01 ONT) I SAT as fT ATSEstatistica para Economistas Biblioteca Laranjeiras do Sul Estatistica para economistas. ; Rodolfo Hoffmann Ac. 7922 -R.71003 Ex. 3 Compra -Inovagao Cultural f: 2663 RS 58,11 - 12/09/2012 4? Edicdo Revista e Ampliada 2%. eimpr. 0 4, 0d. do 2008. Bibtogeata Peay #8-221-0004-8 CENGAGE Learning + Brasil « Japdo + Coreia « Mesico + Cingapura + Espana + Reino Unido + Estados Unidos ae ae» CENGAGE » Learning” Estatstca para Economistas- 4" edigbo revista eampliads Rodolfo Hoffmann {© 2006 Cengage Learning Edicdes Ltda, ‘Todos 0s direitos reservados. Nenhuma parte deste lio poder ser reproduzida sejam quai foremos mos ernpregados, sem a permisso, por escrito, da Editora. ‘Ros infatores aplicam se a: sangoesprevistas nos artigos 102. 108, 106 e 107 da Lei n° 9610, de 19 de fevereio de 1998, Gerente Editorial: Duley Grsoia Ecitora de Desenvolvimento: Danielle Mendes Sales Para informagoes sobre nossos produtos entre em ‘contato pelo telefone 0800119 39 ‘Supervisor de rodudo Editorial: Patricia La Rosa Rereuceemncree et |_| ara permissio de uso de material desta bra erwie ‘seu pedido para dieitosautoralsicengage.com Produtora Gréfca: Fabiana Alencar Ibuquerque | Copidesque: Marcos Soe ivera Santos Revisdo: Ana Paula Ribeiro e Sivana Gouveia Composice: Sepmento& Ca Produces Gréhcas tda {© 2006 Cengage Learning Todos 0 dritos reservados Capa: Megaart en ISBN10: 85221-04988, Dightago: Joselene Rodrigues da Siva ISBN 978-85221-04949 Cengage Learning CCondominio E-Business Park ua Werner Siemens, 1 ~Prédio 20 - Espaco 08 Lapa de Bao ~ CEP 05069:900 ~ Sto Paulo ~ SP Tels) 36659900 ~ Fa: (1) 36659901 SSAC: 0800 111939, Para suas solucdes de curso eaprendzado, ste wen cengage.com.br| Impresso no Brasil, Printed in Brazil 45678 1009080706 TEORIA DOS CONJUNTOS. 1 Conceito e notagao.. 1.2. Relagies entre conjuntos 13. Operagies com conjuntos. 4 Populacao e amostra. Exercicios : PROBABILIDADE. . 2.1 Expetimento, espago amostral e eventos. 2.2 Definigdo classica de probabilidade. 23. Probablidade como limite de uma freqiéncia relativa... 24 Conceito modemo de probabilidade dade do complemento e o teorema da soma lade condicional e o teorema do produto. 27 Ocaso de n eventos elementares igualmente provaveis 28 Eventos independentes. 2.9 Combinagdes e permutacdes. 2.10. Teorema de Bayes. Exercicios GRAFICA. 33 _Representacio grin das distibuicdes de feqGéncias | Exerccios /A_DISTRIBUIGAO DE FREQUENCIAS E SUA REPRESENTACAO 2B| Esraznea pana Econoustas © MEDIDAS DE TENDENCIA CENTRAL. 31 AA Introd glo en 31 42 A média aritmética.. 31 43 32 44 : a) 4.5. Posigdo relativa da média, da moda e da mediana e a assimetria da distribuigao.. a4 4.6 Amédia geométrica e a média harmonica. 39 4.7 Amédia ponderada —— a 48. Caracterizacio adicional da média, da mediana, da moda e do ponto central de um conjunto de dados : ee _ 4 Exercicios MEDIDAS DE DISPERSAO. 5.1 Amplitude, variancia e desvio padrao.. 5.2 O desvio médio ea diferenga média. Exercicios ESPERANCA MATEMATICA... 6.1 Varidvel aleatoria e sua distribuicio 6.2 Definigao de esperanca matematica = 63. Distribuigao conjunta e varidveis independentes.... 64 Propriedades da esperanga matematica 65. Varidncia e covarianci 66 Momentos. 67 Separatrizes 68 O coeficiente de variagak 7% Exercicios 7 A DISTRIBUIGAO BINOMIAL. 81 7.1 Importincia e conceito 81 72 Obindmio de Newton. 83 73 Determinagio de P(X = b).. a 74 Média e variancia da distribuigao binomial a 75. Aplicagio — 85 7.6 Adistribuigio hipergeométrica... 87 7.7 Adistribuigao de Poisson 89 Exercicios : 90 ‘A DISTRIBUIGAO NORMAL... a co 93 8.1 A distribuigao normal como limite de uma distribuigao binomial... 93 82 0 teorema do limite central 97 83. Caracteristicas da distribuicao normal 9 84 10 € 6 uso da tabela.. 100 AM “9,1. Amostragem aleatoria simples. 92 Parametro e estimador .... 9.4 Estimador nao-tendencioso ‘A aproximagio normal da distribuigdo binomial ¢a corresio de continuidade cio . RAGEM E ESTIMADORES. ‘Amédia e a variancia de X ‘Acistribuigao de X 16 Estimador de variancia minima. Estimadores de minimos quadrados... Estimadores de maxima verossimilhanca. Propriedades assintoticas dos estimadores.. 0 Amostragem estratificada RVALO DE CONFIANCA.. = . Intervalo de confianga para 4 quando o valor de 6 é conhecido ..... 143 Tntervalo de confianga para 1 quando o valor de o é desconhecido.. 145 Intervalo de confianga para uma proporga0 rem 7 Determinacao do tamanho necessério da amostra para obter estimativa com desvio maximo predeterminado, a um certo nivel de confianga 149 icios .. 152 DE HIPOTESES .. 157 Conceitas hisicos 157 [2 Hipétese alternativa composta : ce 165 ‘Acurva caracteristica de operacao de um teste .. - . . 167 11.4 Introducao a teoria das decisbes em_ condigdes de incerteza. ~ 171 ‘Adeterminacao do nivel de significancia de um teste de hipéteses 175 ‘Teste de hipdteses sobre o valor de j1 quando o valor de & E desconhecid0-.onmnn ous 179 11.7 Teste de hipsteses sobre o valor da diferenca entre duas médias nos casos em que as variancias sao conhecidas x... susnese 180 8. Teste de hipdteses sobre o valor da diferenga entre duas médias nos ‘casos em que as variancias sa0 desconhecidas. : 182 119 Testes sobre proporgOes.---- bes O TESTE DE QUI-QUADRADO.o-- 121 A distribuicao de qui-quadrado (77). : Intervalo de confianca teste de hipsteses a respeito do valor de 0” O teste de qui-quadrado para proporcoes eae Smmtetil|i Estaristica pana Economistas, @ 1B “4 5 16 124 Oteste de qui Exercicios jwadrado para tabelas de contingéncia TESTES NAO-PARAMETRICOS... 13.1. Introdugao.. 132. Teste sobre o valor da mediana de uma populagio e teste dos sina 13.3. O teste de Wilcoxon-Mann-Whitney para duas amostras independentes.. 134. Teste da ordenagao casual. 135. Ocoeficiente de correlacio ordinal de Spearman Exercicios ANALISE DE VARIANCIA. TAL Introdugao on. 142. O modelo e os estimadores de minimos quadrados 143 As somas de quadrados. 144. Esperancas das somas de quadrados. 145. Os quadrados médios. 146 Oteste F 147 O caso de apenas dois tratamentos. 14.8. O modelo com dois critérios de classificacao, os estimadores de minimos quadrados e as somas de quadrados, 14.9. Analise de variancia com dois critérios de classificacao.. 14.10 Ocaso de apenas dois tratamentos em uma analise de variancia com dois critérios de classificacao 14.11 Comparacio de médias por meio do teste t 14.12 O teste de Tukey e o teste de Scheffé. 14.13 O teste da igualdade de duas variancias.. Exercicio ‘CORRELAGAO E REGRESSAO 15.1 O coeficiente de correlacao entre duas variaveis em uma amostra.. 15.2. O coeficiente de correlacao para uma distribuicao bidimensional 15.3 O modelo estatistico de uma regressio linear simples 15.4 O método de minimos quadrados, 155. Anilise de variancia da regressio 15.6 Variancias das estimativas dos pardmetros . 157A variancia da estimativa de Y ¢ 0 intervalo de previsio 15.8 Modelos que se tornam lineares por anamorfose Exercicios NUMEROS-INDICES 16.1 Introducio. 162. Preco relative 163 O indice simples de pregos agregados e a media aritmética dos pregos relativos. © indice de pregos de Laspeyres e 0 indice de precos de Paasche (O coeficiente de correlagao entre pregos relativos e quantidades relativas... O indice de Fisher eo indice de Marshall-Edgeworth O indice de Divisia : fndices de quantidades. ‘Qualidades dos ntimeros-indices 6.10 Indices em cadeia Introducio.. Acurva de Lorenz e 0 indice de Gini (0 indice de Gini para uma distribuigao discreta Adiscrepancia maxima O principio de Pigou-Dalton o 0 indice ce Gini ‘A posigao da curva de Lorenz e as transferéncias regressiVas cw. CAlculo do indice de Gini quando se dispde apenas de dados por estratos de renda .. . ‘Alguns conceitos da teoria da informacao 7.9. As medidas de desigualdade de Theil. . - 710 As medidas de desigualdade de Theil ea condicao de gow Dalton 1 A variancia dos logaritmos. . DAS DE CONCENTRAGAO... Introdugao.. Razao de concentragao O indice de Hirschman-Ferfindah. O indice de Rosenbluth. Aentropia... 1 Oconeeito de pobreza eas dificuldades para mensurs-la B52 A propenio de pobre a inufiéncia de ronda 0° indice de pobreza INAGAO DO PADRAO DE VARIAGAO ESTACIONAL EM SERIE TEMPORAL .. : 1 Introducao 313 317 319 321 322 324 326 350 353 357 363 369 369 370 . 372 . 372 . 373 373 . 373 375 37 379 381: Prefacio Jos estatistcos em quase todos Tritt, aescolha da Err cispor de uma caleladora, testar os conhecimentos recémadquirids sem Bi demonctrados ou apenas enuncidos no tex discutidas devido a ue que a literatura econdn Daae de imprensa icamA ondenacio de alguns capitulo falter com span mais pectic om sonoma Fag ea soem dtbugds pega e de Poon e sobre ine de De sev nu ios rcs nove a man ds capa, Ota va Tesolugio dos exercicios do livro. naan apaaiaamiaiiamae co ener ates press deta da Unica, Sens Vi B, 6 conjunto dos ele- :mentos que pertencem tanto ao conjunto A como ao conjunto B, sto 6, dos elemen- tos comuns aos dois conjuntos. ‘Considerando os exemplos dados, temos: AnD=14) AnB=A Se AM B =@, isto 6 se A e B nio possuem elementos comuns, dizemos que Ae B So conjuntos disjuntos, -Exemplo: Dados os conjuntos A=[23.4e Fei, verifica-se que A e F si0 conjuntos disjuntos ‘Se A é um subconjunto de S, 0 conjunto dos elementos que pertencem a Seno pertencem a A é denominado complemento de A com relagao a $e ¢ indicado por A. CConsiderando os exemplos dados, temos que o complemento de A com relagio aS & A=(5,6) scree oun go tec ne ree Seem nae te ance na PiQURA 1 FiGURA 12 FIGUAA 13 ‘A unio ea intersecdo de conjuntos sio operagies comutativas, ito é, AUB=BUA ANB=BOA mente ser estendidas para trés rages de uniio eintersegao podem facil Aa seee ens aes ‘A, Be C, podemos obter ‘ou mais conjuntos. Paro obter 2 uni de trés conjuntos,4 exurencarint Eocene «© A Be, entio, fazer a unio desse resultado com C, isto 6, fazemos (A )B)UC E fécil verificar que a ordem em que si0 tomados os conjuntos no afetao resultado final, sto €, a undo de conjuntos é associatva, (UBUC=AUGLO) Aintersegao de conjuntos também & associativa AnB)nC=AnBOO, interessante lembrar que tanto a soma como a multiplicagio de ruimeros 0 comutativas e associativas, isto &, a+b=b+a,ab= be, (e+ +c=a4 40) e(aby (be) ‘Tratando-se de uma combinagio das operagdes de unio e intersecio, temos, «2 propriedade distributiva: ALBOO, AnbuO, ALB)OALO nBUANQ Note-se a semelhanca dessa propriedade com a propriedade distributiva da _multiplcagio em relagio 3 soma: afb + 0) = ab-+ ac 1.4 POPULAGAO E AMOSTRA © conjunto de todos os elementos que possuem determinada caracterstica em ‘comum constitui uma populagio ou universo, Todo subconjunto nio-vazio e menor do que a populagio constitui uma amostra dessa populacio, ‘© termo populacao retere-se tanto aos individuos como 8s medidas ou aos valores associados a esses individuos. Consideremos, por exemplo, a populagio das pessoas economicamenteativas no Brasil; ocemos consicerara populagio cons lituida pelos pesos dessas pessoas, a populacio de suas idades, a populagi de sas rendas mensais ete A populacao pode ser finita (exemplo: as criangas de uma cidade) ou infinita (exemplo: os resultados obtidos langando um dado indlefinidamente). Nos exemplos e exercicios numéricos apresentados neste livro, quando se considera uma amostra, com dads ficticios, ela & quase sempre muito pequena (menos de 20 observacdes), para facilitar os eéleulos. Em uma pesquisa real, a amostra geralmente ser muito maior ¢, entio, para efetuar os calculos. torna.se praticamente indispensével a utlizacio de um computador cpt 1 Teoma sos Couns « Fodte Hamann 5 Exercicios {1 Os conjuntos @ ¢ (0) sto iguais? 412 SejaS = (x, v,2}. Quantos so 0s subconjuntos de Se quais sio eles? 13 Seja A =[x]x°= 11. Sejam b=1e¢=-1. Entdo, A= (b cl? 14 Dados os conjuntos A = [1,2,3),B= [3,4,5}eC = [1, 3} obtenha: a) AUBUC b) AUBOO 9 ANBAO) @) Crem elagioa A ©) Cab - 4) um subconjunto comum a A, Be Respostas 411 Nao sio iguais. : 412. Sio 8 subconjuntos, incluindo 2 e o proprio conjunto 5. 13 Sim 14 a) 11,2,3,4,5) ba’ 9 6) 4) 2) oo ) Blows2 Ee Probabilidade 2.1. EXPERIMENTO, ESPAGO AMOSTRAL E EVENTOS ‘Denominamos experimento todo fentdmeno ou agi que geralmente pode ser repe- {ido e cujo resultado 6 casual ou aleatori. TBxemplo: Quando jogamos um dado uma tinica vez, estamos fazendo um expert mento cujo resulta sev uan dos valores 1, 2,3, 4, 5.04 6 ‘Denominamos espago amostral conjunto de todos 0s resultados possiveis de tum experimento. Os resultados devem ser definidos de maneira que sejam mutua- mente exclusivose colelivamente exaustivos, ito é, de maneira que um, € apenas ur eles, possa ser observado quando o experimento termina, -Exemplo: Em um jogo de dado, o espaco amostral é .2,3,4,5,61 © espoco amostalreativo a um experimento pode ser representado de die -Exemplo: 0 espago amostrl relativo ao langamento de duas moedas é E IKK, KC, CK, CC} onde K e C representam cara e coro, espectivamente. Entretanto, se estamos inte ressados apenas no niimero de caras obtidas, © espaco amostral relative ao lanca mento de duas moedas & E=(0,1,21 Denominamos evento todo subconjunto do espago amostral, e chamamos de evento simples ou elementar todo subconjunto unitario do espago amostralExemplo: No espago amostral relative ao lancamento de uma moe vez, que & E= |K, C], Ke C sio eventos simples, 2.2 DEFINIGAO CLASSICA DE PROBABILIDADE De acordo com a definigi clissica, se um espaco amostral 6 constituido porn even- tos mutuamente exclusives ¢ igualmente proviveis e se n, desses eventos tém 0 ateibute 4, entéo a probabilidade de A € PLA) = n/n xemplo: Quando se lanca um dado (um hexaedro regular) feito de material homo- neo, ocorre I de 6 eventos mutuamente exclusives ¢ igualmente proviveis;entio, «8 probabilidade associada a cada 1 desses eventos é Essa definigao nao é valida logicamente, porque, ao se exigir que 05 n even- tos possiveis sejam igualmente provaveis, uilza-se o conceito do que se pretende definie 2.3 PROBABILIDADE COMO LIMITE DE UMA FREQUENCIA RELATIVA ‘Denominamos freqiéncia relativa do evento A a0 quociente entre o niimero de vezes fem que A ocorreu (n,) € 0 timero total de eventos observados (1) Podemos, entio, definir probabilidade de A como o limite da freqgiéncia ela- tiva de A, quando o ntimero de eventos observados tende a infinito, isto &, PAA) = in" oa Exemplo: Sejam K e C os eventos cara e coroa, respectivamente,relativos ao langa ‘mento de uma moeda, uma nica vez. Se a moeda ¢ feita de material homogénco, podemos, baseados na sua simetria, estabelecer que P{K) = PC) = 05. Entretanto, se a moeda nao for homogénea, para obter P(K) devemos langar a moeda um ‘uimero suficientemente grande de vezes e calcular n/t, onde m, & 0 nimero de Vezes que saiu cara em 1 lancamentos da moeda © conceito de probabilidade como limite de uma freqiiinciarelatva & bas: {ante itil na praca. As casas de jogos e as companhias de seguros dependem da estabilidade, a longo prazo, de freqiéncias relativas. Entretanto, a definigao nao é Satisfatoria do ponto de vista matematico, porque no é possivel uma interpretacao "gorosa sem usar o préprio conceito de probabilidade. roto? Fromme © Resto Haan 9 Outro inconveniente dessa definicdo é que ela se limita aos casos em que ‘enmimero de eventos observados pode crescer indefinidamente. AfirmagBes como ty probabilidade de que haja uma guerra nuclear no priximo ano 05", que tenvolvem uma probabilidade subjetiva, nio podem ser interpretadas como limites de freqdéncias relativas, 2.4 CONCEITO MODERNO DE PROBABILIDADE Zum eopagesmestal ew A guage evento em E anode Erte, yor defi, pobablidade de cores A daa pela media Bes epics condi 1) A medida do universo é 1 , PE)=1 @2) 2) Amedida é nio-negativa mA)=0 @3) 9) Se Ae sio dois eventos disjuntes, , PLA WB) = PIA) + PCB) ew Desses postulados, segue-se que o. Assim, 4 probubilidade de sai 5 et tum langamento de um dado nio-chumbado 6 (© seguinte problema ilustra bem a idéia de probabilidade como medida de lum conjunto: duas pessoas combinam um encontro entre as 17 e 3s 18 horas: uma ‘a e 15 minutos; nenhuuma chegaré a0 local de rio esperaré pela outra mais do que 15 minut fencontro antes das 17 horas nem ficard depois das 18 horas; determinar a probabi- Mace de as duzs pesos se encore \Conaleremos um sea de eos cresianos ortagonis, marcando nos eixs coondenaes os momentos de chegada decd iv a0 focal de encon= fro. O conju funivero) de tas a combinagen posses corresponde 20 Guadra da Figur 21 Haveraencnto no cso dos poten pertencets asa Sombreaa nesta figura, dlmiada plas etn y= = 15% Y= 12ye Cy . | 45 0 — 5 iam —_| o = 1 30 4 Oe FIQURA 21 Calculando a relao entre as éreas, obtemos a probabilidade de encontro, qué P 7 = 04375 ou a 16 2.5 APROBABILIDADE DO COMPLEMENTO E 0 TEOREMA DA SOMA TEOREMA: SejaE 0 espaco amostral. Entio, a probabilidade de que A nao ocorra é dada por PUA) =1- Ay es) Esse teorema & uma decorréncia imedlata de (22) ¢ (2) TEOREMA DA SOMA: Se A e B sio dois eventos do espago amostral E, entio a probabil lade de que ocorra ou A ou Bé PAB XA) + PCB) ~ P(A. B) eo Como P(A) + P(B) 6a soma das probabilidades dos eventos.em A mais a soma ddas probabilidades dos eventos em 8, P(A) + P{B) inclu as probabilidades dos pon- 0s do conjunta A m Rduas vezes. Logo, subteaindo P(A rD), temes PAW B). Coonso 2 Prcemumie « Aad Hitman 11 CCOROLARIO: Se A B sio dsjuntos, isto 6.4.9 B = 2, entio PIA UB) = PA) + 1B) en Para exerplificar,consideremos o seguintes events no langamento de um dads A: sair resultado par, isto 6, A = 2,4, 6) 13,3) B: sair resultado inferior a3, ito é,B = (1,2) Ae sai resultado impar,ito 6,4 Notando que A 6 a uniso de trs eventos elementares, cada um com proba- Bete ton de sono com o woe dt ma, gu 3.1 may=2=4 Analogamente, Pe) De acordo com (2.5), temos L efi 272 inemos agora o valor de P(A. B). Para tanto, existem dois caminhos. 1, 2,4, 6, podemos concluir que Det Primeiro, notando que AUB 2 4 PAU B)= 4 ‘O problema também poderia ser resolvido da seguinte forma: temos A B= (2) «semesters A.B) pleads era a soma, em mawmy=na)ne-rann= + 2.6 PROBABILIDADE CONDICIONAL E 0 TEOREMA DO PRODUTO Vamos introduzir a idéia de probabilidace condicional por meio de um exemplo. Entio, suponhamos que no langamento de um dado sejam definidos 0s se- uintes eventos A: saie resultado par, isto é, A = [2,464 B: sair resultado inferior a3, isto 6 B 1,2)12 earancarina Coors Spon itigeAnd=—)ieiameena=? caerann= ‘Consicleremos agora a seguinte situagio: um dado foi langado, fora do alcance de nossas vistas, e fomos informados de que sai resultado par, ou seja, de que ocorreu A. Nessas condicdes, pergunta-se: qual & a probabilidade de que tenha ‘ocortido o evento B? Para resolver esse problema, é necessério introduzie a idéia de probubilidade condicional. Entdo, vejamos: fomos informacdos de que A ocorreu; logo, 0 espago amostral passou a ser A. Devemos agora obter a probabilidade de acorrer B, 0b a condi de que A tenha ocorrido ou, 0 que é © mesmo, obter a probabilidade de B dado A, {que indicamos por P(B | A. (Onovo universo, queé A = [2,4 6], constituide por trés eventos elementares, igualmente provaveis, e nos interessa um desses eventos, definido pelo conjunto Aq B= (2). Entio ns 4)= 4 aaa Se dividirmos numerador e denominador por 6, que é o miimero total de eventos do universo original, temos: 1 6 _ MAB) 3 PiB|A) ie 6 Por definigio, dados dois eventos A e B, no espago amostral E, se P(A) > Oe P{B) > 0, probabilidade de B, dado A, é rane) mela) = MOO es) ca probablidade de A, dado B,é (op) PYA|B) = y (29) TEOREMA DO PRODUTO: $e 4 ¢ B sio dois eventos do espaco amostral E, a pro- babilidade da ocorréncia simultinea de A e B é dada por PLA B) = PLA) - PUBL A) = PCB) - PCA |B) 10) Esse teorema é decorréncia imediata de (28) ¢ (29). opto 2 Pronmcice «Rea trie 13 0 CASO DE n EVENTOS ELEMENTARES IGUALMENTE PROVAVEIS. Fas dn comer print ¢ a cl no om ae Fe ce Toca tgntoe prveas alt wa Boo, de eee ener en A oo nk det Fee cero tsrjontner teres demenaen Bona tne rt) Pang) = “Ae Efi ver que o mimero de eventos elementares em A én ny, Entio 60 teorema apresentado no inicio da Segio 2.5. ‘Onimero de eventos elementares pertencentes aA oua éi4 +p May (ub~ fe may para evitar dupla contagem dos elementos que pertencem tanto a A 8B). Entio = P(A) + PB) PAB, PAB) ‘confirmando o teorema da soma. 'A probabilidade condicional de B dado A éa freqiéncia relativa de resultados favoriveis a B no “wniversn” den, elementos de A. isto é, P|) Dividindo o numerador e o denominador por 1, obtemos: nn _ PAO) (B14) = = confirmando (2.8)114 Eewrancarn mowers © 2.8 EVENTOS INDEPENDENTES Por definicto, dizemos que o evento A ¢ estatisticamente independente do evento Bse P(A|B) = PA). De acordo com (2.10), P(A|B) = PLA) # 0 implica P(B A) = PCB), isto &, 0 fato de A ser independente de B implica que B & independente de A. Entio podemos dizer, simplesmente, que A w B sio eventos independents. No caso de eventos independentes, a relaglo (2.10) ~0 teorema do produto ~ fica PLAN B) = PLA) PLB) en 2.9 COMBINAGOES E PERMUTAGOES Na resolugao de problemas de probabilidade sio bastante ites as formulas rela- tivas a0 miimero de combinagies e permutacées, que serdo apresentadas aqui sem demonstracio. Dados m diferentes elementos, 0 nimero de combinagdes de n elementos que podemos fazer é a-(™ =-() Dads mets amen, mao de permite qv pene tet ym +m on mn 2.10 TEOREMA DE BAYES ‘Suponhamos que um gedlogo, com base em observagies superficais, tenha esta- belecido que a probabilidade de que haja petréleo, em certo lugar, é 0,2. Entao os ‘eventos “hi petréleo” e “no ha petroleo”, que representaremos por é €¢ respec- tivamente, em probabilidade Pte,)=0.2e Ple,) = 038. Apos o estabelecimento dessas probabilidades, o gedlogo realiza um teste sismico. Consideremos, por simpli ue 0 teste pode resultar em um de trés eventos mutuamente exclusivos: fics € fy O resultado do teste ests relacionado a existéncia ou nao de petrdleo. ‘Suponhamos que as probabilidades condicionais sejam P(e) =010 Pale Pei) = 080 Pfle Pie) =0.50 Piles) ssa probabilidades mostram, por exemplo, que resultado f, é mais provavel quando hé petri. Entio, 59 0 testo semico rorullar om f, 0 gedlogo deve dat minar a probabilidade de que haja petréleo, dado que f; ocorreu, ou seja, deve cone 2 Promunie «Rocio Htrann 35 a probablidade condiciona Pf) é resolvido se construirmos a “Arvore” apresen- CO prblema & mas facilmente a fa Fipira22.C sive eno fim de cad soloados os valores de ada ramo mostra uma situagS0 pos FIGURA22 Ple, of) = Pe)“ PG), com i= 1.207 Nao ¢ dificil veriiear gor que Peo Pel Baap Pee) PYLE) __ Fey Pied + Ped POs - 0805. 9.5556 04 55:56% o10+0m8 9 Analogamente, obteriamos, se houvesse interesse,116 Erwrencaran Eos « Pe, |f) = 025, Em geral, se i=1,2,,ej=1,2,/1m, Peasy __ Peed PUfled Pal== z Brean — SPey- Pele Esse resultado & conhecido como Toorema de Bayes. Dado um experimento, ‘em dois estigios e conhecidas as probabilidades « priori P(e) e as probablidades ‘condicionais P{f |e), 0 Teorema de Bayes permite calcular as probabilidades a posteriori Pe, |) isto 6, as probabilidades associadas aos resultados do primeiro es tigio, dado 0 resultado do segundo estigio. No caso do exemple analisado, © primeiro estigio do experimento é a formacio geoldgica do subsolo, ¢ o'segundo estigio ¢ o teste sfsmico realizado pelo gedlogo. Exercicios 2.4 Uma urna contém quatro bolas brancas e duass pretas. Outra urna contém tnés bolas brancas e cinco pretas. Se for retirada uma bola de cada urna, qual a probabilidade de: 4) uma das bolas ser branca e a outra ser pre >) ambas as bolas serem pretas; ©) ambas as bolas serem brancas. 22. Sendo defeituosos 10% dos radios produzidos por uma indkistria, se forem ‘examinados, ao acaso, trés ridios por ela produzidos, qual é a probabilidade ‘de nenhum ter defeito? 23 Uma pessoa tem quatro notas no bolso: uma de R$ 10,00; outra de RS 20,00; ‘outra de KS 50, e outea de KS 11X00. Se ela tirar 20 acaso duas notas do bolso, ao mesmo tempo, qual a probabilidade de a soma ser RS 30,002 24 No jogo de “par ou impar", qual &a probabilidade de ocorrer par? Qual é a probabilidade de ocorrer valor maior do que 5? 25. Dois dados sio lancados simultaneamente. Verficar se os eventos “sar valor par em ambos” e “sair soma igual a 5” sio independentes, 2.6 Sabe-se que um casal tem dois filhos. Sabe-se que um deles & do sexo mas- cline, Qual é a probabilidade de o outro filho ser do sexo ferinino? 2.7 Um casal em dois flhos do sexo masculino. Qual 6 probabilidade de os dois priximos filhos o terceiro ¢ 9 quarto) serem a probabilidade de nascer menino € 50%) 1 forminino? (Super que 2 Coons 2? Promaunise «Roda Hotmans 17 tama contém 5 bolas pretas, 3 brancas e2 vermelhas. Trés bolas so reti- dda urna, uma apés a outra, Determine a probabilidade de as bolas retiradas m da mesma cor, admitindo que: ‘as bolas foram repostas apd cada retirada) indo houve reposicio. “Lima partida de certo produto consiste de 10 artigos perfeitos, 4 com peque- “hon defeitos e 2 com defeitos graves, Retirando a0 acaso dois artigos, qual €a pablidade de que: ambos Sejam perfeitos? 3) pelo menos um seja perfeito? nenhum tenha defeito grave? Dé 0 conceito ¢ um exemplo de eventos independentes, se um dado duos veres, qual € probabilidade de a soma dos pontos jos ser igual a do-se um dado trés vezes, qual éa probabilidade de a soma des pontos me igual a4? gam-se trés dados. Qual 6a probabilidade de ser 5.a soma dos pontos obtidos? um jogo com moedas,o jogador faz um ponto se tira duas “caras” conse _cutivamente. Um dos jogadores langou a moeda duas vezes e sabe-se que em “uma das vezes saiu “cara”. Nessas condigdes, qual é a probabilidade de esse gador ter feito um ponto? ‘Lampada 2 ‘Lampadat r S ‘Acesa Apanada ‘Acesa 045 045 Apagada 040 030 Certo aparetho eletrinico tem duns limpadas que podem estar acesas ou apa {gadas, tendo sido observadas as seguintes probabilidades: ‘Atabela mostra, por exemplo, que ambas as limpadas estavam simultanea~ mente apagadas 30°% do tempo. Pergunta-se: 8) 0 fato “lampada 1 acesa” ¢ independente de “limpada 2 acesa”?216 247 2s 219 220 0 tato“inpa pga” nope Ups 28"? hati Aprtshlade dee arm evenicem ma rove igual 2 8) Qual éa probabilidade de esse evento se repetir n vezes em m provas? ') Qual a probablidade de esse evento no ocorrer nenhuma vez em provas? «Para que valores tendem essas probabilidades quando n tende para infinite? Tris estudantes deixam seu blusio em um mesmo lugar. Posteriormente, como os blusdes sio iguais, cada um pega um dos blusdes a0 acaso. Deter ‘mine a probabilidade de: a) nenhum pegar o priprio blusio; ’b) um, esomente um, pegar o blusio correto; ©) dois, e somente dois, pegarem o blusio correto; 4) os trés pegarem o blusio correto, Dols dados sio lancados simultaneamente. Definem-se os eventos: A=sair valor par em ambos B= saie valor imnpar em ambos C= stir soma igual a seis 2) Ae B sto mutuamente exclusives? E Ae CPE Be C? 1) Ae B sia independentes? EA eC? E Be C? ©) Quanto valem P(A |C), P(C|A), PLA |B), P(B|C)e PIC| By? ois dados (um amarefo & um branco) so langados. Definem:se 0s eventos: A=sair valor par no dado amarelo B= saie valor superior a 4 no dado amarelo C= sair soma de pontos dos dois dados igual a 8 Pergunta se 8) Quais os valores de P(A), P(B), PAC), PAB), PLA |C), P(C|A)e PIC B)? b) Ae B sho mutuamente exclusivos? So independentes? ©) Ae Csi mutuamente exclusives? Sio independentes? Dos dados (hexaedros regulares de material homogéneo), um branco e outro amarelo, s30 langados. Definimos os seguintes eventos: resultado do dado amarelo é igual a 5 soma dos resultados dos dois dados é igual a7 soma dos resultados nos dois dados ¢ igual a 10 9) Determine PLA), PUB). PIC). PCA |B). PLAC). PC A} e PIB|C) +) Ae B sio mutuamente exclusives? Sio independentes? Cuno 2 Prcemcice « Rado mann 19 «) Be Csio mutuamente exclusives? Sio independentes? )A.eC sto mutuamente exclusivos? Sto independentes? Peso ¢ José sto pastores de cabras, Pedro tem 3 vezes mais cabras do que José No rebarino de Pedro, 20% das cabras so malhadas, no rebanho de José, 10% das cabras sao malhadas. Encontrou-se uma cabra desgarrada. Teer aaber nada sobre essa cabra, qual 6a probabilidade de que ela pertenca José? Sabendorse que a cabra desgarrada ¢ malhada, qual €a probabilidade de que ela pertenca a José? ‘gio dados dois niimeros reais, xe y, que assumem qualquer valor real no fntervalo de 0 a 10, sto &, 0<¥<10e 0 zen ae a) Apenas A e B sio mutuamente exclusivos; b) Ae B nao sio independentes; 0 mesmo é verdade para A e Ce para B e C; 9 Palg= 2: Aci 2 3 one FFPALB)=0;PBIC= 2 eMCIm 1 2) PA) = 55 PO erC|B)= 2; b)Ae B nio sio mutuamente exclusives e sio independentes; 16) Ae Cnio sto mutuamente exclusivos e nlo sio independentes. EPC) = PAID oe 1 1 1 a) PLA) = 7 PAB FiPAley= F7MCLA)= 2 emB10)=0; 1) Ae Bn so mutuamente excuses so ndependents: 6) Be Coo mutuament exchnivs eno st Independents €) A.C alo vio muturment exchavs en so ndependents a v7 Mr +y>15)=0125, Mix-y/>6)<016 PA) =2/3; PB) =5/12; PMC)=05; MD)=05; PB|A)= 11/24; AD|C)=05; POD |B)= 1/15. Aw B nio sto independentes. C e D Sto indepenctentes, 129 75 025= 3 A Distribuigao de Freqiiéncias e sua = Representacao Grafica i. 4 OS NIVEIS DE MEDIDA que haja interesse na aplicagio da estatistca a um conjunto de dados,é neces- que 0 atributo em estudo nao seja igual em todos os elementos desse conjunto. Consideremos, por exemplo, 0 conjunto dos estudantes universitirios de Cidade. Tomada uma amostra dessa populagio, pode-se medir © peso e a dos estudantes, classifics-los segundo suas notas, suas areas de estudo, religiio, Contudo, no apresentaria interesse a observacio de caracteristicas '2 todos os elementos da populacio, como a classificagio dos alunos em tizacos e analfabetos, © Por essa razio, certos autores definem a estatstica como © conjunto de ‘empregados no estudo da variagao. “Tada ver que dispomos de um conjunto de dados (variéveis), poclemos clas- Jos de acordo com determinado critério. Dado um conjunto,o critério de Ho fica na dependéncia do nivel de medida dos dados. _Vejamos, entao, os niveis de medida ou escalas, que sio quatro: escala nomi- scala ordinal, escala de intervalos e escala-raz3o. Dizenios que os dados s80 medidos em escala nominal quando cles podem ‘Ser distribuidos em determinado miimero de categorias mutuamente exclusivas. relativos a sexo, a religido ou a filiagao a partido politico, por exemplo, s30 ‘medidas em escala nominal. Dizemos que os dados sio medidos em escala ordinal quando eles podem ser © distrbuidos em determinado nimero de categorias mutuamente exclusivas e que se lapresentam ordenadas. A relago entre as categorias pode ser do tipo “maior do que “04 “mas dificil do que”, ou “superior a” et, genericamente indicada pelo simbolo > ‘Sto medidos em cscala ordinal o status socioecondmico, a hierarquia militar, a | dureza dos minerais. £ comum associar ntimeros inteiros as diferentes Categorias de lima escla ordinal. Devemos ressallar, no entanto, que apenas 2 orem dos Amero tem significado, mas no ¢ valid, nesse caso, afirmar que “4 0 dobro de 2 ou que “a diterenca ene 8e 6 gual diferenga entre 53 224 eemneren nm Econoars © Dizemos que os daclos sio medidos em escala de intervalos quando eles podem ser ordenados e 6 possivel quantificar a diferenca entre as observagies. 0 ‘exemplo tipico de medida em escala de intervalos é a temperatura. Assim, se 05 20°C ou 65°F @ corpos A, Be C apresentam temperaturas {, = 10°C ou 50°F, lp fe = 40°C eou 104°F, poclemos afirmar que > fy > fy © que fe ~ ty = 2(ts— 9) sas alirmagées sio aritmeticamente verdadeiras tanto em graus centigrados como em, ‘graus Fahrenheit. Entretanto, considerando 0 conceito fisico de temperatura, nig tem sentido afirmar que fy = 2f, ou fc-= 4, isto €, nao é vilido fazer razdes entre ‘oe valons, porque a origem da excala & arbitra, Aliés, esse evemplo, as ra7ios feitas io aritmeticamente verdadeiras se usarmes graus centigradas, mas S30 falsas se considerarmos graus Fahrenheit. Dizemos que os dados so medidos em escala-razo quando, além das pro- priedades da escala de intervalos, existe uma origem fixa e & possivel estabelecer relagdes entre os dados. Sio medidos em escala-razao 0 comprimento, a massa, 2 velocidade,a renda, o capital 3.2 A DISTRIBUIGAO DE FREQUENCIAS. Sejam Xy, Xa, X, 08 valores observados em uma amostra de n elementos, ‘Admitamos que a varidvel é medida em escala de intervalos ou em escala-razio, ara faciltar a andlise dos dados, ¢ interessante organizé-los em tabelas ou quadros, ‘Consideremos, por exemplo, uma amostra de 200 familias de certa cidade ceseja X, (i= 1. n) 0 ntimero defihos dependentes por familia. Os dados originals seriam: 3, 5,0,1,1,0,3,2,2,1,2 ete. A Tabela 3.1 mostra a distribuigdo de freqiién- cias de X, isto 6, dos valores assumidos por X, € as freqdincias (ruimero de vezes que eada X, ocorreu) associadas a X, TaseLA 3 Distrib da amas contre © numero de thos dependents ‘Numero de filhos Freqiiéncia relativa in) 016 snimero de filhos dependentes ¢ uma varisvel discreta. Dados de con- io sempre variiveis discretas. As varidveis discretas se caracterizam pelo 136 poderem assumir um niimero finito de diferentes valores dentro de flo finito. As varidveis continuas, por outro lado, podem assumir um Infinito de diferentes valores dentro de um intervalo finito. A altura e 0 fdas pessoas, a dea dos estabelecimentos agricolas ¢ 0s intervalos de tempo ples de varigveis continuas. Normalmente, admite-se que as variéveis jas medidas em unidades monetarias, como renda,riqueza, custo prego, NVejamos como organizar uma distribuiglo de freqdéncias quando a variével % continua. Consideremos, por exemplo, © conjunto das alturas, em. | de 200 alunos do sexo masculino. Os dados originais seriam: 172, ete. ‘Para construir uma distribuicio de freqéncias, devemos, em primeiro lugar, fos intervalos de classe, Precisamos considerar, nessa escotha, que é conve Fobter de 5 a 20 classes (Hoel recomenda de 10 a 20 classes). Se o nimero de 1 pequeno, os intervalos de classe serdo grandes, que implica muita perda facio; por outro lado, um niimero de classes muito grande torna a dis ide freqiiéncias desnecessariamente extensa. £ conveniente, embora nao Jrio, que os intervalos de classe tenham a mesma amplitude. “Admitamos que, dentre as alturas observadas nos 200 alunos, 0 menor e © ‘valor sejam, respectivamente, 152 em ¢ 194 cm. A amplitude total dos daclos 194 — 152 = 42 cm, Se resolvemos definir 9 classes de igual amplitude, a amplitude de cada classe £2 ou, aproximadamente, 5 cm, Ao delimitar as classes, énecessro que no diivida quanto ao seu contetide; assim, se estabelecermos que a primeira vai de 152m a 157 em ea classe seguinte vai de 157 cm a 162 em, ndo fica claro deverd ser colocada uma observagio de 157 cm; uma maneira de superar ssa fe € defini o:intervaloe cdma fechads A esqquerda e abertos & dieita (ou ); outra maneira & estabelecer os limites de classe com uma precisio de ‘da ordem seguinte A que caracteriza a preciso das medidas, como ¢ feito na 32. Definidos os intervalos de classe, os dados sao classiticados, obtendo-se nuigio de freqigncias. Em uma tabela de distribuicio de frequéncias, além dos limites de classe © tivas freqiéncias, também podem ser dados as freqiéncias relativas e os ‘centrais ou pontos médios de clase. Estes sao definicios como a semi-soma limites de classe. camiios A Dswmucl u Freitas nn Reesoonto alah @ Rao Homann 2526 Kenmare nna Ecos © TaBELA 3.2 Distibucao de reqiécias das alas de 200 esta Limites da classe Valorcentral_ | Freqiiéncia | Freqiiéncia fem fem) relativa 151.5 1565 154 2 oo 1565. 161.5, 159 6 003 1615 a 1665 164 m4 02 1665 a 17155 169 0 020 Wp a 765 174 46 023 1765.0 18155 179 4 022 181.5 a 18655 1st 28 os 1863 a 1915 189 8 04 191.5 a 196, 194 2 01 3.3 REPRESENTAGAO GRAFICA DAS DISTRIBUIGOES DE FREQUENCIAS A distribuigio de freqiéncias de uma varidvel discreta é adequadamente re presentada por um grifico de barras, Para tragar esse grafico, marcamos sobre lum eixo os pontos correspondentes aos valores assumidos pela variével (X). Em seguida, tragamos barras verticals, cujas bases se situam sobre 0 eixo, nos pontos mareados, e cujas alturas si0 proporcionais as freqiiéncias relativas de cada X, Na Figura 3.1 temos o grafico de barras da distribuigéo de freqiiéncias apresen- {ada na Tabela 3.1. ‘Uma distribuigio de freqiéncias de uma variivel continua pode ser repre- sentada por um histograma ou por um poligono de freqiéncias. © histograma € constituido por um conjunto de retingulos cujas base: situadas sobre um eixo coordenado, sio os intervalos de classe © cujas éreas si0 Proporcionais as respectivas freqiéncias ou freqiéncias relativas, como ilustra a Figura 32. O poligono de freqiténcias & obtido ligando, em um sistema de eixos carte- sianos ortogonais, os pontos cuas abscissas si0 os valores centrais das classes ecujas ordenadas sio as freqiiéncias correspondentes; a0 construir um poligono de fre- éncias, considera-se, sempre, uma classe inicial e uma final com freqiéncias ‘guais a zero, A Figura 3:3 mostra 0 poligono de freqdéncias da distrbuigao apre- sentada na Tabela 3.2. 0 “0 Freqiénca eae 0 o.9 Freqitecia 8 ‘A bismmac e Frais ct Remsenilo Grea « Reso Holman 27 —— O_o, o12345678 ‘Numero e nos dependents () FrQURA 34 Caio de ares alate & Tabela 9.1 0.25 020 015. 010 Freqiéncia relatva 095 15416 174 184104 ‘Altura (om) FiguAa 32 Hetogam relative Tebela 320 { 025 ;° on i 8 bn ow | E 3 » on F ° ° ree wen es ‘nen tees Palgono de roqiéncas ralavo &Tabela 32 Quando os intervalos de classe no S30 iguais, para construiro histograma é necessario calcular, para cada classe, a densidade de freqiéncia relative, definida ‘como o quoxente entre a frequéneia relatva e a amplitude da classe. Vamos admit {que 40% dos trabalhaclores da industria K recebem de 1a 2 salirios minimos, 30% recebem mais de 25 salarios minimos e 30% recebem mais de 510 salirios mini. mos, As densidades de freqdéncia relativa nas trés lasses de rendimento sie: 4 Os retangulos do histograma so construidos com alturas iguais as densi- dades de freqiiéncia relativa, como mostra a Figura 34. Dessa maneira, a drea de «ada retingulo ¢ proporcional a freqincia relativa da classe correspondente, Densidade de frequinca Os ‘ela 03 02 on z ai oaene| 10 Rendenta FIQURA 3.4 ‘tooo trtnican de roqotciae doe tabalhadoro de nda em 3 asses ‘endmerte (em salaios mines) Cepno 3 ADetimuchooe Peciecser i Remesewncso Gninca # Ral Htman 29 icios dada a seguinte distribuicio de fregiéncias da variével X, que s6 assume E a Freqiiéncia a 0 3 2 4 4 5 10 6 2 7 9 8 5 9 4 10 2 un 1 R 1 Faca o grifico de barras dessa distribuigio de frequéncias. ‘So fornecidos os seguintes dados a respeito das familias de certa regio, clas- “ifcadas em 2 estratos, conforme sua renda familiar mensal \ do estrato Node familias | Renda total do estrato . em RS ‘em mithares ‘em R$ 1.000.000 ‘a menos de 1.000 Ey 48 1.000 a 9.000 6 192 10 da rend entre as familias. Construa o histograma da distribu4 Medidas de Tendéncia Central INTRODUGAO ‘medida de tendéncia central de um conjunto le dados mostra 0 valor em toro ‘se agrupam as observacoes. As principais medidas de tendéncia central si0 a aritmeética (ou, simplesmente, média), a mediana ea moda, Também sio bas- utilizadas a média ponderada e a média geométrica, ‘Ae medidas do tondincia ‘com as medidas de dispersao, de assimetria, lade, e outras que serao analisadas em capitulos posteriores, permite, 3, de maneira bastante concisa, um conjunto de dacs. AMEDIA ARITMETICA aritmética de 1 dados (XX + X,) & por definisso, 0 valor x-1}x, (aay Se os dados estiverem clasificados em uma distribuigio de freqiiéncias com es, ¢ X, /= 1,2, =~ B)s40 08 valores centrais das classes ou os diferentes ‘bservados (no caso de uma varidvel discreta) ese f so as respectivas fre- cias, a media aritmética & dada por Ex4 gH bay wi 7 £ facil verifiar aplicando (42) aos dados da Tabela 3.1, que o nimero méio de hos depencentes¢ 2.1 por fama e, aplicando (42) aos dados da Tabela 32, ‘que a altura media dos estudantes ¢, aproximadamente, 174 a. 3143 AMEDIANA Por definigao, mediana de um conjunto de dados ¢ o valor a0 qual metade dos dados so iguais ou inferiores e metade dos dados so iguais ou superiores Entio, se 0s dados estao dispostos em ondem crescente ou decrescente, cha- ‘mamos mediana o valor que é precedido e seguido pelo mesmo niimero de dads, Assim, se o niimero de dados de um conjunto ordenado é impat, a mediana é ‘© valor central; se o nero de daclos ¢ par, a mediana é, por convengio, a média aritmética dos dois valores centrais. Para exemplificar, vamos supor que o conjunto dos pesos, em quilogramas, de cinco pessoas & P (61, 74, 69, 68,59} Para obter a mediana, ondenamos os dados e escrevemos, P 59,61, 68, 69, 74) Como o nimero de dados é cinco, a mediana é 68. Para © conjunto A=(2,3,5,6,7, 10), com seis elementos, mediana 655 Teese verifar que a medina para os dados da Tabla 3.162, pois afeinia total £200 eh 10 famias com niimero de flhos dependents igual ou menor que 2¢ 100 familias nas quas ese nmr € igual ou maior que 2 ‘A mediana tambsim pode ser caleulada quando os dados esto dispostos em uma dstrbuigo de fegancas. Para tanto, primeiolcalizamos a lass que on sm a medians, denominada classe medians, Obemos, entto,o valor da mediana Por interplas, usando a formula Dotnet (5-5) aad a3) ‘onde se supe que a classe median sj a esa, D indica a median, linite inferior da asse mediana, 1, 0 mite superior da classe mediana, no nmero lee ee see acne Seer iiéncias das classes inferiores classe mediana.! ‘Acxpaeaio (43) 6 cbtida por interpolago lina, amiind-se que os elementos pete cise medina esti unformement rbd dent dese cane eotuo 4 Moos oe Tone CMA # Rate Heiman 33 No caso da Tabela 32, a classe mediana & a quinta, cujos limites so 1715 € 1765. Ent3o, a mediana dos dados é 1 = 1715 + 2 (100-72)5=1785em D=1715 + (00-72)5= 174, 4.4 AMODA Por definigio, moda de um conjunto de dados € 0 valor que uvtre Com maior fre _fiéncia, ou seja, 0 valor mais comum. Um conjunto de observacdes pode nao ter ‘moda, pode ter uma unica moda (unimodal), duas modas (bimodal) ow mais de ‘duas modas (multimodal) Assim, por exemplo, o conjunto A = 2,3, 5,6,7, 10] ndo tem moda, 0 conjunto B= (1,2,2,3,4) tem uma tinica moda, que €M = 2, € conjunto C= (1,1, 2,3, 4,4), tem duas modas, que sio M, =1eM, = 4. (Os dados apresentados na Tabela 3.1 tem moda M = 2, ‘A moda também pode ser calculada quando os dados esto dispostos em uma dlistribuigao de frequéncias, Para tanto, primeiro localizamos a classe modal que, no «caso de os intervals de classe terem a mesma amplitude, é aquela que apresenta maior freqinecia. Se a amplitude day Classes vata, a classe modal € aquela que presenta © maior valor para © quociente da divisto da freqdéncia pela amplitude do intervalo de classe. Entao, no histograma, a classe modal corresponde sempre a0 retingulo de maior altura. Podemos adotar o valor central da classe modal como a moda da distribuicio de freqiiéncias, mas alguns autores recomendam o uso da seguinte formula quando a classe modal e as classes vizinhas tém a mesma amplitude: M (arb) aay hea hoor ‘onde so supse que a classe modal oeja a ht deima, M representa a moda Ly, Lys & fy ‘io, respectivamente, o limite inferior, o limite superior e a freqiéncia ta classe modal, ef, € fy, 30 a freqiéncias das classes vizinhas d classe modal? Para os dados da Tabela 32, a classe modal é a quinta, com limites 171.5 ¢ 1765 em. Entio, a moda é 46-40 Meins+, 8-9 1 a5 40a 5=1752em ® ‘Aférmula (44) nos di no caso de os intervals de classe terem a mesma amplitude, a abscisa do vr. tice de uma pares que pas plor ponte mids dos ladon superes horizon) do tings slotsunt sonnnpnaente lene leas as les ananassaeeal 34 eawercarin Ecos © 4.5 POSIGAO RELATIVA DA MEDIA, DA MODA E DA MEDIANA E A ASSIMETRIA DA DISTRIBUIGAO Examinemos a distribuigdo de freqdéncias apresentada na Tabela 4.1 ¢ representada pelo grfico de barras da Figura 41 TwoeLa 43 ‘rimoda esta 5 = 4 1 i 2 2 Z 2 13 4 2 5 1 2 1 FIGUAA 41 Verificamos que a média, a mediana ¢ a moda dessa distribuigio tém © ‘mesmo valor, isto é, X=D-M=3 Faue & um exemple de tribuigio de freqliéncias simétvica, isto ¢ dle uma distribuigéo em que a frequéncia de X, = X—a ¢ igual a freqiiéncia de X, = X +a PPortanto, a mediana cle uma distrbuigao simeétrica¢ sempre igual A média, Na represen- tagio grfica de uma distribuicao simétrica, a primeira metade ¢ igual a imagem, ‘efletida em um espelho plano, da segunda metade da distribuigao. Examinemos,a seguir, a distribuigao de freqiéncias apresentada na Tabela 42 € representada pelo grifico de barras da Figura 4.2. Coonuo ¢ Mons ce TaN Comma © Rete Henan 35 5 4 fa 1 os eee x Fura s2 Amédia, a mediana e a moda dessa distribuigio sio, respectivamente, X = 2,5, 2eM = 1. Note-se que M < D < X, que éa posicio relativa tipica dessas medidas ia central no caso de distribuigOes unimodais assimétricas a direita (ow lvamente assimétricas). ‘Consicleremos agora uma distribuigio de freqiténcias assimetrica a esquerda regativamente assimétrica, como a da Tabela 4.3, que esti representada na 43. ABEL 4 ro de Hoquias 5 fa 2 1 o FIGURA 43