You are on page 1of 77

Prof.

NABOR ALVES MONTEIRO


2006
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
2
REVISO - MATEMTICA
1 - Somatrio
Para indicarmos a soma dos x
i
valores da varivel x, isto x
1
+x
2
+x
3
+...+x
n
usamos o
smbolo (sigma), denominado em matemtica, somatrio.
Assim, a soma x
1
+x
2
+x
3
+...+x
n
pode ser representada por: x
i
Exemplo: dados x
1
=2, x
2
=7, x
3
=9 e x
4
=6, temos: x
i
= 2+7+9+6 = 24
2 - Arredondamento
Muitas vezes necessrio ou conveniente suprimir unidades inferiores s de determinada
ordem. Esta tcnica denominada de arredondamento de dados.
Em nosso curso, adotaremos o seguinte critrio para arredondamento de dados:
i) Quando o primeiro algarismo a ser abandonado for 0, 1, 2, 3 ou 4, fica inalterado o ltimo
algarismo a permanecer. Exemplo: 53,24 para a 53,2.
ii) Quando o primeiro algarismo a ser abandonado for 5, 6, 7, 8 ou 9, aumenta-se de uma unidade
o algarismo a permanecer. Exemplos: 42,87 passa a 42,9; 25,05 passa a 25,1.
Outros exemplos:
1) O nmero t = 3,141592654..., arredondado com duas casas decimais fica 3,14. Se
arredondado com seis casas decimais fica 3,141593.
2) O nmero de Euler e = 2,718281828..., arredondado com trs casas decimais fica 2,718. Se
arredondado com quatro casas decimais fica 2,7183.
OBS.:
1) Arredondar no significa, necessariamente, deixar o nmero sem as casas decimais.
Arredonda-se com o nmero de casas decimais que for necessrio.
2) No devemos fazer arredondamentos sucessivos.
EXERCCIOS

1) Sendo: x: 2, 3, 7, 8 e 0, determine:
a) x
i
2
b) (x
i
)
2
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
3
2) Dado:
x 1 3 2
y 0 9 1
calcule:
a) xy b) y/x c) (x - y)
2
d) 3x e) xy
f)
( ) 2
2
x y +

g) y(x-1) h) yx
2
i) 5
3) Arredondar os nmeros abaixo na 3 casa decimal:
a) 0,0042 b) 0,222222 c) 0,0067 d) 0,66666 e) 2,709861 f) 0,333333
g) 732,131313 h) 0,00087
4) Arredondar na 2 casa decimal:
a) 0,88888 b) 12,035 c) 6,054 d) 13,194 e) 10,4031 f) 0,005
g) 13,14159 h) 2,718
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
4
1 - ESTATSTICA
A Estatstica, ou mtodos estatsticos, como denominada algumas vezes, desempenha
papel crescente e importante em quase todas as fases da pesquisa humana. Lidando anteriormente
apenas com negcios de Estado, donde o seu nome, a influncia da Estatstica estendeu-se agora
Agricultura, Biologia, Comrcio, Qumica, Comunicaes, Economia, Educao, Eletrnica,
Medicina, Fsica, Cincias Polticas, Psicologia, Sociologia e outros numerosos campos da
cincia e da Engenharia.
Ela est interessada nos mtodos cientficos para coleta, organizao, resumo, apresentao
e anlise de dados, bem como na obteno de concluses vlidas e na tomada de decises
razoveis baseadas em tais anlises.
Definio
Existem vrias definies para Estatstica. Apresentaremos aqui uma delas, encontrada na
bibliografia anexa.
"Estatstica um conjunto de mtodos e processos quantitativos que serve para estudar e
medir fenmenos coletivos".
O objetivo geral da Estatstica, como um campo de investigao, o desenvolvimento de
procedimentos que permitam analisar e interpretar um fenmeno observado, de modo a avaliar
objetivamente a situao em observao.
Conceitos Usados Em Estatstica
Populao e Amostra
Ao coletar os dados referentes s caractersticas de um grupo de objetos ou indivduos, tais
como estaturas e pesos dos estudantes de uma universidade, o nmero de casos de clera
atendidos em um municpio por ms ou o nmero de peas defeituosas produzidas em uma
fbrica em um certo dia, muitas vezes impossvel ou impraticvel observar todo o grupo,
especialmente se for muito grande, ou se a observao implica na destruio do objeto em
questo. Em vez de examinar todo o grupo, denominado populao ou universo, examina-se uma
pequena parte chamada amostra.
Populao: qualquer conjunto de informaes que tenham, entre si, uma caracterstica
comum. Em Estatstica, populao no significa, necessariamente "pessoas".
Amostra: um subconjunto da populao, de dimenses menores que ela, sem perda das
caractersticas essenciais.
Uma populao pode ser finita ou infinita. Por exemplo, a populao constituda de
laranjas de um pomar finita, enquanto a populao constituda de todos resultados (cara ou
coroa) em sucessivos lances de uma moeda infinita.
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
5
Estatstica Indutiva E Estatstica Descritiva
Se uma amostra representativa de uma populao, concluses importantes podem ser
inferidas de sua anlise. A parte da Estatstica que trata das condies sob as quais essas
inferncias so vlidas chama-se Estatstica Indutiva ou Inferncia Estatstica. Como essa
inferncia no pode ser absolutamente certa, a linguagem da probabilidade muitas vezes usada
no estabelecimento de concluses.
Fig.1 - Coleta de amostra.
A parte da Estatstica que procura somente descrever e analisar um certo grupo, sem tirar
quaisquer concluses ou inferncias sobre um grupo maior, chamada Descritiva ou Dedutiva.
Variveis
Chamamos de varivel ao conjunto de resultados possveis de um fenmeno aleatrio. As
variveis podem ser qualitativas, quando representam um conjunto de categorias ou
modalidades, ou quantitativas, quando representam um conjunto de nmeros.
As variveis ainda podem ser:
i) Contnuas: so aquelas que, teoricamente, podem assumir qualquer valor em um intervalo.
Em geral, as medies do origem a dados contnuos. Exemplo: a altura H de indivduos que
pode ser 1,65m, 1,662m ou 1,6772, conforme a preciso da medida, uma varivel contnua.
ii) Discretas: so aquelas que, de um valor para outro, no existe continuidade. Geralmente
originam-se de contagens. Exemplo: o nmero N de crianas, em uma famlia, que pode
assumir qualquer um dos valores 0, 1, 2, 3, ... mas no pode ser 2,5 ou 3,842, uma varivel
discreta.
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
6
Mensurao
Desde os tempos remotos, o homem tem a preocupao de medir coisas. Em nossa vida
diria, freqentemente estamos medindo algo: o tempo gasto em uma tarefa, a distncia a ser
percorrida em um compromisso, o nmero de convidados para uma festa, outros. Mensurar
significa associar a alguma coisa um nmero. As coisas que medimos diferem entre si quanto a
classe a que pertencem. Exemplo: estatura, velocidade, inteligncia, beleza. A forma de
mensurao depende da classe ou nvel que ela pertence, pois cada nvel possui caractersticas
prprias, de acordo com a sua complexidade.
Nveis de Mensurao
i) 1 nvel - Nominal: o mais baixo nvel da escala de medidas. usado para classificar um
objeto, pessoa ou caracterstica. Nele vale apenas a relao de igualdade (=). Exemplo: sexo,
masculino e feminino; podemos atribuir valores a esta varivel: masculino = 0 e feminino = 1.
No entanto no possvel realizar operaes aritmticas com estes nmeros.
ii) 2 nvel - Ordinal: usado para atribuir ordem. Aqui, alm da relao de igualdade (=),
valem as relaes "maior que/menor que" (< , >). Exemplo: na hierarquia militar, sargento
manda mais que cabo que por sua vez manda mais que soldado. Da podemos representar:
sargento > cabo > soldado, ou cabo = cabo. Este nvel tambm no permite operaes
aritmticas.
iii)3 nvel - Intervalar: aqui aparece pela primeira vez uma escala verdadeiramente
quantitativa. Caracteriza-se pela existncia de uma unidade de medida arbitrria, porm fixa, e
de um zero convencionado. Exemplo: nas escalas de temperatura o zero convencionado e a
distncia entre graus de uma mesma escala tambm. Neste nvel as nicas operaes
aritmticas so a adio e a subtrao, multiplicao e diviso no so permitidas.
Justificativa: se um lquido A est a 30
o
C e o lquido B a 10
o
C, no podemos dizer que a
temperatura de A trs vezes maior que B, pois na escala Fahrenheit teramos o corpo A a
86
o
F e B a 50
o
F (na escala Fahrenheit a gua vira gelo a 32F e vapor a 212F).
iv)4 nvel - Racional: semelhante ao nvel intervalar, com a diferena de existir um zero
verdadeiro, ou seja, o zero no convencionado. Neste nvel todas as operaes aritmticas
so possveis. Exemplo: distncia (km); volume (m
3
), outros.
As mensuraes em nvel ordinal e nominal so as mais comuns nas cincias do
comportamento.
Contagem: das contagens originam nmeros inteiros, portanto, todas operaes aritmticas
so possveis.
Para que usamos Estatstica?
A Estatstica serve para:
1) Resumir e Organizar Informaes: freqentemente quando coletamos dados de uma
populao, obtemos uma gama muito grande de informaes que precisam ser organizadas e
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
7
resumidas. Neste resumo so colocados resultados que caracterizam uma populao em
relao a certa varivel.
2) Representar Dados: aps apurao e resumo, as informaes devem ser transmitidas de modo
simples e claro. Uma forma de representar os dados so os grficos.
3) Conhecer como determinada varivel apresenta-se distribuda na populao: muitas vezes o
pesquisador precisa saber se a populao tem determinada caracterstica, como por exemplo,
se as pessoas que a compem so desnutridas. A Estatstica ajuda um gerente de CPD saber
como o processamento est distribudo.
4) Testar Hipteses: quando uma hiptese levantada, ela precisa de comprovao, o que pode
ser conseguido usando um recurso estatstico chamado "Teste de Hiptese".
5) Fazer Inferncias: ao estudar uma populao, em geral no se consegue dados dela toda, seja
devido ao custo elevado, ao tempo despendido ou o tamanho da mesma. Assim a Estatstica
fornece meios para que, estudando apenas uma parte, se possa tirar concluses do todo.
6) Tomar Deciso: muitas vezes para se tomar deciso sobre um determinado assunto,
necessrio saber como tem sido o seu comportamento, como tem evoludo. A onde entra a
Estatstica fornecendo subsdios para a tomada de deciso. Por exemplo: o poltico, candidato
a um cargo eletivo muda o rumo de sua campanha conforme esta est surtindo efeito ou no; e
quem vai dar esta informao a Estatstica.
7) Correlacionar variveis. Usado para verificar o grau de associao entre variveis e para fazer
previses baseadas em amostras (Regresso). Por exemplo: a ocorrncia de osteoporose em
mulheres aps a menopausa tem correlao com o consumo de caf. Outro exemplo: consumo
de lcool versus fumo.
Fases Do Trabalho Estatstico: O trabalho estatstico consiste de 6 etapas:
1. Definio
2. Planejamento
3. Coleta de dados
4. Elaborao
5. Anlise e interpretao dos dados
6. Relatrio
1) Definio:
i) Definir os objetivos: toda pesquisa deve ter um objetivo determinado para saber o que se vai
procurar e o que se pretende alcanar. Deve partir de um objetivo limitado e claramente
definido. A no definio de objetivos como se construir um edifcio sem a fundao.
comum a alguns estudantes, aps um exaustivo e dispendioso trabalho de coleta de
informaes fazer uma pergunta tpica: "o que eu fao com isto?" Isto decorrente da falta de
objetivo.
ii) Formular hipteses: hiptese uma proposio que se faz na tentativa de verificar a validade
de resposta existente para um problema. uma suposio que antecede a constatao dos
fatos e tem como caracterstica uma formulao provisria; deve ser testada para determinar
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
8
sua validade. A clareza da definio dos termos da hiptese condio de importncia
fundamental para o desenvolvimento da pesquisa.
iii)Definir a populao: a pesquisa em foco deve ser delimitada, ainda que este limite seja
extenso. Isto feito em funo de se saber para qual populao os resultados sero vlidos.
2) Planejamento
Formular um plano para coleta de dados: o prximo passo fazer um planejamento de
como os dados sero colhidos. uma das fases mais importantes, pois se os dados coletados no
forem confiveis ou representativos, o pesquisador no ficar sabendo e o resultado ser
prejudicado.
O resultado final da pesquisa depende muito do planejamento no sentido de que vrios
cuidados devem ser tomados. Por exemplo: uma pesquisa que envolve conhecimento de
particularidades das pessoas deve ser bem cuidadosa, pois os pesquisados podero esconder ou
mascarar tais dados.
Conforme mencionado anteriormente, nem sempre possvel coletar dados de toda
populao, assim a opo se trabalhar com amostras. Para que o resultado da pesquisa seja
vlido para toda populao necessrio que a amostra tomada seja representativa. Por exemplo:
na impossibilidade de consultar todos os habitantes de um municpio sobre a atuao do prefeito,
um pesquisador resolve, por convenincia, obter opinies em apenas um bairro; pode acontecer
que o bairro escolhido acabou de receber melhorias; da o resultado da pesquisa no ser
representativo.
Fig.2 - Erro amostral.
Para que estas situaes no ocorram, necessrio que se use uma tcnica de amostragem.
Existem vrias tcnicas, sendo que as mais comuns so:
i) Amostragem Aleatria Simples (AAS)
Nesta tcnica, todos elementos da populao tm igual probabilidade de serem
selecionados para constituir a amostra. Por exemplo: para formarmos uma amostra de
funcionrios de uma empresa, pegamos uma listagem com o nome de todos, numeramos e em
seguida sorteamos alguns usando papis dobrados ou uma "tabela de nmeros aleatrios".
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
9
ii) Amostragem Sistemtica (AS)
Aqui os elementos da amostra so selecionados por um sistema preestabelecido. Por
exemplo: uma clnica psicolgica deseja saber o perfil de seus pacientes; possui um arquivo com
1400 pronturios numerados de 1 a 1400; decide-se por tomar uma amostra de 10 pacientes; da
divide-se 1400 por 10 encontrando-se 140; em seguida sorteia-se o primeiro pronturio. Se o
sorteado for o nmero 15, a amostra ser composta pelos pronturios 15, 15+140=155,
155+140=295 e assim por diante at completar os 10. Outro exemplo: selecionar um cliente que
entra na loja e pular 10.
iii) Amostragem Estratificada (AE)
usada quando a populao apresenta-se dividida em estratos, ou seja, grupos distintos.
Por exemplo: uma empresa de distribuio de energia eltrica tem seus clientes divididos em trs
estratos: o industrial, o comercial e o residencial. Para se fazer uma pesquisa por amostragem
neste caso, tomamos uma AAS de cada um dos estratos citados.
O tamanho da amostra a ser tomada assunto que ser visto mais adiante.
Planejamento de Experimentos
Dependendo do tipo ou objetivo da pesquisa, ser necessrio, ao invs de colher amostras,
fazer experincias. Neste caso ser necessrio fazer um planejamento de experimento. Devido
sua complexidade, o pesquisador precisar de um conhecimento bem amplo de Estatstica.
3) Coleta de Dados
Etapa da pesquisa em que se inicia a aplicao dos instrumentos elaborados e das tcnicas
selecionadas, a fim de se efetuar a coleta dos dados previstos.
uma tarefa cansativa que toma muito tempo e exige do pesquisador pacincia,
perseverana e esforo pessoal, alm do cuidadoso registro dos dados e de um bom preparo
anterior.
O rigoroso controle na aplicao dos instrumentos de pesquisa fator fundamental para
evitar erros e defeitos resultantes de entrevistadores inexperientes ou de informantes
tendenciosos.
A seguir citaremos algumas tcnicas e instrumentos de pesquisa.
- Coleta Documental: a fonte de coleta restrita a documentos (livros, revistas, jornais, etc.).
- Observao: uma tcnica de coleta de dados onde so utilizados os sentidos para captar
determinados aspectos da realidade. No consiste apenas em ver e ouvir, mas tambm em
examinar fatos ou fenmenos que se desejam estudar.
- Entrevista: um encontro de duas pessoas, a fim de que uma delas obtenha informaes a
respeito de determinado assunto.
- Questionrio: um instrumento constitudo por uma srie ordenada de perguntas, que devem
ser preenchidas sem a presena do entrevistador.
- Formulrio: o instrumento utilizado na entrevista.
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
10
- Testes: so instrumentos utilizados com a finalidade de obter dados que permitam medir o
rendimento, a competncia, a capacidade ou a conduta dos indivduos, em forma quantitativa.
- Inqurito por telefone: contato verbal entre o entrevistador e o entrevistado atravs do
telefone.
- Pesquisa atravs da Internet: os internautas so convidados a acessar determinada pgina
para responder pesquisa. Pode ainda ser feita atravs de e-mail ou salas de bate-papo.
- Sociometria: uma tcnica quantitativa que procura explicar as relaes pessoais entre
indivduos de um grupo.
Existem outras tcnicas e instrumentos para coleta de dados, sendo que para aplicao de
qualquer que seja, necessrio conhec-los bem. Vale lembrar a necessidade de um pr-teste,
antes da coleta definitiva dos dados.
4) Elaborao dos Dados
Aps a coleta, os dados so elaborados e classificados de forma sistemtica, conforme a
seguir:
i) Seleo: o exame minucioso dos dados para verificar possveis falhas e erros.
ii) Codificao: uma tcnica operacional utilizada para categorizar os dados que se relacionam.
Mediante a codificao, os dados so transformados em smbolos, podendo ser tabelados e
contados.
iii)Tabulao: a disposio dos dados em tabelas, possibilitando maior facilidade na
verificao das inter-relaes entre eles. Permite a sintetizao dos dados, de modo que estes
sejam mais bem compreendidos e interpretados rapidamente.
5) Anlise e Interpretao dos Dados
Uma vez organizados os dados e obtidos os resultados, o passo seguinte a anlise e a
interpretao dos mesmos, constituindo-se ambos no ncleo central da pesquisa. Nesta fase sero
obtidas medidas como mdia, mediana, moda, propores, percents, desvio padro, etc. Ao final
apresenta-se a concluso que a anlise e interpretao levaram.
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
11
6) Relatrio
Exposio geral da pesquisa, desde o planejamento at as concluses, incluindo os
processos metodolgicos empregados. Deve ser expresso em linguagem simples, clara, objetiva,
concisa e coerente.
Tem a finalidade de dar informaes sobre os resultados da pesquisa, se possvel, com
detalhes, para que eles possam alcanar a sua relevncia.
So importantes a objetividade e o estilo, mantendo-se a expresso impessoal e evitando-se
frases qualificativas ou valorativas, pois a informao deve apenas descrever e explicar.
O relatrio deve abranger os seguintes aspectos:
i) Apresentao do problema ao qual se destina o estudo;
ii) Processos de pesquisa;
iii)Os resultados;
iv)Conseqncias deduzidas dos resultados.
O Estado de So Paulo 05/02/95
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
12
Exerccios
1 - Quais so as fases do trabalho estatstico? Descreva de forma sucinta cada uma delas.
2 - Quais as caractersticas que devem apresentar o relatrio final de pesquisa?
3 - Qual a diferena entre populao e amostra?
4 - Qual a diferena entre amostra e amostragem?
5 - Para que serve a Estatstica?
6 Pesquise sobre outras tcnicas de amostragem. Explique como ela funciona.
7 - Cite 3 tcnicas ou instrumentos de pesquisa.
8 - Classifique as variveis abaixo quanto ao nvel de mensurao.
a) peso (kg) b) estatura (cm) c) sexo d) profisso e) dia da semana
f) idade g) tipo de sangue h) resultado de um concurso de beleza feminina
i) religio j) rea (m
2
) l) renda familiar ($) m) classe social
n) altitude o) estado civil p) n camisa jogador q) n do CPF
r) n placa automvel s) presso
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
13

2 - TABULAO DOS DADOS
o arranjo tabular dos dados.
Conceitos
Dados Brutos: aps a coleta, temos dados ainda no organizados que chamamos dados
brutos.
Rol: um arranjo de dados numricos em ordem crescente ou decrescente de grandeza.
Amplitude Total: a diferena entre o maior e o menor nmero do rol.
Distribuio de Freqncia: o arranjo tabular dos dados por classes, juntamente com as
freqncias correspondentes; tambm denominado dados agrupados. Embora o processo de
agrupamento geralmente inutilize muitos detalhes originais dos dados, consegue-se vantagem
importante que consiste no aspecto global obtido, que se torna mais claro evidenciando as
relaes essenciais.
Intervalo de Classe: a diferena entre o maior e o menor nmero da classe.
Limites de Classe: o menor e o maior nmero da classe chamam-se limite inferior e superior
respectivamente.
Freqncia Acumulada (F
ac
): a soma de freqncias de determinada classe com as
anteriores.
Freqncia Relativa (F
R
): o quociente entre a freqncia absoluta da classe e o total.
Exemplo: estatura de estudantes (cm)
158 154 153 160 157
171 170 166 165 169
155 161 162 164 163
Estatura (cm) N alunos (f
i
) F
ac
F
R
%
150 | 155 2 2 0,13 13
155 | 160 3 5 0,20 20
160 | 165 5 10 0,33 33
165 | 170 3 13 0,20 20
170 | 175 2 15 0,13 13
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
14
Exerccios
1) Tabular os dados abaixo e calcular as freqncias acumuladas e relativas:
a) Estatura (cm) de indivduos adultos (iniciar em 150 e usar intervalo de classe igual a 5 cm).
182 154 163 151 180 171 189 176 159 151 160 170 161 153 171 160 158 169 157
173 153 174 170 165 174 167 164 156 162 157 166 173 159 157 158 173 167 168
168 169
b) Notas finais de 50 alunos (iniciar em zero e suar intervalo de classe igual a 1).
2,2 4,6 0,9 4,0 5,7 2,2 2,2 1,3 5,0 4,2 3,5 0,2 1,5 4,1 3,4 5,2 3,2 7,5 6,9 4,4 2,6 4,2
6,0 5,5 3,0 0,3 1,7 7,9 4,5 3,7 0,0 1,2 6,2 5,0 4,5 4,1 5,9 1,1 6,5 3,9 4,3 3,3 7,0 5,0
4,7 2,0 3,6 4,0 6,7 2,9
c) Idade dos funcionrios da empresa (iniciar em 20 e usar intervalo de classe igual a 5).
33 46 49 40 53 59 42 48 34 30 49 36 51 27 38 24 41 25 48 20 50 39 41 33 31
41 27 40 42 39 31 47 46 54 56 35 48 46 58 48 40 57 25 43 40 37 43 49 35 46
33 45 55 52 43 39 41 44 23 37 41 37 42 45 50 54 35 38 32 41 53 41 57 32 48 45
40 55 45 37 57 49 56 54 29 26 54 49 36 50 39 43 38 44 32
d) Para se avaliar o nvel de estresse de um indivduo existe um critrio que atribui pontos a
Acontecimentos Pessoais. Somando-se esses pontos num perodo de 12 meses, sabe-se que a
pessoa est estressada se o resultado for superior a 300. Os nmeros abaixo so a pontuao de
alguns funcionrios da empresa L&P S.A. (iniciar em 140 e usar intervalo de classe igual a 40).
230 168 300 265 159 274 198 217 310 155 264 277
225 255 288 301 215 206 240 350 220 337 186 171
308 140 189 243 144 193 219 154 379 249 251 217
231 278 346 231 292 208 280 324 304 270 166 176
e) Peso (kg) de estudantes do colgio ACD (iniciar em 45 e usar intervalo de classe igual a 5).
69 57 72 54 83 68 72 58 64 62 65 76 60 49 74 59 66 83 70 45 60 81 71 67 63
64 53 73 81 50 67 68 53 75 65 58 80 60 63 53
f) Tempo gasto (em minutos por dia) por executivos em reunies (iniciar em 50 e usar intervalo
de classe igual a 20).
55 123 100 62 101 135 78 95 87 118 91 84 98
125 80 95 82 99 111 103 120 115 77 96 90 114
52 148 57 88 106 104 87 116 82 112 93 130 149
113 56 61 144 96 139 114 91 118 70 87 106 87
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
15
3 - MEDIDAS DE TENDNCIA CENTRAL
As medidas de tendncia central so usadas para indicar um valor que tende a representar
melhor um conjunto de dados. Geralmente localizam-se em torno do meio ou centro de uma
distribuio, onde maior parte dos dados tende a se concentrar.
1 - Mdia Aritmtica
dada por:
onde x
i
so os dados apurados e n a quantidade destes dados.
2 - Mediana
Colocados os valores em ordem crescente, mediana o elemento que ocupa a posio
central.
Neste grupo, o terceiro indivduo tem estatura mediana.
A mediana encontrada da seguinte forma:
a) Nmero mpar de dados: Se n for mpar, a mediana ser o elemento central, de
ordem 0,5(n+1).
Exemplo: 27, 37, 31, 43, 42
Primeiramente colocamos em ordem: 27 31 37 42 43. A seguir verificamos qual elemento
ocupa a posio central, ou fazemos 0,5(n+1) = 0,5(5+1) = 3. Portanto o 3 elemento. Da Md
= 37
b) Nmero par de dados: Caso n seja par, a mediana ser a mdia entre os elementos
centrais, de ordem 0,5n e 0,5n+1.
Exemplo: 134, 120, 136, 133, 123, 127
Colocamos em ordem: 120 123 127 133 134 136 e fazemos 0,5n = 0,5.6 = 3 e 0,5n+1 =
3+1 = 4, logo a mediana est entre o 3 e 4 elemento, ou seja:
n
x
x
i
=
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
16
Md =
+ 127 133
2
= 130
3 - Moda
o valor que ocorre com maior freqncia num conjunto.
Exemplo: notas de Matemtica: 2, 8, 6, 5, 4, 6, 1, 0, 6, 7, 9, 3 Mo = 6
Proporo
As medidas vistas anteriormente aplicam-se principalmente a dados quantitativos, com
exceo da moda, que tambm til para dados nominais. Outra medida usada para dados
nominais a proporo, que a frao ou porcentagem de itens de determinado grupo ou
classe.
calculada por:
p
n
N
=
onde n o nmero de itens que apresentam determinada caracterstica e N o nmero total de
observaes.
Por exemplo: a cada 40 peas produzidas uma defeituosa. Portanto a proporo de
peas defeituosas de:
40
1
= =
N
n
p
Para que a caracterizao dos dados seja mais adequada, podemos usar o seguinte
critrio:
- mdia: quando os valores forem razoavelmente homogneos;
- mediana: quando os valores forem heterogneos;
- moda: quando ocorrem muitas repeties.
Exerccios
1) O nmero de pacientes atendidos num servio mdico por dia, em um perodo de 10 dias foi:
14, 21, 9, 11, 8, 19, 25, 22, 21 e 15. Determine a mdia, mediana e moda.
2) Tomar uma amostra aleatria simples de n = 5 (5 pessoas) da sala de aula. Verificar a idade
dos alunos da amostra. A seguir, determine:
a) a idade mdia dos alunos;
b) a idade mediana;
c) idade que ocorre com maior freqncia.
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
17
3) Colher uma amostra de 6 alunos da turma, deixando que cada um se manifeste (voluntrio),
com o objetivo de pesquisar sobre o peso. A seguir calcule o peso mdio o mediano e o modal.
4) A amostra do exerccio 3 pode ser considerada representativa? Comente.
5) Numa amostra de 8 alunos da turma, 3 usam culos. Calcule a proporo das pessoas que no
usam culos.
6) Uma empresa, possuindo apenas 5 funcionrios, paga os seguintes salrios: $50,00; $27,00;
$26,00; $25,00 e $24,00. Qual das medidas de tendncia central caracteriza melhor os salrios
desta empresa? (dica: calcule as 3)
7) A porcentagem de desempregados entre 1965 e 1971 nos EUA foi: 4,5 3,8 3,8 3,6 3,5 4,9 e
5,9. Qual foi a mdia, mediana e a moda do perodo?
8) Registrou-se as seguintes temperaturas (
o
C) em um dia frio no municpio de Tuiuiu do Sul: -2,
0, -3, 4, -3, 5 e 1. Quais as temperaturas mdia, mediana e modal?
9) Uma amostra aleatria de 56 alunos do Grupo Escolar Santa Lcia revelou que 32 so
meninos e 24 meninas. Calcule a proporo de meninos e meninas.
10) Na pesquisa anterior, constatou-se que os alunos esto distribudos da seguinte forma, em
relao a classe social:
Classe n alunos
A 4
B 15
C 23
D 14
a) Calcule as propores de cada classe.
b) Qual a classe modal?
11) Determine a moda e as propores:
Tipo de produto Quantidade vendida (mil)
Televiso 117
Microsistem 92
DVD 180
Microcomputador 23
12) Calcule mdia, mediana e moda para o tempo de permanncia (em dias) de uma amostra de
hspedes no Hotel Vista Azul.
3 4 4 5 2 5 4 3 6
13) Determine a moda para as idades de mulheres na poca em que divorciaram (captulo 2
exerccio c).
14) A tabela abaixo mostra o trfego de pessoas (em milhes) nos shoppings no Brasil:
Ano 1994 1995 1996 1997 1998 1999
Pessoas (milhes) 42 45 50 55 62 100
Determine a mdia e a moda do perodo.
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
18
4 - MEDIDAS DE POSIO - SEPARATRIZES
Se um conjunto de dados organizado em ordem crescente de grandeza, o valor que
divide o conjunto em duas partes iguais a mediana. Por extenso desse conceito, pode-se
pensar nos valores que dividem o conjunto em quatro partes iguais. Estes valores so
denominados quartis. Semelhantemente, os valores que dividem os dados em dez e cem partes
iguais so denominados decs e percents respectivamente.
i) Quartil
25% 25% 25% 25%
Q
1
Q
2
Q
3
ii) Decil
10% 10% 10% 10% 10% 10% 10% 10% 10% 10%
D
1
D
2
D
3
D
4
D
5
D
6
D
7
D
8
D
9
iii) Percentil
1% 1% 1%
- - -
1%
P
1
P
2
P
3
- - -
P
99
Os percents so encontrados da seguinte forma:
a) Nmero mpar de dados: Se n for mpar, o percentil procurado ser o de ordem
(n+1)p, onde n o tamanho da amostra e p a porcentagem representada pela separatriz.
b) Nmero par de dados: Se n for par, o percentil procurado ser a mdia entre os
elementos de ordem np e np + 1.
Exemplo: Em um teste voc obteve o resultado 236. Alm de voc, onze pessoas fizeram
o teste e obtiveram 210, 245, 220, 225, 233, 216, 252, 228, 215, 230 e 241.
a) Qual o percentil do seu resultado entre os 12?
Primeiramente ordenamos: 210, 215, 216, 220, 225, 228, 230, 233, 236, 241, 245, 252. O
resultado 236 ocupa a 9 posio, num total de 12 posies; assim: 9:12=0,75 = 75%; ou seja
75% dos resultados so menores ou iguais ao seu.
b) Qual o 25 percentil?
n = 12, logo n par; assim: np = 12.0,25 = 3 3 elemento
e
np + 1 = 3 + 1 = 4 4 elemento
Da o 25 percentil ser a mdia entre o 3 e o 4 elemento, ou seja, a mdia entre 216 e
220 que o 218.
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
19
O grfico abaixo, conhecido como grfico de Marcondes, mostra os percents das
variveis altura e peso, relativas s idades de crianas. Ele serve para acompanhar o crescimento.
Exerccios
1) Tomar uma AAS de 11 alunos e apurar a estatura dos mesmos:
a) Quem tem estatura _______m ocupa qual percentil?
b) Determine o 75 percentil.
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
20
2) Pesquisa realizada junto a 14 famlias da favela da Carrocinha, constatou os seguintes
nmeros de pessoas por famlia: 2 5 8 7 6 4 3 5 5 1 9 4 10 e 11.
a) Nesta amostra, a famlia que tem 6 pessoas ocupa qual percentil?
b) Encontrar P
70
e P
50 .
3) Considere os salrios abaixo:
70 82 87 72 107 119 79 102 94 125 96 115 78 84 98 72 87 80 94.
a) Abaixo de que salrio se situam os 30% com menor remunerao?
b) Acima de que salrio ficam os 30% com maior remunerao?
4) O mdico informou que seu peso est no percentil 85. O que isto significa?
5) Utilizando os dados dos exerccios a, b, c e e, do captulo 2 calcule respectivamente:
a) o percentil 90;
b) o P
75
;
c) o 25 percentil;
d) o nonagsimo quinto percentil.
6) O que significa a frase a seguir: somente os gerentes e executivos recebem salrios acima do
3 quartil
1
.

1
Revista Exame: As melhores empresas para voc trabalhar. Editora Abril, edio 669.
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
21
5 - MEDIDAS DE DISPERSO OU VARIABILIDADE
Como vimos anteriormente, um conjunto de dados pode ser sintetizado atravs de valores
representativos como a mdia, mediana e a moda. No entanto, estas medidas no tm a
capacidade de caracterizar completamente um conjunto de dados. Por exemplo: se a mdia final
de dois alunos A e B 6, no podemos concluir que o aproveitamento dos mesmos foi
homogneo. O aluno A pode ter obtido notas 6, 5 e 7 e o aluno B 10, 8 e 0 (zero). Portanto, para
qualificar os valores de uma certa varivel, ressaltando a homogeneidade ou heterogeneidade de
sua distribuio, recorremos s medidas de disperso.
1) Varincia: por definio :
1.1 - Populacional
( )
S
X X
N
2
2
=

1.2 - Amostral
( )
s
x x
n
2
2
1
=

2) Desvio Padro: a raiz quadrada positiva da varincia, ou seja:


( )
S
X X
N
=

2
e
( )
s
x x
n
=

1
2
Para populao e amostra respectivamente
3) Coeficiente De Variao: uma medida de disperso relativa que estabelece uma relao
entre desvio padro e mdia. Atravs dele, podemos ter uma idia se o valor do desvio padro
alto ou no. dado por:
CV
s
x
=
100
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
22
Exemplo: tempo gasto (em minutos) para realizao de certa tarefa, observado em uma amostra
de 5 funcionrios:
2 5 4 3 6
Como se trata de uma mostra, usamos a frmula correspondente. Assim:
x
( )
x x
2
2 (2 - 4)
2
= 4
5 (5 - 4)
2
= 1
4 (4 - 4)
2
= 0
3 (3 - 4)
2
= 1
6 (6 - 4)
2
= 4
20
E
( )
x x
2
= 10

( )
2
2
2
min 5 , 2
4
10
1
= =

n
x x
s
Como min
2
no tem sentido prtico, calculamos o desvio padro.
( )
min 58 , 1 5 , 2
1
2
= =

=
n
x x
s
E para conhecermos a variao, em percentual, calculamos o CV:
% 5 , 39
4
100 58 , 1 100
=

=
x
s
CV
Portanto, os tempos variaram em 39,5%.
Exerccios
1) Usando os dados da amostra colhida, referente a idade dos alunos da turma, calcular a
varincia, desvio padro e o coeficiente de variao. Comente o resultado encontrado.
2) Dados os conjuntos numricos: A = {5, 5, 5, 5, 5} e B = {8, 7, 2, 10, 1};
Sem calcular, responda qual dos dois conjuntos apresenta maior variabilidade; ainda sem
calcular, qual a variabilidade do conjunto A. Justifique o resultado.
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
23
3) Calcule o coeficiente de variao do conjunto B.
4) Calcule o coeficiente de variao para as idades das pessoas dos grupos A e B. Comente os
resultados encontrados. A = {1, 3, 5} e B = {53, 55, 57}
5) Calcular a varincia, desvio padro e coeficiente de variao para o consumo (em kWh) de
energia eltrica de uma residncia:
Ms abril maio junho julho agosto setembro outubro
kWh 278 283 296 233 334 313 251
6) Calcule a variabilidade dos custos com embalagem em uma linha de produtos da empresa OG:
Custos ($): 0,48 0,23 0,44 0,26 0,37 0,32
7) Calcule o coeficiente de variao das temperaturas do municpio de Tuiuiu do Sul (cap. 3).
8) Numa pesquisa sobre clima organizacional os funcionrios de um banco atriburam notas de 0
a 10 para a satisfao no trabalho. A notas foram: 7 2 1 6 2 4
5 2 6
Com os resultados da experincia acima, o que podemos dizer a respeito da variabilidade?
5) Calcule o desvio padro para o prmio a ser pago do seguro de alguns veculos:
Prmio: 412 524 643 498 550 479
9) Calcule o coeficiente de variao para o tempo de permanncia (em dias) de uma amostra de
hspedes no Hotel Vista Azul.
3 4 4 5 2 5 4 3 6
10) A tabela abaixo representa o nmero de usurios da Internet na Amrica Latina em 1999
em milhes:
Pas Brasil Mxico Argentina Colmbia Outros
N (milhes) 4,8 1,3 0,8 0,5 2,2
Calcule a variabilidade e analise se a distribuio homognea.
11) Produo de carne de frango em milhes de toneladas:
Ano 1994 1995 1996 1997 1998 1999 2000
ton (milhes) 3,49 4,05 5,06 4,46 4,85 5,53 5,9
Determine a variabilidade do perodo.
12) Os dados a seguir representam a distncia (em km) percorrida diariamente pelos caminhes
de uma transportadora: 490 530 640 380 450 610 560. Determine a
variabilidade.
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
24
6 - REPRESENTAO GRFICA
Os dados estatsticos podem ser representados atravs de elementos geomtricos,
chamados grficos. Os grficos tm o objetivo de dar uma viso rpida e global do fenmeno em
estudo. No entanto apresentam algumas limitaes:
- no so precisos na medida em que omitem detalhes;
- podem ser distorcidos de acordo com interesses particulares;
- no permitem a representao de um grande nmero de dados.
Os grficos devem ser elaborados de forma simples e clara, retratar a realidade e respeitar
sua escala.
Uma preocupao com os grficos referente a esttica. Um grfico com um eixo
horizontal ou vertical muito grande fica ruim do ponto de vista esttico. Assim, os eixos devem
ter o mesmo comprimento, ou ento o eixo vertical ter, no mnimo, 75% do comprimento do eixo
horizontal.
Construo De Grficos
Os grficos devem ser construdos com base no sistema de eixos cartesianos, ou seja,
dois eixos perpendiculares entre si, sendo que a origem (zero) na interseco dos mesmos.
No eixo das abscissas (horizontal), os valores crescem da esquerda para a direita. Neste
eixo, geralmente representamos cronologia (tempo), regio geogrfica (estado, municpio,
outros) ou categorias.
No eixo das ordenadas (vertical), os valores crescem de baixo para cima. Nele
representamos as quantidades (valores, %).
Os grficos devem ter ttulo e nas extremidades dos eixos devem ser indicadas as
variveis que esto sendo representadas, com as respectivas unidades.
Quando um eixo tem seus valores iniciais muito altos, deve haver uma interrupo, com a
indicao da posio do zero.
Todo grfico deve indicar, no seu rodap, a fonte, ou seja, a instituio ou
pesquisador(es) que levantaram os dados.
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
25
I - Grfico De Colunas
usado para representar sries cronolgicas, geogrficas e categricas. So retngulos
com larguras de mesma medida e alturas proporcionais s quantidades representadas.
construdo da seguinte forma:
1 - traar um sistema de eixos cartesianos;
2 - marcar os valores ou categorias das variveis nos eixos, evitando o uso de nmeros
"quebrados"; escrever o nome das variveis;
3 - construir retngulos representativos das variveis, mantendo entre um e outro distncias
iguais;
4 - colocar o ttulo e a fonte.
Obs.: as distncias entre colunas devem ter medida inferior largura das mesmas.
Exemplo: Potencial de consumo urbano, por classes sociais em 2001 em bilhes de dlares:
Classe (US$ bilhes)
A1 25
A2 60,1
B1 58,6
B2 66,1
C 94,5
D+E 56,5
Fonte: Simonsen Associados
Fonte: Simonsen Associados
Potencial de Consumo Urbano por
Classes Sociais - 2001
25
60,1
58,6
66,1
94,5
56,5
0
20
40
60
80
100
A1 A2 B1 B2 C D+E
Classe
U
S
$

(
b
i
l
h

e
s
)
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
26
II - Grfico De Linhas
Usado apenas para sries cronolgicas, onde podemos perceber a evoluo do fenmeno
no decorrer do tempo.
Para sua construo:
1 e 2 - estes passos so idnticos ao grfico de colunas;
3 - marcar os pontos correspondentes aos pares de valores das duas variveis;
4 - unir os pontos marcados por segmentos de reta;
5 - colocar ttulo e fonte.
Exemplo: evoluo da expectativa de vida no Brasil
Ano Expectativa de vida (anos)
1940 44
1950 46
1960 52
1970 53
1980 61
1990 66
2000 69
Fonte: IBGE
Evoluo da Expectativa de Vida no Brasil
0
10
20
30
40
50
60
70
1940 1950 1960 1970 1980 1990 2000
Fonte: IBGE
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
27
III - Grficos Comparativos
Como o prprio nome diz, servem para comparar dois ou mais fenmenos. No entanto, se
muitos fenmenos forem representados num mesmo grfico, este perde sua clareza e
simplicidade.
Cada fenmeno dever ter uma cor ou motivo de modo que possam ser diferenciados uns
dos outros. Estes grficos necessitam legenda.
Exemplo 1: Previdncia Social: comparao entre arrecadao lquida e benefcios pagos
(bilhes de R$).
Ano Arrecadao Benefcios
1988 33 18
1989 33.5 21
1990 36 22
1991 34 24
1992 33.5 25.5
1993 36 32
1994 33.5 34
1995 38 40
1996 43 44.5
Fonte: Ministrio da Previdncia e Assistncia Social
Pagamento de Benefcios Versus Arrecadao da Previdncia Social
0
10
20
30
40
50
1
9
8
8
1
9
8
9
1
9
9
0
1
9
9
1
1
9
9
2
1
9
9
3
1
9
9
4
1
9
9
5
1
9
9
6
Arrecadao
Benefcios
Fonte: Ministrio da Previdncia e Assistncia Social
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
28
Exemplo 2: comparativo de gastos entre Brasil e EUA (em %).
Item EUA Brasil
Alimentos 15,8 27,4
Habitao 28,3 23,5
Eletrodomsticos 5,0 3,5
Veculos 5,0 2,1
Educao 2,7 6,3
Servios Mdicos 6,1 8,2
Lazer 4,4 2,1
Fonte: JP Morgan/DIEESE
Percentual no gasto do oramento familiar
0
5
10
15
20
25
30
EUA
Brasil
Legenda
Alimentos Habit. Eletrodom. Vec. Mdico Educ. Lazer
Fonte: JP Morgan/DIEESE
IV - Grfico De Setores
usado quando queremos comparar os valores de uma categoria com o total de todas
categorias. Seu aspecto de um crculo onde esto traados alguns raios, por isso conhecido
como grfico de pizza ou torta.
Antes de iniciar sua construo precisamos converter os valores encontrados em graus.
Esta converso feita atravs de regra de trs simples.
Construo:
1 - usando um compasso ou gabarito, traar uma circunferncia com raio qualquer (no
muito pequeno) e marcar o seu centro;
2 - traar um raio qualquer;
3 - usando um transferidor, marcar os ngulos correspondentes aos valores da tabela,
comeando pelo primeiro raio traado;
4 - pintar ou diferenciar com motivos cada categoria representada;
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
29
5 - colocar legenda, ttulo e fonte.
Exemplo: classificao socioeconmica da populao brasileira em 1997.
Classe %
A 10
B 23
C 40
D 25
E 2
Fonte: IBOPE
Classificao socioeconmica da populao brasileira em 1997
%
10%
23%
40%
25%
2%
A
B
C
D
E
Fonte: IBOPE
V - Representao Grfica De Distribuies De Freqncia
Podemos representar os dados agrupados de duas maneiras: histograma e polgono de
freqncia.
a) Histogramas: so parecidos com os grficos de colunas, porm sem os espaos entre
elas. So construdos da seguinte forma:
1 - traar o sistema de eixos cartesianos;
2 - marcar no eixo horizontal apenas os limites de classe;
3 - marcar as freqncias no eixo vertical;
4 - traar um retngulo para cada classe, com largura igual ao intervalo de classe e altura
igual a respectiva freqncia;
5 - colocar ttulo e fonte.
Obs.: as linhas que dividem as colunas so dispensveis.
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
30
Exemplo: peso de recm-nascidos no ms de novembro na Maternidade Me Santa.
Peso (g) f
2000 | 2500 2
2500 | 3000 5
3000 | 3500 12
3500 | 4000 8
4000 | 4500 3
Fonte: Secretaria (fictcia)
Peso de recm-nascidos no ms de novembro na maternidade Me Santa.
Fonte: Secretaria
b) Polgonos de freqncia: so semelhantes aos grficos de linha.
So construdos da seguinte forma:
1, 2 e 3 - igual ao histograma;
4 - marcar os pontos mdios das classes;
5 - marcar os pontos correspondentes aos pares de valores "ponto mdio da classe" e "freqncia
da classe";
6 - marcar um ponto onde seria o ponto mdio da classe anterior primeira e outro onde seria o
ponto mdio da classe seguinte ltima;
7 - unir os pontos por segmentos de reta;
8 - colocar ttulo e fonte.
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
31
Exemplo: Peso de uma amostra de Adolescentes da Regio XYZ
Peso (kg) Freq.
50 | 55 2
55 | 60 5
60 | 65 6
65 | 70 9
70 | 75 4
Fonte: Fonte: Instituto RTS
Peso de uma Amostra de Adolescentes da Regio XYZ
Fonte: Instituto RTS
Para finalizar este captulo, ressaltamos a importncia do papel milimetrado na
construo de grficos, pois estes facilitam muito. Mais modernamente podemos contar com os
grficos feitos por computador, que so bastante precisos e tm uma apresentao muito boa. O
recurso mais comum atualmente o Microsoft Excel.
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
32
Exerccios
1) Usando uma conta de luz, construir um grfico do consumo de energia eltrica.
2) Represente graficamente os dados abaixo. Entre colchetes est indicado o tipo de grfico.
a) Valor estimado das vendas do comrcio eletrnico brasileiro em milhes de dlares.
[linhas]
Ano US$ milhes
97 4,3
98 32,7
99 71,2
00 155,4
01 328,0
Fonte: IDC/E-Marketer
b) Segmentao das vendas realizadas pelo sistema B2C em % do valor das vendas.
[setores]
Tipo %
Alimentos e remdios 8
Eletrnicos e telefone 17
Informtica 19
Servios financeiros 31
Outros 25
Fonte: IBOPE/IDC/Simonsen Associados
c) Comparativo de alunos matriculados em escolas de ensino fundamental em milhes
de alunos. [colunas ou linhas]
Ano Rede
pblica
Rede particular
94 27,6 3,6
95 28,8 3,8
96 29,4 3,7
97 30,5 3,7
98 39,0 3,4
99 32,8 3,3
00 32,5 3,2
Fonte: MEC/Inep/Simonsen Associados
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
33
d) Distribuio estimada do faturamento do setor de informtica em 2001 em %.
[setores]
Tipo %
Hardware 68
Software 13
Servios 19
Fonte: Fenasoft/Simonsen Associados
e) Domiclios com telefone em 1999 em %. [colunas]
Regio rea
urbana
rea
rural
Norte 33,5 N.D.
Nordeste 30,0 3,7
Sudeste 49,3 10,7
Sul 48,8 15,1
Centro-oeste 48,8 10,6
Fonte: IBGE/Simonsen Associados.
f) Nmero de acidentes ambientais no Estado de So Paulo. [linha]
Ano N
1986 108
1987 116
1988 113
1989 168
1990 127
1991 149
1992 208
1993 175
1994 189
1995 215
1996 398
Fonte: Cetesb
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
34
g) Quanto as empresas gastam por ano para dar assistncia mdica a seus funcionrios -
em US$ por empregado.
Pas US$
Canad 562
Inglaterra 900
Hong Kong 1000
Frana 1050
Brasil 1250
EUA 1500
Itlia 1550
Espanha 1890
Japo 1920
Argentina 2400
Fonte: Hewitt Associados
h) Anos de estudo dos habitantes da cidade de Peri-Au.
Tempo (anos) freqncia
0 | 4 5.300
4 | 8 4.670
8 | 12 3.850
12 | 16 2.700
16 | 20 1.200
20 | 24 580
Fonte: Secretaria Educao
i) Nmero de alcolatras crnicos segundo a idade que iniciaram o hbito de ingerir
bebidas alcolicas.
Idade (anos) freqncia
10 | 15 8
15 | 20 41
20 | 25 30
25 | 30 14
30 | 35 7
35 | 40 2
Fonte: Secretaria Sade
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
35
j) Q.I. de uma amostra de alunos do Colgio Clara de Assis.
QI freqncia
70 | 80 7
80 | 90 11
90 | 100 42
100 | 110 27
110 | 120 20
120 | 130 3
Fonte: Clnica Psicolgica
k) Renda familiar, em salrios mnimos no Brasil em 1997.
Renda (n de SM) %
0 | 0,5 1
0,5 | 2 6
2 | 5 24
5 | 10 30
10 | 17 16
17 | 20 6
20 | 50 13
Fonte: IBOPE
3) Represente graficamente as freqncias acumuladas das tabelas de h a k.
Obs. Os grficos de 3 so chamados de OGIVA.
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
36
Curva De Freqncia - Curva Polida
Na medida em que as amostras tornam-se muito grandes e a amplitude das classes muito
pequenas, a linha poligonal (contorno do polgono de freqncia), tende a transformar-se numa
curva. A curva de freqncia.
Enquanto o polgono de freqncia ou o histograma nos d uma imagem real do fenmeno
estudado, a curva de freqncia nos d uma imagem tendencial.
Formas das Curvas de Freqncia
Simtricas Assimtricas (viesadas)
Outras
Exponenciais Parablica
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
37
7 - ASSIMETRIA E CURTOSE
Freqentemente o pesquisador deseja saber como a varivel em questo se distribui. As
medidas de assimetria e curtose nos do uma idia desta distribuio.
Assimetria
Assimetria o grau de desvio ou afastamento da simetria de uma distribuio. Se a curva
de freqncia de uma distribuio tem uma "cauda" mais longa direita da ordenada mxima,
diz-se que a distribuio tem assimetria positiva. Se ocorrer o inverso, diz-se que ela tem
assimetria negativa.
O coeficiente de assimetria determinado por:
( )
As
x Md
s
=
3
se:
0 s |As| s 0,15 simtrica
0,15 < |As| < 1 assimtrica moderada
|As| > 1 assimtrica forte
Curtose
o grau de achatamento de uma distribuio, considerado usualmente em relao a uma
distribuio normal. dado por:
( )
K
Q Q
P P
=

3 1
90 10
2
Se K = 0,263 Mesocrtica
Se K < 0,263 Leptocrtica
Se K > 0,263 Platicrtica
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
38
Exemplos:
1) Um levantamento antropomtrico realizado em certa populao revelou que o comprimento
mdio do antebrao de 32,8cm, o desvio padro 9,1cm e a mediana 35,7cm. Calcular o
coeficiente de assimetria e classificar a distribuio:
( )
As
x Md
s
=
3
=
( )
As =
3 32 8 35 7
9 1
, ,
,
= -0,96
Como 0,15 < |-0,96| < 1 a assimetria moderada negativa, ou seja existe uma concentrao em
valores altos (antebraos compridos).
2) A pesquisa anterior revelou ainda que o comprimento do brao tem as seguintes medidas:
Q
1
= 24,4cm Q
3
= 41,2cm P
10
= 20,2cm e P
90
= 49,5cm
Calcular o coeficiente de curtose e classificar a distribuio.
( )
K
Q Q
P P
=

3 1
90 10
2 ( )
=

41 2 24 4
2 49 5 20 2
, ,
, ,
= 0,287
Como 0,287 > 0,263, a distribuio platicrtica, ou seja as medidas esto dispersas.
Exerccios
1) Um estudo sobre a qualidade de vida em certa comunidade, revelou que a rea mdia das
moradias de 96,4m
2
com desvio padro de 18,5m
2
. A rea mediana de 98,2m
2
. Classifique a
distribuio das reas quanto ao grau de assimetria.
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
39
2) O mesmo estudo revelou ainda o seguinte:
- 25% dos habitantes consomem at 27Kg de alimentos por ms;
- 10% dos habitantes consomem at 22Kg de alimentos por ms;
- 75% dos habitantes consomem at 31Kg de alimentos por ms;
- 90% dos habitantes consomem at 36Kg de alimentos por ms;
Classifique a distribuio quanto a curtose.
3) Determine e classifique o grau de assimetria para as distribuies abaixo. Esboce a curva
correspondente.
Distribuio mdia mediana Desvio
padro
Horas mensais de uso da internet por alunos da
escola RGH
48,1 47,9 2,12
Distncia diria percorrida por carteiros 33,18 31,67 12,45
4) Determine o grau de curtose e classifique as distribuies abaixo. Esboce a curva
correspondente.
Distribuio Q
1
Q
3
P
10
P
90
Salrios pagos pela empresa KWA 814 935 772 1012
Estatsticas de idosos da cidade de Apu 63,7 80,3 55,0 86,6
Gastos mensais com higiene 28,8 45,6 20,5 49,8
6) Supondo-se que no exemplo 1 a mediana fosse 32,8, como classificaramos a distribuio
quanto a simetria?
7) Com os dados obtidos no exerccio 1 do captulo 5, classificar a distribuio quanto a
simetria.
8) A empresa PQR fez um levantamento sobre o preo de certo alimento enlatado e descobriu
que o descobriu que a mdia $1,28, a mediana $1,31e o desvio padro $0,80. Classifique a
distribuio dos preos no que se refere a assimetria.
9) O mesmo levantamento anterior descobriu que o P
10
= 0,75, o P
25
= 1,02, o P
75
= 1,48 e o
P
90
= 1,76. Classifique a distribuio quanto a curtose.
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
40
8 - NOES DE PROBABILIDADES
Conceitos Bsicos
Experimentos Aleatrios: so aqueles que, repetido em condies consideradas
idnticas, pode apresentar resultados diferentes, como por exemplo o lanamento de um dado.
Espao Amostral (S): o conjunto dos possveis resultados de um experimento
aleatrio. O nmero de elementos deste conjunto indicado por n(S). Exemplo: no lanamento
do dado, temos:
S = {1, 2, 3, 4, 5, 6} n(S) = 6
Evento: um subconjunto do espao amostral. Exemplo: no dado podemos ter como
evento a ocorrncia de um nmero par: A = {n par}; A = {2, 4, 6}, n(A) = 3.
Tipo de Eventos
Evento simples: formado por um nico elemento do espao amostral. Exemplo: se
lanarmos 3 moedas consecutivamente, o evento K, K, K (trs caras) simples.
Evento composto: formado por mais de um elemento do espao amostral. Exemplo: se
lanarmos 2 dados e desejamos a soma igual a 11, um evento composto, pois existem 2
elementos do espao amostral nestas condies (6,5) e (5, 6).
Evento complementar: dizemos que um evento complementar na seguinte condio:
Exemplo: ao lanarmos duas moedas, temos S = {(KK);(KC);(CK);(CC)}; se considerarmos
A = {(KK)}, o complementar de A ser
Eventos mutuamente exclusivos: Se A e B so dois eventos, dizemos que A e B so
mutuamente exclusivos se A B = C, ou seja, se ocorre A no pode ocorrer B. Exemplo, se
lanarmos uma moeda, se ocorre cara, no ocorre coroa.
Eventos independentes: dois ou mais eventos se dizem independentes se a ocorrncia de um
no influencia a ocorrncia do outro. Por exemplo: o fato de sair um determinado nmero no
dado no influi na sada de outro.
Evento impossvel: o conjunto vazio. Exemplo: sair um sete no dado.
Evento certo: o prprio espao amostral S. Exemplo: a ocorrncia de cara ou coroa no
lanamento de uma moeda.
Experimentos equiprovveis: so aqueles que, realizados sob as mesmas condies, tm a
mesma chance de ocorrncia de seus eventos.
A S A =
( ) ( ) ( ) { } CC CK ; ; KC A =
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
41
Probabilidades definio. As probabilidades so utilizadas para exprimir a chance de
ocorrncia de determinado evento. Num experimento aleatrio equiprovvel, a probabilidade de
ocorrer o evento X, dentro do espao amostral S dada por:
Propriedades:
P(A) + P(B) = 1 (sendo B o complemento de A)
0 s P(A) s 1 (qualquer que seja A)
P(C) = 0
P(S) = 1
Unio de Probabilidades
1) Se A e B so eventos mutuamente exclusivos, temos:
P(A B) = P(A) + P(B)
Em outras palavras, a probabilidade de ocorrer o evento A ou o evento B igual a soma
da probabilidade de ocorrncia do evento A com a probabilidade de ocorrncia do evento B.
Podemos ter outros casos como P(A B C) = P(A) + P(B) + P(C).
2) Quando A e B tm elementos comuns, ao associarmos a A B uma probabilidade
P(A) + P(B), estaremos atribuindo um valor maior que a verdadeira, uma vez que as
probabilidades dos elementos comuns a A e B, tero sido computadas duas vezes. Assim, se os
eventos no so mutuamente exclusivos, temos:
P(A B) = P(A) + P(B) - P(A B)
Exemplo: Uma urna tem 15 bolas de mesmo raio, numeradas de 1 a 15:
a) Qual a probabilidade de se tirar uma bola cujo nmero seja mltiplo de 5 ou 4?
S = {1, 2, 3, ... , 15} n(S) = 15
A: mltiplo de 5 A = {5, 10, 15} n(A) = 3
B: mltiplo de 4 A = {4, 8, 12} n(B) = 3 A B = C
Da
n(S)
n(X)
P(X) =
possveis casos de n
favorveis casos de n
P(X) =
4 , 0
5
2
15
6
15
3
15
3
B) P(A = = = + =
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
42
b) Qual a probabilidade de se tirar uma bola cujo nmero seja mltiplo de 3 ou 4?
S = {1, 2, 3, ... , 15} n(S) = 15
A: mltiplo de 3 A = {3, 6, 9, 12, 15} n(A) = 5
B: mltiplo de 4 A = {4, 8, 12} n(B) = 3 A B = {12}; n(A B) = 1
Probabilidade Condicional
Sejam A e B dois eventos, com P(A) > 0. Denotemos por P(B/A) a probabilidade de
ocorrncia de B, na hiptese de A ter ocorrido. Como A ocorreu, A passa a ser o novo espao
amostral, que vem substituir o espao original S. Da:
Exemplo: Sorteando-se um nmero ao acaso entre os inteiros 1, 2, ... , 15, qual a
probabilidade do nmero ser 6, sabendo-se que saiu par.
S = { 1, 2, 3, ... , 15} n(S) = 15
B = {o nmero 6} = {6} n(B) = 1
A = {o nmero par} = { 2, 4, 6, 8, 10, 12, 14} n(A) = 7
A B = {6} n(A B) = 1
Da temos:
Interseco de Probabilidades
1) Se dois eventos so independentes, ento a probabilidade da ocorrncia de ambos
igual ao produto de suas probabilidades individuais.
P(A B) = P(A)P(B)
Exemplo: Retiram-se, com reposio, duas cartas de um baralho com 52 cartas. Qual a
probabilidade de que ambas sejam de espada?
A = {1 carta de espada}
B = {2 carta de espada}
467 , 0
15
7
15
1
15
3
15
5
B) (A P(B) P(A) B) P(A = = + = + = P
16
1
52
13
52
13
B) P(A = =
) (
) (
P(A)
B) P(A
P(B/A)
A n
B A n
=

=
1428 , 0
7
1
15 7
15 1
P(A)
B) P(A
P(B/A) = = =

=
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
43
2) Se um evento depende do outro, a probabilidade da ocorrncia simultnea dos dois
dada pelo produto da probabilidade de um dos eventos, pela probabilidade condicional do outro
evento.
P(A B) = P(A) P(B/A) com P(A) = C
Exemplo: Qual a probabilidade de se retirar (sem reposio) 5 cartas de copas de um
baralho de 52 cartas?
Exerccios
1) Qual a probabilidade de:
(a) sair uma face mpar no lanamento de um dado?
(b) sair um rei de um baralho comum de 52 cartas?
2) Dois dados so lanados. Pede-se
(a) espao amostral;
(b) enumere o evento B = {a soma dos pontos 7};
(c) enumere o evento A = {a soma dos pontos 9};
(d) calcule a probabilidade do evento A;
(e) calcule a probabilidade do evento B;
(f) qual a probabilidade da soma no dar 9?
(g) calcule a probabilidade da soma ser 9 ou 7;
(h) sabendo-se que as duas faces mostram nmeros diferentes, calcule a probabilidade de a
soma ser 4;
(i) determine a probabilidade da soma ser 5, visto que o primeiro dado mostra um nmero
maior que o segundo.
3) Em duas urnas existem bolas de mesmo raio, conforme abaixo:
Se uma bola retirada de cada urna, qual a probabilidade de ambas serem da mesma cor?
4) Em um lote de 10 peas, 6 so defeituosas. Retirando-se 2 delas sem reposio, qual a
probabilidade de ambas serem defeituosas?
0,0495%
48
9
49
10
50
11
51
12
52
13
P(5copas) = =
Urna 1
5 azuis
3 pretas
4 brancas
Urna 2
6 azuis
4 pretas
10 brancas
K

ESTATSTICA MATEMTICA
_________________________________________________________________________________________
44
5) De um baralho comum de 52 cartas retirou-se uma carta, verificando-se que vermelha. Qual
a probabilidade de essa carta ser uma figura?
6) Lanando-se, simultaneamente, um dado e uma moeda, determine a probabilidade de se obter
3 ou 5 no dado e cara na moeda.
7) Tendo a informao de que retirou-se uma carta de copas de um baralho comum, qual a
probabilidade de que ela seja menor que 3?
8) Dos 50 alunos de uma sala, 10 foram reprovados em Fsica, 12 em Matemtica e 6 em ambas
matrias. Um aluno escolhido ao acaso.
a Sabendo-se que foi reprovado em Matemtica, qual a probabilidade de tambm ter sido
reprovado em Fsica?
b Sabendo-se que foi reprovado em Fsica, qual a probabilidade de tambm ter sido
reprovado em Matemtica?
9) Um nmero inteiro escolhido ao acaso dentre os nmeros 1, 2, 3, ..., 30. Qual a
probabilidade de:
a o nmero ser divisvel por 5 ou 3?
b o nmero ser divisvel por 5 e 3?
10) Duas bolas so retiradas ao acaso de uma caixa contendo 20 amarelas, 10 pretas, 7 verdes e 2
brancas. Qual a probabilidade dela serem:
a amarelas?
b pretas?
c verdes?
d brancas?
11) Uma carta retirada de um baralho comum. Qual a probabilidade dela ser:
a dama ou carta de paus?
b s ou valete?
c rei e copas?
12) Uma Caixa contm 20 canetas iguais, das quais 7 so defeituosas, e outra contm 12, das
quais 4 so defeituosas. Uma caneta retirada aleatoriamente de cada caixa. Determine a
probabilidade de:
a ambas serem defeituosas;
b ambas no serem defeituosas;
c de uma ser perfeita e a outra no.
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
45
9 - TEOREMA DE BAYES
O Teorema de Bayes (ou Regra de Bayes) um mtodo de reviso de probabilidades
existentes (a priori) com base em informao amostral. Basicamente ele diz que se um evento
pode ocorrer de mais de uma maneira, ento a probabilidade de ocorrncia de uma determinada
maneira seria a razo da probabilidade de ocorrncia daquela maneira para a probabilidade de
ocorrncia de qualquer modo.
Enunciado: Sejam A
1
, A
2
, ..., A
n
eventos mutuamente excludentes, cuja unio o
prprio espao amostral, isto , um dos eventos deve forosamente ocorrer. Ento, se B um
evento deste espao amostral, temos o seguinte teorema:
Ou
Este teorema relaciona probabilidades a priori: P(A
i
), com a probabilidade a posteriori:
P(A
i
/B), probabilidade de A
i
depois que ocorrer B. Ele nos permite determinar as probabilidades
dos vrios eventos A
1
, A
2
, . . . A
n
que podem ser a causa da ocorrncia de B. Por isso o Teorema
de Bayes mencionado freqentemente como o Teorema da Probabilidade das Causas.
Exemplo: A empresa ABC S/A apresentou uma proposta para um projeto de construo. Se seu
concorrente apresentou uma proposta, h apenas 25% de chance da ABC ganhar a concorrncia.
Se seu concorrente no apresentou proposta h 2/3 de chance da ABC ganhar. A chance do
concorrente ter apresentado proposta de 50%. Qual a probabilidade de seu concorrente ter
apresentado proposta, dado que sua empresa ganhou a concorrncia?
Do enunciado, podemos listar o seguinte:
- P(C) = Probabilidade de o concorrente participar = 0,50;
- P(~C) = Probabilidade do concorrente no participar = 0,50;
- P(G/C) = Probabilidade da ABC ganhar sabendo que o concorrente apresentou proposta =
0,25;
- P(G/~C) = Probabilidade da ABC ganhar sabendo que o concorrente no apresentou proposta
= 0,6667;
O que o problema est querendo saber :
P(C/G) = Probabilidade de o concorrente ter apresentado proposta, sabendo que a ABC ganhou a
concorrncia = ?

=
=
n
i
i i
i i
i
A B P A P
A B P A P
B A P
1
) / ( ) (
) / ( ) (
) / (
) / ( ) ( ... ) / ( ) ( ) / ( ) (
) / ( ) (
) / (
2 2 1 1 n n
i i
i
A B P A P A B P A P A B P A P
A B P A P
B A P
+ + +
=
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
46
Pelo Teorema de Bayes, podemos determinar a probabilidade requerida:
Exemplo 2: Considere a seguinte situao:
Urna Cores
U
1
U
2
U
3
Pretas 3 4 2
Brancas 1 3 3
Vermelhas 5 2 3
Escolheu-se uma urna ao acaso e dela extraiu-se uma bola tambm ao acaso, verificando-se que a
bola branca. Qual a probabilidade de a bola ter vindo da urna 2?
Probabilidade a priori:
Probabilidades condicionais:
Queremos calcular P(U
2
/br):
Portanto, a probabilidade a posteriori, isto , a probabilidade de ter sido escolhida a urna 2
dada a informao de que a bola retirada foi branca de 40,678%.
2727 , 0
6667 , 0 5 , 0 25 , 0 5 , 0
25 , 0 5 , 0
) ~ / ( ) (~ ) / ( ) (
) / ( ) (
) / ( =
+

=
+

=
C G P C P C G P C P
C G P C P
G C P
3
1
) (
1
= U P
3
1
) (
2
= U P
3
1
) (
3
= U P
9
1
) / (
1
= U br P
3
1
) / (
2
= U br P
8
3
) / (
3
= U br P
40678 , 0
59
24
8
3
3
1
3
1
3
1
9
1
3
1
3
1
3
1
) / (
2
= =
+ +

= br U P
) / ( ) ( ) / ( ) ( ) / ( ) (
) / ( ) (
) / (
3 3 2 2 1 1
2 2
2
U br P U P U br P U P U br P U P
U br P U P
br U P
+ +
=
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
47
Exerccios
1) Trs mquinas, A, B e C fabricam um mesmo produto nas seguintes propores. A produo
da mquina A duas vezes a produo da mquina B e as mquinas B e C tm propores
iguais. Sabe-se ainda que 5% do produto fabricado em A, 7% fabricado em B e 10%
fabricado em C so defeituosos. Este produto armazenado em determinado depsito, na
proporo da produo de cada mquina. Retirou-se um produto deste depsito e verificou-se
que era defeituoso. Qual a probabilidade de este produto ter sido produzido pela mquina A?
Pela mquina B? Mquina C?
2) Certa empresa de nibus verificou que seus veculos podem parar por defeito eltrico ou
mecnico. Se o defeito for eltrico, a proporo de 1 para 8, e, se mecnico, de 1 para 13.
Em 15% das viagens h defeito eltrico e, em 26% mecnico, no ocorrendo mais de um
defeito em cada viagem, igual ou do tipo diferente. Se o nibus no completar a viagem, qual
a probabilidade de ocorrer defeito mecnico?
3) Um indivduo pode chegar ao emprego utilizando bicicleta, motocicleta ou carro. A
proporo de uso de cada um o seguinte: carro 0,6, bicicleta 0,1 e motocicleta 0,3. A
probabilidade de chegar atrasado, no caso de utilizar carro de 0,05, de bicicleta 0,02 e de
motocicleta 0,08. Certo dia ele chegou atrasado. Qual o meio de locomoo mais provvel de
ter escolhido?
4) Suponhamos que 5% das pessoas com sangue tipo O sejam canhotas, 10% das pessoas de
outro tipo de sangue sejam canhotas, e 40% das pessoas tenham sangue tipo O. Selecionando
um canhoto aleatoriamente, qual a probabilidade de ele ter sangue tipo O?
5) Suponha que 70% das pessoas com olhos castanhos, 20% das pessoas com olhos verdes e 5%
das pessoas com olhos azuis tenham todas cabelos castanhos. Suponha ainda que 75% das
pessoas tenham olhos castanhos, 20% tenham olhos azuis e 5% tenham olhos verdes. Qual
a probabilidade de uma pessoa de cabelos castanhos, escolhida ao acaso, ter olhos verdes?
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
48
10 VARIVEIS ALEATRIAS
Definies
Variveis Aleatrias: Quando uma varivel tem resultados ou valores que tendem a variar de
uma observao para outra em razo de fatos relacionados com a chance, chama-se varivel
aleatria ou varivel estocstica. Elas so obtidas atravs de experimentos aleatrios e aos quais
podemos associar probabilidades. So indicadas por letras maisculas e os valores assumidos
pelas variveis aleatrias so indicados por letras minscula.
Varivel Aleatria Binria. Definimos varivel aleatria binria como aquela que s assume
valor zero e um, onde zero e um representam dois eventos mutuamente excludentes. Exemplo.
cara e coroa, Rh+ e Rh . Outro exemplo: quando inspecionamos peas produzidas para verificar
se esto perfeitas, podemos atribuir o valor 1 para aquelas boas e 0 para as defeituosas.
Variveis aleatrias discretas. So aquelas que podem assumir um nmero limitado de valores
em qualquer escala de medida e so obtidas mediante alguma forma de contagem. Exemplos: a
renda que pode ser medida somente at centavos; o nmero de empregados de uma empresa, que
pode ser apenas nmeros inteiros.
Variveis aleatrias contnuas. So aquelas que teoricamente podem assumir qualquer valor
numa escala de medida e resulta freqentemente de uma medio, sendo geralmente dada em
alguma unidade de medida. Exemplos: medidas de comprimento, peso, tempo, etc.
ESPERANA DE UMA VARIVEL ALEATRIA
Muitas vezes conveniente resumir as informaes que temos sobre uma varivel
aleatria. J vimos que uma das formas de resumir informaes atravs da mdia, por exemplo.
A esperana de uma varivel aleatria nos d a mdia de todos os valores que esperaramos
obter se medssemos a varivel aleatria um nmero muito grande de vezes. simbolizado por:
E(X), ou seja, esperana de X.
Definio: Se x
1
, x
2
, ... , x
N
so os possveis valores da v.a. X e p
1
, p
2
, ... , p
N
so as
respectivas probabilidades, ento o valor esperado (ou esperana ou mdia) de X definido como
i
N
i
i
p x X E

=
=
1
) (
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
49
Exemplo: consideremos uma urna com 2 bolas brancas e 3 vermelhas. Definamos a varivel X
igual ao nmero de bolas vermelhas obtidas em duas extraes (sem reposio).
Resultado BB BV VB VV
X 0 1 1 2
Probabilidades 1/10 3/10 3/10 3/10
Neste caso temos:
Exemplo2: consideremos o lanamento de uma moeda duas vezes e definamos a varivel
Y igual ao nmero de caras (K) obtidas.
Resultado KK KC CK CC
Y 2 1 1 0
Probabilidades 1/4 1/4 1/4 1/4
Neste caso temos:
VARINCIA
Se X uma v.a. com mdia E(X), ento a varincia de X definida por:
ou
Lembrando que a varincia de uma v.a. uma medida de disperso ao redor de sua
mdia.
Exemplo: considere a v.a. W, com a seguinte distribuio:
W 4 5 6 7 8
p 1/5 1/5 1/5 1/5 1/5
2 , 1
10
12
10
3
2
10
6
1
10
1
0 ) ( = = + + = X E
1
4
1
2
2
1
1
4
1
0 ) ( = + + = Y E
i
N
i
i
p X E x X Var =

=
2
1
)) ( ( ) (
2 2
)] ( [ ) ( ) ( X E X E X Var =
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
50
Da temos:
Portanto
Var(W) = 38 6
2
= 2
Propriedades
Sendo c uma constante, temos:
E(c) = c
E(X + c) = E(X) + c
E(cX) = cE(X)
E(X+Y) = E(X) + E(Y)
E(XY) = E(X)E(Y)
Var(X + c) = Var(X)
Var(c) = 0
Var(cX) = c
2
Var(X)
Var(X + Y) = Var(X) + Var(Y) para X e Y independentes
Exerccios
1 - Consideremos o lanamento de um dado e seja X a v.a. que representa o nmero obtido na
face voltada para cima. Calcule E(X) e E(X
2
).
2 - Dada a distribuio da v.a. V abaixo, Calcule E(V), E(2V) e E(V
2
).
V -2 -1 0 1 2
p 1/5 1/5 1/5 1/5 1/5
3 - Considere uma urna contendo 3 bolas vermelhas e 5 pretas. So retiradas 3 bolas sem
reposio. Definindo-se a v.a. Z como sendo igual ao nmero de bolas pretas, obtenha a
distribuio de Z, 3Z e Z
2
.
4 - No problema 3, calcule E(Z), E(3Z), E(Z
2
), Var(Z), Var(3Z), Var(Z
2
).
5 - Dada as distribuies abaixo, determine as variabilidades.
6
5
1
) 8 7 6 5 4 ( ) ( = + + + + = W E
38
5
1
) 64 49 36 25 16 ( ) (
2
= + + + + = W E
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
51
a)
X 0 1 2
p 2/5 1/5 2/5
b)
X 0 1 2 3
p 1/8 1/4 1/2 1/8
c)
X -4 -2 2 4 6
p 0,1 0,2 0,4 0,2 0,1
6 - Uma urna contm 5 bolas amarelas e 4 verdes. Definindo-se a v.a. X como sendo o nmero
de bolas amarelas ao se retirar 3 delas sem reposio, pede-se:
a) A distribuio de X
b) E(X)
c) Var(X)
7 - Considere o lanamento de uma moeda 3 vezes. Definindo-se a varivel aleatria X como
sendo o nmero de caras, encontre a distribuio de X, calcule E(X) e E(X + 3).
8 - Verificou-se que a chegada de clientes a uma loja durante intervalos aleatoriamente
escolhidos de 10 minutos, segue uma distribuio de probabilidade conforme a tabela abaixo.
Calcule o nmero esperado de chegadas por intervalos de 10 minutos e sua varincia.
Nmero de chegadas X 0 1 2 3 4 5
Probabilidade P(X) 0,15 0,25 0,25 0,20 0,10 0,05
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
52
11 DISTRIBUIES DE PROBABILIDADES
Uma distribuio de probabilidades uma distribuio de freqncias para os resultados
de um espao amostral, isto , para os resultados de uma varivel aleatria. As freqncias so
relativas ou probabilidades. Exemplo: consideremos a varivel aleatria nmero de coroas em
duas jogadas de uma moeda
Resultado CC CK KC KK
Valor da v.a. 0 1 1 2
P (X) 0,25 0,25 0,25 0,25 =1,00
0,50
Graficamente
Probabilidade acumulada
Do ponto de vista prtico, em geral no necessrio calcular as probabilidades
individuais para obter uma distribuio de probabilidades. Existem tabelas e frmulas para isso.
H uma variedade de tipos de distribuio de probabilidades na estatstica. Cada qual tem
seu prprio conjunto de hipteses que definem as condies sob as quais o tipo de distribuio
pode ser utilizado validamente. A essncia da anlise estatstica confrontar as hipteses de uma
distribuio de probabilidades com as especificaes de determinado problema.
Probabilidade
0,25
0,50
0,75
1,00
Nmero de coroas 0 1 2
0,25
0,50
0,75
1,00
Nmero de
coroas
0
1 ou
menos
2 ou
menos
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
53
DISTRIBUIES DISCRETAS
Denominamos distribuio discreta o conjunto de todos os valores que podem ser
assumidos por uma varivel aleatria discreta, com as respectivas probabilidades, ou seja,
envolvem variveis aleatrias relativas a dados que podem ser contados, como o nmero de
ocorrncias por amostra. So exemplos de distribuio discreta: a Bernoulli /binomial, a de
Poisson, etc.
DISTRIBUIO DE BERNOULLI (Lei dos Grandes Nmeros)
Existem experimentos cujos resultados s podem ser sucesso ou fracasso, como na
jogada repetida de uma moeda, a obteno de coroa. Cada jogada chamada uma prova. Para
cada prova existe uma probabilidade associada a um determinado evento (coroa). Em certos
experimentos a probabilidade no varia de prova para prova, como no caso da moeda. Estas
provas dizem-se ento independentes e costumam designar-se por provas de Bernoulli (James
Bernoulli sculo XVII). A distribuio de Bernoulli tambm conhecida como Binomial.
DISTRIBUIO BINOMIAL
Usa-se o termo binomial para designar situaes em que os resultados de uma varivel
aleatria podem ser agrupados em duas classes ou categorias. Os dados so, pois, nominais. As
categorias devem ser mutuamente excludentes, de modo a deixar perfeitamente claro a qual
categoria pertence determinada observao. Variveis com resultados mltiplos podem
freqentemente ser tratados como binomiais, quando apenas um dos resultados tem interesse.
Assim que as respostas de um teste de mltipla escolha podem ser do tipo correta ou errada; 5
bolas, uma de cada cor, em uma urna na extrao de uma bola verde, o resultado pode ser verde
ou no verde.
A utilizao da distribuio binomial exige certos pressupostos:
H n observaes ou provas idnticas;
Cada prova tem dois resultados possveis, um chamado sucesso e outro falha;
As probabilidades p de sucessos e 1 p de falha permanecem constantes em todas as
provas;
Os resultados das provas so independentes uns dos outros.
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
54
Frmula Binomial
Vamos examinar o seguinte problema; quais os resultados possveis quando se joga 2
moedas honestas 1 vez ou 1 moeda 2 vezes.
Moeda 2 Moeda 1
C K
C CC CK
K KC KK
Os resultados podem ser dispostos em coluna.
CK
CC KC KK
X = 2 X = 1 X = 0 X (N de caras)
Vamos examinar agora os resultados possveis quando se joga uma moeda honesta 3 vezes.
Moedas 1 e 2 Moeda 3
CC CK KC KK
C CCC CCK CKC CKK
K KCC KCK KKC KKK
Graficamente
KCC
CKC
KKC
KCK
CCC CCK CKK KKK
X = 3 X = 2 X = 1 X = 0 X (N de caras)
ou
A funo de probabilidade para 3 jogadas de uma moeda :
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
55
Funo f(0) f(1) f(2) f(3)
Probabilidade 1/8 3/8 3/8 1/8
Graficamente
Colocando graficamente os resultados possveis produzidos pelo lanamento de 1 moeda
honesta 4 vezes, temos:
KCCC
CKCC
CCKC
KKCC
KCKC
KCCK
CKKC
CKCK
KKKC
KKCK
KCKK
CCCC CCCK CCKK CKKK KKKK
X = 4 X = 3 X = 2 X = 1 X = 0 X (N de caras)
Observe que:
1 - medida que o nmero de observaes cresce, a disposio grfica vai se aproximando da
curva normal. Quando n > 30 , isto , quando o nmero de repeties igual ou superior a 30,
praticamente se confunde a binomial com a normal.
2 - A ordem dos elementos no influi no resultado final, CK=KC, CCK=KCC=CKC, etc.
Introduzindo-se a notao de potencial, os resultados anteriores podem ser escritos assim:
n=2 C
2
+2CK+K
2
(C + K)
2
n=3 C
3
+3C
2
K+3CK
2
+K
3
(C + K)
3
n=4 C
4
+4C
3
K+6C
2
K
2
+4CK
3
+K
4
(C + K)
4
f(x)
3/
1/
1/
1 2 3 x
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
56
que so o desenvolvimento do binmio de Newton.
Sugere-se que fique em primeiro lugar o evento cuja ocorrncia esteja associada idia
de fracasso e em segundo o evento cuja ocorrncia esteja associada idia de sucesso.
Portanto temos:
[P(F) + P(S)]
n
= (q+p)
n
onde:
P(F) = probabilidade do evento fracasso
P(S) = probabilidade do evento sucesso
n = tamanho da amostra
Binmio de Newton
Lembrando que o nmero binomial dado por:
No caso do fatorial, temos:
n! = n (n 1) (n 2) ... 1
0! = 1
Exemplo 1: Qual a probabilidade de sarem 2 caras, em qualquer ordem, no lanamento de uma
moeda honesta 5 vezes.
Temos; (q + p)
5
(n = 5)
(q + p)
5
= q
5
+ 5q
4
p + 10q
3
p
2
+ 10q
2
p
3
+ 5qp
4
+ p
5

P(X = 0) P(X = 1) P(X = 2) P(X = 3) P(X = 4) P(X = 5)
( )
n n n n n
p q
n
n
p q
n
p q
n
p q
n
p q
0 2 2 1 1 0
...
2 1 0
|
|
.
|

\
|
+ +
|
|
.
|

\
|
+
|
|
.
|

\
|
+
|
|
.
|

\
|
= +

( )! !
!
k n k
n
k
n

=
|
|
.
|

\
|
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
57
O problema pede P(X = 2), ento:
O problema pede P(X = 2), ento:
10q
3
p
2
= 10(0,5)
3
(0,5)
2
= 10 (0,5)
5
= 10 (0,03125) = 0,3125
Exemplo 2: Qual a probabilidade de sarem duas, uma ou nenhuma cara, no lanamento de uma
moeda 5 vezes ? P(X < 3).
P(X < 3) = P(X = 0) + P(X = 1) + P(X = 2) =
= q
5
+ 5q
4
p + 10q
3
p
2
= (0,5)
5
+ 5(0,5)
4
(0,5) + 10 (0,5)
3
(0,5)
2
=
= 0,03125 + 0,15625 + 0,3125 = 0,5
Exemplo 3: Qual a probabilidade de X ser no mximo igual a 1?
P (X = 1, no mximo) = P(X = 0) + P(X = 1) = q
5
+ 5q
4
p = (0,5)
5
+ 5(0,5)
4
(0,5) =
= 0,03125 + 0,15625 = 0,1875
Observe que nos casos em que p = q , o desenvolvimento binomial simtrico.
Termo Geral
Para descobrirmos certo termo do desenvolvimento do binmio, fazemos:
Exemplo: No desenvolvimento de (q + p)
10
, calcular P(X = 8), com p = 0,2
k k n
p q
k
n
k X P

|
|
.
|

\
|
= = ) (
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
58
= 45 (0,64) (0,0000025) = 0,000072 ou 0+
Tabelas
Conforme n cresce, aumenta a dificuldade dos clculos. Por isso, existem tabelas que
fornecem diretamente as probabilidades, bastando localizar n, X e p.
Exemplo: No lanamento de uma moeda honesta 18 vezes, qual a probabilidade de sarem 12
caras ? X = 12 caras; n = 18; p = 0,5
Na tabela P ( x = 12 ) = 0,071
Exemplo 2: No lanamento de 1 moeda honesta 4 vezes, qual a probabilidade de (X s 3)?
(X s 3) = (X = 3), ou (X = 2) ou (X = 1) ou (X = 0)
p = 0,5 n = 4
Ento: P(X s 3) = P(X = 3) + P(X = 2) + P(X = 1) + P(X = 0) =
= 0,250 + 0,375 + 0,250 + 0,062 = 0,937
Exerccios
1 - No lanamento de uma moeda honesta 15 vezes, qual a probabilidade de sair 10 caras?
2 - Um casal deseja 8 crianas. Considerando-se que as chances de ocorrer menino ou menina
so iguais, qual a probabilidade de ocorrer:
a) Exatamente 2 meninos
b) Exatamente 5 meninas
c) S nascimento de meninas
d) No mnimo 4 meninos
3 - Dos estudantes de um colgio, 41% fumam cigarro. Escolhem-se 6 ao acaso. Determine a
probabilidade de:
( ) ( ) =
|
|
.
|

\
|
=
+
8 2
1 8
2 , 0 8 , 0
8
10
T
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
59
a) Nenhum dos 6 ser fumante
b) Todos 6 fumarem
c) Ao menos 3 ser fumante
4 - Um teste de mltipla escolha apresenta 10 questes, 5 opes por questo e apenas uma certa.
Se a aprovao depende de 7 ou mais respostas corretas, qual a probabilidade de um estudante
ser aprovado apenas por palpite?
5 - Na manufatura de certo artigo, sabido que 1 entre 10 artigos defeituoso. Qual a
probabilidade de que uma amostra casual de tamanho 4 contenha:
a) Nenhum defeituoso?
b) Exatamente 2 defeituosos?
c) No mais do que dois defeituosos?
6 - Se 30% dos habitantes de uma cidade so empregados do governo, determine a probabilidade
de no haver empregado do governo numa amostra aleatria de 15 habitantes. Qual a
probabilidade de encontrar mais de 13 empregados do governo na amostra?
7 - Sabe-se que de cada 100 laranjas colhidas, 23 chegam danificadas no mercado atacadista. Um
certo comerciante pegou uma amostra aleatria de 10 laranjas de um lote que acaba de receber.
Qual a probabilidade de:
a) encontrar 5 laranjas danificadas;
b) encontrar acima de 8 laranjas danificadas;
c) no encontrar laranjas danificadas;
d) que todas estejam danificadas.
Esperana de uma Distribuio Binomial
A mdia aritmtica de uma distribuio binomial dada por:
u = np ou E(X) = np
onde,
u: mdia procurada (populacional)
n: nmero de repeties do experimento
p: probabilidade associada ao evento sucesso
Exemplo: Calcule a mdia aritmtica de B(6; 0,5)
u = np u = 6 0,5 = 3,0
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
60
Varincia de uma Distribuio Binomial
A varincia de uma distribuio binomial dada por:
o
2
= npq ou Var(X) = npq
onde,
o
2
: varincia procurada (populacional)
n: nmero de repeties do experimento
p: probabilidade associada ao evento sucesso
q: probabilidade associada ao evento fracasso
Exemplo: Calcule a varincia de B(6; 0,5)
o
2
= npq = 6 0,5 0,5 = 1,5
Exerccios
1) Sabe-se que em uma linha de produo, 5% do que produzido tem defeito. Numa amostra de
80 peas, qual o nmero esperado de defeituosas? Qual a varincia?
2) Jogando-se um dado 30 vezes, quantas vezes espera-se que ocorra o resultado 2? Qual a
varincia?
3) A varivel X tem distribuio Binomial com parmetros B(30;0,2). Qual a esperana?
Calcule a varincia.
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
61
DISTRIBUIO DE POISSON
Considere uma varivel aleatria binria que assume valor 1 com probabilidade p, mas p
um valor muito pequeno. Dizemos ento que ao valor 1 da varivel aleatria est associado um
evento raro.
Para estudar eventos raros necessrio observar um conjunto de n eventos, mas n deve
ser suficientemente grande.
Desta forma, sendo p muito pequeno e n tendendo para o infinito, a distribuio binomial
se aproxima de uma distribuio de Poisson.
A distribuio de Poisson empregada quando se deseja contar o nmero de eventos de
certo tipo, que ocorre em um intervalo de tempo, ou superfcie, ou volume, como por exemplo:
Nmero de chamadas recebidas em um servio de telemarketing num intervalo pequeno
de tempo;
Acidentes por dia;
Falhas dirias em um computador;
A queda de raio em certa rea.
Note que a unidade de medida contnua, mas a varivel aleatria (nmero de
ocorrncias) discreta. Alm disso, as falhas no so contveis. No possvel contar os
acidentes que no ocorreram, nem o nmero de chamadas que no foram feitas.
A utilizao da distribuio de Poisson baseia-se nas seguintes hipteses:
a) A probabilidade de uma ocorrncia a mesma em todo o campo de observao;
b) A probabilidade de mais de uma ocorrncia num ponto aproximadamente zero;
c) O nmero de ocorrncias em qualquer intervalo independente do nmero de
ocorrncias em outros intervalos.
A distribuio de Poisson caracterizada por um nico parmetro a mdia (que igual
a varincia). Assim conhecendo-se o nmero mdio de ocorrncias por unidade, podemos
determinar a probabilidade de qualquer dos resultados possveis.
Como no caso da binomial, h dois mtodos para determinar as probabilidades: frmula e
tabela.
Frmula de Poisson
Se uma varivel aleatria descrita por uma distribuio de Poisson, ento a
probabilidade de realizar qualquer nmero dado de ocorrncias por unidade de medida dado
por:
Onde: = np (E(x)) e e ~ 2,718... (base dos logaritmos naturais)

-
!
x) P(X e
x
x
= =
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
62
Exemplo 1. Uma central de atendimento de carto de crdito recebe em mdia 5 chamadas por
minuto. Supondo que as chamadas tenham uma distribuio de Poisson, obter a probabilidade de
que no receba chamadas durante um intervalo de um minuto.
= 5 chamadas por minuto
Exemplo 2. Considerando-se o exemplo 1, qual a probabilidade de se obter no mximo 2
chamadas em 4 minutos

= 20 chamadas em 4 minutos
P(X s 2) = P(X = 0) + P(X = 1) + P(X = 2) =
Tabelas de Poisson
As tabelas de Poisson proporcionam um mtodo conveniente para obteno de
probabilidade com um mnimo de esforo. Como a distribuio de Poisson s depende da mdia
do processo, as tabelas so construdas de forma a dar as probabilidades com base nessa mdia.
Tabela Acumulada
A tabela acumulada d somas de probabilidade, tal como no caso da tabela binomial. Ela
d as probabilidades de x ou menos ocorrncias, conhecida a mdia do processo.
A Distribuio de Poisson como Aproximao da Binomial
Sob certas circunstncias, a distribuio de Poisson pode ser utilizada para aproximar
probabilidades binomiais. A aproximao mais adequada quando o nmero de observaes
grande e a probabilidade de sucesso p est prxima de zero ou de um.
A vantagem da aproximao reside no fato de que a preciso sofre muito pouco e que o
trabalho necessrio consideravelmente menor. Para usar a aproximao, basta determinar o
valor (mdia) da distribuio binomial.
Exemplo: Determinar a probabilidade de haver 4 peas defeituosas numa amostra de 300,
extrada de um grande lote onde h 2% de defeituosas.
E(X) = 3000,02 = 6
0067 , 0
0
5
0) P(X
5
5 0
= = = =
-
-
e
!
e
= + + =
!
e
!
e
!
e
- - -
2
20
1
20
0
20
20 2 20 1 20 0
00000046 , 0 221 ) 200 20 1 ( 200 20
20 20 20 20 20
~ = + + = + + =

e e e e e
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
63
Exerccios
1 - Suponhamos que os defeitos em fios para tear possam ser aproximados por um processo de
Poisson com mdia 0,2 defeitos por metro. Inspecionando-se pedaos de fio de 6 metros de
comprimento, determine a probabilidade de encontrarmos menos de 2 defeitos.
2 - As chamadas de emergncia chegam a uma central de polcia razo de 4 por hora no perodo
de 1 s 6 da manh em dias teis e podem ser aproximadas por uma distribuio de Poisson.
Responda:
a) Quantas chamadas de emergncia so esperadas num perodo de 30 minutos?
b) Qual a probabilidade de nenhuma chamada num perodo de 30 minutos?
3 - A entrega de mercadorias em um depsito feita razo de 2,8 caminhes por hora.
Determine a probabilidade de chegarem 3 ou mais caminhes:
a) Num perodo de 30 minutos;
b) Num perodo de 1 hora
c) Num perodo de 2 horas.
4 - O nmero de petroleiros que chegam a uma refinaria em cada dia ocorre segundo uma
distribuio de Poisson, com = 2. As atuais instalaes podem atender, no mximo, a 3
petroleiros por dia. Se mais de 3 aportarem num dia, o excesso enviado a outro porto. Em um
dia qual a probabilidade de se enviar petroleiros para outro porto?
5 - A chegada de nibus em um terminal acontece razo de 3 por minuto. Supondo que tenha
distribuio de Poisson, determine a probabilidade de:
a) chegarem 8 nibus em 2 minutos;
b) chegarem 4 nibus em 5 minutos.
6 - Suponhamos que aos navios cheguem a um porto razo de = 2 navios/hora e que essa
razo seja bem aproximada por um processo de Poisson. Observando o processo durante um
perodo de meia hora (t = 0,5), determine a probabilidade de:
a) no chegar navio algum;
b) chegarem 3 navios;
c) chegarem mais de 3 navios em 2 horas.
135 , 0
! 4
6
!
) 4 (
6 4
= = = =

e
x
e
X P
x

ESTATSTICA MATEMTICA
_________________________________________________________________________________________
64
DISTRIBUIES CONTNUAS
No caso das distribuies contnuas de probabilidades, X deve estar compreendido entre
dois valores diferentes (X como varivel aleatria contnua), sendo que em geral a probabilidade
de x assumir um determinado valor zero.
Funo densidade de probabilidade. Sendo X uma varivel aleatria contnua,
chamamos de funo densidade de probabilidade aquela que satisfaz s seguintes propriedades:
a)
b)
A probabilidade de uma varivel aleatria X estar compreendida entre a e b, ou seja P(a <
X < b) :
DISTRIBUIO NORMAL
Vamos considerar a distribuio binomial para p = e n varivel, por exemplo, n = 5 e
10. Construindo os histogramas, obteremos as figuras abaixo:
Como p = , as distribuies sero simtricas ao redor das mdias, nos exemplos 5/2 e
5.
Sabemos que, tendo um n grande, difcil calcular as probabilidades. Neste caso,
precisamos obter aproximaes para estas probabilidades. Observando os histogramas anteriores,
notamos que podemos aproximar a rea deles pela rea de uma curva contnua. Essa curva
0 ) ( > x f

+

= 1 ) ( dx x f

= < <
b
a
dx x f b X a P ) ( ) (
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
65
chamada curva normal. Da aproximamos as probabilidades relativas a uma binomial por
probabilidades relativas a uma distribuio normal, conforme figura a seguir.
Por ser uma distribuio contnua, associamos probabilidades a intervalos de nmeros
reais. O clculo destas probabilidades est associado rea formada nos intervalos sob a curva.
Assim, a distribuio normal caracterizada por uma funo densidade.
Na verdade no existe uma nica curva normal, mas sim uma famlia de distribuies
normais, que so caracterizadas por dois parmetros: u (mdia) e o (desvio padro).
Algumas caractersticas:
Para um mesmo u, a curva mais achatada e mais espalhada, de acordo com o o;
As curvas so simtricas em relao a u;
Praticamente toda a rea est concentrada entre os pontos u 3o e u + 3o.
Devido ao nmero infinito de curvas normais, para calcularmos as probabilidades recorremos
a uma em particular, a curva normal reduzida ou normal padro, que caracterizada pelos
valores u = 0 e o = 1, cujo smbolo N(0, 1).
Para sabermos o valor recorremos tabela da curva normal que d as probabilidades sob
uma curva normal padro. Ela fornece a probabilidade de que a varivel Z, normal padro, esteja
entre 0 e um valor z
c
: P(0 s Z s z
c
)
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
66
Por exemplo: Se z
c
= 1,73, calcule:
a) P(0 s Z s 1,73)
b) P(Z s 1,73) e P(Z > 1,73)
c) P(0,47 s Z s 1,73)
a) P(0 s Z s 1,73) = 0,4582 (valor encontrado na tabela)
b) P(Z > 1,73) = 0,5 P(0 s Z s 1,73) = 0,5 0,4582 = 0,0418
P(Z s 1,73) = P(Z s 1,73) , pois a curva simtrica
c) P(0,47 s Z s 1,73) = P(0 s Z s 1,73) P(0 s Z s 0,47) = 0,4582 0,1808 = 0,2774
Suponha, agora, que X seja uma v.a. com distribuio normal, de mdia u e varincia o
2
,
indicado por N(u, o
2
). Da definimos a v.a. Z, tal que
ter distribuio normal com mdia 0 e varincia 1.


=
X
Z
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
67
Exemplo: Calcular P(2 s X s 5), se X N(3, 16), ou seja, u = 3 e o
2
= 16.
Para determinar a probabilidade de que X esteja entre 3 e 5, que igual probabilidade
que Z esteja entre 0,25 e 0,5, consultamos a tabela em encontramos
P(-0,25 s Z s 0,5) = 0,0987 + 0,1915 = 0,2902 = P(2 s Z s 5)
Aproximao da Binomial Atravs da Normal
Vamos supor que a v.a. Y tem distribuio binomial com n = 10 e p = e queremos
calcular P(Y s 7). Pela figura abaixo temos que P(Y = 7) igual a rea do retngulo de base
unitria e altura igual a P(Y = 7). O mesmo ocorre com P(Y = 8), etc. Da, P(Y > 7) a soma das
reas dos retngulos hachurados. A idia aproximar tal rea pela rea sob a curva normal,
direita de 6,5. Especificamente a curva normal de mdia , u = np = 10 = 5 e varincia o
2
=
npq = 10 = 2,5.
Chamando de X tal v.a. normal, temos:
A verdadeira probabilidade 0,172. A justificativa para esta aproximao dada pelo
Teorema de De Moivre-Laplace, que um caso particular do Teorema Central do Limite.
|
.
|

\
|
s s

=
=
|
.
|

\
|

s s

=
|
.
|

\
|

s

= s s
2
1
4
1
4
3 5
4
3 2 5 2
) 5 2 (
Z P
Z P
X
P X P

( ) 1736 , 0 94 , 0
58 , 1
5 , 1
5 , 2
5 5 , 6
5 , 2
5 5 , 6
) 5 , 6 ( ) 7 (
= > = |
.
|

\
|
> =
=
|
|
.
|

\
|

>

= |
.
|

\
|
>

= > ~ >
Z P Z P
X
P
X
P X P Y P


ESTATSTICA MATEMTICA
_________________________________________________________________________________________
68
A funo densidade normal dada por:
Com:
< X < +
< u < +
o > 0
Exerccios
1 - As vendas de um determinado produto tm distribuio aproximadamente normal com mdia
500 e desvio padro 50. Se a empresa receber pedidos de mais de 600 unidades no ms em
estudo, qual a probabilidade que no possa atender a todos, por estar com a produo esgotada?
2 - O dimetro de uma pea uma v.a. com distribuio normal, com mdia 10 cm e desvio
padro 0,2 cm. Calcule a probabilidade de se encontrar peas com dimetro:
a) acima de 9,7 cm;
b) abaixo de 9,5 cm.
3 - As estaturas de 1000 alunos de uma universidade tm distribuio aproximadamente normal
N(1,7 m, (0,05m)
2
).
a) Determine o nmero esperado de estudantes com alturas superiores a 1,65 m;
b) Determinar os intervalos simtricos ao redor da mdia que contero, aproximadamente,
90% e 95% dos alunos.
4 O enchimento de pacotes de acar tem distribuio normal com mdia 1kg e desvio padro
de 20g. Qual a porcentagem de pacotes que contero:
a) mais de 1,010kg?
b) entre 0,985kg e 1,015kg?
5 A renda dos habitantes de certa cidade tem distribuio aproximadamente normal com mdia
$480 e desvio padro $90. Calcule a probabilidade de se encontrar pessoas que tenham renda:
a) menor que $500
b)entre $600 e $700
c) acima de $400
6 - Uma pesquisa realizada com 10000 habitantes de uma comunidade apresentou os seguintes
resultados: peso mdio 50,6kg e desvio padro 5,8kg. Supondo que a distribuio seja normal,
determine a quantidade de pessoas que pesam abaixo de 45kg e acima de 68kg.
2
2
1
2
1
) (
|
.
|

\
|
=


x
e x f
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
69
7 - Um concurso pblico foi prestado por 5000 pessoas. A nota mdia foi 5,4 e o desvio padro
1,2. Sabendo que as notas apresentaram uma distribuio normal e que existem 50 vagas, qual a
nota mnima para aprovao?
8 - Na prova da disciplina de Fsica, o grupo de alunos obteve uma mdia de 24 pontos e desvio
padro igual a 5. Supondo uma distribuio normal dos dados, qual a porcentagem de alunos:
a) com graus entre a mdia e o resultado 27?
b) com graus entre a mdia e o resultado 20?
c) acima da mdia?
9 - Suponhamos que a distribuio dos resultados de um teste feito por 8000 estudantes normal
com mdia igual a 60 e desvio padro igual a 10.
a) qual o resultado superior dos 30% de alunos inferiores do grupo?
b) qual a porcentagem de alunos com grau entre 70 e 75?
c) qual a porcentagem de alunos com grau abaixo de 70?
d) quantos alunos obtiveram escore acima de 60?
Jornal da Tarde 21/12/94
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
70
Intervalo De Confiana Para A Mdia
Um intervalo de confiana um intervalo de valores no qual julgamos, com um risco
conhecido de erro, estar o parmetro populacional (a mdia, por exemplo).
dado por:
| |
x e x e + ;
onde:
e =
zs
n
Tamanho Da Amostra
Quando vamos iniciar um trabalho estatstico, freqentemente surge a questo do tamanho
da amostra que deve ser tomada. Para saber qual o tamanho da amostra a ser tomada,
precisamos:
i) conhecer o desvio padro da varivel em questo; isto pode ser obtido atravs de
pesquisas anteriores ou amostras piloto;
ii) determinar o grau de confiana que desejamos;
iii) estipular o erro que pode ser aceito.
dado por:
n
zs
=
|
\

|
.
|
e
2
onde:
s o desvio padro
e o erro estipulado
z = tabelado (normal reduzida)
Obs.: para amostras de tamanho n > 30, as frmulas acima podem ser usadas para qualquer
varivel, porm se n < 30, a varivel dever ter distribuio normal, ou aproximadamente
normal.
Exemplos
1 - Cronometrando-se o tempo gasto (em minutos) na realizao de certa tarefa, obteve-se os
seguintes dados:
x = 4 min, s = 0,82 min e n = 4 funcionrios.
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
71
Supondo normalidade, montar um intervalo de 90% de confiana para o tempo mdio
populacional necessrio para a realizao da tarefa.
Resoluo.
Um intervalo de 90% de confiana significa que, se tomssemos 100 amostras, em 90 delas
encontraramos a mdia nesse intervalo. Como foi suposto normalidade, vamos transformar 90%
em z.
Primeiramente dividimos 90 por 2 (lembrando que a curva normal simtrica, a tabela
apresenta valores de apenas um lado em relao a mdia):
Da procuramos na tabela da curva normal o nmero mais prximo de 45.
Encontramos dois nmeros: o 44,95 e o 45,05. Neste caso, como houve empate, podemos
optar por qualquer um deles.
Em relao ao primeiro, z = 1,64 e em relao ao segundo z = 1,65.
Agora j podemos calcular o erro.
e =
zs
n
=
1 64 0 82
4
0 67
, . ,
, = min
Da: IC:
| |
x e x e + ; [4-0,67 ; 4+0,67] [3,33 ; 4,67]
Resposta: portanto, podemos afirmar, com 90% de confiana, que o tempo mdio
(populacional) para a realizao da tarefa est entre 3 e 5 minutos, aproximadamente.
2 - Usando os dados do exemplo anterior, qual deveria ser o tamanho da amostra necessrio para
produzir um intervalo de 99% de confiana para a mdia populacional, de modo que no difira
por mais de 0,5 minuto (erro) em ambos sentidos?
Primeiramente transformamos 99% em Z.
99
2
49 5 = , . Procuramos na tabela o nmero mais prximo de 49,50.
Temos:
z = 2,57 ou z = 2,58
Da: n
zs
=
|
\

|
.
|
e
2
=
2 57 0 82
0 5
2
, . ,
,
|
\

|
.
|
= 18
Portanto a amostra deveria ter 18 funcionrios.
45
2
90
=
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
72
Exerccios
1 - Supondo que o enchimento dos potes de margarina tenha distribuio normal com mdia
250g e desvio padro 13,2g, observados em uma amostra de 1000 potes, por amostragem.
Determine o que se pede abaixo:
a) um intervalo de 90% de confiana para a mdia;
b) um intervalo de 99,99% de confiana para a mdia;
c) comparando os dois intervalos montados, o que podemos observar?
2 - Usando os mesmos dados anteriores:
a) qual o tamanho de amostra necessrio para montar um intervalo de 95% de confiana,
com erro igual a 10g?
b) qual o tamanho de amostra necessrio para montar um intervalo de 95% de confiana,
com erro igual a 20g?
c) comparando os dois tamanhos de amostra o que podemos observar?
3 - De que forma o desvio padro influencia no intervalo de confiana e no tamanho da amostra?
(dica: observe as frmulas).
4 - O que podemos fazer para tentar diminuir o intervalo de confiana?
5 - Uma amostra aleatria de 35 universitrios participou de uma pesquisa sobre valor dos gastos
para freqentar a universidade, exceto as mensalidades. Descobriu-se da, que em mdia as
despesas de $234, com desvio padro de $42. Supondo uma distribuio normal:
a) montar uma intervalo de 95% de confiana para o gasto mdio;
b) calcular o tamanho da amostra, com 99,99% de confiana e erro de $30.
6 - Pesquisa realizada junto a 120 alunos de uma universidade, apurou-se que a idade mdia 21
anos, com desvio padro de 5,8 anos. Supondo normalidade:
a) montar um intervalo de 90% de confiana para a idade mdia dos alunos da turma;
b) qual deveria ser o tamanho da amostra necessrio para produzir um intervalo de 95% de
confiana, com erro igual a 2 anos?
7 - O peso dos indivduos adultos de certa comunidade tem distribuio aproximadamente
normal, com mdia 73 kg e desvio padro igual a 8 kg, em uma amostra de 58 pessoas.
a) montar um intervalo de 99% de confiana para o peso mdio dos indivduos desta
comunidade;
b) qual deveria ser o tamanho da amostra necessrio para produzir um intervalo de 90% de
confiana, com erro igual a 2 kg?
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
73
BIBLIOGRAFIA
BUSSAB, W.O.; MORETIN, P.A. Estatstica Bsica. So Paulo: Atual, 2002.
DOWNING, D.; CLARK, J. Estatstica aplicada. So Paulo: Saraiva, 1999.
LEVIN, J.; FOX, J. A. Estatstica aplicada a cincias humanas. 9. ed. So
Paulo: Prentice Hall, 2004.
MILONE, G. Estatstica: geral e aplicada. So Paulo: Pioneira Thomsom
Learning, 2004.
NEUFELD, J. L. Estatstica aplicada administrao usando o Excel. Paulo:
Prentice Hall, 2003.
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
74
ANEXO - OUTRAS MDIAS
Alm da mdia aritmtica, existem outras, conforme a seguir.
Mdia Ponderada
dada por:
Onde:
- x
i
so os valores da varivel
- p
i
so os pesos atribudos a cada valor da varivel
Exemplo: um aluno fez 3 provas e obteve as seguintes notas: 4, 7 e 6. Os pesos de cada prova
so 1, 2 e 3, respectivamente. Assim, a mdia ponderada ser:
Nota (x
i
) Peso (p
i
) x
i
p
i
4 1 4
7 2 14
6 3 18
Ep
i
= 6 Ex
i
p
i
= 36
Portanto:
Exerccios
So dadas as notas de 5 alunos em 3 provas. Sabendo-se que a primeira prova tem peso 2, a
segunda peso 3 e a terceira peso 5, calcule a mdia ponderada de cada aluno.
Aluno 1 prova 2 prova 3 prova
A 7 6 5
B 1 2 9
C 5 5 5
D 10 10 0
E 5 7 3

=
i
i i
w
p
p x
x
6
6
36
= = w x
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
75
Mdia Geomtrica
Denominamos mdia geomtrica de um conjunto n de valores a raiz n-sima do produto desses n
valores.
Mdia Geomtrica Simples
Seja X = {x
1
, x
2
, x
3
, . . . , x
n
}. A mdia geomtrica simples ser definida pela expresso:
Exemplo: Y = {3, 5, 7, 9}
Exerccios
Calcule as mdias geomtricas simples para os conjuntos abaixo:
a) Z = {5, 7, 15, 20, 23}
b) Y = {8, 11, 19, 21, 30, 25}
Mdia Geomtrica Ponderada
Seja X = {x
1
, x
1
, . . . , x
1
, x
2
, x
2
, . . . , x
2
, x
n
, x
n
. . . , x
n
}.
Neste caso h repeties dos valores, ou seja, x
1
, x
1
, . . . , x
1
ocorre com freqncia f
1
; , x
2
, x
2
, . .
. , x
2
ocorre com freqncia f
2
; , x
n
, x
n
, . . . , x
n
ocorre com freqncia f
n
.
Ento a mdia geomtrica ponderada desses valores ser definida por:
ou
n
n
i
i
n
n
x x x x x Mg
I
=
= =
1
3 2 1
...
54 , 5 945 9 7 5 3
4 4
= = = Mg
n n
f f f f
n
f f
x x x Mgp
+ + +
=
...
2 1
2 1 2 1
...

=
=
I
=
n
i
i
i
f
n
i
f
i
x Mgp
1
1
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
76
Exemplo: X = { 2, 2, 2, 8, 8, 10}
X f
i
x
f
2 3 2
3
= 8
8 2 8
2
= 64
10 1 10
1
= 10
Portanto:
Exerccios
Calcule as mdias geomtricas ponderadas para os conjuntos abaixo:
a) X = {5, 5, 7, 7, 7, 1, 1, 1, 1, 3, 3}
b) Y = {2, 2, 2, 4, 4, 7, 7, 12}
Mdia Harmnica
o inverso da mdia aritmtica dos inversos dos valores.
Seja X = {x
1
, x
2
, x
3
, . . . , x
n
}. A mdia harmnica definida pela expresso:
Ou
Exemplo: X = {2, 5, 7, 9}
6
3
1
=
= i
i
f
5120
3
1
=
I
= i
f
i
i
x
15 , 4 5120 10 64 8
6 6
= = = Mgp

=
n
i i
x N
Mh
1
1 1
1

=
=
n
i
i
x
N
Mh
1
1
193 , 4
9
1
7
1
5
1
2
1
4
1
1
~
+ + +
= =

=
n
i i
x
N
Mh
ESTATSTICA MATEMTICA
_________________________________________________________________________________________
77
Exerccios
1) Dados os conjuntos abaixo, calcule as mdias geomtrica e harmnica:
a) A = { 3, 5, 2, 1, 4, 7, 9}
b) B = {6, 12, 15, 7, 10}
c) C = {10,5; 11,8; 15,4; 16,5; 20; 13,6}
d)
|
.
|

\
|
=
7
3
,
22
15
,
10
7
,
6
5
,
8
7
,
16
9
,
5
3
D

You might also like