2090 Enero internet ar eiorasarava com br ~E-malalendjol daca @erasarana.com be Be Apresentacao Este livro 6 0 resultado de varios anos de estudo dirigidos a0 ensino de Estatistiea e destina-se 2 clientela dos cursos profissionalizantes do 2° grau (Secretariado, Contablidade, Administragdo, Formagao Espectfica de Magis- tério para o 1 grau etc.) e, também, aos alunos de cursos superiores que ne- cessitam de um estudo introdutério de Estatstica, Preocupou-nos apresentar todos os t6picas exigides pelo programa esta belecido para os cursos profissionalizantes da rede de ensino particular e of cial, de uma forma acessivel ao aluno, dentro de um esquema de ensino obje- tivo e prtico Por essa razio, as caracteristicas deste livro so eminentemente didat cas. Foram evitadas demonstragées, sendo apresentados comentivios e andl ses objetivas dos assuntos. O estudo é complementado por exereieios em abundiineia, onde procuramos trabalhar com situagSes priticas. ‘Apés ampla reformulagio, que promoven a atualizagao do texto e a in- lusto e redistribuigao de alguns assuntos, a estrutura da obra ficou assim + Nos oito primeiros capitulos desenvolvemos os tpicos. de Estatistica Deseritiva, dando um especial destaque & Distribuigdo de Freqliéncia, + No capitulo 9 enfocamos o estudo de Probabilidades, de forma ele- ‘mentar, enfatizando 0 uso do raciocinio, No capitulo 10 entreabrimos a porta para um primeiro contato com os dois prineipais modelos teéri- cos de Distribuigio de Probabilidade: Distribuigio Binomial e Dis- tibuigio Normal No capitulo 11 apresentamos um estudo elementar de Correlagio e Re- sressiio, que nos ajudaré a compreender e medir a relagio entre varié- veis. Os Niimeros-indiees, de interesse permanente no aspecto econ6- mico de nosso dia-a-dia, passaram por uma revisio, na qual procura- mos dar énfase & realidade prética de sia formagio e de seu emprezo (capitulo 12) Finalmente, 0 Apéndice — Instrumental Matemitico, a ser consulta- do de acordo com as necessidades de cada aluno, foi complementado Os exervicios, sempre colocados em pontos estratégicos de cada capitu- Jo, estio divididos em ués secies: + Exercicios resolvidos — exemplos para a fixagio da matéia estudada; + Resolva — exercicios de aprendizagem imediata, algumas vezes com o raciocinio jé encaminhado: + Bxercicios — seqligncia graduada de exere‘eios propostos No final do livro, apresentamos uma coletinea de questies objetivas, que poderio ser usadas nas verificagies de aprendizagem. ‘Todos os exercicios deverdo ser resolvides num caderno & parte. As res- postas estio no final do liv. ,Consideramos a Matemética, a Mdsica e a Estatistica linguagens univer- sais; lembramos que, “embora uma nova linguagem pareca um enigma antes de ser conquistada, é um poder, em seguida”. Nosso desejo é que aqueles que fizerem uso deste livro conquistem & linguagem estatstica, utilizando-a provel- tosamente. Aproveitamos para agradecer a todos aqueles que confiaram em nosso trabalho, utilizando este livro, ¢, em especial, aqueles que, fazendo suas eriti- ‘cas, deram-nos a oportunidade de methoré-lo. Continuamos a acolher os pareceres e sugestOes para 0 aperfeigoamento deste trabalho. © autor Indice CAPITULO 1 A NATUREZA DA ESTATiSTICA........... un 1, Panorama hist6rico. 2. Método estatistico a 2.1.0 método cientifico, ee 12 2.2. O método experimental 12 2.3. 0 método estatfstico. 2 3. A Estatistica, : 3B 4. Fases do método estat 4 4.1, Coleta de dados .. 4 4.2. Critica dos dados 4 4.3, Apuragiio dos dados ..... = 4 4.4. Exposigao ou apresentagao dos dados 15 4.5. Anilise dos resultados... 15 5. A Estatistica nas empresas ia EXERCICIOS 2.0 ’ : ‘ 16 CAPiruLO2 POPULACGAO E AMOSTRA. — 7 1, Varidveis. = 7 EXERCICIO. : ean te 18 2. Populagio € amos... = 19 3. Amostragem ....20 2 20 3.1. Amostragem casual ow aleatéria simples 0. 20 3.2. Amostragem proporcional estratificada sm 21 3.3. Amostragem sistemitica EXERCICIOS CAPITULO S SERIES msraristicas 1, Tabelas 2. Séries estatfsticas 2.1, Séries hist6ricas, cronol6gicas, tempor ‘ou marchas.. 2 2.2: Séries geogrdficas, espaciais, territorinis ou de localizagao.... 27 2.3. Séries especificas ou categ6ricas 0.0 21 3, Séries conjugadas. Tabela de dupla entrada ... 28 4, Distribuigdo de frequléncia. 29 EXERCICIOS .. 295. Dados absolutos e dds relativos, Gapizuid 6 mmpmas px PostcAo 9 5.1 As percentagens 1. Introdugéo ” 5.2. Os indices. Indices econmicos Sige Gs oe oo 533. Os coeficientes : , Pea 2. Dads loans % esvio em relagao & média EXERCICIOS .. 2.3. Propriedades da MEUIA ....secsssnsee sasesseen - - 81 CAPITULO 4 GRAFICOS RSTATISTICOS 2.4, Dados agrupados ne OE ict 2d. Se inervals de classe 2 aes: 24.2. Com intervatos de Classe cvssevuseeeessiansesennseen a 84 2. Diagramas 2.4.3. Processo breve 86 2.1. Grifico em linha ou em curva is coe ace a 2.2, Gréfico em colunas ou em bartas a es 7 233, Grifico em colunas ou em barras mdltipas Spa ate oe 4 oo eee eee 3.2. Dados agrupados. a) 3. Gritico polar. 221. Sem terse de clase 89 4 Cartograma 3! cas eesei ee ame Soe ee 90 5. Pictograma 3.3. As expressdes graficas da moda one 92 EXERCICIOS 3.4, Emprego da moda. is 2 PASEARESS yrora 4,4 mediana (Md) nnn 93 ca 27 IBUIOAO DE FREQURWOTA 4.1, Dados niio-agrupados: vn 93 1. Tabela primitiva. Rol. a Dale acaieine 3 2 Distibuigto de freqléncia 42:1, Sem iterelet de las ee 95 3. Elementos de uma distribuigio de freqiiéncia...... 4.2.2, Com imervalos de classe 7 3 Clasee : 4.3, Emprego da mediana — 100 3.2. Limites de classe 5. Posigio relativa da média, mediana e moda 100 ‘Amplitude de um intervalo de classe Aa 100 “Amplitude total da disribuigao. Aa ase : ior Amplitude amostal Ooo ecull a Ponto medio de una classe Poe aaa ts Freqincia simples ou absoluta 4: Nino de tases: neva ease AARPEEIEE arenas ve pisrEnsAo OU DE - ee ‘VARIABILIDADE. 10s 6. Distribuigio de frequéncia sem intervalos de classe - a ne oe eee | Diss o abate oe 18 7. Representagdo grfica de uma distribuigao rnpliude total : 7A Histogram i 2.1. Dados nio-agrupados sien 109 72. Poligono de freqiténcia ssn 2.2. Dados agrupit nn MO Cee eae 22.1 Sem ineraes de case 110 ° 222. Com itermis decane sioslindoo aT 0 8. A curva de freqiéncia 5 Rik cee mene cia aia 3. Varina, Desvio padrio cos “iM 8.2. As formas das curvas de freqiiéncia 3.1, Tntrodngfio —.-— Au 82.1. Curr em forma de sno 3.2. Dados nio-agrupados ieee ns 822. Cur em fora de jon 3.3, Dados agrupados : id 823. Curva em forma de 3311 Sem intervals de classe : us 224 Dinibalgdn mangas 3.32, Com interlosde classe noone 16 EXERCICIOS 3.4, Process0 br0¥e wsensnmssnsnnnnn ig19 CAPITULO 12 WOMEROS-inDICES 4, Coeficiente de variagon EXERCICIOS ...... 120 1. Introdugio GAPHULO'S) mmprDAS DE ASSIMETRIA. MEDIDAS DE nents oe be 3. Relativos de pregos.. a a 4, los de relatives... 1a Introdugio non : 122 5. Relativos em cadeia 1.2. Coeficiente de assimetria woes 124 EXERCICIO. EXERCICIOS wes 124 6. Indices agregativos... 2. Curtose 12s 6.1 Indice agregativo simples 2.1 Introdugio..yssssvssnnsnsonnnnnonnnnnnnnvnnnnnna 12S 62. Indice agregativo ponderado.. - 2.2, Coeficiente de curtase 123 62.1. Formula de Laspeyres ow modo da tpca:base EXERCICIOS....... 126 6.3. Indices de precos 6.31 Indice de est ie via oe CAPITULO 9 PROBABILIDADE ...... 127 6.3.2. IPC — has de Pregos ao Consimidor 4 633: 1eh — hve da Cot Baca 1. Introdugd0 ssn ED ts toh he Gol 2. Experimento aleatsrio 127 635. 1 aa IPE 3. Espago amostral sninmninnnnnnnnnns ID 7. Deflacionamento de dados .. 4, BVENO8 sss : 128 EXERCICIOS 5. Probabilidade 129 : 6. Bventos complements osscrsnnnnnnennnes 130 APENDICE INSTRUMENTAL MATEMATICO 7. Eventos independentes, T. Naneros aproximados ¢ arredondamento de dados. 8. Eventos mutuamente exclusives 1.1. Némeros aproximados = 1.2. Arredondamento de dadas EXERCICIOS 1:3. Compensagio CAPITULO 10. DISTRIBUIGOES BINOMIAL E NORMAL ..137 EXERCICIOS 1. Varidvel aleat6ra... _ 137 2, Fragdes 2. Distribuigiio de probabilidade 137 2.1, Conceito... 3. Distribuigo binomial... 140 2.2. Fragdes propria, imprépriae aparente 2.3. Fragoes equivalentes. - Hear 1g 2.4, Simplifieagio de fragies 4. Distribuigéo normal. Curva normal 142 bares eer pei my EXERCICIOS 147 2.6. Redugdo de fragées 20 mesmo derominador . . 2:7. Comparagao de fragées 2 capiruLo 11 CORRELAGAO E REGRESSAO wren 148 2/8. Operagdes com rages. 1 ntrodugao 148 2A. Adigdo e subtragio = 2. Conelacio ie 2.82. Muhipticagao . 2.1, Relagio funcional e relagio estatistica 148, BEI. Dist sn 2.2. Diagrama de dispersio : 149 4. Potenciagao 2:3. Correlagio linear = cn 150 EXERCICIOS 2.4. Coeficiente de correlagio linear. “151 2.5. Roetoe decals 3. Regressio 154 pumas 3.1. Ajustamento da reta “154 3. Razies 7 3.2. Interpolagao ¢ extrapolaga 156 3.1, Razaio de dois nimeros EXERCICIOS essenininenesrnnn a 138 3.2. Raz de duas grandezasA WNatureza da Estatistica 1 PANORAMA HISTORICO Todas as ciéncias t&m suas rafzes na histéria do homem. ‘A Matemitica, que € considerada “a ciéneia que une a clareza do racioct- nio a sintese da linguagem”, originou-se do convivio social, das trocas, da contagem, com eariter pritico, uilitério, empitico. ‘A Estatistica, ramo da Matemtica Aplicada, teve origem semelhante Desde a Antiguidade, varios povos jf registravam o mimero de habitan- tes, de nascimentos, de dbitos, faziam estimativas das riquezas individual ¢ social, dstribuiam eqitativamente terras ao povo, cobravam impostos e reali- zayam inguétitos quanttatives por processos que, hoje, chamariamos de “es- tatisticas Na Idade Média colhiam-se informagées, geralmente com finalidades ti- butarias ou beticas A partir do século XVI comegaram a surgi as primeiras andlises siste- Imaticas de fatos sociais, como batizados, casamentos, funerais, originando as primeiras tabuas e tabelas e os primeiros nimeros relatives. No século XVIII o estudo de taisfatos foi adquirindo, aos poucos, feigio verdadeitamente cienilica. Godofredo Achenwall batizou a nova eiéneia (ow método) com o nome de Estatistiea, determinando o seu objetivo e suas rela- 8s com as cincias. As tabelas tornaram-se mais completa, surgiram as representagBes gréti- «as © 0 céleulo das probablidades, e a Estatistica deixou de ser simples cata- logagio de dados numéricos coletivos para se tornar o estudo de como chegar 4 conclusies sobre o todo (populacio*), partindo da observagio de partes desse todo (amostras*) ‘Atualmente, 0 publico leigo (leitor de jornais ¢ revistas) posiciona-se em dois extremos divergentes € igualmente erréneos quanto & validade das con- clusGes estatisticas: ou ex® em sua infaliilidade ow afirma que elas nada pro- vam. Os que assim pensam ignoram os objetivos, © campo e 0 rigor do méto- do estatistico; ignoram a Estatistica, quer te6rica quer pritiea, ov a conhecem ‘muito superficialmente. © Captato 2 4, Percentagem 4.1. Coneeito. EXERCICIOS 5. Seqiiéncia. Somatério ... Sul, Seqiiéncia ou sucessio 5.2. Somatério EXERCICIOS 6, Média aritmética 6.1. Média aritmética simples 6.2. Média aritmética ponderada.. EXERCICIOS .. 7. Fatorial EXERCICIO 8. Coeficientes binomiais 8.1. Coeficientes binomiais complementares. EXERCICIO 9, Binmio de Newton EXERCICIOS 10. Fungo 10.1. Definicao 10.2. Grifico de uma fungio 10.3. Fungo do 1° grau 10.4. Grafico da fungio do 1* grau 10.5. Equacio da reta que passa por dois pontos dads... EXERCICIOS ... 10.6. Pontos notavei 10.6.1. Ponto em que a retacorta 0 exo dos 10.6.2. Ponto em que a reta cora 0 eto dos y 10.7. Significado dos coeficientes 1071. Coeficieme B 10.72. Coeficiente a COLETANEA DE QUESTOES OBIETIVAS RESPOSTAS Anexo 1 — Tabela de nimeros aleat6rios ~~ Anexo II — Area subtendida pela curva normal reduzida de 0a Z. 195 19S “195; 183 183 185 186 186 189 190 191 191 192 193 193 194 198 198 199 199 200 200 200 200 201 202 210 223, 22412 esmincarAcn, Na era da energia nuclear, os estudos estatisticos mente ¢, com seus processos € téenicas, tém contrib dos negécios e recursos do mundo moderno. n avangado rapida- 0 para a organizagio @| M@TODO ESTATISTICO 2.1. 0 método cientifico ‘Muitos dos conhecimentos que temos foram obtidos na Antiguidade por caso ¢, outros, por necessidades préticas, sem aplicagao de um método. ‘Atualmente, quase todo acréscimo de conhecimento resulta da observa: io € do estudo, Se bem que muito desse conhecimento possa ter sido obser~ vvado inicialmente por acaso, a verdade € que desenvolvemos processos cient ficos para seu estudo e para adquirirmos tais conhecimentos. Podemos dizer, entio, que: ‘Método é um conjunto de meios dispostos convenientemente para se chegar a um fim que se deseja, os métodos cientificos, vamos destacar o método experimental © 0 cestatistico, 2.2. O método experimental (© método experimental consiste em manter constantes todas as ccausas (fatores), menos uma, e variar esta causa de modo que o pesquisa dor possa descobrir seus efeitos, caso existam. 0 método preferido no estudo da Fisica, da Quimica etc. 2.3. O método estatistico Muitas vezes temos necessidade de descobrir fatos em um campo em que ‘© método experimental nio se aplica (nas ciéncias sociais), jf que 0s varios fatores que afetam o fenémeno em estudo no podem permanecer constantes fenguanto fazemos variar a causa que, naquele momento, nos interessa, Como exemplo, podemos citar a determinagao das causas que definem © prego de uma mereadoria, Para aplicarmos @ método experimental, teriamos de fazer variar a quantidade da mercadoria ¢ verificar se tal fatoiria influenciar seu prego. ‘Cop. — ANotwoza a soitea 13 Porém, seria necessério que no houvesse alterago nos outros fatore ‘Assim, deveria existir, no momento da pesquisa, uma uniformidade dos sali- ros, o gosto dos consumidores deveria permarecer constante, seria necessdiria 4 fixagdo do nivel geral dos pregos das outras aecessidades etc. Mas isso tudo 6 impossivel. Nesses casos, langamos mio de outro método, embora mais dificil e ‘menos preciso, denominado método estatistic. © método estatistico, diante da impossibilidade de manter as cau- sas constantes, admite todas essas causas presentes variando-as, registran- do essas variagdes e procurando determinar, no resultado final, que in- fluéncias eabem a cada uma delas S| AESTATisSTICA Exprimindo por meio de mimeros as observagSes que se fazem de ele- mentos com, pelo menos, uma caracteristica comum (por exemplo: os alunos do sexo masculino de uma comunidade), obtemos os chamados dados refe- rentes a esses elementos. Podemos dizer, entio, que: ‘A Estatistica é uma parte da Matematica Aplicada que fornece métodos para a coleta, organizagio, descrigio, andlise e interpretagio de dados € para a utilizagao dos mesmos na tomada de decisdes. Accoleta, a organizagio ¢ a descri¢lo dos dados esto a cargo da Esta- tistica Deseritiva, enquanto a aniilise e a interpretagio desses dados ficam a cargo da Estatistica Indutiva ou Inferencial, Em geral, as pessoas, quando se referem ao termo estatistica, o fazem no sentido da organizagio e descrigio dos dados (estatistica do Ministério da Educagdo, estatistica dos acidentes de trifego ztc.), desconhiecendo que 0 as pecto essencial da Estatistica ¢ 0 de proporeionar métodos inferenciais, que permitam conclusdes que transcendam os dados obtidos inicialmente. ‘Assim, a andlise e a interpretacZo dos dados estatfsticos tornam possivel © diagnéstico de uma empresa (por exemplo, de uma escola), o conhecimento de seus problemas (condigdes de funcionamento, produtividade), a formulagao de solugdes apropriadas e um planejamento otjetivo de agao,14 eswisncarAcn 4 FASES DO METODO ESTATISTICO Podemos distinguir no método estatistico as seguintes fases 4.1. Coleta de dados Apés cuidadoso planejamento ¢ a devida determinagao das caracterist- cas mensurdveis do fendmeno coletivamente tipico* que se quer pesquisar, damos inicio a eoleta dos dados numéricos necessitios a sua descrigio, A coleta pode ser direta ¢ indireta Acoleta é direta quando feita sobre elementos informativos de registro obrigatério (nascimentos, casamentos e dbitos, importagio e exportagao de ‘mercadorias), elementos pertinentes aos prontuérios dos alunos de uma escola ou, ainda, quando os dados sio coletados pelo préprio pesquisador através de inquéritos e questionsrios, como € o caso das notas de verificagio e de exames, do censo demografico etc. ‘A coleta direta de dados pode ser classificada relativamente a0 fator tem- po em: a. continua (registro) — quando feita continuamente, tal como a de nas: ccimentos e Gbitos e a de freqliéncia dos alunos as aulas; b. periédiea — quando feita em intervalos constantes de tempo, como {05 censos (de 10 em 10 anos) ¢ as avaliagGes mensais dos alunos; ¢. ocasional — quando feita extemporaneamente, a fim de atender a uma conjuntura ou a uma emergéncia, como no caso de epidemias que as- solam ou dizimam rebanhos inteitos. A ccoleta se diz. indireta quando 6 inferida de elementos conhecidos (co- leta direta) e/ou do conhecimento de outros fendmenos relacionados com fenémeno estudado, Como exemplo, podemos citar a pesquisa sobre a morta lidade infamtil, que é feita através de dados colhidos por uma coleta direta. 4.2. Critica dos dados Obtidos 5 dados, eles devem ser cuidadosamente criticados, & procura de possiveis falhas e imperfeigées, a fim de nao incorrermos em erros grossei- ros ou de certo vulto, que possam influir sensivelmente nos resultados. critica é externa quando visa as causas dos erros por parte do infor- ‘ante, por distrago ou ma interpretagio das perguntas que the Fram feitgs: € interna quando visa observar os elementos originais dos dados da coleta 7 Fendmene coletvamene pico ¢ acl que nt aresenta epulaidade a observaso dex: iss ‘Seriya nase de overvgtes. (Rocha: Marcos Vinfcos ds, Curso de Este. 3, Rio de evo, Fundesso ISGE, 1975.) Cop. —ANatuera de osteo 15 4.3. Apuragdo dos dados Nada mais € do que a soma e o processamento dos dados obtidos e a dis- posi¢ao mediante critérios de classificacZo. Pode ser manual, eletromeciinica ‘ou eletrénica. 4.4, Exposigiio ou apresentagiio dos dados Por mais diversa que seja a finalidade que se tenha em vista, os dados devem ser apresentados sob forma adequada (abelas ou gréficos*), tornando ais facil o exame daquilo que esta sendo objeto de tratamento estatistico e ulterior obtengiio de medidas tipicas** 4.5. Andlise dos resultados Como ja dissemos, 0 objetivo Gltimo da Estatistica é tirar conclusées sobre o todo (populacdo) a partir de informagSes fornecidas por parte repre- sentativa do todo (amostra). Assim, realizadas as fases anteriores (Estatisticn Deseritiva), fazemos uma andlise dos resultados obtidos, através dos métodos dda Bstatistica Indutiva ou Inferencial, que tem por base a indugio ou inferén- cia, e tiramos desses resultados conclusdes e arevisdes. 5 AESTATISTICA NAS EMPRESAS No mundo atual, a empresa & uma das vigas-mestras da Economia dos povos. A direcdo de uma empresa, de qualquer tipo, ineluindo as estatais go- vernamentais, exige de seu administrador a importante tarefa de tomar deci- sbes, € 0 conhecimento € 0 uso da Estatistica facilitarao seu triplice trabalho de organizar, dirigit e controlar a empresa. Por meio de sondagem, de coleta de dados ¢ de recenseamento de opi- nides, podemos conhecer a realidade geogratica e social, os recursos naturais, hhumanos ¢ financeiros disponiveis, as expeciativas da comunidade sobre a ‘empresa, e estabelecer suas metas, seus objetivos com maior possibilidade de serem alcangados a curto, médio ou longo prazos. A Estatistica ajudaré em tal trabalho, como também na selegtio e organi- da estratégia a ser adotada no empreendimento e, ainda, na escolha das téenicas de verificagdo e avaliagHo da quantidade e da qualidade do produto mesmo dos possiveis Iucros e/ou perdas, = Capitulos 316 eswisncarAct ‘Tudo isso que se pensou, que se planejou, precisa ficar registrado, do- ‘cumentado para evitar esquecimentos, a fim de garantir 0 bom uso do tempo, dda energia e do material e, ainda, para um controle eficiente do trabalho, ‘0 esquema do planejamento € o plano, que pode ser resumido, com av lio da Estatistica, em tabelas e gréficos, que faciliarZo a compreensio visual dos eéleulos matemtico-estatisticos que Thes deram origem. ‘0 homem de hoje, em suas miltiplas atividades, langa mio de processos €¢ técnicas estatisticos, ¢ s6 estudando-0s evitaremos 0 erro das generalizagdes pressadas a respeito de tabelas € grificos apresentados em jomais, revistas € televisio, freqlientemente cometido quando se conhece apenas “por cima” um pouco de Estatfstica. _ BXERCICIOS A Complete: ‘© metodo experimental 6 0 mais usado por cincias como: 2) As ciéncias humanas e sociais, para obterem os dados que buscam, an- gam mao de que método? © que ¢ Estatistica? Cite as fases do método estatistico. Para vooé, o que ¢ coletar dados? Para que serve @ critica dos dados? (© que 6 apurar dados? Como podem ser apresentados ou expostos os dados? ition? ‘As conclusées, as inferéncias pertencem a que parte da E: Cite trés ou mais atividades do tistica se faz necessaria, 4] 0 método estatistico tom como um de seus fins: estudar os fendmenos estatisticos. festudar qualidades concretas dos individuos que formam grupos. Geterminar qualidades abstratas dos individuos que formam grupos. determinar qualidades abstratas de grupos de individuos. ‘estudar fendmenos numéricos. mento empresarial em que a Esta: Populacao e Amostra* Uj VARIAVEIS ‘A cada fendmeno corresponde um niimero de resultados posstveis. As- sim, por exemplo: — para o fenémeno “sexo” sio dois os resultados possfveis: sexo mas- culino e sexo feminino; — para 0 fenémeno “niimero de filhos” hé um niimero de resultados possiveis expresso através dos mimeros natura: 0,1,.2.3, ms — para o fenémeno “estatura” temos uma situagio diferente, pois os resultados podem tomar um nimero infinito de valores numéricos dentro de um determinado intervalo, ‘Variavel é, convencionalmente, 0 conjunto de resultados possiveis de um fendmeno. Os exemplos acima nos dizem que uma varivel pode ser: ‘a, qualitativa — quando seus valores sio expressos por attibutos: sexo (masculine — feminino), cor da pele (branca, preta, amarela, verme- tha, parda) ete.; 'b, quantitativa — quando seus valores so expressos em niimeros (sali- trios dos opersrios, idade dos alunos de uma escola ete.), Uma variivel 4quantitativa que pode assumir, teoricamente, qualquer valor entre dois limites recebe o nome de varisivel continua; uma varidvel que s6 pode assumir valores pertencentes a um corjunto enumersvel recebe 0 nome de varidvel discreta * Consue © Apéndice — Instrumental Matemio, pra una revo dos assumtos Aredondamesto {dead i173) © Compensagio (p75),18 eswsbucartcn Assim, o nimero de alunos de uma escola pode assumir qualquer um dos valores do conjunto N= (1, 2, 8, .}, mas nunca valores como 2,5 ou 3,78 ou 4,325 etc. Logo, é uma varivel discreta, Jé o peso desses alunos & ‘uma varisivel continua, pois um dos alunos tanto pode pesar 72 kg, como 72,5 kg, como 72,54 kg ete., dependendo esse valor da preciso da medida De modo geral, as medigdes do origem a variveis continuas as con- tagens ou enumeracdes, a varidveis discretas. Designamos as varifveis por letras latinas, em geral, as dltimas: mye Por exemplo, sejam 2, 3, 5 € 8 todos os resultados posstveis de um dado fendmego. Fazendo uso da letra x para indicar a variavel relativa ao fendmeno considerado, temos: xe 2,3,5,8) RESOLVA 41 Classifique as variaveis em qualitativas ou quantit continuas}: a. Universo: alunos de uma escola, Variavel: cor dos cabelos — b. Universo: casais residentes Variavel: namero de fllhos — ©. Universo: as jogadas de um dado. Variavel: © ponto obtido em cada jogada — 4. Universe: produzidas por corta maquina. Varidvel: numero de pecas produzidas por hora — «8. Universo: pecas produzidas por certa maquina Variavel: didmetro externo — ivas (continuas ou des: 1m uma cidade, EXERCICIO b. Ps estagao meteorolégica de uma cidade. Vz: precipitagao pluviométtica, durante um ano. P: Bolsa de Valores de Sto Paulo. V.: nlimero de agdes negociadas. P: funciondrios de uma empresa, Vz salaios. cop.2—Populoesee Amosta 19 pregos produzidos por uma maquina comprimento. ‘casais residentes em uma cidade. sexo dos filhos. propriedades agricolas do Brasil roducso de algoda segmentos de rete comprimento. bibliotecas da cidade de Sao Paulo. + ngimero de volumes. aparelhos produzidos em uma linha de montagem. numero de defeitos por unidade. industrias de uma cidade. Indice de liquide KB SP SPKREPEPED 2 POPULACAO E AMOSTRA Ao conjunto de entes portadores de, pelo menos, uma caracteristica comum denominamos populagio estatfstica ou universo estatistico, Assim, 05 estudantes, por exemplo, constituem uma populace, pois apre senlam pelo menos uma caracteristica comum: s80 0s que estudam ‘Como em qualquer estudo estatistico femos em mente pesquisar uma ou mais caracteristicas dos elementos de alguma populagio, esa caracterstca de- ve estar perfeitamente definida. E isto se dé cuando, considerado um elemento qualquer, podemos afirmar, sem ambigtidade, se esse elemento pertence ou nto & poptilagao,E necessério, pos, existir um critério de consituigto da popu- lagao, valido para qualquer pessoa, no tempo o¥ no espago. Por isso, quando pretendemos fazer uma pesquisa entre os alunos das cscolas de 1? grav, precisamos defini quai s4o 0s alunos que formam o uni- verso: 08 que atualmente ocupam as careiras das escolas, ov devemos incluir também os que jé passaram pela escola? E claro que a solugao do problema vai depender de cada caso em particular ‘Na maioria das vezes, por impossibilidade ou invibilidade econdmiea ou temporal, limitamos as observagoes referentes a uma determinada pesquisa a apenas uma parte da populagio, A essa parte proveniente da popilagao em cstudo denominamos amostea ‘Uma amostra € um subconjunto finito de uma populagio., Como vimos no capitulo anterior, a Estatistica Indutiva tem por objetivo tirar conclusdes sobre as populacdes, com base em resultados verificados em amostras retiradas dessa populagao._ el 20 esInisnca rac, Mas, para as inferéncias serem corretas, é necessdrio garantir que a amos- tra seja representativa da populacio, isto é, a amostra deve possuir as mes- ‘mas caracteristicas bisicas da populagio, no que diz respeito ao fendmeno que desejamos pesquisar. E preciso, pois, que a amostra ou as amostras que Vo ser tsadas sejam obtidas por processos adequados. Hi casos, como o de pesquisas sociais, econdmicas e de opinido, em que (5 problemas de amostragem so de extrema complexidade. Mas existem tam- ‘bém casos em que os problemas de amostragem so bem mais faceis. Como ‘exemplo, podemos citar a retirada de amostras para controle de qualidade dos produtos ou materiais de determinada indistria. 3 AMOSTRAGEM Existe uma técnica especial — amostragem — para recolher amostras, {que garante, tanto quanto possfvel, o acaso na escotha. Dessa forma, cada elemento da populacio passa a ter a mesma chance de ser escolhido, © que garante & amostra o carter de representatividade, ¢ isto € muito importante, pois, como vimos, nossas cOnclusdes relativas & populagio vvao estar baseadas nos resultados obtidos nas amostras dessa populagio. tués das principais técnicas de amostragem. Daremos, a segui 3.1. Amostragem casual ou aleatéria simples Este tipo de amostragem € equivalente a um sorteio lotérico. Na pritica, a amostragem casual ou aleatéria simples pode ser realiza- da numerando-se a populagao de 1a ne sorteando-se, a seguir, por meio de um dispositivo aleatério qualquer, k niimeros dessa seqliéncia, os quais corresponderio aos elementos pertencentes & amostra, Exemplo: ‘Vamos obter uma amostra representativa para a pesquisa da estatura de noventa alunos de uma escola: Numeramos os alunos de 01 a 90. 1b, Escrevemos os mimeros, de 01 a 90, em pedagos iguais de um mesmo papel, colocando-os dentro de uma caixa. Agitamos sempre a caixa para ‘misturar bem os pedagos de papel e retiramos, um a um, nove nime- 108 que formario a amostra. Neste caso, 10% da populagio. Quando 0 nimero de elementos da amostra é grande, esse tipo de sorteio torna-se muito trabalhoso, A fim de facilité-lo, foi elaborada uma tabela — ‘Tabela de Nimeros Aleatérios —, construida de modo que os dez algari mos (0 a 9) sio distribuidos ao acaso nas linhas e colunas (Anexo I, p. 223). Para obtermos os elementos da amostra usando a tabela, sorteamos um algarismo qualquer da mesma, a partir do qual iremos considerar nimeros de cop. 2—Popuagdoe Amesta. 21 dois, tr8s ou mais algarismos, conforme nosse necessidade. Os niimeros assim ‘obtidos irdo indicar os elementos da amostra ‘A leitura da tabela pode ser feita horizontalmente (da direita para a es- ‘querda ou vice-versa), verticalmente (de cima para baixo ou vice-versa), diago- nalmente (no sentido ascendente ou descendente) ou formando o desenho de uma letra qualquer. A peo, porém, deve ser feita antes de iniciado o proceso. Assim, para o nossa exemplo, considerando a 18% linha, tomamos os rimeros de dois algarismos (tantos algarismos quantos formam o maior nii- ‘mero da populagao), obtendo: 61 02 01 81 73 92 60 65 73 58 53 34 Evidentemente, 0 numeral 92 sera desprezado, pois niio consta da popu- ago, como ser também abandonado um rumeral que ja tenha aparccido, ‘Temos, entio: 61 02 01 81 73 60 66 58 53 Medindo as alturas dos alunos correspendentes aos niimeros sorteados, obteremos uma amostra das estaturas dos noyenta alunos. 3.2. Amostragem proporcional estratificada Muitas vezes a populagio se divide em subpopulagées — estratos. Como é provavel que a varvel em estdo apresente, de estrato’em esta to, um comportamento heterogéneo e, dent de cada estato, um comporta- mento homogeneo, convém que o sortcio dos elementos da amosira leve em Considerag tas estratos E exatamente isso que fazemos quando cmpregsinos a amostragem pro- porcional estratificada, que, além de consderar a existéncia dos estratos, Ubtém os elementos da amosiraproporcional so nimero de elementos dos mes mos. Exemplo: Supondo, no exemplo anterior, que, dos noventa alunos, 54 sejam meni- hos & 36 sejam meninas, vamos obter a amostra proporcional estratificada, So, portanto, dois estratos (sexo masculino € sexo feminino) e quere- mos uma amostra de 10% da populagao. Logo, temos: a. SEXO | POPULAGAO_ 10% ‘AMOSTRA Tox s4 M a io 5 . 700 : . 1x36 : 700 Total 90 Toe 9 70022 EsIisncarAci, : b. Numeramos os alunos de 01 a 90, sendo que de 01 a 54 correspondem ‘meninos e de $5.4 90, meninas. Tomando na Tabela de Nameros Alea- 16rios a primeira e a segunda colunas da esquerda, de cima para baixo, fobtemos os seguintes niimeros: 57 28 92 90 80 22 56 79 53 18 54 03 27 05 40 ‘Temos, entio: 28 22 53 18 03 — para os meninos; 57 90 80 56 — para as meninas. RESOLVA dos colegas de sua classe (Incluindo voce), —correspandente a 30% da populagao. Sugestdo —faga uso da caderneta de seu professor © da Tabela dos Nu rmeros Aleatérios (6 e 6" colunas, de baixo para cima). 2 Pesquisa — estatura dos alunos das 1 séries de sua escola, mostra — 19% da populate, Sugestdo — vse a Tabela de Nimeroe Alestrios (25 nha, da esquerda pa wae dria ‘SERIES | POPULAGAO A 2 {| Em uma escola existe 250 alunos, sondo 35 na 1! série, 32 na 2%, 30 na 3%, 28 na 4%, 35 na 5%, 32 na 6%, 31 na 7*e 27 na 8 Obtenha uma amostra de 40 ‘alunos ¢ preencha o quadro da pagina seguinte. Como, neste caso, foi dado 0 numero de elementos da amostra, devemos, ‘entéo, calcular 0 niimero de elementos de cada estrato proporcionalmente 20 niimero de elementos da amostra. Assim, para a 1" série, temos: a5 x 40 250 [2 «0 waders a0 erates cop. 2 Popuiagdoe Arosa 23 Looe: sénies | poputacao | p_CAlCuLo | | amostna PROPORCIONAL _ 35x40, ’ 35 x00 6 56 6 2 » « %% : & é : , sx 2 2 200 # . Total 250 40 3.5. Amostragem sistematica Quando 0s elementos da populagiio jf se acham ordenados, nfo hé neces sidade de construir © sistema de referéncia. Sio exemplos os prontuatios mé- dicos de um hospital, os prédios de uma rua, as linhas de produao etc. Nestes casos, a selegio dos elementos que constituitdo a amostra pode ser feita por uum sistema imposto pelo pesquisador. A esse tipo de amostragem denomina- mos sistemstica, ‘Assim, no caso de uma linha de produgdo, podemos, a cada dez itens produzidos, retirar um para pertencer a uma amostra da produgao distia, Neste ‘caso, estariamos fixando o tamanho da amostra em 10% da populacio. Exemplo: ‘Suponhamos uma rua contendo novecentos prédios, dos quais desejamos ‘obter uma amostra formada de cinqllenta prédios. Podemos, neste caso, usar 0 900) seguinte procedimento: como 8, escolhemes por sorteio casual um nt- mero de I a 18 (inclusive), o qual indicaria o primeiro clemento sorteado para a mostra; os demais elementos seriam periodicamente considerados de 18 em 18. Assim, se © ntimero sorteado fosse 0 4, tomariamos, pelo lado direito da rua, 0 4? prédio, 0 22%, 0 40® ete., até voltarmos ao inicio da rua, pelo lado esquerdo, EXERCICIOS 4) Uma escola de 1? grau abriga 124 alunos. Obtenha uma amostra represen- tativa correspondendo a 15% da populac Sugestao: use a 8%, 9 @ 10° colun ros Aleatérios (de cima para baixo) dda 1" linha, da Tabela de Nume-24 estalncarAca 2 Em uma escola ha oitenta alunos. Obtenha uma amostra de doze alunos. Sugestao: decida, juntamente com a classe e seu professor, o uso da Tabela de Nameros Aleatérios. 3) Uma populagao ¢ formada por 140 notas/resultantes da aplicag3o de um ono eee ee ee ee etn aay aaPr 128 100 72 119 103 128 80 99 149 85 ik Sie ale ote se on as Series Estatisticas aia ie eas a eee eee gee tea a ne aie ole a 79 92 73 83 74125 101 82 71 75 101 102 78 108, | TABELAS 125 56 86 98 106 72117 89 99 86 82 57 106 90 Obtenha uma amostra formada de 26 elementos, tomsndo, inicialmente, a ‘Um dos objetivos da Estatistica é sintetizar os valores que uma ou mais linha da esquerda para a direita, variaveis podem assumir, para que tenhamos uma visio global da variagao des- 4 0 diretor de uma escola, na qual estéo matriculados 280 meninos ¢ 320 a ou dessas varidveis. E isso ela consegue, inicialmente, apresentando esses meninas, desejoso de conhecer as condigdes de vida extra-escolar de sous valores em tabelas e graficos, que irdo nos fernecer raipidas ¢ seguras infor- alunos ¢ nao dispondo de tempo para entrovistar todas as familias, resol- ‘magdes a respeito das varidveis em estudo, pemnitindo-nos determinagoes ad- ‘ou fazer um levantamento, por amostragem, em 10% dessa clientela. Obi ‘nha, para esse diretor, os elementos componentes da amostra, | 5) Uma cidade X apresenta o seguinte quadro rel ministrativas e pedagégicas mais coerentes ¢ cientificas. ivo as suas escolas de 1° grau: Tabela € um quadro que resume um conjunto de observagdes. 'N® DE ESTUDANTES ESCOLAS | ecuLINo | FEMININO ‘Uma tabela compae-se de: x a as 8. corpo — conjunto de finhas © colunas que contém informagies sobre 8 102 120 a varidvel em estudo; c 110 92 . cabecalho — parte superior da tabela que especifica o contetido das € ne 2 abesalle — parte superior da tbels que expec tetido di E 150 130 : F 300 230 . coluna indicadora — parte da tabela que especifica 0 contetido das Tote 576 955 lishay 4. linhas — retas imaginérias que facilitam a leitura, no sentido horizon- eo tal, de dados que se inscrevem nos seus cruzamentos com as colunas; «. casa ou eélula — espago destinado a um s6 nimero; 1G Uma populagao encontra-se dividida em trés estratos, com tamanhos, res- F. titulo — conjunto de informagdes, as mais completas possiveis, res- Pectivamente, n, = 40, n, = 100 n, = 60. Sabendo que, ao ser realizada uma pondendo as perguntas: O qué?, Quando?, Onde?, localizado no topo amostragem estratificada proporcional, nove elementos da amostra foram da tabela, Fetirados do 3 estrato, determine o nlimero total de elementos da amostra Ha ainda a considerar os elementos complementares da tabela, que so a 17] Mostre como seria possivel retirar uma amostra de 32 elementos de uma ‘ ee Tea ne fonte, as notas ¢ as chamadas, colocados, de preferéncia, no seu rodapé. ‘denada formada por 2.432 elementos. 10 geral, qual dos elementos abaixo seria escolhido para perten- ‘cer a amostra, sabendo-se que o elemento de ordem 1.420 a ola pertence? 1.648%, 2908, 7268, 2.025%, 1.1208 * Conse © Aptndice — taseumental Matemstico, prt um seviio dos assnios Frases (p. 176, Raabe ip. 182) « Percenagem (p13)26 esinisnearkcn Exemplo: PRODUGAO DE CAFE -—— TiTULO, cAeeganon BRASIL 1991-1995 so nH PRoDuGAo — COLUNA ‘ANOS: (1.000 t) ___ COLUNA worcapona J |__ 1990.8 Furia 1991 (2535]-——— cAsA ou CELULA conro—=| ta | 2686-—~ too | 222 >>—unnas tose | 3750 tse | 2007 RODAPE ——> FoNTE:06e. De acordo com a Resoluio 886 da Fundagio IBGE, nas casas ou células devemos colocar: + um trago horizontal (—) quando 0 valor € zero, nio s6 quanto ‘natureza das coisas, como quanto ao resultado do inguérit + t1€s pontos (..) quando no temos os dados: + um ponto de interrogagio (?) quando temos diivida quanto & exa- tidio de determinado valor; + zero (0) quando 0 valor é muito pequeno para ser expresso pela ‘unidade utilizada, Se os valores sio expressos em numerais deci- ‘mais, precisamos aerescentar & parte decimal um nimero cortes- pondente de zeros (0,0; 0,00; 0,000: ...) @ S@RIES ESTATISTICAS ‘Denominamos série estatistica toda tabela que apresenta a distribui- ‘glo de um conjunto de dados estatisticos em fungio da época, do local cop. 3—Séresstotsteos 27 2.1. Séries histéricas, cronolégicas, temporais ou marchas Descrevem os valores da varivel, em determinado local, discriminados segundo intervalos de tempo varidveis, Exemplo: PRECO DO ACEM NO VAREJO ‘SAO PAULO — 1989-9 PREGO MEDIO ee ius) 1989 224 1990 20 199 an 1992 ‘88 1993 208 1994 262 FONTE: APA 2.2, Séries geograficas, espaciais, territoriais ou de localizagao Descrevem os valores da variavel, em determinado instante, discrimina- dos segundo regises. : Exemplo: DURAGAO MEDIA DOS ESTUDOS SUPERIORES 1994 ‘ou da espécie. Daf, podemos inferir que numa série estatfstica observamos a existéncia de trés elementos ou fatores: 0 tempo, o espago e a espécie. Conforme varie um dos elementos da série, podemos classificé-la em histérica, geogréfica e especifica. NUMERO paises | De ANOS. Italie 38 ‘Alemanha 70 Franga zo Holanda 59 Inglaterra | _Menes de 4 2.3. Séries especificas ou categéricas Descrevem os valores da varidvel, em determinado tempo e local, di minados segundo especificagées ou categorias.28 eswisncarAcn, Cop. sie Euatatcos 29 Exemple: Poder exit, e bem : $e bem que mais raramerte, pela dfculdade de epesen tagio, séries compostas de trés ou mais entradas. : REBANHOS BRASILEIROS 1992 “QUANTIDADE ESPECIES | (1.000 cabogas) @ DISTRIBUIGAO DE FREQUENCIA 154.400,8 Por se tratar de um conceito estatistico de suma importa 1.423,3 S Caaan sta iportancia, merecerd ramioe ates Capitulo 5 um tratamento especial. Asininos 471 Exemp! Muares 2085 Suinos 34.532,2 Ovinos 19.9859 ESTATURAS DE 100 ALUNOS Caprinos 12.1596 DAE Cosihos 6. COLA X. ESTATURAS, Fowre 1938 ‘em | 140 145 145 160 cs 150 + 155 [S SERIES CoNsUGADAS 155+ 160, TABELA DE DUPLA ENTRADA Geren aor Muitas vezes temos necessidade de apresentar, em uma tinica tabela, a psnizeaeti variagio de valores de mais de uma varidvel, isto ¢, fazer uma conjugagio de Seater sews 181X109 _ 7.992 7,9 21.201 3 grou > 224% 10 ago 44 21.201 Com esses dados, podemos formar uma nova coluna na série em estudo: MATRICULAS NAS ESCOLAS DA CIDADE A — 1995 CATEGORIAS | NF DE ALUNOS | % ¥ grau 19.286 310 1.681 19 234 ua s valores dessa nova coluna nos dizem que, de cada 100 alunos da ci- dade A, 91 estio matriculados no 1® grau, 8, aproximadamente, no 28 grau e | no 3° grav. © emprego da percentagem & de grande valia quando € nosso intuito des- tacar a participagio da parte no todo. Consideremos, agora, a série: MATRICULAS NAS ESCOLAS DAS CIDADES A E B — 1995 NF DE ALUNOS CATEGORIAS ° CIDADE A | CIDADE B 7 rau 19.286 38.660 2 grau 168i 3.399 3° grau 234 228 Total 21.201 12.483 Dados ft Qual das cidades tem, comparativamente, maior niimero de alunos em cada grau? Como 0 nimero total de alunos € diferente nas duas cidades, nio € ficil concluir a respeito usando os dados absolutos. Porém, usando as percentagens, (cop. 3—SésesEetisleas 33 tal tarefa fica bastante facilitada. Assim, acrescentando na tabela anterior as colunas correspondentes as percentagens, obtemos: MATRICULAS NAS ESCOLAS DAS CIDADES AEB — 1995 T ae CIDADE A ‘CIDADE B NeDEALUNOS | _% | NFDEALUNOS | % ¥ grav 19.286 310 38.660 91.0 2 grau 1.681 73 3.399 8.0 3° grau 234 a 424 1.0 Total 21.201 10,0 42.483 10,0 ‘© que nos permite dizer que, comparativamente, contam, praticamente, com 0 ‘mesmo niimero de alunos em cada grau, NoTAS: + Do mesmo modo que tomamos 100 para base de comparagao, também podemos tomar outro nimero qualquer, entre 0 quais destacamos © nimero 1. E claro que, supondo o total igual a 1, 0 dados relativos das parcelas serao todos menores que 1 + Bim geral, quando usamos 100 para base, os dados sio arredondados até a pri casa decimal; © quando tomamos 1 por base, sip arredondados até a tereeira casa decimal RESOLVA 41 Complete a tabele abaixo: ne DE | DADOS RELATIVOS Atunos | pon 1 | POR 100 75 | 0098 | 98 Cateulos: 222 : 202 362 250 540. Tora) | 1787 | 1,000 ESCOLAS amon3A esiasticarAcn 8.2. Os indices. Indices econémicos Os indices sio raz6es entre duas grandezas (ais que uma niio inelui a outra, So exemplos de indices’ diametro wansverso do ie exitcg = Hameo HansveTo TNO 499 in cm didmetro longitudinal do crinio ide ena ene intelectual = 100 cee jdade cronolégica lao Dead demoed = Rms indices econémicos: valor total da produgao Produgao per capit populagio a ta = consumo do bem ae populagio Ae a fenda per capita er cape = opulagiio receita Receita per capita = " populag 5.3. Os coeficientes 0s eoeficientes so razées entre 0 ndimero de ocorréncias ¢ 0 niime- ro total (niimero de ocorréncias e mimero de nio-ocorréncias). ‘Sao exemplos de coeficientes: rnimero de nascimentos Coeficiente de natalidade re nimero de Sbitos Coeficiente de mortalidade = Tamer de bites populagio total Coeficientes educacionais: de alunos evadidos Coeficiente de evasio escolar = ire inicial de mariculas Coeficiente de aproveitamento __niimero de alunos aprovados escolar ‘imero final de matriculas | PERTENGE A BIBLIOTECA ] imimero de alunos recuperados nnimero de alunos em recuperagio Cop.3— sbi Esttiteas 35 Coeficiente de recuperagao escolar 5.4. As taxas AAs taxas siio os coeficientes multiplicados por uma poténcia de 10 (10, 100, 1.000 etc.) para tornar 0 resultado mais inteligivel ‘io exemplos de taxas: ‘Taxa de mortalidade ‘Taxa de natalidade ‘Taxa de evasio escolar = coeficiente de evasiio escolar x 100 ‘oeficiente de mortalidade x 1,000 ‘oeliciente de natalidade x 1.000 EXERCICIO RESOLVIDO 11 0 Estado A apresentou 733.986 matriculas na 1 série, no inicio do ano de 1994, ¢ 683.816 no fim do ano. O Estado B apresentou, respectivamente, 436.127 ¢ 412.457 matriculas. Qual 0 Estado que apresentou maior evasao escolar? 733.986 ~ 683.816. A TEE = X 100 = 0,0683 x 100 ~ 6,89 6.8% 733.986 8 TEE » 496.127 — 412457 199 = 0.0542 x 100 = 5,42 » 54% 436.127 0 Estado que apresentou maior evasao escolar foi A. RESOLVA 4) Uma escola registrou em margo, na 1? série, a matricul matricula efetiva, em dezembro, de 35 alunos. A taxa de evasso foi de: nn? de evadidos 40-35 40 TEE = x 100 X 100 = X 100 = 12,586 2 Calcule a taxa de aprovagio de um profestor de uma classe de 45 alunos, sabendo que obtiveram aprovagao 36 aluncs. rae ~ de aprovagio ‘n® matricula final X 100 =X ous = 80%2 Uma escola apresentava, no 36 EsINoneA ACH, EXERCICIOS ‘ALUNOS SERIES | qatricuLavos | % 7 56 2 328 a 280 * 120 Total 1.274 Complete-s, determinando as percentagens com uma cas do a compensagio, se necessério. decimal e fa final do ano, © seguinte quadro: MATRICULAS SERIES [mango | NOVEMBRO es 475 2 458 456 3 436 430 * 420 420 Total | 1794 1781 8, Caloule @ taxa de evasao por série. b. Caloule a taxa de evasio da escola, EVOLUGAO DAS RECEITAS DO CAFE INDUSTRIALIZADO JAN.JABR. 4 ‘VALOR meses | (uss mith ~ Janeiro 33,3 Fevereiro 54,1 445 52,9 184.8 (Cop.3—Sévesftaticos 37 8, Complete-a com uma coluna de taxas oercentuais b. Como se distribuem as receitas em relagao ao total? © Qual o desenvolvimento das receitas de um més para o outro? 4. Qual o desenvolvimento das recsitas em relagdo ao més de janeiro? ‘Sao Paulo tinh bendo que sua area ters demografica ‘em 1982, uma populagdo de 32.182,7 mil habitantes. Sa- re @ de 248.256 km*, calcule a sua densidade Considerando que Minas Gerais IBGE): + populagao: 15.957,6 mil habitantes; + superficie: 586,624 km; + nascimentos: 292.036; + ébitos: 99.281 Caleute: 2. 0 indice da densidade demogrética; ba taxa de natalidade; ©. a taxa de mortalidade. ‘em 1992, apresentou (dados fornecidos pelo Uma frota de 40 caminhoes, transportande, cada um, 8 toneladas, dlirige-se 8 duas cidades A e B. Na cidade A sto descarregados 65% desses caminnises, or 7 homens, trabalhando 7 horas. Os eaminhoes restantes seguem para 4 Gidade B, onde 4 homens gastam 5 horas para o seu descarregamento. Em ‘que cidade se obteve melhor produtividads? Um professor preencheu um quadro, enviedo pela D.E., com os seguintes dados: NDE | NDE ‘RETIDOS: om eo. SE cis] anos] 8 2 ey a saos | s0mn | ato | FERAGAO ‘woos (#708: vB 49 44 36 03, 06 05 O 40 | 04 eo] | @| @| o | w[e| wo | 2] oe wel a] 3| a | oo | fos] oe | | 2 wl@i sieleijoi@iniss at tea | 161 | a7 5 [oe [of us| 16 Caleute: a. a taxa de eva: b. a taxa de evasao total; ©. a taxa de aprovagao, por classe; 4d. a taxa de aprovagao geral; 2. a taxa de recuperagio, por classé f. a taxa de recuperagao geral; 9 h 2 taxa de reprovacao na recuperagio geral; 8 taxa de aprovagio, sem a recuperacto; i. a taxa de retidos, sem a recuperacao,Graficos Estatisticos 1 GRAFICO ESTATISTICO grafico estatistico & uma forma de apresentagao dos dados esta- Listicos, cujo objetivo & o de produzir, no investigador ou no piblico em geral, uma impressdo mais répida e viva do fenOmeno em estudo, j& que 6s grificos falam mais répido A compreensio que as séties, Para tornarmos possivel uma representacdo gréfica, estabelecemos uma correspondéncia entre os termos da série e determinada figura geométrica, de tal modo que cada elemento da série seja representado por uma figura propor- clonal A representagio grafica de um fendmeno deve obedecer a certos requisi- tos fundamentais para ser realmente tl: a. Simplicidade — o grifico deve ser destituido de detalhes de impor- Lncia secundaria, assim como de tragos desnecessdrios que possam levar o observador a uma andlise morosa ou com erros. b, Clareza — o grifico deve possibilitar uma correta interpretagio dos valores representativos do fenémeno em estudo. €. Veracidade — o grafico deve expressar a verdade sobre 0 fendmeno em estudo. Os principais tipos de grificos so os diagramas, os cartogramas e os pictogramas. 2 DIAGRAMAS (0s diagramas sio graficos geométricos de, no méximo, duas di sOes; para sua construglo, em geral, fazemos uso do sistema cartesiano, ris Eaatiteos 39 Dente os principais diagramas, destacanos: 2.1. Grafico em linha ou em curva Este tipo de grafico se utiliza da linha poligonal para representar a série cestatistica © grafico em linha constitui uma aplicagiio do processo de representa ‘edo das fungées num sistema de coordenadas cartesianas. ‘Como sabemos, nesse sistema fazemos uso de duas retas perpendicula- res; as retas sio os eixos coordenados e o pento de interseccao, a origem. O cixo horizontal ¢ denominado efxo das abscissas (ou eixo dos x) e 0 vertical, eixo das ordenadas (ou eixo dos y), Para tomar bem clara a explanagdo, consideremos a seguinte série: PRODUGAO BRASILEIRA DE OLEO DE DENDE 1987-92 ‘QUANTIDADE Anos | “11.000 #) FONTE: Agropalms, ‘Vamos tomar os anos como abscissas e as quantidades como ordenadas. Assim, um ano dado (x) ¢ a respectiva quantidade (y) formam um par ordenado (x, y), que pode ser representado num sistema eartesiano, Determinados, graficamente, todos os pontos da série, usando as coorde- hhadas, ligamos todos esses pontos, dois a dois, por segmentos de rela, 0 que iré nos dar uma poligonal, que ¢ 0 gréfico em linha ou em eurva correspon- dente & série em estudo (Figura 4.1),40 estnisncarhon PRODUGAO BRASILEIRA mit DE OLEO DE DENDE toneladas 1987-92 AT NY 20 10 ° wars FONTE: Agropalme, FIGURA 4 Notas + No exemplo dado, 0 zero foi indicado no cixo vertical, mas, por razBes Gbvias, no foi indieado no eixo horizontal. Observe que o zero, de modo geral, devers ser indicado sempre que possivel, especialmente no eixo vertical. Se, por alguma razio, for impossivel tal indicagio e se essa omissio puder levar 0 observador conclusdes errdneas, & prudente chamar a atengo para a omissi0 por um dos a 0s indicados nas Figuras 4.2, 4.3 ¢ 4.4 rs Rs fs vod sad tod ‘9 ‘9 a oe set AH sa a J o9 2s so 2 eles i ac 906 67 9 699g 7 1986 BY @8 89 90 19687 #8 89 90 + Com 0 intuito de methorar o aspecto visual, podemos sombrear ou hachurar 0 gri- fico. Assim, o grifico da Figura 4.3 toma o seguinte aspecto: rs 100 FIGURASS ——s996 87 88 89 90 Cop.4— Gites Esoeoos 41 * Quando representamos, em um mesmo sistema de coordenadas, a variagio de dois fendmenos, a parte interna da figura formada pelos grificos desses fendmenos & ddenominada rea de excesso: Ee send eacest de mga 2.2. Grafico em colunas ou em barras E a representagio de wma série por meio de retingulos,dispostos verti calmente (em colunas) oa horizontalmente (em bares, Quando em colunas, os retAngulos tém a mesma base € as alturas sio proporcionais aos respectivos dados Quando em barras, 08 retangulos tm a mesma altura ¢ os comprimentos so proporcionais aos respectivos aos, Assim estamos assegurando a proporcionalidade entre as dreas dos retin- gulos © os dados estatisticos. Exemplos: a. Griifico em colunas PRODUGAO BRASILEIRA DE CARVAO MINERAL BRUTO 1989-92 ‘QUANTIDADE anos | PRODUZIDA _— (1.000 8) 989] 18.198 1990 11.168 1991 10.468 1992 928) FONTE: Minit de Aare42 esintsncarhon, PRODUGAO BRASILEIRA DE ‘CARVAO MINERAL BRUTO . Griifico em barras 1989-92 c co “a0 T95T To FONE: Minisio da Agriutre TIGURA AT EXPORTAGOES BRASILEIRAS MARGO — 1995 ‘VALOR. EsTADOS —_| (yg mithoes) Sho Paulo 1344 ‘Minas Gerais 42 Rio Grande do Sul 332 Espirito Santo 285 Parana 250 Santa Catarina 202 FONTE: SECEX FONTE: SECEX ‘Smo EXPORTAGOES BRASILEIRAS MARCO — 1995 hoes doles (cop. 4—Gritcostsatatcos 43 NOTAS: + Sempre que os dizeres a serem inseritos sio extensos, devemos dar preferéncia 20 _nifico cm barras (séries geogrficas e especifias). Porém, se ainda assim prefe- rirmos o grifico em colunas, os dizeres deverdo ser dispostos de baixo para cima, hnunea 20 contréto, + A ordem a ser observada € a eronoldgicn, se a série for hist6rica, ¢ a decrescente, se for geogrifiea ou categérica + A distincia entre as colunas (ou barras), por questdes estéticas, no deverd ser menor que a metade nem maior que os dois tergos da largura (ou da altura) dos retangulos, 2.8. Grafico em colunas ou em barras miltiplas Este tipo de grafico é geralmente empregado quando queremos represen- tar, simultaneamente, dois ou mais fendmenos estudados com o propésito de comparacao, Exemplo: BALANGA COMERCIAL DO BRASIL 1989-93 ‘VALOR (USS 1.000.000), ESPECIFICAGOES 1989 | 1990 | 1991 | 1992 | 1993 Exportagao (FOB) | 34.389 | 31.414 | 31.620 | 35.793 | 38.789, Importagao 18.263 | 20.661 | 21.041 | 20.554 | 25.711 BALANCA COMERCIAL Us mito BRASIL — 1989-93, sn ° a TY FONTE: Minniio da Faronds Clexportagio 1 importagio 2.4. Grafico em setores Este grifico € construido com base em um efrculo, ¢ & empregado sem- pre que desejamos ressaltar a participago do dado no total44 esinisncarhcn, © total 6 representado pelo circulo, que fica dividido em tantos setores: {quantas so as partes. Os setores sio tais que suas ‘reas slo respectivamente proporcionais aos dados da série. CObtemos cada setor por meio de uma regra de trés simples e direta, lem- brando que o total da série corresponde a 360°. xen REBANHO SUINO DO ‘SUDESTE DO BRASIL 19 Estapos | QUANTIDADE Minas Gerais Espirito Santo Rio de Janeiro S80 Paulo Tot FONTE: 106. temos: 6198.5 — 360°] 5 5, = 1972 = x= 197" 3363.7 — x, x= 229%, ‘Com esses dados (valores em graus), marcamos num efreulo de raio arbi- trério, com um transferidor, 0s arcos correspondentes, obtendo 0 grifico: REBANHO SUINO DO ‘SUDESTE DO BRASIL 1992 SS | [7] non ora » HE ore sane jp } FONTE: 196 FGURA 40 Cop. 4—GréeosEsatatcos 45 NOTAS: + 0 grifico em setores s6 deve ser empregado quando hé, no miximo, sete dados, + Se a série ja apresenta os dados percentuais, ebtemos 0s respectivos valores em ‘graus multiplicando 0 valor percentual por 3,6 S| GRAFICO POLAR Eo grifico ideal para representar séries temporats iclcas, isto é, Gries temporais que apresentam em seu desenvolvimento determinada periodicida- de, como, por exemplo, a variagio da precipita pluviométrica ao longo do ano ou da temperatura a0 longo do dia, a arradagao da Zona Azul durante a semana, 0 consumo de energiaelética durante o més ou o ano, o nimero de passageiros de uma linha de énibus a0 longo da semana ec. O grafico polar faz uso do sistema de coordenadas potaes. Exemph Dada a série: PRECIPITAGAO PLUVIOMETRICA RECIFE — 1992 MESES | MILIMETROS Janeiro 196 Fevereiro Margo Abril Maio Junho Julho Agosto ‘Setembro Outubro Novembro Dezembro + tracamos uma circunferéncia de raio arbitrétio (em particular, damos prefe- réncia ao raio de comprimento proporcional & média dos valores da série); + construfmos uma semi-reta (de preferéncia na horizontal) partindo de O (P6l0) e com uma escala (eixo polar); + dividimos a citcunferéncia em tantos arcos quantas forem as unidades tem- porais; + tragamos, a partir do centro © (pélo), semi-retas pasando pelos pontos de divisao;46 eswisnca rhe, ‘+ marcamos os valores correspondentes da varidvel, iniciando pela semi-reta horizontal (eixo polar): + ligamos os pontos encontrados com segmentos de reta; + se pretendemos fechar a poligonal obtida, empregamos uma linha interrom- pida. Assim, para 0 nosso exemplo, temos: PRECIPITACAO PLUVIOMETRICA RECIFE — 1993, FONTE: Minsirio da Agia 4 CARTOGRAMA © cartograma é a representagdo sobre uma carta geogritica, Este grafico é empregado quando o objetivo é o de figurar os dados esta- Listicos diretamente relacionados com éreas geogtificas ou politicas. Distinguimos duas aplicagdes: a. Representar dados absolutos (populagio) — neste caso, langamos milo, em geral, dos pontos, em nimero proporcional aos dados (Figura 4,12), . Representar dados relatives (densidade) — neste caso, langamos mao, tem geral, de hachuras ou cores (Figura 4.13). (cop. 4—Gréteostsatetcos 47 Exemplo: Dada a série POPULAGAO PROJETADA DA REGIAO SUL DO BRASIL — 1994 POPULAGAO | AREA ESTADOS nan (len) | DENSIDADE Parané 8.651.100 199.324 43.4 Santa Catarina 4.767.800 95.318 50,0, Rio Grande do Sul | 9.475.900 _ 280.674 33,8 FONTE: 196. ‘obtemos os seguintes cartogramas POPULAGAO PROJETADA DA REGIAO SUL| | DENSIDADE POPULACIONAL PROJETADA, BRASIL — 1994 DA REGIAO SUL DO BRASIL — 1904 [| menos do 34.0 nabiten? manos de 44,0 nabykm? 400,000 habitantes [1D menos do 51,0 hab? NOTA: + Quando 0s niimeros absolutos a serem represeatados for gar de pontos podemos empregar hachuras. muito grandes, no Iu48 esInisucArAci, 5 PICTOGRAMA 0 pictograma constitui um dos processos gréficos que melhor fala a0 piblico, pela sua forma ao mesmo tempo atraente e sugestiva. A re- presentagao grifica consta de figuras. Exemplo: Para a série POPULAGAO DO BRASIL 1960-90 HABITANTES (wnithares) 7960 70.070,8 1970 93.139,0 118.5625 155.82214 temos a seguinte representacio pict6rica: cop. 4 Grdcoststatatcos 49 Na verdade, 0 grifico referente & Figura 4.14 é essencialmente um grafi- co em barras; porém, as figuras o tornam mais atrativo, 0 que, provavelmente, despertara a atencio do leitor para o seu exame, ‘Na confecgio de gréficos pictéricos temos que utilizar muita criatividade, procurando obter uma otimizagio na uni da arte com a técnica. Fis alguns ‘exemplos: Familias ‘numerosas fama (uh: 5 = Sasa = a : wasnt POPULAGAO DO BRASIL 1960-90 ~ RRR} RRRR} = RRRRRA = RRRRRRRA Cada simbolorepratens 20,090.00 de habitetes 191 FONTE: 1965. GURA 44 FiGURA50 esinisucarAci, om om ungra canads chia & Tata de. Povo, st. 1804 GURA 47 Incidéncia saze dos tipos femininos r Teja ar. 198, FIQURA 418 GURA 439 EXERCICIOS 11 Represente a série abaixo usando 0 gréfico em linha: ‘COMERCIO EXTERIOR BRASIL — 1984.99 ‘QUANTIDADE (7.000 0) ANos EXPORTAGAO | IMPORTACAO 1988 141.737 ‘53.988 1985 148.351 48.870 1986 193.882 60.597 1987 142.378 61.975 1988 169.666 58.085 1989 177.033 87.293 1990 168.095 57.188 1991 165.976 63.278 1992 167.295 68.059 1993 192.561 83Distribuigao de Frequiéncia 1 TABELA PRIMITIVA ROL Vamos considerar, neste capitulo, em particular, a forma pela qual pode- mos descrever os dados estatisticos resultantes de varidveis quantitativas, como €o caso de notas obtidas pelos alunos de uma classe, estaturas de um conjun- to de pessoas, saldrios recebidos pelos operarios de uma Fabrica etc. Suponhamos termos feito uma coleta de dados relativos as estaturas de quarenta alunos, que compdem uma amostra dos alunos de um colégio A, re- sultando a seguinte tabela de valores: TABELA 5.1 ESTATURAS DE 40 ALUNOS DO COLEGIO A 165 160 161 150 162 160 165 167 168 160 162 161 168 163 156 173 160 155 166 168 155 152 163 160 185 155 169 151 170164 154 161 156 172 153 157 156 158 158161 Aeesse tipo de tabela, cujos elementos no foram numericamente organi- zados, denominamos tabela primitiva. Partindo dos dados acima — tabela primitiva — é dificil averiguar em tomo de que valor tendem a se concentrar as estaturas, qual a menor ou qual ‘2 maior estatura ou, ainda, quantos alunos se acham abaixo ou acima de uma dada estatura Assim, conhecidos os valores de uma varisvel, ¢ diffeil formarmos uma {dia exata do comportamento do grupo como um todo, a partir dos dados niio- ordenados, ‘A mancira mais simples de organizar os dados & através de uma certa or denagio (crescente ou descrescente). A tabela obtida ap6s a ordenacdo dos dados recebe 0 nome de rol cap.5-—Disibuicao do eaiencla 55 TABELA 5.2 ESTATURAS DE 40 ALUNOS DO COLEGIO A 150 154 155 157 160 161 162 164 166 169 181 155 156 158 160 161 162 164 167 170 152 155 156 158 160 161 163 164 168 172 163 155 156 160 160 161 163 165 168 173 Agora, podemos saber, com relativa facilidade, qual a menor estatura (150 em) ¢ qual a maior (173 em); que a amplitude de variagdo foi de 173 ~ 150 = 23 em; e, ainda, a ordem que um valor particular da variavel ocupa rho conjunto. Com um exame mais acurado, vemos que hii uma concentracl0 das estaturas em algum valor entre 160 em e 165 cm e, mais ainda, que hi poucos valores abaixo de 155 em e acima de 170 cm. 2 DISTRIBUIGAO DE FREQUENCIA No exemplo que trabalhamos, a varidvel em questi, estatura, seri ob- servada ¢ estudada muito mais facilmente quando dispusermos valores orde- rnados em uma coluna e colocarmos, a0 lado de cada valor, © mimero de vezes ‘que aparece repetido. Denominamos freqiiéncia o nimero de alunos que fica relacionado a um determinado valor da varidvel. Obtemos, assim, uma tabela que recebe o nome de distribuigdo de freqiiéncia: taseta 53° ESAT | one, STAT | ence, | rot mt ie | 2 eft ie | i | 4 | 4 ft es me aay ie | 3 me | 3 Tout [0 Mas 0 processo dado é ainda incoveniente, j4 que exige muito espaco, ‘mesmo quando o nimero de valores da variével (m) & de tamanho razodvel Sendo possivel, a solucio mais aceitivel, pela propria natureza da variével continua, é 0 agrupamento dos valores em varios intervalos, 5 tela foi riparia pra nlo cupar mat espa.56 eswisncarAci, Assim, se um dos intervalos for, por exemplo, 154+ 158%, em vez de dizermos que a estatura de 1 aluno é de 154 my; de 4 alunos, 155 em; de 3 alunos, 156 em; e de I aluno, 157 em, diremos que 9 alunos tém estaturas entre 154, inclusive, e 158 em. Deste modo, estaremos agrupando os valores da varidvel em intervalos, sendo que, em Estatfstica, preferimos chamar os intervalos de classes. Clamudo de freqdeneia de uma classe o nimero de valores da varid- vel pertencentes a classe, os dados da Tabela 5.3 podem ser dispostos como na ‘Tabela 5.4, denominada distribuicao de freqiiéncia com intervalos de classe: TABELA 54 ESTATURAS DE 40 ALUNOS DO COLEGIO A ESTATURAS T pre quéncia 150 + 154 4 - qe se : iri | on deer fos : qos 10 : Wo. ie 2 Tet © a ‘Ao agruparmos os valores da varidvel em classes, ganhamos em simpli- cidade mas perdemos em pormenores. Assim, na Tabela 5.3 podemos veriti car, facilmente, que quatro alunos tém 161 cm de altura ¢ que no existe ne~ hum aluno com 171 cm de altura. J4 na Tabela 5.4 no podemos ver se al- gum aluno tem a estatura de 159 cm. No entanto, sabemos, com seguranga, {que onze alunos {ém estatura compreendida entre 158 e 162 em, (© que pretendemos com a construcdo dessa nova tabela & realgar © que hi de essencial nos dados e, também, tomar possivel 0 uso de téenicas anali- tieas para sua (otal descrigao, até porque a Estatistica tem por finalidade espe- ciffica analisar o conjunto de valores, desinteressando-se por casos isolados, NOTAS: . + Se nosso intuito €, desde 0 inicio, a obtengao de uma distribuigao de frequéncia ‘com intervalos de classe, basta, a partir da Tabela 5.1, fazermos uma tabulagio, ‘como segue, onde cada trago corresponde & um valor + 154+ 158 € um imervalofechato d eguerd e aber dicta tl gue: 154 2x < 158, Cap.5-—Distoigdo de regdencia 87 TABELA SS ESTATURAS : a ‘TasuLagho | FREQUENCIA worse | + wares | ao 9 wsertsz |G " series | 2c 8 res va | 7 . ori | a Total 0 + Quando os dados estio organizados em ums distribuigdo de freqiiéncia, sd0 comumente denominados dados ageupados. 3| ELEMENTOS DE UMA DISTRIBUIGAO DE FREQUENCIA 3.1. Classe Classes de fheqligncia ov, simplesmente, classes so intervalos de varagio da varisvel. As classes slo representadas simbolicamente por i, sendo i = 1, 2, 3, (onde k € o niimero total de classes da distrituigio). Assim, em nosso exemplo, 0 intervalo 154+ 158 define a segunda classe 2). Como a distribuigio € formada de seis classes, podemos afirmar que ( k 8.2. Limites de classe Denominamos limites de classe os ex:remos de cada classe. © menor nsimero € 0 limite inferior da classe (1) ¢ o maior nimero, 0 limite superior da classe (L,) Na segunda classe, por exemplo, temos: (2154 L,= 158 Nota: + Os intervalos de classe devem ser escrito, de acordo com a Resolucio 886/66 do IBGE, em termos de desta quantidade até menos aquela, empregando, para isso, © simbolo + (inclusio de f, ¢ exclusio de L.). Assim, 0 individuo com uma estatura {de 158 em esté incluido na terceira classe (i= 3) € nfo na segunda,58 esinisncarAcn, 53.3. Amplitude de um intervalo de classe eee (Cop. 5 ~Ditbuicbo do Foainela 59 3.5. Amplitude amostral ‘Amplitude de um intervalo de classe ou, simplesmente, intervalo de classe é a medida do intervalo que define a classe. Ela 6 obtida pela diferenga entre os limites superior e inferior dessa clas- se e indicada por h,- Assim: Na distribuigio da Tabela 5.4, temos: hy= by hy = 188-154 = 4h, 8.4, Amplitude total da distribuigo Amplitude amostral (AA) é a diferenga entre 0 valor maximo e o valor ménimo da amostr AA = xix.) — x'min.) Em nosso exemplo, temos: AA = 173 ~ 180 = 23 > AA = 23m Observe que a amplitude total da distribuigio jamais coincide com a amplitude amostral 5.6. Ponto médio de umarclasse Ponto médio de uma classe (x,) é, como o préprio nome indica, onto que divide o intervalo de classe em duas partes iguais. Amplitude total da distribuigo (AT) ¢ a diferenga entre o limite superior da titima classe (limite superior méximo) ¢ o limite inferior da primeira classe (limite inferior minimo): AT = Limax.) = C(ming} Em nosso exemplo, temos: AT = 174 = 150 = 24 => AT = 24 6m NOTA: : + Beevidente que, se as classes possuem mesmo intervalo, veriicamos a rlagio Em nosso exemplo: Para obiermos 0 ponto médio de uma classe, ealeulamos a semi-soma dos limites da classe (média aritmética) Assim, © ponto médio da segunda classe, em nosso exemplo, = 136 = x, = 156 om Ltt, - 154+ 158 stax, NoTA: +0 ponto médio de uma classe 6 0 valor que a representa 5.7. Freqiiéncia simples ou absoluta Freqiiéncia simples ou freqiiéncia absoluta ou, simplesmente, fre- agiiéneia de uma classe ou de um valor individual & o niimero de obser vages correspondentes a essa classe ot a esse valor,62 eswisucarscn, Quando © resultado nao & exato, devemos arredondé-lo para mais. ‘Outro problema que surge é a escolha dos limites dos intervalos, os quais deveriio ser tais que fornegam, na medida do possivel, para pontos médios, iiimeros que facilitem os cilculos — ntimeros naturais. Em nosso exempto, temos: para n= 40, pela tabela 5.7, Logo: 173 = 180 _ 23 cs isto é, seis classes de intervalos iguais a 4, h RESOLVA 11 As notas obltidas por 50 alunos de uma classe forar 1234566778 2304568788 2344566789 28 sin nie 87 3 4 2345567789 2, Complete a distribuigho de freai 7 ]_noras | x, t T | ore 7 7 2] 24 3 | ae 4 | eee ~5 | 8410 a B= 60 b. Agora, responda: 4. Qual a amplitude amostral? 2 Qual a amplitude da dist 3. Qual o niimero de classes da dist 4 Qual o limite inferior da quarta classe? 5. 6 iga0? Qual o limite superior da classe de ordem 2? Qual @ amplitude do segundo intervalo de classe? ©. Complete: hy annus ‘cop. 5—isbuigdo de requéncia 63 5 TIPOS DE FREQUENCIAS Freqiiéncias simples ou absolutas (f) sdo os valores que realmen- te representam o mimero de dados de cada classe. Como vimos, a soma das freqiéncias simples € igual ao mimeo total dos dados: Ey, Fregiiéncias relativas (fr) sto os valores das razdes entre as fre- ‘liéneias simples e a freqiéncia total: Logo, a freqiiéncia relativa da terceira classe, em nosso exemplo (Tabela 5.0), f= eo tr, = = 0.278 3 tr, = 0275 Es 40 Evidentemente: B fry= 1.00 100% NOTA: + 0 proposito das freqléncias relativas € o de pernitir a anise ov faclitar as com- parages Freqiéncia acumulada (F.) € 0 total das freqéncias de todos os valores inferiores a0 limite superior do intervalo de uma dada classe: pate Sg ae Foe f= 1,2, bd Assim, no exemplo apresentado no inicio deste capitulo, a freqiiéneia ‘acumulada correspondente A terceira classe &: th sho he e9e 1 F924, © que significa existirem 24 alunos com estatura inferior a 162 em (limite superior do intervalé da terceira classe). r64 ssintsncarhcn, Freqiiéncia acumulada relativa (Fr,) de uma classe & a freqiléncia acumulada da classe, dividida pela freqiiéncia total da distribuig root tt para a terceina classe, tems: 0,600 = Fe srr 2 - 0,600 = Fr, Et Corsiderando a Tabela 5.4, podemos montar a seguinte tabela com as fre- «qiéncias estudadas: ESTATURAS tem) 150 154 150 158, 158 162 162 166 1661-170 170-174 © conhecimento dos virios tipos de freqléncia ajuda-nos a responder a rmuitas quest6es com relativa facilidade, como as seguintes: ‘8. Quatos alunos tém estatura entre 154 cm, inclusive, e 158 em? Esses slo 0s valores da varidvel que formam a segunda classe. Como f, = 9, a resposta é: 9 alunos. ’. Qual a percentagem de alunos eujas estaturas so inferiores a 154 em? Bsses valores sio os que formam a primeira classe, Como fr, = 0,100, obtemos a resposta multiplicando a frequéncia relaiva por 100: 0,100 x 100 = 10 Logo, a percentagem de alunos & 10%. ‘©. Quantos alunos tém estatura abaixo de 162 m? E evidente que as estaturas consideradas so aquelas que formam as classes de ordem 1, 2 ¢ 3. Assim, 0 nimero de alunos & dado por: Gtr tye Eafe Fee Portanto, 24 alunos tm estatura abaixo de 162 em, Cop. 5— Detbulgdo de regncio 66 4, Quantos alunos t@m estatura ndo-inferior a 158 em? O mimero de alu- nos € dado por: Ltt hehe + 84643-27 0-13-27 6 DISTRIBUIGAO DE FREQUENCIA SEM INTERVALOS DE CLASSE Quando se trata de variavel disereta de variagdo relativamente pequena, cada valor pode ser tomado como um intervalo de classe (intervalo degenert do) e, nesse caso, a distribuigdo & chamada distribuigio sem intervalos de classe, tomando a seguinte forma: TABELA 5.9 Exemplo: Seja x a varidvel mnflias entrevistadas ero de cOmodos das casas ocupadas por vinte fa- TABELA 5.10 die [ears eam al 2 4 2 3 7 3 4 5 4 5 2 5 6 1 6 1 1 E= 2066 eswisncardcn Completada com os varios tipos de freqiiéncia, temos: . TABELA 5.11 7 ™ 7 *, F Fr, a ee ‘ 020 «| 020 2| 3 7 035 a | 085 a | 4 5 025 1s | 0.80 a|os 2 0.10 18 | 0,90 5 | 6 1 0,05 19 4 0.95 6 | 7 1 0,05 20 |" 1,00 Nova: + Se-a varidvel toma numerosos valores distints, € comum traté-la como uma varié- vel continua, formando intervalos de classe de amplitude diferente de um. Esse tratamento (arbitririo) abrevia o trabalho, mas acarreta alguma perda de pre- RESOLVA TY Complete a distribuigso abaixo, determinando as frequéncias simples: 7 * F 1 2 2 2 3 9 3 4 2 4 5 29 5 6 eG 34 p= 34 A Conhecidas as notas de 50 alunos: at G8 33°82 47 73 68 61 73:77 74 71 81 91 65.55 57 95 85 88 59 80 41 50 53 65 76 85 73 60 67 47 78°56 94 35 45 55 64 74 65 94 66 48 39 69 89 98 42 54 obtenha a distribuigso de freqiiéncia, tendo 30 para limite inferior da prime: ra classe @ 10 para intervalo de cla cop.5—Disibuieso de Freqiéncia 67 22) Os resultados do langamento de um dado 50 vezes foram os seguintes: 6526436265 16.3.8 6 1 36 3 4 Geom a 22525135614 5624615243 Forme uma distribuigdo de freqiéncia sem intervalos de classe. [Bi Considerando as notas de um teste de inteligéncla aplicado a 100 alunos: 68 7@ 66 82 Ja 103 7@ 96 103 87 73 95 82 88 73 92 85 80 81 90 78) 86 78101 85 98 78 73 90 86 86 84 86 76 76 83 103 86 Bd 85 (7% 80 92102 73 87 70 a5 79) 93 82 90 83 81 85 72 81 96 BI 85 68 96 86 70 72 (J) Bf 99 B1 £9 71 73 63 105 78) 98 78 78) 83 96 95 94 88 62 91 82 98 93 83 76) 94 75) 67 95 108 98 71 92 72 73 Forme uma distribuicao de frequénecia. M/A tabela abaixo apresenta as vendas disrias de um determinado aparelho elétrico, durante um més, por uma firma comercial “on 1 M13 wu 3 won 2 4 10 13 6 1 8 13 16 17 4 14 Forme uma distribuigao de froqliéncia sem intervalos de classe. 5] Complete a tabel abaixo: (CLASSES th Fr, 1 ore + a aa 2 Br 16 10 a 3 | 16r26 “ a | 2ers2 9 5 | a240 3 p= 40 Dada a distribuigao de freqiéneia: xis 4 6 6 a ee era) determine: art: b. as freqiéncias relativas: © as frequéncias acumuladas; d. as frequéncias relativas acumuladas,. 68 eSINISICA PACH, 7 A tabela abaixo apresenta uma distribuigéo de freqdéncia das éreas de 400 lotes: AREAS | so 400 £00 £00» 700 £00 £00 140 1.100 4200 _o 14 46 58 76 68 62 48 22 6 (ores Com referéncia a esse tabela, determine: amplitude total; © limite superior da quinta classe; © limite inferior da oitava classe; © ponto médio da sétima classe; 8 freqiéncia da quarta classe; a frequéncia relativa da sexta classe; 8 frequéncia acumulada da quinta classe; © niimero de lotes cula drea nao atinge 700 m’; © miimero de lotes cuja area atinge e ultrapassa 800 m*; 2 percentagem dos lotes cuja area nao atinge 600 m’ a percontagem dos lotes cuje rea seja maior ou igual @ 900 mé9,05") 8 percentagem dos lotes cuja area é de 500 m?, no minimo, mas inferior ‘1.000 m* 0. classe do 72° lote; 3 . até que classe estao incluidos 60% dos lotes. 23-n-7emea0E8 1 A distribuigao abaixo indica o nmero de acidentes ocorridos com 70 moto- fistas de uma empresa de nibus: N° ACIDENTES | 0 2513 4 UOT NeMoToRIsTAS |20 10 16 9 6 5 3 Determine 2. 0 niimero de motoristas que néo sofreram nenhum acidente; b. 0 niimero de motoristas que sofreram pelo manos 4 acidentes; «©, 0 niimero de motoristas que sofreram menos de 3 acidentes; do nimero de motoristas que sofraram no minimo 3 6 no maximo 6 ack dontes: 2. a percentagem dos motoristas que sofreram no maximo 2 acidentes. 19) Complete os dados que faltam na distribuigdo de freqiiéncia: =a © te els 1 0.05, r an |: 1 2 05 4 3 | 2 ‘ wdo | % | % 4 025 | 13 i | 3 eo | 5 2 8 | oe : 19 pa| 9 i aa = 20 E 0p.5—Disibuigdo de Heguéncia 69 b i | classes |, t F, tr, 7 ora 1 4 a. _[ one 2 ara F a id | aaa 3 ne 5 16 | 30 4 bnB 7 n 5 ar 10 2. 15 2 a | wora2 i L | 99 Tees 13 93 a] wri i me % REPRESENTAGAO GRAFICA DE UMA DISTRIBUICAO ___ Uma distribuigo de freqiiéncia pode ser representada graficamente pelo histograma, pelo poligono de freqiiéncia e pelo poligono de freqiiéneia acu mulada’, Construfmos qualquer um dos gréficos mencionados utilizando 0 primei- 10 quadrante do sistema de eixos coordenados cartesianos ortogonais. Na li- ‘nha horizontal (eixo das abscissas) colocamos os valores da varidvel e na li- nha vertical (cixo das ordenadas), as freqiéncias 7.1. Histograma __ Ohistograma é formado por um conjusto de retdingulos justapostos, ‘cujas bases se localizam sobre 0 eixo horizontal, de tal modo que seus Pontos médios coincidam com 0s pontos médios dos intervalos de classe. Jaca ItBHFAS dos retinguos sio igus is amplitudes dos intervalos de As alturas dos retingulos devem ser proporcionais as freqlléncias das clas- ses, sendo a amplitude dos intervalos igual. Isso nos permite tomar as alturas humericamente iguais as feequéncias A distribuigao da Tabela 5.6 (p. 60) corresponde 0 seguinte histograma: ‘ x 4 ¢ eee a © Agus ares prefrem designso pr oiva de Galton70 saisncarAcn Novas: +O histograma goza de uma propriedade da qual faremos considerivel uso: a drea ‘de um histograma é proporcional a soma das freqiiGnctas. + No caso de usarmos as freqiéncias relativas, obtemos um grifico de sca unitéria. + Quando queremos comparar duas disteibuigdes, o ideal ¢ faz8-lo pelo histograma de freqiéncias relativas, ‘7.2. Poligono de freqiiéncia nN ae (0 poligono de freqiiéncia é um grético em linha, sendo as freqiién- cias marcadas sobre perpendiculares a0 eixo horizontal, levantadas pelos — ppontos médios dos intervalos de classe. Para realmente obtermos um polfgono (linha fechada), devemos comple- tar a figura, ligando os extremos da linha obtida aos pontos médios da classe anterior & primeira e da posterior a itima, da distribuigao, A distribuigao da Tabela 5.6 corresponde o seguinte poligono de freqiién- ‘ x 9 6 = a Oi Tez Tos Te 16d T6176 * Nowa: + No easo de termos uma varidvel essencialmente positiva, cuja distribuigo se int cle no valor zero, devemos considerar um intervalo anterior localizado no semi- cixo negative. Porém, consideraremos apenas a parte positiva do segmento que liga © ponto médio desse intervalo com a freqiiéncia do intervalo 0 + Exemplo: TABELA 5.12 CLASSES: Ora zea are ore ar 10 oF 4 6 8 0 Wx Fiaunas2 Cop. Ditibucto do Fraioncia 77 7.3. Poligono de freqiiéncia acumulada © poligono de freqiiéncia acumulada é tragado marcando-se as freqiéncias acumuladas sobre perpendiculaes ao eixo horizontal, leyan- tadas nos pontos correspondentes aos limites superiores dos intervalos de classe. ‘Assim, & distribuigio da Tabela 5.6 corresponde o seguinte poligono de freqiléncia acumulada: 0 ~ 0 “150 154 188 162 166 190 174 * Uma distribuiglo de freqlléncia sem intervalos de classe 6 representada graficamente por um diagrama onde cada valer da variével é representado por tum segmento de reta vertical ¢ de comprimen:o proporcional a respectiva fre- qléncia, Assim, para a distribuigio da Tabela 5.13, temos: TABELA 5.13 iy * f B 8 1] 2 4 4 ales 7 " : 3| 4 5 | 16 4 a|os 2 |e 5| 6 1 | 19 2 s| 7 a | 0 . [errs t4 8 6 7! my FiGURA Ss72 eswisncarAca, ‘Também podemos representar a distribui¢ao pelo grifico da frequéncia acumulada, 0 qual se apresentaré com pontos de descontinuidade nos valores dobservados da variavel: 0 = wo 5 0 — p23 8 6 87 x 8 ACURVA DE FREQUENCIA 8.1. A curva de freqiiéncia. Curva polida Como, em geral, os dados coletados pertencem a uma amostra extraida de uma populagtio, podemos imaginar as amostras tornando-se cada vez mais amplas e a amplitude das classes ficando cada ver. menor, 0 que nos permite concluir que a linha poligonal (contorno do poligono de freqiiéncia) tende a se twansformar numa curva — a curva de freqtiéncia —, mostrando, de modo ‘mais evidente, a verdadeira natureza da distribuigao da populagao. Podemos dizer, entio, que, enquanto o polfgono de freqiiéncia nos da a imagem real do fendmeno estudado, a curva de freqiéncia nos dé a imagem tendencial. ‘Assim, apés 0 tragado de um poligono de freqlncia, é desejavel, muitas veres, que se The faca um polimento, de modo a mostrar o que seria tal polf- ‘gono com um niimero maior de dados. Esse procedimento, é claro, no nos dard uma certeza absoluta de que a curva obtida — curva polida — seja tal qual a curva resultante de umn grande nimero de dados, Porém, podemos alirmar que ela assemelha-se mais & curva de freqliéncia do que ao polfgono de freqiiéncia obtido de uma amostra Timitada. © polimento, geometricamente, correspond a eliminacao dos vértices da linha poligonal. Consegue-se isso com 0 emprego de uma férmula bastante simples, a qual, a partir das frequéncias reais, nos fornece novas freqiiéncias — fregiiéncias caleuladas — que se localizarao, como no poligono de fre- agiléncia, nos pontos médios. ‘A formula que nos dé a freqii@neia ealculada (fe) é: eet Gast: Cop. 5 — Butbvigao de reiéncia 73 onde: fe, € a frequéncia calculada da classe considerada; f,€ a freqiiéncia simples da classe considerada; £,_, € a freqiiéncia simples da classe anterior & classe considerada; f,, , € a freqiiéncia simples da classe pesterior & classe considerada. Quando fazemos uso da curva polida, convém mostrar as freqiiéncias real- mente observadas por meio de pontos ou pequeus cfreulos, de modo que qualquer interessado possa, por si mesmo, julgar até que ponto os dados origi- nais foram polidos, Para a distribuigdo da Tabela 5.6, temos: fo, O22 K4+9 foe t2XO+8 7 ae 7 ss2xos ee fo 222X808 7 + : oeexins fey SA2KM68 og foe S42K340, Nag 7 ; TABELA 5.14 TSTATURAS (em) 4 7 ere 2] tris | 3 | 83 a ce i io Aye | | a 5] trim | oF | 8S ale mera | ee We) 1S 1616 TO WA TB lasses, FIGURA 5774 eswmisncardcn 8.2. As formas das curvas de freqiiéncia As curvas de freqiléneia assumem as seguintes formas caracteris -1, Curvas em forma de sino [As curyas em forma de sino caracterizam-se pelo fato de apresen- tarem um valor maximo na regio central. ‘So muitos os fendmenos que oferecem distribuicGes em forma de sino! ‘a estatura de adultos, o peso de adultos, a inteligéncia medida em testes men- tais, os pregos relativos. imos a curva em forma de sino simétriea c a assimétrica. + Curva simétrica Esta curva earacteriza-se por apresentar 0 valor méximo no ponto central € ‘5 pontos equidistantes desse ponto terem a mesma freqiiéneia (Figura 5.8). + Curva assimétriea Na pritica, no encontramos distribuigdes perfeitamente simétricas. As dis- 15 de medigGes reais so mais ou menos assimétricas, em relagdo a freqiléncia maxima. Assim, as curvas correspondents a tais distri- buigdes apresentam a eauda de um lado da ordenada maxima mais longa do que do outro, Se a cauda mais alongada fica 2 direita, a curva € chamada assimétrica positiva ou enviesada a direita (Figura 5.9). Se a cauda se alon- ‘28 A esquerda, a curva é chamada assimétrica negativa ou enviesada a es- querda (Figura 5.10). ALA cep. 5 —Disbugdo dereqincls 75 8.2.2. Curvas em forma de jota As curvas em forma de jota sio relativas a distribuigdes extrema- ‘mente assimétrieas, earacterizadas por apresentarem 0 ponto de ordensada mdxima em uma das extremidades. So curvas comuns aos fendmenos econdmicos e financeiros: distribui- gio de vencimentos ou rendas pessoais (Figuras 5.11 © 5.12). jota jota invertido FIGURA SAT FIGURA 812 8.8.5. Curvas em forma de U As curvas em forma de U sfo caractetizadas por apresentarem or- denadas méximas em ambas as extremidades. Como exemplo de distribuigo que di origem a esse tipo de curva pode- ‘mos citar a de mortalidade por idade (Figura 5.13), FiGURA S13 8.8.4, Distribuigdo retangular Essa distribuigdo, muito rara na verdade, apresenta todas as classes com 1 mesma freqiiéncia, Tal distribuigdo seria representada por um histograma em76 siisncarAcn {que todas as colunas teriam a mesma altura (Figura 5.14) ow por um poligono de freqliéncia reduzido a um segmento de reta horizontal (Figura 5.15) EXERCICIOS 1 Considerando as distribuigées de frequéncia seguintes, confeccione, para cada uma: 2. 0 histograma; b. 0 poligono de freqiiéncia ©. 0 poligono de frequéncia acumulads. 1 VT] Pesos: fi u.| ] ESTATURAS 7 (kg) i | em f 1[ ton ae 2 1 | 150+ 156 1 2) tara 5 2| 196» 162 5 3] ase sz 9 3| 162+ 168 8 2] 5256 6 | t68+ 174 13 5| 56-60 4 5 | 174 180 3 p= 26 u.”, | SALARIOS (RS) i 500+ 700 ‘700 900 900 + 1.100 41.100 + 1.300 1.300 + 1/500 1500 + 1.700 11700 1.900 5) Cite 0 tipo de curva correspondente a cada dist Cop. 5—Datibuigdo de readéncia 77 2 Confeccione o grético da distribuigao: AREAS | 001 400+ 50+ 600+ 700+ 80% 800+ 1.001.100 1200 a ere i Canfeeciona a curva polida relative & distribu 80 do freqincia: 1] CLASSES 1 1] «re 2] ari 3] 26 4] 1620 5 | 20+ 24 o| 2+ 28 25 4 Examinando o histograma absixo, que corresponde as natas relativas & ap cacao de um teste de inteligéncia 2 um grupo de alunos, respandai 2. Qual 6 0 intervalo de classe que tem maior freqiéncia? . Qual @ amplitude total da distribuigso? ©. Qual o niimero total de alunos? d. Qual 6 a freqiiéncia do intervalo de classe 110» 1207 «2. Quais 08 dofs intervalos de classe que tém, dois a dois, mesma freqiién- Quais s80 os dois intorvalos de classe tais que a freqiiéncia de um é 0 dobro da freqiéncia do outro? 19. Quantos alunos receberam notas de teste entre 90 (inclusive) © 1107 hh. Quantos alunos receberam notas nao-inferiores a 1007 5 2 6 0 5 or"z 40 60 80 100 120 140/i60 buigao a seguir: 8, Namero de mutheres de 18 a 30 anos, er uma dada populagio, classificadas segundo 0 niimero de vezes que hajam contraide matriménio. bb, Notas de alunos que cursam a ailtima série do 2° grau, em uma dada po- pulagao, «6, Coeficientes de mortalidade por acidente, por grupo de dade.78 eswisica rhea, 4. Tempo de estacionamento de veiculos motorizados em uma drea de con- gestionamento. ‘e, Numero de homens capacitados, por grupo de idade, que 6: pregados em uma determinada época, desem- | Conhecidas as notas de 50 alunos; 68 85 32 62 65 77 84 65 74 57 71 aR RY 8D 35 Gh 74 AT 84 6B 80 61 41 91 55 73 59 53 77 45 41 55 78 43 69 85 67 39 60 76 of 98 66 66 73 42 65 94 88 89 dotermine: a. a distribuigao de freqiéncia comecando por 30 ¢ adotando o intervalo de ‘classe de amplitude igual a 10; b, as freqiléneias acumuladas; ©. as freqiléncias relativas; d.0 histograma e 0 poligono de frequéneia. IH! A tabela abaixo aprosenta 0s cosficientes de liquidez obtidos da anélise de balango em 50 industrias: 39 74 100 118 45 105 156 7.6 ee 29 23 O48 90 55 124 87 45 44 1065 56 24 178 os 4a Ta 32 27 162 95 131 63 79 4B 53 129 69 15 26 48 160 ‘a, Forme com esses dados uma distribuigéo com intervalos de 123, tais que os limites inferiores sejam miltiplos de 3. b. Confeccione o histagrama @ o poligono de freqiiéncia correspondents. 980 iguais, 8) Um grau de nebulosidade, regi distribuigdo abaixo: trado em décimos, ocorre de acordo com a NEBUL, [Or 05+ 15+ 25+ 35+ 451 65-051 7.5%85r 95+ 100 f ‘x0 [125] 75 [05 [45 | a5 [55 | 65 [ 90 | 45076 9) Considerando a disteibuig CLASSES [11-2 9h 4 SHOE THOM OF IDK Mh 12h 13h ME BE 18 17 1B «7 Talwlalelaaslas] 39] 9012517 Til «Teli [a conteccione: tograms; bo poligano de freqiéneia; ©. a curva polida, indicando as freqiléncias reais por meio de pequenos cit- culos. Medidas de Posigao* 1 InTRODUGAO O estudo que fizemos sobre distribuigdes de freqléncia, até agora, per- mite-nos descrever, de modo geral, os grupos dos valores que uma variivel pode assumir. Dessa forma, podemos localizar a maior concentragiio de valo- tes de uma dada distribuicdo, isto &, se ela se localiza no inicio, no meio ou no final, on, ainda, se hi uma distribuigao per igual, Porém, para ressaltar as tendéncias caracteristicas de cada distribuigio, isoladamente, ou em confronto com outras, necessitamos introduzir conceitos que se expressem através de némeros, que nos permitam traduzir essas te déncias. Esses conceitos so denominados elementos tipicos da distribui € slo as; a. medidas de posigao; . medidas de variabilidade ou dispersio; . medidas de assimet 4. medidas de curtose. Dentre os elementos tipicos, destacamos, neste capitulo, as medidas de posigiio — estatisticas que representam uma série de dados orientando-nos quanto & posicdo da distribuicao em relacao ao eixo horizontal (eixo das abscissas), ‘As medidas de posigio mais importantes so as medidas de tendéncia central, que recebem tal denominacio pelo fato de os dados observados tet derem, em geral, a se agrupar em torno dos valores centrais. Dentre as medi- ddas de tendéneia central, destacamos: a. a média aritmética; b. a medians ca moda As outras medidas de posi ‘a. a prépria mediana; b. os quartis; . 0s percents, sdo as separatrizes, que englobam: © Consulte o Aptndice — tasteumes (188) Matemétco pars un revise do asanto Média Antti80 estisncarscn, @ MEDIA ARITMETICA (=) [Em um conjunto de dados, podemos definir varios tipos de médias. Porém, ‘em nossos estudos iremos nos limitar 3. mais importante: a média aritmética. Média aritmética é 0 quociente da divisio da soma dos valores da varkivel pelo ndimerw dees Ex, sendo: a média aritmétic x, 0s valores da varidvel; no niimero de valores. 2.1, Dados ndo-agrupados Quando desejamos conhecer a média dos dados nio-agrupados, determi- amos a média aritmética simples. Exemplo: Sabendo-se que a produgfo leiteira didria da vaca A, durante uma sema- nna, foi de 10, 14, 13, 15, 16, 18 € 12 litros, temos, para produgdo média da Oe Hs 19+ 154 164 18+ 12 9B Logo: a titros AAs vezes, a média pode ser um nimero diferente de todos os da série de dados que ela representa, E 0 que acontece quando temos os valores 2, 4, 8 © 9, para 0s quais a média é 5, Esse seré 0 nimero representaivo dessa série de valores, embora nao esteja representado nos dados originals. Neste cas0, c0s- tumamos dizer que a média no tem existéncia conereta 2.2. Desvio em relagdo a média Denominamos desvio em relagio & média a diferenga entre cada elemento de um conjunto de valores ¢ a média aritmética. cop. 6—Meaidos de Posed 81 Designando o desvio por d,, temos: Para 0 exemplo dado, temos =m, d,- 10-104 wu = m8 4, = R dy= 18-14 2.5. Propriedades da média 18 propriedade A soma algébrica dos desvios tomados em relagio & média € nula: 2° propriedade Somando-se (ou subtraindo-se) uma consiante (e) de todos os valores de uuma variavel, a média do conjunto fica aumentada (ou diminufda) dessa cor tante: yon te 5y-Kee Somando 2 cada um dos valores da varidvel do exemplo dado, temos: yy 12, ¥)=16,Y,= 18, ¥y= 17, %,= 18, ¥,= 200 y, = 14 Ya 124 164156174 184004 4-11282 eswisncarAcn 3 propriedade Multiplicando-se (ou dividindo-se) todos os valores de uma varidvel por ‘uma constante (¢), a média do conjunto fica multiplicada (ou dividida) por essa constante: yWeRxXes Multipticando por 3 cada um dos valores da varidvel do exemplo dado, obtemos: Y= 80, vp = 42, Y= 39, yy = 45, Ye = 48, Ye Bhey, = 36 Dat: LB y= 90442 +30 4 45 + 48 + 54 + 96 = 206 Como n = 7, temos: 2.4, Dados agrupados 1. Sem intervalos de classe Consideremos @JisteIbUiGH0)relativa a 34 familias de quatro flhos, to- mando para variével o niimero de filhos do sexo masculino: TABELA 6. NDE MENINOS 0 2 1 6 2 10 3 2 4 4 Cop. 6— Medios de Ponca 83 Neste caso, como as freqiiéncias sfio nimeros indicadores da intensidade de cada valor da variével, elas funcionam como fatores de ponderagao, o que nos leva a calcular a média aritmética ponderada, dada pela formula: Ex, Ef (© modo mais pritico de obtenio da média ponderada é abrir, na tabela, uma coluna correspondente aos produtos xf TABELA 6.2 * 4 0 z 1 6 2 | a | 2 4 4 Eos ‘Temos, enti: Exf- 780 E,=36 Logo: x- 24h 3-12.29 5% = 23 Ef 3 isto & = 2.3 moninos Noma: + Sendo x uma varigvel discreta, como interpretar 9 resultado obtido, 2 meninos © 3 ‘décimos de menino? (© valor médio 2,3 meninos sugere, neste caso, que o maior mimero de famitias tem 2 meninos e 2 meninas, sendo, porém, a tenléneia geral de uma leve superio- ridade numérica em relagao ao nimero de meninos.4 swsoncarAcn, RESOLVA Ai Complete o esquema para o céleulo da média aritmética da distribuigdo: 2.4.2. Com intervalos de classe Neste caso, convencionamos que todos os valores ineluidos em um de- terminado intervalo de classe coincidem com 0 seu ponto médio, ¢ deter- ‘minamos a média aritmética ponderada por meio da férmula: Exif, =f ‘onde x, 6 0 ponto médio da classe Consideremos a distribuigio: TABELA 6.3 ESTATURAS] (om) 150 154 150+ 158 188 + 162 162+ 166, 166+ 170 170+ 174 7 ‘ 2 9 a 1 ‘ 8 5 5 6 3 (cop. 6—Mecldcr de Roigio 85 Pela mesma razio do caso anterior, vamos, inicialmente, abrir uma colu- na para os pontos médios e outra para os predutos x TABELA 64 il ESTATURAS = = 7 (em) ‘ * fh 7 150r 168 4 132 08 2 184» 158 8 156 1.404 3 158+ 162 " 160 1760 4 162+ 166 8 168 1312 5 166 + 170 5 168 40 6 170» 174 a 172 516 z= B= 60 Como, neste caso: bf, RESOLVA i Complete o esquema para o célculo da média aritmética da distribuigao de freqdéncia: custo (RS) | 450+ 650 650+ 750} 850 + 9501 1.050 + 1.160 da{s lee donde: x= RS 75586 esiniscarAcH, 2.4.3. Processo breve Com o intuito de eliminarmos o grande nimero de célculos que as vezes se apresentam na determinagio da média, empregamos 0 que denominamos processo breve (em oposigdo ao processo usado anteriormente — proceso Jongo), baseado em uma mudanga da variével x por outra y, tal que: p onde x, € uma constante arbitraria escolhida convenientemente dentre os pon- 10s médios da distribuigo — de preferéncia o de maior frequiéncia. Fazendo essa mudanga de varifvel, de acordo com a segunda e a terceira propriedades da média, cla resulta diminuida de x, e dividida por h; mas isso pode ser compensado somando x, 3 média da nova varidvel e, ao mesmo tem- po, multiplicando-a por h, Resulta, entio, a frmula modificada: ax, « UM X HD i SEG Assim, para a distribuigio da Tabela 6.3, tomando para 0 valor de x, 0 ponto médio de maior frequéncia (se bem que podemos tomar qualquer dos valores do ponto médio), isto é = 160 como h =4, temos para valores da nova varigvel 164 we 6 168 ne % 1m % om ‘Vamos, entio, calcular @ média da distribuigo da Tabela 6.3 pelo pro- cesso breve. ‘Comegamos por completar a tabela dada com as colunas correspondents 40s pontos médios (x), aos valores da nova varidvel (y,) € aos produtos vf: LA 6. ESTATURAS fem) : 150+ 154 154 158, 158 + 162 162-166, 166+ 170 170+ 174 x= 160 cop. 6—Medidon de Pongo 87 ‘Temos, entio, x,= 160, E y,f,= 10, 25 =40 eh =4, Substitindo esses valores na férmula 4. 2th Ef, 100 + 0X4 | 0 donde: 161 em NOTAS: + © processo breve, com a nova variével definida por nés, s6 pode ser usado em distribuigdes que apresentam intervalos de classe de mesma amplitude, + 0 proceso breve pode, também, ser aplicado para as distibuigées sem intervalos de classe, bastando fazer h = 1 Fases para o céleulo da média pelo processo breve: 1) Abrimos uma coluna para os valores x, 2%) Escolhemos um dos pontos médios (Je preferéncia o de maior fre- aiéncia) para 0 valor de x, 3°) Abrimos uma coluna para 0s valores de y, e escrevemos zero na li- nha correspondente classe onde se encontra o valor de x,; a seqlén- cia “1, -2,—3, nm, logo acima do zero, ¢ a sequéncia 1, 2,3.» logo abaixa ‘ ‘Abrimos uma coluna para os valores do produto yf, conservando os sinais + ou -, e, em seguida, somamos algebricamente esses pro- dutos. 5%) Aplicamos a férmula, EXERCICIO RESOLVIDO Al Calcule a média aritmética, pelo processo breve, da distribuigao: custos (RS) | 450+ 550+ 650+ 7591 850 + 950+ 1.050 + 1.150 , Soe eee nee88 eswisncarhen Tomes: i *, f, ” wh, 7 00 @ ~7 | 24 2 600 10 2 | “20 3 700 1 Pia | ei ‘ 800 16 0 ° 5 900 13 1 12 6 | 1.000 5 2 10 7 | 1100 1 3 3 26 Como: = 100 |_ £29) 100 of = AS 755 6 a resposta. 800 00 28 RESOLVA Al Complete o esquema para 0 célculo da média aritmética da distribuigdo: CLASSES | 30+ 50+ 70+ 90+ 110+ 130 282 0 6 Temos: x i Wf. 2 Com op. 6 Macias de Pogo 89 2.8. Emprego da média A média ¢ utilizada quando: a. desejamos obter a medida de posigio que possui a maior estabilidade; , houver necessidade de um tratamento algébrico ulterior: S| AMODA (Mo) Denominamos moda o valor que occrre com maior freqiléncia em uma série de valores. Desse modo, o salirio modal dos empregados de uma indiistria 6 0 sali rio mais comum, isto €, 0 salério recebido pelo maior niémero de empregados dessa industria, 8.1, Dados nao-agrupados Quando lidamos com valores ndo-agrupidos, a moda € facilmente reco- thecida: basta, de acordo com a definigio, procurar-o valor que mais se repete. A série de dados: 7, 8, 8, 10, 10, 10, 11, 12, 13, 15, fem moda igual a 10. Podemos, entretanto, encontrar séries nas quais no exista valor modal, isto é, nas quais nenhum valor aparega mais vezes que outros. E 0 caso da 3, 5, 8, 10, 12, 13, (0 apresenta moda (amodal) Em outros casos, a0 contrério, pode haver dois ou mais valores de con- centragio. Dizemos, entio, que a série tem dois ou mais valores modais. Na sér 2.3444, 5,6,7,7,7,8,9 temos duas modas: 4 e 7 (bimodal), 3.2. Dados agrupados 5.2.1. Sem intervalos de classe Um vez agrupados os dados, € possivel determinar imediatamente a moda! basta fixar o valor da variavel de maior freqUéncia Na distribuigio da Tabela 6.1, & freqlncia maxima (12) corresponde 0 valor 3 da variavel. Logo: Mo = 390 EstArisnicA FACHL 5.2.2. om intervalos de classe A classe que apresenta a maior freqiéncia € denominada elasse modal Pela definigio, podemos afirmar que a moda, neste caso, é 0 valor dominante que esté compreendido entre os limites da classe modal. © método mais simples para 0 célculo da moda consiste em tomar 0 ponto médio da classe modal, Damos a esse valor a denominagao de moda bruta, ‘Temos, entio: er 2 onde: (© € 0 timite inferior da classe modal; L# 6 0 limite superior da classe modal. ‘Assim, para a distribuigao: TABELA 6.6 ESTATURAS fem) y 150 154 4 154 158 8 weer 162 | 11 162+ 166 8 5 3 166+ 170 170-174 temos que a classe modal & Come: Moe ttl z vem: Mo = 158-2162 , 220. 499 aces Loge: Mo = 160 em Noma: + Hi, para o célculo da moda, outros métodos mais elaborados, como, por exemplo, ‘0 que faz uso da férmula de Czuber: D, Mo = fe SPL x ne na qual: (€ €0 limite inferior da classe modal h* & a amplitude da classe modal; sendo: 1 a trequencia simples da classe modal; Cop. Medldos de Posgao 91 {and a freqlencia simples da classe anterior & classe modal; Aipost) a frequéncia simples da. classe posterior Assim, para a distibuigio da Tabela 6.6, temos: D,-11-922 © 0,=11-8=3 donde: Mo = 158 + Loge: 4 Complete o esquema para o célculo da moda da 8 classe modal. ora ye 696 RESOLVA 7) custos (Rs) 7 | #60+ 650 @ 2 | 550+ 650 10 2 | 650+ 750 u 4 | 750-850 16 5 | 350+ 950 13 6 | 950-1050 | 5 7 | 1050+ 1.150 | 1 poet A classe modal 6 9 de ordem. Logo: Mawel Temos, pols: Mo a 2 2 isto ¢: ‘Mo = RS 80092 esintsncarAce 8.5. As expressdes graficas da moda Na curva de freqiiéncia, a moda € 0 valor que corresponde, no eixo das abscissas, ao ponto de ordenada maxima. Assim, podemos ter: ia ‘CURVA NAO-MODAL —_-CURVA AMODAL CURVA MODAL LY (CURVA ANTIMODAL Mo, ‘Mo, CURVA BIMODAL Mo, Mo, Mog, CCURVA TRIMODAL 4. Emprego da moda A moda 6 utilizada a. quando desejamos obter uma medida répida e aproximada de posigo; . quando a medida de posigio deve ser 0 valor mais tipico da distribui- io. cop. 6 —Mecidor de Pogo 93. @ AMEDIANA (Md) ‘A mediana é outra medida de posigao definida como o numero que se encontra no centro de uma série de ntimeros, estando estes dispostos segundo uma ordem. Em outras palavras, a mediana de um conjunto de valores, ordenados segundo uma ordem de zrandeza, € 0 valor situado de tal forma no conjunto que o separa em dois subconjuntos de mesmo né- ‘mero de clementos. Dada uma série de valores, como, por exemplo: 5, 13, 10, 2, 18, 15, 6, 16, 8, de acordo com a definigao de mediana, © primeito passo a ser dado é o da ordenagdo (erescente ou decrescente) dos valores 2, 5, 6, 9,48, 1, 15, 16,18 Em seguida, tomamos aguele valor cenal que apresenta o mesmo ni mero de elementos A direita e esquerda, Em nosso exemplo, esse valor € 0 10, jd que, nessa série, hé quatro elementos scima dele e quatro aba. “Temes, entéo: Ma = 10 Se, porém, a série dada tiver um nfimero par de termos, a mediana sera, por definigdo, qualquer dos mimeros compreendidos entre os dois valores cen- trais da série, Convencionou-se utilizar 0 ponto médio. Assim, a série de valores: 2, 6,7, 10, 12, 13, 18, 21 (em para mediana a média aritmética entre 10 e 12, Loge: we O28 Bo 2 2 donde Md = 11 Verificamos que, estando ordenados os valores de uma série ¢ sendo no rimero de elementos da série, 0 valor mediano ser —o termo de ordem 2*1 se m for impar; — a média aritmética dos termos de ordem * ¢ © + 1, se m for par. a94 eswisncarAca Podemos comprovar tal fato nas séries dadas: 941 paran = 9, temos 2% Logo, a mediana é 0 5® termo da série, isto & Md = 10 8 8 tes ran = 8, temos & —4e¢ 8 4 1~5. Logo, a mediana é a média 2 2 2 2 Logo: Md = 11 NOTAS: +0 valor da mediana pode coincidir ou nao com um elemento da série, como vi ‘mos. Quando o niimero de elementos da série & impar, hé coincidéncia. © mesmo nilo acontece, porém, quando esse ntimero & par. + A mediana e a média atitmética no t8m, necessariamente, © mesmo valor. Na primeira série apresentada, por exemple, temos: 10,4. Md = 10 + A mediana, como vimos, depende da posigio © no dos valores dos elementos na série ordenada. Essa é uma das diferengas marcantes entre a mediana e a média (que se deixa influenciar, e muito, pelos valores extremos). Esta propriedade da mediana pode ser constatada através dos exemplos a seguir: 5,7, 10, 13, 15 X= 10@ Md = 10 5,7, 10, 13, 65 > X= 20.0 Md = 10 isto é, a média do segundo conjunto de valores & maior do que a do primeiro, por Infuéncia dos valores extremos, ao passo que a mediana permanece a mesma + A mediana & designada, muitas vezes, por valor mediano. 4.2, Dados agrupados ‘Se os dados se agrupam em uma distribuicao de frequéncia, 0 céleulo da ‘mediana se processa de modo muito semelhante aquele dos dados nao-agrupa- dos, implicando, porém, a determinagio prévia das freqiiéncias acumuladas, Ainda aqui, temos que determinar um valor tal que divida a distribuigio em dois grupos que contenham o mesmo nimero de elementos. Cop. 6 — Meco de onca0 98 Para 0 caso de uma distribuigdo, porém, a ordem, a partir de qualquer uum dos extremos, é dada por: -1. Sem intervalos de classe Neste caso, ¢ o bastante idemtificar a frequéncia acumulada imediatamen- te superior & metade da soma das freqligncias. A mediana ser aquele valor da variavel que corresponde a tal freqliéncia acumulada ‘Tomemos a distribuicdo relativa & Tabela 6.1, completando-a com a colu- nna correspondente & freqiiéncia acumulada: TABELA 6.7 N* DE MENINOS: ‘4 menor freqlléncia acumulada que supera esse valor & 18, que corresponde 20 valor 2 da varidvel, sendo este 0 valor mediano, Logo: Md = 2 meninos NOTA: + No caso de exist uma frequéneia acumulada (F), tal que: a 2h A 1 mediana serd dada por isto 6, a mediana serd a média aritmética entre valor da varidvel correspondente essa frequéncia acumulada e o seguinte96 esinisncarace Exemplo: TABELA 6.8 1 Complete 0 esquema para o célculo da mediana das ax|2 4 6 8 10 ila7me4 Temos: Ma = 18216 2 donde Ma = 15.5 RESOLVA istribuigoes: Como: Come: fsto 6: cop. Medlacr de Fougdo 97 4.2.2, Com intervalos de classe Neste caso, o problema consiste em determinar 0 ponto do interval em ‘que esté compreendida a mediana. ara tanto, temos inicialmente que determinar a classe na qual se acha a ina — classe mediana, Tal classe serd, evilentemente, aquela correspon- Ef, acnmulada imediatamente superior a 2 Feito isto, um problema de interpolacao* resolve a questo, admitindo- se, agora, que 0s valores se distribuam uniformemente em todo o intervalo de classe. ‘Assim, considerando a distribuigio da Tabela 6.3, acrescida das frequén- cias acumuladas: TABELA 6: ESTATURAS: fom) 150 154 154+ 158 158+ 162 162 165, 166+ 170 170-174 temos: EA, M9 oe Como hé 24 valores includ nasi primeira clases da dsribuighoe como pretendemos determina o valor que fupe o20® lgarapatir do infio dia sé, vemos que este deve estar loclizad na terceia classe (1 = 3), aux pondo que as frelencas deseas classes exejan unlformemente dstribufdas, Como hi Hf elementos nessa classe e 0 imervalo de classe 6 igual a4, devemos tomat, a pari do limite inferior, a dane 2-13 4, 7 1 1" © mediana sera dada por: x4 Md = 158+ 2 x40 1584 28 = 158 + 2,54 = 100,54 W n Logo: Md = 160,5 om Tnterpolago 6 inerg de ums determioadsguanidade de valores ente dois miners das98 EsitinicarAcn, Na pritica, executamos os seguintes passos: 12) Determinamos as freqlléncias acumuladas. 2) Caleulamos 2E. ‘) Macau! « clita Stinopondat 1 Heal aa SS? tmnontsasperine a SEL “Gaie etoile Ses EN gamos a formula: na qual: * 60 limite inferior da classe mediana; F (anf) é a freqiiéncia acumulada da classe anterior & classe medianas 6 a freqiiéncia simples da classe mediana; h* € a amplitude do intervalo da classe mediana ‘Tomando como exemplo a distribuigao anterior, temos: zh 20 2 40 2 Logo, a classe mediana é a de ordem 3. Entio: 3,1 = 158, Flant Teht a6 Substituindo esses valores na formula, obtemos: (20-1394 Md = 158 + 150 + 26 ~ 159 + 264 - 160,54, isto € Md = 160,5 em RESOLVA ‘0 esquema para o célculo da mediana da distribuigso de frequién- custos (Rs) 0 850 + 650» 750 + 850+ 9601 1.050 + 1.150 AO ia 1 WAGE tS Bnav ARERR Cop. 5—Mokiode Posto 97 Temos: i Custos (ns) 7 450 550 8 8 2 550+ 650 3 650+ 750 ‘ 750 850 5 6 7 850+ 950 1950 1.050 1.050 - 1.150 Logo: isto 6: Md = RS 769 NOTA: + No caso de existir uma freqiéncia acumulada exat a media- ate igual a nna serd 0 limite superior da classe correspordente. Bempe i CLASSES , fi ‘Temos: 1 Or 10 a 2 +20 4 -3 1 3 20+ 30 Be ™ 4 30+ 40 = 5 40+ 50 cod ne Seer evens eae100 eswasncarhon 4.3, Emprego da mediana Empregamos a mediana quando: a desejamos obter o ponto que divide a distribuigtio em partes iguais; b. hd valores extremos que afetam de uma maneira acentuada a média; a varidvel em estudo 6 salétio, 5 POSICAO RELATIVA DA MEDIA, MEDIANA E MODA Quando uma distribuigio é simétrica, as tr8s medidas coincidem. Porém, a assimetria torna-as diferentes e essa diferenga é tanto maior quanto maior é ‘assimetria. Assim, em uma distribuicdo em forma de sino, temos: X= Md = Mo, no caso da curva simétriea; Mo < Md < X, no caso da curva assimétrica positiva; X < Md < Mo, no caso da curva assimétrica negativa, MEDIANA, — meévia — ‘Mo = Md 650 10 @ 18 & (0) Primeiro quartil a, = RS 630 Q, 6.2. Os percentis série em 100 partes iguais. 7 ‘Denominamos percentis os noyenta ¢ nove valores que separam uma Indicamos: ees paeeien E evidente que: Pg = Md, Pa, = 0, € Py, 0 célculo de um percentil segue a mesma té Ef, porém, a formula sera substituida por ro 100 sendo k 0 niimero de ordem do percent104 estaincarAcn Assim, para 0 27° percentil, temos: [ Fano] ke2T Pye ts Exemplo: Considerando a Tabela 6.11, temos, para 0 oitavo percentil: a Eh 8x40 700 ~~ 100 Logo: 2-04 _ 128. BPS. 150+ 3,2 = 153.2 4 160+ donde: RESOLVA a1 Complete o esquema para o calculo do vigésimo percentil da distribuigao: custos (as) | 450+ 5501. 6501 750+ 8501 950+ 1.050» 1.150 1 s 0 1 6 1 5 7 Temos: ‘Custos u (Rs) e a 7 | 460+ 650 3 a 2 | 550-650 0 18 (Py) 3 | 650+ 760 n | 20 4 | 750-350 3 | 45 5 | @50.-950 1 | 58 6 | 950+ 1.050 5 | a 7 | 1.050% 1.160 1 | 6 Ee 6 Cop. Medios de Fosgdo 105 toma Eh, BX | 100 700 ~ 100 ry FLOM = sy a isto 6: NoTA: + Construindo © poligono de freqiéncia ac geometticamente, as separatizes ulada percentual, podemos determinar, eee eee eee L 7%, ~ } 1 oy \ 2 = won tle | Bee eae ; ele eg Use| [eee piles ches le| le ° v0 7 18 F E ie Pg a re aw an EXERCICIOS Al Considerando os conjuntos de dados: 2.3.5, 2,6,5,9,5,2,8,6 @. 51,6; 48,7; 50,3; 49,5; 48.9 bh. 20,9, 7,2, 12,7, 20, 15,7. 45, 18, 20, 13, 10, 16, 14 caleul loa média; La median; I 9 moda,106 EsasncarAcn 2) Os salérios-hora de cinco funcionérios de uma companhia sao: RS 75, RE 90, RS 83, RS 142 © RS 88, Determine a. a média dos salérios-hora; bi. © saldrio-hora mediano, if As notas de um candidato, em seis provas de um concurso, foram: 8,4; 9,1; F112; 68; 8,7 € 7.2. Determine 2. a nots média; b. a nota mediana; ©, a nota modal 1 Considerando a distribuigéo abaixo: x[3 45678 +e 8 3 b. a mediana; . a mods, fm uma classe de 50 alunos, as notas abtidas formaram a sequinte Gist: buigsop NP DE ALUNos 136019853 1 a. a nota média; b. a nota mediana; ©. a nota modal. lermine a média aritmética de: 8. VALORES |50 60 80 QUANTIDADES|@ «5 4 3 b. x [50 58 4,120 50 30 Determine os desvios em relagao & média dos seguintes dados: 6, 8, 5, 12, 11,7, 4, 18. Qual a soma dos desvios? (cop. 6 —Mecdos da Pogo 107 das distribuigoes de freqiéncia abaixo: : w noms] ESTATURAS |, Scanallaais wre] —s ore] 8 ae |e, tre | lari | 8 E-at 4 SALARIOS, PESOS a (Rs) (ka) ‘ 500+ 700 | 18 15+ 151 | 10 700+ 900 | 31 airs? | 9 900 1.100-} “15: werr ies | 8 1.1004 1:30 | 3 163+ 169 | 6 300+ 1500 | 1 voor 17s | 3 1500+ 1.700 | 1 writ | 3 1700+ 1900 | 1 vary ie? | 4 r=70 z= 40 1) Calcule @ mediana de cada uma das distribuigdes do exercicio 8. 10 Calcule # moda de cada uma das distribuigées do exorcicio A1l Calcule o primeiro e 0 terceiro quartis das distribuicdes do exercicio 8. 42 Calcule 0 10°, 0 1%, 0 23°, 0 15% & 0 90° percentis da distribuigao b do exer: ciclo 8, 18| A curva de freqiiéncia acumulada serve para determinar: ‘a, a lol do acaso. b. a média ©. a mediana, 4d. @ moda 2.0 desvio padrao, 414) Uma curva simétrica se caracteriza pelo seguinte atributo: 1a, € assimétrica & esquerda. b. A moda é maior que a mediana @ a média ©. A mods, a mediana e a média 840 iguais, 4d. 0 desvio padrao é maior que a mediana e a moda. 1. Os decis so equivatentes & média,Medidas de Dispersao ou:de Variabilidade 1) DISPERSAO OU VARIABILIDADE Vimos anteriormente que um conjunto de valores pode ser conveniente- mente sintetizado, por meio de procedimentos matemiticos, em poucos valores representativos — média aritmética, mediana e moda. Tais valores podem ser- vir de comparacdo para dar a posigdo de qualquer elemento do conjunte, No entanto, quando se trata de interpretar dados estatisticos, les jé convenientemente simplificados, & necessério ter-se uma idk tiva de como se apresentavam esses mesmos dados nas tabelas. Assim, nio & o bastante dar uma das medidas de posigo para caracteri- zat perfeitamente um conjunto de valores, pois, mesmo sabendo, por exem- plo, que a temperatura média de duas cidades € a mesma, e igual a 24°C, ain- da assim somos levados a pensar a respeito do clima dessas cidades, Em uma delas podera a temperatura variar entre limites de muito calor e de muito frie © haver, ainda, uma temperatura média de 24°C. A outra poder ter uma va- riagdo pequena de temperatura e possuir, portanto, no que se refere & tempera~ ‘ura, um clima mais favorével. ‘Vemos, entio, que a média — ainda que considerada como um nimero ‘que tem a faculdade de representar uma série de valores — no pode, por si mesma, destacar o grau de homogeneidade ou heterogeneidade que existe en- tre os valores que compoem 0 conjunto. Consideremos os seguintes conjuntos de valores das varisveis x, y ¢ 2: X: 70, 70, 70, 70, 70 ¥: 68, 69, 70, 71, 72. 2:5, 15, 50, 120, 160 Calculando a média aritmética de cada um desses conjuntos, obtemios: Vemos, entdo, que os trés conjuntos apresentam a mesma média aritmé- tica: 70, Cop. 7 — MecidasdeOepoid0 ou ce Vonbitdade 109 Entretanto, € facil notar que © conjunto X é mais homogéneo que os conjuntos ¥ e Z, ja que todos os valores so iguais & média, © conjunto Y, por sua vez, € mais homogéneo que o conjunto Z, pois hi ‘menor diversificagao entre cada um de seus valores e a média representativa, Chamando de dispersio ou variabilidade a maior ou menor dive ‘so dos valores de uma varidvel em tomo de um valor de tendéncia central tomado como ponto de comparacdo, podemos dizer que 0 conjunto X apresen- {a dispersio ou variabilidade nula e que o conjunto Y apresenta uma dis- persiio ou variabilidade menor que o conjunto Z. Portanto, para qualificar os valores de uma dada varidvel, ressaltando a ‘maior ou menor dispersdo ou variabilidade entre esses valores ¢ a sua medida de posigdo, a Estatistica recorre as medidas de dispersiio ou de variabilidade, Dessas medidas, estudaremos a amplitude total, a varifincia, o desvio padriio ¢ o coeficiente de variagio. @ AMPLITUDE TOTAL 2.1, Dados n&o-agrupados A amplitude total é a diferenga entre ¢ maior € 0 menor valor ob servado: AT = (max) = xtmin) Exemplo: Para os valores: 40, 45, 48, 52, 54, 62 6 70 , temos: ar 10 ~ 40 = 30 Logo: AT = 30 Quando dizemos que a amplitude total dos valores é 30, estamos afirman- do alguma coisa do grau de sua e¢ Jo, E evidente que, quanto maior a amplitude total, maior a dispersdo ou Variabilidade dos valores da varivel Relativamente aos trés conjuntos de valores mencionados no inicio deste capitulo, temos: AT, = 70-70 = 0, (dispersdo nuts} AT, = 72-68 AT, = 160-5TO esiaisncarAcn, 2.2. Dados agrupados classe Neste caso, ainda temos: [AT = x(max.) ~ x(min.) Considerando a tabela absixo: Exemplo: TABELA 7.1 temos: AT=4-0 Logo: aT =4 2.2.2, Com intervalos de classe Neste caso, a amplitude total é a diferenga entre o limite superior da &l- tima classe e 0 limite inferior da primeira classe AT = Liméx.) ~ Emin} Exemplo: Considerando a distribuigao abaixo: TABELA 7.2 ESTATURAS (om) 760 154 154+ 158, 158 162 162+ 166 166 170 110» 174 (Cop. 7—Mecidos de Dspeno ou de Vaibildode 111 temos: AT = 174 ~ 150 = 26 Logo: AT = 24 em ‘A amplitude total tem o inconveniente de s6 levar em conta os dois valo- res extremos da série, descuidando do conjunto de valores intermediétios, 0 que quase sempre invalida a idoneidade do resultado. Ela é apenas uma indi- cagio aproximada da dispersio ou variabilidede. Faz-se uso da amplitude total quando se quer determinar a amplitude da temperatura em um dia ou no ano, no controle de qualidade ou como uma me- dida de céleulo répido, e quando a compreensio popular é mais importante que 4 exatidao e a estabilidade, 3 VARIANCIA _ DESVIO PADRAO 3.1. Introdugao ‘Como vimos, a amplitude total é instavel, por se deixar influenciar pelos valores extremos, que so, na sua maioria, devidos a0 acaso. A variiincia e o desvio padrio so medidas que fogem a essa falha, pois levam em consideragio a totalidade dos valores da varidvel em estudo, 0 que faz delas indices de variabilidade bastante estéveis e, por isso mesmo, os mais geralmente empregados. , A varifineia baseia-se nos desvios em torno da média aritmética, porém determinando a média aritmética dos quadrados dos desvios*. Assim, re presentando a varidncia por s2, temos: Ou, lembrando que Ef, © Lembremon gue Bd, = 505, —¥) =112. eswisnearAcu NOTA: + Quando nosso interesse iio se restringe & deserigio dos dados mas, partindo da amostra, visamos tirar inferéncias vélidas para a respectativa populagio, convén cfetuar uma modificago, que consiste em usar o divisor m ~ 1 em lugar de n, Podemos, ainda, com o intuto de conservar a definigao, calcular a varidncia wsan- do 0 divisor m e, em seguida, multiplicar 0 resultado por Sendo a variancia calculada a partir dos quadrados dos desvios, ela é um rimero em unidade quadrada em relagio a varidvel em questo, 0 que, sob 0 ponto de vista pritico, é um inconveniente. Por isso mesmo, imaginou-se uma nova medida que tem utilidade e in- terpretacao priticas, denominada desvio padrio, definida como a raiz qua drada da varifincia ¢ representada por s' ve Assin NOTA: + Tanto o desvio padriio como a varifincia so usados como medidas de dispersio ‘ou variabilidade. © uso de uma ou de outra dependers da finaidade que se tenha em vista A variiineia é uma medida que tem pouca utilidade como es porém € extrem amostras, ica deseritiva, rte importante na inferéncia estaistica e em combinagbes de Se bem que a férmula dada para 0 céleulo do desvio seja a que torma mais ficil a sua compreensio, ela ndio é uma boa férmula para fins de computagdo, pois, em geral, a média aritmética (X) é um nimero fracionério, © que torna pouco pritico 0 efleulo das quantidades (x, ~ x). Podemos simplificar os edlculos fazendo uso da igualdade; x BP a De EO Assim, substtuindo © (x, ~ x)? por seu equivalente em (D, obtemos s- fex-E FEET] e preciso. Quando a média no € exata e tem de ser arredondada, cada desvio fica afetado ligeiramente do erro, devido a esse arredondamento, © mesmo cop. 7 —Meccor de Depano ou de Voncbildode 113, acontece com os quadrados, podendo os resultados do edculo ser menos exa- tos do que quando a formula @) € usada, (0 desvio padrao goza de algumas propriedades, dentre as quais destaca- mos: 2) Multiplicando-se todos os valores de uma vari vel por uma cons tante (diferente de zero), 0 desvio padrao fica multiplicado por essa constante: yireXx, 98 -0X8, [Essas propriedades nos permitem introduzir, no céleulo do desvio padrao, simplificagdes dteis, como veremos mais adiante. Para 0 céleulo do desvio padrio, consideremos os seguintes casos: 3.2. Dados nio-agrupados ‘Tomemos, como exemplo, 0 conjunto de valores da varidvel x: 40, 45, 48, 52, 64, 62, 70 © modo mais pritico para se obter 0 desvio padri com duas colunas: uma para x, € outra para x. Assim: € formar uma tabela TABELA 73 600 ' 2025 2304 2708 2916 348 4900 3 = 20.293 Como n = 7, temos: »- SEE] - ame mae = V2800= F809 = 90 - 9,486 Logo: 5 = 9,49114 stmea rack RESOLVA 1 Complete 0 esquema para o célculo do desvie padréo, dados os valores da variavel: 0, 10, 11, 15, 16, 18 Temos: 8 64 isto 6: 2 Comprove a primeira propriedade do desvio padrio somanda 6 a cada valor da variavel do exercicio anterior. 3 Comprove a segunda propriedade do desvio padrao multiplicando por 2 cada valor da variavel do exercicio 1 3.5. Dados agrupados 3.8.1, Sem intervalos de classe Como, neste caso, temos a presenga de freqlléncias, devemos levi-las em consideragao, resultando a formula: ) (Cop. 7— Mecsear de Dapando ove Vanaiisode 115 Consideremos, como exemplo, a distribuigio da Tabela 7.1 © modo mais pratico para se obter o desvio pad ¢ abrir, na tabela dada, tuma coluna para os produtos fx, e outra para fx, lembrando que para obter f(x} basta multiplicar cada fx, pelo seu respective X,- Assim: TABELA 74 «ff 1 oe ° 2 0 ° 1 6 6 6 2] 2 2 3 3 7 2 «3 4 2 48 Eas | t-0 | 2-165 Logo: J55~4AT = /.09 = 1,048 S104 RESOLVA 4) Complete o esquema para o cileulo do desvio padrao da distribuigso: setae eeioga 4l2 8 @ 6 3 4 Temos: es116 sisncarAcn, Loge: isto 6: o= 124 3.5.2. Com intervalos de classe ‘Tomemos como exemplo a distribuigio da Tabela 7.2. Comegamos por abrir as colunas para x, (ponto médio), para fx, e para fx2. Assim: TaBELA 75 7 [eSTaTURAS (ae = ray ioe oe on 1] or 161 | a | 12] 600 wane 2|reriss | 9 [ise | 1408 | 219.024 3 | tse-te2 | 11 | 160] 1760 | 201800 a | tears | 's [ioe] iar | dite s| trio | 8 || ‘so | 141120 a|ivortm | 3 |r| ste 30.752 z= a Ee 6.40 | 3 1.038.000 Loge: = [838.080 (BHO) «V5 952 - 2571 « VF = 5.567 ae (aan Dai 557 om 3.4, Processo breve Baseados na mudanga da varidvel x por outra y, tal que: € pelas mesmas razSes expostas para 0 célculo da média, podemos obter um processo breve de célculo, com a aplicagio da seguinte formula (Cop.7 — Media de Dipsrido ou de Vexcbacode 117 Assim, para a distribuigao da Tabela 7.2, tem colunas para x, y,, fy, € fy, . completando com as TABELA 76 i eons eee aan ae a) seo sternl eae cell neni 4] eae ein 2| tects | 3 lt la] 3 | | cece | mn lilo | os | 6 a jerie | 's fie) ot] 8 | 8 5 | iri | 5 |r| 2] w | 2 | worm | s || 3] 's | eaee Ee 0 Loge: [2-[ 2) =a A=UD6R6 4 RTE 4 19019 «578 Dat: NoTA: + Valem as mesmas observasdes que fizemos para a média aritmética (p. 87) Fases para 0 célculo do desvio padrio pelo processo breve: 1) Abrimos uma coluna para os valores x, iponto médio). 28) Escolhemos um dos pontos médios (dg preferéncia 0 de maior fre- ‘iiéncia) para valor de x,. 34) Abrimos uma coluna para os valores de y, e eserevemos zero na li- tha correspondente & classe onde se encontra o valor de x,i a seqiién- cia “1, -2, -3, logo acima de zero, €a seqiiéncia 1, 2. 3, un logo abaixo, 4) Abrimos uma coluna para os valores do produto fy, conservando os Sinais + ou =, e, em seguida, somamos algebricamente esses produ- 105. 5%) Abrimos uma coluna para os valores do produto fy, obtidos multi- plicando cada fy, pelo seu respectivo J, ¢, em seguida, somamos esses produtos, 6) Aplicamos a férmula,118 ssinisncarhcn, EXERCICIO RESOLVIDO 4! Calcule 0 desvio padrie da distribuigao, pelo processo breve. custos (Rs) | 450+ 550 + 650 + 750+ 850 + 950+ 1.050 + 1.150 2 0 1 6 1 6 1 500 600 700 800 900 1.000 4.100 = 100 Temos: como 100, vem: = 100 eS _(-By = 100 /2,5781 - (045317 = 63 | 64 = 10025781 = 02082: 8 = AS 154 100/2,3729 = 100 x 1,54042 = 154,042 RESOLVA Al Complete o esquema para o calculo do desvio padrio da distribuigs0, pelo processo breve: CLASSES |30+ 50-70 90 110+ 130 (a ae Oa Oe Tomo: fo i t is Sea as ae 2 2 3 4 5 (Cop. 7 Meco de Duperto ou de Vaiobiidade 119 Loge: isto 6: = 21,88 4 COEFICIENTE DE VARIAGAO desvio padrao por si s6 no nos diz. muita coisa. Assim, um desvio padrao de duas unidades pode ser considerado pequeno para uma série de va- lores cujo valor médio € 200; no entanto, se a média for igual a 20, mesmo no pode ser dito. Além disso, 0 fato de 0 desvio padrao ser expresso na mes- ‘ma unidade dos dados limita 0 seu emprego quando desejamos comparar duas ‘ou mais séries de valores, relativamente & sua dispersdo ou variabilidade, qua do expressas em unidades diferentes, Para contornar essas dificuldades ¢ limitagdes, podemos caracterizar a dispersdo ou variabilidade dos dados em termos relativos a seu valor médio, medida essa denominada coeficiente de variagio (CV): ev -2x 100 Para a distribuigao da Tabela 7.6, onde X = 161 cm ¢ s = 5,57 em, temos: 557 , ov = 587 x 100 « 0.03459 x 100 = 3,459 cv = 35% Exemplo: ‘Tomemos os resultados das medidas das estaturas ¢ dos pesos de um mesmo grupo de individuos: Estaturas | 175m | 50cm PESOS 68 kg 20 kg120 ssiaisncarAcn, Temos: 6 MV, = 55. x 100 = 0,0285 x 100 = 2,85% ane" 2 x x cv, = Z x 100 = 0,0294 x 100 = 2.94% Logo, nesse grupo de individuos, os pesos apresentam maior grau de dis- perso que as estaturas, NOTA: + Se bem que, para qualifcar a dispersto de uma distribuiglo, seja mais proveitoso © coeficiente de variagio, no devemos deduzir dai que a variancia e 0 desvio padrao caregam de ulilidade. Pelo contrisio, sio medidas muito tieis no tratamen- fo de assuntos relativos 2 inferéncia estatstia, como jf dissemos. EXERCiCIOS ))Calcule a amplitude total dos conjuntos de dados: 2.1,3,5,9 ©. 17,9; 22,5; 13,3; 16,8; 15,4; 14,2 b. 20, 14, 15, 19, 21, 22, 20 10, -8, 2, 3, 7,9, 10 @atcule a amplitude total das distribuig x Guasses | 15+ 18¢ 17) 1B) 19+ 20r21+22 t ae ats 2 8 )calcule os desvios padroes dos conjuntos de dados do exercicio 1 {@)catcule os desvios padrées das distribuigées do exercicio 2. 5) Dada a distribuigdo rel fa @ 100 langamentos de § moedas simultaneamen nepecaras |o 1 2 3 4 5 Freavéncias| 4 14 31 29 16 3 caleule 0 desvio padrao, ‘Cop. 7 — Medias de Daperto ou de Vorabiade 121 (@ cotcue 0 desvio podrdo da ditibupso ciasses | 2+6+ 10+ 14+ 18422 4, 62 2 1% 7 7 Calcule os dosvios padrées das distribulgdes do exercicio 8, cap. 6, p. 107. {8 Sabendo que um conjunto de dados apresenta para média aritmética © para desvio padréo, respectivamente, 18,3 e 1,47, calcule 0 coeficiente de vai to. 9) Em um exame final de Matematica, o grau médio de um grupo de 150 alu 10s foi 7,8 e 0 desvio padrao, 0,80. Em Estatistica, entratanto, o grau mé dio final foi 7,3 © 0 desvio padréo, 0,76. Em que disciplina fol maior @ perso? 10) Medidas as estaturas de 1.017 individuos, obtivemos % = 162,2 om e 5 = 8,01 cm. O peso médio desses mesmos individuos 6 52 kg, com um desvio padro de 2,3 kg. Esses individuos apresentam maior variabilidade fem estatura ou em peso? 414] Um grupo de 85 mogas tem estatura média de 160,6 em, com um desvio ppadrao igual a 6,97 cm. Outro grupo de 125 mogas tem uma estatura mé- dia de 161,9 om, sendo o desvio padrao igual a 6,01 em. Qual é o cosficiente de variagao de cada um dos grupos? Qual 0 grupo mais homogéneo? ((42)um grupo de cam estudantes tem uma estatura média de 163.8 em, com um cosficiente de variagdo de 3.3%. Qual o desvio padrao desse grupo? 43 )Uma distribuigéo apresenta as seguintes est Determine a madia da distribuigao. isticas: § = 1,5 © CV = 2,9%.@ ASSIMETRIA 1.1. Introdugio ‘A natureza da assimetria ja foi estudada no capitulo 6, item 5, quando vimos que, sendo a distribuigdo simétrica, a média e a moda coincidem; sendo a distribuigio assimétriea & esquerda ou negativa, a média é menor que a ‘moda; ¢ sendo assimétriea a direita ou positiva, a média é maior que a moda: LIN Md= Mo moda \ —— medina ————— x media ———y Mo < Md < Md < Mo Baseando-nos nessas relagées entre a média e a moda, podemos empre; las para determinar o tipo de assimetria, Assim, calculando 0 valor da dife- renga: Mo ‘Cop. 8 — Mecdos de Astmotio — Medios de Cuore 123 Exemplo: DISTRIBUICAO A DISTRIBUIGAO B DISTRIBUIGAD C. PESOS | PESOS PESOS |, (ka) i (kg) ‘ (ka) ‘ 26 | 6 are | 6 as | 6 610 | 12 B10 | 12 610 | 30 tora | 24 wr | 26 ror ta | 24 varie | 12 varia | 30 varie | 12 rar22 | 6 ez | 6 wera | 6 r= 60 p= 78 E=78 ‘Temos: R = 12kg R = 129k9 R= 11,1k9 Ma = 12 kg Md = 13,5 kg Md = 10,5 kg) Mo = 12 kg Mo = 16 kg) Mo = @ kg 8 = 4azkg s = 420k9 8 = 420k9 Logo: ©. 11,1 -8 = 3,1 kg = a distribuigso 6 a imétrica positive. Considerando os grificos das distibuigoes anteriores, temos: 26 ww 2 ReMd= Mo = 12124 esmsncarAct 1.2. Coeficiente de assimetria A medida anterior, por ser absoluta, apresenta a mesma deficiéncia do desvio padrio, isto é, no permite a possibilidade de comparagio entre as medidas de duas distribuigdes. Por esse motivo, daremos preferéncia a0 coef ciente de assimetria de Pearson, dado por: ip A Se 0,15 <| As | < 1, a assimetria & considerada moderada; se | As |> 1 6 forte, Exemple: Considerando as uigdes A, Be C dadas anteriormente, temos: 312-12) As, = 0 = simotria 31129 - 135) = 129=135) 0,429 = assimetria negativa as, eS D 1111 108) _ 0,428 = assimetsia postive 420 EXERCICIOS = | Considere os seguintes resultados relatives a trds distribuigéos de frequén- cla: DISTRIBUIGOES | x | Mo a 52 | 52 8 a5 | 50 c as | as 3 Em uma distribuigso de frequéncia foram encontradas as seguintes modidas: % = 23,18, Mo = 27,50, Md = 31,67 © s = 12,45, 4, Classifique o tipo de assimetria. b. Calcule 0 coeficiente de assimetria, Mesias do Aselta — Mecldos de Cuore 125 IH Considerando a dstibuio de freqddnca relative aos pasos do 100 oper PESOS kg) N° DE ‘OPERARIOS 50+ 58+ 65) 74) 82+ 90+ 98 10 15 25 24 16 10 | determine 0 grau de assimetria CURTOSE 2.1, Introdug: Denominamos curtose o grau de achatamento de uma distribuigio em relagfo a uma distribuicao padrao, denominada eurva normal (curva, ccorrespondente @ uma distribuigdo te6rica de probabilidade), Quando a distribuigdo apresenta uma curva de frequéncia mais fechada {que a normal (ou mais aguda em sua parte superior), ela recebe o nome de leptocdrtica, Quando a distribuigdo apresenta uma curva de freqiiéncia mais aberta que ‘anormal (ou mais achatada na sua parte superior), ela é chamada platicértica. A curva normal, que é a nossa base referencial, recebe o nome de meso- catia 2.2. Coeficiente de curtose ‘Uma formula para a medida da curtose é 0-0, 2P_= Pad Essa frmula € conhecidda como coeficiente percentilico de curtose. Relativamente & curva normal, temas: c= 0263,126 eswistearAci, aun Assim: © = 0263 = curva mesocirtica € < 0263 = curva leptoctirtica > 0,263 = curva platicirtica Exempl Sabendo-se que uma distribuigo apresenta as seguintes medidas: , = 24,4 em, O, = 41,2 cm, Py = 20,2 em e Sem, temos: 168 Mz 24d _ 188 . 0.2866 = C = 0,287 2149,5 = 20,2) — 58,6 Como: 0,287 > 0,263, concluimos que a distribuigio & platicdrtiea, em relago & normal. i _ EXERCicIos 41 Considere as seguintes medidas, rolativas a trés distribuigées de frequéncia: pistrsuicoes | a, | O | Py | Py a au | 935 | 772 | 1012 8 637 | 803 | 55,0 | 966 c zee | 456 | 20,5 | 498 4, Caleule o¢ respectivos graus de curtose. b. Classifique cada uma das distribuigd 3m rolagdo & curva normal. 3! Determine o grav de curtose e classifique a distribuigao em relagao & curva normal PESOS on 50+ 58+ 66+ 74+ 82+ 90+ 98 NDE optnaiios | 10 15 25 24 16 10 Probabilidade 1 INTRODUGAO Embora o célculo das probabilidades pertenga 0 campo da Matematica, su incluso neste livro se justifica pelo fato de a maioria dos fenémenos de due trata a Estatstica ser dé natureza aleat6ria ou probabilistica. Consequiente- mente, 0 conhecimento dos aspectos fundamentais do céleulo de probabilida- «des € uma necessidade essencial para o estudo da Estatistica Indutiva ou Infe- rencial Procuramos resumir aqui os conhecimentos que julgamos necessrios para termos um ponto de apoio em nossos primeiros passos no caminho da Estatis- tica Inferencial. Esses passos serdo apresentados no capitulo seguinte, que tra- ta da conceituagio de varlével aleatéria e das duas principais distribuigées de probabilidades de variveis diseretas e continuas. @ EXPERIMENTO ALEATORIO Em quase tudo, em maior ou menor grau, vislumbramos o acaso. Assim, da afiemagio “€ provivel que o meu time ganhe a partda de hoje” pose resulta: ‘a. que, apesar do favoritismo, ele perca; }. que, como pensamos, ele ganhe; fe. que empate, Como vimios, 0 resultado final depende do acaso. Fendmenos como esse sao chamados fendmenos aleatérios ou experimentos aleat6rios. Experimentos ou fendmenos aleatérios so aqueles que, mesmo repetidos varias vezes sob condigdes semethantes, apresentam resultados imprevisiveis, S ESPAGO AMOSTRAL A cada experimento correspondem, em geral, vérios resultados possiveis. ‘Assim, ao langarmos uma moeda, ha dois resultados possiveis: ocorrer cara ‘ou ocorrer coroa, Ji ao langarmos um dado hi seis resultados possiveis: 1, 2, 3.4, Sou 6.128 esarisncardcn Ao conjunto desses resultados possiveis damos o nome de espaco amostral ou conjunto universo, representado por S. (Os dois experimentos citados anteriormente tém os seguintes espagos amostrais: —langamento de uma moeda: § — langamento de um dado: (Ca, Col; 11,2,3, 4,5, 6 Do mesmo modo, como em dois langamentos sucessivos de uma moeda podemos obter cara nos dois langamentos, ou cara no primeiro coroa no segundo, ou coroa no primeiro © eara no segundo, ou coroa nos dois langa- ‘mentos, 0 espago amostral 6: = {(C8, Ca), (Ga, Cob, (G0, Ca), (Co, CoD. Cada um dos elementos de $ que corresponde a um resultado rece- be © nome de ponto amostral. Assim: 2 € S > 26 um ponto amostral de . @ EVENTOS Chamamos de evento qualquer subconjunto do espago amostral $ dle um experimento aleatério Assim, qualquer que seja E, se E C$ (E esté contido em 8), entio E é tum evento de S. Se E = $, E € chamado evento certo Se EC Se E € um conjunto unitério, K 6 chamado evento elementar: Se E =, F é chamado evento impossivel Exempl No langamento de um dado, onde $ = {1, 2, 3, 4, 5, 6), temos: A= (2,4, 6} CS; logo, A é um evento de S. 1, 2, 3, 4, 5, 6} C'S; logo, B é um evento certo de S (B C= {4} CS; logo, C € um evento elementar de S. D = © CS; logo, D é um evento impossivel de S. Um evento é sempre definido por uma sentenga, Assim, 0s eventos aci- ma podem ser definidos pelas sentencas: “Obter um niimero par na face superior.” ‘Obter um nimero menor ou igual a 6 na face superior.” ‘Obter o niimero 4 na face superior.” “Obter um niimero maior que 6 na face superior.” cop. 9— robabiiede 129 (5 PROBABILIDADE Dado um experimento aleat6rio, sendo S 0 seu espaco amostral, vamos admitir que todos os elementos de $ tenham a mesma chance de acontecer, ou seja, que S é um conjunto eqiliprovavel. Chamanos de probabilidade de um evento AA G S) 0 nimero real P(A), tal que: nla Ce nis) onde: n(A) 6 0 niimero de elementos de A: n(S) € 0 miimero de elementos de S. Exemplos: a. Considerando o langamento de uma moeda e o evento A “obter cara”, temos: (Ca, Co) = niS) = 2 Aw {Ca} = nia) Logo: 1 Pia) = resultado acima nos permite afirmar que, ao langarmos uma moeda cequilibrada, temos 50% de chance de que apareca eara na face superior. ‘b. Considerando o langamento de um dado, vamos calcutar: —a probabilidade do evento A “obter um ngn Temos: S = (1, 2,3, 4,5, 6) = a(S) A= (2, 4,6) => nA) =3 Logo: r0 par na face superior”. 1 672 PIA) — a probabilidade do evento B “obter um nimero menor ou igual a 6 na face superior”. ‘Temos: S=11,2,3,4,5,6) > a5) B=(1, 2.3/4.5, 6) = (8) = 6130 sSWSICAFACI ssn Logo: — a probabilidade do evento C “obter um numero 4 na face superior”, Temos: $= (1, 2,3, 4,5, 6) = nlS) = 6 C= (6 snc) =1 — a probabilidade do evento D “obter um nimero maior que 6 na face superior”. Temos: S= 1, 2,3, 4, 5,6) = lS) = 6 D=-S=n0)=0 Logo: Pi) =2=0 Sabemos que um evento pode ocorrer ou ndo. Sendo p a probabilidade de que ele ocorra (sucesso) e q a probabilidade de que ele nfo ocorta (insuces- 0), para um mesmo evento existe sempre a relagio: pra=taa=t-p cop.9—obcditdede 131 Asim, sa protbidde dee ela um vet & p=, probbi- lidade de que ele nao ocorra 6: tos st-psas Sabemos que a probabilidade de tirar 0 4 no langamento de um dado & p= -& - Logo, a probabilidade de nto trar © 4 no langamento de um dado &: Por exemplo, quando langamos dois dados, o resultado obtido em um. deles independe do resultado obtido no outro. ‘Se dois eventos sto independentes, a probabilidade de que eles se reali- zem simultaneamente é igual ao produto das probabilidades de realizagao dos dois eventos. ‘Assim, sendo p, a probabilidade de realizagao do primeiro evento e p, a probabilidade de realizacao do segundo evento, a probabilidade de que tais ‘eventos se realizem simultaneamente & dada por XP, : Exemplo: Langamos dois dados. A probabilidade de obtermos 1 no primeiro dado Hl Pe ‘A probabilidade de obtermos 5 no segundo dado é: Logo, a probabilidade de obtermos, simultaneamente, I no primeiro e 5 no segundo é: ea eixt ae 6 30.132 eswsncarAca, nossamee (6 EVENTOS MUTUAMENTE EXCLUSIVOS Dizemos que dois ou mais eventos sio mutuamente exclusives quando ‘a realizago de um exclui a realizagao do(s) outro(s). ‘Assim, no langamento de uma moeda, 0 evento “tirar cara” e 0 evento “tirar coroa” so mutuamente exclusivos, j4 que, a0 se realizar um deles, 0 ‘outro nao se realiza, Se dois eventos so mutuamente exclusivos, a probabilidade de que um ou outro se realize é igual & soma das probabilidades de que cada um deles se realize: P=Pi+P, Exemplo: Langamos um dado. A probabilidade de se tirar 0 3 ou 0 5 é Qual a probabilidade de sair 0 4s de ouros quando retiramos uma carta de tum baralho de 52 cartas? Como £6 hd um de de ouros, © niimero de elementos do evento 6 1; logo: ic um rei quando retiramos uma carta de um ba- ralho de 52 cartas? Como hi 4 reis, 0 numero de elementos do evento & 4; logo: aid ae aa: [Bl Em.um lote de 12 pecas, 4 s80 defeituosas. Sendo retirada uma pega, calcule: 2. a probabilidade de essa pega ser defeltuosa, Temos: ». 9 probabilidade de essa poca nao ser defeituosa Sondo este evento e o anterior complementares, temos: re a 1 No lancamento de dois dado, c a5. © evonto 6 formado pelos elementos (1, 4), (2, 2, (3, 2)¢ 14, 1). Co -nimero de elementos do § 6 26, temos: a ee ey easels os [Bl De dois baralhos de 62 cartas retiram-se, primeiro baralho ¢ uma carta do do prime Temos: ule a probabilidade de se obter soma igual wultaneamente, uma carta do sgundo. Qual « probabilidade de a carta baratho ser um rei e a do sequndo ser'o 5 de paus? 2 Como esses dois acontecimentos s40 Independentes @ simulténeos, vem: ety te 13“ 52" 676 [8] Uma urna A contém: 3 bolas brancas, 4 pretas, 2 verdes; uma urna B con. tém: 8 bolas brancas, 2 pretas, 1 verde; uma urna contém: 2 bolas bran. cas, 3 pretas, 4 verdes. Uma bola é retirada de cada urna. Qual é a probabi- lidade de as trés bolas retiradas da primeira, segunda e tereeira urnas se- ‘tem, respectivamente, branea, preta e verde? Temos: p= a Como os trés eventos sio independontes @ simulténeos, ver: ot 1 pet lee 5 dro 27 [7] De um baratho de 52 cartas retiram-se, a0 acaso, duas cartas som repo 40. Qual 6 a probabilidade de o primeira carta ser 0.48 de paus © 9 segun- da ser o roi de paus? A probabitidade de sair 0 4s do paus na primeira carta &: 1 o2 Apés a retirada da primeira carta, restam 51 cartas no barsiho, jé que 2 car: ta retirade nao foi repost. Assi, » robabilidede de segunda cute coro rei de paus é: - bial Pe134 eswistearhca, Como esses eventos #80 independentes, temos: pode ete 3251” 2052 | Qual a probabilidade de sair uma figura quando retiramos uma carta de um baralh de 82 cartas? Temos a 1 1 ee) dale Pan rai ee ata) Como os eventos 80 mutuamente exclusives, vem: es B18 Nota: + Este problema pode ser resolvido, ainda, com 0 seguinte racivetnio: Como em. tum baralho temos 12 figuras (4 damas, 4 valetes, 4 reis), vem: ete se 2 13 9) Qual a probabilidade de sair uma carta de copas ou de ouros quando reti- ramos uma carta de um baralho de 52 cartas? Temos: et et ee Como os eventos so mutuamente exclusivos, vem: oe eee 0] No langamento de um dado, qual a probabilidade de se obter um ndmmero Dao-inferior 2 SP ‘A probablidade de se ter um numero nBo-inferior a5 & @ probabilidade de 0 obter 8 ou 8. Assim eet Ceciee Ail Sto dacios dois baralhos de 52 cartas. Tiramos, a0 mesmo tempo, uma carta do primeiro beraiho e uma carta do segundo, Quel é a probebilidade de t- farmos uma dama e um rei, ndo necossariamente nossa ordom? - rei, A probabildade de tars uma deme do primeiro baratho (45) um do segundo {45} 6, de acordo com o problema 7: B= 53 is a Pe ae 13 769 AA probabilidade de tirarmos um rei do primeira baralho @ uma dame do ‘Segundo 6: at P5250 * 768 Como esses dois eventos s60 mutuamente exclusivos, tomos: je ites Yes * 769 ~ 169 52] Dots dados sto langados conjuntamente. Determine # proba soma ser 10 ou malo que 10. pa ‘cop.9—Pebobadode 135 A soma doverd ser, entéo, 10, 11 ou 12. Para que a some seja 10, a probabilidade é: 9) : (8,5) -» 010) = 3 =» p= 2 ee 35 Para que a soma seja 11, 2 probablidede & 8) ait 2 =p, =2 9) at) =2 = p= Para que a some ssja 12,» probabilidede 6: 1 36 Como etves tra eventos rio mutuamente exclusives, temos: Soe ee (6,6) > m112)=1 = py EXERCICIOS MH Determine a probabilidade de cada evento: 1. Um niimero par aparece no langamento de um dado, bb Uma figura aparece ao se extrair uma carta de um baralho de 52 cartas. «, Uma carta de ouros aparece ao se extrair uma carta de um baralho de 52, cartas. d, Uma 86 corea aparece no langamento de trés moedas. 2] Um numero inteiro 6 escolhido aleatoriamente dentre os ndmeros 1, 2, 3, 49, 60. Determine a probabilidade de: 3. 0 nmero ser divisivel por 5; ©. 0 nlimero ser divisivel por 6 ou por 8; © numero terminar em 3; d. © numero ser divisivel por 4 e por 6. | Dols dados s80 lancados simultaneamente, Determine a probabilidade de: a. a soma ser menor que 4; bi a soma ser 9; ©. 0 primeiro resultado ser maior que 0 segundo; 4. 8 Soma ser menor ou igual a5. 1#| Uma moeda é lancada duas vezes. Calcule a probabilidade de: 2. no ocorrer cara nenhuma vez; b. obter-se care na primeira ou na segunda jogada '5| Um inteiro entre 3 ¢ 11 sera escolhido ao acaso. a, Qual 6 a probabilidade de que este nimero seja impar? b. Qual é a probabilidade de que este numero soja Impar e divisivel por 37 (6) Uma carta 6 retirada a0 acaso de um baralho de 62 cartas. Qual a probabi- lidade de que a carta retirada soja uma dama ou uma carta de copas? I No langamento de dois dados, qual 6 a probabilidade de se obter um par de pontos iguais? 1B Em um lote de 12 pogas, 4 sio defeituosas. Sendo retiradas aleatoriamente 2 pecas, calcule: ‘2. @ probabilidade de ambas sorem defeituosas; b. a probabilidade de ambas nao serem defeituosas; €. a probabilidade de ao menos uma ser defeituosa,136 estisnoarAcn [No langamento do um dado, qual ¢ a probsbilidade de sair © nume rndmero impar? AB] Duas cartas sto retiradas 20 acaso de um baratho de 52 carts. Caleule a probabi lidade do so obtorem: 2. dois val Bum ume dame [iN] Um casal planeja ter ts filhos. Determine @ probabilidade de nascerem: 2. trés homens: B. dois homens ¢ uma muiher. [2 Uma moods élancade trés vezes. Calcul a probabilidads de obtermos: rs caras: 3. duas caras @ uma coroa: rrenhuma : plo menos uma cara: ‘no maximo uma car HRB] Um dado ¢ langado duas vezes. Calcule a probabilidade de: ngamento; lim 6 ne segundo langamento: fair 6 em nenhum langamento; rum 6 pelo menos. [FW] Uma urna contém 50 bolas idénticas. Sendo as bolas numeradas de 1a 50, deter mine a probabilidade de, em uma extrago a0 acaso 27; (5) Uma loje dispae de 12 geladeiras do mesmo tipo, das quais 4 apresentam dofei- {2 So.um fregués vai comprar uma geladeira, qual a probabilidade de levar uma defeituoss ». Se.um fregués vai comprar duas goladoiras, defeltuosas? 6, Se um fregués vai comprar duas a ‘menos uma defeituoca? (8) Um par de dados maior que 10 se: 4. um 5 aparece no primeira dado: '. um § aparece pelo menos ei um dos dados. ‘ndmoros diferentes, encontro apy le de que a soma seja 10 ov 4. ela ndo tenha defeltos graves: ', ela ndo tonha dafeitos; col ia boa ou tenha defetos graves. idere o mesmo late do problema anterior, Retiam-se 2 pecas a0 acaso. Ct cule a probabllidade de quo: a. ambas sojam perteitas; ©. nenhuma tenha defeitos graves: . pelo menos uma seja perfeita; d. nenhuma seja pereit, BUREERREE Roe RG (0 que pretendemos, neste capitulo, € apresentar dois modelos teéricos de isuibuigdo de probabilidade, avs quais experimento aleat6rio estudado possa ser adaptado, o que permitiré a solugao de grande ndmero de problemas priticos. @ VARIAVEL ALEATORIA ‘vel aleatéria, i caados por letras eee es alee ROE Teen ges ad Assim, se 0 espago amostral relativo ao “Jangamento simultinco de duas moedas” é S riimero de cara: (Ca, Ca), (Ca, Co), (Co, Ca), (Co, Co)} € se X representa “o ” que aparecem, a cada ponto amostral podemos associar um. iimero para X, de acordo com a Tabela 10.1: TABELA 10.1 PONTO AMOSTRAL (Ca, Ca} (Ce, Co} (Co, Ca} (Co, Co) x [@ DISTRIBUIGAO DE PROBABILIDADE Consideremos a distribuigdo de frequéncias relativa ao ntimero de aciden- tes disrios em um estacionamento:n "AGIDENTES: FREQUENCIAS ° 2 5 5 2 2 3 1 == 90 Em um dia, a probabilidade de: — no ocorrer acidente é 22 2.073 ee so = ocorrer um acidente é: 5 Son a — ocorrerem dois acdentes 6: 2-007 — ocorrerem (88 acidentes é: feats 30 Podemos, entdo, escrever: TABELA 103 WOMERO DE NUMERO DE] pRoBABILIDADES ° a7 1 017 2 oor 3 003 00 Essa tabela é denominada distribuigao de probabilidade. SO gH ENS REESE SERRE SENN Cop. 10—oiebesgSe Binomial Nomat 139 Assim, voltando & Tabela 10.1, temos: TABELA 10.4 (Ca, Cal Wax W2= Wa (Ca, Co) 1 x v2 = V4 (Co, Ca) wax v2 = ya] VA + A= 24 (Co, Co} ua Logo, podemos escrever: TABELA 105 NUMERO DE caras xr | 2 mr 1 28 o ua ‘ 1 Ao definir a distribuicio de probabilidade, estabelecemos uma correspon- déncia univoca entre os valores da variével aleat6ria X ¢ 08 valores da varié- vel P. Esta correspondéncia define uma fungao; os valores x, (i= 1, 2, vn) formam 0 dominio da fungio ¢ os valores p, (i = 1, 2, 3, ... n), 0 seu con- junto imagem. Essa fungio, assim definida, é denominada fungio probabilidade e re- presentada por: fx) = POC = x) A fungio P(X = x,) determina a distribuigo de probabilidade da varis- vel aleatéria X.10 esiaisuca rhc, ane Assim, ao langarmos um dado, a varidvel aleat6ria X, definida por “pon- tos de um dado”, pode tomar os valores 1, 2, 3, .», 6 Como a cada um destes valores esté associada uma e uma s6 probabili- dade de realizagio ¢ E P(x) = |, fica definida uma fungao de probabilidade, da qual resulta a seguinte distribuigao de probabilidade: TABELA 10.6 POR) V6 We 6 16 6 18 Ea senene|x © DISTRIBUIGAO BINOMIAL ‘Vamos, neste item, considerar experimentos que satisfacam as seguintes condigdes: 1,0 experimento deve ser repetido, nas mesmas condigdes, um niimero finito de vezes (n). 'b.As provas repetidas devem ser independentes, isto €, 0 resultado de uma nao deve afetar os resultados das sucessivas. «. Em cada prova deve aparecer um dos dois possiveis resultados: suces- 4.No decorrer do experimento, a probabilidade p do sucesso © a proba- bilidade q (q = 1 ~ p) do insucesso manter-se-io constantes. Resolveremos problemas do tipo: determinar a probabilidade de se obte~ rem k sucessos em n tentativas, 0 experimento “obtengio de caras em cinco langamentos sucessivos & independentes de uma moeda” satisfaz essas condigdes. Sabemos que, quando da realizagao de um experimento qualquer em uma nica tentativa, se a probabilidade de realizagao de um evento (sucesso) € p, a probabilidade de ndo-realizagao desse mesmo evento (insucesso) € 1 - p Suponhamos, agora, que realizemos a mesma prova m vezes sucessivas © independentes. A probabilidade de que um evento se realize k vezes nas pro- vas 6 dada pela fungio: 10) = PO we () re ‘Cop. 10—isbuigdes nomial ¢ Nowe! 141 na qual P(X = k) é a probabilidade de que 0 evento se realize I vezes em n provas; P € a probabilidade de que o evento se realize em uma s6 prova — sucesso: 4 6 a probabilidade de que 0 evento nlo se realize no decurso dessa prova — Kia — binomial, define a distribuigo binor ( : Je © coeficiente binomial de n sobre k, igual a Essa fungo, denominada NOTA: + © nome binomial vem do fato de (7 pg ser o feo geral do deseavolvi- ‘mento do binémio de Newton, \ indopendentes. Calcule a probabi 5 provas, Pal nomi pore sro Potea)=(s}onr=[&) Se 8 probabiidade de obterms “cra” numa sé prove ovcesse &p = € 4 probabidade de néo obtermos “cara” moma 3 prove insucesso) & ae 4 4, entéo: porno) = (8 YI aa wa (SI SIe Ox xEX2xT BX2XTN2XT Logo: Px = 9) = | 16 | [2] Do's times de futebot, Ae B, jogam entre si 6 vezes. Encontre a probabilda de de 0 time A ganhar 4 jogos Tomo: ne eee ae k=4p=teqet-L-2 © a toil dem, Conse o Apéndice — metal Matec, vs sn tra 190), "Loge: If Determine uma moeda. | Jogando-se um dado trés vezes, determine a probabil ‘miltiplo de 3 duas vezes. probabilidade de obtermos exatemente 3 earas em 6 lances de de de se obter um {B Dois times de futebol, A e B, jogam entre si 6 vezes. Encontre a probal to deo tine son dis ov ts jogos: B: Sener plo menor art ogo (fA protabidde de um sacar sata vo 62. Se proband do saat exstomote 2 roe? tirar 8 vezes, qual a |B Seis parafusos eo escolhidos a0 acaso da producio de certa maquina, que apresenta 10% de pecas defeituosas. Qual a probabilidade de serem def ‘tuosos dois deles? @ DISTRIBUIGAO NORMAL CURVA NORMAL Entre as distribuigdes tedricas de variavel aleat6ria continua, uma das ‘mais empregadas € a distribuiglo normal. ‘Muitas das varidveis analisadas na pesquisa socioccondmica cotrespon- dem a distribuigo normal ou dela se aproximam. 0 aspecto grafico de uma distribuigao normal é 0 da Figura 10.1: OSES SNES Cop. 10—oleMbngder Bromiale Nomeal 143 Para uma perfeita compreensio da distribuictio normal, observe a Figura 10.1 ¢ procure visualizar as seguintes propriedades: Quando temos em maos uma varidvel aleat6ria com distribuigao normal, ‘nosso principal interesse é obter a probabilidade de essa varidvel aleat6ria as- sumir um valor em um determinado intervalo, Vejamos como proceder, por meio de um exemplo concreto Seja X a varidvel aleatoria que representa os didmetros dos parafusos pro- duzidos por certa maquina. Vamos supor que essa variével tenha distribuicio normal com média X = 2 cm e desvio padrdo s = 0,04 cm. Pode haver interesse em conhecer a probabilidade de um parafuso ter um diametro com valor entre 2 ¢ 2,05 em. : F facil notar que essa probabilidade, indicada por: Pia < X < 2,08), corresponde a frea hachurada na Figura 10.2: 2 2,05144 eswvioncarAcn, 0 eéleulo direto dessa probabilidade exige um conhecimento de Mate :ética mais avangado do que aquele que dispomos no curso de 2° grau. Entre tanto, podemos contornar facilmente esse problema. Basta aceitar, sem demons tragdo, que, se X uma varidvel aleatéria com distribuigao normal de média X € desvio padtio s, entio a varidvel: tem distribuigio normal reduzida, isto é, tem distibuigzo normal de média Oe desvio padrio 1 As probabilidades associadas & distribuico normal padronizada so en- ccontradas em tabelas, niio havendo necessidade de serem calculadas. anexo IT (p. 224) € uma tabela de distribuigao normal reduzida, que nos dé a probabilidade de 2 tomar qualquer valor entre a média 0 © um dado valor 2, isto 6 Plo 0,8) A probabilidade procurada corresponde a parte hachurada da figura: 2881, 1026 Temos: PIZ > 0,6) = PIZ > 0) ~ PlO 0) = 0,5 0 P(0 0,6) = 0,5 ~ 0,2268 » 0,2742 ©. PAZ < 0,92) A probabilidade procurada corresponde & parte hachurade da figura: Temos: PIL < 0,92) = PIZ < 0) + P(O ~2,03) b. PI-0,85 < Z <0) £. Piz > 1,08) ©. Pl-1,48 <2 < 2,05) 9. PIZ < -0,66) 4d. Pl0,72 <2 < 1,89) hh. Piz < 0,60) 2] Um teste padronizado de escolaridade tem distribuigao normal com média 100 @ desvio padrao 10, Determine a probabilidade de um individuo subme- tido ao teste ter not 1. maior que 120; b. maior que 80; ©. entre 85 115; 4. maior que 100. 13] Os pesos de 600 estudantes desvio padréo 5,5 kg. Det ‘a. entre 60 © 70 kg: b. mais que 63,2 kgs . menos que 68 kg 10 normalmente distribuldos com média 65,3 kg mine © numero de estudantes que pesam: If) A duracdo de um certo componente eletrénico tem média de 850 dias e des- vio padrao de 40 dias. Sabendo que a duracdo 6 normalmente distribuida, calcule a probabilidade de esse componente durar ‘a. entre 700 @ 1.000 dias; mais de 800 dias: ©. menos de 750 dias@mrrRopucéo ‘Nos capftutos anteriores, nossa preacupagio era descrever a distribuigao de valores de uma tinica variavel. Com esse objetivo, aprendemos a calcular ‘medidas de tendéncia central e variabilidade Quando, porém, consideramos observagdes de duas ou mais varidveis, surge um novo problema: as relagies que podem existir entre as varidveis es. tudadas. Nesse caso, as medidas estudadas nfo sZo eficientes. Assim, quando consideramos variaveis como peso e altura de um grupo de pessoas, uso do cigarro e incidéncia do cancer, vocabulério e compreensio da leitura, domindncia ¢ submissio, procuramos verificar se existe alguma relagio entre as varidveis de cada um dos pares e qual 0 grau dessa relacao. Para isso, é necessério 0 conhecimento de novas medidas, Sendo a relagdo entre as varidveis de natureza quantitativa, a correl ‘sao € 0 instrumento adequado para descobrir e medir essa relagio, Uma vez caracterizada a relacio, procuramos descrevé-la através de uma fungio matemética, A regressio € 0 instrumento adequado para a determina- lo dos pardmetros dessa fungio. Nor + Ficaremos restrtos as relagoes entre duas variaveis (correlagio simples) @ correLacgéo 2.1, Relagdo funcional e relagao estatistica Como sabemos, o perimetro ¢ o lado de um quadrado estao relacionados, ‘A relagio que os liga & perfeitamente definida e pode ser expressa por meio de ‘uma sentenga matemética! 2p = At, onde 2p € 0 perimetro e 0 0 lado, ‘cop. 11—Conelagdo.eRegrsedo 149 Altribuindo-se, entio, um valor qualquer a @,€ possivel determinar exata- ‘mente 0 valor de 2p. Consideremos, agora, a relagio que existe entre 0 peso e a estatura de uum grupo de pessoas. E evidente que essa relagio nao é do mesmo tipo da anterior; ela é hem menos precisa. Assim, pode acontecer que a estaturas dife- rentes correspondam pesos iguais ou que a estaturas iguais correspondam pe- s0s diferentes. Porém, em média, quanto maior a estatura, maior 0 peso ‘As relagdes do tipo perimetro-lado sao conhecidas como relagdes fun- cionais e as do tipo peso-estatura, como relagées estatisticas. Quando duas varisveis estao ligadas por uma relagio estatistica, di- zemos que existe correlagio entre clas. . NOTA: + As relagoes funcionais so um caso limite das relagdes estatisticas. 2.2. Diagrama de dispersio Consideremos uma amostra aleatéria, formada por dez dos 98 alunos de uma classe da faculdade A e pelas notas obtidas por eles em Matematica e Estatistica TABELA 11.1 NOTAS ne |maremanica | estaristica ) wo o1 5.0 60 08 20 24 10 38 100 “4 6.0 58 70 59 90 n 3.0 20 8.0 92 20 Representando, em um sistema coordenado cartesiano ortogonal, os pa- res ordenados (x,, y), oblemos uma nuvem de pontos que denominamos dia- grama de dispersdo. Esse diagrama nos fornece uma idéia grosseira, porém ‘itil, da correlagao existente:1560 eswisnca rac, 2.3. Correlagao linear 0s pontos obtidos, vistos em conjunto, formam uma elipse em diagonal Podemos imaginar que, quanto mais fina for a elipse, mais ela se aproxi- maré de uma reta, Dizemos, entlo, que a correlagao de forma eliptica tem como “imagem” uma reta, sendo, por isso, denominada correlacao linear. E possivel verificar que a cada correlagiio esta associada como “imagem” uma relagio funcional, Por esse motivo, as relagbes funcionais sao chamadas relagies perfeitas. rota . imagem ‘Como a correlacdo em estudo tem como “imagem” uma reta ascendente, cla 6 chamada correlago linear positiva. ‘cop.11—Conelagto eRegressdo 151 Assim, uma correlagio 6: inear positiva se os pontos do diagrama tm como “imagem” uma reta ascendente; b. linear negativa se os pontos tém como “imagem” uma reta descen- dente; «. nilo-linear se os pontos tém como “imagem” uma curva, Se 0 pontos apresentam-se dispersos, nfo oferecendo uma “imagem” definida, concluimos que nio hé relago alguma entre as varidveis em estudo, ‘Temos, entio: correlagso nso-ineat nia hi correlagio 2.4, Coeficiente de correlacao linear instrumento empregado para a medida da correlagdo linear € 0 coefi- ciente de correlagio. Esse coeficiente deve indicar 0 grau de intensidade da correlagio entre duas varidveis e, ainda, 0 sentido dessa correlagio (positive ‘ou negativo). Faremos uso do coeficiente de correlagio de Pearson, que é dado por: onde n 0 niimero de observagbes. (0s valores limites de r sto -1 e +1, isto €, 0 valor de r pertence ao inter- valo [-1, +1)182 eswistca rca, Assim: a. se a correlagdo entre duas varidveis € perfeita e positiva, entio r= +1; b. se a correlagdo & perfeita e negativa, ento r= =I; €. se niio ha correlagio entre as varidveis, entdo r = 0. Logicamente: a. se r= +1, hi uma correlagio perfeita © positiva entre as varidveis; bse r= I, hi uma correlagdo perfeita e negativa entre as varidveis; €. se r= 0, ou no ha correlagao entre as varidveis, ou a relagio que porventura exista niio é Nomas + Para que uma relagio possa ser deserita por meio do coeficiente de correlagiio de Pearson ¢ imprescindivel que ela se aproxime de uma fungao linear, Uma mania pritica de verficarmos a linearidade da relacio & a inspegi0 do diagrama de dis Persio: se a elipse apresenta saliéncias ou reentrancias muito acentuadas, provavel- mente trata-se de correlagio eurvilinea + Para podermos tirar algumas conclusées significativas sobre © comportamento si- multneo das varidveis analisadas, € necessério que’ O6 ‘6 que nos leva a concluir, de imediato, que a cidade E foi a que apresentou ‘maior indice de votos brancos. (Cop. 12—Nimetorinacer 161 Nio sio poucas as situagdes em que, para a descric#o ou anélise de um fendmeno quantitativo, 0 emprego dos méimeros relativos revela-se mais per- Linente do que o dos ntimeros absolutos. Isso acontece, naturalmente, quando pretendemos efetuar comparagdes dos valores tomados por uma mesma vatid- vel em épocas ou regides diferentes. Essas comparagdes representam 0 caso mais simples das medidas estatis- ticas, que denominamos niimeros-ndices, usados, prineipalmente, nos negécios (2 wOMEROS-inDICES Consideremos a tabela abaixo, relativa as matriculas efetivadas em certo cestabelecimenty de ensinw durante v perfody Ue 1989 x 1994: TABELA 12.3 ‘ANOS 7989 1990 1991 1992 1993 1904 MATRICULA 17.050 1.160 1.200 1.400 1.560 1.700 NUMERO-INDICE | 100,0 109,5 114,3 133,3 148.6 161.9 ‘A vantagem dos miimeros-indices € permitir uma répida avaliago da va- riagio relativa (percentual) sofrida pelo nimero de matrculas, © que se ta duz, em relagio a 1989, por um aumento de 9,5% em 1990, de 14,36 em 1991, de 33,3% em 1992, de 48,6% em 1993 e de'61,9% em 1994. ‘Assim, podemos dizer que: ‘Neimero-indice ou, simplesmente, indice ¢ a relagdo entre dois est dos de uma varidvel ou de um grupo de varidveis, suscetivel de variar no tempo ou no espaco (ou de grupo de individuos para grupo de individuos). 0 indice representa, portanto, o nfvel de um fendmeno em relagdo ao nt- vel que ele tinha num dado perfodo (ou numa dada regio) tomado como base, © € geralmente expresso em percentagem, Os indices mais utilizados relacionam, em geral, variagdes de prego, de quantidade ou de valor (prego x quantidade) ao longo do tempo. NOTA: + Os indices no esto associados apenas aos negécios e & economia, mas so larga ‘mente utilizados em todos os ramos das cigncias fisieas, quimicas, naturais e so- ciais. A Psicologia, por exemplo, emprega os (quociente de inteligéncia — QD)162 sswisicarAca, S RELATIVOS DE PREGOS ‘Quando queremos analisar @ variago no prego (ou na quantidade ou no valor) de um s6 bem, basta expressar tal variagdo em termos percentuais, ob- tendo o que denominamos relative de prego (de quantidade ou de valor), ‘Assim, representando por o a época-base ou base e por t a época atual, temos: ,t preco na época-base; ,: prego na época atual. Atribuindo ao prego na época-base 0 valor 100, por meio de uma regra de trés simples calculamos 0 relativo correspondente ao prego atual: Pp, — 100 P= Pa Do mesmo modo, obtemos: Pox 100] (p,,,@ 0 relative de pregod Pe lativo de quantidade) a 8x 100 a, 1..= 2x 100] (relative de valor EXERCICIO RESOLVIDO 4) Sabendo que o preco de determinado produto era de RS 50 em 1994 © de RS 60 em 1995, determine o relativo de prego em 1995, tomando como base © ano de 1994. (E comum a notagdo 1994 = 100 para indicar que o ano de 1994 & tomado como base.) fet Pu 600 pg = 60 ta Pn Bt 100 = 10 120 100 0 pat Pans = 120% Esse resultado nos permite afirmar que 0 preco do produto em 1995 corres: ponde a 120% de seu preco em 1994. Concluimos, entéo, que 0 prego do produto entre 1994 © 1995 sofrev um ‘aumento de: 120 ~ 100 = 20% Cop. 12—Nimerrincicas 163 4 ELOS DE RELATIVOS Varios relativos formam elos quando cada um deles é calculado to- ‘mando como base o ano anterior; s20 0s relativos de base mével, Assim, se um bem apresentou, no perfodo de 1991 a 1994, respectiva- mente os precos de RS 240, RS 300, RS 360 e RS 540*, os elos relativos sio: = Px 100 = 302 x 100 = 1,25 x 100 = 125 Pov Pa 349% 100= 1 = Px 100 = 382 100 = 1,2 x 100 = 120 Prana pet Son E 100 = 54°. 100 = 1,6 x 100 = 150 360 Pas Com esses resultados, podemos formar a tabela de elos: TABELA 12.4 anos | 1991 | 1992 | 1993 | 1994 revativos| — | 125 | 120 | 150 Fazemos uso dos elos de relativos quando queremos acompanhar os eres- ccimentos (positivos ou negativos) anuais (ou mensais, ou distios) 5 RELATIVOS EM CADEIA relativo em eadela ¢ 0 indice de base fixa; todos 0s,relativos $30 caleulados tomando-se uma determinada época como base. Utilizando como exemplo os dados do item anterior e considerando 1991 como ano-base, obtemos: 300 = P22 x 100 ~ 302 x 100 = 1,25 x 100 = 125 Pan pe 0 =P x 100 = 262 x 100 = 1,5 x 10 Paves pm aio) ; 150 Pas 540 = Pat x 100 = 40 100 = 2,25 x 100 = 225 Pause =o om * No prado de 1991 1994, a moedactclante no Br

You might also like

• Los secretos de la mente millonaria: Cómo dominar el juego interior de la riqueza

  

  From Everand

  Los secretos de la mente millonaria: Cómo dominar el juego interior de la riqueza

  T. Harv Eker

  Rating: 4.5 out of 5 stars

  4.5/5 (814)
• Orgullo y prejuicio: Clásicos de la literatura

  

  From Everand

  Orgullo y prejuicio: Clásicos de la literatura

  Jane Austen

  Rating: 4.5 out of 5 stars

  4.5/5 (20517)
• Matar a un ruisenor (To Kill a Mockingbird - Spanish Edition)

  

  From Everand

  Matar a un ruisenor (To Kill a Mockingbird - Spanish Edition)

  Harper Lee

  Rating: 4.5 out of 5 stars

  4.5/5 (23003)
• • Magazines
  • Podcasts
  • Sheet music
• To Kill a Mockingbird \ Matar a un ruiseñor (Spanish edition)

  

  From Everand

  To Kill a Mockingbird \ Matar a un ruiseñor (Spanish edition)

  Harper Lee

  Rating: 4.5 out of 5 stars

  4.5/5 (22902)
• The Hobbit

  

  From Everand

  The Hobbit

  J.R.R. Tolkien

  Rating: 4.5 out of 5 stars

  4.5/5 (24585)
• American Gods [TV Tie-In]: A Novel

  

  From Everand

  American Gods [TV Tie-In]: A Novel

  Neil Gaiman

  Rating: 4 out of 5 stars

  4/5 (12520)
• The Hobbit

  

  From Everand

  The Hobbit

  J.R.R. Tolkien

  Rating: 4.5 out of 5 stars

  4.5/5 (25133)
• Elon Musk

  

  From Everand

  Elon Musk

  Walter Isaacson

  Rating: 4.5 out of 5 stars

  4.5/5 (434)
• Good Omens

  

  From Everand

  Good Omens

  Neil Gaiman

  Rating: 4.5 out of 5 stars

  4.5/5 (12010)
• Good Omens: A Full Cast Production

  

  From Everand

  Good Omens: A Full Cast Production

  Neil Gaiman

  Rating: 4.5 out of 5 stars

  4.5/5 (10905)
• Pride and Prejudice: Bestsellers and famous Books

  

  From Everand

  Pride and Prejudice: Bestsellers and famous Books

  Jane Austen

  Rating: 4.5 out of 5 stars

  4.5/5 (19653)
• Rich Dad Poor Dad

  

  From Everand

  Rich Dad Poor Dad

  Robert T. Kiyosaki

  Rating: 4.5 out of 5 stars

  4.5/5 (1109)
• Never Split the Difference: Negotiating As If Your Life Depended On It

  

  From Everand

  Never Split the Difference: Negotiating As If Your Life Depended On It

  Chris Voss

  Rating: 4.5 out of 5 stars

  4.5/5 (838)
• Never Split the Difference: Negotiating As If Your Life Depended On It

  

  From Everand

  Never Split the Difference: Negotiating As If Your Life Depended On It

  Chris Voss

  Rating: 4.5 out of 5 stars

  4.5/5 (3275)
• The 7 Habits of Highly Effective People: Infographics Edition: Powerful Lessons in Personal Change

  

  From Everand

  The 7 Habits of Highly Effective People: Infographics Edition: Powerful Lessons in Personal Change

  Stephen R. Covey

  Rating: 4.5 out of 5 stars

  4.5/5 (142)
• It Ends with Us: A Novel

  

  From Everand

  It Ends with Us: A Novel

  Colleen Hoover

  Rating: 4.5 out of 5 stars

  4.5/5 (5753)
• American Gods: The Tenth Anniversary Edition

  

  From Everand

  American Gods: The Tenth Anniversary Edition

  Neil Gaiman

  Rating: 4 out of 5 stars

  4/5 (12945)
• And Then There Were None

  

  From Everand

  And Then There Were None

  Agatha Christie

  Rating: 4.5 out of 5 stars

  4.5/5 (8933)
• The Perfect Marriage: A Completely Gripping Psychological Suspense

  

  From Everand

  The Perfect Marriage: A Completely Gripping Psychological Suspense

  Jeneva Rose

  Rating: 4 out of 5 stars

  4/5 (1107)
• The Psychology of Money: Timeless lessons on wealth, greed, and happiness

  

  From Everand

  The Psychology of Money: Timeless lessons on wealth, greed, and happiness

  Morgan Housel

  Rating: 4.5 out of 5 stars

  4.5/5 (804)
• The Subtle Art of Not Giving a F*ck: A Counterintuitive Approach to Living a Good Life

  

  From Everand

  The Subtle Art of Not Giving a F*ck: A Counterintuitive Approach to Living a Good Life

  Mark Manson

  Rating: 4 out of 5 stars

  4/5 (5794)
• The 48 Laws of Power

  

  From Everand

  The 48 Laws of Power

  Robert Greene

  Rating: 4.5 out of 5 stars

  4.5/5 (2263)
• The 7 Habits of Highly Effective People: 30th Anniversary Edition

  

  From Everand

  The 7 Habits of Highly Effective People: 30th Anniversary Edition

  Stephen R. Covey

  Rating: 4.5 out of 5 stars

  4.5/5 (41)
• The Handmaid's Tale

  

  From Everand

  The Handmaid's Tale

  Margaret Atwood

  Rating: 4 out of 5 stars

  4/5 (13186)
• It Starts with Self-Compassion: A Practical Road Map

  

  From Everand

  It Starts with Self-Compassion: A Practical Road Map

  Celeste Headlee

  Rating: 4.5 out of 5 stars

  4.5/5 (188)
• The Subtle Art of Not Giving a F*ck: A Counterintuitive Approach to Living a Good Life

  

  From Everand

  The Subtle Art of Not Giving a F*ck: A Counterintuitive Approach to Living a Good Life

  Mark Manson

  Rating: 4.5 out of 5 stars

  4.5/5 (20015)
• The Courage to Be Disliked: The Japanese Phenomenon That Shows You How to Change Your Life and Achieve Real Happiness

  

  From Everand

  The Courage to Be Disliked: The Japanese Phenomenon That Shows You How to Change Your Life and Achieve Real Happiness

  Ichiro Kishimi

  Rating: 4 out of 5 stars

  4/5 (393)