Introducao A Estatisca - Excel

UMA INTRODUO
ESTATSTICA
Com aplicaes na HP12C e Excel
Adriano Leal Bruni, M. Sc.

http://albruni.tripod.com
VOLUME 01
Verso 2000/2
INTRODUO
O presente texto tem como objetivo principal servir como uma referncia bibliogrfica adicional
para disciplinas direcionadas ao ensino de Estatstica em cursos de graduao da Faculdade Ruy
Barbosa.
Neste primeiro volume so apresentados conceitos, exemplos e exerccios relacionados
Estatstica Descritiva e Teoria das Probabilidades. No segundo volume so abordados aspectos
relacionados Estatstica Inferencial.
Embora uma parcela da obra tenha sido escrita por mim, a maior parte dos textos foram
elaborados originalmente por alunos de graduao, destacados nas notas de rodap referentes
aos ttulos dos captulos.
Infelizmente, em funo do pouco tempo disponvel para a edio do texto final, a presente verso
possui algumas imperfeies que espero corrigir em breve.
Gostaria de lembrar que atualizaes, correes e materiais complementares ao presente texto
podem ser encontrados no endereo http://albruni.tripod.com. Em caso de dvidas, sugestes ou
crticas, mande um e-mail para mim : albruni@hotmail.com.
Salvador, junho de 2000.
CO-AUTOR
Adriano Leal Bruni, M.Sc.
Doutorando em Administrao (FEA/USP : Finanas, Globalizao de Mercados Financeiros),
Mestre em Administrao (FEA/USP : Finanas, Teoria de Investimentos e Precificao de Risco
em Mercados de Capitais), Ps-Graduado em Economia (FGV/EPGE : Finanas Empresariais),
Administrador de Empresas. Autor de diversos trabalhos publicados ou apresentados no Brasil e
no exterior, resultantes de pesquisas desenvolvidas em Mercados de Capitais, Derivativos e Risco
de Crdito, Mercados Emergentes, Tcnicas de Simulao Aplicadas s Finanas, Valuation,
Teoria de Investimentos. Professor de cursos de ps-graduao ministrados em Belm, (UNAMA),
Curitiba (FAE) e Salvador (UFBA, UNIFACS, Faculdade Ruy Barbosa e Faculdade de Tecnologia
Empresarial).
Home-Page : http://albruni.tripod.com
E-Mail: albruni@usp.br ou albruni@hotmail.com.
NDICE
Captulo 1. Conceitos Bsicos da Estatstica .......................................................................... 5
1.1. Objetivos ..................................................................................................................... 5
1.2. Conceito de estatstica ................................................................................................. 5
1.3. Histria da estatstica................................................................................................... 6
1.4. Estatstica Descritiva .................................................................................................... 7
1.5. Sries Estatsticas ....................................................................................................... 7
1.6. Representao em classe de freqncia........................................................................ 8
1.7. Estatstica inferencial ou indutiva ..................................................................................10
1.8. Probabilidade..............................................................................................................11
1.9. Variveis aleatrias .....................................................................................................12
1.10.
Exerccios Propostos e Resolvidos ...........................................................................12
Captulo 2. Introduo ao Excel..............................................................................................14
Captulo 3. Anlise exploratria de dados..............................................................................15
3.1. Ordenando e contando os dados..................................................................................15
3.2. Agrupando em classes ................................................................................................16
3.3. Exerccios propostos e resolvidos.................................................................................18
3.4. Aplicaes no Excel ....................................................................................................19
Captulo 4. Apresentaes grficas de dados........................................................................24
4.1. Histograma .................................................................................................................24
4.2. Pareto.........................................................................................................................25
4.3. Ogiva..........................................................................................................................25
4.4. Boxplot .......................................................................................................................26
4.5. Grfico de barras.........................................................................................................27
4.6. Grfico de colunas ......................................................................................................27
4.7. Grfico de setores .......................................................................................................28
4.8. Diagrama de disperso................................................................................................28
4.9. Grficos pictricos ou pictogramas ...............................................................................28
4.10.
Falhas na elaborao de grficos .............................................................................29
4.11.
Aplicaes no Excel.................................................................................................31
Captulo 5. Medidas de Tendncia Central .............................................................................32
5.1. Objetivos do captulo: ..................................................................................................32
5.2. Fundamentao terica e exemplos .............................................................................32
5.3. Mdias........................................................................................................................32
5.4. Mediana......................................................................................................................38
5.5. Moda ..........................................................................................................................41
5.6. Relao entre Mdia, Moda e Mediana: ........................................................................42
5.7. Resumo das vantagens e des vantagens das medidas estatsticas .................................43
5.8. Exerccios Propostos e Resolvidos ...............................................................................43
Captulo 6. Medidas de disperso...........................................................................................55
6.1. Objetivos ....................................................................................................................55
6.2. Principais Medidas de Disperso..................................................................................55
6.3. Desvio Padro e Varincia Populacionais versus Amostrais...........................................57
6.4. Exerccios propostos e resolvi dos.................................................................................60
Captulo 7. Medidas de ordenamento e posio .....................................................................70
7.1. Objetivos ....................................................................................................................70
7.2. Principais medidas de ordenamento e posio..............................................................70
Captulo 8. Medidas de forma da distribuio.........................................................................73
8.1. Objetivos ....................................................................................................................73
8.2. Fundamentao terica ...............................................................................................73
8.3. Principais medidas ......................................................................................................73
3

Captulo 9. Probabilidade .......................................................................................................76
9.1. Introduo...................................................................................................................76
9.2. Conceitos introdutrios. ...............................................................................................76
9.3. Probabilidade..............................................................................................................79
9.4. Mtodos de Enumerao .............................................................................................81
9.5. Probabilidade Condicional............................................................................................85
9.6. Exerccios Propostos e Resolvidos ...............................................................................88
Captulo 10. Distribuio Binomial ....................................................................................... 100
10.1.
Objetivo................................................................................................................. 100
10.2.
Teoria ................................................................................................................... 100
10.3.
Mdia e varincia da distribuio binomial............................................................... 101
10.4.
Exerccios Propostos e Resolvidos ......................................................................... 101
10.5.
Aplicaes no Excel............................................................................................... 104
Captulo 11. Distribuio de Poisson.................................................................................... 106
11.1.
Objetivos ............................................................................................................... 106
11.2.
Fundamentao terica e exemplos ........................................................................ 107
11.3.
Tabelas de Poisson................................................................................................ 108
11.4.
Hipteses:............................................................................................................. 109
11.5.
Algumas Propriedades da Distribuio de Poisson................................................... 109
11.6.
Distribuio de Poisson como aproximao da Distribuio Binomial ........................ 110
11.7.
Exemplos de aplicao da Distribuio de Poisson .................................................. 110
11.8.
11.9.
Captulo 12. Distribuio Normal.......................................................................................... 117
12.1.
Objetivos............................................................................................................... 117
12.2.
Fundamentao terica e exemplos........................................................................ 117
12.3.
12.4.
Captulo 13. Bibliografia ....................................................................................................... 129
Captulo 14. Anexos : Tabelas e Formulrio......................................................................... 130
14.1.
Curva Normal Padronizada..................................................................................... 131
14.2.
Tabela "t" de Student ............................................................................................. 132
14.3.
Frmulas bsicas................................................................................................... 133
Verso impressa em 10 de Agosto de 2000.
CAPTULO 1.
CONCEITOS BSICOS DA
ESTATSTICA1
Dos cegos do castelo me despeo e vou
A p at encontrar
Um caminho
O lugar
Pro que eu sou.
Nando Reis - Tits
1.1.
Objetivos
O objetivo maior deste trabalho o de passar um melhor conhecimento ao leitor sobre o

verdadeiro significado da ESTATSTICA, seus objetivos, utilidades e funes. Faz parte tambm
do nosso contedo o esclarecimento sobre a diferena entre ESTATSTICA DESCRITIVA e
INFERENCIAL, apontando suas caractersticas. Lembramos que utilizaremos os dois tipos de
estatstica para mostrar, dentro da estatstica descritiva, a REPRESENTAO EM CLASSES DE
FREQUNCIA e, na estatstica inferencial, a utilidade da PROBABILIDADE na rotina dos
pesquisadores e da sociedade.
importante salientar tambm que no adianta somente descrever todas as informaes que
adquirimos no decorrer deste trabalho, sem que tenhamos a certeza de que o leitor ir
compreender tudo o que iremos expor nas prximas pginas. Ele (o leitor) precisa entender que a
estatstica no uma coletnea de nmeros organizados de uma maneira que somente os
tcnicos e peritos no assunto possam interpret-los. Atualmente, podemos perceber a presena da
estatstica at mesmo no dia-a-dia dos jornais, que so uma das fontes bibliogrficas utilizadas.
No queremos, com isso, dizer que a estatstica deva ser tida como nica detentora da verdade
cientfica da matemtica, nem que deva ser desacreditada pela existncia de incertezas quanto a
algumas de suas teorias e utilizaes.
Ver-se-, portanto, uma introduo ao mundo da estatstica, onde ser demonstrada a importncia
dos assuntos citados acima para outros ramos da estatstica, assim como outras disciplinas.
1.2.
Conceito de estatstica
De acordo com Geraldo Luciano Toledo e Ivo Izidoro Ovalle, possvel distinguir duas
concepes para a palavra ESTATSTICA:
a) No plural (estatstica), indica qualquer coleo consistentes de dados numricos,
reunidos com a finalidade de fornecer informaes acerca de uma finalidade qualquer. Assim,
por exemplo, as estatsticas demogrficas referem-se aos dados numricos sobre
nascimentos, falecimentos, matrimnios, desquites etc. As estatsticas econmicas consistem
em dados numricos qrelacionados com emprego, produo, preo, vendas e com outras
atividades ligadas aos vrios setores da vida econmica.
b) No singular, indica a atividade humana especializada ou um corpo de tcnicas, ou
ainda uma metodologia desenvolvida para a coleta, a classificao , a apresentao, a anlise
1
Elaborado inicialmente por Alaine Barbosa(alainebarbosa@svn.com.br), Eline Paiva (trrepre@e-net.com.br)

e Manuela Figueiredo (manofig@zipmail.com.br).
e a interpretao de dados quantitativos e a utilizao desses dados para a tomada de

decises.
De modo geral, podemos definir estatstica: Como a cincia que se preocupa com a
organizao, descrio, anlise, e interpretao de dados experimentais (Conceito segundo,
Pedro Luiz de Oliveira Costa Neto).
Os dados experimentais so obtidos atravs de amostras que por sua vez so obtidas de
uma populao composta de variveis. Em estatstica, comum a utilizao de amostras para
otimizao do empo. Uma vez que, a amostra uma pequena parte da populao que
representar o todo ou, em termos matemticos: So subconjuntos com menor nmero de
elementos.
Podemos conceituar populao como sendo o conjunto de elementos com caractersticas
iguais ou parecidas, e que, por sua vez so agrupadas em conjuntos denominados como
populao ou universo.
Quando a populao muito numerosa, quase sempre invivel estudar indivduo por
indivduo, porque o trabalho seria longo, oneroso exaustivo, possivelmente impreciso e quando
completo, talvez no atendesse mais as necessidades que a eles motivavam. Por exemplo: uma
empresa WWW que fabrica pneus para o Estado da Bahia resolve testar a resistncia do seu
produto em estradas asfaltadas. Neste caso a populao composta pelos pneus. Ser impossvel
para o fabricante ceder todos os pneus para o teste porque se ele o fizer a produo no mais
existir. Ento retirada uma amostra, que seria uma pequena quantidade de pneus que
representar toda a produo.
A depender da populao estudada pode ocorrer impreciso na informao, principalmente
quando os dados estudados mudam com freqncia. Por exemplo: Uma fbrica de roupas, recm
instalada na Bahia, sente a necessidade de se fazer uma pesquisa para saber a preferncia das
mulheres soteropolitanas quanto ao tipo de tecido. Se a Fbrica decidir entrevistar todas as
mulheres da cidade de Salvador, haveria uma grande perda de tempo e possivelmente ao final da
pesquisa o resultado estaria errado. A opinio das mulheres estaria condicionada a moda vigente,
a estao do ano (provavelmente no vero os tecidos mais votados seriam os leves, ao contrario
do inverno que dar-se ia preferncia a tecidos mais grossos), ao gosto de cada pessoa, a religio,
etc.
1.3.
Histria da estatstica
O termo estatstica foi primeiramente empregado para designar o conjunto de dados

referentes a assuntos do Estado, geralmente com finalidade de controle fiscal ou de segurana
nacional. Por este motivo a epistemologia da palavra, segundo estudiosos, provem do latin Status
que significa Estado, podendo assumir diferentes significaes, dependendo de como utilizado Objeto de longas polmicas o termo estatstica at hoje controvertido se ele deriva de Estado
(entidade poltica) ou de estado (modo de ser).
Os dados do estado referiam-se, particularmente, populao, s transaes comerciais
internas ou com outros estados, ao controle da mortalidade em geral ou provocada por uma
epidemia, endemia ou doena particular, e aos problemas de taxao e de proporcionalidade de
tarifas e impostos. Alm de estudar as maneiras mais eficientes de organizar as informaes
obtidas, tratava tambm do problema mais importante de interpretao de dados e da possibilidade
de realizar previses.
Os estudiosos da disciplina distinguem trs grandes etapas na histria da estatstica:
1. O perodo mais antigo e caracterizado pela simples organizao de informaes de
interesse estatal, do qual tpico o famoso Domesday Book de Guilherme o conquistador (
1086), e que se estende at meados do sc. XVII.
2. O perodo que medeia entre o sc. XVII e princpio do sc. XIX, caracterizado
pelas inmeras tentativas de analisar as tabelas e os conjuntos de dados com a finalidade de
obter concluses que pudessem interessar organizao do Estado ou Ter aplicao
especfica atravs de previses para o futuro. So particularmente importantes nesse perodo
os trabalhos Conring , John Graunt, William Petty, Halley, e dos inmeros matemticos que se
dedicaram chamada aritmtica poltica. No sculo XVIII, a Universidade de Iena promoveu,
6
pela primeira vez, um curso avanado de estatstica. Gottfried Achenwall, da Universidade de

Gttingen, publicou uma srie de estudos onde define os objetos material e formal da
estatstica, pouco depois do apare-cimento do trabalho de Sssmilch sobre as mutaes no
Gnero humano e que d feio cientfica aos problemas estatsticos. No sc. XIX, Adolphe
Qutelet realizou cuidadoso estudo estatstico dos fatos demogrficos e sociais, imprimindo
um tratamento dominantemente matemtico.
3. O terceiro perodo iniciado com o congresso internacional de Estatstica, reunido
em 1853, e que se estende aos nossos dias, caracteriza-se no somente pelos
extraordinrios avanos e aperfeioamentos tecnolgicos da estatstica em si, como,
principalmente pelas mltiplas aplicaes que ele vem tendo, particularmente no campo da
investigao cientfica. Pode-se afirmar que o mtodo estatstico constitui um dos mais
seguros eficientes e necessrios instrumentos da cincia moderna.
1.4.
Estatstica Descritiva
tambm chamada, simplesmente, de estatstica. Sua principal funo est em resumir

dados e informaes investigadas, expondo-as da maneira mais prtica e simples possvel; pois,
na maioria dos casos, h um grande nmero de dados e informaes coletados que, poderiam
atrapalhar o desenvolvimento das pesquisas e suas concluses. Ela est presente em diversas
situaes do nosso cotidiano como, por exemplo, uma pesquisa de censo. Para os pesquisadores
descreverem os resultados de suas pesquisas de campo, eles criam uma tabela e dispem seus
dados de forma que possam ser interpretados mais facilmente. Porm, nem sempre essas
concluses transcritas, de forma numrica ou estatstica, so totalmente corretas. Os erros e
desvios nos clculos podem ocorrer, perdendo informaes e fazendo com que essas mesmas
informaes percam um pouco da sua credibilidade nos resultados.
Em resumo, pode-se dizer que a estatstica descritiva ou estatstica baseia-se na coleta de
dados, sua organizao, classificao e tabulao, dispostos em nmeros, facilitando a leitura e
interpretao dos mesmos. Alm disso, a utilizao da representao grfica tambm auxilia no
entendimento das pesquisas.
1.5.
Sries Estatsticas
Para se compreender melhor a definio de uma srie estatstica, necessrio ter uma
viso do significado de uma tabela.
A tabela a reunio dos dados estatsticos e variveis dispostos de tal maneira que se
possa interpretar o seu significados .Portanto, a srie estatstica a representao dos dados
estatsticos em funo de alguns fatores contidos em uma tabela. Esses fatores podem ser o
tempo o espao e a espcie.
Atravs desses elementos, pode-se dividir a classificao das sries da seguinte forma:
Srie histrica, cronolgica, temporal ou marcha: descrevem os dados conforme a

variao do tempo.
Srie geogrfica, espacial, territorial ou de localizao: descrevem os dados
conforme sua localidade .
Srie especfica ou categrica : descrevem os dados conforme a sua especificao
ou categoria.
Exemplos:
Sries Geogrficas ou Localizao:
Comcio Tecnolgico
Export.
sia-Pacfico
66
Unio Europ.
43
Canad
29
Mxico
22
Mercosul
7
Outros pases
15
Sries Cronolgicas ou Temporais:
Exportao de auto-peas no
Brasil
Ano
Exportaes
1996
534,8
1997
565,9
1998
551,1
1999
362,7
1.6.
Representao em classe de freqncia
1.6.1. Tabela primitiva e Rol

Definimos tabela primitiva como sendo a disposio de dados estatsticos sem uma ordem
numrica. Um bom exemplo seria a tomarmos a idade de um grupo de 20 pessoas que fazem
determinado curso de ingls.
Idade de 20 alunos de um curso de ingls
18 15 17 22 14 15 15 17 16 20
13 16 19 20 17 18 13 16 14 19
Os dados sobre as idades dos alunos esto desordenados, dificultando uma possvel anlise para
uma pesquisa estatstica.
Surge, ento, a necessidade de organiz-lo para avaliar os dados de modo coletivo e completo. A
essa organizao d-se o nome de rol. Vejamos o mesmo exemplo:
13 13 14 14 15 15 15 16 16 16
17 17 17 18 18 19 19 20 20 22
Agora, torna-se mais fcil retirar algumas concluses sobre estes dados, como a amplitude de
variao (22-13 = 9 anos), em que idade est concentrada a maior quantidade de pessoas (entre
15 e 17 anos), etc.
1.6.2. Distribuio de Frequncia
Podemos melhorar a visualizao da varivel estatstica (idade) utilizada no exemplo acima,
atravs da disposio da quantidade de vezes em que aparece o valor estudado na tabela. Esse
tipo de organizao dos dados chamado de distribuio de frequncia. Vejamos:
IDADE
13
14
15
16
17
18
19
20
22
Total
FREQUNCIAS
2
2
3
3
3
2
2
2
1
20
Porm, esse mtodo ainda inadequado, pois quando se trabalha com um rol muito extenso, a
sua visualizao fica mais difcil, at mesmo pelo tamanho da tabela.
Assim, a idia da representao dessas variveis atravs de intervalos tornou-se bastante vivel e
muito utilizada na Estatstica, sendo chamada de distribuio de frequncia com intervalos de
classe (segundo Antonio Crespo). Sua funo basicamente a de simplificar a leitura da tabela,
agrupando os valores das variveis, ao invs de disp-los um a um.
Exemplo:
IDADE
13|----15
15|----17
17|----19
19|----21
21|----23
FREQUNCIAS
4
6
5
4
1
20
1.6.3. Componentes de uma distribuio de freqncia em classes

Para estruturar uma tabela de frequncias em intervalos de classes necessrio que haja uma
compreenso de cada passo de sua construo. Por isso, o estudo de cada elemento formador,
em separado, d uma melhor visualizao de como se fazer a tabela.
CLASSE
o intervalo entre as variveis estudadas. Seu smbolo i e o total do n de classes chamado de

k. De acordo com o nosso exemplo, k = 5 (a tabela possui 5 classes) e o intervalo 17|----19
corresponde terceira classe, sendo i = 3.
Para saber quantos intervalos de classes existem num rol, aplica-se a Regra de Sturges, que nos
permite identificar o nmero de classes em funo do nmero de valores da varivel. Chamaremos
de n, a quantidade de valores da varivel. Ento:
Se n 25 ; k = 5
Se n > 25 ; k n
k 1 + 3,22 logn
Como no exemplo dado o nmero de valores da varivel menor que 25, seu k = 5.
LIMITE DE CLASSES
So os extremos de cada classe, sendo o maior n o limite superior (Li) e o menor n o limite
inferior (li). Na classe citada acima, Li = 19 e li = 17.
AMPLITUDE DE INTERVALO DE CLASSE
a medida da variao de um intervalo. A amplitude definida pela diferena entre os limites da

classe. Seu smbolo hi. Devemos lembrar que nunca se deve aproximar o valor de h Portanto:
Hi = Li li
AMPLITUDE TOTAL
a variao do limite mnimo ao limite mximo do rol. Seu smbolo AT.

AT = Lmx lmn
PONTO MDIO DE UMA CLASSE
a medida que divide a classe em duas partes iguais. Seu valor retirado atravs da soma entre
uma classe inferior e a metade do intervalo dessa classe. Seu smbolo Xi. Para saber o ponto
mdio da terceira classe, por exemplo:
X3 = l3 + h3/2 X3 = 17 + 2/2 = 18 anos , sendo 18 o ponto mdio da terceira classe.
FREQUNCIA SIMPLES OU ABSOLUTA
Seu smbolo fi . Significa a quantidade de observaes sobre uma classe.

Mostramos a tabela, agora, com o uso de todos os elementos citados acima.
i
1
2
3
4
5
1.7.
IDADE
13|----15
15|----17
17|----19
19|----21
21|----23
fi
4
6
5
4
1
20
Estatstica inferencial ou indutiva
Pode-se dizer que a estatstica inferencial seja o oposto da estatstica descritiva, visto que
ela parte da interpretao de uma amostra para a caracterizao de todo um grupo.
um trabalho mais difcil e exige grande capacidade tcnica dos pesquisadores, pois as
concluses so retiradas em cima de incertezas por no se obter todo o campo de informaes
necessrias. Ento, surge a necessidade de se fazer generalizaes. Por isso, alguns chamam a
estatstica inferencial de indutiva.
Sempre haver uma incerteza quanto veracidade das informaes analisadas, j que s
se tem uma amostra. Na realizao das pesquisas, ento, usa-se o mtodo indutivo para
generalizar e tornar a pesquisa mais acessvel leitura, interpretao e compreenso dos dados.
Poderemos ver o uso dessa estatstica na teoria da Probabilidade, onde a incerteza est
presente e, as concluses so retiradas tendo provises e suposies como base
10
1.8.
Probabilidade
A Teoria da Probabilidade comeou a ser usada no intuito de planejar jogadas ou

estratgia em jogos de azar. Era usada por quem conhecia a teoria
A probabilidade hoje em dia no s usada em jogos, mas tambm em pesquisas como
IBGE, Organizaes e empresas que precisam fazer pesquisas e qual a probabilidade de melhor
desepenho e melhor atendimento e rapidez em resolver problemas nas reas necessitadas.
A probabilidade estuda as incertezas, o acaso em eventos futuros e determina se
provavel ou no seu acontecimento. Em probabilidade o uso do conjunto importante pois agrupa
elementos iguais ou parecidos facilitando a definio de caracteristicas e formas de soluionar os
problemas que existem.
Segundo William J. Stevenson
Espao amostral o conjunto de todos os resultados possiveis de um experimento. Os
resultados de um experimento chamam-se eventos.
Eventos mutuamentte excludentes quando no tem elementos em comum.
Eemplo: Tirar um 04 de copas de um baralho.
Eventos coletivamente exaustivos quando s existe um resultado ou esgotam as
possibilidades para o exemplo em uso.
Exemplo: Tirar uma carta preta de um baralho.
1.8.1. Origem da probabilidade
Mtodo clssico : quando o resultado provvel.

Mtodo emprico : depende da frequncia de ocorrer o evento com grande nmero de
resultados.
Mtodo subjetivo : quando a probabilidade depende da opinio pessoal.
A escolha do mtodo depende da situao e qual o melhor a ser usado.

Segundo William J. Stevenson
1.
2.
3.
4.
A probabilidade de qualquer evento A representado por um numero entre 0 e 10

0,00< P(A)<1,00
A probabilidade representada pelo espao amostral de 100%:
P(qualquer evento doespao do espao amostral)=1,00
A probabilidade de no ocorrncia de um evento 1,00 menos a probabilidade de sua
ocorrncia:
1,00-P(A)=P(A) ou P(A) =P(A)+P(A)= 1,00
O metodo classico pode ser aplicado em eventos com dois ou mais resultados e primeiro
tem-se que analisar os eventos favoraveis e os possiveis para se ter o resultado probabilistico,
onde:
Probabilidade = n de eventos favoraveis/n de eventos possiveis
Exemplo: Extrair um bilhete azul de um envelope que contem bilhetes com cores diversas,
03 azul, 02 branco, 04 verde, 01 vermelho.
A chance de 3 em 10
11
1.9.
Variveis aleatrias
Quando valores obtidos depende de observaes em razo do evento, onde o valor

esperado a soma dos nmeros possveis na freqncia relativa.
Exemplo extraido do livro de William J. Stevenson :
Um investidor julga que tem 0,40 de probabilidade de ganhar $25.000 e 0,60 de
probabilidade de perder $15.000 num investimento. Seu ganho esperado igual a 0,40(25.000) +
0,60(-15.000)= $1.000.
1.10.
Exerccios Propostos e Resolvidos
Exerccio 1.1
Com base no que foi proposto, elabore uma tabela de frequncia simples a partir do rol listado
abaixo.
Rol: 3,3,3,4,4,4,8,8,8,9,9,9,10,10,11,11,11,12,12,15,15,15,18,18,18,19,19
19,19,20,20,20,22,23,23,24,24,24,24,24,26,26,27,27,27,,28,28,29,30
Resposta : Como o rol j foi definido, o prximo passo encontrar o nmero de classes da tabela.
n = 49; k = 7, pois
49 = 7
Agora, deve-se achar h, que a amplitude das classes.

h = Lmx lmn = 30 3 = 3,8571
k
7
Construindo a tabela, teremos:
CLASSE
Fi
6
3|----6,8571
8
6,8571|----10,7142
5
10,7142|----14,5713
6
14,5713|----18,4284
8
18,4284|----22,2855
9
22,2855|----26,1426
7
26,1426|---| 30,0000
49
Note que o ltimo valor (29,9997) foi aproximado para 30.

Exerccio 1.2
A partir da tabela abaixo, retire: a) ponto mdio da segunda classe; b) amplitude da terceira classe
12
CLASSE
2|----8
8|----14
14|----20
20|----26
26|----32
32|----38
38|----44
fi
6
14
27
3
5
10
2
67
Resposta : a) Para resolver essa questo, necessrio aplicar a frmula do ponto mdio: x = l2 +
h/2. Porm, antes, preciso encontrar o valor de h.
h2 = 14 8
h2 = 6
Substituindo:
x2 = 8 + 6
2
x2 = 8 + 3
x 2 = 11; este o valor do ponto mdio na segunda classe
b) Encontrar a amplitude da terceira classe est mais fcil, pois j foi feito algo parecido na letra a.
Ento:
h3 = 20 14
h3 = 6; sendo este o valor da amplitude da terceira classe.
Exerccio 1.3
Quais so os principais componentes de uma distribuio de frequncia por classes?
Resposta : Os principais elementos de uma distribuio de classes de frequncia so: a classe, os
limites da classe, a amplitude de um intervalo de classe, a amplitude total da distribuio e o ponto
mdio de uma classe.
Exerccio 1.4
Quais so os principais tipos de sries estatsticas?
Resposta : Os principais tipos de srie estatstica so as sries histricas ou temporais, as
geogrficas ou de localizao e as especficas ou categricas.
13
CAPTULO 2.
INTRODUO AO EXCEL
No temas o progresso lento,
receie apenas ficar parado.
Provrbio Chins
O Excel fornece trs opes diferentes para a realizao de anlises estatsticas :

Funes de planilha : so recursos pr-elaborados e que simplificam a insero de frmulas.
Podem ser inseridas de diferentes maneiras : diretamente na clula; pela barra de edio, ou pelo
menu Inserir -> Funo. No decorrer do texto sero discutidas e apresentadas todas as funes
aplicveis estatsca do Excel.
Ferramentas de anlise : pode ser usado para pular etapas no desenvolvimento de anlises
estatsticas ou de engenharia complexas. Voc fornece os dados e os parmetros para cada
anlise; a ferramenta utiliza as funes de macro de estatstica ou engenharia adequadas e exibe
os resultados em uma tabela de sada. Algumas ferramentas geram grficos (como a ferramenta
Histograma) alm das tabelas de sada.
Para exibir uma lista das ferramentas de anlise disponveis, clique em Anlise de dados no menu
Ferramentas. Se o comando Anlise de dados no estiver no menu Ferramentas, execute o
Programa de Instalao para instalar o suplemento Ferramentas de Anlise. Depois de instalar as
Ferramentas de Anlise, voc deve selecion-la no Gerenciador de Suplementos.
Relatrio de tabela dinmica : facilitam a sntese dos dados, permitindo o clculo de vrias
estatsticas. Deve ser acessado atravs do menu Dados -> Relatrio da Tabela Dinmica.
14
CAPTULO 3.
ANLISE EXPLORATRIA DE DADOS

A estatstica nada mais do que o bom
senso expresso em nmeros.
Pierre Simon, marqus de Laplace,
matemtico francs do sculo XVIII.
3.1.
Ordenando e contando os dados
O objetivo da anlise exploratria de dados consiste em fornecer um primeiro insight sobre os

dados a serem analisados.
Por exemplo, na tabela seguinte esto apresentadas as notas de um grupo de estudantes. Qual
seria a descrio das notas obtidas pelo grupo?
2,1
4,7
5,8
2,4
7,1
6,9
7,8
8,5
4,3
6,1
1,1
5,3
3,3
5,2
9,5
2,1
Da forma como os dados esto apresentados, sem nenhuma ordenao fica difcil extrair alguma
informao. Buscando facilitar o entendimento dos dados, um primeiro passo poderia ser ordenlos. Em estatstica, esta etapa consiste na elaborao do Rol - conjunto ordenado de dados.
Assim, a srie de dados brutos apresentada acima poderia ser melhor apresentada de forma
ordenada. O Rol da srie seria : 1,1; 2,1; 2,1; 2,4; 3,3; 4,3; 4,7; 5,2; 5,3; 5,8; 6,1; 6,9; 7,1; 7,8; 8,5;
9,5.
Exerccio 3.1
Obtenha o Rol das seguintes sries :
a)
1
3
1
5
1
5
5
2
b)
3,2
5,8
Resposta :
a)
1
4
b)
0,0
5,8
1
3
3,2
5,5
3,0
3,2
1,1
10,0
2,8
7,6
0,3
0,0
8,5
2,1
0,7
7,4
3,4
1
5
1
5
1
5
1
5
0,3
7,4
0,7
7,6
1,1
8,5
2,1
10,0
2,8
3,0
3,2
3,2
3,2
3,4
5,5
Um segundo passo para poder representar melhor sries de dados seria tentar agrup-las,
contando os valores repetidos. Imagine, por exemplo, que as idades de um grupo de alunos
pudesse ser representada pelo seguinte Rol : 17; 17; 17; 18; 18; 20; 21; 21.
Note que os valores 17, 18 e 21 aparecem de forma repetida 3, 2 e 2 vezes, respectivamente.
Sendo assim, uma forma mais fcil de representar os dados seria atravs de uma tabela de
freqncia :
15
Idade
Xi
17
18
20
21
Soma ( )
Freqncia
Fi
3
2
1
2
8
Uma forma, ainda mais fcil, para analisar os dados poderia ocorrer se, alm das frequncias
simples, fossem fornecidas as frequncias percentuais e acumuladas. Assim, alm facilitar a
compresso da distribuio, permite-se rpidas consideraes mais rpidas sobre as idades.
Idade
Xi
17
18
20
21
Soma ( )
Freqncia
Fi
3
2
1
2
8
Freq. Acum.
FAci
3
5
6
8
Freq. Relativa
Fi%
37,5%
25,0%
12,5%
25,0%
100,0%
Fr. Rel. Acum.

FAci%
37,5%
62,5%
75,0%
100,0%
Note que as frequncias relativas, ou percentuais, podem ser expressas atravs da frmula:
Fi% =
Freqncia Simples :
Fi
n
Fi
100%
i =1
Freqncia Acumulada :
FAci% =
FAci
n
Fi
100%
i =1
3.2.
Agrupando em classes
A elaborao de tabelas de freqncia para dados quantitativos que apresentam grande disperso
pouco ajuda no processo de sntese dos dados. Nestes casos, um melhor resultado pode ser
obtido atravs do agrupamento em classes, isto , a criao de classes de freqncia.
Por exemplo, suponha que os pesos de um grupo de estudantes possa ser dado pelo seguinte rol :
36
54
63
81
40
59
64
83
49
60
64
87
49
60
65
90
49
60
65
50
60
65
50
61
67
51
61
68
52
61
74
52
61
77
52
62
77
52
62
81
Representando o Rol em uma tabela de frequncias, seria possvel obter o seguinte resultado:
16
Xi
36
40
49
50
51
52
54
59
60
61
62
63
64
65
67
68
74
77
81
83
87
90
Soma
Fi
1
1
3
2
1
4
1
1
4
4
2
1
2
3
1
1
1
2
2
1
1
1
40
Fi%
2,5%
2,5%
7,5%
5,0%
2,5%
10,0%
2,5%
2,5%
10,0%
10,0%
5,0%
2,5%
5,0%
7,5%
2,5%
2,5%
2,5%
5,0%
5,0%
2,5%
2,5%
2,5%
100,0%
FAci
1
2
5
7
8
12
13
14
18
22
24
25
27
30
31
32
33
35
37
38
39
40
FAci%
2,5%
5,0%
12,5%
17,5%
20,0%
30,0%
32,5%
35,0%
45,0%
55,0%
60,0%
62,5%
67,5%
75,0%
77,5%
80,0%
82,5%
87,5%
92,5%
95,0%
97,5%
100,0%
Note que a tabela de frequncias pouco facilita no processo de compreenso dos dados - que
apresentam-se muito dispersos. Um resultado melhor poderia ser alcanado atravs do
agrupamento dos dados.
Embora a criao de classes de freqncia seja muito mais uma questo de bom senso do que de
matemtica, a estatstica apresenta uma srie de procedimentos sugeridos para a construo de
classes de freqncia. Aps construdo o Rol, os passos para elaborar classes de freqncia
consistem em : determinar o nmero de classes a serem criadas, estimar o intervalo (ou a
amplitude de cada classe) e reagrupar os dados nestas classes.
A determinao do nmero de classes (representado pela letra K) depende, fundamentalmente, do
nmero de elementos estudados (representado pela letra n) :
Se n <= 25 : devem ser criadas cinco classes de freqncia

Se n > 25 : o nmero de classes de freqncia pode ser obtido mediante dois
procedimentos distintos
K= n
K = 1 + 3,22 log(n)
Os intervalos das classes (representados pela letra h) so consequncias diretas da amplitude

total dos dados (isto , da diferena entre o maior dos dados e o menor, tambm denominada de
intervalo ou range) e do nmero de classes que devem ser criadas. Expressando
matematicamente :
h = (maior dos dados - menor dos dados) / (nmero de classes que devem ser criados)
h=
Maior Menor
K
17
Em relao ao exemplo dos pesos, os passos necessrios ao agrupamento poderiam ser

apresentados da seguinte forma :
Passo 01)
Obter o valor de K (num de classes) :

n = 40 -> n>25, assim :
K = Raiz(N) = 6,32455532 = aproximadamente 6 ou
K = 1 + 3,22.log(N) = 6,158633172 aproximadamente 6
Passo 02)
Calcular a amplitude da classe (H)

Range = Maior - Menor = 90 - 36 = 54
H = Range/K = 54/6 = 9
(CUIDADO !!!!! Deve-se evitar aproximaes de H)
Passo 03)
Montar a tabela, com os agrupamentos em classes.

Como o menor valor 36, deve-se construir as classes a partir do menor
valor, a partir da so somadas as amplitudes das classes. Obviamente, o
limite superior da primeira classe deve ser o limite inferior da segunda
classe.
Para que no existam dvidas quanto classificao do valor
correspondente aos limites, empregada a seguinte notao :
|- : limite inferior includo na classe, limite superior no
-| : limite superior includo na classe, limite inferior no
|-| : limite superior e inferior includo na classe
Como o ltimo valor (limite superior da classe mais alta) deve estar includo
no ltimo grupo, deve-se tomar cuidado.
A tabela de frequncias para os pesos poderia ser apresentada da
seguinte forma :
Classe
|36
45
||54
|63
|72
|-|
81
Soma
3.3.
45
54
63
72
81
90
Fi
2
10
12
8
3
5
40
Fi%
5,0%
25,0%
30,0%
20,0%
7,5%
12,5%
100,0%
Faci
2
12
24
32
35
40
Faci%
5,0%
30,0%
60,0%
80,0%
87,5%
100,0%
Exerccios propostos e resolvidos
Exerccio 3.1
Construa o Rol da srie dada a seguir, agrupando em classes de freqncia. Evidencie as etapas
necessrias. Posteriormente, construa o histograma e o diagrama de frequncias.
220
130
120
40
110
180
70
60
80
70
190
140
50
200
120
10
210
30
190
30
70
200
20
70
80
50
130
70
30
140
Exerccio 3.2
18
(E1/991) Para a srie de dados contnuos apresentados a seguir, elabore a tabela de

freqncias, o histograma e o diagrama de freqncias. Mostre os clculos necessrios para a
construo das classes de freqncias.
1,23
2,52
3,25
4,16
1,28
1,84
1,54
1,47
1,69
1,24
5,36
4,27
2,14
2,35
2,61
3,45
4,87
3,16
4,72
4,15
3,21
1,38
2,65
1,88
1,02
5,06
4,25
1,85
1,62
1,51
4,72
1,66
1,29
1,34
1,87
4,85
Resposta :
n=
36
k = N ^1/2 =
6
mximo =
5,36
mnimo =
1,02
intervalo =
4,34
h=
0,7233
3.4.
Classe
1,0200 |- 1,7433
1,7433 |- 2,4667
2,4667 |- 3,1900
3,1900 |- 3,9133
3,9133 |- 4,6367
4,6367 |-| 5,3600
Soma
Fi
Faci
13
6
4
3
4
6
36
13
19
23
26
30
36
Fi%
36,11%
16,67%
11,11%
8,33%
11,11%
16,67%
100,00%
Faci%
36,11%
52,78%
63,89%
72,22%
83,33%
100,00%
Aplicaes no Excel
No Excel, a organizao de dados facilitada pelo recurso disponibilizado atravs do menu Dados
-> Classificar. Para us-lo, deve-se primeiro selecionar a coluna ou linha onde esto dados e, a
seguir, rodar a opo de classificao.
Para os dados , situados na coluna B, poderia ser configurada a opo abaixo. O resultado obtido
seria o Rol, j apresentado anteriormente.
A aplicao do recurso de classificao de dados no Excel requer alguns cuidados. Se os dados

esto dispostos em diversas colunas, necessrio, primeiro, selecionar todos os dados, e depois
19
mandar organizar a coluna desejada. Caso este procedimento no seja cumprido, ocorrer uma
desorganizao da estrutura dos dados, comprometendo a utilizao posterior da base.
Existem, no Excel, algumas funes teis para o clculo de frequncias como as relatadas a
seguir:
Funo CONT.NM
Calcula quantas clulas que no esto vazias e os valores na lista de argumentos. Use
CONT.NM para obter o nmero de clulas que contm dados em um intervalo ou matriz.
Sintaxe : CONT.NM(valor1;valor2; ...), onde valor1; valor2, ... so argumentos de 1 a 30 que
contm ou se referem a uma variedade de diferentes tipos de dados, mas somente os nmeros
so contados.
Observaes importantes : os argumentos que so nmeros, datas ou representaes de texto
de nmero so calculados, os argumentos que so valores de erro ou texto que no podem ser
traduzidos em nmeros so ignorados. Se um argumento for uma matriz ou referncia, somente os
nmeros nesta matriz ou referncia so calculados. Clulas vazias, valores lgicos, texto ou
valores de erro nesta matriz ou referncia so ignorados. Se voc precisa calcular valores lgicos,
texto ou valores de erro, utilize a funo CONT.VALORES.
Funo CONT.VALORES
Calcula o nmero de clulas no vazias e os valores na lista de argumentos. Use CONT.VALORES
para calcular o nmero de clulas com dados em um intervalo ou matriz.
Sintaxe : CONT.VALORES(valor1;valor2; ...). Onde valor1; valor2;... so argumentos de 1 a 30
que representam os valores que voc deseja calcular. Neste caso, um valor qualquer tipo de
informaes, incluindo texto vazio (""), mas no incluindo clulas em branco. Se um argumento for
uma matriz ou referncia, as clulas vazias na matriz ou referncia so ignoradas.
Funo CONTAR.VAZIO
Conta o nmero de clulas vazias no intervalo especificado.
Sintaxe : CONTAR.VAZIO(intervalo); onde intervalo o intervalo no qual se deseja contar as
clulas em branco.
Observaes importantes : clulas com frmulas que retornam "" (texto vazio) tambm so
contadas. Clulas com valores nulos no so contadas.
Funo CONT.SE
Calcula o nmero de clulas no vazias em um intervalo que corresponde a determinados critrios.
Sintaxe : CONT.SE(intervalo;critrios); onde intervalo o intervalo de clulas no qual se deseja
contar clulas no vazias; critrios o critrio na forma de um nmero, expresso ou texto que
define quais clulas sero contadas. Por exemplo, os critrios podem ser expressos como 32, "32",
">32", "mas".
Por exemplo : suponha que A3:A6 contenha "mas", "laranjas", "pras", "mas",
respectivamente. Neste caso, CONT.SE(A3:A6;"mas") igual a 2.
Outro exemplo : suponha que B3:B6 contenha 32, 54, 75, 86, respectivamente. Neste caso,
CONT.SE(B3:B6;">55") igual a 2.
O exemplo a seguir mostra a aplicao das funes de contagem do Excel. No intervalo A1:A5
foram digitados os valores 12; 15; 16; 23 e o texto sim. Os resultados das aplicaes das funes
de contagem podem ser vistos na figura.
20
Funo FREQNCIA
Calcula a freqncia com que os valores ocorrem em um intervalo de valores e, em seguida,
retorna uma matriz vertical de nmeros. Por exemplo, use FREQNCIA para contar o nmero de
resultados de teste. Pelo fato de FREQNCIA retornar uma matriz, deve ser inserida como uma
frmula matricial.
Sua sintaxe do tipo : FREQNCIA(matriz_dados;matriz_bin), onde : matriz_dados uma matriz
ou uma referncia a um conjunto de valores cujas freqncias voc deseja contar; matriz_bin
uma matriz ou referncia a intervalos nos quais voc deseja agrupar os valores contidos em
matriz_dados.
Observaes importantes : se matriz_dados no contiver valores, FREQNCIA retornar uma
matriz de zeros; se matriz_bin no contiver valores, FREQNCIA retornar o nmero de
elementos em matriz_dados.
Outros comentrios : FREQNCIA inserida como uma frmula matricial depois de selecionado
um intervalo de clulas adjacentes no qual voc deseja que a distribuio fornecida aparea; o
nmero de elementos na matriz retornada o nmero de elementos em matriz_bin mais um;
FREQNCIA ignora clulas em branco e texto; as frmulas que retornam matrizes devem ser
inseridas como frmulas matriciais. Para obter maiores informaes sobre a insero de frmulas
matriciais, clique em .
Por exemplo : considere uma planilha com uma listagem de resultados de um teste. Os resultados
so 79, 85, 78, 85, 83, 81, 95, 88 e 97, e so inseridos em A1:A9 respectivamente. A matriz_dados
conteria uma coluna desses resultados de teste. Matriz_bin seria uma outra coluna de intervalos
pela qual os resultados de teste seriam agrupados. Por exemplo, matriz_bin seria C4:C6 e conteria
os valores 70, 79 e 89. Quando fosse inserida como uma matriz, voc poderia usar FREQNCIA
para contar o nmero de resultados correspondendo aos intervalos de letra 0-70, 71-79, 80-89 e
90-100. Este exemplo considera todos os resultados de teste como nmeros inteiros. A frmula
seguinte ser inserida como uma frmula matricial depois que quatro clulas verticais, adjacentes
aos seus dados, forem selecionadas : FREQNCIA(A1:A9;C4:C6) igual a {0.2.5.2}
A aplicao de funes matriciais no Excel requer um cuidado adicional. Aps digitar e copiar a
frmula para a rea desejada, deve-se editar a primeira clula e pressionar, de forma conjunta, as
teclas Control, Shift e Enter.
No Excel, existem algumas funes que facilitam a construo de classes de freqncia.

21
Funo MAIOR
Esta funo calcula o maior valor k-simo de um conjunto de dados. Voc pode usar esta funo
para selecionar um valor de acordo com a sua posio relativa. Por exemplo, voc pode usar
MAIOR para obter o primeiro, o segundo e o terceiro resultados. Sintaxe : MAIOR(matriz;k); onde
matriz a matriz ou intervalo de dados cujo maior valor k-simo voc deseja determinar; k a
posio (do maior) na matriz ou intervalo de clula de dados a ser fornecida.
Observaes importantes : se a matriz estiver vazia, MAIOR retornar o valor de erro #NM!; se k
< 0 ou se k for maior que o nmero de pontos de dados, MAIOR retornar o valor de erro #NM!;
se n for o nmero de pontos de dados em um intervalo, MAIOR(matriz;1) retornar o maior valor e
MAIOR(matriz;n) retornar o menor valor.
Por exemplo : MAIOR({3.4.5.2.3.4.5.6.4.7};3) igual a 5; MAIOR({3.4.5.2.3.4.5.6.4.7};7) igual a 4.
Funo MXIMO
Esta funo calcula o valor mximo de um conjunto de valores. Sua sintaxe do tipo
MXIMO(nm1;nm2; ...); onde nm1; nm2;... so 1 a 30 nmeros cujo valor mximo voc deseja
localizar.
Observaes importantes : podem ser especificados argumentos que so nmeros, clulas
vazias, valores lgicos ou representaes em forma de texto de nmeros. Os argumentos que so
valores de erro ou texto que no podem ser traduzidos em nmeros geram erros. Se um
argumento for uma matriz ou referncia, apenas os nmeros nesta matriz ou referncia sero
usados. Clulas vazias, valores lgicos ou texto na matriz ou referncia sero ignorados. Se os
valores lgicos e o texto tiverem que ser ignorados, use MXIMO. Se os argumentos no
contiverem nmeros, MXIMO retornar 0.
Por exemplo : se A1:A5 contiver os nmeros 10, 7, 9, 27 e 2, ento MXIMO(A1:A5) igual a 27.
MXIMO(A1:A5;30) igual a 30
Funo MXIMOA
Esta funo calcula o maior valor em uma lista de argumentos. Alm de nmeros, so comparados
valores lgicos e de texto, como VERDADEIRO e FALSO. Sua sintaxe do tipo
MXIMOA(valor1;valor2;...); onde valor1; valor2;... so 1 a 30 valores cujo valor mximo se
deseja encontrar.
Observaes importantes : pode ser especificados argumentos que sejam nmeros, clulas
valores de erro geram erros. Se o clculo no deve incluir valores lgicos e de texto, use, em
substituio, a funo de planilha MXIMO. Se um argumento for uma matriz ou referncia, sero
usados apenas valores nesta matriz ou referncia. As clulas vazias e valores de texto na matriz
ou referncia sero ignorados. Os argumentos que contiverem VERDADEIRO sero avaliados
como 1; os argumentos que contiverem texto ou FALSO sero avaliados como 0 (zero). Se os
argumentos no contiverem valores, MXIMOA retornar 0 (zero).
Por exemplo, se A1:A5 contiver os nmeros 10; 7; 9; 27 e 2, ento MXIMOA(A1:A5) igual a 27.
MXIMOA(A1:A5;30) igual a 30. Se A1:A5 contiver os valores 0; 0,2; 0,5; 0,4 e VERDADEIRO,
ento MXIMOA(A1:A5) igual a 1.
22
Funo MENOR
Esta funo calcula o menor valor k-simo do conjunto de dados. Use esta funo para retornar
valores com uma posio especfica relativa em um conjunto de dados.
Sintaxe : MENOR(matriz;k), onde matriz uma matriz ou intervalo de dados numricos cujo menor
valor k-simo voc deseja determinar; k a posio (a partir do menor) na matriz ou intervalo de
dados a ser fornecido.
Observaes importantes : se matriz estiver vazia, MENOR retornar o valor de erro #NM!. Se k
menor ou igual a 0 ou k exceder o nmero de pontos de dados, MENOR retornar o valor de erro
#NM!. Se n for o nmero de pontos de dados em matriz, MENOR(matriz;1) ser igual ao menor
valor, e MENOR(matriz;n) ser igual ao maior valor.
Por exemplo : MENOR({3;4,5;2;3;4;5;6;4;7};4) igual a 4; MENOR({1;4;8;3;7;12;54;8;23};2) igual
a 3.
Funo MNIMO
Esta funo calcula o menor nmero na lista de argumentos.
Sintaxe : MNIMO(nm1;nm2; ...), onde nm1; nm2;... so nmeros de 1 a 30 para os quais
voc deseja encontrar o valor mnimo.
Observaes importantes : voc pode especificar os argumentos que so nmeros, clulas vazias,
valores lgicos ou representaes em texto de nmeros. Os argumentos que so valores de erro
ou texto que no podem ser traduzidos em nmeros causam erros. Se um argumento for uma
matriz ou referncia, apenas os nmeros daquela matriz ou referncia podero ser usados. Clulas
vazias, valores lgicos ou valores de erro na matriz ou referncia sero ignorados. Se o texto e os
valores lgicos no devem ser ignorados, ento utilize MNIMOA. Se os argumentos no
contiverem nmeros, MNIMO retornar 0.
Por exemplo : : se A1:A5 contiver os nmeros 10, 7, 9, 27 e 2, ento MNIMO(A1:A5) igual a 2.
MNIMO(A1:A5; 0) igual a 0
Funo MNIMOA
Esta funo calcula o menor valor na lista de argumentos. Alm de nmeros, so comparados
valores lgicos e de texto, como VERDADEIRO e FALSO.
Sintaxe : MNIMOA(valor1;valor2;...); onde valor1; valor2;... so 1 a 30 valores cujo valor mnimo
voc deseja encontrar.
Observaes importantes : voc pode especificar argumentos que sejam nmeros, clulas
valores de erro geram erros. Se o clculo no deve incluir valores lgicos ou de texto, use, em
substituio, a funo de planilha MNIMO. Se um argumento for uma matriz ou referncia, sero
usados apenas valores nesta matriz ou referncia. As clulas vazias e valores de texto na matriz
ou referncia sero ignorados. Os argumentos que contiverem VERDADEIRO sero avaliados
como 1; os argumentos que contiverem texto ou FALSO sero avaliados como 0 (zero). Se os
argumentos no contiverem valores, MNIMOA retornar 0 (zero).
Por exemplo : : se A1:A5 contiver os nmeros 10; 7; 9; 27 e 2, ento MNIMOA(A1:A5) igual a 2.
MNIMOA(A1:A5;0,0) igual a 0. Se A1:A5 contiver os valores FALSO; 0,2; 0,5; 0,4 e 0,8, ento
MNIMOA(A1:A5) igual a 0.
23
CAPTULO 4.
APRESENTAES GRFICAS DE
DADOS
Uma imagem vale por mil palavras.
Antigo provrbio chins.
Uma forma ldica e bastante interessante de apresentar dados consiste no uso de grficos. A
seguir so apresentados alguns dos principais tipos de grficos empregados na estatstica. Uma
maior explicao sobre grficos e sua utilizao pode ser visto no livro de Toledo e Ovale.
4.1.
Histograma
O histograma representa as frequncias das classes. Para dados no agrupados em classes sua
representao pode ser vista no grfico seguinte.
Idades
16
17
18
19
20
Soma
Fi
4
5
8
10
13
40
Fi%
10,0%
12,5%
20,0%
25,0%
32,5%
100,0%
Faci
4
9
17
27
40
Faci%
10,0%
22,5%
42,5%
67,5%
100,0%
Histograma de Idades
15
10
5
0
16
17
18
19
20
Para dados agrupados em classes, bastante similar ao grfico de colunas, porm, no tem
espaos entre as classes.
24
4.2.
Pareto
Representa o histograma, com base em classes de freqncia ordenadas : da de maior freqncia

para a de menor freqncia.
25
Freqncia
20
15
10
5
0
54,3 58,9 68,1 63,5 77,4 Mais 49,6 72,8 45,0
Bloco
As classes de freqncia so representadas da maior para a menor.
4.3.
Ogiva
Representa as frequncias mostradas no histograma. Podem ser as freqncias simples ou

relativas, acumuladas ou no.
25
25
20
15
10
5
0
45
49
,6
25
54
,2
5
58
,8
75
63
,
68 5
,1
25
72
,7
5
77
,3
75
M
ai
s
Figura 4.1 : Diagrama de frequncias simples.
4
49 5
,6
25
54
,2
58 5
,8
75
63
,
68 5
,1
25
72
,7
5
77
,3
75
M
ai
s
30%
25%
20%
15%
10%
5%
0%
Figura 4.2 : Diagrama de frequncias relativas.
4
49 5
,6
25
54
,2
58 5
,8
75
63
,
68 5
,1
25
72
,7
77 5
,3
75
M
ai
s
120%
100%
80%
60%
40%
20%
0%
Figura 4.3 : Diagrama de frequncias relativas acumuladas.
4.4.
Boxplot
Representa a disperso dos dados, revelando a mediana e os quartis (medidas de posio a

serem apresentadas mais a seguir no texto). Infelizmente, este grfico no disponibilizado pelo
Excel, embora esteja presente em quase todos os softwares estatsticos (como o SPSS ou o
Minitab).
26
Figura 4.1 : Exemplo de boxplot, separado por grupos.
4.5.
Grfico de barras
Similar ao histograma, apresenta as frequncias sob a forma de barras horizontais.
72
Medicina
Engenharia
95
Direito
121
Arquitetura
83
Administrao
156
4.6.
50
100
150
200
Grfico de colunas
Similar ao histograma, apresenta as frequncias sob a forma de colunas verticais.
180
156
160
140
121
120
100
80
95
83
72
60
40
20
0
27
4.7.
Grfico de setores
Representa frequncias relativas ou simples sob a forma de setores de crculo.
14%
29%
Administrao
Arquitetura
18%
Direito
Engenharia
Medicina
16%
23%
4.8.
Diagrama de disperso
Mostra a relao grfica existente entre duas variveis numricas. Sua anlise ser aprofundada
no segundo mdulo de estatstica.
Vendas
60,00
48,00
54,00
50,00
65,00
4.9.
Custo
49,00
43,00
46,00
45,00
53,00
55,00
50,00
45,00
40,00
40,00
50,00
60,00
70,00
Grficos pictricos ou pictogramas
So construdos a partir de figuras ou conjuntos de figuras representativas da intensidade ou das

modalidades do fenmeno. Jornais e revistas costumam apresent-los com relativa freqncia.
Toledo e Ovale (1997, p. 85) chamam a ateno para alguns aspectos relacionados aos
pictogramas:
1.
2.
3.
4.
Os simbolos devem ser auto-explicativos.

As diferentes quantidades devem expressar-se mediante maior ou menor nmero de
smbolos, e no mediante um aumento ou diminuio do smbolo bsico.
Os grficos devem proporcionar uma viso geral do fenmeno, e no detalhes minunciosos.
Os pictogramas estabelecem comparaes gerais, devendo ser evitados para interpretar
afirmaes ou dados isolados.
28
Vendas
10
Oeste
8
Leste
15
Sul
Norte
12
0
10
15
20
Figura 4.1 : Exemplo de pictograma.
4.10.
Falhas na elaborao de grficos
Embora a visualizao de informaes em grficos seja mais simples e fcil, em determinadas

situaes, os grficos podem representar uma armadilha : transmitindo um contedo nem sempre
verdadeiro.
Entre os principais erros na elaborao de grficos pode-se mencionar :
a) chart junk grfico sucata : figura demais, informao de menos . s vezes, o uso
excessivo de figuras pode ocultar a informao que se deseja transmitir. Por exemplo, a
evoluo do salrio mnimo exibida a seguir com cdulas mascara a verdadeira a evoluo
(aumento de 280%). A informao referente ao aumento muito melhor transmitida no grfico
em forma de linha.
M Apresentao
Boa apresentao
Salrio Mnimo
Salrio Mnimo
1960: $1.00
1970: $1.60
2
1980: $3.10
1990: $3.80
0
1960
1970
1980
1990
b) ausncia de base relativa : os grficos podem ocultar a verdadeira informao transmitida em

funo da base empregada ou sugerida na anlise. Por exemplo, os grficos seguintes
mostram a repetncia em quatro classes distintas : FR, SO, JR e SR. No grfico esquerda
nota-se que a repetncia na primeira classe foi maior. No primeiro grfico est exibida, apenas,
a freqncia simples dos alunos que perderam. Se as classes possurem tamanhos diferentes,
uma melhor transmisso de informao feita atravs do uso de base relativa. Em relao
repetncia, nota-se que, em temos percentuais e relativos, no existiu diferenas entre as
classes.
29
M Apresentao
Boa apresentao
Reprovados por Classe
Reprovados por Classe
Freq.
300
30%
200
20%
100
10%
0%
FR SO JR SR
FR SO JR SR
c) eixo vertical comprimido : um grfico deve ser utilizado para transmitir a informao da
melhor maneira possvel. As escalas empregadas devem ser coerentes com o tamanho da
figura exibido. Na figura seguinte, exibida esquerda, esto apresentadas as evolues de
vendas quadrimestrais de determinada empresa. Em funo da escala utilizada (amplitude
variando entre 0 e 200), as diferenas de vendas pouco podem ser percebidas. Porm, uma
anlise mais detalhada e melhor percepo pode ser vista na figura esquerda (que adotou
uma escala mais apropriada, entre 0 e 50).
200
M Apresentao
Boa apresentao
Vendas Quadrimestrais
50
100
25
Q1 Q2 Q3 Q4
Q1
Q2
Q3
Q4
d) ausncia do ponto zero : a ausncia do ponto zero em uma figura pode disfarar a anlise,
aumentando demasiadamente eventuais variaes. Vide a figura seguinte:
M Apresentao
Boa apresentao
45
60
42
40
39
20
36
J M M J S N
J M M J
S N
30
4.11.
Aplicaes no Excel
O uso de grficos no Excel facilitado pelo emprego do Assistente de Grfico, disponibilizado na

barra de ferramentas. Havendo selecionado previamente a rea da planilha onde esto dos dados
que se deseja representar em grficos, basta seguir as etapas do Assistente de Grfico.
As opes de grficos no Excel so bastante variadas : colunas, barras, linhas, disperso, etc.
31
CAPTULO 5.
MEDIDAS DE TENDNCIA CENTRAL 2

A estatstica a mais perversa das cincias.
Se voc come dois frangos e eu no como
nenhum, ela diz que, na mdia, ambos
comemos um frango.
Annimo.
5.1.
Objetivos do captulo:
Esse captulo consiste em explicar de forma clara e objetiva os conceitos das seguintes
Medidas de Tendncia Central: mdia, moda, mediana, mdia aritmtica, mdia harmnica, mdia
geomtrica.
So dados exemplos logo aps a explicao do assunto para que dessa forma o aluno
possa assimilar rapidamente o contedo.
Encontram-se tambm nesse captulo, uma srie de exerccios resolvidos
5.2.
Fundamentao terica e exemplos
As medidas de tendncia central so valores que resumem o comportamento central dos dados e
podem representar um conjunto de dados. So assim denominadas, pois representam os
fenmenos pelos seus valores mdios, em torno dos quais tendem a concentrar-se os dados.
As medidas de tendncia central caracterizam os grupos como um todo, descrevendo-os de forma
mais compacta do que as tabelas e grficos. Focalizam a ateno na natureza dos dados medidos,
implicando em perda de informao.
Segundo Fonseca (1985), essas medidas orientam-nos quanto a posio da distribuio no eixo x
(eixo dos nmeros reais) e possibilitam que comparemos sries de dados entre si pelo confronto
desse nmeros.
Podem apresentar-se de vrias formas, dependendo daquilo que se pretende conhecer a respeito
dos dados estatsticos. A moda, a mdia aritmtica e a mediana so as mais utilizadas para
resumir o conjunto de valores representativos que se deseja estudar. Essas determinam um nico
nmero representativo de uma srie, e raramente coincidem..
5.3.
Mdias
A mdia um valor representativo de um conjunto de dados. Seu valor nico e utilizamos todos
os dados para o seu clculo, alm disso, sensvel aos valores discrepantes, ou seja, extremos.
Existem vrios tipos de mdia, porm a que iremos estudar so: harmnica, geomtrica e
aritmtica, sendo essa ltima a mais utilizada.
Elaborado inicialmente por Renata Macedo Guimares (rmfg@bol.com.br); Tatiana de Mendona Mattos
(mtm@svn.com.br); Vanessa Souto G. Gomes (vsouto@terra.com.br). Tambm colaboraram : Beatriz
Salvador (bia.ssa@ig.com.br), Camila Azevedo (camilazv@ig.com.br), Gabriele Franco (bealley@bol.com.br);
Isabel Cristina (beltina19@yahoo.com.br); Sara Pimenta Lacerda (saralacerda@hotmail.com) e Sandra
Ahringsmann (s_c_a@zipmail.com.br).
32
5.3.1. Mdia aritmtica

DADOS DISCRETOS
Pode ser chamada simplesmente de mdia. definida pelo somatrio dos dados e dividido pela
quantidade de nmeros da srie.
Pode ser representada pelo smbolo
(mdia amostral) ou
(mdia populacional):
x=
xi
i =1
Propriedades da mdia aritmtica:

A soma dos desvios calculados de um conjunto de nmeros em relao a mdia aritmtica da
distribuio zero.
Exemplo:
Os desvios dos nmeros 7,8,9,10,11,15 em relao a sua mdia que (7+8+9+10+11+15)/6 =
10, so:
X
Xi
= x
7
8
9
10
11
15
7
8
9
10
11
15
10
10
10
10
10
10
= -3
= -2
= -1
= 0
= 1
= 5
(x)=0
A soma dos quadrados dos desvios em relao a mdia representa um valor mnimo. Caso
substitua a mdia por outro valor qualquer (maior ou menor que a mdia), a soma dos quadrados
dos desvios encontrados ser superior a encontrada quando utilizamos a mdia real.
Exemplo:
Xi
Xi - X = x
7 - 8 = -1
88=0
9 8 =1
10 8 = 2
11 8=3
15 8=7
7
8
9
10
11
15
Logo, ( x = 64)
33
Quando os valores da srie tiverem pesos diferentes, a mdia aritmtica denominada mdia
ponderada. Ela obtida atravs do quociente entre o produto dos valores da varivel pelos seus
respectivos pesos e a soma dos pesos.
Se uma srie composta por N1 nmeros, sua mdia ser
sua mdia ser
X=
X 1 , se formada por Nn nmeros, logo
X n . Portanto, a mdia final ser :
N1X 1 + N 2 X 2 + ... + Nn
=
N1 + N 2 + ... + Nn
NX
N
Atravs da mdia ponderada podemos reunir vrios grupos em um grupo mais amplo,
determinando a mdia total sem precisar recorrer aos dados originais.
Exemplo:
Na Faculdade Ruy Barbosa foi feita um teste de inteligncia geral com 300 estudantes dos cursos
de Administrao, Processamento de Dados, Cincia da Computao e Psicologia. Os dados a
respeito do nmero de alunos e a mdia aritmtica de cada amostra foram os seguintes:
CURSOS
Administrao
Cincia da Computao
Processamento de Dados
Psicologia
X=
N
83
69
73
75
300
X
40
35
33,7
44,2
83x 40 + 69 x35 + 73x 33,7 + 75 x 44,2

= 38,367
300
Portanto, a mdia dos alunos dos cursos acima foi aproximadamente 38, o que corresponde a um
desempenho fraco, j que o teste era composto por 50 questes, ento o resultado mximo era 50.
Essa mdia global nos permite comparar a mdia dos grupos, mostrando que o curso de
Processamento de Dados obteve a menor mdia e o curso de Psicologia a maior.
Ao somarmos ou subtrairmos uma constante a todos os valores da srie, a mdia ser somada ou
subtrada desse mesmo valor.
Exemplo:
X
7
8
9
10
11
15
X+2
9
10
11
12
13
17
Como o resultado da mdia
X2
5
6
7
8
9
13
X = 10 , observamos que:
34
9 + 10 + 11 + 12 + 13 + 17
= 12
6
X +2 =
X 2 =
5 + 6 + 7 + 8 + 9 + 13
=8
6
Ao multiplicarmos ou dividirmos uma constante a todos os valores da srie, a mdia ser

multiplicada ou subtrada desse mesmo valor.
Exemplo :
X
7
8
9
10
11
15
2X
14
16
18
20
22
30
Como o resultado da mdia
X 2 =
X/2
3,5
4
4,5
5
5,5
7,5
X = 10 , observamos que:
14 + 16 + 18 + 20 + 22 + 30
= 20
6
X 3,5 + 4 + 4,5 + 5 + 5,5 + 7,5

=
=5
2
6
Clculo da mdia aritmtica para dados repetidos:

Usa-se esse processo para amostras grandes, evitando-se tornar o processo demorado. Neste
caso, agrupa-se os dados numa tabela de distribuio de frequncia simples e determina-se a
mdia como se fosse ponderada, com as freqncias de cada resultado, servindo como peso dos
mesmos.
Exemplo:
Foi feita uma avaliao com 40 alunos do curso de Administrao da Faculdade Ruy Barbosa para
determinar a mdia das idades desses alunos .
X
17
18
19
20
21
22
23
Fi
1
11
8
7
10
2
1
40
Fi . X
17
198
152
140
210
44
23
784
Com a utilizao da frmula a seguir, encontra-se a mdia:
X=
fX
n
ento
X=
784
= 19,6
40
Vantagens e desvantagens da mdia aritmtica:

Vantagens:
35
de fcil compreenso, podendo ser calculada diretamente usando-se calculadoras

apropriadas;
Depende de todos os valores da distribuio, usando todos os dados disponveis;
Evidencia bastante estabilidade de amostra para amostra;
Possibilita a manipulao de dados, com o clculo de mdias combinadas (*);
Pode ser facilmente includa em equaes matemticas.
Desvantagens:
afetado por valores extremos da srie, no representando com preciso a distribuio em

que esses valores ocorrem com frequncia acentuada;
necessrio conhecer todos os valores da distribuio;
A mdia no tem, necessariamente, existncia real. Pode ser obtida uma mdia de idade igual
a 9.7, o que um valor inexistente.
Dados Agrupados em Classes
Mdia utilizando a tabela de frequncia:

Para dados agrupados em classe a mdia resulta de uma ponderao do pontos mdios pelas
frequncias.
X=
Pm Fi
Fi
Exemplo 1:
Determine a mdia, com base na tabela de frequncia e com base no ROL.
ROL: 3;5;5;6;7;10;10;12;13;16;17;18;18;19;20;21;23;24;24;25;27;27;28;33.
CLASSE
39
9 15
15 21
21 27
27 33
Fi
5
4
6
5
4
24
Fi%
20,83
16,66
25,00
20,83
16,66
100,0
Faci%
20,83
37,49
62,49
83,32
100,0
Pme
6
12
18
24
31
De acordo com a tabela de frequncia, a mdia determinada por:
X=
5 6 + 4 12 + 6 18 + 5 24 + 4 30
= 17,75
24
Porm de acordo com o ROL, h uma distoro nesse valor, a mdia passa a ser:
X=
ROL = 17,125
n
36
Isso demonstra que o fato de utilizar a tabela de frequncia resulta em perda de informao.
5.3.2. Mdia Geomtrica

A mdia geomtrica obedece a um certo padro de crescimento.
PERODO
DADOS
3
8
4
16
5
36
6
64
A razo de crescimento fornecida pelo quociente de um dado pelo seu antecessor. Nesse caso a
razo de crescimento igual a 2. Segundo Bunchaft e Kellner, a mdia geomtrica usada para
mdias proporcionais de crescimento quando uma mdia subsequente depende de mdias
prvias.
Exemplo:
Se uma populao de um milho de habitantes em 1970 aumentou para quatro milhes em 1990,
quadruplicou em 20 anos; qual seria a cifra da populao em 1980 ? determinada calculando-se
a mdia geomtrica, sendo multiplicado todos os valores da srie e em seguida extrada a raiz de
ordem n desses valores, de acordo com a seguinte frmula :
n
G=
X 1X 2 X 3...
Para o exemplo acima tem-se :
G = 1 4
Portanto, a populao em 1980 seria de 2 milhes de habitantes.
5.3.3. Mdia Harmnica

A mdia harmnica utilizada para determinar a mdia de crescimento ou propores de preos e
velocidades, j que se for utilizado a mdia aritmtica no encontraremos o resultado correto.
representada por
Xh =
X n e definida por:
4
=
1 / X +1 / X + ...+1 / Xn
n
n
1/ Xi
i=1
Exemplo:
O preo de 1 Kg de batata R$2,00 , aps duas semanas esse preo aumentou para R$ 3,00.
Determine. Determine o preo mdio por Kg de batata.
Xh =
2
= 2, 4
1 / 2 +1/ 3
37
A utilizao da mdia aritmtica resultaria num resultado errneo. O preo seria R$ 2,50, o que
corresponde ao preo mdio por reais gastos e o que se quer saber o preo mdio por Kg.
A mdia harmnica sempre menor ou igual a mdia geomtrica, que por sua vez, menor ou
igual a mdia aritmtica, isso : X h X g X
Na mdia harmnica o denominador caracterizado por apresentar uma progresso aritmtica:
PERODO
DADO
5.4.
4
1/4
5
1/5
6
1/6
7
1/7
Mediana
Dados Discretos
definida como uma medida de tendncia central, cujo valor, est no meio da srie, isto , numa
posio de mesma distncia dos extremos dos elementos da srie.
A mediana, a qual definida como Md, divide uma srie de X elementos, em duas emendas iguais,
uma delas com valores inferiores ao da mediana e a outra com valores superiores
Logo, a mediana ser o valor de Y, tal qual, Faci% (Y = Md ) = = 50%.
Quando os valores esto ordenados no ROL e h um nmero par de argumentos, a mediana ser
a mdia dos valores do meio, porm se for uma quantidade impar, a mediana ser o valor central.
Exemplo 1:
Foi realizado um teste entre 11 pessoas, para determinar quais seriam aprovadas para o curso de
Administrao da faculdade Ruy Barbosa, sem que fosse preciso fazer vestibular. Dessas pessoas,
apenas 50% foram aprovadas. Sabendo-se que a mediana a nota mnima a ser atingida pelos
alunos que sero aprovados, determine-a.
Notas: 8,3; 7,2; 9,0; 10,0; 6,7; 8,0; 7,0; 8,5; 6,5; 3,0; 6,9.
ROL: 3,0; 6,5; 6,7; 6,9; 7,0; 7,2; 8,0; 8,3; 8,5; 9,0; 10,0.
Como o nmero de dados impar, o valor central representa a nota mnima, que no exemplo
citado 7,2.
Exemplo 2:
Caso o teste citado no exemplo acima tivesse sido realizado entre 12 pessoas, qual seria a nota
mnima?
Notas: 8,3; 7,2; 9,0; 10,0; 6,7; 8,0; 7,0; 8,5; 6,5; 3,0; 6,9; 6,0.
ROL: 3,0; 6,0; 6,5; 6,7; 6,9; 7,0; 7,2; 8,0; 8,3; 8,5; 9,0; 10,0.
38
7,0 + 7,2
= 7,1
2
Md:
Como o nmero de dados impar, a nota mnima representada pela a mdia aritmtica dos dois
valores centrais, que no exemplo citado 7,1.
Clculo da mediana para dados repetidos:
O clculo da mediana para dados repetidos feito da mesma forma que para dados no
agrupados. aconselhvel utilizar a tabela de freqncias acumuladas.
Exemplo 1:
Calcular a mediana dos valores dispostos na tabela:
VALORES
3
5
6
10
13
FREQUNCIAS
5
1O
1
4
7
N = 27
Como a tabela apresenta 27 termos, a mediana representada pelo 14. O procedimento para a
resoluo dessa questo o mesmo utilizado com dados no agrupados: dispe os valores no
ROL, e identifica qual o termo central.
Exemplo 2:
De acordo com a tabela, determine a mediana:
VALORES
3
5
6
10
13
Soma
FREQUNCIAS
6
10
1
4
7
28
A mediana, como nos dados no agrupados, a mdia aritmtica dos dos termos centrais. So
eles, o termo 14 e 15, que so representados pelos nmeros 5 e 5.
Md :
5 +5
= 5.
2
Vantagens e desvantagens da mediana:

Vantagens:
Mesmo que alguns valores da srie sejam modificados, ela pode manter-se inalterada.
Os valores extremos no interferem no seu resultado, por isso indicada quando tem valores
discrepantes.
39
Mesmo que os valores mais altos e mais baixos da srie no estejam definidos, ela pode ser
determinada.
Exemplo:
Suponha que a renda dos brasileiros esteja disposta na tabela seguinte:
SALRIO MNIMO
At 1
1 5
5 10
+ de 10
FREQUNCIA (MILHES)
30,0
34,7
5,3
2,0
Total = 72
So 72 milhes de brasileiros assalariados, isso significa que a mediana corresponde ao 36

milionsimo indivduo e ser encontrada na fixa salarial de 1 5 salrios mnimo. Isso comprova o
que foi dito acima, pois a primeira e a ltima faixa salarial no foram determinadas.
Pode ser utilizada para dados que tm a possibilidade de serem ordenados;
Desvantagens:
Se for determinada a mediana dos grupos separados, no ser encontrada a mediana do

grupo.
DADOS AGRUPADOS EM CLASSE

necessrio que os valores da varivel estejam dispostos numa tabela de frequncia. A mediana
ser o valor da varivel, para a qual 50% da frequncia total fique situada acima dela e os outros
50% abaixo, ou seja, ela divide o ROL ordenado em duas partes iguais. Para encontra-la
utilizamos a frmula a seguir:
Md = l + h.[( EMd Fant ) / fMd ]
Onde:
l = limite inferior da classe mediana;
h = amplitude da classe ;
EMd = frequncia / 2;
Fant = frequncia acumulada da classe anterior classe da mediana;
fMd = frequncia da mediana.
Exemplo:
Considerando a tabela de frequncia, determine a mediana.
CLASSE
39
9 15
15 21
21 27
27 33
Soma
Fi%
20,83
16,67
25,00
20,83
16,67
100,0
Faci%
20,83
37,50
62,50
83,33
100,0
Para encontrar o valor da mediana utiliza-se a frmula apresentada anteriormente.

A classe da mediana a que contem Fi% = 50%.
40
Md = 15 + 7( 50 37,5 ) / 25
Md = 18,5
5.5.
Moda
A moda o valor que ocorre com maior frequncia na distribuio dos dados. Ela pode no existir,
sendo assim, a srie denominada de amodal ou no ser nica, constituindo uma srie
multimodal.
importante ressaltar que apesar da moda ser o valor que mais se repete, ela no
+
obrigatoriamente a maioria no resultado final; ou seja, se o tipo sanguneo mais frequente for o A ,
no necessariamente a maioria das pessoas o tero.
Para amostras grandes, aconselhvel formar uma distribuio de frequncia simples. A moda
ser encontrada da mesma forma que para dados no agrupados, ela estar onde a frequncia for
maior.
Uma caracterstica importante da moda que ela a nica medida de tendncia central que pode
ser aplicada para dados quantitativos e qualitativos.
Exemplo 1: (dado quantitativo)
O nmero de filmes locados a cada hora foi coletado em trs locadoras, sejam elas: R, T, V. os
dados obtidos em seis horas foram:
Locadora R: 0, 1, 2, 2, 2, 3.:
Locadora T: 1, 2, 2, 3, 3, 4.
Locadora V: 0, 1, 2, 3, 4, 5.
Determine a moda de cada uma.
Na locadora R, a moda o 2 (valor que mais se repete).
Na locadora T, as modas so o 2 e o 3, pois como foi visto anteriormente pode ter mais de uma
moda em uma srie, sendo esta denominada de multimodal.
Na locadora V, no existe a moda, pois todos os valores aparecem com a mesma frequncia,
sendo assim, a srie denominada de amodal.
Exemplo 2: (dado qualitativo)

Foi feita uma pesquisa de opinio com os leitores de trs revistas, sendo elas, A, B, C, para
determinar a qualidade dos seus servios. Os valores possveis so: E (excelente), O (timo), B
(bom), R (regular) e P (pssimo). Abaixo ser dado a frequncia com que esses dados
apareceram. Determine a moda de cada uma delas.
Revista A: P, R, B, B, O, O, O, O, E, E.
Revista B: R,R, B, B, B, B, O, O, O, O.
Revista C: P, P, R, R, B, B, O, O, E, E .
Revista A: a moda O (opinio que mais se repete)
Revista B: as modas so B e O (bimodal).
Revista C: no existe moda (amodal).
Exemplo 3:
41
Uma loja de calados fez uma pesquisa com 5 mil baianos, do sexo masculino, para determinar
qual o nmero de sapato mais comum entre eles. De acordo com a tabela de frequncia a seguir,
determine a moda.
NMERO DO SAPATO
37
38
39
40 41
42
+ de 42
FREQUNCIA
230
427
983
1790
1427
143
Total = 5.000
O nmero de calado mais comum 40 41, j que a moda representada pela maior frequncia.
Vantagens e desvantagens:
Vantagens:
Caso algum valor da srie seja modificado, no necessariamente a moda alterar.
Exemplo:
Srie: 2, 4, 7, 7, 7, 7, 8, 9. Se o valor 2 for modificado para 3, a moda continuar sendo 7.
Os valores extremos no interferem no resultado da moda.
Exemplo:
Srie: 2, 4, 7, 8, 8, 100. Mesmo com o valor discrepante (100), a moda continua sendo 8.
Podem ser calculadas em distribuies que possuam classe indeterminada; como o caso do
exemplo 3.
- Desvantagens:
A moda tem que ter necessariamente um valor real, j que ela representada por algum valor da
srie.
Quando utilizadas para calcular distribuies de classe aberta, no se pode determinar a mdia
aritmtica..
5.6.
Relao entre Mdia, Moda e Mediana:
Segundo Bunchaft e Kellner (1997), para uma distribuio simtrica unimodal, a mdia, a mediana
e a moda coincidem. medida que a distribuio se afasta da simetria, os valores das trs
medidas de tendncia central apresentam diferenas.
Exemplo de Mdia Geomtrica :

Se uma populao de um milho de habitantes em 1970 aumentou para quatro milhes em 1990,
quadruplicou em 20 anos; qual seria a cifra da populao em 1980 ? determinada calculando-se
a mdia geomtrica, sendo multiplicado todos os valores da srie e em seguida extrada a raiz de
ordem n desses valores, de acordo com a seguinte frmula :
G = raiz de n x1.x2.x3 ....
42
Para o exemplo acima tem-se :

G = raiz quadrada de 1x4.
Portanto, a populao em 1980 seria de 2 milhes de habitantes.
5.7.
Resumo das vantagens e desvantagens das medidas estatsticas
As principais vantagens e desvantagens da moda, mediana e da mdia so
33
Moda :
Vantagens
Fcil de calcular,
No afetada por valores extremos.
Mediana :
Vantagens
Fcil de determinar ,
No afetada pelos valores extremos,
Desvantagens
Pode estar afastada do centro das observaes,
Difcil de incluir em equaes matemticas
A distribuio pode ter mais de uma moda
No usa todos os dados disponveis
Desvantagens
Difcil incluir em equaes matemticas,
necessrio conhecer todos os valores da
distribuio .
Parece ser uma medida correta , pois divide a

srie em partes iguais a 50%.
Mdia :
Vantagens
Fcil de compreender e usar,
Usa todos os dados disponveis,
Desvantagens
afetada pelos valores extremos ,
necessrio conhecer todos os valores da
distribuio .
Fcil de incluir em equaes matemticas.
5.8.
Exerccio 5.1
Pedro um excelente aluno e tirou 8,0 ; 9,2 e 9,8 em provas de Matemtica com os seguintes
pesos respectivamente : 1,5 ;2 e 3. Calcule qual ser a mdia final de Pedro.
Resposta : 9,2
Exerccio 5.2
Calcule a mdia aritmtica dos seguintes dados: 2, 4, 4, 6, 8, 9.
Resposta : 5,5
3
Extrado de Lapponi, Carlos Juan- Estatstica usando Excel 5 e 7- cap.04, pg. 82.
43
Exerccio 5.3
Calcule a moda dos seguintes dados : 3, 3, 4, 6, 7, 7, 9.
Resposta : Esta uma srie multimodal contendo como modas os nmeros 3 e 7.
Exerccio 5.4
Calcule a mediana do seguinte conjunto : 3, 4, 5, 7, 8, 10.
Resposta : 6
Exerccio 5.5
Com base no seguinte conjunto de dados ordenados, calcule a mdia, moda e mediana. Rol : 2, 2,
4, 5, 7, 8, 8, 10, 11.
Resposta : Mdia = 6,3333 ; Moda = 2 e 8 ; Mediana = 7
Exerccio 5.6
Calcule a mdia geomtrica e a mdia harmnica do seguinte conjunto de dados : 3, 4, 6.
Resposta : MG = 4,1602; MH = 4
Exerccio 5.7
Um estudante realizou uma pesquisa entre cinco empresas que contratam estagirios de
administrao e verificou os seguintes salrios : $ 200,00; $ 250,00 ; $ 280,00 ; $320,00 e $ 4200,
00 . Calcule a mdia dos salrios.
Resposta : 262,50
Exerccio 5.8
Com base na tabela de classe de freqncia abaixo, calcule a mdia, moda e mediana.
CLASSE
2 |--- 4,4
4,4 |--- 6,8
6,8 |--- 9,2
9,2 |--- 11,6
11,6|---| 14
Fi
3
1
2
2
2
10
Fi%
30
10
20
20
20
100
Faci
3
4
6
8
10
Faci%
30
40
60
80
100
P. MDIO
3,2
5,6
8,0
10,4
12,8
Resposta : Mdia = 7,76; Moda = 6,8---9,2 ; 9,2---11,6 e 11,6---14.; Mediana = 8,8

Exerccio 5.9
Dada a amostra seguinte, calcule a mdia, moda e mediana: 23 21 18 11 12 10 15 23 15 12
18 15 15 16 14 14
Resposta :
Mdia
44
X = (11+ 12.2+ 14.2+10 + 15.3+ 16+18.2+23.2+21) /(1+2+2+1+3+1+2+2+1) =

= 237/15 = 15.8
Mo = 15
Mediana =Md = 10,11,12,12,14,14,15,15,15,16,18,18,21,23,23 = Md = 15
Exerccio 5.10
Trinta alunos foram submetidos a uma prova de matemtica, obtendo as notas apresentadas a
seguir. Calcule a mdia, mediana e moda dessas notas.
84
83
99
88
87
93
90
91
83
78
83
94
80
92
76
89
90
98
94
92
70
95
77
81
77
86
76
81
86
87
Resposta : Moda = 83; Mdia = 86; Mediana = 86,50

Exerccio 5.11
Calcule a moda, mdia e mediana dos dados abaixo:
25 18 23 27 17 18 17
17
23 29 27 16 16 27 24 17 26
29 19 18
Resposta : Rol : 16, 16, 17, 17, 17,17, 18, 18, 18, 19, 23, 23, 24, 25, 26, 27, 27, 27, 29, 29; Moda =
17; Mdia = 21,65; Mediana = (19+23)/2 = 21
Exerccio 5.12
Os salrios que 4 homens recebem mensalmente so : 20.000; 30.000; 15.000; 10.000. Determine
a mdia aritmtica de seus salrios :
Resposta : 18,75
Exerccio 5.13
Entre 100 nmeros, dez so 5, trinta so 10 ,vinte so 15 e quarenta so 20. Determine a mdia
aritmtica dos nmeros :
Resposta : 14,50
Exerccio 5.14
Um estudante da Faculdade Ruy Barbosa , obteve as seguintes notas das seguintes matrias.
Calcule a mdia aritmtica desse aluno .
Matria
Estatstica
Clculo
Matemtica Financeira
TGA
Notas
7.5
4.0
5.5
6.0
Pesos
2
2
2
2
45
Resposta : 5,75
Exerccio 5.15
Um aluno de uma determinada faculdade argumentou com o seu professor que a mdia de
estatstica est baixa , que estava na faixa de 5,5 e a nota necessria para passar sem final 6.0
,conforme as notas dos alunos ( 3,0 ; 4,0; 4.5 ; 5,0 ; 5,5 ; 7.0 ; 10 ) , o argumento tem fundamento ?
Explique .
Resposta : Mdia = ( 3 + 4 +4.5+ 5 + 5,5 + 7 + 10 ) / 7 = 39 / 7= 5.57. No momento em que est
fazendo a mdia deve no levar em conta o valor extremo , neste caso o valor extremo a nota
10. Ento a nova mdia seria : Mdia = ( 3 + 4 + 4.5 + 5 + 5.5 + 7 ) / 6 = 4.83
O aluno est certo em afirmar que a mdia da turma est baixa , pois est abaixo da nota
necessria para passar sem final , mas ele erra em dizer que a mdia est beirando 5.5 , o aluno
considerou a nota 10 , que o extremo .
Exerccio 5.16
O seguinte rol de altura de modelos que est participando de uma seleo para participar de um
a propaganda : 1.70 ; 1.70 ; 1.70 ; 1.72 ; 1.75 ; 1.75 ; 1.77 ; 1.79 e 1.80 m . De acordo com o rol ,
identifique a mdia ,moda e mediana.
Resposta :
__
Mdia = X = (1.7 + 1.7 + 1.7 + 1.72 + 1.75 + 1.75 + 1.77 + 1.79 + 1.8)/9= 1.74 m .
Moda = o elemento que mais se repete no rol ,neste caso a altura que mais se repete 1.70 .
Mediana = o elemento que divide o rol em duas partes iguais , como tem 9 alturas , a altura que
divide o rol em duas partes iguais a altura correspondente ao elemento 5 que 1.75 m .
Exerccio 5.17
Determinar a Mdia Harmnica dos nmeros : 3
6 7 10 12.
Resposta : MH = 5,90
Exerccio 5.18
Determine a mdia e mediana dos seguintes nmeros :
a ) 2, 3 , 4, 6
b) 7, 8, 10
c) 12, 15, 18
Resposta :
__
a) X = 2 + 3 + 4 + 6 =3.75
4
Md = 3+4 = 3.5
2
46
__
X = 7 + 8+ 10 = 8.333
3
Md = 8
__
c) X = 12+ 15+ 18 = 15
3
Md = 15
Exerccio 5.19
As idades dos jogadores de dois times de vlei so:
Time A: 16,15,18,15,16,16,17,18,19,17,16.
Time B: 15,17,19,19,17,18,19,18,18, 17,16.
Qual o time que apresenta a maior idade mdia?
X A= 16+15+18+15+16+16+17+18+19+17+16 = 183 = 16.6363

11
11
X B = 15+17+19+19+17+18+19+18+18+17+16 = 193 = 17.5454

11
11
Resposta : O time de maior mdia de idade o time B.

Exerccio 5.20
Qual a moda das idades em cada time?
Resposta : Time A: 16 anos; Time B: 17, 18 e 19 anos.
Exerccio 5.21
Qual a mediana de todas as idades?
Time A: 15,15,16,16,16,16,17,17,18,18,19.
Time B: 15,16,17,17,17,18,18,18,19,19,19.
Resposta: Mediana de A: 16; Mediana de B: 18.
Exerccio 5.22
A tabela seguinte registra a altura de um grupo de estudantes do Colgio Nossa Senhora da
Piedade, pede-se calcular os valores da mdia, moda e mediana da seguinte srie:
Rol:
1,22;1,26;1,36;1,41;1,44;1,45;1,49;1,49;1,51;1,51;1,52;1,54;1,55;1,55;1,58;1,58;1,59;1,59;1,60;1,6
0;1,62;1,63;1,66;1,66;1,71;1,74;1,81;1,85;1,87;1,88;1,89;1,90;1,91;1,91;1,93;1,95;1,95;1,97;1,99;1,
99.
47
CLASSE
1,22 |-1,3483
1,3483 |-1,4766
1,4766 |-1,6049
1,6049 |-1,7332
1,7332 |-1,8615
1,8615 |-|1,99
Fi
2
4
12
7
3
12
40
Fi%
5
10
30
17,5
7,5
30
100
Faci
2
6
18
25
28
40
Faci%
5
15
45
62,5
70
100
Pto. Mdio
1,2841
4,8249
1,5407
1,6690
1,7973
1,9257
Resposta :
Mdia:
X = 2x1,2841+4x4,8249+12x1,5407+7x1,6690+3x1,7973+12x1,9257 = 6,6592
40
Moda: 1,49; 1,51; 1,55; 1,58; 1,59; 1,60; 1,66; 1,91; 1,95.
Mediana: 1,60+1,62 =1,61.
2
Exerccio 5.23
Calcular a mdia harmnica e geomtrica das seguintes sries:
Srie A: 2, 4, 8.
Resposta :
Mg =
2 48 =
Mh =
64 = 4.
= 3,428
1 1 1
+ +
2 4 8
Srie B: 2, 3, 5 e 6.
Resposta :
Mg =
Mh =
2 3 5 6 = 4 180 = 26,832
4
= 3,344
1 1 1 1
+ + +
2 3 5 6
Exerccio 5.24
Um homem viaja do Rio de Janeiro para So Paulo velocidade mdia de 40 Km/h e volta de So
Paulo para o Rio de Janeiro pelo mesmo caminho, velocidade mdia de 80 Km/h. Determinar a
velocidade mdia para a viagem completa. Suponha que a distncia do Rio para So Paulo seja 80
Km.
Tempo para deslocar-se do Rio para So Paulo = 80 Km = 2h
40 Km/h
48
Tempo para deslocar-se de So Paulo para o Rio =
80 Km = 1h
80 Km/h
Velocidade mdia para a viagem completa = distncia total

tempo total
Velocidade mdia para a viagem completa = 160 Km = 53,33 Km/h
3h
Resposta: a mdia harmnica :
Mh =
= 53,33
1
1
+
40 80
Exerccio 5.25
Os desvios tomados em relao mdia arbitrria X0 = 9, de um conjunto de nmeros so: { -3; -1;
2; 0; 4; -2; 5; 1}. Qual ser a mdia aritmtica do conjunto?
X=
31+ 2 + 0 + 4 2 + 5 +1 6 3
= = = 0,75
8
8 4
Resposta: 9 + 0,75 = 9,75

Exerccio 5.26
Os dados a seguir, referem-se ao nmero de livros estudados por ms em uma determinada turma
durante 12 meses : 10; 9 ;8;5;5;3;5;5;6;7;9;11. Calcule a mdia, a mediana e a moda desses
dados:
Resposta:
A) mdia:
X=
84
= 7 ; B)Observando os dados ordenados, possvel notar que o valor 5 o que
12
mais se repete, logo a moda; C) mediana: (14/2) = 7

Exerccio 5.27
A tabela abaixo apresenta a distribuio das importaes de uma Empresa de plsticos. Pede-se
para calcular a mdia; a moda e a mediana.
VOLUME IMPORTADO
50000-60000
60000-70000
70000-80000
80000-90000
90000-100000
NMERO DE EMPRESAS
5
10
20
10
5
50
PONTO. MDIO
55000
65000
75000
85000
95000
Resposta:
X = 7500; moda = classe 70000-80000; mediana = 75000
49
Exerccio 5.28
Em uma fbrica que tem 100 operrios, 50 recebem R$60, 20 recebem R$40 e 30 recebem R$50
por hora. Pede-se determinar o salrio mdio por hora.
Resposta:
= 50x60+20x40+30x50 = 53.
100
Exerccio 5.29
Os dados abaixo foram constatados em uma pesquisa para obter sugestes sobre a prestao de
servios de uma empresa, durante 15 dias. Dados brutos : 3;5;6;5;4;6;5;9;5;5;6;5;6;5;4. Pede-se
para : a) montar uma tabela de freqncias; b) calcular a mdia, a mediana e a moda.
Rol: 3,4,4,5,5,5,5,5,5,5,6,6,6,6.
Resposta:
CLASSE
3
4
5
6
7
Fi
1
2
7
4
1
15
Fi%
6,67
13,33
46,67
26,67
6,67
100
Faci
1
3
10
14
15
Faci%
6,67
20
66,67
93,34
100
= 5,27; Moda: Classe 5; Mediana: 5.
Exerccio 5.30
Com base no rol construa o agrupamento em classes de freqncias e calcule a mdia dos dados
agrupados em classe e dos dados brutos.
Rol:
3,7,9,9,10,10,10,10,11,11,12,13,13,15,17,19,19,19,20,25,25,27,27,29,29,30,30,30,31,31,33,35,36,
36,36,37,38,47,49.
Resposta :
CLASSE
3-10,6666
10,6666-18,3332
18,3332-25,9998
25,9998-33,6664
33,6664-41,3330
41,3330-49
Fi
8
7
6
10
6
2
39
Fi%
20,51
17,94
15,38
25,64
15,38
5,15
Ponto Mdio
6,8338
14,4999
22,1665
29,8331
37,4997
45,1665
Faci
8
15
21
31
37
39
Mdia:
Dados agrupados em classe:
= 23,1494.
Dados brutos:
= 23,0256.
50
Exerccio 5.31
Calcule a mdia e a moda dos dados da tabela a seguir:
A)
CLASSE
FREQUNCIA
10-12
12-14
14-16
16-18
18-20
4
12
21
13
6
Resposta :
Mdia:
X = 15,19.
Moda: classe:14-16.
B)
CLASSE
0,50-0,55
0,55-0,60
0,60-0,65
0,65-0,70
0,70-0,75
0,75-0,80
0,80-0,85
FREQUNCIA
5
11
14
21
18
10
8
Resposta :
Mdia: X = 0,6812.
Moda: classe: 0,65-0,70.
Exerccio 5.32
Uma aluna de Economia Brasileira tirou nota 8,5 na primeira prova, 3,5 na segunda prova 4,5 na
terceira prova e 4,5 na ltima prova. Calcule: a) a mdia aritmtica das notas; b) a mdia
ponderada com peso 1 para a primeira prova, peso 2 para a segunda, peso 2 para a terceira e
peso 3 para a quarta.
Resposta :
X = 5,25.; Mdia Ponderada: (8,5x1+3,5x2+4,5x2+4,5x3)/8 = 4,75
Exerccio 5.33
Para os dados seguintes encontre a mdia aritmtica, geomtrica e harmnica. Dados :
2,3,3,4,5,5,6,7.
Resposta : 4,375; 4,072; 3,90.
51
Exerccio 5.34
Para as sries seguintes estime a mediana, mdia e moda. Dados : 12,10,7,11,3,17,11,9,5,6,4,1.
Resposta :
X = 8; Mediana = 8; Moda = 11.
Exerccio 5.35
(E1/991) Construa o Rol da seguinte srie de dados discretos, apresentando a tabela de
freqncias. Encontre, tambm, o valor da mdia, mediana e moda.
3
4
5
3
3
Resposta :
Rol :
3
4
5
3
3
5
3
4
3
5
Tabela de freqncia :
Xi
Fi
1
2
2
3
3
7
4
5
5
3
20
5
3
4
3
5
1
2
4
4
1
2
3
4
2
3
Fi%
10%
15%
35%
25%
15%
100%
Faci
2
5
12
17
20
1
2
4
4
1
2
3
4
2
3
Faci%
10%
25%
60%
85%
100%
Mdia = 3,2; Mediana = 3; Moda = 3
5.9.
Aplicaes no Excel
Funo MDIA
Esta funo calcula a mdia aritmtica dos argumentos. Sua sintaxe do tipo :
MDIA(nm1;nm2; ...); onde nm1; nm2;... so de 1 a 30 argumentos numricos para os quais
voc deseja obter a mdia.
Observaes importantes : os argumentos devem ser nmeros ou nomes, matrizes ou
referncias que contenham nmeros. Se uma matriz ou argumento de referncia contiver texto,
valores lgicos ou clulas vazias, estes valores sero ignorados; no entanto, clulas com o valor
nulo sero includos. Ao calcular a mdia das clulas, lembre-se da diferena entre as clulas
vazias e as que contm o valor nulo, sobretudo se voc tiver desmarcado a caixa de seleo
Valores zero na guia Exibir da caixa de dilogo Opes. As clulas vazias no so contadas, mas
aquelas que contm valores nulos so.
52
Por exemplo : se A1:A5 contiver os nmeros 10, 7, 9, 27 e 2, ento MDIA(A1:A5) igual a 11.
MDIA(A1:A5; 5) igual a 10.
Funo MDIAA
Calcula a mdia (mdia aritmtica) dos valores na lista de argumentos. Alm de nmeros, so
includos no clculo valores lgicos e de texto, como VERDADEIRO e FALSO.
Sintaxe : MDIAA(valor1;valor2;...), onde valor1; valor2;... so 1 a 30 clulas, intervalos de
clulas ou valores para os quais se deseja a mdia.
Observaes importantes : os argumentos devem ser nmeros, nomes, matrizes ou referncias; os
argumentos de referncia ou matriciais que contiverem texto sero avaliados como 0 (zero). O
texto vazio ("") ser avaliado como 0 (zero). Se o clculo no deve incluir valores de texto na
mdia, use a funo MDIA. Os argumentos que contiverem VERDADEIRO sero avaliados como
1; os argumentos que contiverem FALSO sero avaliados como 0 (zero).
Dica : ao calcular a mdia de clulas, lembre-se da diferena entre as clulas vazias e as que
contm o valor zero, principalmente se voc tiver desmarcado a caixa de seleo Valores zero na
guia Exibir (comando Opes, menu Ferramentas). As clulas vazias no so contadas mas os
valores zero so.
Por exemplo : : se A1:A5 se chamar Pontos e contiver os valores 10; 7; 9; 2 e "No disponvel",
ento MDIAA(A1:A5) igual a 5,6. MDIAA(Pontos) igual a 5,6. MDIAA(A1:A5) igual a
SOMA(A1:A5)/CONT.VALORES(A1:A5) igual a 5,6. Se A1:A4 contiver os valores 10; 7; 9 e 2 e
A5 estiver vazia, ento MDIAA(A1:A5) igual a 7.
Funo MDIA.INTERNA
Como o maior problema da mdia consiste no fato de ser influenciada por valores extremos, o
Excel apresenta uma funo que permite a eliminao dos valores extremos. Esta funo calcula a
mdia do interior de um conjunto de dados. MDIA.INTERNA calcula a mdia obtida excluindo-se
uma porcentagem dos pontos de dados das pontas superior e inferior de um conjunto de dados.
Voc pode usar esta funo quando quiser excluir dados externos sua anlise.
Sintaxe : MDIA.INTERNA(matriz;porcentagem); onde matriz a matriz ou intervalo de valores a
se calcular a mdia desprezando os desvios; porcentagem o nmero fracionrio de ponto de
dados a ser excludo do clculo. Por exemplo, se porcentagem = 0,2, 4 pontos sero arrumados de
um conjunto de dados de 20 pontos (20 x 0,2), 2 da parte superior e 2 da parte inferior do conjunto.
Observaes importantes : se porcentagem < 0 ou porcentagem > 1, MDIA.INTERNA retornar o
valor de erro #NM!; MDIA.INTERNA arredonda o nmero de pontos de dados excludos para
menos at o mltiplo mais prximo de 2. Se porcentagem = 0,1, 10% de 30 pontos de dados ser
igual a 3 pontos. Para fins de simetria, MDIA.INTERNA exclui um nico valor das partes superior
e inferior do conjunto de dados.
Por exemplo, MDIA.INTERNA({4,5,6,7,2,3,4,5,1,2,3};0,2) igual a 3,777778.
Funo MDIA.GEOMTRICA
Esta funo calcula a mdia geomtrica de uma matriz ou de um intervalo de dados positivos. Por
exemplo, voc pode usar MDIA.GEOMTRICA para calcular o crescimento mdio considerandose juros compostos com taxas variveis.
Sua sintaxe do tipo MDIA.GEOMTRICA(nm1;nm2; ...), onde nm1;nm2;... so 1 a 30
argumentos cujas mdias voc deseja calcular. Voc tambm pode usar uma matriz simples ou
uma referncia de uma matriz em vez de argumentos separados por pontos-e-vrgulas.
Observaes importantes : os argumentos devem ser nmeros, ou nomes, matrizes ou referncias
que contenham nmeros; se um argumento de matriz ou de referncia contiver textos, valores
lgicos, ou clulas vazias, estes valores sero ignorados; no entanto, as clulas com o valor zero
sero includas; se qualquer valor de dados for menor ou igual a 0, MDIA.GEOMTRICA
retornar o valor de erro #NM!.
Por exemplo, MDIA.GEOMTRICA(4;5;8;7;11;4;3) igual a 5,476987.
Funo MDIA.HARMNICA
Esta funo calcula a mdia harmnica de um conjunto de dados. A mdia harmnica a
recproca da mdia aritmtica das recprocas.
53
Sintaxe : MDIA.HARMNICA(nm1;nm2; ...), onde nm1;nm2;... so 1 a 30 argumentos cujas

mdias voc deseja calcular. Voc tambm pode usar uma matriz simples ou uma referncia de
uma matriz em vez dos argumentos separados por pontos-e-vrgulas.
Observaes importantes : os argumentos devem ser nmeros, ou nomes, matrizes, ou referncias
lgicos ou clulas vazias, estes valores sero ignorados; no entanto, as clulas com o valor zero
sero includas; se qualquer ponto de dados menor ou igual a 0, MDIA.HARMNICA retornar o
valor de erro #NM!. A mdia harmnica sempre ser menor que a mdia geomtrica, que sempre
ser menor que a mdia aritmtica.
Por exemplo, MDIA.HARMNICA(4;5;8;7;11;4;3) igual a 5,028376.
Funo MED
Esta funo calcula a mediana dos nmeros indicados. A mediana o nmero no centro de um
conjunto de nmeros; isto , metade dos nmeros possui valores que so maiores do que a
mediana e a outra metade possui valores menores. Sua sintaxe do tipo : MED(nm1;nm2; ...),
onde nm1; nm2;... so nmeros de 1 a 30 a partir dos quais voc deseja obter a mediana.
Observaes importantes : os argumentos devem ser nmeros ou nomes, matrizes ou
referncias que contenham nmeros. O Microsoft Excel examina todos os nmeros em cada
argumento de referncia ou matriz. Se um argumento matricial ou referncia contiver texto, valores
lgicos ou clulas vazias, estes valores sero ignorados; no entanto, as clulas com valor nulo
sero includas. Se houver um nmero igual de nmeros no conjunto, ento MED calcula a mdia
dos dois nmeros do meio. Consulte o segundo exemplo a seguir.
Por exemplo, MED(1; 2; 3; 4; 5) igual a 3. MED(1; 2; 3; 4; 5; 6) igual a 3,5, a mdia de 3 e 4.
Funo MODO
Esta funo calcula o valor que ocorre com mais freqncia em uma matriz ou intervalo de dados.
Sua sintaxe do tipo MODO(nm1;nm2; ...), onde nm1, nm2,... so argumentos de 1 a 30
para os quais voc deseja calcular o modo. Voc tambm pode usar uma nica matriz ou
referncia a uma matriz em vez de argumentos separados por pontos-e-vrgulas.
Observaes importantes: os argumentos devem ser nmeros ou nomes, matrizes ou referncias
que contenham nmeros; se um argumento de referncia ou matriz contiver texto, valores lgicos,
ou clulas vazias, estes valores sero ignorados; no entanto, as clulas com valor nulo sero
includas; se o conjunto de dados no contiver pontos de dados duplicados, MODO retornar o
valor de erro #N/D.
Em um conjunto de valores, o modo o valor com ocorrncia mais freqente, a mediana o valor
do meio e a mdia o valor mdio. Nenhuma medida nica de tendncia central fornece um
quadro completo dos dados. Suponha que os dados estejam agrupados em trs reas, metade em
torno de um nico valor baixo e a outra metade em torno de dois valores altos. MDIA e MED
podem retornar um valor no meio relativamente vazio, enquanto que MODO pode retornar o valor
baixo dominante.
Por exemplo : : MODO({5,6. 4. 4. 3. 2. 4}) igual a 4.
54
CAPTULO 6.
MEDIDAS DE DISPERSO4
Como seres vivos e mveis, somos forados a agir ... mesmo
quando nosso conhecimento atual no fornece uma base
suficiente para uma expectativa matemtica calculada.
Keynes.
6.1.
Objetivos
Este captulo possui contedos tericos e prticos, para melhor compreenso do assunto. As
medidas de disperso (amplitude total, desvio mdio, desvio padro, varincia, coeficiente de
disperso aplicadas s classes de freqncia) sero explicadas e exemplificadas no decorrer do
captulo.
6.2.
Principais Medidas de Disperso
6.2.1. Amplitude Total (h)

Denomina-se de amplitude total, a diferena entre o maior e o menor valor numrico de um
conjunto. Sugere-se que para determinar a amplitude, os dados estejam ordenados em um rol
(nmeros pertencentes a um conjunto dispostos em ordem crescente). Tambm denominado
range (R).
Exemplo: A={1,5,11,15,4,9,11,2,3}
Rol=1,2,3,4,5,9,11,11,15
h= maior menor = 15-1 = 14
6.2.2. Desvio Mdio (DM)
o somatrio entre o mdulo da diferena de cada nmero pertencente ao conjunto e a sua mdia
aritmtica dividido pela quantidade de nmeros do conjunto.
DM=
Xi X
n
onde,
= somatrio
Xi = elemento do conjunto
n= quantidade de elementos do conjunto
Elaborado inicialmente por Juliana Rocha (arqueu@stc.com.br), Luciana Bto (luboto@zipmail.com.br),

Michele Guimares (lcg@atarde.com.br), Patrcia Gradin (patbg@ig.com.br) e Suzana Meireles
(jksm@uol.com.br).
55
Exemplo:
B= {4,6,16,22,12}
Rol= 4,6,12,16,22
4 + 6 + 12 + 16 + 22
5
60
=
5
= 12
=
4 - 12 + 6 12 + 12 12 + 16 12 + 22 12
5
- 8 + 6 + 0 + 4 + 10
DM =
5
28
DM =
5
DM = 5,6
DM =
6.2.3. Varincia ( )
o somatrio do quadrado do mdulo da diferena entre cada elemento e sua mdia aritmtica
dividido pela quantidade de elementos do conjunto.
(Xi X )
=
Exemplo:
C = {3,5;2,5;1,5;4,0;3,5}
Rol = 1,5 ; 2,5 ; 3,5 ; 3,5 ; 4,0
1,5 + 2,5 + 3,5 + 3,5 + 4,0

5
15
X=
5
X =3
X=
= (1,5-3) +(2,5-3) +(3,5-3) +(3,5-3) +(4,0-3)

5
2
= (2,25)+(0,25)+(0,25)+(0,25)+(1)
5
2
= 4
5
2
= 0,8
56
6.2.4. Desvio Padro ()

a raiz quadrada do somatrio do quadrado da diferena entre os elementos de um conjunto e a
sua mdia aritmtica dividido pela quantidade de nmeros do conjunto. Ou seja, a raiz quadrada
da varincia.
( Xi X )
= 2
Exemplo:
Supondo-se que dentre as vendas mdias de uma mercearia, os menores preos em um
determinado ms foram: {20,2,14,6,18,12}.
D ={20,2,14,6,18,12}
Rol = 2,6,12,14,18,20
2 + 6 + 12 + 14 + 18 + 20
6
72
X=
6
X = 12
X=
=
=
=
(12 12 )2 + (6 12)2 + (12 12)2 + (14 12 )2 + (18 12)2 + (20 12)2

6
(100 ) + (36 ) + 0 + (4) + (36) + (64 )

6
240
6
= 40
= 6,3246
Quando os dados analisados correspondem a uma amostra composta por menos de 30 elementos,
o desvio-padro calculado de forma polarizada, com a reduo de um grau de liberdade do
denominador (n-1).
6.3.
Desvio Padro e Varincia Populacionais versus Amostrais
O desvio padro e a varincia podem ser calculados de forma amostral (partes do todo) ou
populacional (o todo).
57
Forma
Desvio Padro
Populao
(Todo)
Amostra
(Parte do todo)
Varincia
( Xi X )
s=
( Xi X )
n 1
( Xi X )
=
s2 =
( Xi X )
n 1
6.3.1. Desvio Padro Amostral
s=
( Xi X )
n 1
Exemplo:
Empregando-se os dados do exemplo anterior, o desvio-padro amostral poderia ser calculado da
seguinte forma:
s=
240
s=
6 1
240
s = 48 s = 6,9282
5
6.3.2. Desvio Padro Populacional
( Xi X )
Exemplo:
Empregando-se os dados do exemplo anterior, o desvio-padro populacional poderia ser calculado
da seguinte forma:
58
(12 12 )2 + (6 12)2 + (12 12)2 + (14 12 )2 + (18 12)2 + (20 12)2
(100 ) + (36 ) + 0 + (4) + (36) + (64 )
6
240
6
= 40
= 6,3246
6.3.3. Varincia Amostral
s2 =
( Xi X )
n 1
Exemplo:
Empregando-se os dados do exemplo 2.3, a varincia amostral poderia ser calculada da seguinte
forma:
4
4
2
s =1
s2 =
6.3.4. Varincia Populacional
2 =
( Xi X )
n
Exemplo:
Empregando-se os dados do exemplo 2.3, a varincia populacional poderia ser calculada da
seguinte forma:
2
= (1,5-3) +(2,5-3) +(3,5-3) +(3,5-3) +(4,0-3)

5
2
= (2,25)+(0,25)+(0,25)+(0,25)+(1)
5
2
= 4
5
2
= 0,8
59
6.3.5. Coeficiente de Disperso

Obtm-se a disperso relativa dividindo-se a disperso absoluta pela mdia. Disperso absoluta
pode ser qualquer medida de disperso.
Disperso Relativa = Disperso Absoluta
Mdia
Disperso relativa coeficiente de disperso relativa quando a disperso absoluta o desvio
padro e a mdia aritmtica.
Coeficiente de disperso relativa =
s
X
s= Desvio Padro
X = Mdia aritmtica
Exemplo:
Em uma prova do semestre do curso de Administrao de clculo, o grau mdio da turma ( X ) de
40 alunos foi de 28 e o desvio padro ( s ) de 4. Em Estatstica o grau mdio da turma ( X ) foi de
25 e o desvio padro ( s ) de 3,6. Em que matria foi maior a disperso relativa (coeficiente de
disperso relativa).
Para clculo:
X = 28
s=4
s
X
coef . = 0,1429
coef . =
Resp: O maior coeficiente de disperso relativa o da matria Estatstica.
6.4.
Exerccios propostos e resolvidos
Exerccio 6.1
As notas de um determinado aluno em estatstica foram iguais a:
Nota1
Nota2
Nota3
Nota4
5
2
1
4
Pergunta-se: Qual o desvio mdio das notas acima?

Resoluo:
60
5 + 4 + 2 +1
4
12
X=
4
X =3
X=
5 3 + 4 3 + 2 3 + 1 3
4
6
DM =
4
DM = 1,5
DM =
Exerccio 6.2
O nmero de ausncias mensais de um determinado funcionrio est sendo mostrado a seguir.
Qual a varincia e o desvio-padro populacional destes dados?
Srie Bruta: 1,2,2,1,1,3,1,1,1,1
Resoluo:
1+ 2 + 2 +1+1+ 3 +1 +1+1+1
10
14
X=
10
X = 1,4
X=
2 =
(1 1, 4)2 + (2 1,4)2 + (2 1,4)2 + (1 1,4)2 + (1 1,4)2 + (3 1,4)2 + (1 1,4)2 + (1 1,4)2 + (1 1,4)2 + (1 1,4)2
10
0
,
16
+
0
,
36
+
0
,
36
+
0
,
16
+
0
,
16
+
2
,
56
+
0
,
16
+
0
,
16
+
0,16 + 0,16
2 =
10
4, 4
2
=
10
2 = 0,44
=
(1 1,4)2 + (2 1, 4)2 + (2 1,4)2 + (1 1, 4)2 + (1 1, 4)2 + (3 1,4)2 + (1 1,4)2 + (1 1,4)2 + (1 1,4)2 + (1 1,4)2
10
Como = 2
=
4,4
10
= 0,44
= 0,6633
Exerccio 6.3
61
Na loja BAHIA CONFECES, as remuneraes dos funcionrios so dadas a seguir:

Salrios
(reais)
150
350
400
600
Freqncia
3
2
1
2
Calcule a varincia e o desvio padro.

Resoluo:
3 + 2 +1 + 2
4
8
X=
4
X =2
X=
(
3 2)2 + (2 2)2 + (1 2)2 + (2 2)2
=
4
1 + 0 +1 + 0
4
2
2 =
4
2
= 0,5
2 =
(3 2)2 + (2 2)2 + (1 2)2 + (2 2)2

4
Como = 2
= 0,5
= 0,7071
Exerccio 6.4
Ache o coeficiente de disperso relativo de acordo com os dados : as emissoras de televiso
Globo, SBT, Record, MTV e TVE esto preocupados com seus respectivos IBOPE. O grau mdio
de pontos do IBOPE de todas as emissoras foi de 14 pontos, e enquanto o desvio padro foi de 35.
Resoluo:
62
X = 14
s = 35
35
14
coef . = 2,5
coef . =
Exerccio 6.5
As mdias finais dos trabalhos de Estatstica I foram 5;5;7;7,5;8;9,5;10;10. A partir destes dados
calcule:
amplitude e desvio mdio;
varincia e desvio padro;
coeficiente de disperso relativa.
Resoluo:
h=10-5
h=5
5 + 5 + 7 + 7,5 + 8 + 9,5 + 10 + 10
8
67
X=
8
X = 8,3750
X=
63
DM =
58,3750 + 5 8,3750 + 7 8,3750 + 7,58,3750 + 88,3750 + 9,58,3750 + 10 8,3750 + 108,3750

8
DM =
DM =
3,3750+3,3750+1,3750+ 0,8750 +0,3750+1,1250+1,6250 +1,6250

8
13,75
8
DM =1, 7188
b)
) (
) (
) (
) (
) (
) (
) (
2
2
2
2
2
2
2
2
2 58,3750 + 58,3750 + 58,3750 + 58,3750 + 58,3750 + 58,3750 + 58,3750 + 58,3750
=
8
2 11,3906+11,3906+1,8906+ 0,7656+0,1406+1, 2656+2,6406 +2,6406
=
8
2
=32,1249
Como,
2
=
= 32,1249
= 5,6679
C)
X = 8,3750
S = = 5,6679
5,6679
Coef. =
8,3750
Coef = 0,6768
Exerccio 6.6
Verificou-se em um determinado municpio que o nmero de adolescentes grvidas est em
constante crescimento. Numa pesquisa realizada pela Secretaria da Sade no hospital local, foram
encontrados os dados apresentados na tabela seguinte .
Ms
Janeiro
N de gestantes adolescentes
1
Fevereiro
Maro
Abril
2
4
5
Maio
64
Calcule:
a varincia amostral
o desvio padro populacional
Resoluo:
Para 2 amostral :
2 + 8+ 4 +5 +1
X=
5
20
X=
5
X=4
a)
2 =
(2 4)2 + (8 4 )2 + (4 4)2 + (5 4)2 + (1 4)2

(5 1 )
4 + 16 + 0 + 1 + 9
4
30
2 =
4
2
= 7,5
2 =
Para 2 Populacion al :
4 + 16 + 0 + 1 + 9
5
30
2 =
5
2
=6
2 =
= 2
= 6
= 2,4495
Exerccio 6.7
Para os dados seguintes, encontre a mediana, a mdia (aritmtica simples) e a

moda. Calcule, tambm, o 3 o quartil e o 7 o decil. Srie a ) 3, 9, 7, 10, 6, 9, 8; Srie
b) 4, 6, 3, 2, 6
Exerccio 6.8
Para a tabela de freqncia seguinte, encontre a mdia, a moda, a mediana, o

desvio-mdio absoluto, a varincia e o desvio-padro.
65
Classe
3 |- 7
7 |- 11
11 |- 15
15 |- 19
19 |-| 23
S
Fi
5
8
17
6
4
40
Exerccio 6.9
(E1/992/Final) Da srie de dados seguinte, obtenha o Rol, suas medidas de posio central e
suas medidas de disperso.
1
6
7
10
7
4
4
6
2
3
8
8
1
1
3
4
1
4
Resposta : mdia = 4,4444; mediana = 4; moda = 1 e 4; desvio padro = 2,7912; varincia =

7,7908; intervalo = 9; desvio mdio absoluto = 2,3210
Exerccio 6.10
(E1/992/22N) Calcule as principais medidas de posio central (mdia e mediana) e disperso
(amplitude, desvio mdio absoluto, varincia e desvio-padro) das sries de dados apresentadas a
seguir. Se voc precisar efetuar uma estimativa com base nestes dados, sobre qual srie mais
fcil fazer estimativas precisas? Por qu?
Srie A : 3,69, 3,17 , 3,55 , 3,61 , 4,11 , 4,57 , 4,97 , 5,91 , 5,99 , 5,74
Srie B : 1,46, 2,09, 3,04, 5,12, 7,8, 8,25, 9,95, 15,24, 17,4, 21,74
Resposta :
Estatstica
Mdia
Mediana
Amplitude
DMA
Varincia
Desvio-padro
Seria mais fcil fazer previses sobre a srie
Srie A
Srie B
4,531
9,209
4,34
8,025
2,82
20,28
0,905
5,4988
1,1371
47,7166
1,0663
6,9077
A, que apresenta menor disperso.
Exerccio 6.11
(E1/992/2V) Um dos mais importantes indicadores econmicos do Brasil publicado em tabela que
representa as negociaes com Certificados de Depsitos Interfinanceiros registrados no CETIP e
que mostram as principais operaes de captao e aplicao de recursos entre instituies
financeiras. Nesta tabela, comum, alm apresentarem-se valores mdios, os valores mnimo,
mximo e modal. Discuta as vantagens e desvantagens da apresentao destes valores.
Resposta : necessrio apresentar outras medidas de posio central alm da mdia, j que esta
afetada por valores extremos.
66
6.5.
Aplicaes no Excel
Funo DESV.MDIO
Esta funo calcula a mdia aritmtica dos desvios mdios dos pontos de dados a partir de sua
mdia. DESV.MDIO uma medida da variabilidade em um conjunto de dados.
Sintaxe : DESV.MDIO(nm1;nm2; ...); onde nm1; nm2; ... so argumentos de 1 a 30 para
os quais voc deseja obter a mdia aritmtica dos desvios absolutos. Voc tambm pode usar uma
matriz nica ou uma referncia a matriz em vez dos argumentos separados por vrgulas.
Observaes importantes : os argumentos devem ser nmeros ou nomes, matrizes ou referncias
que contenham nmeros. Se uma matriz ou argumento de referncia contiver texto, valores lgicos
ou clulas vazias, estes valores sero ignorados; no entanto, as clulas com o valor nulo sero
includas. DESV.MDIO influenciada pela unidade de medida nos dados de entrada.
Por exemplo : DESV.MDIO(4; 5; 6; 7; 5; 4; 3) igual a 1,020408.
Funo DESVPAD
Calcula o desvio padro a partir de uma amostra. O desvio padro uma medida do grau de
disperso dos valores em relao ao valor mdio (a mdia).
Sintaxe : DESVPAD(nm1;nm2;...); onde nm1;nm2;... so 1 a 30 argumentos numricos
correspondentes a uma amostra da populao. Voc tambm pode usar uma nica matriz ou
Observaes importantes : valores lgicos como VERDADEIRO e FALSO e o texto so
ignorados. Se os valores lgicos e o texto no puderem ser ignorados, use a funo de planilha
DESVPADA. DESVPAD considera que seus argumentos so uma amostra da populao. Se seus
dados representarem a populao toda, voc dever calcular o desvio padro usando DESVPADP,
j que nesta funo (DESVPAD) o desvio padro calculado usando o mtodo "no-polarizado" ou
n-1.
DESVPAD usa a seguinte frmula:
Por exemplo : suponha que 10 ferramentas feitas na mesma mquina durante a produo so
coletadas como uma amostra aleatria e medidas em termos de resistncia ruptura. Os valores
da amostra (1345, 1301, 1368, 1322, 1310, 1370, 1318, 1350, 1303, 1299) so armazenados em
A2:E3, respectivamente. DESVPAD estima o desvio padro da resistncia ruptura para todas as
ferramentas. Para esta situao DESVPAD(A2:E3) igual a 27,46
Funo DESVPADA
Estima o desvio padro com base em uma amostra. O desvio padro uma medida do grau de
disperso dos valores em relao ao valor mdio (a mdia). So includos no clculo valores
lgicos e texto, como VERDADEIRO e FALSO.
Sua sintaxe do tipo : DESVPADA(valor1;valor2;...), onde valor1;valor2;... so 1 a 30 valores
correspondentes a uma amostra de uma populao. Voc tambm pode usar uma nica matriz ou
referncia a uma matriz em vez de argumentos separados por vrgulas.
Observaes importantes : DESVPADA considera que seus argumentos so uma amostra da
populao. Se seus dados representarem a populao inteira, voc dever calcular o desvio
padro usando DESVPADPA. Os argumentos que contiverem VERDADEIRO sero avaliados
como 1; os argumentos que contiverem texto ou FALSO sero avaliados como 0 (zero). Se o
clculo no deve incluir valores lgicos ou de texto, use, em substituio, a funo de planilha
DESVPAD. O desvio padro calculado usando o mtodo "no-polarizado", empregando no
denominador n-1.
coletadas como uma amostra aleatria e avaliadas em termos de resistncia ruptura. Os valores
67
da amostra (1345; 1301; 1368; 1322; 1310; 1370; 1318; 1350; 1303; 1299) so armazenados em
A2:E3, respectivamente. DESVPAD estima o desvio padro da resistncia ruptura para todas as
ferramentas. Nesta situao, DESVPAD(A2:E3) igual a 27,46.
Funo DESVPADP
Calcula o desvio padro com base na populao total fornecida como argumentos. O desvio
padro uma medida do grau de disperso dos valores em relao ao valor mdio (a mdia).
Sua sintaxe do tipo : DESVPADP(nm1;nm2;...). Onde nm1;nm2;... so 1 a 30 argumentos
numricos correspondentes a uma populao. Voc tambm pode usar uma nica matriz ou
Na aplicao desta funo, valores lgicos como VERDADEIRO e FALSO e o texto so ignorados.
Se os valores lgicos e o texto no puderem ser ignorados, use a funo de planilha DESVPADA.
Observaes importantes : DESVPADP considera que seus argumentos so a populao inteira.
Se os dados representarem uma amostra da populao, voc dever calcular o desvio padro
usando DESVPAD. Para tamanhos grandes de amostras, DESVPAD e DESVPADP retornam
valores aproximadamente iguais.
O desvio padro calculado usando o mtodo "polarizado", empregando n no denominador.
Por exemplo : usando os mesmos dados do exemplo DESVPAD e considerando que apenas 10
ferramentas so produzidas durante o processo de produo, DESVPADP mede o desvio padro
da resistncia ruptura para todas as ferramentas. Neste caso, DESVPADP(A2:E3) igual a
26,05.
Funo DESVPADPA
Calcula o desvio padro com base na populao inteira dada como argumentos, incluindo os
valores lgicos e de texto. O desvio padro uma medida do grau de disperso dos valores em
relao ao valor mdio (a mdia).
Sua sintaxe do tipo : DESVPADPA(valor1;valor2;...); onde valor1;valor2;... so 1 a 30 valores
correspondentes a uma populao. Voc tambm pode usar uma nica matriz ou referncia a uma
matriz em vez de argumentos separados por vrgulas.
Observaes importantes : DESVPADPA considera seus argumentos como a populao inteira.
Se seus dados representarem uma amostra da populao, voc dever calcular o desvio padro
usando DESVPADA. Os argumentos que contiverem VERDADEIRO sero avaliados como 1; os
argumentos que contiverem texto ou FALSO sero avaliados como 0 (zero). Se o clculo no deve
incluir valores lgicos ou de texto, use, em substituio, a funo de planilha DESVPADP. Para as
amostras de tamanho grande, DESVPADA e DESVPADPA retornam valores aproximadamente
iguais.
Por exemplo : usando os mesmos dados do exemplo de DESVPADA e presumindo-se que apenas
10 ferramentas sejam produzidas durante a produo, DESVPADP avalia o desvio padro de
resistncia ruptura para todas as ferramentas. Neste caso, DESVPADP(A2:E3) igual a 26,05.
Funo VAR
Estima a varincia a partir de uma amostra.
Sua sintaxe do tipo : VAR(nm1;nm2; ...); onde nm1;nm2;... so 1 a 30 argumentos
numricos correspondentes a uma amostra de uma populao.
Observaes importantes : VAR considera que os argumentos so uma amostra da populao. Se
os dados representarem toda a populao, voc dever calcular a varincia usando VARP; valores
lgicos como VERDADEIRO e FALSO e o texto so ignorados. Se os valores lgicos e o texto no
puderem ser ignorados, use a funo de planilha DESVPADA;
Por exemplo : suponha que 10 ferramentas feitas na mesma mquina durante um processo de
produo sejam coletadas como uma amostra aleatria e medidas em termos de resistncia
ruptura. Os valores da amostra (1345, 1301, 1368, 1322, 1310, 1370, 1318, 1350, 1303, 1299) so
armazenados em A2:E3, respectivamente. VAR estima a varincia para a resistncia ruptura das
ferramentas. Neste caso, VAR(A2:E3) igual a 754,3.
Funo VARA
68
Estima a varincia com base em uma amostra. Alm de nmeros, so includos no clculo valores
lgicos e de texto, como VERDADEIRO e FALSO.
Sua sintaxe do tipo : VARA(valor1;valor2;...); onde valor1;valor2;... so 1 a 30 argumentos de
valores correspondentes a uma amostra de uma populao.
Observaes importantes : VARA considera seus argumentos como uma amostra da populao.
Se seus dados representarem a populao inteira, voc dever calcular a varincia usando
VARPA. Os argumentos que contiverem VERDADEIRO sero avaliados como 1; os argumentos
que contiverem texto ou FALSO sero avaliados como 0 (zero). Se o clculo no deve incluir
valores lgicos ou texto, use, em substituio, a funo de planilha VAR.
coletadas como uma amostra aleatria e avaliadas em termos de resistncia ruptura. Os valores
da amostra (1345; 1301; 1368; 1322; 1310; 1370; 1318; 1350; 1303; 1299) so armazenados em
A2:E3, respectivamente. VARA estima a varincia da resistncia ruptura das ferramentas. Neste
caso, VARA(A2:E3) igual a 754,3.
Funo VARP
Calcula a varincia com base na populao total.
Sua sintaxe do tipo : VARP(nm1;nm2; ...); onde nm1;nm2;... so 1 a 30 argumentos
numricos correspondentes a uma populao. Nesta funo, valores lgicos como VERDADEIRO
e FALSO e o texto so ignorados. Se os valores lgicos e o texto no puderem ser ignorados, use
a funo de planilha DESVPADA.
Observaes importantes : VARP considera que seus argumentos so para a populao toda.
Se os dados representarem uma amostra da populao, voc dever calcular a varincia usando
VAR.
Por exemplo : usando os dados do exemplo VAR e considerando que apenas 10 ferramentas so
produzidas durante o processo de produo, VARP mede a varincia da resistncia ruptura para
todas as ferramentas. Assim, VARP(A2:E3) igual a 678,8.
Funo VARPA
Calcula a varincia com base na populao inteira. Alm de nmeros, so includos no clculo
valores lgicos e de texto, como VERDADEIRO e FALSO.
Sua sintaxe do tipo : VARPA(valor1;valor2;...); onde valor1; valor2;... so 1 a 30 argumentos de
valores correspondentes a uma populao.
Observaes importantes : VARPA considera seus argumentos como a populao inteira. Se
seus dados representarem uma amostra da populao, voc dever calcular a varincia usando
VARA. Os argumentos que contiverem VERDADEIRO sero avaliados como 1; os argumentos que
contiverem texto ou FALSO sero avaliados como 0 (zero). Se o clculo no deve incluir valores
lgicos ou de texto, use, em substituio, a funo de planilha VARP.
Por exemplo : usando os dados do exemplo de VARA e presumindo-se que apenas 10 ferramentas
sejam produzidas durante a produo, VARPA avalia a varincia de resistncia ruptura para
todas as ferramentas. Neste caso, VARPA(A2:E3) igual a 678,8.
69
CAPTULO 7.
MEDIDAS DE ORDENAMENTO E
POSIO
Bem, se voc no puder medir,
mea assim mesmo.
Frank Knight.
7.1.
Objetivos
O objetivo deste captulo consiste em apresentar da forma mais simples e clara possvel, os
principais conceitos referentes s medidas de ordenamento e posio.
7.2.
Principais medidas de ordenamento e posio
As medidas de ordenamento e posio fornecem uma idia sobre a distribuio dos dados
ordenados, como a mediana, que representa o ponto de diviso dos dados (50% dos dados so
superiores mediana, 50% inferiores). De um modo geral, existem trs grandes grupos de
medidas de ordenamento : quartis, decis e percentis.
7.2.1. Quartis
Os quartis dividem a distribuio ordenada em quatro partes iguais. Pode ser obtido atravs da
aplicao da seguinte expresso:
Nmero do
Quartil
= X
Nmero do
Quartil
x n
+
1
2
Exemplo : encontre os quartis da seguinte srie bruta de dados : 1, 3, 2, 6, 5, 9. Para encontrar os

quartis, valores que dividem a srie ordenada em quatro partes iguais, torna-se necessrio a
obteno do Rol : 1, 2, 3, 5, 6, e 9. Percebe-se que os nmeros 2 (quartil 1) , 4 (quartil 2, mdia
entre 3 e 5) e 6 (quartil 3) dividem a srie ordenada em quatro partes iguais, cada uma contendo
um elemento. Outra forma para encontrar os quartis envolveria a aplicao da frmula :
Q1 = X 1 x 6
1
4 + 2
= X 2 -> o primeiro quartil igual ao segundo elemento da srie ordenada,

que igual a 2.
Q2 = X 2 x 6
1
4 +2
= X 3, 5 -> o segundo quartil igual ao elemento 3,5 (entre o elemento3 e o

elemento 4) da srie ordenada, que igual a mdia entre 3 e 5, que
igual a 4.
70
Q3 = X 3 x 6
1
4 +2
= X 5 -> o terceiro quartil igual ao elemento 5 da srie ordenada, que

igual a 6.
7.2.2. Decis
Os decis dividem a distribuio ordenada em dez partes iguais. Pode ser obtido atravs da
= X
Nmero do
Decil
Nmero do
Decil
x n
+
10
1
2
7.2.3. Percentis
Os percentis dividem a distribuio ordenada em cem partes iguais. Pode ser obtido atravs da
Nmero do
Percentil
7.3.
= X
Nmero do
Percentil
x n
+
100
1
2
Aplicaes no Excel
No Excel existem inmeras funes aplicveis ao clculo de medidas de ordenamento e posio.

Funo ORDEM
Esta funo calcula a posio de um nmero em uma lista de nmeros. A ordem de um nmero
seu tamanho em relao a outros valores de uma lista. (Se voc fosse classificar a lista, a ordem
do nmero seria a sua posio).
Sintaxe : ORDEM(nm;ref;ordem), onde nm o nmero cuja posio se deseja encontrar; ref
uma matriz ou referncia a uma lista de nmeros. Valores no numricos em ref so ignorados;
ordem um nmero que especifica como posicionar um nmero em uma ordem.
Observaes importantes : se ordem for 0 ou omitido, o Microsoft Excel ordenar o nmero como
se ref fosse uma lista classificada na ordem descendente. Se ordem for qualquer valor diferente de
zero, o Microsoft Excel ordenar o nmero como se ref fosse uma lista classificada na ordem
ascendente. A funo ORDEM fornece nmeros duplicados na mesma ordem. No entanto, a
presena de nmeros duplicados afeta a ordem dos nmeros subseqentes. Por exemplo, em uma
lista de nmeros inteiros, se o nmero 10 aparecer duas vezes e possuir uma ordem de 5, ento
11 teria uma ordem de 7 (nenhum nmero teria uma ordem de 6).
Por exemplo : : se A1:A5 contiver os nmeros 7, 3,5, 3,5, 1 e 2, respectivamente, ento
ORDEM(A2;A1:A5;1) igual a 3. ORDEM(A1;A1:A5;1) igual a 5.
Funo ORDEM.PORCENTUAL
Esta funo calcula a ordem percentual de um valor em um conjunto de dados como um
percentual do conjunto de dados. Esta funo pode ser usada para avaliar a posio relativa de um
valor em um conjunto de dados. Por exemplo, voc pode usar ORDEM.PORCENTUAL para avaliar
a posio de uma pontuao de teste de aptido entre uma populao de pontos para o teste.
Sintaxe : ORDEM.PORCENTUAL(matriz;x;significncia); onde matriz a matriz ou intervalo de
dados com valores numricos que define uma posio relativa; x o valor cuja ordem voc
71
deseja saber; significncia um valor opcional que identifica o nmero de dgitos significativos
para a porcentagem retornada. Se omitido, ORDEM.PORCENTUAL usar trs dgitos (0,xxx%).
Observaes importantes : se matriz estiver vazia, ORDEM.PORCENTUAL retornar o valor de
erro #NM!. Se significncia < 1, ORDEM.PORCENTUAL retornar o valor de erro #NM!. Se x
no coincidir com um dos valores em matriz, ORDEM.PORCENTUAL interpolar para retornar a
ordem de porcentagem correta.
Por exemplo : ORDEM.PORCENTUAL({1.2.3.4.5.6.7.8.9.10};4) igual a 0,333.
Funo PERCENTIL
Esta funo calcula o k-simo percentil de valores em um intervalo. Voc pode usar esta funo
para estabelecer um limite de aceitao. Por exemplo, voc pode decidir examinar candidatos com
pontuao acima do 90 percentil.
Sintaxe : PERCENTIL(matriz;k); onde matriz a matriz ou intervalo de dados que define a posio
relativa; k o valor do percentil no intervalo 0..1, inclusive.
Observaes importantes : se matriz estiver vazio ou contiver mais de 8.191 pontos de dados,
PERCENTIL retornar o valor de erro #NM!. Se k no for numrico, PERCENTIL retornar o valor
de erro #VALOR!. Se k for < 0 ou se k > 1, PERCENTIL retornar o valor de erro #NM!. Se k no
for um mltiplo de 1/(n - 1), PERCENTIL interpolar para determinar o valor do percentil k.
Por exemplo : PERCENTIL({1.2.3.4};0,3) igual a 1,9
Funo QUARTIL
Esta funo calcula o quartil do conjunto de dados. Quartis so comumente usados em dados de
vendas e de pesquisas para dividir a populao em grupos. Por exemplo, voc pode usar
QUARTIL para descobrir 25% de maior renda de uma populao.
Sintaxe : QUARTIL(matriz;quarto); onde matriz a matriz ou intervalo de clula de valores
numricos cujo valor quartil voc deseja obter; quarto indica o valor a ser retornado.
Observaes importantes : a depender do valor atribudo a quarto, QUARTIL retornar diferentes
valores. Vide a tabela seguinte.
Quarto
0
1
2
3
4
Valor Retornado
Valor mnimo
Primeiro quartil (25 percentil)
Valor mdio (50 percentil)
Terceiro quartil (75 percentil)
Valor mximo
Observaes importantes : se matriz estiver vazio ou contiver mais de 8.191 pontos de dados,
QUARTIL retornar o valor de erro #NM!. Se quarto no for um nmero inteiro, ser truncado. Se
quarto < 0 ou se quarto > 4, QUARTIL retornar o valor de erro #NM!. As funes MNIMO, MED
e MXIMO retornaro o mesmo valor que QUARTIL quando quarto for igual a 0, 2 e 4,
respectivamente.
Por exemplo : QUARTIL({1.2.4.7.8.9.10.12};1) igual a 3,5.
72
CAPTULO 8.
MEDIDAS DE FORMA DA
DISTRIBUIO
A informao de que voc dispe no a informao que voc deseja.
A informao que voc deseja no a informao que voc necessita.
A informao que voc necessita no a informao que voc consegue obter.
A informao que voc consegue obter custa mais do que voc deseja pagar.
Peter Berstein.
8.1.
Objetivos
Apresentar da maneira mais simples e clara possvel os principais conceitos referentes a medidas
de forma da distribuio.
8.2.
Fundamentao terica
As medidas de assimetria e curtose analisam o formato da distribuio dos dados.
8.3.
Principais medidas
8.3.1. Curtose
Analisa o grau de achatamento da distribuio. A depender de como o achatamento ocorra,
diferente pode ser a classificao da distribuio :
Distribuio Mesocrtica (k=0,263) : distribuio nem chata nem delgada.

Distribuio Leptocrtica (k > 0,263) : distribuio delgada.
Distribuio Platicrtica (k<0,263) : distribuio achatada.
Leptocrtica
Mesocrtica
Platicrtica
Figura 8.1 : Diferente curtoses.

73
Para medir o grau de curtose, pode-se empregar a seguinte frmula :
K=
Q3 Q1
2.(P90 P10 )
Onde :
o
Q3 = 3 quartil
o
Q1 = 1 quartil
o
P90 = 90 percentil
o
P10 = 10 percentil
8.3.2. Assimetria
Mede o grau de afastamento de uma distribuio a sua unidade de simetria. As distribuies
podem ser :
Simtricas (AS = 0) : mdia, moda e mediana so iguais.
f(x)
Mdia = Mediana = Moda
Assimtrica positiva ou assimtrica a direita (AS > 0) : mdia > mediana > moda.
Moda Mediana
Mdia
Assimtrica negativa ou assimtrica esquerda : moda > mediana > mdia.
74
Mdia Mediana
Moda
A assimetria pode ser calculada atravs do primeiro ou do segundo coeficiente de Pearson.

o
AS =
x Mo
AS =
Q1 + Q3 2Q2
o
(Q2 = 2 quartil = mediana)
Q3 Q1
1 Coeficiente de Pearson :
2 Coeficiente de Pearson :
8.4.
Aplicaes no Excel
No Excel existe funo prpria para o clculo da curtose.

Funo CURT
Esta funo calcula a curtose de um conjunto de dados. A curtose caracteriza uma distribuio em
cume ou plana se comparada distribuio normal. A curtose positiva indica uma distribuio
relativamente em cume. A curtose negativa indica uma distribuio relativamente plana. Sintaxe :
CURT(nm1;nm2; ...), onde nm1;nm2;... so 1 a 30 argumentos cuja curtose voc deseja
calcular. Voc tambm pode usar uma matriz simples ou uma referncia de uma matriz em vez dos
argumentos separados por pontos-e-vrgulas.
Observaes importantes : os argumentos devem ser nmeros, ou nomes, matrizes, ou referncias
lgicos ou clulas vazias, estes valores sero ignorados; no entanto, as clulas com o valor zero
sero includas; se houver menos do que quatro pontos de dados, ou se o desvio padro da
amostra for igual a zero, CURT retornar o valor de erro #DIV/0!.
Por exemplo : CURT(3;4;5;2;3;4;5;6;4;7) retornar -0,1518.
75
CAPTULO 9.
PROBABILIDADE5
Se a natureza humana no casse na tentao
de enfrentar riscos ... talvez pouco se investisse
como resultado da fria avaliao.
Keynes.
9.1.
Introduo
O objetivo deste captulo consiste no estudo da a teoria das probabilidades que

significa a dificuldade de prever um resultado futuro. Isto , incerteza dos eventos
cuja a incidncia estudada. Por fim, o resultado obtido atravs do clculo das
probabilidades que variam de observao para outra, mesmo em condies
normais de experimentao. Se os eventos ou tentavas ocorrerem de maneira
uniforme, apesar da probabilidade significar incerteza, a regularidade a longo
prazo possibilita a previso de probabilidades.
A probabilidade surgiu como modelo explicativo para jogos de Azar dados,
moedas, cartas, roleta, loteria esportiva, sena, etc.
O objetivo do estudo da teoria das probabilidades demonstrar como os
resultados imprevisveis acontecem.
9.2.
Conceitos introdutrios.
9.2.1. Experimento Aleatrio
Para explicao sobre o que vem a ser o experimento aleatrio, faremos

uso de alguns exemplos de fenmenos, para os quais modelos nodeterminsticos so apropriados:
E1: Jogue um dado e observe o nmero mostrado na face de cima.
E2: Jogue uma moeda 3 vezes e observe o nmero de caras obtido.
E3: Em uma linha de produo, fabrique peas em srie e conte o nmero
de peas defeituosas produzidas em um perodo de 24 horas.
Elaborado inicialmente por Anderson Rocha, Carla Bianca, Carlos Cesar, Daniel Matos e verton Melo.
76
E4: Um lmpada fabricada. Em seguida ensaiada quanto durao de

vida, pela colao em um soquete e anotao do tempo corrido (em horas) at
queimar.
E5: Em um lote com 10 peas contm 3 defeituosas. As peas so retiradas
uma a uma (sem reposio da pea retirada) at que a ultima pea defeituosa seja
encontrada. O nmero total de peas retiradas do lote contado.
E6: De uma urna, que s contm bolas pretas, tira-se uma bola e verifica-se
sua cor.
E7: Peas so fabricadas at que 10 peas perfeitas sejam produzidas. O
nmero total de peas fabricadas contado.
Note no que os experimentos acima tem em comum:
(a) Cada experimento poder ser repetido indefinidamente sob condies
essencialmente inalteradas;
(b) Muito embora no sejamos capazes de afirmar que resultado particular
ocorrer, seremos capazes de descrever o conjunto de todos os possveis
resultados do experimento;
(c) Quando o experimento for executado repetidamente, os resultados individuais
parecero ocorrer de forma acidental. Mas, quando o experimento for repetido
um grande nmero de vezes, uma configurao definida ou regularidade
surgir.
9.2.2. Espao amostral
Um conjunto de resultados pode ser obtido ao ser realizada um experincia,

mas um e somente um ser obtido. E a esse conjunto de resultados possveis de
um experimento chamado de espao amostral. Isto , para cada experimento
considerado, espao amostral como o conjunto de todos os resultados possveis
do experimento.
Ainda considerado os exemplos acima, vamos descrever o espao amostral
para cada um deles:
S1: {1,2,3,4,5,6}
S2: {0,1,2,3}
S3: {0,1,2,...,N}, onde N o nmero mximo que pode ser produzido em 24
horas
77
S4: {t | t 0}
S5: {3,4,5,6,7,8,9,10}
S6: {bola preta}
S7: {10,11,12,...}
9.2.3. Eventos
Um evento simplesmente um conjunto de resultados possveis. Isto ,

dentro da idia de conjuntos, um evento um subconjunto de um espao
amostral.
Seguindo a linha de exemplos acima, para exemplificar eventos:
A1: Um nmero para ocorre, isto , A1 = {2,4,6}
A2: {2}; isto , duas caras ocorrem.
A3: {0}; isto , todas as peas so perfeitas.
A4: {t | t < 3}; isto , a lmpada queima em menos de 3 horas.
A5: {3}; isto , as 3 peas defeituosas foram as primeiras a serem retiradas.
A6: {bola preta}; sempre ocorrer bola preta.
A7: {0}; isto , o nmero total igual ao nmero de peas perfeitas.
Observao: Quando o espao amostral for finito ou infinito numervel, todo
subconjunto poder ser considerado em evento (como no caso 6 dos exemplos
acima). No entanto, se o espao amostral for infinito no numervel, surgir
dificuldade terica.
9.2.4. EVENTOS MUTUAMENTE EXCLUSIVOS
Eventos que no ocorrem simultaneamente. No existe elemento comum

entre si. Quer dizer, a ocorrncia de um evento impede a ocorrncia de outro. Isso
pode ser observado no nosso dia a dia, como comer e respirar; ouvir duas
pessoas ao mesmo tempo, etc.
Diferenciando-se, portanto, do no mutuamente exclusivo (a ocorrncia de
um no impede a ocorrncia do outro). O clculo da probabilidade de dois eventos
ocorrem juntos (simultaneamente) feito pela regra da multiplicao.
78
9.3.
Probabilidade
9.3.1. Histrico da Probabilidade
Antigamente os povos acreditavam que s os Deuses poderiam "explicar" a

ocorrncia de alguns eventos sobrenaturais.
"A humanidade precisou de centenas de anos para se acostumar com um
mundo onde alguns eventos no tinham causa... ou eram determinados por
causas to remotas que somente podiam ser razoavelmente representados por
modelos no-causais."
(M. G. Kendall)
Dessa forma, a pouco mais de 500 anos, comearam os estudos
matemticos para compreenderem os jogos de azar e os riscos dos seguros,
assim nasceu a Teoria da Probabilidade. Os jogos de azar so praticados h mais
de 40000 anos, praticamente em todo o mundo. Os primeiros estudos
matemticos desses jogos resumem-se na mera enumerao das possibilidades
de se obter um dado resultado no jogo, no havendo preocupao probabilstica
explcita.
Os primeiros clculos de probabilidade foram feitos pelos italianos
quinhentistas, eles s tinham preocupao em comparar as freqncias de
ocorrncia e estimular ganhos de jogos de azar. Porm ainda no h produo de
teoremas.
Cardano (1526) pode ser considerado o pai do estudo matemtico das
probabilidades. Ele foi o primeiro a introduzir tcnicas de combinatria para
calcular a quantidade de possibilidades favorveis em um evento aleatrio.
Outros matemticos tambm estudaram a probabilidade, entre eles: Pacioli,
Tartaglia, Galileo, porm sem muito destaque.
Essas tcnicas desenvolvidas pelos matemticos citados eram simples e
restritas a casos numricos. Em 1600, Franois Vite, inventou o clculo literal, e
com a lgebra desenvolvida por Descartes em 1630 foi capaz de resolver
problemas que envolvessem muitas possibilidades ou eventos de natureza
genrica. Contudo, s a partir da metade do sculo XVII, apareceram as
condies para a abordagem gerais de probabilidades. Isto coube a dois
franceses, Fermat e Pascal, que aperfeioaram as tcnicas de Cardano e
Tartaglia, ao estilo que empregamos hoje. Os seguros surgiram devido aos
grandes naufrgios e roubos de cargas de navios, h aproximadamente 5.000
anos. Com o trmino da Idade Mdia, comeou-se estudar um novo tipo de
seguro: o seguro de vida.
79
O primeiro estudo se fez com o matemtico Cardano, porm sem muito

sucesso. A partir de 1693 Halley criou o clculo do valor da anuidade do seguro
em termo da expectativa de vida da pessoa e a probabilidade de quantos anos ela
sobreviveria alm do esperado.
Daniel Bernoulli (1730) pesquisou um novo modo de calcular a
probabilidade de vida de uma pessoa envolvendo os riscos de doenas e a partir
de um nmero de recm-nascidos quantos sobreviveriam aps t anos. Dessa
maneira, criando uma base cientfica e logo aps foram fundadas vrias empresas
do ramo.
9.3.2. Definio da Probabilidade
Aplicar probabilidade significa aplic-la em situao que no se pode prever

um resultado futuro.
Os princpios bsicos so:

A probabilidade de um evento ocorrer deve estar entre 0 e 1, ou seja,
0 1 (Evento) 1 ;
A probabilidade do espao amostral 1 ou 100%;
Se dois eventos forem mutuamente excludente, a probabilidade deles
ocorrerem ao mesmo tempo vazio, j que, no h elementos comum entre
eles ;
Mas se forem coletivamente exaustivo:
E1 E2 = P(E1 ) + P( E 2 )
A formula da probabilidade:
No. de eventos favorveis
Eventos
P=
=
No. de eventos possveis
Espao Amostral
A soma das probabilidades sempre igual a 1
P(E 1 ) + P(E 2 ) = 1
Principais Teoremas:
__
Se A complemento de A, isto , tudo que no seja de A

__
P ( A ) = 1 P (A)
Demonstraes:
Seja:
Ora, A B = (so mutuamente excludente)
__
P(A B) = P(A) + P(B= A )

__
P( ) = P(A) + P(B= A )
__
1 = P(A) + P(B= A )
80
__
P(B= A ) = 1 P(A)
Se "" o evento impossvel em P() = 0
Como B = e B = B
Temos:
P( ou B) = P(B)
P() + P(B) = P(B)
P() = 0
Teorema do Produto
P( E1 E 2 ) = P(E1 ) * P ( E2 ) , para eventos independentes
P( E1 E 2 ) = P(E 1 ) * P( E2 / E1 ) , para eventos independentes
Teorema da Soma
P( E1 ou E 2 ) = P(E1 E 2 )
P( E1 E 2 ) = P(E 1 ) + P(E 2 ) P( E1 E 2 )
9.4.
Mtodos de Enumerao
Considere que a Probabilidade de ocorrer A igual ao nmero de maneiras

pelas quais A pode ocorrer sobre (dividido) pelo nmero total de maneiras pelas
quais o evento pode ocorrer:
P=
No. de eventos favorveis

Eventos
=
No. de eventos possveis
Espao Amostral
A partir de agora, devido a complexidade das situaes, passaremos a

sentir necessidade de alguns procedimentos sistmicos de contagem ou
enumerao.
Regra da Multiplicao
Suponha-se que um procedimento designado por 1 possa ser executado n1

maneiras. Admita-se que em um segundo procedimento, designado por 2, posse
ser executado de n2 maneiras. Suponha-se, tambm, que cada maneira de
executar 1 possa ser seguida por qualquer daquelas para executar 2. Ento o
procedimento formado por 1 seguido de 2 poder ser executado de n1 x n2
maneiras. Para indicar a validade deste princpio, mais fcil considerar o
seguinte tratamento sistmico:
81
n2
n1
n2
n2
n2
Considere-se um ponto P e duas retas L 1 e L 2. Admita-se que o

procedimento 1 consiste em ir de P at L 1, enquanto o procedimento 2 consista
em ir de L 1 at L 1 . A figura acima indica o resultado final obtido.
A ocorrncia simultnea de dois eventos implica na observao apenas dos
elementos comuns aos dois. Quer dizer, interseo-multiplicao, sendo
caracterzado pela expresso e. Para determinar a probabilidade, usa-se a lei da
multiplicao, que difere conforme os eventos sejam dependentes ou
independentes.
Para eventos independentes, a lei :
P(E 1 E2) = P(E 1) * P(E 2), isto , a probabilidade de que ocorra um evento e
o outro obtido pelo produto das probabilidades dos dois eventos. J nos eventos
dependentes, a lei :
P(E 1 E2) = P(E 1) * P(E 2/E1), ou seja, a probabilidade de que ocorra um
evento e o outro obtido pelo produto da probabilidade de um deles com a
probabilidade condicional do outro.
Exemplo:
Uma pea manufaturada deve passar por trs estaes de controle. Em
cada estao, a pea inspecionada para determinada caracterstica e marcada
adequadamente. Na primeira estao, trs classificaes so possveis, enquanto
nas duas ultimas, quatro classificaes so possveis. Consequentemente,
existem 3 x 4 x 4 = 48 maneiras pelas quais uma pea pode ser marcada.
Regra da Adio
Suponha-se que um procedimento, designado por 1, possa ser realizado de

n1 maneiras. Admita-se que um segundo procedimento, designado por 2, possa
ser realizado de n2 maneiras. Alm disso, suponha-se que no seja possvel que
ambos os procedimentos 1 e 2 sejam realizados em conjunto. Ento, o nmero de
maneiras pelas quais poderemos realizar ou 1 ou 2 ser n1 + n2.
A regra aditiva caracterizada pela expresso ou:
82
P(E 1 ou E 2) = P(E 1 E2)

A regra aditiva pode ser dois tipos:
a) O uso do ou denominado ou exclusivo- acontece quando no h
possibilidade de ambos os eventos ocorrerem simultaneamente, cuja frmula:
P(E 1 E2) = P(E 1) + (E 2)
b) O outro tipo: ou inclusivo - acontece quando os eventos no so mutuamente
exclusivos, cuja frmula:
P(E 1 E2) = P(E 1) + P(E 2) P(E 1 E2)
Exemplo:
Suponha-se que estejamos planejando uma viagem e devamos escolher
entre o transporte por nibus ou por trem. Se existirem trs rodovias e duas
ferrovias, ento existiro 3 + 2 = 5 caminhos disponveis para a viagem.
Permutaes e Arranjos
Suponha-se que ns temos n objetos diferentes. De quantas maneiras
nPn poderemos dispor (permutar) esses objetos? Por exemplo, se tivermos os
objetos a, b e c, poderemos considerar as seguintes permutaes: abc, acb,
bac, bca, cab, cba. Portanto, a resposta 6. Considere-se, em geral, o
seguinte esquema: Permutar os n objetos equivale a coloc-los dentro de uma
caixa com n compartimentos, em alguma ordenao:
N1
N2
O primeiro compartimento pode ser ocupado por qualquer um das n

maneiras, o segundo compartilhado por qualquer uma das (n 1) maneiras, ..., e o
ultimo compartilhado apenas por uma maneira. Portanto, aplicando-se a regra da
multiplicao, vista acima, verifica-se que a caixa poder ser carregada de n(n
1)(n 2) ... 1 maneiras.
Definio: Sendo n um inteiro positivo, definimos n! = (n)(n 1 )(n 2)...1 e
o denominamos fatorial de n. Tambm definimos 0! = 1.
Assim sendo, o nmero de permutaes de n objetos diferentes dado por:
nPn =
n!
Considerem-se novamente n objetos diferentes. Agora desejamos escolher

r desses objetos, 0 r n e permutar os r escolhidos. Denotaremos o nmero de
83
maneiras de fazer isso (arranjos) por nPr. Recorreremos novamente ao esquema

acima, de encher uma caixa de n compartimentos; desta vez simplesmente
paramos depois que o compartimento de ordem r tenha sido ocupado. Asssim, o
primeiro compartimento pode ser preenchido de n maneiras, o segundo de (n 1 )
maneiras, ... e o de ordem r de n (r 1) maneiras. Portanto, o procedimento
completo poder ser executado, novamente aplicando-se a regra da multiplicao,
de n(n 1)(n 2)...(n r + 1) maneiras. Empregando a notao de fatorial,
introduzida acima, podemos escrever:
nPr
n!
(n r )!
Combinaes
Considerem-se, novamente, n objetos diferentes. Agora, trataremos da

contagem do nmero de maneiras de escolher r dentre esses n objetos sem
considerarmos a ordem. Por exemplo, temos os objetos a, b, c e d, e r = 2;
desejamos contar ab, ac, ad, bc, bd e cd; em outras palavras, no contaremos ab
e ba, porque os mesmos objetos esto includos e comente a ordem diversa.
Para obtermos o resultado geral, recordaremos a frmula deduzida acima:
o nmero de maneiras de escolher r objetos dentre n, e permutar os r escolhidos
n!(n r)! Seja C o nmero de maneiras de escolher r dentre os n, no considerada
nenhuma ordem. (Isto , C o nmero procurado). Observe-se que, uma vez que
r objetos tenham sido escolhidos, existiro r! maneiras de permut-los.
Consequentemente, aplicando-se novamente a regra da multiplicao, juntamente
com esse resultado, obteremos
Cr ! =
n!
( n r )!
Portanto, o nmero de maneiras de escolher r dentre n objetos diferentes,

no se considerando a ordem, dado por:
C =
n!
r! ( n r )!
Exemplo:
a) Dentre oito pessoas, quantas comisses de trs membros podem ser
escolhidas? Desde que duas comisses sejam a mesma comisso se forem
84
constitudas pelas mesmas pessoas (no se levando em conta a ordem em que

sejam escolhidas), teremos:
C8 , 3 =
8!
40320
=
= 56 comisses possveis
3! (8 3)! 6 120
b) Com oito bandeiras diferentes, quantos sinais feitos com trs bandeiras
se podem obter? Este problema parece-se muito com o anterior. No entanto, aqui
a ordem acarreta diferena e, por isso, obteremos:
A8 , 3 =
8!
40320
=
= 336 sinais
(8 3)!
120
c) Um grupo de oito pessoas formado de cinco homens e trs mulheres.

Quantas comisses de trs pessoas podem ser constitudas, incluindo
exatamente dois homens? Aqui deveremos fazer duas coisas: escolher dois
homens (dentre cinco) e escolher um mulher (dentre trs). Da obteremos como
nmero procurado:
C5 , 2 =
5!
120
=
= 10
2! (5 2)! 2 6
C3 ,1 =
3!
6
=
=3
1! (3 1)! 1 2
C5 , 2 C3 ,1 = 10 3 = 30 comisses
9.5.
Probabilidade Condicional
Vamos examinar a diferena entre extrair uma pea de um lote, ao acaso,

com ou sem reposio.
Exemplo: Uma partida de cem peas composta de 20 peas defeituosas e 80
perfeitas. Dez dessas peas so escolhidas ao acaso, sem reposio de qualquer
pea escolhida antes que a seguinte seja escolhida. Qual a probabilidade de que
exatamente metade das peas escolhidas sejam defeituosas?
Neste exemplo, o lote estudado tem a seguinte composio: 80 nodefeituosas e 20 defeituosas. Suponha que escolhemos duas peas desse lote:
(a) com reposio; (b) sem reposio.
Definamos os dois eventos seguintes:
A = {a primeira pea defeituosa}; B = {a Segunda pea defeituosa}.
85
Se estivermos extraindo com reposio, P(A) = P(B) = 20/100 = 1/5, porque

cada vez que extramos do lote, existiro 20 peas defeituosas no total de 100. No
entanto, se estivermos extraindo sem reposio, os resultados no sero to
simples. ainda verdade que P(A) = 1/5. O que mudar ser P(B), por qu?
Deveremos conhecer a composio do lote no momento de se extrair a Segunda
pea. Isto , temos que ter certeza se A ocorreu ou no. Da vem a necessidade
de se saber o seguinte conceito:
Sejam A e B dois eventos associados ao experimento E. Denotaremos por
P(B|A) a probabilidade condicionada do evento B, quando A tiver ocorrido.
No exemplo acima, P(B|A) = 19/99, porque se A tiver ocorrido, ento para a
segundo extrao restaro somente 99 peas, das quais 19 delas sero
defeituosas.
Sempre que calcularmos P(B|A), estaremos essencialmente calculando
P(B) em relao ao espao amostral reduzido A, em lugar de ser em relao ao
espao amostral original S.
Exemplo: Dois dados equilibrados so lanados, registrando-se o resultado como
(x1 , x2) onde xi o resultado do i-simo dado, i = 1, 2. Por isso, o espao amostral
S pode ser representado pela seguinte lista de 36 resultados igualmente
provveis:
(1,1) (1,2) ... (1,6)
(2,1) (2,2) ... (2,6)
.
.
S=
.
.
.
.
(6,6)
(6,1)
Consideremos os dois eventos seguintes:
A = {(x1, x2 )| x1 + x2 = 10}, B = {(x1 , x2)| x1 > x2}
Assim, A = {(5,5), (4,6), (6,4)} e B = {(2,1), (3,2),...,(6,5)}
Portanto, P(A) = 3/36 e P(B) = 15/36. E P(B|A) = 1/3, uma vez que o espao
amostral , agora formado por A (isto , trs resultados), e somente um desses
trs resultados coerente com o evento B. De modo semelhante, poderemos
calcular P(A|B) = 1/15.
Finalmente, vamos calcular P(A B). O evento A B ocorre se, e somente
se, a soma dos dois dados for 10 e se o primeiro dado tiver apresentado um valor
maior que o segundo dado. Existe apenas um desses resultados e, por isso,
P(A B) = 1/36. Se fizermos um exame cuidadoso dos vrios nmeros j
calculados, concluiremos que
86
P( A | B) =
P ( A B)
P( B )
P( B | A) =
P ( A B)
P( A)
Definio:
P( B | A) =
P ( A B)
, desde que P(A) > 0
P( A)
Deste modo, temos duas maneiras de calcular a probabilidade

condicionada P(B|A):
(a) Diretamente, pela considerao da probabilidade de B em relao ao espao
amostral reduzido A.
(b) Empregando a definio acima, onde P(A B) e P(A) so calculados em
relao ao espao amostral.
Contudo, cada termo P(A Bj) pode ser expresso na forma P(A|B j) x P(B j )
e, da obteremos o que se denomina o teorema da probabilidade total:
P( A) = P( A | B1 ) P( B1 ) + P( A | B2 ) P ( B2 ) + ... + P( A | Bk ) P ( Bk )
Esse resultado representa uma relao extremamente til, porque
freqentemente, quando P(A) pedida, pode ser difcil calcul-la diretamente. No
entanto, com a informao adicional de que B j tenha ocorrido, seremos capazes
de calcular P(A| B j ) e, em seguida, empregar a frmula acima.
Exemplo:
Uma determinada pea manufaturada por trs fbricas, digamos 1, 2 e 3.
Sabe-se que 1 produz o dobro de peas que 2, e 2 e 3 produziram o mesmo
nmero de peas (durante um perodo de produo especificado). Sabe-se
tambm que 2% das peas produzidas por 1 e 2 so defeituosas, enquanto 4%
daquelas produzidas por 3 so defeituosas. Todas as peas produzidas so
colocadas em um depsito, e depois um pea extrada ao acaso. Qual a
probabilidade de que essa pea seja defeituosa?
Vamos introduzir os seguintes eventos: A = {a pea defeituosa}, B 1 = {a
pea provm de 1}, B 2 = {a pea provm de 2}, B 3 = {a pea provm de 3}.
Pede-se P(A), e empregando-se o resultado acima, poderemos escrever:
P( A) = P( A | B1 ) P( B1 ) + P( A | B2 ) P ( B2 ) + P( A | B3 ) P( B3 )
Ora, P(B 1) = 1/2, enquanto P(B 2) = P(B 3) = 1/4. Tambm, P(A|B 1) = P(A|B 2)
= 0,02, enquanto P(A|B 3) = 0,04. Levando-se esses valores expresso acima,
encontraremos P(A) = 0,025.
87
9.6.
Exerccio 9.1
Qual a probabilidade de tirar um s em um baralho com 52 cartas?

Soluo:
P( S ) =
4
1
=
52 13
Exerccio 9.2
Qual a probabilidade de conseguir o nmero 7 na soma de dois dados honestos

lanados simultaneamente ?
Soluo:
6 + 1
1 + 6
3 + 4
1
1
1
1
1
1
6
1
7=
=
+
+
+
+
+
=
=
4 + 3 36 36 36 36 36 36 36 6
5 + 2
2 + 5
Exerccio 9.3
Uma fbrica possui duas mquinas que funcionam de forma independente, a

probabilidade de falha de 3% para primeira e de 7% para segunda. Calcule:
a) A probabilidade das duas falharem simultaneamente;
b) A probabilidade de funcionarem normalmente.
Soluo:
a) A = 0,03
B = 0,07
0,03 x 0,07 = 0,0021 ou 0,21%
__
b) A = 0,97
__
B = 0,93
0,97 x 0,093 = 0,9021 ou 90,2%
Exerccio 9.4
Uma bola retirada ao acaso de uma urna que contm 12 bolas pretas, 16 verdes
e 8 rosas. Calcule a probabilidade de :
a) No ser verde;
88
b) No ser preta;
c) Ser rosa.
Soluo:
a) P( verde) =
20 10 5
=
=
36 18 9
b) P( preta) =
24 2
=
36 3
c) P(rosa) =
8 2
=
36 9
Exerccio 9.5
De um baralho, so retiradas 3 cartas seguidamente, sem reposio. Qual a

probabilidade da primeira ser um rei, da segunda uma figura e da terceira ser um
dois de paus?
Soluo:
4
1
P1 =
=
52 13
P1 , 2 ,3 =
P2 =
12
1
=
51 13
P3 =
1
50
1 12 1
12

=
13 51 50 33150
Exerccio 9.6
Um supermercado fez uma pesquisa para saber a preferencia dos consumidores

em relao a trs produtos, OMO, MINERVA e ALA. Os resultados da pesquisa
indicam que:
210 compram OMO
210 compram MINERVA
250 compram ALA
20 compram os trs
60 compram OMO e MINERVA
50 compram MINERVA e ALA
70 compram OMO e ALA
100 no compram nenhum dos trs
Calcule a probabilidade de um consumidor escolhido compra:
a) OMO apenas;
b) MINERVA e ALA, mas no OMO;
c) OMO e MINERVA, mas no ALA.
89
Soluo:
M 210 = 50 + 20 + 30 + X
210 = 100 + X
X = 110
O 110 = 50 + 20 + 40 + Y
210 = 110 + Y
Y = 100
M
100
A 250 = 30 + 20 + 40 + X
250 = 90 + W
W = 160
Total = 160 + 110 + 100 + 30 +20 + 60 + 40 + 100
Total = 610
a) P(Omo apenas) =
100 5
=
610 61
b) P(Minerva e Ala apenas) =
160 + 30 + 110 290 29

=
=
610
610 61
c) P(Omo e Minerva apenas) =
100 + 110 + 40 250 25

=
=
610
610 61
Exerccio 9.7
Qual a probabilidade de duas pessoas completarem anos no mesmo dia?

(Considere o ano com 365 dias)
Soluo:
No. de Eventos Favorveis
1
Pr ob =
=
No. de Eventos Possveis
365
Como so dois eventos e eles no so excludentes, ento,
1
1
= 0 ,0000075
365 365
Exerccio 9.8
90
verton foi a uma festa e marcou um encontro com Ana e Maria. Sabendo que a
probabilidade de que ele se encontre com Ana de 15% e com Maria de 35%.
Qual a probabilidade de:
a) No encontre nenhuma das duas;
b) Encontrar apenas uma.
Soluo:
___
P( A ) = 1 0,15 = 0,85
___
P( M ) = 1 0,35 = 0,65
__
__
a) Prob = P( A ) x P( M )
Prob = 0,85 x 0,65
Prob = 0,5525 ou 55,25%
P(A
P(A
b)
P(A
P(A
M) = P(A) + P(M) P(A) P(M)

M) = 0,15 + 0,35 0,15 0,35
M) = 0,5 0,0525
M) = 0,4475 ou 44,75%
Exerccio 9.9
Doze times de futebol disputam quatro vagas. Calcule o nmero de grupos

possveis classificados, sabendo que o time do Vasco j est classificado e o
Flamengo est eliminado.
Soluo:
A
C103 =
3 times
10 9 8 7!
= 120
7!3 2 1
Exerccio 9.10
Em uma corrida, o cavalo X tem o triplo de chances em relao ao cavalo Y e o

cavalo W tem a metade de chances em relao ao cavalo Y. Qual a probabilidade
do cavalo X ser campeo?
Soluo:
P(X) = 3 P(Y)
P(Y) = 2 P(W)
91
Logo,
P(X) = 6 P(W)
P(X) + P(Y) + P(W) = 1
6 P(W) + 2 P(W) + P(W) = 1
9 P(W) = 1
1
P(W) =
9
Exerccio 9.11
O professor de Estatstica I, passou uma tarefa para a turma. Esta tarefa dever
ser feita em grupos, contendo 4 componentes cada. Sabendo que a turma possui
15 alunos, quantos grupos diferentes podem ser formados?
Soluo:
C15,4 =
15!
15 14 13 12 11!
=
= 1365
4! (15 4)!
4 3 2! 11!
Exerccio 9.12
Em uma pesquisa realizada com 200 alunos da Faculdade Ruy Barbosa, foi obtido
o seguinte resultado:
HOMENS
MULHERES
ADM
45
35
CC
22
16
PD
38
12
PSIC
29
3
Qual a probabilidade de um aluno desse grupo, escolhido ao acaso, ser:

a) Homem e cursar ADM;
b) Mulher e cursar PSIC;
c) Homem e cursar PSIC.
Soluo:
a) P(H e ADM) =
45
200
b) P(M e PSIC) =
3
200
c) P(H e PSIC) =
29
200
92
Exerccio 9.13
Csar chega atrasado 40% das vezes e esquece o material 18% das vezes.
Calcule a probabilidade de:
a) Csar chegar na hora e com o material;
b) Csar no chegar na hora certa e sem o material.
Soluo:
__
P(A) = 0,40
P( A) = 1 0,4 = 0,6
P(E) = 0,18
P( E) = 1 0,18 = 0,82
__
__
__
__
__
__
__
__
__
P( A / E) = P( A) P( E)
P( A / E) = 0,6 0,82 = 0,492
a)
P( A / E) = 49,2%
P(A/E) = P(A) P(E)
P(A/E) = 0,4 0,18 = 0,072 ou 7,2%
b)
Exerccio 9.14
Carla Bianca tem 75% de casar com Ricardo e 10% de casar com Adelmo.
Sabendo que na vida de Carla Bianca s existe esses dois homens, calcule a
probabilidade de Carla Bianca ficar para titia.
Soluo:
__
P(R) = 0,75
P( R ) = 1 0,75 = 0,25
P(A) = 0,10
P( A) = 1 0,1 = 0,9
__
__
__
P( A R ) = 0,9 0, 25 = 0,225 ou 22,5%
Exerccio 9.15
Quantos nmeros de 6 algarismos podem ser formados com os 10 algarismos:

a) Admitindo-se repeties;
b) No admitindo-se repeties;
c) Se um nico algarismo deve ser 0.
Soluo:
a) 9 x 10 x 10 x 10 x10 x 10 = 900.000
93
b) 9 x 9 x 8 x 7 x 6 x 5 = 136.080
c) 9 x 8 x 7 x 6 x 5 x 1 = 15.120
Exerccio 9.16
Em um guarda-roupas esto penduradas 5 camisa brancas e 3 camisas azuis,

calcule a probabilidade das camisas azuis, em particular, estarem juntas?
Soluo:
8!
A8 ,8 = = 8 7 6 5 4 3 2 1 = 40.320
0!
A6 , 6 =
6!
= 6 5 4 3 2 1 = 720
0!
A3 , 3 =
3!
= 3 2 1 = 6
0!
Pr ob =
No. de Eventos Favorveis 6!3! 720 6 3

=
=
=
No. de Eventos Possveis
8!
40.320 28
Exerccio 9.17
Anderson acabou de se casar, a probabilidade de estar vivo daqui a 25 anos de

5/6 e da sua esposa de 3/4. Qual a probabilidade deles completarem Bodas de
Pratas, e qual probabilidade de Anderson ficar vivo.
Soluo:
P(BP) =
5 3 15
=
6 4 24
__
P(AV) =P(A) x P( E )
__
3 1
P( E ) = 1 - =
4 4
5 1 5
P(AV) = =
6 4 24
Exerccio 9.18
Trs alunos foram para a prova final de estatstica I, Csar tem P(C) = 3/4 de
aprovao, Anderson tem P(A) = 1/2 e Daniel tem P(D) = 2/3 . Qual probabilidade
de Anderson e Daniel serem aprovados e Csar reprovado ?
94
Soluo:
__
P(C) = 3/4 = P( C) = 1 3/4 = 1/4

P(A) = 1/2
P(D) = 2/3
Logo,
__
P(A,D, C ) =
1 1 2 2
1
=
=
4 2 3 24 12
Exerccio 9.19
Num grupo de 20 pessoas apresenta, de acordo com o sexo, a seguinte

composio:
Homem ---- 12
Mulher ----8
a) Qual a probabilidade de ser homem ?
b) Qual a probabilidade de ser mulher ?
a) Prob =
12 3
= = 60%
20 5
b) Prob =
8 2
= = 40 %
20 5
Exerccio 9.20
Em uma olimpada, na modalidade de tiro ao alvo, um brasileiro e um espanhol

chegaram a final. O brasileiro tem 2/3 de chances de acertar o alvo e o espanhol
1/3, qual a probabilidade de ocorre um empate?
Soluo:
Brasileiro = 2/3
Espanhol = 1/3
Prob =
2 1 2
= ou 22,22%
3 3 9
Exerccio 9.21
Em dois baralhos de 52 cartas cada, tira-se uma carta de cada ao mesmo tempo.
Qual a probabilidade de sair um s e um 6 de paus?
95
Soluo:
P(S) =
4
1
=
52 13
P(6, Paus) =
1
52
P(S e 6 Paus) =
1
1
1
=
13 52 676
Exerccio 9.22
O tcnico da seleo brasileira de Futsal dispe de 10 jogadores para disputar o

campeonato mundial, na Guatemala. De quantas maneiras diferentes ele pode pr
o time em quadra? (ignore as posies dos jogadores).
Soluo:
10 9 8 7 6 5!
C10,5 =
= 1260
5! 5 4 3 2
Exerccio 9.23
Na turma de Estatstica I, 0,5% das mulheres e 2% dos homens tem mais de 23

anos. Sabendo-se que 60% da turma masculina. Um aluno foi escolhido e tem
mais de 23 anos, qual a probabilidade de ser homem?
X: Estudante com + 23
___
X : Estudante com 23
H = Homem = 0,6
M = Mulher = 0,4
0,02 X P(H X) = 0,6 x 0,02 = 0,012
0,6
H
___
0,98
X
0,005 X P(M X) = 0,4 x 0,005 = 0,002
0,4
M
___
0,995 X
96
P(X) = 0,012 + 0,002 = 0,014

Logo: P(H/X) =
P(H X)
0,012
=
0,86 = 86%
P(X)
0,014
Exerccio 9.24
Um dado lanado e uma carta de baralho completo retirada ao mesmo tempo

(independente). Qual a probabilidade de sair um nmero mpar do dado e um
valete do baralho?
Dado = (1,3,5): P(Impar) =
3 1
=
6 2
Baralho = (Valet): P(Valet) =
P(Impar e Valet) =
4
1
=
52 13
1 1
1
=
2 13 26
Exerccio 9.25
(E1V/001/2v) De uma determinada amostra de 40 fornecedores de xaropes de uva, guaran ou
laranja da indstria de refrigerantes Sensao Delcia Ltda., sabe-se que : 21 fornecem xaropes de
laranja, 17 fornecem xaropes de guaran e 20 fornecem xaropes de uva. Sabendo-se que 8
fornecem xaropes de laranja e guaran, 9 fornecem xaropes de laranja e uva e 7 fornecem
xaropes de uva e guaran, calcule a probabilidade de um fornecedor escolhido ao acaso: a)
fornecer xarope de uva, apenas; b) fornecer os trs tipos de xarope; c) xarope de laranja ou
guaran, mas no de uva; d) xarope de laranja ou uva, mas no guaran.
Resposta : a) 0,25; b) 0,15; c) 0,50; d) 0,575
Exerccio 9.26
(E1V/001/2v) Sejam A e B mutuamente excludentes, P(A) = 0,47 e P(B) = 0,51. a) A e B so
mutuamente exaustivos ? Explique. b) Determine P(B); c) Determine P (A ou B); d) Determine P
[(A ou B)].
Resposta : a) No, j que P(A) + P(B) diferente de 100%; b) 0,49; c) 0,98; d) 0,02
Exerccio 9.27
(E1V/001/2v) A Caixa Econmica Estadual planeja lanar um novo jogo onde o jogador deve
marcar 6 dezenas das 12 possveis (e presentes no carto). Ele ganha o prmio se conseguir
acertar pelo menos 5 das 6 dezenas marcadas. Qual a probabilidade dele ganhar o jogo?
Resposta : 7/924
Exerccio 9.28
97
(E1/992/22N) Em um dos mais novos jogos comercializados pela Caixa Econmica Federal, o
apostador deve marcar 50 dezenas de um carto contendo 100 dezenas. Posteriormente so
sorteadas 20 dezenas. Calcule a probabilidade do apostador ganhar : a) acertando todas as 20
dezenas; b) acertando 16, 17, 18, 19 ou 20 dezenas ou errando todas as 20 dezenas. No
necessrio apresentar o resultado final, basta indicar quais os procedimentos que deveriam ser
empregados para obter a resposta.
Resposta : a) C50,20/C100,20 b) (2xC50,20 + C50,19 + C50,18 + C50,17 + C50,16 )/ (C100,20 )
Exerccio 9.29
(E1/992/22N) De um determinado grupo de 101 empresas alimentcias que fabricam pelo menos
um dos produtos mencionados, sabe-se que 66 fabricam gelias, 62 fabricam sorvetes e 56
produzem chocolates. Destas, 39 fabricam sorvetes e gelias, 42 fabricam sorvetes e chocolates,
38 fabricam chocolates e gelias. Qual a probabilidade de uma empresa escolhida ao acaso
fabricar : A) Somente gelia? B) Somente chocolate ou somente sorvetes? C) Chocolate e sorvete
e gelia? D) Gelia mas no sorvete? E) Chocolate ou sorvete mas no gelia?
Resposta : a) 25/101; b) 29/101; c) 36/101; d) 27/101; e) 35/101
Exerccio 9.30
(E1/992/22N) Um almoxarife necessita organizar uma estante, destinada a armazenar suprimentos
diversos. Sabendo que existem 4 tens diferentes da rea industrial (departamento de produo), 3
tens diferentes da rea de transportes e 2 tens diferentes do departamento de recursos humanos,
responda : A) De quantas maneiras os tens poderiam ser organizados? B) Se os tens da
produo precisassem necessariamente ficar juntos, quantas maneiras de organizar todos os tens
seriam possveis? C) Se os tens da produo e da rea de transportes precisassem
necessariamente ficar juntos, quantas maneiras de organizar todos os tens seriam possveis?
Resposta : a) A12,12 = 479.001.600 ; b) A3,3 x A10,10 = 21.772.800; c) A3,3 x A 6,6 x A5,5 = 518.400
Exerccio 9.31
(Epsi/002/2) Uma empresa de pesquisa mercadolgica deseja selecionar uma comisso formada
por quatro consumidores de uma amostra previamente selecionada de oito pessoas. a) De quantas
maneiras possveis as quatro pessoas poderiam ser selecionadas? b) Se a comisso fosse
composta por um presidente, um vice-presidente e um relator, de quantas maneiras possveis seria
possvel formar a comisso?
Resposta : a) 70; b) 1680
Exerccio 9.32
(Epsi/002/2) O Departamento de Recursos Humanos de uma multinacional analisou os currculos
de 10 funcionrios. Oito possuam diplomas de Administrao, cinco possuam diplomas de
economia e apenas um no possua nvel superior. Sendo os eventos : A = possuir diploma de
Administrao; B = possuir diploma de Economia, responda : a) A e B so coletivamente
exaustivos?; b) A e B so mutuamente excludentes?; c) quem P(A e B)? D) quem
P(A ou B)?
Resposta : a) no, j que P(A ou B) diferente de 100%; b) no, j que P (A e B) igual a 4/10,
diferente, portanto, de 0; c) 40%; d) 90%
98
9.7.
Aplicaes no Excel
Funo PERMUT
Esta funo calcula o nmero de permutaes para um dado nmero de objetos que pode ser
selecionado de objetos de nmeros. Uma permutao qualquer conjunto ou subconjunto de
objetos ou eventos em que a ordem interna significativa. As permutaes so diferentes das
combinaes em que a ordem interna no significativa. Use esta funo para clculos de
probabilidade do tipo loteria.
Sua sintaxe do tipo : PERMUT(nm;nm_escolhido); onde nm um nmero inteiro que
descreve o nmero de objetos; nm_escolhido um nmero inteiro que descreve o nmero de
objetos em cada permutao.
Observaes importantes : os dois argumentos so truncados para nmeros inteiros; se nm ou
nm_escolhido no for numrico, PERMUT retornar o valor de erro #VALOR!; se nm < 0 ou se
nm_escolhido < 0, PERMUT retornar o valor de erro #NM!; se nm < nm_escolhido, PERMUT
retornar o valor de erro #NM!.
Por exemplo : suponha que voc queria calcular as chances de tirar um nmero vencedor na
loteria. Cada nmero da loteria contm trs nmeros, cada um dos quais pode estar entre 0 e 99,
inclusive. A seguinte funo calcula o nmero de permutaes possveis : PERMUT(100;3), que
igual a 970.200.
Funo PROB
Esta funo calcula a probabilidade de valores em um intervalo estarem entre dois limites. Se o
limite_superior no for fornecido, retornar a probabilidade de que os valores no intervalo_ x sejam
iguais ao limite_inferior.
Sua sintaxe do tipo : PROB(intervalo_x;intervalo_prob;limite_inferior;limite_superior); onde :
intervalo_x o intervalo de valores numricos de x com os quais so associadas probabilidades;
intervalo_prob um conjunto de probabilidades associado com valores no intervalo_x;
limite_inferior o limite inferior do valor cuja probabilidade voc deseja obter; limite_superior o
limite superior opcional do valor cuja probabilidade voc deseja obter.
Observaes importantes : se algum valor em intervalo_prob < 0 ou se algum valor em
intervalo_prob > 1, PROB retornar o valor de erro #NM!; se a soma dos valores em
intervalo_prob 1, PROB retornar o valor de erro #NM!; se limite_superior for omitido, PROB
retornar a probabilidade de ser igual a limite_inferior; se intervalo_x e intervalo_prob contiverem
um nmero diferente de pontos de dados, PROB retornar o valor de erro #N/D.
Por exemplo: PROB({0.1.2.3};{0,2.0,3.0,1.0,4};2) igual a 0,1. PROB({0.1.2.3};{0,2.0,3.0,1.0,4};1;3)
igual a 0,8.
99
CAPTULO 10.
DISTRIBUIO BINOMIAL
Nunca temos certeza : somos sempre ignorantes
em certo grau.
Peter Berstein.
10.1.
Objetivo
O objetivo deste texto consiste em fornecer uma breve introduo aos conceitos da distribuio
binomial.
10.2.
Teoria
O modelo de Distribuio Binomial permite extrair probabilidades de experimentos que apresentam

apenas dois resultados : sucesso ou fracasso. O modelo assume como premissas :
n provas independentes e do mesmo tipo so realizadas

cada prova admite dois resultados : sucesso ou fracasso
a probabilidade de sucesso em cada prova p e de fracasso 1-p = q
Sua expresso geral do tipo :
P( X ) = C n , x p x q n x
Onde :
p = probabilidade de sucesso
q = 1-p = probabilidade de fracasso
n = nmero de eventos estudados
x = nmero de eventos desejados que tenham sucesso
Observao importante : note que p e x esto associados. Se p definido como a probabilidade de
ocorrer cara no lance de uma moeda, x deve ser igual ao nmero de caras.
Exemplo : Uma moeda honesta (que apresenta a mesma probabilidade de cara ou coroa) jogada
quatro vezes. Calcule a probabilidade de sair cara : a) uma vez; b) trs vezes; c) pelo menos 1 vez.
Neste caso, sabe-se que n igual a 4 (nmero de lances da moeda); p = 0,50; q = 1-p = 1 - 0,50 =
0,50. A varivel x varia para situao :
a) x = 1
P( x = 1) = C 4 ,1 (0,50) (0,50)
1
4 1
= 0,25
b) x = 3
P( x = 3) = C 4 , 3 (0,50) (0,50)
3
4 3
= 0,25
100
c) Pelo menos uma vez implica na aceitao de x = 1 ou x =2 ou x = 3 ou x = 4. Ou, de forma mais

fcil, pelo menos uma vez implica na aceitao de qualquer resultado menos o resultado 0 vezes.
P( x 1) = P( x = 1) + P( x = 2) + P( x = 3) + P( x = 4 ) = 1 P (x = 0)
P( x 1) = 1 C 4 , 0 (0,50 ) (0,50) = 1 0,0625 = 0,9375
0
10.3.
Mdia e varincia da distribuio binomial
Na distribuio binomial a mdia igual a nmero de eventos estudados vezes a probabilidade de

ocorrncia do evento. Em outras palavras :
Mdia :
= np
O desvio-padro igual a raiz de n vezes p vezes q. Ou, expressando matematicamente,

Desvio-Padro :
10.4.
= npq
Exerccio 10.1
Bunchaft(47 / 7.2.) Um exame de mltipla escolha consiste em 10 questes, cada uma com 4
opes. A aprovao no exame exige do aluno nota seis, ou seja, o acerto de seis questes. Qual
a chance de aprovao : a) se o aluno nada estudou? b) se o aluno estudou suficientemente para
poder eliminar duas escolhas, devendo palpitar apenas entre duas?
Resposta : a) 0,0197 b) 0,3770
Exerccio 10.2
Bunchaft(47 / 7.3) A revista Veja, editada em 25 de maio de 1988, relata que 90% dos fumantes
dos EUA afirmam que desejam parar com seu vcio. Para uma amostra de 10 pessoas : a) qual a
probabilidade de a maioria querer parar de fumar? b) qual a probabilidade de ningum querer parar
de fumar?
Resposta : a) 1 b) 0,3487
Exerccio 10.3
(IME) Um agricultor cultiva laranjas e tambm produz mudas para vender. Aps alguns meses a
muda pode ser atacada por fungos com probabilidade 0,05 e, nesse caso, ela tem probabilidade
0,5 de ser recupervel. O custo de cada muda produzida R$ 1,00, que ser acrescido de mais
R$ 0,50 se a muda precisar ser recuperada. As irrecuperveis so descartadas. Sabendo que cada
muda vendida a R$ 3,00, encontre a distribuio da varivel aleatria lucro por muda produzida.
Qual o lucro mdio por muda produzida?
Resposta :
Exerccio 10.4
101
(IME) Uma empresa paga a seus estagirios de engenharia de acordo com o ano de curso do
estudante. Para obter o salrio mensal pago por 30 horas semanais, multiplica-se o salrio mnimo
pelo ano de curso do estagirio. Dessa forma, o estudante do primeiro ano ganha um salrio
mnimo, o do segundo recebe dois e assim por diante at o quinto ano. A empresa vai empregar 2
novos estagirios e admitimos que todos os anos tm igual nmero de estudantes interessados no
estgio (considere a populao de candidatos muito grande de modo a no haver diferena entre
escolher com e sem reposio). Pergunta-se a probabilidade de: A) Os dois serem do primeiro
ano? B) A empresa gastar no mximo 3 salrios mnimos com os estgios?
Resposta :
Exerccio 10.5
(IME) Discuta a validade do modelo Binomial, nos seguintes casos, identificando os parmetros
quando possvel: A) Sorteamos 5 alunos, com reposio, de uma universidade e contamos
quantos se declaram usurios de drogas. B) Escolhemos 20 lmpadas ao acaso na prateleira de
um supermercado, sendo 10 de uma fbrica e 10 de outra. Contamos o nmero total de
defeituosas. C) Um motorista submetido a um teste em que deve estacionar seu veculo num
pequeno espao. Em 10 tentativas independentes, contamos o nmero de vezes em que o
motorista estacionou corretamente.
Resposta :
Exerccio 10.6
Uma equipe de basquete tem probabilidade 0,88 de vitrias sempre que joga. Se o time atuar 4
vezes, determine a probabilidade de que vena: a) todas as 4 partidas; b) exatamente 2 partidas;
c) pelo menos uma partida; d) no mximo 3 partidas; e) mais da metade das partidas.
Resposta : a) 59,9695% b) 6,6908% c) 99,9793% d) 40,0305% e) 92,6802%
Exerccio 10.7
Supondo que a probabilidade de um casal ter filhos com olhos verdes igual a 17%, em 400
famlias com 4 crianas cada uma, quantas se esperaria que tivessem : a) dois filhos com olhos
verdes; b) nenhum dos filhos com olhos verdes.
Resposta : a) 48; b) 190 famlias
Exerccio 10.8
Qual a probabilidade de obter ao menos uma vez o nmero 5 em n jogadas de um dado?
n
Resposta : 1- (1/6)
Exerccio 10.9
O time da liga brasileira de futebol de boto tem 72% de probabilidade de vitria sempre que joga.
Se o time jogar 7 partidas, calcule a probabilidade dele : a) vencer exatamente 3 partidas, b)
vencer ao menos uma partida, c) vencer mais da metade das partidas.
Resposta : a) 8,0297% b) 99,9865% c) 89,8404%
Exerccio 10.10
102
Em um campeonato de tiro, a probabilidade de um atirador acertar o alvo de 1/4. Se ele atirar 6

vezes, qual a probabilidade de : a) acertar exatamente 2 tiros? b) no acertar nenhum tiro?
Resposta : a) 29,6631% ; b) 17,7979%
Exerccio 10.11
Em um teste do tipo certo-errado, com 50 perguntas, qual a probabilidade de um aluno,
respondendo as questes ao acaso, acertar 70% das perguntas?
Resposta : 0,1999%
Exerccio 10.12
Se 7% das lmpadas de certa marca so defeituosas, achar a probabilidade de que, numa amostra
de 100 lmpadas, escolhidas ao acaso, tenhamos : a) nenhuma defeituosa? b) 3 defeituosas?
c)mais do que uma boa?
Resposta : a) 0,0705%; b) 4,8624%; c) 99,3987%
Exerccio 10.13
Admitindo-se que os nascimentos de meninos e meninas de uma famlia sejam iguais, calcule a
quantidade de famlias de uma amostra com 600 com 3 crianas cada uma que dever ter : a)
nenhum menino; b) 2 meninos; c) pelo menos um menino; d) exatamente 3 meninos.
Resposta : a) 75; b) 225; c) 525; d) 75 famlias
Exerccio 10.14
(E1/992/3V) Quais so as principais distribuies de probabilidade? Com suas palavras,
classifique-as, cite e descreva suas caractersticas principais.
Resposta : Binomial, Poisson e Normal.
Exerccio 10.15
(E1/992/32) A proporo de adultos fumantes no Brasil igual a 8,5%. Calcule a probabilidade de,
em um grupo de 9 adultos : a) apenas um ser fumante; b) pelo menos dois serem fumantes; c) no
mximo 7 serem fumantes.
Resposta : a) 0,37586 b) 0,17458 c) 1 (aproximadamente)
Exerccio 10.16
(E1/992/3V) As pacientes diagnosticadas com certa doena precocemente tem 80% de
probabilidade de serem completamente curadas. Para um grupo de 12 pacientes nessas
condies, calcule a probabilidade de : a) 8 ficarem completamente curadas; b) entre 3 (inclusive) e
5 (inclusive) no serem curadas; c) no mais que 2 permanecerem com a doena. Nesta questo,
use 5 casas decimais.
Resposta : a) 0,13288 b) 0,9961 c) 0,99995
Exerccio 10.17
103
(E1V/001/2v) Uma empresa comercial estima que 5% de suas vendas no so recebidas, em

funo do recebimento de cheques sem fundos. Ao se analisar uma amostra de 8 vendas, qual a
probabilidade de : a) todas serem pagas normalmente? b) uma ou duas vendas, apenas, serem
pagas? c) pelo menos trs vendas serem pagas normalmente d) todas as vendas no serem
pagas?
-7
Resposta : a) 0,6634; b) 4,0078 x 10 ; c) 0,0058; d) 3,9063 x 10
-11
Exerccio 10.18
(E1/992/22N) Sabendo-se que existem 13 jogos na Loteria Esportiva e que para cada jogo um
determinado time pode ganhar ou empatar ou perder, estime a probabilidade de um jogador : a)
acertar todos os jogos, b) acertar pelo menos um jogo, c) acertar pelo menos 12 jogos.
Resposta : a) 0,000000627 b) 0,994861769 c) 0,000016935
Exerccio 10.19
(E1/001/32) A probabilidade de uma determinada construtora vencer uma licitao pblica
aproximadamente igual a 54%. Em seis licitaes, qual a probabilidade desta empresa : a)perder
todas; b)vencer apenas uma; c)vencer pelo menos uma; d) perder trs licitaes.
Resposta : a) 0,0095 ; b) 0,0667; c) 0,9905 ; d) 0,3065
Exerccio 10.20
(Epsi/001/2) Em uma prova de mltipla escolha composta por 8 questes, o aluno deve escolher
uma dentre trs alternativas possveis. Para ser aprovado, ele deve acertar, no mnimo, cinco
perguntas. Qual a probabilidade de um aluno escolhido ao acaso : a) ser aprovado; b) acertar
todas as questes; c) errar 4 questes; d) errar todas as questes.
Resposta : a) 0,0879 ; b) 0,0002; c) 0,1767; d) 0,0390
Exerccio 10.21
(Epsi/001/2) Um time de vlei estima que sua probabilidade de vitria seja igual a 0,73. Se o time
jogar 5 partidas, qual a probabilidade de que ele vena : a) todos os cinco jogos; b) pelo menos um
jogo; c) no mximo dois jogos; d) mais da metade dos jogos.
Resposta : a) 0,2073; b) 0,9986; c) 0,1257; d) 0,8743
10.5.
Aplicaes no Excel
Funo CRIT.BINOM
Esta funo calcula o menor valor para o qual a distribuio binomial cumulativa maior ou igual
ao valor padro. Use esta funo para aplicaes de garantia de qualidade. Por exemplo, use
CRIT.BINOM para determinar o nmero mximo de peas defeituosas que pode sair de uma linha
de montagem sem rejeitar o lote inteiro.
Sua sintaxe do tipo : CRIT.BINOM(tentativas;probabilidade_s;alfa); onde tentativas o nmero
de tentativas de Bernoulli; probabilidade_s a probabilidade de sucesso em cada tentativa; alfa o
valor padro.
Observaes importantes : se algum argumento no for numrico, CRIT.BINOM retornar o valor
de erro #VALOR!; se tentativas no for um inteiro, ser truncado; se tentativas < 0, CRIT.BINOM
retornar o valor de erro #NM!; se probabilidade_s for < 0 ou probabilidade_s > 1, CRIT.BINOM
104
retornar o valor de erro #NM!; se alfa < 0 ou alfa > 1, CRIT.BINOM retornar o valor de erro
#NM!.
Por exemplo : CRIT.BINOM(6;0,5;0,75) igual a 4.
Funo DISTRBINOM
Esta funo calcula a probabilidade de distribuio binomial do termo individual. Use DISTRBINOM
em problemas com um nmero fixo de testes ou tentativas, quando os resultados de determinada
tentativa forem apenas sucesso ou fracasso, quando as tentativas forem independentes e quando
a probabilidade de sucesso for constante durante toda a experincia. Por exemplo, DISTRBINOM
pode calcular a probabilidade de que dois dos prximos trs bebs sejam meninos.
Sua sintaxe do tipo : DISTRBINOM (nm_s;tentativas;probabilidade_s;cumulativo); onde nm_s
o nmero de tentativas bem-sucedidas; tentativas o nmero de tentativas independentes;
probabilidade_s a probabilidade de sucesso em cada tentativa; cumulativo um valor lgico
que determina a forma da funo. Se cumulativo for VERDADEIRO, ento DISTRBINOM retornar
a funo de distribuio cumulativa, que a probabilidade de que exista no mximo nm_s de
sucessos; se for FALSO, retornar a funo massa de probabilidade, que a probabilidade de que
exista nm_s de sucessos.
Observaes importantes : Nm_s e tentativas so truncados para inteiros; se nm_s, tentativas
ou probabilidade_s no for numrico, DISTRBINOM retornar o valor de erro #VALOR!; se nm_s
< 0 ou nmero_s > tentativas, DISTRBINOM retornar o valor de erro #NM!; se probabilidade_s <
0 ou probabilidade_s > 1, DISTRBINOM retornar o valor de erro #NM!.
Por exemplo : lanar uma moeda s pode resultar em cara ou coroa. A probabilidade de o primeiro
lance ser cara 0,5 e a probabilidade de exatamente 6 de 10 lances serem cara pode ser
apresentada como DISTRBINOM(6;10;0,5;FALSO), que igual a 0,205078.
Funo DIST.BIN.NEG
Esta funo calcula a distribuio binomial negativa. DIST.BIN.NEG retorna a probabilidade de
ocorrer nm_f fracassos antes de nm_s-simo sucesso, quando a probabilidade constante de um
sucesso probabilidade_s. Esta funo semelhante distribuio binomial, exceto pelo fato de
que o nmero de sucessos fixo e o numero de tentativas varivel. Como ocorre na distribuio
binomial, as tentativas so consideradas independentes.
Por exemplo, voc precisa encontrar 10 pessoas com timos reflexos, e sabe que a probabilidade
de um candidato ter essas qualificaes de 0,3. DIST.BIN.NEG calcula a probabilidade de voc
entrevistar um certo nmero de candidatos no qualificados antes de encontrar os 10 candidatos
qualificados.
Sua sintaxe do tipo : DIST.BIN.NEG(nm_f;nm_s;probabilidade_s); onde nm_f o nmero de
insucessos; nm_s o nmero a partir do qual se considera haver sucesso; probabilidade_s a
probabilidade de sucesso.
Observaes importantes : nm_f e nm_s so truncados para nmeros inteiros; se algum
argumento no for numrico, DIST.BIN.NEG retornar o valor de erro #VALOR!; se
probabilidade_s < 0 ou se a probabilidade > 1, DIST.BIN.NEG retornar o valor de erro #NM!; Se
(nm_f + nm_s - 1) < 0, DIST.BIN.NEG retornar o valor de erro #NM!. Por exemplo :
DIST.BIN.NEG(10;5;0,25) igual a 0,055049.
105
CAPTULO 11.
DISTRIBUIO DE POISSON6
A incerteza est presente no processo de tomada de decises ,
menos por haver um futuro do que porque h, e
haver nosso passado... Somos prisioneiros do futuro,
por que seremos capturados por nosso passado.
Robert Dixon.
11.1.
Objetivos
O presente trabalho visa explanar sobre o tema escolhido, Distribuio de Poisson e apresentar as
suas premissas bsicas e situaes aplicveis.
Este trabalho tem como principal objetivo auxiliar o graduando e os interessados pelo assunto nos
estudos da disciplina Estatstica. A equipe buscou atravs de uma linguagem didtica, facilitar a
compreenso do referido tema e alm disso procurou agregar valor no s aos destinatrios
deste trabalho como tambm a si mesma.
Elaborado inicialmente por Andr Nascimento (andresrn@frb.br); Alberto Jnior (alberto.jr@zipmail.com.br),

Antnio Csar Segundo (acsegundo@enet.com), Manoel Barreto (manoelbl@frb.com.br), Marcelo Andrade
(marmus@ig.com.br) e Ticiana Andrade (ticiandrade@hotmail.com).
106
11.2.
Fundamentao terica e exemplos

Simon Denis Poisson
Nasceu: 21 de junho de 1781 em Pithiviers, Frana

Faleceu: 25 de abril de 1840 em Sceaux (perto de Paris), Frana
Inicialmente, Simon Poisson fora forado para estudar Medicina, mas em 1798, comeou a
estudar Matemtica ao ingressar na Escola Politcnica. Laplace e Lagrange foram seus
professores e se tornaram amigos para vida toda. Quando Poisson tinha 18 anos, ele chamou a
ateno de Legendre, grande matemtico, por escrever uma memria sobre diferenas finitas.
Assim, Poisson comeou a ensinar na Escola Politcnica em 1802 e permaneceu l at os idos de
1808 quando ele se tornou um astrnomo do Bureau des Longitudes. Em 1809 ele foi designado
cadeira de Matemtica Pura na Faculdade de Cincias que fora aberta na poca.
Os trabalhos mais importantes dele eram: uma srie de documentos em integrais definidas e os
seus avanos na srie de Fourier. Este trabalho era a fundao de mais recente trabalho nesta
rea por Dirichlet e Riemann.
Em Recherchs sur la probabilit des jugements..., um trabalho importante em probabilidade
publicada em 1837, a distribuio de Poisson apareceu pela primeira vez.
A distribuio de Poisson descreve a probabilidade que um evento acidental acontecer em um
tempo ou intervalo espacial (intervalo contnuo)
Ele publicou entre 300 e 400 trabalhos matemticos inclusive aplicaes para Eletricidade e
Magnetismo, e Astronomia. O Trait de mcanique foi publicado em 1811 e novamente editado em
1833 e por muitos anos o trabalho foi standard em mecnicas.
Poisson deixou uma grande contribuio para esta rea larga de idias, as Cincias Exatas, por
exemplo: - a Integral de Poisson, a Equao de Poisson na Teoria Potencial, Equaes diferencial
de Poisson, a Relao de Poisson em Elasticidade, e a Constante de Poisson em Eletricidade.
Certa vez, o estudioso Libri, terceu o seguinte comentrio sobre Poisson: - A nica paixo dele foi
cincia: ele viveu e morreu por ela.
Extrado de : http://www-groups.dcs.st-and.ac.uk/~history/index.html.
11.2.1. Conceito :
A Distribuio de Poisson uma distribuio discreta de probabilidade, podemos dizer que uma
regra matemtica. Ela serve para descrever a probabilidade do nmero de ocorrncias num campo
ou intervalo contnuo ( normalmente tempo ou espao) de eventos que so bastante raros, isto .
que no acontecem freqentemente. Para visualizarmos melhor a prtica da Distribuio em
estudo veremos alguns eventos onde aplicamos Poisson como: o nmero de erratas em um livro,
o nmero de clientes chegar, e o nmero de ativaes de um contador, acidentes por dia,
chamadas telefnicas por hora, defeitos por metro quadrado e entre outros. Podemos tambm
107
considerar fenmenos como desintegrao radioativa e chegada de informaes no mercado

financeiro, cuja as mudanas podem ocorrer em qualquer espao de tempo. Na Distribuio de
Poisson pode-se determinar o nmero de pessoas que entraram em uma sala durante certo
intervalo, porm no se pode determinar o nmero de pessoas que deixaram de passar. Como
tambm, pode-se determinar quantos furos existem em uma mangueira dgua, porm no se
pode determinar quantos furos no existem. Por esta razo, a Distribuio de Poisson um
processo que envolve somente estados contveis, entretanto dependendo de parmetros em
tempo contnuo.
11.2.2. Teoria :
A distribuio de Poisson til para descrever as probabilidades do nmero de ocorrncias De
determinado evento num intervalo contnuo ( tempo ou espao).
Sua unidade de medida ( tempo, rea, etc. ) , sempre continua, mais sua varivel aleatria (n de
ocorrncias) discreta.
Depois de compreenso do conceito, veremos ento a teoria e a frmula da Distribuio de
Poisson.
Somente um valor necessrio para determinar a probabilidade de um dado nmero de sucessos
na Distribuio de Poisson : o nmero mdio de sucessos para a especfica dimenso de tempo ou
espao de interesse. A formula para se determinar probabilidade de determinado nmero x de
sucessos em uma distribuio de Poisson :
P( x ) =
e t (t )x
x!
Onde :
e = constante cujo valor aprox 2,7183 usada em conexo com os logaritmos naturais
= letra grega lambda, representa o nmero mdio de sucessos em um determinado intervalo
de tempo ou espao; pode tambm ser representado por (./t)
t = o intervalo de tempo ou espao contnuo de observaes que se est analisando
X ou K = nmero de sucessos no intervalo desejado.
Observao:
A mdia desta varivel igual probabilidade p de ocorrncia de um sucesso para cada
intervalo. n o nmero de observaes
Clculo utilizando a HP 12C
P/ clculo da varivel e e o seu expoente :
x
Valor do expoente / CHS / g / e
P/ o clculo do fatorial
Valor do fatorial / g / n!
11.3.
Tabelas de Poisson
As tabelas de Poisson so bastantes similares s tabelas binomiais mesmo que no primeiro

contato possam apresentar-se diferentes. A distribuio de Poisson s depende da mdia do
processo, ento, em virtude disso, as tabelas so construdas de tal maneira que sejam capazes
de dar as probabilidades com base nesta mdia.
108
Os valores escolhidos de ou seja, a mdia do processo, constituem a linha superior da tabela e

os resultados possveis esto dispostos na coluna lateral. O corpo da tabela d as probabilidades
de exatamente X ocorrncias por unidade.
Suponhamos, por exemplo, um processo de Poisson com a mdia igual a 2,3 ocorrncia por hora;
desejamos determinar a probabilidade de obter exatamente 2 ocorrncias em uma hora qualquer.
A resposta encontrada atravs da interseo da coluna = 2,4 com a linha X = 2
2,1
2,2
2,3
2,4
2,5
0,1225
0,1108
0,1003
0,0907
0,0821
0,2572
0,2438
0.2306
0,2177
0,2052
0,2700
0,2681
0,2352
0,2613
0,2565
0,1890
0,1966
0,2033
0,2090
0,2138
Obs.: Pequena parte de uma tabela de Poisson
11.4.
Hipteses:
A Distribuio de Poisson requer a validade de algumas hipteses, apresentadas como :

Probabilidade
A probabilidade de uma
ocorrncia a mesma em todo
campo de observao.
A probabilidade de mais de
uma ocorrncia em um nico
ponto aproximadamente
Zero.
O nmero de ocorrncias em
qualquer intervalo
independente do nmero de
ocorrncias em outros
intervalos.
11.5.
Justificativa
A probabilidade da ocorrncia de um sucesso igual em
intervalos de mesmo comprimento.
Como qualquer disparidade entre o que poderia teoricamente
ocorre e o possvel que ocorra, bastante pequena, devemos por
menor que seja o intervalo, admitir que a probabilidade de mais de
um sucesso deve ser desprezada.
As ocorrncias de sucesso em intervalos mutuamente exclusivos
devem ser independentes. Mesmo em intervalos muito pequenos,
a probabilidade da ocorrncia de um sucesso deve ser
proporcional ao tamanho do intervalo.
Algumas Propriedades da Distribuio de Poisson

Falta inserir
109
11.6.
Distribuio de Poisson como aproximao da Distribuio Binomial
Sabemos que a distribuio de Poisson muitas vezes empregada como uma aproximao da
distribuio binomial. Entretanto, a distribuio de Poisson exerce por si mesma um papel
extremamente importante pois ela facilita o calculo da probabilidade em situaes em que o
emprego da Distribuio Binomial seria algo muito complexo e at mesmo impraticvel.
Quando o nmero de observaes (n) grande e a probabilidade de sucesso (p) pequena ,
est prxima de zero ou de 1,00, utilizamos a Distribuio de Poisson como uma forma alternativa
para o clculo da de probabilidades binomiais pelas seguintes razes:
1.
2.
3.
A Distribuio Binomial descreve adequadamente muitas situaes de interesse.

A frmula da Binomial pode exigir esforo substancial para a obteno de uma soluo exata.
A maior parte das tabelas somente apresenta valores at n = 20.
Algumas vantagens do emprego da distribuio de Poisson como aproximao da Binomial podem

ser mencionadas :
1.
2.
3.
A preciso do valor sofre muito pouco, assim evita uma perda maior de informaes.
trabalho despendido no clculo da binomial menor atravs da utilizao da distribuio de
Poisson.
Para utilizar a aproximao, basta determinar a mdia ou o valor esperado, da distribuio
binomial.
11.7.
Exemplos de aplicao da Distribuio de Poisson
Exerccio 11.1
Uma pizzaria recebe em mdia 8 chamadas por hora. Qual a probabilidade de que, em uma hora
selecionada aleatoriamente, sejam recebidas exatamente 5 chamadas?
Resposta : 0,091603662
Exerccio 11.2
Em uma certa rodovia aparecem em mdia na proporo de um buraco a cada 500 m. Qual a
probabilidade de aparecer 4 buracos em um intervalo de 1500m?
Resposta : 0,168031356
0bservao: Os exerccios a seguir se referem a distribuio de Poisson como aproximao da
binomial.
Exerccio 11.3
Suponha que haja 265 erros de pontuao distribudos aleatoriamente em um contrato comercial
de 458 linhas. Encontre a probabilidade de conter em uma dada linha 2 erros apenas.
Resposta : 0,093852722
Exerccio 11.4
No ano passado algumas latas de refrigerantes de uma certa marca de um pas foram
contaminadas por uma determinada bactria. Se a probabilidade de um indivduo sofrer uma
110
contaminao atravs ingesto do refrigerante, 0.001, determinar a probabilidade de entre 5.000

indivduos mais do que 2 sejam contaminados.
Resposta : 0,084224337
11.8.
Exerccio 11.1
Seja x: B(200; 0,01). Calcular P(x=10) usando aproximao de Poisson.
np= 200 x 0,01 = 2
-2
10
P(x = 10) = e x 2 = 0,000038
10!
Resposta : 0,000038
Exerccio 11.2
Um a cada cem carros cai num buraco de uma avenida. Se cem carros passarem, qual a
probabilidade de dois carros carem no buraco?
Resposta = 0,183940
Exerccio 11.3
Numa central telefnica chegam 300 telefonemas por hora. Qual a probabilidade de que em um
minuto no haja nenhum chamado;
Resposta : 0,006738
Exerccio 11.4
Num orfanato existem 800 brinquedos para 800 crianas. Qual a probabilidade de uma criana ter
pelo menos trs brinquedos?
Resposta := 0,080302
Exerccio 11.5
O nmero de falhas no servio meteorolgico de Salvador uma varivel aleatria que segue a
distribuio de Poisson com = 8 falhas/ms. :Determine as probabilidades de, em um ms de
operao, o servio apresentar: a) apenas 5 falhas; b) nenhuma falha.
Resposta : a) 0, 0,091603662; b) 0,000335463
Exerccio 11.6
Joo Antnio gravou uma fita de cassete com msicas para a sua namorada. Aparece em mdia 1
defeito de gravao a cada 10 minutos de gravao. Qual a probabilidade de aparecerem 3
defeitos em 40 minutos ?
Resposta : 0,1952
111
Exerccio 11.7
Um cantor recebe em mdia 3 telefonemas do seu f clube no intervalo de 1 hora. Calcule a
probabilidade de : a) registrar 4 telefonemas em 1 hora; b) registrar 3 ou mais telefonemas em 1
hora.
Resposta : a) 0,1681; b) 0,5768.
Exerccio 11.8
Em uma fbrica de fios eltricos aparecem em mdia na proporo de 1 defeitos para cada 10 cm
de fio de cobre fabricado . Qual a probabilidade de aparecer 5 defeitos em 15 cm de fio?
Resposta : 0,0141
Exerccio 11.9
Uma central de cartes de crdito, recebe ligaes a respeito de roubo de cartes razo de 4
ligaes por hora, no perodo de 1 s 6 da manh, em dias teis, e podem ser aproximadas por
uma distribuio de Poisson. a) Quantas chamadas so esperadas num perodo de 30 minutos? b)
Qual a probabilidade de nenhuma chamada num perodo de 30 minutos? c) Qual a probabilidade
de ao menos 2 chamadas no mesmo perodo ?
Resposta : a) = 2 chamadas; b) 0,1353; c) 0,5941.
Exerccio 11.10
Os clientes chegam a uma padaria razo de 6,5/hora. Determinar a probabilidade de que,
durante qualquer hora: a) No chegue nenhum cliente; b) Chegue ao menos 1 cliente; c)
Cheguem mais de 1 cliente; d) Cheguem exatamente 6,5 clientes.
Resposta : a) 0,0015; b) 0,7760; c) 0,9890; d) impossvel.
Exerccio 11.11
Chegam carros a uma oficina razo de 2,8 carros/hora. Determinar a probabilidade de chegarem
trs ou mais carros : a) Num perodo de 30 minutos; b) Num perodo de 1 hora; c) Num perodo de
2 horas.
Resposta : a) = 1,4 ; P(X) = 0,1665; b) = 2,8 ; P(X) = 0,5305; c) = 5,6 ; P(X) = 0,9176
Exerccio 11.12
Dois por cento dos rtulos colocados em produtos farmacuticos esto de forma errada. Para 400
desses produtos, pergunta-se : a) Quantos com colocao incorreta podemos esperar? b) Qual a
probabilidade de ocorrncia de 5 ou menos produtos com colocao incorreta? c) Qual a
probabilidade de mais de 5 com colocao incorreta? d) Qual a probabilidade de 5 ou mais com
colocao incorreta?
Resposta : a) 8; b) aproximadamente 0,191; c) 0,809; d) 0,900
Exerccio 11.13
Num livro de 800 pginas h 800 erros de ortografia. Qual a probabilidade de que uma pgina
contenha pelo menos trs erros?
Resposta : 0,0803
112
Exerccio 11.14
A probabilidade de um atirador acertar um alvo mvel com apenas um tiro de 0,20. So dados 30
tiros no alvo . Qual a probabilidade de que : a) Exatamente 4 acertarem o alvo? b) Pelo menos 3
acertarem o alvo?
Resposta : a) 0,13252; b) 0,95581
Exerccio 11.15
O nmero de acidentes com fogos de artifcio nas festas juninas numa cidade do interior de 2
para cada 50000 habitantes. Qual a probabilidade de que em : a) 200000 habitantes, ocorram 5
acidentes; b) 112500 habitantes, ocorram ,pelo menos, 3 acidentes.
Resposta : a) 0,0916; b) 0,8264
Exerccio 11.16
Dados da Secretaria Municipal de Sade indicam que a mdia anual de afogamentos acidentais
num determinado perodo de 3 por 100.000 indivduos. Determinar a probabilidade que numa
cidade com 30.000 habitantes se verifique : a) Nenhum afogamento; b) Menos de 3 afogamentos;
c) No mximo 2 afogamentos; d) Mais de 4 e menos de 8 afogamentos.
Resposta : a) 0,0001; b) 0,0062; c) 0,0063; d) 0,2689.
Exerccio 11.17
Se a probabilidade da mquina produzir uma pea defeituosa, um dia, fosse de
0,01, qual a
probabilidade de se ter no mximo 4 peas defeituosas em um dia de 500 peas produzidas?
Resposta : 0,4404
Exerccio 11.18
Em mdia 8 filmes que faturam mais de 25 milhes de dlares por ano em Hollywood. Qual a
probabilidade de menos de trs filmes receberem 25 milhes de dlares em um ano ?
Resposta : 0,986
Exerccio 11.19
A mdia de defeitos no couro que reveste o estofado de uma determinada marca de veculos de
luxo igual a quatro defeitos por metro. Determine a probabilidade de um metro quadrado ter
somente um defeito:
Resposta : 0,0366
Exerccio 11.20
Na pintura de paredes aparecem defeitos em mdia na proporo de 2 defeitos por metro
quadrado. Qual a probabilidade de aparecerem 8 defeitos numa parede 3 x 3 m?
Resposta : 0,004162544
113
Exerccio 11.21
Certa estudante sai da sala de aula a razo de 3,5/hora para fumar. Determine a probabilidade de
ela sair durante uma hora de aula para fumar, no mximo uma nica vez.
Resposta : 0,8641
Exerccio 11.22
Suponha que haja em mdia 6 nascimentos por ano numa populao de 150.000. Em uma cidade
de 100.000 habitantes, encontre a probabilidade de que em um dado ano tenha havido : a) 0
nascimentos; b) 1; c) 2; d) 3 ou mais.
Resposta : a) 0,018315639; b) 0,146525111; c) 0,146525111; d) 0,761896694
Exerccio 11.23
Suponha 400 erros de impresso distribudos aleatoriamente em um livro de 500 pginas.
Encontre a probabilidade de que uma dada pgina contenha : a) nenhum erro; b) exatamente 2
erros.
Resposta : a) 0,449328964; b) 0,143785269
Exerccio 11.24
A probabilidade de um indivduo desenvolver uma determinada doena aumenta com o tempo.
Aps trs anos de contgio, esta probabilidade de 0,04. Numa amostra de 100 pessoas
contaminadas, qual a probabilidade de desenvolverem a doena : a) exatamente 3 pessoas; b)
mais do que dois indivduos.
Resposta : a) 0,195366815; b) 0,761896694
Exerccio 11.25
Uma loja atende em mdia 6 clientes por hora. Calcular a probabilidade de que em meia hora
sejam atendidos : a) 2 clientes; b) 3 clientes; c) no mximo 3 clientes.
Resposta : a) 0,224041808; b) 0,224041808 ; c) 0,647231889
Exerccio 11.26
Durante o carnaval cerca de doze pessoas so atendidas a cada hora em determinado posto de
sade da prefeitura. Qual a probabilidade de que trs ou mais pessoas sejam atendidas durante
um perodo de dez minutos:
Resposta : 0,3232
Exerccio 11.27
Estudos clnicos indicam que a probabilidade de uma mulher com mais de 35 anos gerar um filho
com Sndrome de Down de 0,6%. Em um grupo de 200 mulheres nesta faixa de idade, qual a
probabilidade de conceberem um filho com Sndrome de Down : a) exatamente 5 mulheres; b)
mais que 10 mulheres.
Resposta : a) 0,012740639; b) 0,652770582
114
Exerccio 11.28
(E1/001/32) Uma empresa vendedora de carros usados tem as suas vendas distribudas de acordo
com uma distribuio de Poisson. Sabendo-se que a empresa vende em mdia 6 carros por ms
(considerando o ms com 30 dias de trabalho), analisando-se uma quinzena de vendas, qual a
probabilidade da empresa vender : a) apenas 3 carros; b) pelo menos 2 carros; c) nenhum carro.
Resposta : a) 0,2240; b) 0,8008; c) 0,0498
Exerccio 11.29
(E1/992/Final) Em uma loja, o nmero de clientes que entram por hora aproximadamente igual a
trs. Calcule as probabilidades : a) de em trs horas entrarem pelo menos dois clientes; b) em
cinco horas entrarem exatamente 14 clientes.
Resposta : a) 0,99877; b) 0,10244
Exerccio 11.30
(E1/992/3V) Uma indstria de refrigerantes recebe pedidos de seus vendedores atravs de fax,
telefone e internet. O nmero de pedidos que chegam por qualquer meio (no horrio comercial)
uma varivel aleatria discreta com taxa de 5 pedidos por hora. Calcule : a) a probabilidade de
receber apenas dois pedidos em uma hora; b) receber 6, 7 ou oito pedidos em duas horas.
Resposta : a) 0,08422 b) 0,26574
Exerccio 11.31
(E1/992/32) Em uma determinada linha automotiva sabe-se que existem 6 defeitos de pintura por
cada trs metros quadrados. Determine a probabilidade de existirem : a) apenas 1 defeito em uma
rea de 2 metros quadrados; b) entre 12 e 14 defeitos em uma rea de seis metros quadrados.
Resposta : a) 0,07326 b) 0,31043
Exerccio 11.32
2
(Epsi/002/2) A aplicao de pintura metlica em chapas de zinco de 3 m feita automaticamente

e pode produzir defeitos de acordo com uma varivel aleatria que segue uma distribuio de
2
Poisson com parmetro = 0,5 defeito por m . Se uma chapa for sorteada ao acaso, qual a
probabilidade de: a) encontrarmos pelo menos 1 defeito; b) encontrarmos exatamente 2 defeitos.
Resposta : a) 0,7769; b) 0,2510
11.9.
Aplicaes no Excel
Funo POISSON
Esta funo calcula a distribuio Poisson. Uma aplicao comum da distribuio Poisson prever
o nmero de eventos em um determinado perodo de tempo, como o nmero de carros que chega
ao ponto de pedgio em um minuto.
Sua sintaxe do tipo : POISSON(x;mdia;cumulativo); onde x o nmero de eventos; mdia o
valor numrico esperado; cumulativo um valor lgico que determina a forma da distribuio de
probabilidade fornecida. Se cumulativo for VERDADEIRO, POISSON retornar a probabilidade
Poisson de que o nmero de eventos aleatrios estar entre zero e x inclusive; se FALSO,
115
retornar a funo massa da probabilidade Poisson de que o nmero de eventos ser equivalente
a x.
Observaes importantes : se x no for um nmero inteiro, ser truncado; se x ou mdia no for
numrico, POISSON retornar o valor de erro #VALOR!; se x < 0, POISSON retornar o valor de
erro #NM!; se mdia < 0, POISSON retornar o valor de erro #NM!; POISSON calculada da
seguinte maneira : para valores no cumulativos; use cumulativo = FALSO; para obter
probabilidades acumuladas, use cumulativo = VERDADEIRO.
Alguns exemplos :
POISSON(2;5;FALSO) = 0,084224
POISSON(2;5;VERDADEIRO) = 0,124652.
Exerccio 11.1
Com o auxlio da funo POISSON do Excel, calcule as probabilidades associadas aos seguintes
problemas : O nmero de clientes que entram em uma loja obedece a um parmetro = 3 clientes
por hora. Calcule a probabilidade de : a) em duas horas, entrarem exatamente 7 clientes. b)
entrarem, no mximo 7 clientes.
Resposta : Para t = 2 horas e = 3, = 6. a) =POISSON(7;6;FALSO) => 0,137676978 ; b)
=POISSON(7;6;VERDADEIRO) => 0,74397976
116
CAPTULO 12.
DISTRIBUIO NORMAL 7
Dispe o Eterno Escriba. E havendo escrito,
A folha vira : e no h cincia ou devoo
Que cancele uma Linha; e no h pranto aflito
Que risque uma palavra! Ah, todo choro vo!
Omar Khayyam.
12.1.
Objetivos.
O objetivo desenvolver atravs de conceitos e caractersticas uma compreenso intuitiva e

raciocnio do tema proposto Distribuio Normal , visando esclarecer dvidas e informar para
melhor entendimento com base em exerccios resolvidos e exemplos.
Johann Carl Friedrich Gauss
Nasceu: 30 de Abril de 1777 em Brunswick, Ducado de Brunswick (Alemanha)

Faleceu: 23 de Fevereiro de 1855 em Gttingen, Hanover (Alemanha)
Extrado de : http://www-groups.dcs.st-and.ac.uk/~history/index.html.
12.2.
Fundamentao terica e exemplos.
12.2.1. Conceito :
A Distribuio Normal empregada na anlise de variveis aleatrias contnuas ( pode tomar
qualquer valor real em determinado intervalo ). Consiste em uma das mais importantes
distribuies de probabilidade aplicvel em inmeros fenmenos.
7
Elaborado
inicialmente
(isismarques@zipmail.com.br),
(odara@allways.com.br).
por
Acio
Coelho
(aeciocoelho@svn.com.br),
sis
Marques
Janana
Barros
(janainaonline@bol.com.br)
e
Manoela
Mayan
117
As distribuies normais foram descobertas no sculo XVIII. Astrnomos e outros cientistas

observaram , no sem certas surpresas que mensuraes repetidas de uma mesma quantidade
(como distncia da Lua ou massa de um objeto ) tendiam a variar e quando se coletava grande
nmero dessas mensuraes, dispondo-as numa distribuio de freqncia que acusavam a
mesma forma.
A Distribuio Normal costuma designar-se tambm pelo nome de Distribuio Gaussiana, em
razo da contribuio de Karl F. Gauss (1777-1855) sua teoria matemtica.
Assim como outras distribuies, a Distribuio Normal atribuda as seguintes frmulas :
f (x) =
1 x

1
e 2
2
Onde :
X= varivel aleatria normal;
= varincia;
= mdia.
Para o clculo das probabilidades, surgem dois problemas: primeiro, para a integrao de f(x), pois
para a sua resoluo necessrio o desenvolvimento em sries; segundo, seria a elaborao de
uma tabela de probabilidades, pois f(x) depende das combinaes da mdia e varincia.
Para resolver esses problemas, optou-se por uma mudana de varivel obtendo-se, assim, a
distribuio normal padronizada ou reduzida.
A varivel z dada por:
z=
Em que x uma varivel normal de mdia () e de desvio padro ()
f(x)
Figura 12.1 : Grfico da Curva Normal.
12.2.2. Principais caractersticas :

Algumas das principais caractersticas da curva normal so:
1.
2.
3.
A curva que representa a Distribuio Normal de probabilidade frequentemente escrita como

tendo a forma de um sino denominada tambm Curva de Gausss ou de De Moivre.
A Distribuio Normal simtrica em torno da mdia.
A curva no chega a tocar no eixo das abcissas variando de a +.
118
4.
5.
6.
7.
A Distribuio Normal fica delimitada pelo seu desvio padro e sua mdia. Para cada
combinao de sua mdia e desvio padro gera uma Distribuio Normal diferente.
A rea sob a curva corresponde proporo 1 ou a percentagem 100%.
A rea sob a curva entre dois pontos corresponde a probabilidade do valor de uma varivel
aleatria entre aqueles pontos.
A curva normal admite uma nica ordenada mxima (pico), situada na mdia, assim as
medidas de tendncia central, mdia, mediana e moda apresentam mesmo valor.
12.2.3. Importncia :
As medidas produzidas em diversos experimentos aleatrios seguem esta distribuio. Podemos
ilustrar como exemplos medidas biolgicas e, tambm, medidas de testes psicolgicos.
A Distribuio Normal desde que, as amostras sejam grandes podem ser usadas como
aproximaes de outras distribuies de probabilidade, como as distribuies binomial e Poisson.
Utilizando-se dos recursos da Distribuio Normal um pesquisador generaliza os dados obtidos em
uma amostra. A seguir so apresentados alguns exemplos.
As probabilidades so extradas das compreendidas sob a curva normal. Para facilitar o emprego
da curva, evitando a aplicao de procedimentos numricos mais elaborados, como a aplicao de
integrais, pode-se usar tabelas com valores j calculados para Z. No anexo deste texto
apresentada uma tabela de curva normal. Note que a tabela fornecida exibe apenas os valores das
reas entre a mdia e o ponto analisado.
Exerccio 12.1
Com o auxlio da curva normal, encontre a rea para os seguintes valores de Z : a) 0 < Z < 1,23; b)
-2,15 < Z < 0; c) -1,56 < Z < 1,48; d) Z > 2,14; e) Z < -0,78; f) 1,47 < Z < 2,45; g) -0,15 < Z < -0,57
Resposta : a) 0,3907; b) 0,4842; c) 0,4406 + 0,4306 = 0,8712; d) 0,5 - 0,4838 = 0,0162 e) 0,5 0,2823 = 0,2177 f) 0,0637 g) 0,1561
Exerccio 12.2
Por estimativas do Processo de Avaliao dos Produtos ao Consumidor, constatou-se que a vida
til de um aparelho de televiso segue uma distribuio normal com mdia = 4.000 horas e desvio
padro = 500 horas. A probabilidade de que um aparelho de televiso aleatoriamente escolhido
dure entre 4.000 e 4.500 horas ?
Soluo :
Passos :
1. Esboce o grfico em forma de sino e assinale a mdia.
2. Evidencie a rea desejada.
3. Ache Z.
4. Ache a rea associada a z atravs da tabela. Olhando na tabela, para z= 1, a rea da mdia a
z igual a 0,3413. Portanto, P(4000 4500) = 0,3413.
Exerccio 12.3
O processo de embalagem de mercadorias em um supermercado foi readministrado de maneira
que a mdia = 15 kg de mercadorias colocada em cada saco. O desvio padro do peso lquido
= 0,3 kg e sabe-se que a distribuio dos pesos segue uma distribuio normal. Determinar a
probabilidade de que o saco escolhido esteja no peso de 15,3kg e 15,9kg ? Ilustre a proporo da
rea sob a curva normal que relevante nesse caso.
Soluo :
119
Passos :
3. Ache Z.
4. Ache a rea associada a Z atravs da tabela. Olhando na tabela ,para Z= -1 a rea da mdia a
z igual a 0,3413. E para z= -3 a rea da mdia a z igual a 0,4986. Portanto, P(-3Z-1) =
P(15,315,9)= 0,4986+0,3413= 0,8399.
Exerccio 12.4
As vendas de uma lanchonete seguem aproximadamente uma Distribuio Normal, com mdia
$400,00 e desvio-padro igual a $100,00. Qual a probabilidade de que em um determinado dia a
lanchonete fature : a) entre $450,00 e $650,00; b) entre $350,00 e $400,00.
Soluo :
Passos
3. Ache Z.
4. Ache a rea associada a Z atravs da tabela.
a) Olhando na tabela, para Z= 0,5, a rea da mdia a Z igual a 0,4938. E para Z= 2,5, a rea da
mdia a Z igual a 0,1915. Portanto, P(450650) = P(0,52,5) = 0,4938-0,1915= 0,3023.
b) Olhando na tabela, para Z= 0,5, a rea a Z igual a 0,1915. E para Z= 1, a rea a Z igual a
0,3413. Portanto, P(350500) = P( 0,51) = 0,1915+0,3413= 0,5328.
Exerccio 12.5
Em um exame de Matemtica, a mdia foi = 75 e o desvio padro = 8. Pede-se para : a)
determinar os escores reduzidos de dois alunos cujos graus foram 95 e 60, respectivamente.
b)determinar os graus de dois alunos cujos os escores reduzidos foram, respectivamente, -0,5 e
1,5.
Soluo : a) Z = -1,87 b) X= 71 e X=87
Exerccio 12.6
Os pesos de 500 estudantes so normalmente distribudos com mdia = 64,8kg e desvio padro
= 4,8kg. Encontre o nmero de alunos que pesam : a) entre 60 e 75 kg; b) mais que 62,7kg.
Soluo :
a) Z= 2,12. Olhando na tabela para Z=2,12, a rea relacionada a Z igual a 0,4830. Assim,
P(0,3413Z 0,4830) = 0,3413+0,4830 = 0,8243 x 500 = 412 alunos.
b) Z = 0,43. Olhando na tabela para Z= 0,43, a rea relacionada a Z igual a 0,1664. J que a
mdia divide a curva em dois lados iguais , cada um com rea igual a 0,5, ento : P (0,43X+) =
0,5 + 0,1664 = 0,6664. A quantidade de alunos que pesam mais de 62,7kg igual a 0,6664 x 500=
333 alunos.
Exerccio 12.7
A validade de um remdio contra cefalia tem em mdia 750 dias e desvio padro = 40 dias.
Calcular a probabilidade do princpio ativo desse remdio durar : a) entre 600 e 900 dias; b) mais
que 700 dias; c) menos que 650 dias.
Soluo :
120
a) Z = -3,75. Olhando na tabela, para Z= 3,75, a rea relacionada a Z igual a 0,4999. Portanto,
P(-3,753,75) = 0,4999 + 0,4999 1
b) Z = -1,25. Olhando na tabela para Z = 1,25, a rea relacionada a Z igual a 0,3944.
J que a mdia divide a curva em dois lados iguais de valor 0,5 , ento : 0,5 + 0,3944 = 0,8944.
c) Z = 2,5. Olhando na tabela, para Z = 2,5, a rea da mdia a Z igual a 0,4938. J que a mdia
divide a curva em dois lados iguais de 0,5. Portanto, P(-650) = 0,5 0,4938 0,0062.
Exerccio 12.8
A mdia dos dimetros internos de uma amostra de 300 arruelas produzidas por uma mquina
para a composio de automveis de = 0,402 polegadas e o desvio padro = 0,03 polegadas.
A finalidade para a qual essas arruelas so fabricadas permite a tolerncia mxima, para o
dimetro de 0,305 a 0,408 polegadas; se isso no se verificar, as arruelas sero consideradas
defeituosas e causaro problemas aos devidos automveis a elas utilizados. Determinar a
percentagem de arruelas defeituosas produzidas pela mquina, admitindo-se que os dimetros so
distribudos normalmente.
Soluo : Z - 3,2. Olhando na tabela para Z= 3,2 e Z= 0,2, a rea da mdia a Z igual
respectivamente a 0,4993 e 0,0793. Ento, P (0,3050,408) = 0,4993 + 0,0793 05786.
12.3.
Exerccio 12.1
A distribuio de freqncia s aulas em uma certa escola de idiomas apresenta mdia igual a
10,2 dias e = 5,4 dias ( medindo-se fraes de dias) . Qual a probabilidade de que um aluno
escolhido aleatoriamente comparea as aulas menos de 2 dias ?
Soluo : Olhando na tabela, para Z= 1,5, a rea da mdia a Z igual a 0,4332. J que a mdia
divide a curva em dois lados iguais a 0,5, ento P(- X2) = 0,5- 0,4332 0,0668.
Exerccio 12.2
O tempo necessrio em uma oficina para o conserto da transmisso de um tipo de automvel
normalmente distribudo com mdia = 50 min. E desvio padro = 15min.. Um mecnico planeja
comear o conserto do carro de um cliente 10min. Aps o carro Ter sido deixado na oficina,
comunicando ao cliente que o carro estar pronto num tempo total de uma hora. Qual a
probabilidade que o mecnico esteja enganado ?
Soluo : Olhando na tabela para Z = 0,67 , a rea da mdia a Z igual a 0,2486. Portanto, (60 X
+) = 0,5 0,2486 = 0,2514.
Exerccio 12.3
Uma pessoa compra uma 3 mquinas. A vida til dessas mquinas tem uma distribuio normal
com = 720 dias e = 180. Qual a probabilidade que as 3 mquinas tenham uma vida de pelo
menos 500 dias ?
Soluo : Olhando na tabela , para Z= 1,22 , a rea da mdia a Z igual a 0,3888. Portanto, 0,5 +
0,3888 = 0,8888. Relacionando a Distribuio Binomial tm-se que :
0
C3,3 (0,8888) (0,1112) = [3! /(0!3!)] .0,7002 = 0,7002.
Exerccio 12.4
121
Um medidor de temperatura apresenta uma taxa de variao com mdia de = 23 graus

centigrados e desvio padro = 8 graus. Qual a probabilidade que a taxa de variao esteja entre
18 e 27 graus ?
Soluo : Olhando na tabela para Z=-0,625 e Z= 0,5, a rea da mdia a Z igual a 0,2332 e
0,1915 respectivamente. Portanto, 0,2332 + 0,1915 = 0,4247.
Exerccio 12.5
Uma certa impressora possui uma capacidade em imprimir uma quantidade de letras que est
representada com a mdia = 1.100 letras por minuto e desvio padro de = 75 letras. Qual
probabilidade da impressora conseguir imprimir entre 917 e 1.150 com o tempo de uso ?
Soluo : Olhando na tabela para Z= 2,44 e 0,67 , a rea da media a Z igual a 0,4927 e 0,2486,
respectivamente. Portanto, 0,4927 + 0,2486 = 0.7413
Exerccio 12.6
Os salrio pagos para os funcionrios em uma determinada empresa segue uma distribuio
normal com mdia = R$ 1.400,00 e desvio padro = R$ 227,00. Calcule a probabilidade dos
salrios serem maiores que R$ 1.680,00 ?
Soluo : Para Z = 1,2, a rea mdia a Z igual a 0,3849 ento ,0,5 0,3849 = 0,1151.
Exerccio 12.7
Em uma empresa, um motor tem uma vida til de mdia = 12 anos e desvio padro = 1,2 anos.
Uma montadora deseja encomendar a essa empresa 300 motores. Qual a probabilidade
aproximada de motores que ter uma vida de pelo menos 10,5 anos ?
Soluo : Z =1,25. Pela a tabela , quando Z= 1,25, a rea da mdia a Z igual a 0,3944.
Portanto, 0,5 + 0,3944 = 0,8944. A quantidade de motores nessa probabilidade 300 x 0,3944 =
268,32 .
Exerccio 12.8
Um agricultor sabendo da sua mdia de produtividade igual = 7,8 toneladas de graus ao ano e
desvio padro = 2,13 toneladas. Devido a problemas de irrigao, o agricultor estima ter uma
produo abaixo de 6 toneladas , qual essa probabilidade? Caso haja um aumento dessa
produtividade para 8,5 toneladas, qual seria a probabilidade de ocorrncia de ambas as situaes?
Soluo : Z = 0,328 . Para Z= 0,845 e Z= 0,328, a rea da mdia a Z , pela tabela 0,3014 e
0,1293, respectivamente. Ento, 0,5 0,3014 = 0,1986 a probabilidade de ter uma produo
abaixo de 6 toneladas. Como 0,5 0,1293 = 0,3707, a probabilidade de ter uma produo abaixo
de 6 toneladas e acima de 8,5 igual a 0,3707 + 0,1986 = 0,5693.
Exerccio 12.9
Um teste de aptido feito por pilotos de aeronaves em treinamento inicial requer que uma srie de
operaes seja realizada em uma rpida sucesso. Suponha que o tempo necessrio para
completar o teste seja distribudo de acordo com uma Normal de mdia 80 minutos e desvio
padro 15 minutos. Para passar no teste, o candidato deve complet-lo em menos de 60 minutos.
A) Se 65 candidatos tomam o teste, quantos so esperados passar no teste? B) Se os 5%
melhores candidatos sero alocados para aeronaves maiores, quo rpido deve ser o candidato
para que obtenha essa posio?
122
Resposta : a) 0,0318 x 65 = 5,967 = 6 (aprox); b) menos de 55,25 minutos

Exerccio 12.10
Estudos do Instituto Nacional de Metereologia indicam que a precipitao pluviomtrica mensal em
perodos de seca numa certa regio pode ser considerada como seguindo a distribuio Normal de
2
mdia 40mm e varincia 25mm . a) Qual a probabilidade de que a precipitao pluviomtrica
mensal no perodo da seca esteja entre 32mm e 38mm? b) Qual seria o valor da precipitao
pluviomtrica de modo que exista apenas 12% de chance de haver uma precipitao inferior a
esse valor? c) Construa um intervalo central em torno da mdia que contenha 82% dos possveis
valores de precipitao pluviomtrica.
Resposta :a) 0,2998; b) 34,10; c) 33,30 e 46,70
Exerccio 12.11
(IME) Numa certa populao, o peso dos homens tem distribuio normal com mdia 75kg e
desvio padro 10kg, enquanto que o das mulheres tambm normal com mdia 60kg e desvio
padro 4kg. A) Sorteando-se um homem qualquer, qual a probabilidade dele ter peso acima de
65kg? B) Sorteando-se uma mulher qualquer, qual a probabilidade dela ter peso acima de 65kg?
C) Qual a probabilidade de uma pessoa ter peso acima de 65kg, sendo ela sorteada de um grupo
em que o nmero de mulheres o dobro do de homens?
Resposta : a) 0,8413; b) 0,1056; c) 0,3508
Exerccio 12.12
(IME) Seja X uma varivel com distribuio Normal de mdia 500 e desvio padro 100. Calcule : a)
P(X<=450); b) P(X>=650); c) P(550<=X<=650); d) os valores de X entre os quais esto
compreendidos os 40 % centrais da distribuio; e) o valor x , tal que P(X<=x)=0,05.
Resposta : a) 0,3085; b) 0,0668; c) 0,2417; d) 448 e 552; e) 335
Exerccio 12.13
As alturas de 20.000 alunos de um colgio tm distribuio aproximadamente Normal, com mdia
1,64 m e desvio padro 0,16 m. a) Qual o nmero esperado de alunos com altura superior a 1,52
m? b) Qual o intervalo simtrico em torno da mdia, que conter 78 % das alturas dos alunos?
Resposta : a) 0,7734 x 20000 = 15468 alunos; b) 1,4432 e 1,8368
Exerccio 12.14
Uma fbrica de sabonetes sabe que seus produtos pesam, em mdia, 98 gramas com uma
2
varincia igual a 49 gramas . Em um ms de produo so fabricadas 420.000 unidades. Para
garantir, com 92% de probabilidade, a produo mensal, quantas toneladas de matria prima
devem ser adquiridas?
Resposta : 45,3054 t
Exerccio 12.15
O dimetro X de tubos de ao fabricados por certa fbrica tem distribuio normal N(0,6140;
0,0025). O lucro T de cada tubo depende de seu dimetro, e T = 0,10 se o tubo bom, isto , se
(0,6100<=X<=0,6180); T = 0,05 se o tubo recupervel, isto , se (0,6080<=X<=0,6100) ou
123
(0,6180<X<=0,6200); T = -0,10 se o tubo defeituoso, isto , se (X<0,6080 ou X>0,6200).

Calcular: a) As probabilidades dos tubos serem bons, recuperveis e defeituosos; b) O valor mdio
do lucro T.
Resposta :
Exerccio 12.16
A distribuio dos pesos de perus numa granja pode muito bem ser representada por uma
distribuio normal, com mdia 4,24 kg e desvio padro 0,92 kg. Um abatedouro comprar 5000
aves e pretende classific-las de acordo com o peso, do seguinte modo: 25 % dos mais leves
como pequenos, os 50 % seguintes como mdios, os 15 % seguintes como grandes e os 10 %
mais pesados como extras. Quais os limites de peso para cada classificao?
Resposta : 3,6236; 4,8564; 5,4176
Exerccio 12.17
O tempo de vida til de um motor eltrico tem distribuio aproximadamente normal , com mdia
de 4,6 anos e desvio padro de 1,3 anos. a) Qual deve ser o valor do tempo de garantia desse
motor para que, no mximo, 18 % das vendas originais exija substituio? b) Se esse tipo de motor
tiver garantia de 2 anos, que porcentagem das vendas originais exigir substituio?
Resposta :a) 3,4040 anos; b) 2,28%
Exerccio 12.18
(IME) Em indivduos sadios, o consumo renal de oxignio tem distribuio Normal de mdia 12
cm3/min e desvio padro de 1,5 cm3/min. a) Determinar o valor de consumo renal que superado
por 98,5 % dos indivduos sadios. b) Determinar a faixa em torno do valor mdio que contenha 90
% dos valores do consumo renal.
Resposta : a) 15,2550; b) 9,5250 e 14,4750
Exerccio 12.19
Qual a probabilidade de, em 300 lances de uma moeda honesta, ocorrerem : a) no mximo 180
caras; b) no mnimo 200 coroas.
Resposta : a) 0,9998 b) aproximadamente zero
Exerccio 12.20
A diabetes ocorre em 1,8% das pessoas de uma determinada populao. Qual a probabilidade de
que uma amostra de 60 pessoas contenha dois ou mais daltnicos? Utilize a aproximao Normal.
Resposta : 0,3409
Exerccio 12.21
A distribuio do nmero de filhos por famlia de uma determinada populao exibida na tabela
seguinte.
124
nmero de
filhos
0
1
2
3
4
probabilidade
0,20
0,15
0,25
0,25
0,15
Selecionada uma amostra com reposio de 1000 famlias dessa populao, determine a
probabilidade de no mximo 380 famlias terem 3 filhos ou mais. Utilize a aproximao Normal.
Resposta : 10,38%
Exerccio 12.22
Para decidir se aceita ou no um lote de itens, um comprador retira uma amostra de 232 itens e
conta o nmero X de itens defeituosos. Se X a, o lote aceito e se X > a, o lote rejeitado,
sendo que a fixado pelo comprador. Se a proporo de itens defeituosos no lote 0,15,
determine: A) a probabilidade de aceitao do lote, se a = 36. B) o valor aproximado de a, de modo
que a probabilidade de aceitao do lote seja 0,15.
Resposta : a) 0,5871 b) 29,1437 = 29
Exerccio 12.23
Com base em experincias anteriores, a empresa de saneamento bsico sabe que 12% das
contas dos seus clientes de uma comunidade so pagas com atraso. Para cada item abaixo,
compare a soluo exata com a obtida atravs da aproximao atravs da curva normal. a) se 60
contas so enviadas pela empresa, qual a probabilidade de que pelo menos 9 sejam pagas com
atraso? B) Se 300 contas so enviadas, encontre a probabilidade de que 34 ou mais sejam pagas
com atraso.
Resposta : a) 30,15% aprox; b) 33% aprox.
Exerccio 12.24
(E1/992/3V) Sabe-se que as vendas dirias mdias de uma lanchonete igual a $1.800, com um
desvio-padro associado igual a $200. Calcule as probabilidades de, em um determinado dia, as
vendas : a) serem maiores do que $2.300; b) serem inferiores a $1.750; c) ficarem entre $1650 e
$1750; d) ficarem entre $1550 e $1900.
Resposta : a) 0,0062 b) 0,4013 c) 0,1747
Exerccio 12.25
(E1/992/3V) Uma pesquisa com base nas avaliaes de Histria de estudantes do ensino mdio
revelou uma nota mdia igual a 7,3 e um desvio padro de 1,8. Pede-se : a) calcule a nota sob a
qual se encontram 65% dos valores pesquisados; b) encontre a nota acima da qual se encontram
70% dos valores.
Resposta : a) 8,00 b) 6,35
Exerccio 12.26
125
(E1/992/32) A altura mdia de um grupo de crianas igual a 1,21 m, com um desvio-padro

associado igual a 0,37 m. Calcule a porcentagem de crianas que tero alturas : a) inferiores a
1,30 m; b) superiores a 1,02 m; c) entre 0,90 e 1,17 m; d) entre 1,25 e 1,35 m.
Resposta : a) 0,5948 b) 0,6950 c) 0,2556 d) 0,1042
Exerccio 12.27
(E1/992/32) As notas de determinada avaliao do curso de estatstica apresentaram uma mdia
igual a 7,56 e uma varincia associada igual a 0,25. Encontre a nota : a) sob a qual se
encontraram 68% das observaes; b) acima da qual estariam 76% das observaes.
Resposta : a) 7,80 b) 7,21
Exerccio 12.28
(E1/992/Final) Imagina-se que a idade mdia da populao brasileira seja igual a 32,6 anos, com
um desvio padro associado igual a 8,91 anos. Calcule as probabilidades de um indivduo
escolhido ao acaso apresentar : a) mais de 20 anos; b) menos de 48 anos; c) entre 18 e 40 anos.
Resposta : a) 0,9207; b) 09581; c) 0,7462
Exerccio 12.29
(E1/992/Final) A probabilidade de um aluno ser aprovado em Fsica igual a 76%. Calcule a
probabilidade de, em um grupo de 6 alunos : a) no mximo 5 serem aprovados; b) exatamente dois
serem reprovados.
Resposta : a) 0,80730; b) 0,28825
Exerccio 12.30
(E1/992/Final) As caixas de chocolates Delcia costumam apresentar um peso mdio de
aproximadamente 200g, com um desvio-padro de 30g. Calcule : a) o peso acima do qual se
encontram 30% das caixas; b) o peso sob o qual se encontram 66% das caixas.
Resposta : a) 215,90 ; b) 212,60
Exerccio 12.31
(E1/001/32) A resistncia dos cabos de ao fabricados pelas Indstrias Metalrgicas Iron Ltda.
seguem uma distribuio aproximadamente normal, com mdia igual a 7.250 Kgf e desvio-padro
igual a 845 Kgf. Calcule a probabilidade de um cabo : a)suportar menos que 8.000 Kgf; b) suportar
entre 7.000 e 7.800 Kgf.
Resposta : a) 0,8133; b)0,2422
Exerccio 12.32
(Epsi/002/2) As idades dos usurios de um determinado servio pblico seguem uma distribuio
normal, com mdia igual a 27 anos e desvio-padro igual a 3 anos. Calcule a idade : a) acima da
qual estaro 76% dos usurios; b) abaixo da qual estaro 52% dos usurios.
Resposta : a) 24,87 anos ; b) 27,15 anos
126
Exerccio 12.33
(Epsi/002/2) Uma moeda viciada apresenta uma probabilidade de sair cara igual a 0,63. Em 300
lances da moeda, calcule a probabilidade de sair coroa: a) pelo menos 180 vezes; b) no mximo
170 vezes.
Resposta : a) 0,8729 ; b) 0, 0136
12.4.
Aplicaes no Excel
Funo PADRONIZAR
Esta funo calcula um valor normalizado de uma distribuio caracterizada por mdia e
desv_padro.
Sua sintaxe do tipo : PADRONIZAR(x;mdia;desv_padro); onde x o valor que voc deseja
normalizar; mdia a mdia aritmtica da distribuio; desv_padro o desvio padro da
distribuio. Observaes importantes : se desv_padro < 0, PADRONIZAR retornar o valor de
erro #NM!. Por exemplo : PADRONIZAR(42;40;1,5) igual a 1,333333.
Funo DIST.NORM
Calcula a distribuio cumulativa normal para a mdia especificada e o desvio padro.
Sua sintaxe do tipo : DIST.NORM(x;mdia;desv_padro;cumulativo); onde x o valor cuja
distribuio voc deseja obter; mdia a mdia aritmtica da distribuio; desv_padro o desvio
padro da distribuio; cumulativo um valor lgico que determina a forma da funo. Se
cumulativo for VERDADEIRO, DIST.NORM retornar a funo cumulativa de distribuio; se for
FALSO, ele retornar a funo massa de probabilidade.
Observaes importantes : se mdia ou desv_padro no forem numricos, DIST.NORM retornar
o valor de erro #VALOR!; se desv_padro < 0, DIST.NORM retornar o valor de erro #NM!; se
mdia = 0 e desv_padro = 1, DIST.NORM retornar uma distribuio normal padro,
DIST.NORMP. Por exemplo : DIST.NORM(42;40;1,5;VERDADEIRO) igual a 0,908789.
Funo DIST.NORMP
Similar funo anterior, esta funo calcula a funo da distribuio cumulativa normal padro. A
distribuio possui uma mdia igual a zero e um desvio padro igual a um. Use esta funo no
lugar de uma tabela de reas de curva normal padro.
Sua sintaxe do tipo : DIST.NORMP(z); onde z o valor cuja distribuio voc deseja obter.
Observaes importantes : se z no for numrico, DIST.NORMP retornar o valor de erro
#VALOR! Por exemplo : DIST.NORMP(1,333333) igual a 0,908789.
Funo INV.NORM
Esta funo calcula o inverso da distribuio cumulativa normal para a mdia especfica e o desvio
padro.
Sua sintaxe do tipo : INV.NORM(probabilidade;mdia;desv_padro); onde probabilidade uma
probabilidade correspondente distribuio normal; mdia a mdia aritmtica da distribuio;
desv_padro o desvio padro da distribuio.
Observaes importantes : se algum argumento no for numrico, INV.NORM retornar o valor de
erro #VALOR!; se probabilidade < 0 ou se probabilidade > 1, INV.NORM retornar o valor de erro
#NM!; se desv_padro < 0, INV.NORM retornar o valor de erro #NM!.
INV.NORM usa a distribuio normal, empregando uma tcnica iterativa para calcular a funo.
Dado um valor de probabilidade, INV.NORM repete at que o resultado tenha uma preciso de
3x10^-7. Se INV.NORM no convergir depois de 100 iteraes, a funo retornar o valor de erro
#N/D. Por exemplo : INV.NORM(0,908789;40;1,5) igual a 42.
Funo INV.NORMP
127
Esta funo calcula o inverso da distribuio cumulativa normal padro. A distribuio possui uma
mdia igual a zero e um desvio padro igual a um.
Sua sintaxe do tipo : DIST.NORMP(probabilidade); onde probabilidade a probabilidade
correspondente distribuio normal.
Observaes importantes : se probabilidade no for numrico, INV.NORMP retornar o valor de
erro #VALOR!; se probabilidade < 0 ou se probabilidade > 1, INV.NORMP retornar o valor de erro
#NM!.
INV.NORMP usa uma tcnica iterativa para calcular a funo. Dado um valor de probabilidade,
INV.NORMP repete at que o resultado tenha uma preciso de 3x10^-7. Se INV.NORMP no
convergir depois de 100 iteraes, a funo retornar o valor de erro #N/D.
Por exemplo : INV.NORMP(0,908789) igual a 1,3333.
128
CAPTULO 13.
BIBLIOGRAFIA
& Anderson, D. R.; Sweeney, D. J. & Williams, T. A. (1999). Statistics for business and
economics. Cincinnati (EUA) : International Thomson Publishing.
a
& Arnot, A. C. (1989). Estatstica Fcil . So Paulo: Saraiva. 6 edio.

& Bunchaft,G. & Kellner, S. R. O. K. (1997). Estatstica sem mistrios. Petrpolis (RJ) : Vozes.
Volumes I, II e III.
& Costa, S. F. (1992). Introduo ilustrada estatstica. So Paulo : Harbra. 3 edio.

& Downing, D. & Clark, J. (1998). Estatstica aplicada. So Paulo : Saraiva.
& Fonseca, J. S. e Martins, G. A. (1996). Curso de estatstica. So Paulo : Atlas. 6 edio.

& Freund, J. E. & Simon, G. A. (2000). Estatstica aplicada. Porto Alegre (RS): Bookman.
& Kazmier, L. J. (1982). Estatstica aplicada a economia e administrao. So Paulo : McGrawHill.
& Klimberg (1997). Cases in business statistics. . Nova Iorque (EUA) : Prentice Hall.
& Lapponi, J. C. (1996). Estatstica usando Excel 5 e 7. So Paulo : Lapponi.
& Lapponi, J. C. (1998). Apostila de Estatstica : Mtodos Quantitativos aplicados finanas .
Salvador: IBMEC- Instituto Brasileiro de Mercado Capitais. No publicado.
& Levine, D. M. & Berenson, M. L. (1997). Basic business statistics. . Nova Iorque (EUA) :
Prentice Hall.
& Norusis, M. J. & Norusis, M. J. (1998). SPSS 8.0 guide to data analysis. Nova Iorque (EUA) :
Prentice Hall.
a
& Spiegel, M. R. (1993). Estatstica. So Paulo : Makron Books. 3 edio.

& Stevenson, W. J. (1986). Estatstica aplicada administrao. So Paulo : Harbra.
129
CAPTULO 14.
ANEXOS : TABELAS E FORMULRIO.
130
14.1.
Curva Normal Padronizada
rea sob a Curva Normal

Entre a mdia e o valor de z
Observao : valores gerados no MS Excel (funo DIST.NORMP)

Por Adriano Leal Bruni
-4
-3
-2
-1
1+
Z
0,00
0,10
0,20
0,30
0,40
0,50
0,00
(0,0000)
0,0398
0,0793
0,1179
0,1554
0,1915
0,01
0,0040
0,0438
0,0832
0,1217
0,1591
0,1950
0,02
0,0080
0,0478
0,0871
0,1255
0,1628
0,1985
0,03
0,0120
0,0517
0,0910
0,1293
0,1664
0,2019
0,04
0,0160
0,0557
0,0948
0,1331
0,1700
0,2054
0,05
0,0199
0,0596
0,0987
0,1368
0,1736
0,2088
0,06
0,0239
0,0636
0,1026
0,1406
0,1772
0,2123
0,07
0,0279
0,0675
0,1064
0,1443
0,1808
0,2157
0,08
0,0319
0,0714
0,1103
0,1480
0,1844
0,2190
0,09
0,0359
0,0753
0,1141
0,1517
0,1879
0,2224
0,60
0,70
0,80
0,90
1,00
0,2257
0,2580
0,2881
0,3159
0,3413
0,2291
0,2611
0,2910
0,3186
0,3438
0,2324
0,2642
0,2939
0,3212
0,3461
0,2357
0,2673
0,2967
0,3238
0,3485
0,2389
0,2704
0,2995
0,3264
0,3508
0,2422
0,2734
0,3023
0,3289
0,3531
0,2454
0,2764
0,3051
0,3315
0,3554
0,2486
0,2794
0,3078
0,3340
0,3577
0,2517
0,2823
0,3106
0,3365
0,3599
0,2549
0,2852
0,3133
0,3389
0,3621
1,10
1,20
1,30
1,40
1,50
0,3643
0,3849
0,4032
0,4192
0,4332
0,3665
0,3869
0,4049
0,4207
0,4345
0,3686
0,3888
0,4066
0,4222
0,4357
0,3708
0,3907
0,4082
0,4236
0,4370
0,3729
0,3925
0,4099
0,4251
0,4382
0,3749
0,3944
0,4115
0,4265
0,4394
0,3770
0,3962
0,4131
0,4279
0,4406
0,3790
0,3980
0,4147
0,4292
0,4418
0,3810
0,3997
0,4162
0,4306
0,4429
0,3830
0,4015
0,4177
0,4319
0,4441
1,60
1,70
1,80
1,90
2,00
0,4452
0,4554
0,4641
0,4713
0,4772
0,4463
0,4564
0,4649
0,4719
0,4778
0,4474
0,4573
0,4656
0,4726
0,4783
0,4484
0,4582
0,4664
0,4732
0,4788
0,4495
0,4591
0,4671
0,4738
0,4793
0,4505
0,4599
0,4678
0,4744
0,4798
0,4515
0,4608
0,4686
0,4750
0,4803
0,4525
0,4616
0,4693
0,4756
0,4808
0,4535
0,4625
0,4699
0,4761
0,4812
0,4545
0,4633
0,4706
0,4767
0,4817
2,10
2,20
2,30
2,40
2,50
0,4821
0,4861
0,4893
0,4918
0,4938
0,4826
0,4864
0,4896
0,4920
0,4940
0,4830
0,4868
0,4898
0,4922
0,4941
0,4834
0,4871
0,4901
0,4925
0,4943
0,4838
0,4875
0,4904
0,4927
0,4945
0,4842
0,4878
0,4906
0,4929
0,4946
0,4846
0,4881
0,4909
0,4931
0,4948
0,4850
0,4884
0,4911
0,4932
0,4949
0,4854
0,4887
0,4913
0,4934
0,4951
0,4857
0,4890
0,4916
0,4936
0,4952
2,60
2,70
2,80
2,90
3,00
0,4953
0,4965
0,4974
0,4981
0,4987
0,4955
0,4966
0,4975
0,4982
0,4987
0,4956
0,4967
0,4976
0,4982
0,4987
0,4957
0,4968
0,4977
0,4983
0,4988
0,4959
0,4969
0,4977
0,4984
0,4988
0,4960
0,4970
0,4978
0,4984
0,4989
0,4961
0,4971
0,4979
0,4985
0,4989
0,4962
0,4972
0,4979
0,4985
0,4989
0,4963
0,4973
0,4980
0,4986
0,4990
0,4964
0,4974
0,4981
0,4986
0,4990
3,10
3,20
3,30
3,40
3,50
0,4990
0,4993
0,4995
0,4997
0,4998
0,4991
0,4993
0,4995
0,4997
0,4998
0,4991
0,4994
0,4995
0,4997
0,4998
0,4991
0,4994
0,4996
0,4997
0,4998
0,4992
0,4994
0,4996
0,4997
0,4998
0,4992
0,4994
0,4996
0,4997
0,4998
0,4992
0,4994
0,4996
0,4997
0,4998
0,4992
0,4995
0,4996
0,4997
0,4998
0,4993
0,4995
0,4996
0,4997
0,4998
0,4993
0,4995
0,4997
0,4998
0,4998
3,60
3,70
3,80
3,90
4,00
0,4998
0,4999
0,4999
0,5000
0,5000
0,4998
0,4999
0,4999
0,5000
0,5000
0,4999
0,4999
0,4999
0,5000
0,5000
0,4999
0,4999
0,4999
0,5000
0,5000
0,4999
0,4999
0,4999
0,5000
0,5000
0,4999
0,4999
0,4999
0,5000
0,5000
0,4999
0,4999
0,4999
0,5000
0,5000
0,4999
0,4999
0,4999
0,5000
0,5000
0,4999
0,4999
0,4999
0,5000
0,5000
0,4999
0,4999
0,4999
0,5000
0,5000
131
14.2.
Tabela "t" de Student
Tabela t de Student
Valores de t (supondo alfa bicaudal)

Observao : valores gerados no MS Excel (funo INVT)
Por Adriano Leal Bruni
t
Graus
de
liberdade
(n -1)
1
2
3
4
5
bicaudal
0,1000
0,0900
0,0800
0,0700
0,0600
0,0500
0,0400
0,0300
0,0200
0,0100
0,0050
0,0025
0,0010
0,0050
0,0025
0,0013
0,0005
0,0005
0,0001
unicaudal
0,0500
0,0450
0,0400
0,0350
6,3137
2,9200
2,3534
2,1318
2,0150
7,0264
3,1040
2,4708
2,2261
2,0978
7,9158
3,3198
2,6054
2,3329
2,1910
9,0579
3,5782
2,7626
2,4559
2,2974
10,5789
3,8964
2,9505
2,6008
2,4216
0,0300
12,7062
4,3027
3,1824
2,7765
2,5706
0,0250
15,8945
4,8487
3,4819
2,9985
2,7565
0,0200
21,2051
5,6428
3,8961
3,2976
3,0029
0,0150
31,8210
6,9645
4,5407
3,7469
3,3649
0,0100
0,0003
0,0001
1.273,155
44,7035
16,3261
10,3051
7,9756
6.370,544
100,1358
28,0142
15,5345
11,1759
6
7
8
9
10
1,9432
1,8946
1,8595
1,8331
1,8125
2,0192
1,9662
1,9280
1,8992
1,8768
2,1043
2,0460
2,0042
1,9727
1,9481
2,2011
2,1365
2,0902
2,0554
2,0283
2,3133
2,2409
2,1892
2,1504
2,1202
2,4469
2,3646
2,3060
2,2622
2,2281
2,6122
2,5168
2,4490
2,3984
2,3593
2,8289
2,7146
2,6338
2,5738
2,5275
3,1427
2,9979
2,8965
2,8214
2,7638
3,7074
3,4995
3,3554
3,2498
3,1693
4,3168
4,0294
3,8325
3,6896
3,5814
4,9807
4,5946
4,3336
4,1458
4,0045
5,9587
5,4081
5,0414
4,7809
4,5868
6,7882
6,0815
5,6170
5,2911
5,0489
9,0804
7,8883
7,1200
6,5938
6,2119
11
12
13
14
15
1,7959
1,7823
1,7709
1,7613
1,7531
1,8588
1,8440
1,8317
1,8213
1,8123
1,9284
1,9123
1,8989
1,8875
1,8777
2,0067
1,9889
1,9742
1,9617
1,9509
2,0961
2,0764
2,0600
2,0462
2,0343
2,2010
2,1788
2,1604
2,1448
2,1315
2,3281
2,3027
2,2816
2,2638
2,2485
2,4907
2,4607
2,4358
2,4149
2,3970
2,7181
2,6810
2,6503
2,6245
2,6025
3,1058
3,0545
3,0123
2,9768
2,9467
3,4966
3,4284
3,3725
3,3257
3,2860
3,8945
3,8065
3,7345
3,6746
3,6239
4,4369
4,3178
4,2209
4,1403
4,0728
4,8633
4,7166
4,5972
4,4995
4,4168
5,9232
5,6950
5,5134
5,3644
5,2387
16
17
18
19
20
1,7459
1,7396
1,7341
1,7291
1,7247
1,8046
1,7978
1,7918
1,7864
1,7816
1,8693
1,8619
1,8553
1,8495
1,8443
1,9417
1,9335
1,9264
1,9200
1,9143
2,0240
2,0150
2,0071
2,0000
1,9937
2,1199
2,1098
2,1009
2,0930
2,0860
2,2354
2,2238
2,2137
2,2047
2,1967
2,3815
2,3681
2,3562
2,3457
2,3362
2,5835
2,5669
2,5524
2,5395
2,5280
2,9208
2,8982
2,8784
2,8609
2,8453
3,2520
3,2224
3,1966
3,1737
3,1534
3,5805
3,5430
3,5101
3,4811
3,4554
4,0149
3,9651
3,9217
3,8833
3,8496
4,3464
4,2858
4,2332
4,1869
4,1461
5,1339
5,0431
4,9663
4,8988
4,8382
21
22
23
24
25
1,7207
1,7171
1,7139
1,7109
1,7081
1,7773
1,7734
1,7699
1,7667
1,7637
1,8397
1,8354
1,8316
1,8281
1,8248
1,9092
1,9045
1,9003
1,8965
1,8929
1,9880
1,9829
1,9783
1,9740
1,9701
2,0796
2,0739
2,0687
2,0639
2,0595
2,1894
2,1829
2,1770
2,1715
2,1666
2,3278
2,3202
2,3132
2,3069
2,3011
2,5176
2,5083
2,4999
2,4922
2,4851
2,8314
2,8188
2,8073
2,7970
2,7874
3,1352
3,1188
3,1040
3,0905
3,0782
3,4324
3,4118
3,3931
3,3761
3,3606
3,8193
3,7922
3,7676
3,7454
3,7251
4,1095
4,0769
4,0475
4,0207
3,9965
4,7847
4,7358
4,6939
4,6543
4,6194
26
27
28
29
30
1,7056
1,7033
1,7011
1,6991
1,6973
1,7610
1,7585
1,7561
1,7540
1,7520
1,8219
1,8191
1,8166
1,8142
1,8120
1,8897
1,8867
1,8839
1,8813
1,8789
1,9665
1,9632
1,9601
1,9573
1,9546
2,0555
2,0518
2,0484
2,0452
2,0423
2,1620
2,1578
2,1539
2,1503
2,1470
2,2958
2,2909
2,2864
2,2822
2,2783
2,4786
2,4727
2,4671
2,4620
2,4573
2,7787
2,7707
2,7633
2,7564
2,7500
3,0669
3,0565
3,0470
3,0380
3,0298
3,3464
3,3334
3,3213
3,3103
3,2999
3,7067
3,6895
3,6739
3,6595
3,6460
3,9744
3,9540
3,9348
3,9177
3,9017
4,5868
4,5565
4,5309
4,5053
4,4820
40
50
60
70
80
90
100
200
250
500
750
1000
10000
1,6839
1,6759
1,6706
1,6669
1,6641
1,6620
1,6602
1,6525
1,6510
1,6479
1,6469
1,6464
1,6450
1,7375
1,7289
1,7232
1,7192
1,7162
1,7138
1,7120
1,7036
1,7020
1,6987
1,6976
1,6970
1,6956
1,7963
1,7870
1,7808
1,7765
1,7732
1,7707
1,7687
1,7596
1,7578
1,7543
1,7531
1,7525
1,7509
1,8617
1,8516
1,8448
1,8401
1,8365
1,8337
1,8315
1,8217
1,8197
1,8158
1,8145
1,8139
1,8121
1,9357
1,9244
1,9170
1,9118
1,9078
1,9048
1,9024
1,8915
1,8894
1,8851
1,8836
1,8829
1,8810
2,0211
2,0086
2,0003
1,9944
1,9901
1,9867
1,9840
1,9719
1,9695
1,9647
1,9631
1,9623
1,9602
2,1229
2,1087
2,0994
2,0927
2,0878
2,0839
2,0809
2,0672
2,0645
2,0591
2,0573
2,0564
2,0540
2,2503
2,2338
2,2229
2,2152
2,2095
2,2050
2,2015
2,1857
2,1826
2,1763
2,1742
2,1732
2,1704
2,4233
2,4033
2,3901
2,3808
2,3739
2,3685
2,3642
2,3451
2,3414
2,3338
2,3313
2,3301
2,3267
2,7045
2,6778
2,6603
2,6479
2,6387
2,6316
2,6259
2,6006
2,5956
2,5857
2,5824
2,5807
2,5763
2,9712
2,9370
2,9146
2,8987
2,8870
2,8779
2,8707
2,8385
2,8322
2,8195
2,8154
2,8133
2,8076
3,2266
3,1840
3,1562
3,1366
3,1220
3,1108
3,1018
3,0621
3,0543
3,0387
3,0336
3,0310
3,0241
3,5510
3,4960
3,4602
3,4350
3,4164
3,4019
3,3905
3,3398
3,3299
3,3101
3,3036
3,3002
3,2915
3,7884
3,7230
3,6808
3,6508
3,6287
3,6118
3,5984
3,5387
3,5268
3,5038
3,4960
3,4922
3,4820
4,3213
4,2282
4,1688
4,1269
4,0955
4,0722
4,0536
3,9698
3,9546
3,9220
3,9116
3,9069
3,8918
63,6559 127,3211 254,6608 636,5776

9,9250 14,0892 19,9629 31,5998
5,8408
7,4532
9,4646 12,9244
4,6041
5,5975
6,7582
8,6101
4,0321
4,7733
5,6042
6,8685
132
14.3.
Frmulas bsicas
133

Introducao A Estatisca - Excel

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Introducao A Estatisca - Excel

Uploaded by

Copyright:

Available Formats

UMA INTRODUO

Adriano Leal Bruni, M. Sc.

8.4. Aplicaes no Excel ....................................................................................................75

O objetivo maior deste trabalho o de passar um melhor conhecimento ao leitor sobre o

Elaborado inicialmente por Alaine Barbosa(alainebarbosa@svn.com.br), Eline Paiva (trrepre@e-net.com.br)

e a interpretao de dados quantitativos e a utilizao desses dados para a tomada de

O termo estatstica foi primeiramente empregado para designar o conjunto de dados

pela primeira vez, um curso avanado de estatstica. Gottfried Achenwall, da Universidade de

tambm chamada, simplesmente, de estatstica. Sua principal funo est em resumir

Srie histrica, cronolgica, temporal ou marcha: descrevem os dados conforme a

Representao em classe de freqncia

1.6.1. Tabela primitiva e Rol

1.6.3. Componentes de uma distribuio de freqncia em classes

o intervalo entre as variveis estudadas. Seu smbolo i e o total do n de classes chamado de

AMPLITUDE DE INTERVALO DE CLASSE

a medida da variao de um intervalo. A amplitude definida pela diferena entre os limites da

a variao do limite mnimo ao limite mximo do rol. Seu smbolo AT.

PONTO MDIO DE UMA CLASSE

FREQUNCIA SIMPLES OU ABSOLUTA

Seu smbolo fi . Significa a quantidade de observaes sobre uma classe.

Estatstica inferencial ou indutiva

A Teoria da Probabilidade comeou a ser usada no intuito de planejar jogadas ou

Mtodo clssico : quando o resultado provvel.

A escolha do mtodo depende da situao e qual o melhor a ser usado.

A probabilidade de qualquer evento A representado por um numero entre 0 e 10

Quando valores obtidos depende de observaes em razo do evento, onde o valor

Exerccios Propostos e Resolvidos

Agora, deve-se achar h, que a amplitude das classes.

Note que o ltimo valor (29,9997) foi aproximado para 30.

O Excel fornece trs opes diferentes para a realizao de anlises estatsticas :

ANLISE EXPLORATRIA DE DADOS

Ordenando e contando os dados

O objetivo da anlise exploratria de dados consiste em fornecer um primeiro insight sobre os

Fr. Rel. Acum.

Se n <= 25 : devem ser criadas cinco classes de freqncia

Os intervalos das classes (representados pela letra h) so consequncias diretas da amplitude

Em relao ao exemplo dos pesos, os passos necessrios ao agrupamento poderiam ser

Obter o valor de K (num de classes) :

Calcular a amplitude da classe (H)

Montar a tabela, com os agrupamentos em classes.

Exerccios propostos e resolvidos

(E1/991) Para a srie de dados contnuos apresentados a seguir, elabore a tabela de

A aplicao do recurso de classificao de dados no Excel requer alguns cuidados. Se os dados

No Excel, existem algumas funes que facilitam a construo de classes de freqncia.

Representa o histograma, com base em classes de freqncia ordenadas : da de maior freqncia

As classes de freqncia so representadas da maior para a menor.

Representa as frequncias mostradas no histograma. Podem ser as freqncias simples ou

Figura 4.1 : Diagrama de frequncias simples.

Figura 4.2 : Diagrama de frequncias relativas.

Figura 4.3 : Diagrama de frequncias relativas acumuladas.

Representa a disperso dos dados, revelando a mediana e os quartis (medidas de posio a

Figura 4.1 : Exemplo de boxplot, separado por grupos.

Similar ao histograma, apresenta as frequncias sob a forma de barras horizontais.

Similar ao histograma, apresenta as frequncias sob a forma de colunas verticais.

Representa frequncias relativas ou simples sob a forma de setores de crculo.

Grficos pictricos ou pictogramas

So construdos a partir de figuras ou conjuntos de figuras representativas da intensidade ou das

Os simbolos devem ser auto-explicativos.

Figura 4.1 : Exemplo de pictograma.

Falhas na elaborao de grficos

Embora a visualizao de informaes em grficos seja mais simples e fcil, em determinadas

b) ausncia de base relativa : os grficos podem ocultar a verdadeira informao transmitida em

Reprovados por Classe