Estatística
para os cursos de: Economia Administração e Ciências Contábeis

BPDEA
w

-w SA E
A

R E S P E IT E
O AUTOR N AO F A Ç A ~ P I A C

Associação Bras~leim para a Proteçao dos Direitos Automis Editoriais e

EDITORA ATLAS S.A. Rua Conselheiro Nébias, 1384 (Campos Elísios) 01203-904 São Paulo (SP) Tel.: (O 11) 3357-9144

A.Ermes da Silva Elio da Silva Walter Gonçalves Afrânio Carlos Murolo Estatística para os cursos de: Economia Administração e Ciências Contábeis Volume 1 PAULO EDITORA ATLAS S. -.1999 .

Depósito legal na Biblioteca Nacional conforme Decreto de 1907. Gonçalves.. SP. Dados Internacionais de Catalogação na Publicação (CIP) (Câmara Brasileira do Livro. Título. ed. Brasil) da Silva . ISBN 85-224-2236-2 da Silva. Murolo. Afrânio Carlos. V.. Silva. Ermes Medeiros. Afrânio Carlos Estatística I. 1995.1994 by EDITORA ATLAS S. Elio da. 1999. ed. Estatística 519.3. ed.5 índice para catálogo sistemático: 1. A violação dos direitos de autor (Lei 9.610198) é crime estabelecido pelo artigo 184 do Código Penal. Outros autores: Walter Gonçalves. São Paulo: Atlas. 1999. Silva. de qualquer forma ou por qualquer meio.É proibida a reprodução total ou parcial. let Estatística Ermes . 1996. 2. 3.5 TODOS OS DIREITOS RESERVADOS .111. Elio Murolo. Capa: Aldo Composição: Formato Serviços de Editoração Ltda. 1942. de 20 de dezembro Impresso no ín Brazíl . Walter. ed. 94-4177 CDD-519.A.

1.34 2.1 Objetivo.7 Rol.Sumário t CONCEITOS BASICOS.7 Distribuição de Frequências . 12 1. 14 .FR. 20 1 2. 14 1 5 Estatística Descritiva. 12 1.5 Construção da Variável Contínua. 29 2. 1.2 Conceitos Fundamentais.fh 32 . 11 1 1 Introdução.3 2.2.3 Distribuição de Frequência . 29 2.2. 26 2. 19 2.7. 32 2 8 1 Frequência Relativa de uma Classe . SÉRIES ESTAT~STICAS..2 População e Amostra.Fi. 35 .1 Frequência Relativa de um Elemento da Série .7.FR..2 Frequência Acumulada de um Elemento da Série .Variável Contínua. 2.Variável Discreta.2 Distribuição de Frequência .Variável Contínua. 12 1. 8 I 2 1 Apresentação de Dados Estatísticos. 30 1 2.6 Exercícios Propostos. 33 2. 2 2. 18 .3 Processos Estatísticos de Abordagem.2 Frequência Acumulada de uma Classe . 15 .8.9 Exercícios Propostos.fr.4 Construção da Variável Discreta. 11 . 1 6 Dados Brutos.8 Distribuição de Frequências .3 Frequência Acumulada Relativa de um Elemento da Série . 18 2.8.Fi.Variável Discreta.4 Dados Estatísticos.3 Frequência Acumulada Relativa de uma Classe . 17 . 2. 16 1 8 Exercícios Propostos. 12 1.7.

3 Exercícios Propostos.9 Exercícios Propostos.2 Introdução.13 Exercícios Propostos.1 Introdução. 74 3. 83 3.6 3. 57 3. 39 2. 74 3.5 5.4.4. 101 Amplitude Total.4 5. 55 Média Harmônica Ponderada. 38 2. 46 3. 102 Desvio Médio Simples.4. 101 Cálculo da Amplitude Total. 100 5.1 3. 60 3.6 Exercícios Propostos. 40 2. 101 Exercícios Propostos.Variável Contínua. 71 3.6 Sumário 2. 66 3.1 Conceitos.2 Histograma .10 Moda.10.1 0 Representação Gráfica de Séries Estatísticas.5 Média Aritmética Simples.6 Medidas de Dispersão Absoluta.7 Mediana.1 3. 55 Média Geométrica Ponderada.1 Histograma . 103 .11 Exercícios Propostos.3 5 Exercícios Propostos. 66 3.4 . Médias.2 Cálculo das ~edidasseparatrizes.4. 56 Cálculo da Média Aritmética. 46 Somatório .2 5.5 3. 54 3. 100 5.8 Cálculo da Mediana.11 Cálculo da Moda.Variável Discreta.4 3. 4.12 Utilização das Medidas de Tendência Central. 46 3. 85 4 MEDIDAS SEPARATRIZES. 54 Média Geométrica Simples. 55 Média Harrnônica Simples.3 3.Notação Sigma (C ). 42 3 MEDIDAS DE TENDÊNCIA CENTRAL.10.2 3. 89 4.4.4.3 5. 54 Média Aritmética Ponderada. 89 90 4. 95 MEDIDAS DE DISPERSÃO. 51 3.

5 Probabilidade do Conjunto Vazio. 162 i CÁLCULO DE PROBABILIDADES.1.3 6. 125 6.2 Coeficiente de Bowley. 151 Exercícios Propostos.6 Função de Probabilidade.10 Exercícios Propos'tos.4 8.7 Cálculo do Desvio Médio Simples. 155 Probabilidade de um Evento.Espaço Amostral.9 Definição de Probabilidade.1. 158 7. 118 5. 163 Probabilidade do Complementar.8 7.Sumário 5.4 - PROBABILIDADES. 145 Eventos. 165 .1 Teoremas Fundamentais. 116 5. 151 7.1.11 Interpretação do Desvio Padrão. 110 5.4 Operações com Eventos.13 Medidas de Dispersão Relativa. 109 5. 122 7 i MEDIDAS DE ASSIMETRIA E CURTOSE. 125 6. 143 7. 108 5.1.8 Exercícios Propostos.1 2 Exercícios Propostos.1 Introdução.1 -2 8.2. 149 7. 163 Probabilidade da Reunião.3 8.1 0 Cálculo da Variância e Desvio Padrão. 165 Probabilidade Condicional. 124 6.11 Axiomas de Probabilidade. 125 Medida de Curtose.2 Medidas de Assimetria. 143 7.1 8.2. 126 Exercícios Propostos.7 7. 121 5. 124 6. 163 8. 159 7. 132 6.1.14 Exercícios Propostos. 147 7.3 Teoria das Probabilidades .1 Coeficiente de Pearson. 143 7.1 Fenômenos Aleatórios.5 Exercícios Propostos.2 7.9 Variância e Desvio Padrão. 103 5.1 Introdução. 163 8. 163 Exercícios Propostos. 148 7.

1 0 Exercícios Propostos.8 Sumário 8.1. 176 8. 189 . 174 8.7 Teorema da Probabilidade Total.1.2 Exercícios Gerais.1. 179 Bibliografia.6 Exercícios Propostos. 170 8.1. 172 8. 178 8.8 Exercícios Propostos.9 Teorema de Bayes.1.

Prefácio Estamos colocando a disposição dos colegas professores e aos inte?ssadosem estatística de modo geral uma coleção de livros da qual este é o primeiro volume. a apresentação de cada conceito é seguida de sua interpretação específia. Além disso. principalmente no campo da Administração. que é o conhecimento e as possíveis interpretações do fenômeno estatístico envolvido. Para atingir este objetivo procuramos desenvolver os conceitos dando anfase a interpretação das medidas sobre o fenômeno estatístico. o que nos parece mais importante é a maneira como o assunto foi desenvolvido. Uma crítica frequente de professores e alunos com respeito aos textos de estatística é que eles apresentam os conceitos estatísticos do ponto de vista matemático. isto é. enfoca a estatística descritiva. A conseqüência deste enfoque é que os estudantes. as medidas sobre uma distribuição. O conteúdo deste volume apresenta os conceitos básicos iniciais de um curso de estatística. os professores da área certamente notarão alguns conceitos particularizados ou pouco abrangentes. A idéia é que fique claro o que o conceito significa do ponto de vista estatístico e quais são as possíveis utilidades que ele pode ter. Encerra o volume o estudo do cálculo de probabilidades. Este conteúdo foi escolhido por alguns motivos. . com ênfase nos cálculos das medidas. Desta foria. completada por questões teóricas e práticas que fixem esse conhecimen. e coloca os principais estimadores necessários ao desenvolvimento posterior de inferência estatística. conteúdo está adequado ao novo currículo dos cursos de administração de empresa que estão sendo implantados nas diversas faculdades. Desta forma. Achamos necessária esta restrição para não desviar o enfoque do significado do conceito e sua interpretação. Tendo em vista este objetivo. A nossa experiência ao desenvolver cursos nesta área nos convenzu de que este conteúdo pode ser desenvolvido com bom aproveitamento um curso anual de 72 horas ou em curso semestral equivalente. embora possam desenvolver os cálculos necessários a solução de problemas não são capazes de realizar o que nos parece fundamental em estatística.a. Entretanto. muitas vezes restringimos a abrangência do conceito com a finalidade de torná-lo acessível ao estudante.

Essa atenção para com nosso trabalho nos farão agradecidos e certamente colaborarão para a correção de rumo.10 Prefácio Acreditamos que a medida que o estudante for adquirindo experiência nesta área. a generalização dos conceitos ocorrerá de maneira natural. utilidade e competência desta obra. cumprindo desta forma uma de suas finalidades que é de disciplina de apoio as áreas profissionais deste campo. Os Autores . Com a finalidade de fixar os conceitos elaboramos grande quantidade de exercícios. aumentando a adequação. O leitor deverá notar que tivemos o cuidado de apresentar problemas enfocando a aplicação da estatística a diversas áreas da administração de empresas. Gostaríamos de receber sugestões e críticas dos colegas. São Paulo. outubro de 94. Esperamos que este texto e os demais que o seguirão sejam de utilidade para professores e estudantes que necessitam de estatística em sua vida profissional.

cuja finalidade era orientar o Estado em suas decisões.) Atualmente. armas. PEARSON. (Era fundamental aos comandantes saber de quantos homens. A estatística teve acelerado desenvolvimento a partir do século XVII. a estatística é definida da seguinte forma: Estatística é um conjunto de métodos e processos quantitativos que serve para estudar e medir os fenômenos coletivos. Com as outras Ciências mantém a relação de complemento. para determinar a estratégia de uma nova batalha em guerras que se caracterizavam por uma sucessão de batalhas. É considerada como método quando utilizada como instrumento por outra Ciência. cavalos etc.1 / 1 . A Estatística é considerada por alguns autores como Ciência no sentido do estudo de uma população. Neste sentido foi utilizado em épocas remotas para determinar o valor dos impostos cobrados dos cidadãos. FERMAT. GAUSS. A Estatística mantém com a Matemática uma relação de dependência. quando utilizada como instrumento de pesquisa.I Conceitos Básicos Introdução O termo Estatística provém da palavra Estado e foi utilizado originalmente para denominar levantamentos de dados. LAPLACE. dispunham após a última batalha. sem o qual não poderia desenvolver-se. Continua a progredir na razão direta do desejo de investigação dos fenômenos coletivos. . GALTON. Ela não alcançou ainda um estado definitivo. FISHER. solicitando-lhe auxílio. PASCAL. POISSON e outros que estabeleceram suas características atuais. com os estudos de BERNOULLI.

Um estimador é a proporção de votos do candidato A obtida na amostra. objetos) que interessam ao estudo de um fenômeno coletivo segundo alguma característica. coisas.2.3 Processos Estatísticos de Abordagem Quando solicitados a estudar um fenômeno coletivo podemos optar entre os seguintes processos estatísticos: a) Estimação. Em aplicações efetivas. Uma amostra . Por exemplo: no fenômeno coletivo eleição para governador no Estado de São Paulo. Entenderemos por Amostra. Uma característica numérica estabelecida para toda uma população é denominada parâmetro. qualquer subconjunto não vazio de uma população. b) Censo.1 Conceitos Fundamentais OBJETIVO Estatística tem como objetivo o estudo dos fenômenos coletivos.2 POPULAÇAO E AMOSTRA Conceituaremos População como sendo o conjunto de todos os itens (pessoas.2. Ciências Contábeis. 1. Um parâmetro é a proporção de votos do candidato A. 1. o número de elementos componentes de uma amostra é bastante reduzido em relação ao número de elementos componentes da população. . 1. Uma característica numérica estabelecida para uma amostra é denominada estimador.é um grupo de 1000 eleitores selecionados em todo o Estado. a população é o conjunto de todos os eleitores habilitados no Estado de São Paulo. Economia. servindo como instrumento auxiliar na tomada de decisões.12 Estatística 1 Em especial esta última é a relação que a Estatística mantém com a Administração.2 1.

mais atualizada. No caso de um Censo. Na estimação. COMENTÁRIO: Se admitirmos que podemos retirar do Censo todo tipo de erro de natureza humana (erro de cálculo de avaliação. i É lento. estatisticamente. todos os elementos componentes da População. portanto. como avaliamos apenas parte e não todos os elementos que compõem a população. a precisão de um valor numérico é avaliada através do binômio: confiança e erro processual. admitimos um erro processual positivo na avaliação do valor numérico e por conseqüência uma confiabilidade menor que 100%. Nem sempre é viável. a Estimação é sempre bem mais barata que o Censo. Como o erro processual na avaliação é zero. Como o número de elementos que compõem uma amostra é consideravelmente menor que o número de elementos que compõem uma População. pois avaliamos um por um. o erro processual é zero. menos precisa que o Censo. Propriedades Principais da Estimação: i i i i i Admite erro processual positivo e tem confiabilidade menor que 100%. no Censo é total.). a confiabilidade no parâmetro obtido é 100%. É caro. É sempre viável.Conceitos Básicos 13 Censo: é uma avaliação direta de um parâmetro. utilizando-se todos 9s componentes da população. A precisão. com base em IJm estimador através do cálculo de probabilidades. É barata. portanto. é concluída mais rapidamente que o Censo e. Propriedades Principais do Censo: i i i Admite erro processual zero e tem confiabilidade 100%. de anotação etc. É atualizada. Estimação: é uma avaliação indireta de um parâmetro. sendo. Este erro é chamado erro processual. É quase sempre desatualizado. . restará apenas outro tipo de erro devido ao procedimento empregado. É rápida.

1. através do cálculo de probabilidade. Na sociedade moderna. A redução dos dados. além de obter conclusões válidas para o fenômeno e também permitir tomada de decisões. 1. b) Estatística Indutiva . no trabalho estatístico o pesquisador se vê obrigado a lidar com grande quantidade de valores numéricos resultantes de um Censo ou de uma estimação. através de dados estatisticos observados. a estimação tem sido cada vez mais utilizada como procedimento estatístico. Por isso.14 Estatística 1 Se a maneira de avaliar um elemento é um teste destrutivo. Pela rapidez e facilidade da obtenção destas informações.é a parte da Estatística que tem por objeto descrever os dados observados. . A representação dos dados. o Censo se torna um processo inviável. a Estatística ensina métodos racionais para a obtenção de informações a respeito de um fenômeno coletivo. pois destruiria a população objeto do estudo. No sentido de disciplina. Desta forma. as informações estatísticas úteis a resolução destes problemas devem ser obtidas rapidamente. na sua função de descrição dos dados. a maioria dos problemas exigem decisões de curto prazo. tem as seguintes atribuições: a) b) c) d) A obtenção dos dados estatísticos. A organização dos dados.4 Dados Estatísticos Normalmente.é a parte da Estatística que tem por objetivo obter e generalizar conclusões para a população a partir de uma amostra. a estatística pode ser dividida em duas áreas: a) Estatística Descritiva . O cálculo de probabilidade é que viabiliza a inferência estatística. na maioria das vezes em que o Censo é considerado inviável é por razões econômicas e de tempo. Estes valores numéricos são chamados dados estatisticos. Entretanto.5 Estatística Descritiva A Estatística Descritiva.

omissões. Completando o processamento estatístico.O entendimento e compreensão de grande quantidade de dados através da simples leitura de seus valores individuais é uma tarefa extremamente árdua e difícil mesmo para o mais experimentado pesquisador. A obtenção ou coleta de dados é normalmente feita através de gm questionário ou de observação direta de uma população ou amostra. obtemos uma sequência de n valores numéricos. taxas.Conceitos Básicos 15 e) A obtenção de algumas informações que auxiliam a descrição do fenômeno observado. proporções. no caso de uma Estimação. 1. que facilitam a descrição dos fenômenos observados. quando bem representativos. tornam-se importantes instrumentos de trabalho. coeficientes. abandono de dados duvidosos etc. Esta última etapa será desenvolvida posteriormente. dispersões. tendências. i A Estatística descritiva apresenta duas formas básicas para a redução do número de dados com os quais devemos trabalhar. Tal sequência é denominada dados brutos. o que permite uma visualização instantânea de todos os dados. i A representação dos dados . Isto encerra as atribuições da Estatística Descritiva. índices.6 Dados Brutos Quando fazemos n observações diretas em um fenômeno coletivo ou observamos as respostas a uma pergunta em uma coleção de n questionários. falhas humanas.0 s dados estatísticos podem ser mais facilmente compreendidos quando apresentados através de uma representação gráfica. . chamadas variável discreta e variável contínua. i i A organização dos dados consiste na ordenação e crítica quanto a correção dos valores observados. Os gráficos. Redução dos dados . a Estatística Indutiva estabelece parâmetros a partir de estimadores usando o cálculo de probabilidade. É ainda atributo da Estatística Descritiva a obtenção de algumas informações como médias.

5. podemos afirmar que: Dados brutos é uma. Desta forma. 7. obtidos diretamente da observação de um fenômeno coletivo. Portanto: Rol é uma sequência ordenada dos Dados Brutos. 6. 8.7 Rol Quando ordenamos na forma crescente ou decrescente. os Dados Brutos passam a se chamar Rol. 8. X representa nota bimestral e pode ser apresentada na forma: X 4.. 7. x2 representa o valor da característica X na segunda observação do fenômeno coletivo ou o valor da característica Xobservada no segundo questionário e assim sucessivamente. então x. (Dados Brutos) OU X 4. . Esta sequência de valores assim obtida apresenta-se completamente desordenada. Neste exemplo. Exemplo: No final do ano letivo.. x2. 6.5.5. x3. 7. 6. 1. o interessado deve responder as seguintes questões: . sequência de valores numéricos não organizados..5. um aluno obteve as seguintes notas bimestrais em Matemática: 4. De modo geral.5.5.. (Rol) OBSERVAÇÃO: Após uma atenta leitura desta parte inicial. X".. representa o valor da característica obtida na primeira observação do fenômeno coletivo ou o valor da característica observado no primeiro questionário. 8. os dados brutos podem ser representados por X: x.16 Estatística 1 Representando por X a característica observada no fenômeno coletivo ou na pergunta dos questionários.

O que é Rol? '6. O que é Estatística Indutiva? ' 4 .8. 5 O que é Estimador? . 5. 12. 13. . 12.2. O que é Dado Estatístico? '2. 13. 14.2. 20. d) W:8. 7. Construa o Rol para sequência de dados brutos: a) X : 2 4. Exercícios Propostos O que é Estatística? O que é Amostra ? O que é Parâmetro? 2.8 '. Quais são os processos estatísticos de abordagem para o estudo de um fenôme- no coletivo? : O que é Censo? 2. 12. b) Y:3. c) Z: 12.8. 14.Conceitos Básicos 17 1.7. 9. 7. RESPOSTAS . 1. 8. 21. O que são Dados Brutos? '5. 5. 21.9. 7. 3. O que é População? . 8. 12. 15. 7. O que é Estimação? 3. ' O . 14. O que é Estatística Descritiva e quais são suas tarefas? '3.8.7. Explique as propriedades principais da Amostragem. 18. Explique as propriedades principais do Censo.

Suponha que observamos as notas de 30 alunos em uma prova e obtivemos os seguintes valores: Se entendermos como frequência simples de um elemento o número de vezes que este elemento figura no conjunto de dados. Para isto organiza-se o conjunto de dados na forma de uma série estatística chamada variável discreta.1 Séries Estatis ficas Apresentação de Dados Estatísticos Quando lidamos com poucos valores numéricos.Variável Discreta É uma representação tabular de um conjunto de valores em que colocamos na primeira coluna em ordem crescente apenas os valores distintos da série e na segunda coluna colocamos os valores das frequências simples correspondentes. o trabalho estatístico fica sensivelmente reduzido. No entanto. a sequência (1) pode ser representada pela tabela: . podemos reduzir significativamente o número de elementos com os quais devemos trabalhar. Um dos objetivos da Estatística Descritiva neste caso. 2.?f 2. Isto pode ser conseguido modificando-se a forma de apresentação destes dados. Se usarmos f para representar frequência simples. normalmente teremos que trabalhar com grande quantidade de dados. é obter uma significativa redução na quantidade de dados com os quais devemos operar diretamente.2 Distribuição de Frequência .

representa a frequência simples do primeiro valor distinto da série. O que significa que neste caso a variável discreta não é aconselhável . (3) Note também que a variável discreta só é uma forma eficiente de redução dos dados. Devemos optar por uma variável discreta na representação de uma série de valores quando o número de elementos distintos da série for pequeno. f2 representa a frequência simples do 2Qalor distinto da série e assim sucessivamente. quando o número de elementos distintos da série for pequeno. . 2. x2 representa o segundo valor distinto da série.a redução de dados.3 Distribuição de Frequência . f. (2) Note que conseguimos reduzir de 30 elementos que constituíam a série original para apenas 12 elementos. Deste modo. representa o primeiro valor distinto da série.Variável Contínua Suponha que a observação das notas de 30 alunos em uma prova nos :3nduzisse aos seguintes valores: Observando estes valores notamos grande número de elementos dis??tos. x.Séries Estatísticas 19 OBSERVAÇOES: (1) Note que a colocação de um índice i para x e para f tem a finalidade de referência.

5.1. 2.0.20 Estatística 1 Nesta situação é conveniente agrupar os dados por faixas de valores.2.2. Basta observar quais são os elementos distintos da sequência. 3.4 Construção da Variável Discreta A construção de uma variável discreta é bastante simples.1. ficando a série com a seguinte apresentação: Classe 1 2 3 4 2 4 6 8 Notas 1 1 1 1 4 6 8 1O fi 4 12 10 4 Esta apresentação da série de valores é denominada variável contínua. Devemos optar por uma variável contínua na representação de uma série de valores quando o número de elementos distintos da série for grande.3.2 1.0. Exemplo de construção de uma variável discreta: A sequência abaixo representa a observação do numero de acidentes por dia. ordená-los.0. Os valores distintos da sequência são: O.3.0. x: 0.1. Portanto. durante 20 dias. e colocá-los na primeira coluna da tabela. 2. 2. Em seguida computar a frequência simples de cada elemento distinto e colocá-la na segunda coluna da tabela. em uma rodovia.2. a variável discreta representativa desta sequência é: . As frequências simples respectivas são: 8.0. 5.0.1.2.0. 1.

3.4.5 Construção da Variável Contínua A construção da variável contínua requer o conhecimento de alguns ~nceitos que vamos estabelecer aproveitando a tabela abaixo como exempli:ação: Classe Intervalo de classe fi 1. 4 1. 2..a amplitude total é denotada por: No exemplo da sequência que deu origem a tabela (2). INTERVALO DE CLASSE é qualquer subdivisão da amplitude total de uma série estatística. Note que na realidade não trabalhamos com a At = 7. o maior elemento da sequência Xpor XmA. 6 1. O menor valor é chamado limite inferior da classe e será indicado por I. AMPLITUDE TOTAL DE UMA SEQUÊNCIA é a diferença entre o riaior e o menor elemento de uma sequência. 8 1.10. O maior valor é chamado limite superior da classe e será Indicado por L. Por exemplo.Séries Estatísticas 21 . na Classe 2 1. I = 2 e L = 4. LIMITE DE CLASSE: cada intervalo de classe fica caracterizado 9or dois números reais. portanto: A amplitude total representa o comprimento total da sequência e é dada na mesma unidade de medida dos dados da sequência.6. e o menor elemento por Xmín. obtendo os intervalos de classe 2 1.8.4. .5 e Xmín = 2. No exemplo da tabela (2) subdividimos a amplitude total em quatro classes. Representando a amplitude total por A. Xmáx = 9.5 e sim com a amplitude total ajustada para 8 como justificaremos adiante.

interva- los reais semiabertos a direita. AMPLITUDE DO INTERVALO DE CLASSE é a diferença entre o limite superior e o limite inferior da classe. Isto significa que o intervalo contém o limite inferior.5 da sequência estatística original ficaria sem classificação. Isto facilita sobremaneira os cálculos posteriores. (2) Note que usamos para representar as classes. utilizaremos o critério da raiz para a determinação do número de classes. . 5. pois se isto fosse feito. NÚMERO DE CLASSES: o número de classes a ser utilizado depende muito da experiência do pesquisador e das questões que ele pretende responder com a variável contínua. o limite superior da última classe seria 9. lo Outros critérios poderiam ser adotados como o intervareal semiaberto a esquerda ou mesmo o intervalo real aberto. devemos trabalhar com classes de mesma-amplitude. o intervalo de classe 2 1.10 não contém o valor 10. o elemento 9. Para efeito de nossos exemplos. Desta forma. as classes não precisam necessariamente ter a mesma amplitude como no exemplo acima. mas nenhum destes critérios é melhor que o critério adotado. Isto pode ser verificado facilmente pelo próprio interessado ao longo desta exposição. É por isso que não utilizamos a amplitude 7. precisaremos ajustar sempre o valor máximo da série ao definir a amplitude total.5 e como o limite superior não deve pertencer a classe. Porém.4 contém os valores reais maiores ou iguais a 2 e menores que 4. Se usarmos h para representar a amplitude do intervalo de classe podemos estabelecer: OBSERVAÇOES: (1) Na realidade. masnão contém o limite superior.22 Estatística 1 4.5. Como vamos utilizar este critério. . o último intervalo da série que é 8 1. ou seja. sempre que possível.

o valor de h seria 85 = 1. . Portanto. mais que este valor. Veja que o melhor valor para se trabalhar em cálculos é o h = 2. / Se tivéssemos optado por cinco classes. a primeira classe é r! intervalo 2 14. A amplitude do intervalo de classe que designamos por h é determinada da seguinte forma: 8 o portanto h = . a segunda classe é 4 1. A :srceira classe por analogia é 6 1. portanto o valor inteiro mais próximo de v % é 5. conclui70s que o limite superior da primeira classe é 4.n = 30 e conseqüentemente k = 1130 = . número inteiro.6. deixaremos como opção é um uma unidade a menos ou ara o valor de K o valor inteiro mais próximo de fi. 4 observe que a opção por quatro classes.3333. se véssemos optado por seis classes. As opções para k ntão são: 4 ou 5 ou 6. O limite inferior da segunda classe é 4.= 2.10.Séries Estatísticas ) CRITÉRIO DA RAIZ 23 Se a sequência estatística contém n elementos e se indicarmos por K número de classes a ser utilizado. foi feita em função de um valor de h mais fácil de se operar. então pelo critério da raiz: Como o número K de classes deve ser necessariamente um número iteiro e como dificilmente 6.. . Portanto.8 e a quarta classe é 8 1. 6. No exemplo da tabela (2).477. Conhecendo-se o valor Xmin= 2 e a amplitude de classe h = 2. o valor de h seria 8/6 = 1.. FREQUÊNCIASIMPLES DE UMA CLASSE fi: chama-se frequên::a simples de uma classe ao número de elementos da sequência que são ai ores ou iguais ao limite inferior desta classe e menores que o limite supe-3r desta classe.6. Foi ?or isto que optamos por quatro classes. Somando-se a zrnplitude de classe obteremos 6.

como por exemplo a fórmula de STURGES. Note que os valores da sequência nestas condições são os valores 3. . EXEMPLO DE CONSTRUÇÃO DE UMA VARIÁ L CONT~NUA VE Um teste para aferir o Quociente de Inteligência em determinada classe de alunos de uma Faculdade deu origem a sequência de valores Para a construção da variável contínua.24 Estatística 1 No exemplo 2. a frequência simples da primeira classe é 4. número K d e classes é dado por: Para valores de n muito grandes. 2. optamos pelo método mais simples que é o critério da Raiz. 3. Portanto. completando o quadro representativo da variável contínua. Como acreditamos que na prática a experiência do pesquisador é que na verdade vai determinar o número de classes. embora apresente o mesmo problema de aproximação do valor de K. COMENTÁRIO: Existem outros critérios para a determinação do número de classes. Verificamos que a sequência possui n = 70 elementos. esta fórmula apresenta mais vantagens que o critério da raiz. 2. devemos determinar o número de elementos da sequência. a frequência simples da primeira classe é o número de elementos da sequência que são maiores ou iguais a 2 e menores que 4.5. O Segundo STURGES.5. Da mesma forma determinamos as frequências simples das demais classes.

. [ é Xmí. Portanto. temos opção para construir a variável contínua m 7 ou 8 ou 9 classes.61 = 78. caso.Séries Estatísticas 25 Pelo critério da raiz K = fi. obtendo-se ama amplitude do -itervalo de classe h dada por: foi Observe que o ajuste do valor Xmáx de duas unidades. Classe 1 2 3 4 5 6 7 8 Intervalo de classe 60 1 70 80 70 1 90 80 1 1O 0 90 1 100 1 110 120 110 1 130 120 1 140 130 1 fi 1 5 6 10 12 19 14 3 A variável contínua é conceituada como uma representação tabular em x e colocamos na primeira coluna os intervalos de classe e na segunda zz~luna valores das frequências simples correspondentes. X Se ajustássemos 'máx para 140. No tanto. a amplitude ajustada passaria a ser At = 140 . Computando as frequências simples de cada classe.61 = 79. O maior valor da sequência é . =61. Este !alar não é divisível de forma inteira nem por 7 nem por 8 e nem por 9. devemos ajustar o valor. .\170 = 8. . construímos a :ariável contínua representativa desta série. K = . passando de '39 para 141. iniciando a representação da série em 60 e terminan29 em 140.60 = 80. que áo nossas opções de classes.37. os . A amplitude total ajustada para a série é: At = 140 . a amplitude total da sequência é At = 139 . A experiência do pesquisador.X . sabemos que pelo fato de o critério adotado do intervalo de classe r semi-aberto a direita. levaria a distribuir este o srro de duas unidades. O comprimento do intervalo de classe é h = 10 e o número de classes iK = 8 . Nesta situação devemos ajustar Xmáxpara 141 obtendo a At = 141 31 = 80 que é divisível exatamente por 8. nesta situa~ão. = 139 e o menor valor da sequên- Portanto. O valor inteiro No iis próximo é 8.

não fazendo parte da variável contínua. 18 19. 19.OO 30.OO 6.OO 40.OO 36.3 19. por frequência.320. 18 Agrupe.400.200.OO 19.OO 12.412.380. 7. 18. 17. Qual é a característica de um conjunto de dados que indique o uso de uma variável contínua ao se agrupar os dados por frequência? 6.780.700.OO 21. 18.551. 19.OO 20. Esta amostra apresentou os seguintes valores em dólares: 13. 20 18.OO 35.OO 23.540.OO 16. 20. Uma pesquisa sobre a idade.300.OO 15.300.21.780.417.OO 38.OO 19. 17. 18.OO 36. 19. Uma empresa automobilística selecionou ao acaso. 18. O quadro final tanto da variável discreta como da variável contínua recebe o nome de distribuição de frequência.350.OO 32.000.OO 25.OO 8.OO 26.OO 35. O que é uma variável discreta? 3. O que é uma variável contínua? 5. 19. 18.414. 18. 21.440.OO 18.OO 30.300. 19.6 Exercícios Propostos 1.OO 34.000. 19.OO 15. Qual é a característica de um conjunto de dados que indique o uso de uma variável discreta ao se agrupar os dados por frequência? 4. 18.435.483.312.OO 28.253.OO 27.000. 19.010.4 14.OO 38. 20.598.OO 21.OO 18. 18. estes dados.313.OO 22.OO 27. revelou os seguintes valores: 18. 17.OO 23.OO 29.312.OO 17.000. 20.3 13.661.300.OO 18.OO 12. estes dados. 21. Qual é o objetivo de agrupar os dados por frequência? 2.00 24.OO 27.302. 20. Uma auditoria em uma grande empresa observou o valor de 50 notas fiscais emitidas durante um mês.400. 18. 19.782.26 Estatística 1 A coluna "classe" tem a finalidade apenas de facilitar a referência as classes.681.OO 22.61O O . por frequência. 21.780.20.800.318. em anos de uma classe de calouros de uma faculdade. Obteve os seguintes dados: . 19 20.OO 23.OO Agrupe.432. 18.600.OO 40.728.OO 22. 19. 19. 19.620.315.00 32. 20.820. 19.OO 30. 2. 19. 19.5 15.OO 42. uma amostra de 40 revendedores autorizados em todo o Brasil e anotou em determinado mês o número dc unidades adquiridas por estes revendedores. 19 18.OO 21. 18.OO 25. 8.OO 21. 18. 0 21.661. 18.

OO 22.O0 32. 9.OO 18.OO 35.O0 37. por frequência.OO 39.321 .OO 3 1.512.1 11.250. 2 5 13 1O 9 6 5 .OO 18.600.521. 10.130. Um banco selecionou ao acaso 25 contas de pessoas físicas em uma agência.661 .00 43.211 .1 21 . Obteve os seguintes dados: 2 1 o 1 o 0 1 0 2 0 0 2 3 0 0 4 1 0 2 0 3 1 0 0 0 0 1 0 0 0 0 1 2 0 1 1 1 0 0 0 0 1 0 0 0 0 1 0 Agrupe.300.991.O0 .OO 39.O0 .OO 7. estes dados.O0 .OO 16.OO 42.E81. estes dados.OO 14.800.OO 7. em determinado dia.O0 42.661 .21 1 .1 16.OO 27.O0 21.61O. por frequência.OO 21. obtendo os seguintes saldos em dólares: 52.771 .700.380.OO 35.000.771 .000. Uma indústria embala peças em caixas com 100 unidades.Séries Estatísticas 27 1 0 9 7 1 5 15 1 4 18 18 25 19 17 22 21 20 28 20 6 32 35 25 23 1 8 22 28 15 1 6 1 9 30 21 26 39 1 6 26 24 1 8 1 2 32 20 21 20 Agrupe.OO 28.O0 1 32.O0 Número de notas r.OO 17.603.OO 1 7.OO 6.319.551 . O controle de qualidade selecionou 48 caixas na linha de produção e anotou em cada caixa o número de peças defeituosas.OO 25.830.O0 26.101 . I (anos) Número de alunos fl xi 17 18 19 20 21 3 18 17 8 4 .751. ' Uma solução com uma margem de erro mínima é: Classe 1 2 3 4 5 6 7 Valor da nota US$ 6.1 1 37.1 O .O0 1 26. estes dados.606.300.OO 3.350.O0 .OO Agrupe. por frequência.881.452.OO 12.O0 16.991.450. O0 22.O0 -1 11.150.500.800.323.

00 .562.321.770.501 . Uma solução com uma margem de erro mínima é: t 7 A melhor opção para dividir 35.00 = 35.1 15.3.55 1. = 42.00 I 15.6 = 34.3.6.1 15 . nem por 7.OO A.OO 27.251. A. Ajustamos a amplitude para 40 .OO K =v % 8.00.OO 40. ajustada 52. ajustada é 35. Número de peças defeituosas por caixa Número de caixas fi x/ O.nem por 8.769.6.OO 52. 1 2 3 4 28 12 5 2 1 Classe 3.249.28 Estatística 1 A. ajustada 52. Obviamente. para distribuir o erro.5 = 35 para distribuir o erro. nem por 5 e nem por 6. que não é divisível por forma inteira nem por 4.501 .250 = 49.=39-6=33 Número de carros 5-1 10 .OOI 27.OO .875.551. Assim: .320.249.501 .00 = 35. a melhor opção é por sete classes.110 Classe 1 2 3 4 5 6 7 A.O0 Número de contas 2 3 4 10 3 A.1 88.562. ajustada = 42.770 é 7 * A = 5.875. Podemos optar por 5 ou por 7 classes.ajustada = 40 .1 20 -1 25 -1 30 -1 35 -1 1o 15 20 25 30 35 40 Número de revendedores f/ 3 3 12 11 6 3 2 A.188.OO 1 40.. o que não é exatamente divisível por 6. consideramos a A. Assim. Neste caso.

vale: Da mesma forma determinamos a frequência relativa dos elementos seguintes da série: .7. a frequência relativa 30 primeiro elemento distinto da série.f .Variável Discreta Uma vez que o interessado tenha colocado os dados na forma de uma distribuição de frequência. que é 3. Exemplo: Considere a variável discreta: O total de elementos desta série é 25. É a divisão da frequência simples deste elemento pelo número total de elementos da série.1 FREQUÊNCIA RELATIVA DE UM ELEMENTO DA SÉRIE . ele poderá rapidamente obter algumas informações adicionais e úteis para a compreensão da série. Portanto. se considerar os seguintes conceitos: 2. que é 2.7 Distribuição de Frequências . vale: A frequência relativa do segundo elemento distinto.Séries Estatísticas 29 2.

4. 24% dos valores da série são iguais a 6.18 elementos componentes da série são valores menores ou iguais a 4. 28% dos valores da série são iguais a 3. 32% dos valores da série são iguais a 4. É a soma da frequência simples deste elementocom as frequências simples dos elementos que o antecedem. . Desta forma. . . Assim. 6 e 7 valem respectivamente: Estes valores podem ser interpretados da seguinte forma: - 3 elementos componentes da série são valores menores ou iguais a 2. a frequência acumulada para os elementos 2. 3.10 elementos componentes da série são valores menores ou iguais a 3. e 4% dos valores da série são iguais a 7. podemos fazer a interpretação: 12% dos valores da série são iguais a 2.30 Estatística 1 Note que estes valores representam a participação percentual de cada elemento distinto na série.

. .FR. esta passa a - :e chamar distribui~áo frequências. . 4.40% dos valores da série são menores ou iguais a 3. pelo número al de elementos da série: Assim.100% dos valores da série são menores ou iguais a 7.Séries Estatísticas 31 - 24 elementos componentes da série são valores menores ou iguais a 6. Quando acrescentamos estes valores a tabela original.S o de frequências é: .96% dos valores da série são menores ou iguais a 6. . 25 elementos componentes da série são valores menores ou iguais a 7. I É a divisão da frequência acumulada deste elemento. a frequência acumulada relativa dos elementos 2. 7.72% dos valores da série são menores ou iguais a 4. 6 e 7 Aem respectivamente: Estes valores podem ser interpretados da seguinte forma: 12% dos valores da série são menores ou iguais a 2. 3. Para o exemplo estabelecido.3 FREQUÊNCIA ACUMULADA RELATIVA DE UM ELEMENTO DA SÉRIE . a distride I .

32 Estatística 1 2. Exemplo: Considere a distribuição de frequência: Classe 1 2 3 4 21 41 61 81 Int. 2. a frequência relativa da primeira classe é: . Portanto. I É a divisão da frequência simples desta classe pelo número total de elementos da série. 4 6 8 1O fi 6 18 10 6 O total de elementos desta série é 40.8 Distribuição de Frequências .Variável Contínua No caso da variável contínua.f . redefiniremos estes tipos de frequência. Portanto. cl. pelo fato de termos utilizado intervalos de classe. as interpretações são diferentes. semi-aberto a direita.1 FREQDÊNCIA RELATIVA DE UMA CLASSE .8.

15% dos valores da série são maiores ou iguais a 8 e menores que 10. Desta forma.8.= . 45% dos valores da série são maiores ou iguais a 4 e menores que 6.Séries Estatísticas 33 A frequência relativa da segunda classe é: A frequência relativa da terceira classe é: f é: = . as frequências acumuladas para estas classes são: . 25% dos valores da série são maiores ou iguais a 6 e menores que 8.Fj 2. FREQUÊNCIA ACUMULADA DE UMA CLASSE .2 É a soma da frequência simples desta classe com as frequências simples das classes anteriores. A interpretação para estes valores é: - 15% dos valores da série são maiores ou iguais a 2 e menores que 4.25 ou 25% e a frequência relativa da quarta classe f3 r3 n 10 40 Observe que estes valores representam a participação percentual dos elementos por classe.= 0.

.FR.. - 6 elementos da série são valores menores que 4. Quando acrescentamos estes valores a tabela original. I 283 .85% dos valores da série são menores que 8.60% dos valores da série são menores que 6.15% dos valores da série são menores que 4. lembrando que são todos maiores ou iguais a 2: .34 elementos da série são valores menores que 8. esta passa a de se chamar distribui~ão frequências. . FREQUÊNCIA ACUMULADA RELATIVA DE UMA CLASSE . . a frequência acumulada relativa para cada classe é: Estes valores podem ser interpretados da seguinte forma. É a divisão da frequência acumulada desta classe pelo número total de elementos da série: Deste modo. .34 Estatística 1 Estes valores podem ser interpretados da seguinte forma. Para o exemplo estabelecido.100% dos valores da série são menores que 10. . a distribuição de frequências é: .24 elementos da série são valores menores que 6.40 elementos da série são valores menores que 10. lembrando que são todos maiores ou iguais a 2. .

i--Yema anterior.Séries Estatísticas ~ ~ p 35 Classe 1 2 4 6 8 Int. . cl.1molete o quadro.. fi 4 6 8 10 f 'i % 5 6 24 34 40 F Ri % 2 3 4 1 1 1 1 6 18 10 6 15 45 25 15 15 60 85 1O 0 Exercícios Propostos O que é amplitude total de uma sequência de dados? O que é limite inferior de uma classe? O que é frequência simples de um elemento? O que é frequência relativa de um elemento? O que é frequência acumulada de um elemento? O que é frequência acumulada relativa de um elemento? O que é frequência simples de uma classe? O que é frequência relativa de uma classe? O que é frequência acumulada de uma classe? O que é frequência acumulada relativa de uma classe? Construa a distribuição de frequências para a série representativa da idade de 50 unos do primeiro ano de uma Faculdade. idade (anos) Xi Número de alunos fi 17 18 19 20 21 3 18 17 8 4 I --cprefe os valores colocados na 3Vinha da distribui~ãode frequências do -- .

OO 2 19.OO 1 30.000.000.000. 16.000.000.OO 40.000.OO 1 - 10.OO-1 1. cl.OO Número de funcionários fi 2 6 1O 5 2 17.00 -1 1. Classe 1 2 3 4 5 Salários 1. Complete o quadro de distribuição de frequências.600.800.800.000. 20.00 20.36 Estatística 1 Número de acidentes por dia xi Número de dias fi O 1 2 3 4 30 5 3 1 1 15. Classe 1 2 3 4 5 Int.200. Classe Número de funcionlrios oI 3 4 10.OO 1 1.400.200.OO .00 30.1 US$ 1. 18.OO 1. Interprete os valores da terceira linha da distribuição de frequências do problema anterior.OO 2. Construa a distribuição de frequências para a série abaixo que representa o saldo de 25 contas de pessoas fíçicas em uma agência em determinado dia.000.OO . Construa a distribuição de frequências para a série abaixo que representa uma amostra dos salários de 25 funcionários selecionados em uma empresa.oo 1.1 1.000. Interprete os valores obtidos na quarta linha da distribuição de frequências do problema anterior. 61 10 1 14 -1 18 -1 22 -1 10 14 18 22 26 fi f.400.OO 1.00 1 20. Interprete todos os valores da segunda linha da distribuição de frequências do problema anterior. YO 25 Fi FR % 1 14 90 2 .600.

12.600.OO 1.5. 87. 5 .600. 34 .200.5% dos dias observados ocorreu um acidente por dia. Interpretações: 1 . ocorreu um acidente por dia.5 % dos dias observados ocorreram um ou nenhum acidente por dia neste cruzamento.Nesta classe há 38 alunos com 19 anos ou menos.Há alunos nesta classe com 19 anos.800.5 1O 0 40 $5.OO 1.5 73 2. 38 .OO 1 1.400.OO 1 - 1. 17 .Em cinco dias dos 40 observados.34% dos alunos desta classe têm 19 anos.Séries Estatísticas 37 Idade (anos) xi 17 18 19 20 21 Número de alunos fl frl % 6 36 34 16 8 FI 3 21 38 46 50 FRI % 6 42 76 92 1O 0 3 18 17 8 4 '2.400.800.OO 1 1. Número de acidentes por .s 2.1 1.Em 35 dias dos 40 observados ocorrereu um ou nenhum acidente por dia neste cruzamento.OO. 35 .200. Interpretações: 19 . ' 6.76% dos alunos desta classe têm 19 anos ou menos. '3. Classe Salários US$ Número de funcionários fi frl % FI FRl % 1 2 3 4 5 1.000.OO 2 6 1O 5 2 8 24 40 20 8 2 8 18 23 25 8 32 72 92 1O 0 .000. 76 .5 95 97.87.OO I 1.5 30 35 38 39 40 75 87.OO 2.Há dias em que ocorre um acidente por dia neste cruzamento.Há 17 alunos nesta classe com 19 anos.5 .OO 1.dia: xl O 1 2 3 4 Número de dias fl frl % FI FRi % 30 5 3 I 1 75 12. 12.

00 1 .000.Estamos enfocando na ordem crescente a quarta classe de salários desta empresa.OO.00.1 18 1 22 1 18 22 26 8 4 2 40 20 1O 2. .00 .000. Podemos citar entre elas: gráfico em linhas.000.Os valores desta faixa compreendem valores maiores ou iguais a US$ 1 20.00. 8 .OO.10 Representação Gráfica de Séries Estatísticas Existem muitas formas de se representar graficamente uma série estatística.600.Estamos enfocando.0 s salários desta classe são maiores ou iguais a US$ 1.OO 30.000.600.000.000.30. 20. gráficos pictóricos. Interpretações: 4 .92% dos funcionários selecionados têm salários menores que US$ 1. 23 .OO 5 1O 8 2 20 40 32 8 5 15 23 25 20 60 92 1O0 19.800.00 e menores que US$ 1. 92 .OO 40.1 14 .800.00 e menores que US$ 30.800.800.1 20. 92 . em colunas. 5 .600.oo I 10.38 Estatística 1 17. % FI FRi % 1 2 3 4 o -1o.Há oito contas entre as pesquisadas com saldos maiores ou iguais a US$20.00 e menores que US$30.000. 23 .Há 23 contas entre as pesquisadas com saldos menores que US$30. Int.000.000. 1.000.00. 18.000. em porcentagens complementares.OO. gráficos polares. cl.00.OO.OO.000.000. fr.00.ooo.00.000.OO e menores que US$30.1.1 30.800. em barras.32% das contas pesquisadas têm saldos maiores ou iguais a US$20.OO . 3 4 5 10 . na ordem crescente. cartogramas etc. a terceira faixa de saldos nas contas das pessoas físicas.800.000.OO.1 20.Há 23 funcionários entre os selecionados com salários menores que US$1.OO . Classe Saldos US$ Número de contas f.000.OO . 20 . Interpretações: 3 . 32 .Há cinco funcionários com salários maiores ou iguais a US$ 1.00e menores que US$1.600.20% dos funcionários selecionados têm salários maiores ou iguais a US$1. em setores.00 e menores que US$ 1.92% das contas pesquisadas têm saldos menores que US$30.

Nosso interesse estará completamente voltado para os gráficos de análise da série estatística que são: Histograma. a maioria deles são simplesmente gráficos de apresentacão. É um conjunto de hastes. Polígono de frequência e a curva polida de frequência. Estas representações gráficas assumem aspectos diferenciados para variável discreta e variável contínua.Séries Estatísticas 39 -10 entanto. Exemplo: Se considerarmos a série: então o histograma assume a forma: fi t . que o interessado com pequeno esforço poderá facilmente compreender. valores proporcionais as frequências simples correspondentes destes elementos (fí). representadas em um sistema de coordenadas cartesianas que tem por base os valores distintos da série (xi)e por altura.

obtemos uma nova figura chamada polígono de frequência. . o1 2 4 6 8 5 1 1 1 1 2 4 6 8 1O f. Deixamos.. um espaço igual a um intervalo de classe no início e no final da representação gráfica. Exemplo: Se considerarmos a série: Classe 1 2 3 4 Int. Se considerarmos este espaçamento inicial e final como sendo classes fictícias com frequência zero e unirmos os pontos médios das bases superiores destes retângulos. cujas bases são os intervalos de classe e cujas alturas são valores proporcionais as frequências simples correspondentes. intencionalmente. 3 6 8 5 2 então o histograma assume a forma: 'i f i Observe que não colocamos o zero no eixo horizontal na origem do sistema por uma questão de clareza da representação gráfica. representados em um sistema de coordenadas cartesianas.40 Estatística 1 É um conjunto de retângulos justapostos. cl.

:+amada curva polida de frequência. Observe que a área do polígono de frequência é a mesma área do -. mas quando estamos dando com uma amostra.i~tograma. i Quando estamos lidando com um censo. o que -ansformaria o polígono de frequência praticamente em uma figura polida. o histograma representa !. cl. Esta figura nos dará uma noção da distribuição de frequência da popu3920. 0 2 4 6 8 1 0 lnt. o número de classes iria aumentando pro:ressivamente e a amplitude do intervalo de classe iria diminuindo. se imaginarmos o número n de elementos da amostra iumentando progressivamente. No entanto.retamente a distribuição de frequência da população. . a histograma representa apenas a distribuição de -equência da amostra e não da população.Séries Estatísticas fi 41 t 0 i 2 4 6 8 1 0 lnt. cl.

OO . Construa um histograma para a série representativa do número de acidentes por dia observados em determinado cruzamento.oo .600.1 1.400.OO .800.OO 2.200.OO 1.000. durante 40 dias: Número de acidentes por dia Xl Número de dias f i O 1 2 3 4 30 5 3 1 1 7.oo 1.OO Número de funclon~rios fl 2 6 10 5 2 8. Conceitue histograma para uma variável discreta. Construa um histograma para a distribuição de frequência: 5.000. 3.800.1 1.600.OO . Quando a série representa uma amostra qual é o principal objetivo da construção do histograma ? 4.OO . Conceitue histograma para uma variável contínua. Classe 1 2 3 4 5 Salários 1. 2.42 Estatística 1 2.400. Construa o polígono de frequência para a distribuição do problema anterior. .11 Exercícios Propostos 1.OO 1. Construa um histograma para a série representativa da idade de 50 alunos do primeiro ano de uma Faculdade: Idade (anos) Xl Número de alunos fl 17 18 19 20 21 3 18 17 8 4 6.200.1 US$ 1. Construa um histograma para a série representativa de uma amostra dos salários de 25 funcionários selecionados em uma empresa.1 1.1 1.

OO 40.000.OO.oo I 4 10.OO 1 30.000.000.000. Classe Número de contas o -1o.00 30.7 Construa o polígono de frequência para a distribuição do problema anterior.ooo.000.1 20.000. .00 1 20.Séries Estatísticas 43 Construa um histograma para a série representativa do saldo de 25 contas de pessoas físicas em uma agência em determinado dia.OO 2 .

700.600.oo 1.oo oo.I 1.aoo.000.00I .200.oo 1.300.oo 1.oo Salários .00 .400.900.oo2.00 I Salários I .ooo.44 Estatística 1 I .00I .500.oo I .

oo 30.Séries Estatísticas 45 o I o.000.OO 40.OO Saldos .oo 20.ooo.oo0.000.

vamos utilizar somas de um grande número de parcelas..Notação Sigma (C ) Quando queremos representar uma soma de n valores do tipo x. + x2 . Em resumo. introduziremos o conceito de somatório. É um valor intermediário da série. podemos codificá-la através da expressão: + .3f 3. Estas medidas. a medida de tendência central procura estabelecer um número no eixo horizontal em torno do qual a série se concentra. É também um valor em torno do qual os elementos da série estão distribuídos e a posiciona em relação ao eixo horizontal. podemos reduzi-la a alguns valores..2 Somatório . cuja interpretação fornece-nos uma compreensão bastante precisa da série. mediana e moda. ou seja. Um destes valores é a medida de tendência central. No cálculo de várias medidas estatísticas. Para facilitar a representação destas somas.1 Medidas de Tendência Central Introdução No estudo de uma série estatística é conveniente o cálculo de algumas medidas que a caracterizam. Em suma. podem fornecer-nos informações muito valiosas com respeito a série estatística. 3. As principais medidas de tendência central são: média. quando bem interpretadas. um valor compreendido entre o menor e o maior valor da série. + x . .

no caso x. a soma: ) C 4 X. + X2 + X4 # C i= 1 Xi Exemplos: . Assim. no caso os índices.Medidas de Tendência Central 1 ide: 47 X .) n A expressão xi deve ser lida "soma dos valores xi.é a parcela genérica A parcela genérica é obtida tomando-se os termos constantes em -:das as parcelas.é utilizada para representar as operações de adição entre as parcelas. 'do exemplo i varia. segundo números inteiros consecutivos de 1 até n. para i variande 1 até n. utilizamos a letra i e indicamos a variação de i." i= 1 Para que uma soma possa ser representada por esta notação é funda~ e n t aque i assuma todos os valores inteiros consecutivos entre dois valores l 2sdos. Para representar a parte variável em cada zsrcela. xi .

A última parcela é 3x4. i= 1 b) = (x. A segunda parcela vale 3x3. 4 Para obter a primeira parcela da soma: C (3xJ i= 2 basta substituir na parcela genérica 3x. C (3x> = 3x2 + 3x3 + 3x4.48 Estatística 1 Da mesma forma que codificamos a soma através da notação Sigma. Entre elas destacamos: . 4 Portanto. . C (x. i= 2 Exemplos: 3 3. podemos decodificar obtendo as parcelas componentes. Para obter a segunda parcela. a variável i por 3. a notação Sigma tem algumas propriedades que podem simplificar operações.b13 + (x3 - b13 Apesar de ser apenas um código e não uma operação. basta substituir na parcela genérica 3 x . A primeira parcela da soma é 3x2. i= 2. que é o valor indicado no extremo superior.b) 3 3 + (x2 . a variável i pela valor indicado no extremo inferior. A última parcela da soma é obtida quando substituímos na parcela genérica 3xi o valor de ipor 4. .

se desenvolvermos n C (xi + yi)obtemos: i= 1 n 2. n Considerando a um número real qualquer e desenvolvendo ( a . A demonstração é análoga a anterior. 3. O somatório de uma diferença é a diferença dos somatórios.Medidas de Tendência Central 1. 49 De fato. obtemos: i= I .). O somatório de uma soma é a soma dos somatórios. O somatório do produto de uma constante por uma variável é o produto da constante pelo somatório da variável. x.

50 Estatística 1 n C ( a .. Assim. acrescida de uma unidade conduz a 4. . adicionando-se uma unidade. O somatório da divisão de uma variável por uma constante é a divisão do somatório da variável pela constante. O número de parcelas é determinado pela diferença entre o valor de i indicado no extremo superior e o valor indicado no extremo inferior. n De fato. a soma 15 + 15 + 15 + 15 pode ser representado por: 4 5 6 15 oupor i= 1 C 15 -- o u x 15 i= 3 i= 2 1 I Notéque em todos os casos a diferença entre o valor de i indicado no extremo superior e o valor de i indicado no extremo inferior. que é o número de parcelas. +axn = i= 1 n = a . . . as parcelas são constituídas por valores constantes e a variável iserá utilizada apenas para estabelecer o número de parcelas.. + x n ) = a . +ax2+ax3+ . Neste caso. desenvolvendo Um caso particular da notação Sigma é a representação de uma soma cujas parcelas são todas iguais. x i ) = ax. (x1 + x 2 + x 3 + . C xi i= 1 4.

3. to: i= 2 3 é constituída de (7 . .Medidas de Tendência Central 51 Desta forma.10)+(x4.+(x2-15ff2+(x3-15ff3 2.2) + 1 = 6 parcelas. i varia sempre de 1 a n e conseqüentemente não precisaremos indicar na notação sigma a variação de i.10)+(x3.3)2 + (x2 .312 + (x3.. identificaremos: Isto facilita a apresentação das fórmulas de cálculos. i Desta forma. Escreva as parcelas da soma indicada. as somas: a) x l + x 2 + x 3 + x 4 + x 5 6) x 3 + x 4 + x 5 + x s c) (x.10)+(x2. Portanto. Exercícios Propostos Escreva na notação Sigma.-15ff.3 I.3' ) (x. Portan- Nas aplicações estatísticas estaremos sempre interessados na soma de todos os valores da série. + 2) + (x* + 2) + (x3 + 2) d) (x.10) e) (xI .

52 3. desenvolva: 5. Estatística 1 Calcule para a tabela abaixo. Usando a tabela do problema 3. verifique que: . Usando as propriedades do somatório. o valor numérico das somas indicadas: I 4.

a) C xi fi = 60 C xiC fi = 252. Portanto. Portanto. 4 + (Cxj2 . xi fi # C xi fi c) C 4 = 125 (C x$ = 441.Medidas de Tendência Central 53 SESPOSTAS 3.

.. com pesos 1. x . 3.54 Estatística 1 3 4 Médias .. que designaremos por é definida por: X.. 3. 0. 5. p2... : Exemplo: Se X 2. . 2 respectivamente. então X= - 2+0+5+3 4 Para uma sequência numérica X x. 5. então: . x2.. xn afetados de pesos p. pn... . 3....1 MÉDIA ARITMETICA SIMPLES a média aritmética Para uma sequência numérica X x.4... a média aritmetica ponderada.... 4. que designaremos por X é definida por: Exemplo: Se X 2. Do ponto de vista teórico. vários tipos de média podem ser calculados para uma massa de dados. respectivamente..... Focalizaremos neste estudo as médias aritméticas geométricas e harmônicas. x2: . simples..

5 MÉDIA HARMONICA SIMPLES Para uma sequência numérica de elementos não nulos X x.... então: 3.Medidas de Tendência Central 55 3.. xn.4 MÉDIA GEOMÉTRICA PONDERADA Para uma sequência numérica X xl..3 MÉDIA GEOMÉTRICA SIMPLES Para uma sequência numérica X xl.2 pn respectivamente.4. 2. que designaremos por % Exemplo: Se X: 2. . 9. . a média geométrica é definida por: simples.4..4.. que designaremos por é definida por: %. : . 1 respectivamente. 3. : a média harmônica simples. X afetados de pesos pl.......x2.5 com pesos 3. então: 3. 6. x2... x2. 4. . x. a média geométrica ponderada que designaremos por Xg é definida por: Exemplo: Se X: 1.. c)2..

xn : afetados de pesos pl.Note que a média harmônica é o inverso da média aritmética dos inversos dos elementos..4. p respectivamente.. a média harmônica pondera. : Exemplo: Se X 2.. da que designaremos por é definida por: xh .6 MÉDIA HARMONICA PONDERADA . Para uma sequência numérica de elementos não nulos X xl.. x2. 10.. . 5 . então: 3. p2.. .

12 com pesos 3. Os casos anteriores não são muito frequentes nas aplicações. então: 57 Observando-se que: 1. que é a média mais utilizada nas aplicações. 3. 7. A média harmônica aplica-se naturalmente quando se quer a obtenção de uma média cuja unidade de medida seja o inverso da unidade de medida dos componentes da sequência original.5 I Cálculo da Média Aritmética f T a s o. Va- mos restringir o desenvolvimento de médias ao caso de média aritmética. 8. A média geométrica só é indicada para representar uma série de valores aproximadamente em progressão geométrica. 15.DADOS BRUTOS OU ROL Neste caso. 5 .2 respectivamente. 20. 12.Medidas de Tendência Central Exemplo: Se X: 2. devemos utilizar uma média aritmética simples: Exemplo: Calcule a média da variável X: 3. ou seja. 12. 4. . 18. os valores desta série concentram-se em torno do valor 12. 2. 2. Interpretagão: O valor médio desta série é 12. 3.

considerando as frequências simples fi como sendo as ponderações dos elementos xi correspondentes. acrescentando estes valores dispostos em uma nova coluna. utilizamos a própria disposição da tabela para efetuar os produtos xi f . A fórmula de cálculo de Xque originalmente era 2 = 7 passa a L ri ser escrita como: rn Exemplo: Determinar a média da distribuição: Solução: Inicialmente devemos somar a coluna de frequências simples para obter o número total de elementos da série: C fi = 10 elementos. P. Em seguida somamos os valores desta coluna.58 Estatística 1 2 T a s o . Na sequência substituímos estes valores na expressão Xobtendo: . utilizaremos a média aritmética ponderada.VARIÁVEL DISCRETA Se os dados estão apresentados na forma de uma variável discreta. Em seguida. C x.

5.5. obtendo fj. O ponto médio. cl.5. - .Medidas de Tendência Central 59 Interpreta~ão: valor médio da série é 5.VARIÁVEL CONT~NUA Se os dados estão apresentados na forma de uma variável continua.5. Na sequência. devemos somar a coluna das frequências simples.12. O ponto médio da segunda classe é da primeira classe é = 6. = 20. -:-izaremos a média aritmética ponderada.6.6 é o ponto de O ::~centração dos valores da série. 21 51 81 11 I 5 8 11 14 fi 1 10 8 1 Solu~ão: Inicialmente. calculamos os pontos médios de classe: o ponto médio = 3. o ponto médio da terceira classe é = 9. considerando as frequências sim: ss das classes como sendo as ponderações dos pontos médios destas :asses. isto é. de cada classe é definido por: A fórmula de cálculo de Rque originalmente era 2 = s r escrita como: 2 Xi - Pi passa a L Pi Exemplo: Determinar a média da distribuição: Classe 1 2 3 4 Int.5 e o ponto médio da 2 11+14 quarta classe é 2 . F Caso .

10. 7. 16 Y: 81.8. 11. 7. 16.5 xj fi 157 Portanto. 3. 7. 5.5.8.5 xi fi 3. Classe 1 2 3 4 Int.30.23. 1 .5 9. cl. 5.5.60 Estatística 1 Estes valores serão dispostos em uma nova coluna na tabela.5 6. Calcule a média aritmética da série: (a)X: 1.5 65 76 12. Um produto é acondicionado em lotes contendo cada um deles 10 unidades. Se as unidades que compõem determinado lote pesam: 3.4. isto é.7. que o máximo que podemos afirmar com respeito ao menor valor desta série é que ele é um valor maior ou igual a 2 e menor que 5. Como no caso anterior. 4. 20. 3. 6. 3. 4.6 Exercícios Propostos 1. X = -.. COMENTÁRIO: Quando agrupamos os dados na disposição de uma variável contínua. Calcule a média geométrica para as séries: X: 1. 11. passamos a trabalhar com os dados sem conhecimento de seus valores individuais.2.O. 5.5 12. (c) Z: 3.85 é o valor em torno do qual os elementos desta série se concentram. 2. 12. 4. O lote só é aprovado se apresentar um peso superior a 40 quilos. 6. 10. Mas não conhecemos seu valor individualizado. Este fato é que nos leva a substituir as classes pelos seus pontos médios ao calcular a média da série. 9. 21 51 81 11 I 5 8 11 14 fi 1 10 8 1 xi 3.85 20 C fi Interpretação: O valor médio desta série é 7. este lote será aprovado? Qual o peso médio do produto? 3. 26. (b) Y: 5. 3. 4. usaremos a própria tabela para a sequência de cálculos. 12. O mesmo ocorre com todos os outros valores da série.21. 2..5. 5.85. Note no exemplo acima. 10.15.

Qual foi o lucro médio por unidade comercializada por esta loja? -3. B. D. 132.50/kg. O lucro por unidade comercializada destes produtos vale respectivamente $200.00.00/kg. este caminhão passará pela balança? (b) Qual o peso médio das caixas carregadas no caminhão? 1 I '2. E. Determine. '2.00. 350 caixas de 8 kg cada. Calcule a média harmônica da série 130. $ 1.00. .: Calcule a média harmônica da série anterior.000 kg será carregado com 480 caixas de 10 kg cada. $ 132/kg e $ 135/kg. $ 13.20/kg e $ 13. em anos.000. 135. (a) Se este caminhão tem que passar por uma balança que só permite passagens a caminhões com peso máximo de 15 toneladas. $500. 5 unidades respectivamente. O motorista do caminhão pesa 80 kg e a lona de cobertura da carga pesa 50 kg. 20. Calcule a idade média dos alunos de uma classe de primeiro ano de determinada Faculdade. em média quantos quilos do produto se compra com $1. C. $ 5.OO. . Calcr~le média aritmética da série: a I ? . ' Calcule a média geométrica da série anterior. Um caminhão cujo peso vazio é 3. 30. - Verifique pelos cálculos anteriores qual relação é válida entre estas médias.000.Medidas de Tendência Central 2 61 Calcule a média harmônica da série: I I Um produto é vendido em três supermercados por $ 13. Um produto é vendido em três supermercados por $ 130/kg. A loja vendeu em determinado mês 20. $300. Determine quantos $/kg se paga em média pelo produto. 10. 500 caixas de 4 kg cada e 800 caixas de 5 kg cada.OO.00.Uma loja vende cinco produtos básicos A.

o tempo de mão- de-obra gasto na revisão completa de um motor de jato. segundo o quadro abaixo: Classe 1 2 3 4 5 Aluguel $ O.OO 800.OO -1 900.médiopara estas residências.OO 1 700. N q e acidentes por dia: x.OO 600.OO -1 500.OO 400. O 1 2 3 4 NQde dias fr 30 5 3 1 1 16. 12 15 8 3 1 1 17.OO -1 600.OO 1.OO 900.OO -1 500.000.OO 600.OO -1 400.7 - 62 Estatística 1 Idade (anos) Xl NQde alunos fl 17 18 19 20 21 3 18 17 8 4 15. O salário de 40 funcionários de um escritório está distribuído segundo o quadro abaixo.OO 1.OO 700.1 600.OO 800.OO -1 800. Uma empresa de aviação observou em seus registros recentes.I 200.OO 1 800. O O OO NQde casas fl 30 52 28 7 3 Calcule o aluguel. Classe 1 2 3 4 5 6 Salários $ 400. Calcule o número médio de acidentes por dia em uma determinada esquina. Uma imobiliária gerencia o aluguel de residências particulares. 18. O .OO NQ funcionhrios de r. Calcule o salário médio destes funcionários.OO -1 200.OO . O seguinte quadro foi obtido: Classe 1 2 3 4 5 Tempo de mão-de-obra (horas) N de motores o f~ o -4 I 4 -1 8I 12 1 16 -1 8 12 16 20 1 5 1O 12 4 .

mostrou que após um mês em que a ração normal foi substituída pela nova ração. fez um levanta- mento do consumo de seu principal produto em vários supermercados obtendo em determinado mês. b) Se a ração antiga proporcionava em iguais circunstâncias um aumento médio de peso de 3. a E R e a # 0. então x ...100 kg/animal.000 N de supermercados o fi 1o 50 200 320 150 30 Determine o consumo médio deste produto'por supermercado pesquisado. qual deve ser o tempo total de mão-de-obra para a revisão de dez motores que aguardam revisão? c) Se a empresa dispõe no momento de dois homens trabalhando 12 horas por dia nestas revisões conseguirá provavelmente revisar estes dez motores em quatro dias? ?.000 -1 5. ' Compare a média com a média anterior..000 I 6.. Uma pesquisa para determinar a eficiência de uma nova ração para animais.Medidas de Tendência Central 63 a) Determine o número médio de horas de mão-de-obra necessário para a revisão de cada motor..000 -1 4.000 .000 2...a = : 25..1 2. Prove que se X x.a = 22. b) Com base nesta informação.. Prove que se X x. então : x.. xn .000 .000 3.. Refaça o problema anterior acrescentando a todos os limites de classe mais 2 kg. x2.. então C = a . Prove que se X x. xn e a E R. a tabela: Classe 1 2 3 4 5 6 Número de unidades consumidas O -1.. Uma empresa de âmbito nacional. os animais apresentaram um aumento de peso segundo a tabela: Classe 1 2 Aumento de peso em kg 1 1I -2 2I 3 4 3 -1 4 -1 5 Ngde animais fi o -1 1 5 35 37 28 a) Calcular o aumento médio de peso por animal. xn e a E R.1 3. fornecedora de supermercados... F X 'Ya .000 4. x2. xn e a E R. x2. 13. então x : + a = X+ a 13. 1 =xercicios Especiais 2.. x2.000 I 1. Prove que se X: x...000 5. esta nova ração pode a princípio ser considerada mais eficiente? 1. em termos de ganho de peso...

a) 5.45 ac/dia $572. RESPOSTAS 1.625h b) 116. 17. 7. 12. . 21.25h C) não 3.352 d 682.37 7 kg b) Sim... a) 3.385 kg 18. 18. 16.3015kg 3.5/f $335/res a)11. Calcule a média da tabela do problema 17.25 a) 3. A m6dia da nova série é a média da série antiga acrescida de duas unidades. 6. 4.l unid. 1 O. 8. 29. 15.84 anos/aluno 0.6 b) 3. 13.342.1225 a) 9. a) 12.311 kg.36 13. b) Sim. 14. xnfn também pode ser calculada por: - Z (f.% . 1 ' x. I ai são valores de uma nova variável obtidos pela transformação ai = h Esta fórmula é chamada Processo Breve do Cálculo da Média. Calcule a média da tabela do problema 16. usando o Processo Breve. xn também pode ser kg= C n - X = e 9 i n Z ln x fi 27. = 4. 30. 9..145 Sim. x2 . 17.64 Estatística 1 26. 19.35/peça a) Não b) 6. 2. 5. Mostre que a média geométrica ponderada 4x.8946 b) 9. 20. Mostre que a média ponderada 2 = pode também ser calculada no caso de uma variável continua pela fórmula: fi X = e "'i ' onde: xo é o ponto médio de classe de uma classe qualquer escolhida. 3..478 3.6 3. ln X ) 9 z xifi 28.5 b) 9.857 c) 8. 132. Mostre que a média geométrica simples calculada por X9 = 4x.33/kg O0075585 kg/$ . usando o Processo Breve.

3 ..x J f .1 ' ( x l f i ~. obtém-se: .h . f . L r.n) = 5 C'i 1 f f In X g = . x. X = xo + .h = 1 x O C ~ +h..+ C = F + a = a n n n Da mesma forma demonstram-se. x. h Cf. X = n 4 xl 3 . + In x2 + .'n)= C 'i 1 ln X = (f. os próximos exercícios. .ln - Z a. Aplicando a operação antilogaritmo obtemos: g C'i g ln X = 1 .'n)q .( I n x .substituindo-se..+In % + . + h x.. q = . ln x. f. portanto. + f.+ Inx.. Como .. usando propriedades do somatório.. ..) Clnxi I n X =.xo [ X=xo+ h Cf. Aplicando a operação antilogaritmo. . x9 = - C'i 4 x... In Xg = In (x.. Usando as propriedades do logaritmo: 1 ln 1 Xg = n (ln x.) - n. . $5 .. '1 3% xntn . obtemos: n . x.CfiInxj I n X =-. .C ( x j . l + I n x22+ . x. .Medidas de Tendência Central 65 L xi .) = g Cf.. Portanto.5 23.xi + -na . Usando as propriedades do logaritmo: f ln Xg = ln (x.. h xj ... In x.

66

Estatística 1

3.7

Mediana

É um valor real que separa o rol em duas partes deixando a sua esquerda o mesmo número de elementos que a sua direita. Portanto, a mediana é um valor que ocupa a posição central em uma série.
Notação: A mediana será denotada por md

3.8

Cálculo da Mediana

1" Caso

- DADOS BRUTOS OU ROL

Inicialmente devemos ordenar os elementos caso sejam dados brutos, obtendo o Rol. Em seguida determinamos o número n de elementos do Rol. 1.1. Se n é impar - O Rol admite apenas um termo central que ocupa a posição " Y 0 valor do elemento que ocupa esta posição é a mediana.

( 7 '1
+

Exemplo: Determinar a mediana do conjunto:

Solução: Ordenando estes elementos obtemos o rol. X: 2, 8, 12, 12, 20, 20,23.

[F] 40. 0=

O número de elementos é n = 7 (ímpar), a posição do termo central é
A mediana é o quarto elemento do Rol: md = 12.

O valor 12 deixa a sua esquerda e à sua direita o mesmo número de elementos, sendo, portanto, o elemento central da série. Quando lidamos com sériss com urn grailde número de elementos, a quantidade de elementos à esquerda é â direita é aproximadamente 50% do genérica para a total de elementos, o que conduz a veguinie interpreta~ão mediana: "50% dos valores da série são valores menores ou iguais a 12 e 50% dçzs valores da série são valor?s maiores ou iguais a 12".
1.2. Se n é par - Neste caso, o rol admite dois termos centrais que ocupam as posições ("/2)O e ("/2 + l)O. A mediana é convencionada como sendo a média dos valores que ocupam estas posições centrais.

Medidas de Tendência Central

67.

Exemplo: Determinar a mediana da série: X:7, 21, 13, 15, 10, 8, 9, 13. Solução: Ordenando estes elementos, obtemos o rol: X 7, 8, 9, 10, 13,

-3,15,21:
O número de elementos é n = 8 (par). As posições dos termos centrais são: (/) 82"

44"e

(8/2

+ 1)" s5"

O elemento que ocupa a quarta posição na série é 10 e o elemento

z.ie ocupa a quinta posição é 13. Portanto,

Interpretação: 50% dos valores do rol são valores menores ou iguais a

-: e 50% dos valores do rol são valores maiores ou iguais a 11,5. ,5
P Caso - VARIÁVEL DISCRETA
Se os dados estão apresentados na forma de uma variável discreta, 5'ss já estão naturalmente ordenados. Assim, basta verificar se o número de elementos da série é ímpar ou i z r e aplicar o mesmo raciocínio do caso anterior. Para facilitar a localização dos termos centrais, construímos a frequêns acumulada da série. Exemplo 1: Determinar a mediana da série:

Solução: O número de elementos da série é n = C fi = 23 (ímpar). Portanto, a série admite apenas um termo central que ocupa a posição 3 -)-4 1 o = 129.
2

Construindo a frequência acumulada podemos localizar com facilidade :décimo segundo elemento da série.

68

Estatística 1

Note que o elemento que ocupa a primeira posição na série é 2. Em seguida aparecem quatro elementos iguais a 5. Estes elementos ocupam na série as posições de segundo a quinto. Depois aparecem mais dez elementos iguais a 8 que ocupam na série as posições de sexto a décimo quinto. Conseqüentemente, o elemento que ocupa a décima segunda posição vale 8, e podemos afirmar que md= 8.
Interpretação: 50% dos valores da série são menores'ou iguais a 8 e 50% dos valores da série são maiores ou iguais a 8. Exemplo 2: Calcular a mediana da série:

Solução: O número de elementos da série é 32 (par) e a série admite dois termos centrais que ocupam as posições: (22" 3/) leO e (32/2 + l)o = 17°.. Para localizar estes elementos, construímos a frequência acumulada da série.

Medidas de Tendência Central

69

As três primeiras posições da série são ocupadas por elementos iguais
2

3.

Da quarta a oitava posição os elementos são iguais a 1. Da nona a :+cima sexta posição os elementos são iguais a 2. Da décima sétima a - lésima sexta posição os elementos valem 3. Portanto, o elemento que ocupa a décima sexta posição é 2 e o ele-rnto que ocupa a décima sétima posição é 3 e, consequentemente, a me: m a é:

Interpreta@o: 50% dos valores da série são valoreqmenores ou iguais
i e 50% dos valores da série são valores maiores ou i&ais a 2,5.

F Caso - VARIÁVEL CONT~NUA
Se a dados são apresentados na forma de uma variável contínua, o ~ciocínio anterior não pode ser utilizado, uma vez que mesmo identificada a zzsição da mediana na série, o valor do elemento da série que ocupa esta i x i ç ã o não é identificável. Utilizaremos um exemplo, para generalizar a fórmula de cálculo da -ediana. Considere a distribuição de frequência:
Classe

Int. cl.

1
2 3 4

5

31 61 91 12 1 15 1

6 9 12 15 18

fj 2 5
8 3

1
Ç

O número de elementos da série é n =

fí = 19.
9,5".,

A mediana, por definição, separa o número de elementos da série em dois grupos, contendo cada um deles 50% dos elementos.
Portanto, a posição da mediana na série é "/2. No exemplo (I%)"
O valor decimal 9,5 indica que a mediana é um elemento posicionado rntre o nono e o décimo elemento da série.

5-7 Ou seja: -. o que indica que a mediana é um valor compreendido entre 9 e 12. Supondo que eles estão uniformemente distribuídos neste intervalo.7 9. 9. l 1 1 1 1 1 6 9 12 15 18 fi 2 5 8 3 1 fA 2 7 15 18 19 Note que o nono e o décimo elementos estão posicionados na terceira classe. . 7 é a frequência acumulada da classe anterior a classe mediana. c . 15. A classe que contém a mediana será identificada como classe mediana. Este intervalo de três unidades contém oito elementos.8 é a frequência simples da classe mediana. então poderemos dividir este intervalo de modo proporcional a posição da mediana na série.70 Estatística 1 Construiremos a frequência acumulada para identificar em qual classe estão situados o nono e o décimo elemento da série. isto é. Classe 1 2 3 4 5 3 6 9 12 15 Int. 3 X Portanto: md=9+x Observando na fórmula em destaque acima que: - 9 é o limite inferior da classe mediana.5 é a metade dos elementos da série. "/2.-Simplificando: . .

Medidas de Tendência Central 71 - 3 é a amplitude do intervalo de classe.1.2. todas as medidas calculadas para uma variável contíl u a serão valores aproximados para estas medidas. .8 2. 15. há perda de informações quan:3 a identidade dos dados.4. Fant.9 .limite inferior da classe mediana.8.4. h .8.5. uma vez que ao agrupar70s os dados segundo uma variável contínua. 12. poderemos generalizar a fórmula de cálculo da mediana para variável contínua: .3.2.5.7.5.frequência simples da classe mediana. Im. Exercícios Propostos Calcule a mediana da sequência: a) X:2. De modo geral. 10.9. Calcule a mediana da distribuição.6.amplitude do intervalo de classe. COMENTÁRIO: Devido as condições impostas na obtenção da fórmua da mediana.Frequência acumulada da classe anterior a classe mediana. fmd .número de elementos da série. fica evidente que o valor obtido pela fórmula é um valor zproximado do verdadeiro valor da mediana da série.8. 3. n .4. Interprete os valores obtidos no exercício anterior.4. 3. 12 b) Y:3.

Interprete o valor da mediana obtida no problema anterior: 6. Uma pesquisa realizada com 59 caixas. Uma máquina produz peças que são embaladas em caixas contendo 48 unidades. Interprete o valor obtido no problema anterior. observados em determinado cruzamento. . 9. por dia de dias 4 1 5. Inferprete o valor obtido para a mediana no problema anterior. 7. 10. durante 40 dias. revelou a existência de peças defeituosas seguindo a tabela: NQde peças defeituosas por caixa Número de caixas 20 15 12 6 4 2 o 1 2 3 4 5 Determine o valor mediano da série.72 Estatística 1 4. 8. Calcule a mediana para a série representativa da idade de 50 alunos de uma classe do primeiro ano de uma Faculdade. Determine o valor mediano da distribuição a seguir que representa os salários de 25 funcionários selecionados em uma empresa. Calcule a mediana da distribuição do número de acidentes por dia.

OO 1.400.000 50.3.50 50 1 1O 0 100 1 150 200 150 1 200 1 250 300 250 -1 350 300 1 NQ familias de 2 15 32 47 50 80 24 Calcule a mediana da distribuição. O consumo de energia elétrica verificado em 250 residências de famílias da classe média. tendo em vista o aumento de produtividade de seus vendedores.1 30. fez um levantamento de vendas semanais.OO 4 5 1.OO 1 1. -4O departamento de recursos humanos de uma empresa.000.50 1O 0 50 1 100 1 150 150 1 200 200 1 250 300 250 1 N de notas o 1O 28 12 2 1 1 Determine o valor mediano da série.OO 1. premiar com um aumento de 5% no salário.OO 1 1.200.ooo.000 40.1 20.1 40.400. resolveu. a metade de seus vendedores mais eficientes. Interprete o valor mediano obtido no problema anterior. Para isto.OO ' '.600. .200.800. revelou a distribuição: Classe 1 2 3 4 5 6 7 Consumo kwh OI .000.OO 2.000.oo 1.OO 1 1.000 -1 10. obtendo a tabela: Classe Vendas $ 10.000 NP de vendedores 3 4 5 27 31 1O A partir de qual volume de vendas o vendedor será premiado? .oo 1 1. . durante um Consumo por nota $ OI . por vendedor.000 30. selecionou um grupo de 54 notas fiscais. Interprete o valor obtido. Interprete o valor obtido.000 20. ' 3. com dois filhos. Uma loja de departamentos. dia.000.2 . e obteve o seguinte quadro: Classe 1 2 3 4 5 6 -2.I Medidas de Tendência Central 73 0 Classe Salários $ NP de funcionários 10 5 2 1 .800.600.

50% das caixas contêm uma ou nenhuma peça defeituosa e 50% contêm uma ou mais peças defeituosas. m. a)m. = $80. b) 50% dos valores da série são menores ou iguais a 5 e 50% dos valores da série são maiores ou iguais a 5.=5 a) 50% dos valores da série são menores ou iguais a 8 e 50% são valores maiores ou iguais a 8.3. 2.4. m. unimodal. 5. 50% dos alunos desta sala tem 19 anos ou menos e 50% têm 79 anos ou mais. md= O Em 50% dos dias observados não ocorreu acidente e em 50% dos dias observados ocorre O ou mais acidentes por dia. 7. 13. 11. Portanto.DADOS BRUTOS OU ROL Basta identificar o elemento de maior frequência.5.36. md=$30. md=19.490 ou menos e 50% recebem $1. 10. m. 5.5.36. Nota~ão: moda será denotada por m. É uma sequência . X:2. 50% dos funcionários desta empresa recebem $1. = 5. 3. 3.490.11 Cálculo da Moda 1" Caso . 36 e 50% apresentavam consumo maior ou igual a $80.3.161. A 3.5. 9.1 O elemento de maior frequência é 5.8. 12. md= 229 Kwh.29 15. 6. 16.74 Estatística 1 RESPOSTAS 1. m d = $ 1. Exemplos: 1.5. 4. 50% das notas apresentavam consumo menor ou igual a $ 80.=8 b)m.10 Moda É o valor de maior frequência em um conjunto de dados. 50% das residências da classe m6dia com dois filhos consomem 229 kwh ou menos e 50% consomem 229 kwh ou mais.490 ou mais.. 14.

É uma sequência de : -odal. .VARIÁVEL DISCRETA Este caso é ainda mais simples. mo = 6 e mo = 10.=sivamente.o ~ t o s maior frequência. Basta identi' x r o elemento de maior frequência. Nesta situação. tetramodais e assim 'su-. P Caso . Portanto. : --e Observe que todos os elementos da série apresentam a mesma fre113ncia.Medidas de Tendência Central 75 Esta sequência apresenta o elemento 6 e o elemento 10 como ele. 1 screta. Estas sequências serão chamadas de forma genérica por se: 3ncias polimodais. Note que na apresentação da variável as frequências já estão computadas na segunda coluna. e diremos que a série é amodal. 2. uma série unimodal com mo = 3. Portanto é. Poderemos encontrar sequências trimodais. não há um elemento que se destaque pela maior --lquência. Exemplos: 20 A maior frequência observada na segunda coluna é 8 e corresponde elemento 3 da série.

Daremos destaque para a moda de Pearson. é uma série bimodal com mo = 2 e mo= 4. a série é amodal. Portanto. Para determinar a moda de uma variável contínua. Portanto. a moda de uma variável contínua pode ser obtida através do valor da média e da mediana: Classe 1 2 3 4 Int. cl. podemos optar por vários processos. a moda de King e a moda de Czuber. 1" Processo: MODA DE PEARSON Segundo PEARSON. fj o1 10 1 20 1 30 1 1o 20 30 40 1 3 6 2 .76 Estatística 1 A maior frequência observada na segunda coluna é 5 e corresponde aos valores 2 e 4. Observe que todos os elementos da série possuem a mesma frequência.

cl. o sexto elemento i a série está na terceira classe. Esta é a classe mediana. A mediana vale: . 1 1 1 1 10 20 30 40 fi 1 3 6 2 xi 5 15 25 35 xi fj 5 45 150 70 Cálculo da mediana: Classe 1 2 3 4 Int.Medidas de Tendência Central 77 Solupão: Cálculo da média: Classe 1 2 3 4 0 10 20 30 Int. cl. o1 10 1 20 1 30 1 10 20 30 40 fi 1 3 6 2 Fi 1 4 1O 12 A mediana corresponde ao sexto elemento da série.

I 0 = 24 3+2 Interpretação:24 é o valor mais frequente nesta distribuição. mo = 20 + 2 . fj 1o 20 30 40 o1 10 1 20 1 30 1 1 3 6 3 4 2 Solução: A classe modal é a de maior frequência portanto é a terceira classe e a moda vale: ~ -. cl. a frequência simples da classe anterior e a frequência simples da classe posterior a classe modal. frequência simples da classe posterior a classe modal. Exemplo: Calcule a moda de King para a distribuição: Classe 1 2 Int. A classe de maior frequência será chamada de classe modal. frequência simples da classe anterior a classe modal. onde: Imo fpostfant h limite inferior da classe modal. 2 Processo: MODA DE KING " KING levou em consideração. em sua fórmula. amplitude do intervalo de classe.78 Estatística 1 Conseqüentemente: Note que a moda está situada na terceira classe que é a classe de maior frequência da série.

a moda vale: Interpreta~áo: 24. fmo . portanto. em sua fórmula a frequência simples da classe anterior. COMENTÁRIO: A fórmula de Pearson tem normalmente interesse teórico. o1 10 1 20 1 30 1 10 20 30 40 fj 1 3 6 2 Soluqão: A classe modal é a terceira classe. Se não dispusermos da média e da mediana da distribuição.frequência simples da classe posterior a classe modal.Medidas de Tendência Central 79 3"Processo: MODA DE CZUBER CZUBER levou em consideração. A fórmula de King é a mais simples delas.amplitude do intervalo de classe.frequência simples da classe anterior a classe modal. uma fórmula mais completa que a fórmula de King. Exemplo: Calcule a moda de Czuber para a distribuição: Classe 1 2 3 4 Int. fant . onde: Imo . cl. .frequência simples da classe modal. É. a fórmula de Pearson é a mais trabalhosa. mas não é a mais precisa. fpost . além da frequência simples da classe modal.limite inferior da classe modal. h . pois leva também em consideração a frequência da classe modal.29 é o valor mais frequente nesta distribuição. A fórmula de Czuber é mais precisa que a fórmula de King. portanto. a frequência simples da classe posterior.

Normalmente o mais confiável é o valor da moda de Czuber. então a segunda parte será h . Se chamarmos a prime. que identifica-se como sendo a moda da distribuição. O segmento de reta unindo os pontos A e B intercepta o eixo horizontal no-pontoP.80 Estatística 1 Observe que no exemplo utilizado o cálculo da moda pelos três processos determinou três valores diferentes. A amplitude do intervalo de classe é h e está dividida em duas partes. É claro que os três valores obtidos são valores aproximados do verdadeiro valor da moda. a) Fórmula de King Identifica-se a classe modal como sendo a de maior altura (frequência) e caracteriza-se a seu limite inferior I e seu limite superior L mo mo' Projeta-se a frequência da classe posterior na reta representativa da frequência da classe anterior obtendo-se o ponto A.iraparte de x. com o histograma da distribuição. de modo semelhante.x. Em seguida projeta-se a partir do L no sentido vertical. . uma distância igual a frequência da classe mo' anterior obtendo o ponto B. As fórmulas de King e Czuber podem ser justificadas.

h fpoçt Substituindo o valor de x na expressão mo=I mo + x obtém-se: . A.obtém-se X = fpoçt fant + .Medidas de Tendência Central Assim. observando a figura concluímos que: 81 Como os triângulos ACP e PDB são semelhantes (A. AC DB - X h. podemos afirmar: de onde conclui-se que: Lembrando que AC = fpOst e que DB = Gnt. Então.x' Usando propriedade das proporções. os lados 530 proporcionais. A).

82 Estatística 1 Imo M Lmo Int.x. que identifica-se como sendo a moda da distribuição. A). mn Unindo-se os pontos A e D e os pontos B e C. A amplitude do intervalo de classe é h e está dividida em duas partes. então a segunda parte será h . os lados e as alturas são proporcionais. Em seguida projeta-se verticalmente este ponto no eixo horizontal obtendo o ponto M. A. cl.x' Usando a propriedade das proporções. Se chamarmos a primeira parte de x. Identifica-se a classe modal e caracteriza-se o seu limite inferior I e o mo seu limite superior L . Então: AB CD - X h. Estes valores correspondem as alturas dos triângulos ABP e CDP respectivamente. podemos afirmar: . * Como estes triângulos são semelhantes (A. os segmentos de reta determinados se interceptam no ponto P.

a questão: qual medida deve ser utilizada? .fant+ fmo .(fant + fpost) OBSERVAÇÃO: Se a classe modal for a primeira classe.fpost *fmo .fant . então. não necessitamos calcular as três medidas de tendência central. obtém-se: mo I I x = fmo .12 Utilização das Medidas de Tendência Central Na maioria das situações. 3.Medidas de Tendência Central 83 1 3 onde se conclui que: - fp.fant h = mo . poderios afirmar que: Substituindo o valor de x obtido anteriormente nesta expressão.h fmo .BE = f . Lembrando que AB = A E .( h n t + $os> Como a moda é identificada como sendo o ponto M da figura.fant e que CD = CF . fmo . então fant= O e se a classe modal for a última então fpost = 0.DF = . a moda fica escrita: m = I. Normalmente precisamos de apenas uma das medidas para caracterizar o centro da série. Surge.

a mediana e a moda coincidirão com este valor e. a mediana e a moda estarão posicionadas mais no início da série. apenas os dados da série que se situam próximos a este valor. Como a mais conhecida é a média. este caso dificilmente ocorrerá na prática. a mediana e a moda ficam também situadas em sua área central representando bem a série como na figura a). A mesma situação ocorre se a série apresenta forte concentração de dados em seu final. devemos optar pela média. teremos valores diferenciados para a série e conseqüentemente a medida irá representar bem. . Concluindo. A moda deve ser a opção como medida de tendência central apenas em séries que apresentam um elemento típico. quando houver forte concentração de dados na área central da série. se uma série apresenta forte concentração de dados em sua área central. devemos optar pela mediana. Como a mais conhecida entre mediana e moda é a mediana. Concluindo. Os dados muito afastados em relação ao valor da medida não serão bem representados por ela. isto é. esta será a medida indicada neste caso. i Se uma série apresenta forte concentração de dados em seu início. Desta forma. portanto qualquer uma delas representará bem a série. a média. quando houver forte concentração de dados no início ou no final da série. No entanto. Quando todos os dados de uma série estatística são iguais. A média que é fortemente afetada por alguns valores posicionados no final da série se deslocará para a direita desta concentração não a representando bem. a média. Na maioria das vezes.84 Estatística 1 A medida ideal em cada caso é aquela que melhor representa a maioria dos dados da série. um valor cuja frequência é muito superior a frequência dos outros elementos da série. optamos por esta medida de tendência central. representando bem esta concentração.

2. 7 d) Z:4. 7. Calcule a moda da distribuição do número de acidentes diários. 8. 3 c) J: 7. Calcule a moda da distribuição: 4. observados em um cruzam-ento.5.6. Interprete o valor obtido no problema anterior: 5. 7.5.9. 7. Calcule a moda das séries abaixo: a) X:2. 8. 10. 7.3. 12. 10.8. Calcule a moda da série representativa da idade de 50 alunos de uma classe de primeiro ano de uma Faculdade: Idade (anos) N de alunos Q 20 9. Interprete os valores obtidos na 1"uestão.8. 9. 12. Calcule a moda da série: 6.5. 10. durante 40 dias: NQde acidentes por dia NQ dlas de O 1 2 3 4 30 5 3 1 1 7.4. 3. 11 e) t : 2 5.8.Medidas de Tendência Central 85 3.6. .5. 6. 10.2.13 Exercícios Propostos . 9. 12. Interprete o valor obtido no problema anterior.7 b) Y:4. Interprete o valor obtido no problema anterior.4.5.

.400. A distribuição abaixo representa o número de acidentes de trabalho. selecionadas em uma loja de departamentos: Classe 1 2 3 4 5 6 Consumo por nota $ O -1 50 -1 100 -1 150-1 200 -1 250 -1 N de notas o 10 50 1O 0 150 200 250 300 28 12 2 1 1 14. 16.400.600.86 Estatística 1 10. 15.1 1. Calcule a moda de Czuberpara a tabela do problema anterior.oo -1 1.OO -1 1. em uma indústria Petroquímica. 18.200.oo 1. Classe Salários $ 1. por dia.OO . Interprete a moda de Czuber do problema anterior. Classe NQde acidentes NQde dias 20 6 4 1 1 o.1 1. Interprete o valor obtido no problema anterior.200.I 2 -1 4 -1 . Interprete o valor obtido no problema anterior.OO -1 1. Calcule a moda de King para a distribuição de valores de 54 notas fiscais emitidas na mesma data. 13.ooo.OO 1.OO .00 2. Calcule a moda de King para a distribuição representativa dos salários de 25 funcionários selecionados em uma empresa.800. verificados durante um mês.OO NQde funcionários 4 5 1O 5 2 11. Calcule a moda de Czuber para a tabela do problema anterior. 6 2 4 6 8 3 1 19.OO 1. 12.600.000. Calcule a moda de Czuber para a distribuição abaixo que representa a nota de 60 alunos em uma prova de Matemática: Classe Notas NQ alunos de 4 41 6 -1 8 -1 1O 20 3 17. Calcule a Moda de Czuber para a distribuição. Interprete o valor da moda obtida no problema anterior.800.

Calcule a moda de Czuber para esta distribuição: Classe 1 2 3 4 5 6 Alturas (cm) 150 1 160 -1 170 . que limitou o consumo máximo por cliente em 5 kg. Calcule a Moda de King. N" de clientes 21 - 4 5 31 4 -1 32 54 23.=6.1 180 -1 190-1 200 1 160 170 180 190 200 21O NQde alunos 2 15 18 18 16 1 21. 22.Medidas de Tendência Central 87 20. mo = 12 mo= 7 m. Interprete o valor obtido no problema anterior.m0=8. 25. A distribuição abaixo representa as alturas de 70 alunos de uma classe. Qual é a medida de tendência central que melhor representa a série do problema 20? RESPOSTAS 1. Qual é a medida de tendência central que melhor representa a série do problema 13? 28. Qual é a medida de tendência central que melhor representa a série do problema 5? 26. de um produto colocado em oferta em um supermercado. Qual é a medida de tendência central que melhor representa a série do problema 16? 29. Qual é a medida de tendência central que melhor representa a série do problema 10? '30. Qual é a medida de tendência central que melhor representa a série do problema 6? 27. Interprete o valor obtido no problema anterior.m0=10 d) e) Amodal. 24. Calcule a Moda de Czuber para a tabela do problema anterior. . a) b) C) mo = 5 mo = 4. em kg. A distribuição abaixo representa o consumo.

O número de acidentes mais frequente por dia nesta indústria é 1. mo= 1.490. mo = 180. 20.47. Estatística 1 a) O valor rnais frequente da série X é 5. mais frequente é $76. 18.64.47. 22. 29. mo = 3 O valor mais frequente da série é 3. 16. m o = $ 1. 8. 21. d) Os valores mais frequentes da série Zsão: 6. 27. O consumo rnais frequentepor cliente é 4. 7. Média. mo =5. 11. Mediana. 28. 15.89.488. mo=$76. e) A série não admite um elemento mais repetitivo. m0=18 A idade mais frequente nesta sala é 18 anos. Média. 3.mo = 6 mo=O O número de acidentes mais frequente neste cruzamento é zero. 5. m0=3. por nota.30 e 6. 24. 25. 6.29. mo = $77.488. . mo = 4. 23. 8 e 10.88 2. A altura mais frequente nesta sala é 180 cm. mo = $ 1. 17. Média. c) O valor mais frequentes da série W é 7. 26. Moda. b) Os valores mais frequentes da série Y são: 4 e 12. As notas mais frequentes nesta prova foram 3.m0=6. 14.89. mo = 4. 13. O consumo.27. 19. 9.18. Média.30. 30.91. 4. O salário mais frequente entre os funcionários selecionados é $ 1.29 kg.18. 12.64. 10.

O terceiro quartil. o primeiro quintil. quintis. decis e percentis. cada um deles contendo 50% dos valores da sequência. Assim. o primeiio quartil.artesque contêm a mesma quantidade de elementos da série. deixando 50% de seus valores a esquerda e 50% de seus valores a direita. Se dividirmos a sequência ordenada em cinco partes. é também Jma medida separatriz. Se dividirmos a série ordenada em quatro partes. O segundo quartil. as outras medidas separatrizes que destacaremos são: quartis. cada uma ficará com 20% de seus elementos. De modo análogo são definidos os outros quintis. Os elementos que separam estes grupos são chamados quartis. Assim. que indicaremos por Q3.1 Medidas Separatrizes Conceitos São números reais que dividem a sequência ordenada de dados em =. Note que o Q2 é a mediana da série. Além da mediana. . Desta forma. deixando a sua esquerda 20% de seus valores e a sua direita 80% de seus valores. separa a sequência ordenada. que indicaremos por Q1. cada uma ficará com 35% de seus elementos. separa a sequência ordeiada. separa a sequência ~denada deixando 25% de seus valores a esquerda e 75 % de seus valores a jireita. a mediana que divide a sequência ordenada em dois grupos. que indicaremos por K1. 0 s elementos que separam estes grupos são chamados quintis. que indicaremos por Q2. separa a sequência ordenada deixando a sua esquerda 75% de seus elementos e 25% de seus elementos a direita.4/ 4.

Assim. K5. cada uma fic2-E com 10% de seus valores.separa a sequência ordenada deixando a sua esquerda 1% de seus valores e 99% de seus valores a direita. Os elementos que separam estes grupos são chamados decis. cada uma ficar? com 1% de seus elementos. Se observarmos que os quartis. De modo análogo são definidos os outros percentis. o primeiro percentil. Desta forma: 4.2 Cálculo das Medidas Separatrizes 1 2 Caso . Se dividirmos a sequência ordenada em 100 partes.90 Estatística 1 Se dividirmos a sequência ordenada em dez partes. que indicaremos por D1 separa a sequênc'r ordenada. deixando a sua esquerda 10% de seus valores e 90% de sec: valores a direita. Assim. caso sejam Dados Brutos obtendo o Rol. DI. Note que o Q4. que indicaremos por P1. quintis e decis são múltiplos dos percentis.? Plo0 são elementos que deixam a sua esquerda 100% dos valores da sequencia ordenada e correspondem diretamente ao último valor da sequência. o primeiro decil. Os elementos que separam estes grupos são chamados centis OL percentis. então basta estabelecer a fórmula de cálculo de percentis. De modo análogo são definidos os outros decis. . Todas as outras medidas podem ser identificadas como percentis.DADOS BRUTOS OU ROL Devemos ordenar os elementos.

8. Solução: Ordenando a seqüência. Calcule o KJ da sequência X 2. 2. obtemos: X: 2. 11. 7. não for um número inteiro. obtendo: Este valor não-inteiro indica que o P60 é um valor situado entre o quarto e o quinto elemento da sequência. 2. 5. 12. Pi. Portanto. isto é. Calculamos 25% de 12 que é o número de elementos da série obtendo: Este valor indica a posição do P25 no Rol. S. 10. que estamos procuranNote que se for um número inteiro. Identificamos Q1 = P25. Calculamos i% de n. 5.2. 5. 10.5. 10. 12. 8. 5. 10. o P25 é O terceiro elemento do Rol. isto significa que o Pi é um elemento Se 100 itermediário entre os elementos que ocupam as posições aproximadas por 'alta e por excesso do valor Neste caso. obtemos o Rol: X 1. 9. 12. 12. 12.5. 6. 9. 8. 7. . o P é definido como sendo a i nédia dos valores que ocupam estas posições aproximadas. : Solução: Ordenando a seqüência. Exemplo 2. Em seguida. 1. 13. Interpretação: 25% dos valores desta sequência são valores menores ou iguais a 5 e 75 % dos valores desta sequência são valores maiores ou iguais a 5. que é o número de elementos da série. para localizar a posição do percentil i ?o Rol. 15. 12. 6. Identificamos K3 = PC0. 11. 8. Observando o terceiro elemento do Rol obtém-se 5. Exemplo 1 Calcule o Q1 da sequência X: 2. então Pi 3'0 identificar é um dos elementos da sequência ordenada. 13.5. Q1 = PZ5= 5. Calculamos 60% de 8. identificamos o elemento que ocupa esta posição. 5. 15. . ou seja.1 Medidas Separatrizes 91 Identificamos a medida que queremos obter com o percentil correspon:ente.

Note que se o número de elementos da sequência for menor que 100? alguns percentis podem coincidir em valores tornando estas interpretações não totalmente verdadeiras.5 e 8. -para localizar a posição do percentil i 1O 0 na série. Interpretação: 60% dos valores da sequência são valores menores ou iguais a 7. Portanto. I - Em seguida utilizamos a frequência acumulada da série para localizar o elemento que ocupa esta posição. Calcule o D4 para a série: Solução: O número de elementos da série é Z fi = 24 Identificamos D4 = P40 e calculamos 40% de 24.75. Identifica-se a medida que queremos obter com o percentil correspondente: P. eles já estão naturalmente ordenados.92 Estatistica 1 Observando diretamente no Rol. 2Waso VARIÁVEL DISCRETA Se os dados estão apresentados na forma de uma variável discreta.75 e 40% dos valores da sequência são valores maiores ou iguais a 7. Exemplo I. os elementos que ocupam a quarta e a quinta posição obtemos 7. . ou seja. O valor deste elemento é o Pi. ixn Calcula-se i% de n ou seja.

vamos generalizar a fórmula da mediana: Identificando md = P50. e o décimo elemento também é 5. Para se obter uma fórmula geral para o cálculo dos percentis. D4 = P40 = -= 5.Medidas Separatrizes I 93 I Esta posição não-inteira significa que o P40 é um valor compreendido i-tre o nono e o décimo elemento da série. identificamos o limite inferior da classe que contém a Mediana (I ) com o limite inferior da classe que contém o PS0 (I5&. eles já estão naturalmente ordenados e o número de elementos da série é n = E$. Assim. 2 5 + 5 Interpretação: 40% dos valores desta série são valores menores ou guais a 5 e 60% dos valores desta série são valores maiores ou iguais a 5.podemos obter uma fórmula particular para o '50- Note que a classe que contém a mediana é a mesma classe que contém o P50. md . 3" Caso . Construindo a frequência acumulada: zbservamos que o nono elemento é 5. Portanto.VARIÁVEL CONT~NUA Se os dados estão apresentados na forma de uma variável contínua.

0 -1 10 -1 20 -1 30 I--40 -1 10 20 30 40 50 fi 16 18 24 35 12 .amplitude do intervalo de classe. a fórmula da mediana. fi h . A frequência acumulada da classe anterior a classe mediana (F.... generalizamos a fórmula para o cálculo de qualquer percentil: onde: Pi li .94 Estatística 1 n 50 x n O termo . Fant . . Exemplo: Calcule o Q3 da série: Classe 1 2 3 4 5 Int. . n .limite inferior da classe que contém o percentil i.) é F frequência acumulada da classe anterior a classe que contém o PS0. Assim.. cl.Percentil i( i = 1 . assim como h..pode ser representado na linguagem do PS0como 2 100 ' A frequência simples da classe mediana (f ) é a mesma frequênc 2 md simples da classe que contém o P50 (f50). adaptada para a linguagem do P50 podc ser escrita: Substituindo-se 50 pelo índice i. ES'F termo não se modifica.número de elementos da série.frequência simples da classe que contém o percentil i.frequência acumulada da classe anterior a classe que contém o Pi.99).. 2. que é a amplitude do intervalo c: classe. 3.

Em uma série ordenada.75x105 = 78.x n . Construindo a frequência acumulada da série obtemos: Classe 1 2 3 4 5 OI 10 -1 I 20 I 30 40 -1 Int.Medidas Separatrizes 95 O número de elementos da série é dado por C fi= 105.93. c . 4.75 na série é 3 quarta classe.3 Exercícios Propostos I. l 10 20 30 40 50 fi 16 18 24 35 12 Fi 16 34 58 93 105 A classe que contém o elemento que ocupa a posição 78. h) Q2 d) D2 e) K3 P70 os K4 0 D8 .93 Interpretação: 75% dos valores da série são menores ou iguais a 35. obtém-se: Portanto Q3 = P75 = 35. Substituindo os valores indicados na fórmula.75. ) b) S) Q. Esta é a classe que contém o P75. 1O 0 1O 0 Isto nos dá a posição do P75 na série. Identificamos ixn - Iniciamos o cálculo do valor P75 lembrando que neste caso i= 75 e xe: i .93 e 25% dos valores da série são maiores ou iguais a 35. c) K. qual é o percentual de elementos que ficam a esquerda de cada uma das medianas separatrizes: a) 0 .

Em uma série ordenada. 15.96 Estatistica 1 1 b. K2 c) O4 4 Q3 e) '90 6. 10. Qual é o percentual de elementos de uma série ordenada que se situam entre: a) Ql eQ3 b. 29. qual é o percentual de elementos que ficam a direita cada uma das medidas separatrizes: a) D4 c) Q3 d) K2 e) p20 f) D5 g) Q1 h) p2 3. dê o número aproximado de ele mentos que se situam: a) Acima do PZo b) abaixo do K3 c) acima do Q3 d) abaixo do Pgo e) entre o Pl o e o PBO f) entreoQ1eQ3 g) entre o Q3 e PBo h) entre o PgO Pg2 e 5. 9. Idade (anos) Ngde alunos 20 2 1 Calcule: a) Ql b) K3 . P10eP90 C) D2e D6 d' Q 1 e K 3 e) D3e K4 0 4. 6. '80 2. K2eDg 9) K3 e Q3 Se uma série ordenada possui 180 elementos. 17. A distribuição de frequência abaixo representa idade de 50 alunos de uma classe de primeiro ano de uma Faculdade. Dada a série X: 3. calcule: a) Q1 b. 4. 12. 20. 15.

000 13.240 26.750 Determine: a) Q1 b) Q3 C) "90 4 12.500 25. 10% é fixo e 90% são comissões sobre venda. nos próximos 30 dias. o gerente desta loja de departamentos decidiu premiar a nível promocional com um brinde.1 40 -1 50 -1 1O 20 30 40 50 60 NQde livros comercializados 4. Classe 1 2 3 4 5 6 Preço unitário US$ O -1 10 -1 20 -1 30 . c) 0 3 d) Q3 e) D7 0 "98 8. Se a empresa decidir. 10% dos fregueses que mais consumirem.1 50 1O 0 150 200 250 300 N de notas o 1O 28 12 2 1 1 Calcule: a) Q. Tomando como amostra a tabela do problema ne 7.1 120 170 220 270 320 370 Node vendedores 8 28 54 32 12 6 1I. Uma empresa estabelece o salário de seus vendedores com base na produtividade.800 1. a nível de incentivo. 6) K. A tabela abaixo representa a venda de livros didáticos em uma editora na primeira semana de março. fornecer uma cesta básica para 5% dos vendedores que pior desempenho tiveram durante o próximo mês com base nesta amostra. Classe 1 2 3 4 5 ' 6 Consumo por nota US$ OI 50 -1 1O . P1O . 9. A partir de qual valor de consumo da nota fiscal os clientes seriam premiados? 10.600 43.Medidas Separatrizes 97 7. Uma amostra de salários mensais nesta empresa revelou o quadro abaixo. Interprete os valores obtidos no problema anterior. Desta forma. qual será o maior salário que receberá esta cesta básica? Classe 1 2 3 4 5 6 Salários US$ 70 -1 120 -1 170 -1 220 -1 270 -1 320 . Interprete os valores obtidos no problema anterior.1 0 150 -1 200 -1 250 . A distribuição de frequência abaixo representa o consumo por nota de 54 notas fiscais emitidas durante um dia em uma loja de departamentos.

Uma amostra do tempo de vida útil de uma peça forneceu a seguinte distribuição: NQ horas (vida útil) de OI 1O .71 e) 99. trocando a peça que não apresentar este número mínimo de horas.5 e) 21 c) 18 c) 61. A tabela abaixo representa o número de faltas anuais dos funcionários de u r r empresa. Interprete os valores obtidos no problema anterior.98 Estatística 1 13. se ele está disposto a trocar 8% das peças? RESPOSTAS a ) 10% f) 75% a ) 60% e) 80% a) 50% e) 50% a ) 144 e) 126 a) 5 a) 18 a) 56. 15.5 d) 20% i) 80% d) 60% h) 98% d) 35% d) 162 h) 4 d) 16 d) 19 e) 60% j) 70% e) 18.07 f ) 246 25% das notas indicavam consumo menor ou igual a US$56.25 d) 11442 a) b) 25% g) 80% b) 20% f ) 50% b) 80% f) 40% b) 108 f ) 90 b) 9.25 e 75% indicavam consumo maior ou igual a US$56. qual é a garantia.64 c) 20% h) 50% c) 25% g) 75% c) 40% g) 15% c) 45 9) 9 C) 9. .1 0 200 -1 300 -1 400 -1 500 1 - NQ peças de 6 42 86 127 64 8 1O 0 200 300 400 500 600 Se o produtor deseja estabelecer uma garantia mínima para o múmero de horas de vida útil de uma peça.5 b) 19 b) 70. NQde faltas NQ de empregados 20 42 53 125 84 40 14 3 o 1 2 3 4 5 6 7 8 2 Determine: a) D3 b) K3 C) ' 9 0 d) Q3 e) Q1 PIO 14.25.

c) 90% dos livros vendidos tinham preço unitário menor ou igual a US$ 46.38 e 75% dos livros vendidos tinha preço unitário maior ou igual a US$24.42 e 25% indicavam consumo maior ou igual a US$ 110. a) 25% dos livros vendidos tinham preço unitário menor ou igual a US$ 24.64. b) 75% dos livros vendidos tinham preço unitário menor ou igual a US$ 39. b) 60% dos empregados tiveram um número de faltas anuais menor ou empregados tiveram um número de faltas anuais maior ou igual a 3. .71 e 60% indicavam consumo maior ou igual a US$70.55. 149. 98% das notas indicavam consumo menor ou igual a US$246.07. e) 70% das notas indicavam consumo menor ou igual a US$99. US$113.14 horas. US$ 144. 30% das notas indicavam consumo menor ou igual a US$61. 13. * I .07 e 70% indicavam consumo maior c) ou igual a US$61.38 b)US$39.96 e 25% dos livros vendidos tinham preço unitário maior ou igual a US$39.O.75. c) 90% dos empregados tiveram um número de faltas anuais menor ou empregados tiveram um número de faltas anuais maior ou igual a 5.00.37 e 10% dos livros vendidos tinham preço unitário maior ou igual a US$46. 10% dos empregados tiveram um número de faltas anuais menor ou f) empregados tiveram um número de faltas anuais maior ou igual a I .37 d) US$15.55 72.96.42. igual a 2 e 70% dos igual a 3 e 40% dos igual a 5 e 10% dos igual a 4 e 25% dos igual a 2 e 75% dos igual a 1 e 90% dos . a) 30% dos empregados tiveram um número de faltas anuais menor ou empregados tiveram um número de faltas anuais maior ou igual a 2. 15. e) 25% dos empregados tiveram um número de faltas anuais menor ou empregados tiveram um número de faltas anuais maiores ou iguais a 2.38.17. d) 75% dos empregados tiveram um número de faltas anuais menor ou empregados tiveram um número de faltas anuais maior ou igual a 4. a) 2 b) 3 c) 5 I d) 4 e) 2 07 14.00 e 2% indicavam consumo maior f) ou igual a US$246.37.96 c) US$46. d) 10% dos livros vendidos tinham preço unitário menor ou igual a US$ 15. d) 75% das notas indicavam consumo menor ou igual a US$ 110. .55 e 90% dos livros vendidos tinham preço unitário maior ou igual a US$ 15.71. a)US$24.64 e 30% indicavam consumo maior ou igual a US$99.7 i j 3c b) Medidas Separatrizes 99 40% das notas indicavam consumo menor ou igual a US$70.

Na sequência Znão h á variabilidade de dados. mas não representa bem a sequência X. mas existem . Concluímos que a média 13 representa otimamente a sequência Z. são sequências completamente distintas do ponto de vistz da variabilidade de dados. mas h á fraca dispersão de dados. Observe que na sequência Z os dados estão totalmente concentrados sobre a média 13. Na sequência Y h á forte concentração dos dados sobre a média 13. A média 13 representa bem qualquer valor da série. Na sequência X existem muitos elementos bastante diferenciados da média 13.5/ 5.1 Medidas de Dispersão Introdução Uma breve reflexão sobre as medidas de tendência central permite nos concluir que elas não são 'suficientes para caracterizar totalmente u r r ~ sequência numérica. Não h á dispersão de dados. Já na série X h á fraca concentração de dados em torno da média 13 e forte dispersão de dados em relação a média 13. . No entanto. elementos da série levemente diferenciados da média 13. Se observarmos as sequências: concluiremos que todas possuem a mesma média 13. representa bem a sequência Y. Na sequência Y a média 13 representa bem a série. O nosso objetivo é construir medidas que avaliem a representatividade da média. Para isto usaremos as medidas de dispersão.

Portanto. a amplitude total da sequência é A. a amplitude total é a diferença entre o último e o primeiro elemento da série. a amplitude total da série é A. variância e desvio padrão.2 Medidas de Dispersão Absoluta -As principais medidas de dispersão absolutas são: amplitude total. : :O. 15. 1 Solução: O maior valor da série é 7 e o menor valor da série é 2. Solução: O maior valor desta sequência é 15 e o menor valor é 9. = 7 .2 = 5 unidades.4 Cálculo da Amplitude Total 'Caso . 3. 10. =ortanto. . 2" Caso .Medidas de Dispersão 101 f . 12. = 15 . 9. 5. : :wio médio simples. Exemplo: Determine a amplitude total da série.3 Amplitude Total É a diferença entre o maior e o menor valor da sequência. Exemplo: Determine a amplitude total da sequência X 11.VARIÁVEL DISCRETA Como os valores já se apresentam ordenados.DADOS BRUTOS OU ROL Basta identificar o maior e o menor valor da sequência e efetuar a iferença entre estes valores.9 = 6 unidades.

por desconhecer o maior e o menor valor da r i devemos fazer um cálculo aproximado da amplitude total da série. Consideraremos como maior valor da série o ponto médio da i classe e como menor valor da série o ponto médio da primeira class amplitude total é a diferença entre estes valores. 8.9. 3. 2. 40. cl.22. 15. 34. Calcule a amplitude total da série: . Portanto. 5. É possível modificar completamente a dispersão ou a concentra@: dos elementos em torno da média. f uma medida que tem pouca sensibilidade estatística. 20. Calcule a amplitude total da série: V: 12. 15. At = 11 . 22.r 102 Estatística 1 Nesta situação.5 Exercícios Propostos 1.3 = 8 unidades. Calcule a amplitude total da série: X: 2. COMENTÁRIO: Apesar da facilidade de obtenção da amplitude tots esta medida apresenta a inconveniência de depender apenas de dois valor~s da série. 10. I ~ I Exemplo: Determine a amplitude total da série: Classe 1 2 3 4 5 Int. 30. 2 -1 4 -1 6 -1 8 -1 10 -1 4 6 8 1O 12 fi 5 10 20 7 2 Solução: O ponto médio da última classe é 11 e o ponto médio rr primeira classe é 3. sem alterar a amplitude total da série. 8.

= 17 unidades. da série Y é maior que A.DADOS BRUTOS OU ROL Calculamos inicialmente a média da sequência. A dispersão dos dados em relação a média de uma sequência pode ser avaliada através dos desvios de cada elemento da sequência em relação a nédia da sequência. 5. A.6 Desvio Médio Simples O conceito estatístico de desvio corresponde ao conceito matemático de distância. A. i I I 5. pois A. da série X. A. . dispersão absoluta? qual delas apresenta maior I A. = 32 unidades.Medidas de Dispersão 103 - Zalcule a amplitude total da série: Classe SalBrlos US$ NPde vendedores 1 2 3 4 5 6 70-1 120-1 170-1 220 1 270 I 320-1 120 170 220 270 320 370 8 28 54 32 12 6 - Considerando as série X e Y da 1" e 2Questões. Em seguida identificamos a distância de cada elemento da sequência para sua média. A série Y. calculamos a média destas distâncias. Finalmente.7 Cálculo do Desvio Médio Simples 1" Caso . O desvio médio simples que indicaremos por DMS é definido como sendo uma média aritmética dos desvios de cada elemento da série para a média da série. = 28 unidades. = US$250.

Assim. média da série: O DMS é a média aritmética simples destes valores. 5. 6..VARIÁVEL DISCRETA No caso da apresentação de uma variável discreta. admite como fórmula de cálculo: então o DMS Exemplo: Calcule o DMS para a sequência: X 2. 8. lembramos que a frequência simples de cada elemento representa o número de vezes que este valor figura na série.75 + 0.25 + 2. x ..25 + 0.25 por 1. cada elemento da sequência está afastado do valor 5.104 Estatística 1 Se a sequência for representada por X x..7 = 1. Conseqüentemente. .75 4 . DMS = 3.. 2?Caso . haverá repetições de distâncias iguais de cada elemento distinto da série para a média da série. x2.4 Interpretação: Em média.75 unidades.. a média indicada para estas distâncias é uma média aritmética ponderada.75 . Solução: Determinamos inicialmente a média da série: em seguida determinamos as distâncias de cada elemento da série para c.

acrescentando novas colunas para resolução dos cálculos.Medidas de Dispersão A fórmula para o cálculo do DMS é: 105 DMS = xixi .x i fi Exemplo: Determine o DMS para a série: Solu$ío: O número de elementos da série é n = C fi = 10. A média da série é: O DMS é dado por: DMS = C lx: .X l f: I I C fj . A média da série é: 3 Usaremos a disposição da tabela.

C fi .8 unidades. Classe Int. Desta forma. por desconhecer os valores individuais dos elementos componentes da série.VARIÁVEL CONT~NUA Nesta situação. o desvio médio simples tem por cálculo a fórmula: DMS = Xixi - X I fj onde X j é o ponto médio da classe i. Interpretação: Em média. 3" Caso . pelos pontos médios de classe. 2 -1 4 -1 6 -1 8 -1 4 6 8 10 1 2 3 4 fi 5 1O 4 1 . cada elemento da série está afastado c: valor 3 por 0.106 Estatística 1 Incluiremos outra coluna para efetuar estes cálculos: O desvio médio simples é: DMS = XIxi-XIfi. cl.- 8 10 = 0.8 unidade. Exemplo: Determine o DMS para a série. substituiremos estes valores X .

I Int..O0 7.60 3. 4 6 8 10 fi 5 10 4 1 xi 3 5 7 9 xjfi 15 50 28 9 lxi-Xl fj 10.90 O DMS = ç lxi - x i fi C fi -.. .Medidas de Dispersão 107 Soluçáo: O número de elementos da série é n = C t. 4 6 8 10 fi 5 10 4 1 xi 3 5 7 9 Em seguida. calculamos a média da série: Classe 1 2 3 ç xi 4 X=C f. Int.. Inicialmente acrescentamos a coluna dos pontos médios das classes: Classe 1 2 3 4 2I 4 -1 6 -1 8 -1 Int. cl. cl.23 = 20 1. Usaremos a disposição da tabela acrescentando as colunas necessá-3s para a resolução dos cálculos.50 1.= 102 c fi= I A média da série é: Classe 1 2 3 4 2I 4 -1 6I 8.15 unidades. fi 5 1O 4 1 2 -1 4I 6 -1 8 -1 4 4 6 8 10 xi 3 5 7 9 20 xifi 15 50 28 9 C xit. = 20. cl.

3. 10.8 Exercícios Propostos 1. mudamcr também o DMS. 5. Se mudarmos . 5. 3. 4.5.15 unidades. Interprete o valor obtido na 5Wuestão.108 Estatística 1 Interpretagão: Em média. Responda. Calcule o DMS da série: Classe 1 2 3 4 5 6 Salários US$ 70 -1 120 -1 170 1 220 -1 270 -1 320 -1 120 170 220 270 320 370 N V e vendedores 8 28 54 32 12 6 8. cada elemento da série está afastado de 5. Portanto. 2. Interprete o valor obtido na 3"Questão. 9. Qual das variáveis da 5 % 7" questões possui maior dispersão absoluta? . A maior dificuldade desta medida é envolver módulos.5. Calcule o DMS da série: X: 3. 7. Interprete o valor obtido na 7Wuestão.por 1. em geral não são suficientemente conhecidas pelos estagiárics que normalmente desenvolvem estes cálculos. 12. 8. Calcule o DMS da série: 6. 2. cujas prcpriedades. 3. 20. 9. Interprete o valor obtido na 1Wuestão. 14. Calcule o DMS da série: Y: 2. o desvio médio simples tem perfeita sensibilidad~ estatística. 7. 7. justificando: Qual das série X e Y da 1% dispersão absoluta? e3"questões possui maior 10. COMENTÁRIO: O desvio médio simples depende de cada componerte da série.5.o valor de um único elemento da série.

Em média. - x. 67 unidades. A série Y. 'O.13. pois o DMS da variável contínua 6 maior que o DMS da variável discreta. Quando a sequência de dados representa uma amostra.13 unidades. variância é uma média aritmética calculada a partir dos quadrados dos desvios obtidos entre os elementos da série e a sua média.5. . Em média. O desvio padrão é a raiz quadrada positiva da variância. i.20. A variável contínua. em média. pois o DMS da série Y é maior que o DMS da série X. DMS = US5 45. Em particular. . os salários dos vendedores estão afastados de US$205. No final desta secção justificaremos esta necessidade.2 possam ser interpretadas como distâncias. . para que as diferenças xi .2 se tornem sempre positivas ou nulas é considerar o quadrado destas diferenças. obteremos nova medida de dispersão chamada variância. .43 unidades.43. os valores da série estão afastados de 5 por 1. Os valores da série estão afastados de 8. por 2. DMS = 1. Notações: Quando a sequência de dados representa uma População a variância será denotada por 02(x)e o desvio padrão correspondente por W). Se substituirmos. para estas medidas levaremos em consideração o fato de a sequência de dados representar toda uma população ou apenas uma amostra de uma população. 5. em média.x ) ~ . a variância será denotada por z ( x ) e o desvio padrão correspondente por s(x). nas fórmulas do DMS a expressão Ix. DMS = 2. por 5. . . Outra forma de se conseguir que as diferenças xi .Medidas de Dispersão 109 RESPOSTAS . Os valores da série estão afastados de 7.20. isto é: (x.71 por US$45. . DMS = 5. .9 Variância e Desvio Padrão Introdução: Observamos no item anterior que a dificuldade em se operar com o DMS se deve a presença do módulo. .67.21 por (x. ) ' Portanto.

teremos: g o2(x) = z ( x .110 Estatística 1 5. .~ )-~.x ) =~ 9. Substituindo esses valores na fórmula da variância. 5.25.DADOS BRUTOS OU ROL a) Se a sequência representa uma População.. a variância seria denotada por s2(x)e o desvio padrão por s(x). 5. G(X) = d z = i/Zi5 = 1.= 2. . A sequência contém n = 4 elementos e tem por média: 0 s quadrados das diferenças (xi - x ) valem: ~ Somando-se estes valores obtem-se: Z (x.5 unidades. b) Se a sequência anterior representasse apenas uma amostra. a variância é calcu'zda pela fórmula: Exemplo: Calcule a variância e o desvio padrão da sequência: X 4. : 8. n 4 Como o desvio padrão é a raiz quadrada positiva da variância.1 0 Calculo da Variância e Desvio Padrão 1Waso .

-X)~ ?(x) = 2" Caso g .1 3 = 3 e o desvio padrão s(x) = 6= 1.VARIÁVEL DISCRETA Como há repetições de elementos na série. . Note que a Única diferença entre a fórmula de 02(x) (indicado para Populações) e z ( x ) (indicado para amostras) é o denominador. Assim. a) Se a variável discreta é representativa de uma População. definimos a variância como sendo uma média aritmética ponderada dos quadrados dos desvios dos elementos da série para a média da série.Medidas de Dispersão 111 Neste caso. Z(X.73. então a variância é dada por: e o desvio padrão é: .- n.

então variância é: = e o desvio padrão é: Exemplo 1: Calcule a variância da série abaixo. xi 5 A média desta série é 2 = - z z4 A média da série é X = -.. representativa de uma população.112 Estatística 1 b) Se a variável discreta é representativa de uma amostra. Solução: O número de elemento da série é n = C fi= 20.65 .73 c fj 20 CXi$ 3.

988.Medidas de Dispersão 113 Como estamos trabalhando com uma População a variância é dada 3or: o2 (x) = (xi2 fi fi Desenvolvendo nova coluna para estes cálculos. . 1. Exemplo 2: Se a variável discreta fosse representativa de uma amostra.73 Novamente. A fórmula da variância para uma variável contínua representativa de uma população é: 7 1 o (x) = 2 fi onde xi é o ponto médio da classe i. por desconhecer os particulares valores xi da série. a variância seria indicada por $(x) e seria calculada por: O desvio padrão seria calculado por s(x)= 1 0 9 6 =0. substituiremos nas fórmulas anteriores estes valores pelos pontos médios de classe.963. obtém-se: A variância é: e o desvio padrão correspondente é o * = ( = 0.

o -1 4 -1 4 8 8 -1 12 -1 12 16 f i 1 3 5 1 Solugão: O número de elementos da série é n = C fi= 10.114 Estatística 1 Se a variável contínua representa uma amostra então a variâncici deriotada por s2(x) e sua fórmula de cálculo é: - Exemplo I Calcule a variância e o desvio padrão para a série reprF : sentativa de uma População: Classe 1 2 3 4 Int. cl.x)* fi C fi . então a variância é dada por: o2(x) = x (xi. o -1 4 -1 8I 12 -1 4 8 f i 1 3 5 x i 2 6 1O 14 xifi 2 18 50 12 16 1 14 A média da série é: Como a variável contínua é representativa de uma população. A média da série é classe.onde C fi xi são os pontos médios de Classe 1 2 3 4 Int. C xi 5 2 = . cl.

por exemplo.x ) * f j C fi - 102. .96 17. No cálculo da variância. m= Z(X) -= 9 11. Em algumas situações.r - Medidas de Dispersão 115 Classe 1 2 3 4 Int.24 10 = 3.E ) * fi 40. Portanto. OI 4I 8 -1 12 -1 4 8 12 16 fi 1 3 5 1 xi 2 6 1O 14 xifi 2 18 50 14 ( x . ou seja: variância não tem interpretação.373.28 12. . cl. a unidade de medida da variância nem faz sentido. unidade de medida da série fica também elevada ao quadrado. a Portanto. Se os dados são expressos em metros. a variância seria indicada por 2 ( x ) e sua fórmula de cálculo seria: Desta forma.38 e o desvio padrão seria ça (xi- 1. quando elevamos ao quadrado a difereni). s(x) = 3. 2. É o caso.36 A variância é.2. A variância será expressa em litros quadrados. a variância é dada sempre no quadrado da unidade de medida da série. em que os dados são expressos em litros. o valor da variância não pode ser comparado diretamente com os dados da série. portanto: o2(x) = z ( x i . Exatamente para suprir esta deficiência da variância é que se define o desvio padrão.80 31. a variância é expressa em metros quadrados. e o desvio padrão é: o(x) = Exemplo 2: Se a variável contínua fosse representativa de uma amostra.4 .10.

É fundamental que o interessado consiga relacionar o valor obtido dr desvio padrão com os dados da série.11 Interpretação do Desvio Padrão O desvio padrão é.116 Estatística 1 Como o desvio padrão é a raiz quadrada da variância. O intervalo p-20. . sem duvida. podemos afirmar que o intervalc p-o. o desvio padr2: terá sempre a mesma unidade de medida da série e portanto admite interprctação. Quando uma curva de frequência representativa da série é perfeitamente simétrica como a curva abaixo. 5. a mais importante das medidas d f dispersão.%+201 contém aproximadamente 95% dos valores da série. ?+ o]contém aproximadamente 68% dos valores da série.

As medidas de dispersão vistas até agora são medidas absolutas e portanto avaliam a dispersão absoluta da série. 1151 contém aproximadamente 99% dos valores da série.Medidas de Dispersão O intervalo ?a série. 1051 contém aproximadamente. Todas elas são diretamente proporcionais a dispersão absoluta. da série. O intervalo [85. 2. 68% dos valores O intervalo [90. ao aumentar o tamanho do intervalo. segundo o caso.X + 301 contém aproximadamente 99% dos valores Estes percentuais 68%. Os valores da série estão concentrados em torno de 100. 1101 contém aproximadamente 95% dos valores da série. De modo que. É importante que se tenha percebido que. aumenta-se o percentual de elementos contido no intervalo. . 117 E-30. 95% e 99% que citamos na interpretação poderão mais tarde ser comprovados. Adiante verificaremos que é possível controlar o tamanho do intervalo de modo que contenha exatamente o percentual que queremos. Quando a distribuição não é perfeitamente simétrica estes percentuais apresentam pequenas variações para mais ou para menos. podemos interpretar estes valores da seguinte forma: 1. estas noções são suficientes. com maior precisão. O intervalo [95. 3. no estudo da distriSuição normal de probabilidades. quando se afirma que uma série apresenta média x = 100 e desvio padrão o(x) = 5. Para uma compreensão inicial do desvio padrão.

13. este modelo deveria determinar a variância para qualquer tamanho de amostra. Seríarnos induzidos a afirmar que a dispersão da população de onde provém a amostra é zero. O modelo é escrito então: I Observe que agora o modelo é coerente. Calculando a variância pelo modelo acima. . podemos afirmar. Para justificar que o denominador da variância amostra1 d e v ~ ser n .. Suponha uma amostra constituída de um único elemento X. I t Para corrigir o modelo matemático. usaremos o seguinte argumento: O modelo matemático que calcula a variância de uma amostra nãc pode ser o2 (x) = z (xi.1 .x)* n ' pois caso isto fosse verdadeiro. 7.X J ~ = 1 o. o cálculo de s2(x) leva-nos a uma indeterminaçáo do tipo O que significa que a variância existe.1 e não n. y= x 1 1: . que ? série Xapresenta maior dispersão absoluta. comparando os desvios padrão. O que é. basta colocar no denominador n . mas não está determinada. i. isto é. uma afirmação falsa.F- 118 Estatística 1 Assim. 9. em geral. 11. O valor médio da amostra também é xl.: I: 4. Mesmo quando a amostra tiver apenas um elemento xl. Calcule a variância e o desvio padrão da População: X:2. se a série Xapresenta = 20 e o(x) = 3 e se a série Y apreserta 22 e o(y) = 2. 3. 5.12 Exercícios Propostos 1. a população é constituída em sua totalidade por elementos idênticos. Significa também que amostras de apenas um elemento não nos fornece informações sobre a variância da série. teremos: o (x) = 2 C (xi .

12. Calcule a variância e o desvio padrão para a distribuição de valores de 54 notas fiscais emitidas na mesma data. 5. obser- vados em um cruzamento.) Classe 1 2 3 4 5 6 Consumo por nota US$ OI 50 1 100 1 150 1 200 1 250 1 NQ notas de 1O 28 12 2 1 1 50 1O 0 150 200 250 300 8. 17. 10. Calcule a variância e o desvio padrão da População: 119 Y: 5. (Amostra. 4. 19. . 20. Calcule a variância e o desvio padrão da amostra: Z: 15. Calcule a variância e o desvio padrão da população: Idade (anos) N de alunos o 20 21 6. Calcule a variância e o desvio padrão da amostra: T:6.) NQde acidentes por dia NVe dias 3 4 1 1 7.) Classe 1 2 3 4 5 6 Alturas (cm) 150 -1 160 1 170 1 180 1 190 1 200 1 160 170 180 190 200 21O NQ alunos de 2 15 18 18 16 1 9. 13. durante 40 dias. Calcule a variância e o desvio padrão para as alturas de 70 alunos de uma classe (Amostra. Calcule a variância e o desvio padrão para o número de acidentes diários. 5. 12. 21. (Amostra. 20. Interprete os valores obtidos na Questão 7. Interprete os valores obtidos na Questão 6. 17. 4.Medidas de Dispersão 2. selecionadas em uma loja de departamentos. 3. 16. 10.

Varíãncia não tem interpretação.5: 68% dos valores da série estão compreendidos entre 17. As aproximações neste caso são bem razoáveis.50 Aproximadamente 95% das notas têm valor entre US$ O e US$185.05 a2 e o(x) = 1. 99% . Interprete os valores obtidos na Questão 8. RESPOSTAS d ( x ) = 1592 3 e o(x) = 3.59 u s2(0 = 31.19 cm e 215. 13.120 Estatística 1 1I .46 e &x)=141.64 cm. d(x) 4 = e o(x) = 2. pois a série é muito assimétrica.24 acid/dia As aproximações neste caso não são razoáveis. b) d ( y ) = 6.s unidades. Aproximadamente 99% dos alunos têm altura entre 144. a) X = 10. b) desvio padrão: Aproximadamente 68% dos dias ocorrem entre O e 1.5. a) Y = 20.99 u d(y) 33.97 cm e 191.38 acidYdia Aproximadamente 95% dos dias ocorrem entre O e 2.28cn? e s(x)=11.96 Aproximadamente 99% das notas tem valor entre US$ Oe US$235.5 unidades. pois a curva é praticamente simétrica. Interprete estes valores.87 ( a ~ e) s(x) = 0. Uma série estatística X simétrica apresenta: k = 10. a) variância não tem interpretação b) desvio padráo: Aproximadamente 68% dos alunos têm altura entre 167. 12.03 a $(x) = 0. pois a série é assimétrica. 99% dos valores da série estão compreendidos entre 12.89cm a) variancia não tem interpretação. 95% dos valores da série estão compreendidos entre 15 e 25 unidades.53 cm. 95% dos valores da s6rie estão compreendidos entre 6 e 14 unidades. a) variância não tem interpretação b) desvio padrão: Aproximadamente 68% das notas têm valor entre US$37. Interprete estes valores.72 (us$)~ ç(x) = US$49.58 e US$136. Os valores da série estatistica X estão concentrados em torno de 10 unidades.08cm e 203. Uma série estatística Y simétrica apresenta: y = 20.446. C) 6(X)= 2: 68% dos valores da sbrie estão compreendidos entre 8 e 12 unidades.dos valores da s6rie estão compreendidos entre 4 e 16 unidades.59 u d ( x ) = 1.5 e 22.93 ac ~ ?(x) = 2.70 4 e s(z) = 2.0s valores da série estatística Y estão concentrados em torno de 20 unidades. Aproximadamente 95% dos alunos têm altura entre 156.42 As aproximações neste caso são apenas razoáveis. C) o(y) = 2.30 3 e $0 = 5. . b) $(x) = 4. = 6.25 e o(y) = 2.81 2 e o ~= 5. Variância não tem interpretação.sl u = ) ?(z) = 6.25.75 cm.5 e 27.31 acid/da Aproximadamente 99% dos dias ocorrem entre O e 3.

é uma medida mais completa que a medida de dispersão absoluta. O coeficiente de variação de uma série X é indicado por C) ? . definido por: A variância relativa de uma série X é indicada por V(x)e definida por: Note que o coeficiente de variação. Portanto. é um número puro. se levarmos em consideração as médias das séries. do ponto de vista da dispersão absoluta.Medidas de Dispersão 121 5. pode ser expresso em percentual. a série Y apresenta maior dispersão que a série X. o desvio padrão de Y que é 5 em relação a 100 é um valor menos significativo que o desvio padrão de Xque é 2 em relação a 10. se calcularmos o coeficiente de variação da série Xcitada no início obteremos: x ) na definição de ~ Calculando o coeficiente de variação da série Y obteremos: Comparando os valores destes dois coeficientes concluímos que a série X admite maior dispersão relativa. No entanto. Deste modo. Como a medida de dispersão relativa leva em consideração a medida de dispersão absoluta e a média da série.1 3 Medidas de dispersão relativa Introdução: Se uma série X apresenta X = 10 e o(x) = 2 e uma série Y apresenta y= 100 e o(y) = 5. como é uma divisão de elementos de mesma unidade. Este fato justifica a utilização do denominador ( V(x). . Isto nos leva a definir as medidas de dispersão relativas: coeficiente de variação e variância relativa.

a série Xapresenta maior dispersão.justificando em cada caso. pois apresenta maior desvio padrão. . Concluindo o exemplo anterior: A série Y apresenta maior dispersão absoluta. A série B possui maior dispersão. pois a dispersão relativa prevalece sobre a dispersão absoluta. A série Xapresenta maior dispersão relativa. 2. 5. pois a dispersão relativa prevalece sobre a dispersão absoluta. tem de modo geral a maior dispersão. pois apresenta maior coeficiente de variação. A série A apresenta maior dispersão. A série B apresenta maior dispersão absoluta. A série A apresenta maior dispersão relativa.14 Exercícios Propostos Responda. pois apresenta maior desvio padrão. A série B possui maior dispersão absoluta. Podemos afirmar que a série que tem a maior disperss: relativa.122 Estatística 1 Portanto. Portanto. as questões abaixo: a) Qual das séries apresenta maior dispersão absoluta? b) Qual das séries apresenta maior dispersão relativa? c) Qual das séries apresenta maior dispersão? RESPOSTAS 1. A série B possui maior dispersão relativa. pois apresenta maior coeficiente de variação. a medida de dispersão relativa prevalece sobre a medida r i dispersão absoluta.

pois os desvios padrão são iguais. pois apresentam mesmo coeficiente de varia- ção. 5. pois apresenta o maior desvio padrão. As duas séries apresentam a mesma dispersão absoluta. As séries A e B apresentam a mesma dispersão. A série A apresenta maior dispersão. pois apresenta maior coeficiente de variação. pois a dispersão relativa prevalece sobre a dispersão absoluta. A série A apresenta maior dispersão relativa. As séries A e B apresentam mesma dispersão relativa. 6. A série B apresenta maior dispersão absoluta.Medidas de Dispersão 3. 123 4. A série A apresenta maior dispersão absoluta. . pois apresenta maior coeficiente de variação. pois a dispersão absoluta prevalece sobre a dispersão relativa. A série B apresenta maior dispersão absoluta. pois apresenta maior desvio padrão. A s6rie A apresenta maior dispersáo relativa. pois apresenta maior coeficiente de variação. pois a dispersão relativa prevalece sobre a dispersão absoluta. pois apresenta maior desvio padrão. A série A apresenta maior dispersão relativa. A série A apresenta maior dispersão. A série A apresenta maior dispersão. pois a dispersão relativa prevalece sobre a dispersão absoluta.

a curva de frequência tem a seguinte característica gráfica: Introdução Para conceituar assimetria.1 tria. Diremos que uma distribuição é simétrica quando k = Md = M. No caso (b) A distribuição é classificada de assimétrica negativa. será classificada como assimétrica. Se isto de fato ocorrer.Medidas de Assimetria e Curtose 6. . Existem duas alternativas para uma distribuição assimétrica: No caso (a) A distribuição é classificada de assimétrica positiva. obviamente precisamos conceituar sime- Se uma distribuição não for simétrica.

Segundo este critério.3 < A.2. Se A. : assimétrica positiva forte. as distribuições são classificadas da seguinte forma: -1 5 A. Se A. . < O assimétrica negativa fraca.l assimétrica negativa moderada. -0. = O então a distribuição é simétrica.=O Se O c A.1 Medidas de Assimetria COEFICIENTE DE PEARSON Se A.2 -2. : assimétrica positiva fraca. < O então a distribuição é assimétrica negativa. > O então a distribuição é assimétrica positiva. < -0. < O Se A.2 COEFICIENTE DE BOWLEY Se A. O coeficiente de Bowley é um valor que varia de -1 a 1.3 assimétrica negativa forte. -0. > O então a distribuição é assimétrica positiva. Se A.> 1 : assimétrica negativa forte.l I A. < -0. = O então a distribuição é simétrica. 6. Se -1 < A. < 1 Se A. : simétrica. as distribuições são classificadas da seguinte Irma: Se A 5 -1 .Medidas de Assimetria e Curtose 125 :. Se A. : assimétrica negativa fraca. < O então a distribuição é assimétrica negativa. Por este critério.

1"aso . assimétrica positiva moderada.Os dados estão fracamente concentrados em torno da moda.l < A < 0. podemos observar três situações especiais. o que faria a curva de frequência ser fracamente afilada. como na figura: 3Qaso .3 .3 5 A I simétrica. 0.=O O < A I 0. como na figura: 2 9 a s o .l . assimétrica positiva fraca. como na figura: . I 0. 63 .Os dados estão razoavelmente concentrados em torno da moda.Os dados estão fortemente concentrados em torno da modc. o que faria a curva de frequência ser bastante afilada. Medida de Curtose Observando a concentração dos valores de uma série em torno de scz moda. . assimétrica positiva forte. o que faria a curva de frequência ser razoavelmente afilada.r 126 Estatística 1 A.

que figura na fórmula de K. Se uma distribuição apresenta. padroniza-se a curva do 2"aso. Este tipo de curva é classificada como mesocúrtica. Esta distribuição será estudada na sequência do curso. que caracteriza a distribuição mesocúrtica. podemos utilizar o coeficiente de curtose dado por: Se K = O a distribuição é mesocúrtica. Se K < O a distribuição é platicúrtica. Se K > O a distribuição é leptocúrtica. representa o valor da curtose para uma distribuição teórica de probabilidades chamada distribuição normal padrão. . Para isto. bastante achatada em sua área central. e a curva do 3" caso.Medidas de Assimetria e Curtose 127 I I I Mo X (curva achatada no centro) * A medida de curtose procura classificar estes tipos de curvas com respeito ao afilamento ou achatamento de sua área central. C (xi- x14 4 ela é mesocúrtica e conseqüentemente K = O. A curva do 1%aso. Para classificar uma distribuição quanto a sua curtose. OBSERVAÇÃO: 1) O valor 3. bastante afilada em sua área central. é denominada leptocúrtica. é denominada platicúrtica.

Exemplos: 1 Classifique. a distribuição abaixo.128 Estatística 1 2) A medida de curtose tem a finalidade de complemeri-z a caracterização da dispersão em uma distribuição. segundo : .: Mo = 2 . Coeficiente de Pearson. Cálculo de % Cálculo da M. quanto a assimetria.

97 15 . quanto a assimetria a distribuição abaixo segundo o coeficiente de Bowley.25 . Classifique. cl. 2 = 6. o -1 2 -1 4 -1 6 -1 8 -1 2 4 6 8 10 fi 2 5 12 15 1 Cálculo de Q3: Q3 = P75 = G5 + 75 x 35 1O 0 .19 . 2. h = 6+ 26.%nt f75 .Medidas de Assimetria e Curtose 129 Cálculo de o(x): Substituindo-se estes valores obtém-se: É uma distribuição assimétrica positiva fraca. Classe 1 2 3 4 5 Int.

obtém-se: É uma distribuição assimétrica negativa fraca.: Q = P2. 2 = 4. = . 3.7 .130 Estatística 1 Cálculo de Q. cl. a distribuição abaixo: População Classe 1 2 3 4 5 3 -1 5 -1 7 -1 9 -1 11 I Int. Classifique. 5 7 9 11 13 fj 1 2 13 3 1 Solução: Cálculo de k . + 25 x 35 1O 0 $5 'ant h = 4+ 8.75 .29 12 M. 50 x 35 - Substituindo-se estes valores. quanto a curtose.. Cálculo de I.

83 15.914 = 29.. 282.82 0. 1 2 13 3 1 x. Desta forma.0013 39.8 -f-j . Neste caso. 4. o coeficiente de Pearson para amostras é escrito: e o coeficiente de curtose para amostras é escrito: .21 Cálculo de: Z(X~-X)~ 5 c f.5957 20 z ( ~ ~ .5761 38.0963 231.Medidas de Assimetria e Curtose 131 sse ! Int. X 16.2. 4 6 8 10 12 xifj 4 12 104 30 12 ( x .8962 0.3441 ( x í . Devemos substituir o(x) por s(x) nas fórmulas que dependem de o(x).59 . .)2 f. I . 3I 5I 71--9 9 -1 11 I ' 5 7 11 13 2 3 4 5 f.20 z fi Cálculo de: 04(x): 02(x)= Substituindo-se estes valores.k )-~51.81 8. cl.13 10. Suponha que a tabela do exemplo 1 representasse apenas uma amostra de uma população. obtém-se: Como K > O a distribuição é leptocúrtica. não conhecemos o desvio padrão populacional o(*.X ) 4 f.591.

6.1. Quanto ao exemplo 3.. segundo o coeficiente de Pearson. a distribuição abaixo.61 25-1 e s(x) = j. População . quanto a assimetria. O coeficiente de curtose vale: Como K > O. então: Portanto..4 Exercícios Propostos 1.x ) fi ~ xfi-1 . para o exemplo 1 2(x) = z (x. Classifique.27 O coeficiente de Pearson é: A distribuição é assimétrica positiva fraca. a distribuição é leptocúrtica. se a tabela representa apenas uma amostra da população.38'64 .132 Estatística 1 Com estas considerações.1= r6 1.

o(x) = 153. Classifique. quanto a assimetria. I f. 133 3. . 4 5 7 -1 9 -1 11 -1 11 13 19 17 8.53. cl. segundo o coeficiente de Bowley Amostra 10 1o 11 Classifique. 6. a distribuição abaixo.5. 5. Classifique quanto a curtose. 34 8+6. a distribuição do problema anterior. K = -0. Classifique. cl.= . A = . a distribuição do problema anterior. Distribuição assimétrica positiva forte. quanto a curtose. quanto a curtose a distribuição do problema anterior.6471. RESPOSTAS 1. quanto a assimetria. E (xi-i)4 x = 5. o(x) = 1. a distribuição abaixo..O. 7.Q.4798. Distribuiçãoplaticúriica. Classifique. segundo o coeficiente de Bowley Amostra Classe Int. a distribuição do problema anterior. Classifique. quanto a assimetria.51. 04(x)= 5.13.Medidas de Assimetria e Curtose 2. Classifique. Q3=8.A.Md=7. Amostra 4. 5-5 x = 5: Mo= 5.6. quanto a curtose. classe I Int. = 133 2. 8 . segundo o coeficiente de Pearson. L 'i .33.5-14 = 0. Distribuição simétrica.5 3.464 --.=6. a distribuição abaixo.

16.. Exercícios Gerais 1. 1. 1. = ) fraca. 1. A variância relativa.11. M.43 3. 1.87. PIO.33. 1. s2(x) = 15.43. A moda.total da série.23. A porcentagem de caixas com menos que três defeitos.875. 1. 1.5. Q.13.58.98. A. A. 1. 1. 6. Curva assimétrica negativa fraca.35 .7. O histograma. O coeficiente de variação.~ ( x= 3.6. A porcentagem de caixas com mais que três defeitos. 1. 1.044. 1. D6. Q. O desvio padrão. O número médio de defeitos por caixa.9.1. Q3. = 10.= 5. 1. 1. O número mediano de defeitos por caixa. O desvio médio simples.17. = 8.35. Uma empresa produz caixas de papelão para embalagens e afirma que o númer de defeitos por caixa se distribui conforme a tabela: População Pede-se: 1. A distribuição de frequências.12.2.98 = 0.15.8. A distribuição é leptocúrtica. Q. = -0. 1.3.134 5. A amplitude. A variância. .14. Distribuição assimétrica pos? ? 7.4. Mo = 5. 1.10. A porcentagem de caixas com dois defeitos. 1. Estatística 1 - x = 6.18.5.

2. A porcentagem de famílias com consumo mensal maior ou igual a 200 e menor que 250 kwh. a distribuição segundo o coeficiente de Pearson. 1. 2. 2. 2. P. Q3. com dois filhos.1. classe média.22. 1. 2. 1. 2. A variância relativa.6.Medidas de Assimetria e Curtose 135 1. 2. revelou a seguinte distribuição do consumo mensal de energia elétrica. 2. 2. Pgo. Uma amostra aleatória de 250 residências de famílias. 2.24.14. O desvio padrão.. Classe 1 2 3 4 5 6 7 Consumo mensal (kwh) NQde famíiias 2 15 32 47 50 80 24 OI 50 1 100 1 150 1 200 1 250 1 300 1 50 1O0 150 200 250 300 350 Pede-se: 2.19.2. O desvio médio simples. 2.21. 2. K4.15. O percentual de elementos da série situados entre Q1 e K4. quanto a assimetria. 2. A porcentagem de famílias com consumo maior ou igual a 250 kwh.17. Pgo. e . D6.16. 2. 2. Classifique. O número aproximado de caixas entre o Plo e Q3. O histograma e o polígono de frequência. quanto a assimetria. 1. A distribuição de frequências.4..9.11.13. A moda.19..12.7. Classifique. O consumo mediano. quanto a curtose. 2. 1. 2. A variância. A amplitude total da série. Classifique. 2. Q.25. 2. O coeficiente de variação. O consumo médio por residência. a distribuição.3.8.20.23.18. A porcentagem de famílias com consumo mensal menor que 200 kwh.5. a distribuição segundo o coeficiente de Bowley 1.10.

. O número médio de televisores vendidos por dia. K4. Classifique. A variância.16. Classifique. Q .23.4. 2. O desvio padrão. 3. O coeficiente de variação. A variância relativa. 3.22. O percentual de dias entre Ql e K4. . . 3.136 Estatlstica 1 2. quanto a assimetria. O histograma e o polígono de frequência. A amplitude total da série. 3.13. a distribuição segundo o coeficiente de Bowley 2.12. A porcentagem de dias em que a venda de televisores é menor que 60. P. 3. O percentual de famílias classificadas entre Q1 e K4.20. K4. quanto a assimetria.21. 3.20.10.18. 3. A porcentagem de dias em que a venda de televisores é maior ou igual a 60 e menor que 80. 2. 3. 2.8. 3. A porcentagem de dias em que a venda de televisores é maior ou igual a 80. Classifique. quanto a curtose. 3.1.6.21.15. 3. 3.19. .3. A distribuição de frequências. 3.9. D. Q3. a distribuição segundo o coeficiente de Pearson. 3. a distribuição. 3. 3. 3. 3.2. A moda.11. Pl . 3.5. O número mediano de televisores vendidos.7.24. 3. O desvio médio simples.17.25.14. Uma rede de lojas afirma que as vendas diárias de televisores obedecem a seguinte distribuição: População Classe NQe televiçoresldia N V e dias 1 2 oI 20 1 40 1 60 1 80 1 1 O0 1 - 20 40 60 5 25 40 3 4 5 6 80 1O 0 120 15 1O 5 Pede-se: 3. 2.. O número aproximado de famílias classificadas entre PIO e Q3.

A porcentagem de notas com valor maior ou igual a $32.7. 4. PIO. Q.1. Q3.000 4. 4. Uma auditoria em uma grande empresa observou o valor de 50 notas fiscais emitidas durante um mês. 4. D6' 4. A distribuição de frequências.8. 4.22. A amplitude da série.000. Classifique. 4. 4.000 e menor que $22.10.000. 4.6. Classifique a distribuição.15. O valor médio das notas.21. 4. O coeficiente de variação.25. 4. a distribuição segundo o coeficiente de i30wley 3.9. quanto a assimetria.3.12.4. quanto a assimetria. O número aproximado de dias entre P1 e Q3. a distribuição segundo o coeficiente de Pearson.5. Esta amostra apresentou a seguinte distribuição: Classe 1 2 3 4 5 6 7 Valor da nota io3 $ 7 -1 12 -1 17 -1 22 -1 27 1 32 -1 37 1 12 17 22 27 32 37 42 NWe notas 2 5 13 10 9 6 5 Pede-se: 4. quanto a curfose.14. O valor mediano das notas. .23. 4. 4.2. O desvio médio simples.19.20.18. 3.13. 4.. 4. . A moda.17. A porcentagem de notas com valor maior ou igual a $ 17. O histograma e o polígono de frequência.16. 4. A variância relativa. O desvio padrão. A variância. K4. 4.11. 4. 137 3. 4. Classifique.Medidas de Assimetria e Curtose 3. A porcentagem de notas com valor menor que $32.24. Pgo. 4. O percentual de notas entre Q1 e K4. 4.

a distribuição segundo o coeficiente c-r Bowley 4. quanto a assimetria.24. Md= 1 1.51 35.73 I 00 1.17.51 75. Q3= 1 1. M.25. Classifique. 1 I I I RESPOSTAS 1. Classifique a distribuição quanto a curtose. A.12.81 C?(* 1. 4. quanto a assimetria.23.138 Estatística 1 i 4.80 1.1 1. 1.29 1. a distribuição segundo o coeficiente dc Pearson.2.29 = o * = 1. P. O número aproximado de notas entre PIO e Q3.87 94. Q.14 1..95 a9. Classifique.16. Xl - fl fr! 'Yo Fl Fr.7. Cyii>=1.14. =O 1.70.93 98.22. V(X) = 1.27 32 60 71 75 78 79 32/79 60/79 71/79 75/79 78/79 79/79 40. 1.=O 1.14 ( 1.9.15. DMS = 0. 4.1.44 13.13. x = 1 1.06 3.8.92 5. = 5 1. =O . 'Yo O 1 2 3 4 5 32 28 11 4 3 1 32/79 28/79 I 1/79 4/79 3/79 1/79 40.

20. 1. Assimétrica positiva fraca. A.25.Medidas de Assimetria e Curtose 1.80 6O .OO 32.5 K.OO 9. = 0.60 1 2 3 4 5 6 7 2 15 32 47 50 80 24 FI 2 17 49 96 146 226 250 FR.23 1.22. Assimétrica negativa forte.80 19.54.80 6. Leptocurtica. 1.60 38. 1. 1.18.=2. = 2 55% 52 A.1. 2.OO .19. = 1 P9. 1. 1.80 20.80 18.. O.40 100. 21250 171250 491250 961250 1461250 2261250 2501250 70 0.40 90.40 58.O 12. 217.I 50 1 100 -1 150 1 200 1 250 1 300 1 50 100 150 200 250 300 350 fl f. 21250 151250 321250 471250 501250 801250 241250 70 0. CI.88.21. D.8 XI 139 Int.24. = -1. 2.2. K = 1.

51 O0 1 251100 401100 15l100 101100 51 O0 1 Yo FI F.0. 163 2. Platicúrtica. 112. - Classe N de o televisores1 dia N9de dias f.140 Estatística 1 2. Yo 1 2 3 4 5 6 O.2.5 2.1 100.19.1 61 080.18.24.65.21.17. 55% 2. 53 3. 3. 0. 252.23. Assimétrica negativa fraca.5 2.0.38 2. .69.25.. 299.22. 2.75 2.I 21 040.20..1. . 2.1 20 40 60 80 100 120 2 25 40 1 5 10 5 5 25 40 1 5 10 5 5 30 70 85 95 100 51100 301100 701100 851100 951100 1001100 5 30 70 85 95 100 .159. Assimétrica negativa moderada. 283.

.33 55% 65 0. Platicúrtica. 0. Assimétrica positiva fraca.Medidas de Assimetria e Curtose 66. 'XO 4 10 26 20 18 12 10 F~ 2 7 20 30 39 45 50 F ~ i 2/50 7/50 20150 30150 39/50 45/50 50150 % 4 14 40 60 78 90 100 2/50 5/50 13/50 10/50 9150 6/50 5/50 .23. 03 $25. 1.087.67 24 55 90 73.O.200 Classe 1 2 3 4 5 6 7 141 Valor da nota 103 $ 7 -1 12117122 1 27 1 32 1 31 712 17 22 27 32 37 42 Nede notas 2 5 13 10 9 6 5 fr. Assimétrica positiva fraca.

000. .000. 4.56. 4.29% $ 19.16. 4.106. 4. Assimétrica positiva moderada.000.67 $ 15.38 $31.0.00 $37.23.85.166. Assimétrica positiva fraca.24.21 4. 4. Estatística 1 32% 10. 4.15.18.14.13.142 4.33 55% 33 0.833. 4. 4. 0.19. Platicúrtica.20.OO $27.115. 4. 4.25. 4. .22.17.00 $32.

nas mesmas condições iniciais. Iniciaremos o estudo da teoria das probabilidades enfocando o objeto de estudo do cálculo de probabilidades. Entendemos por fenômeno qualquer acontecimento natural. Se observarmos os fenômenos com respeito a seus possíveis resultados. b) aleatórios.são aqueles que repetidos sob mesmas condições iniciais podem conduzir a mais que um resultado. verificamos a necessidade de descrever tal fenômeno por um modelo matemático que permita explicar da melhor forma possível este fenômeno. Mesmo quando procuramos manter as mesmas condições iniciais.são aqueles que repetidos sob mesmas condições iniciais conduzem sempre a um só resultado.7. COMENTÁRIO: Embora teoricamente tenhamos exigido as repetições. isto na prática dificilmente ocorre. pequenas variações certamente ocorrerão. . Isto provocará alterações no resultado final. a) Fenômenos determinísticos . As condições iniciais não determinam o resultado do fenômeno.1 Introdução Quando solicitados a estudar um fenômeno coletivo. A teoria das probabilidades permite construir modelos matemáticos que explicam um grande número de fenômenos coletivos e fornecem estratégias para a tomada de decisões. As condições iniciais determinam o único resultado possível do fenômeno. podemos classificá-los em dois tipos: a) determinísticos. b) Fenômenos aleatórios .

de queda livre. Para a maioria das aplicações. este fenômeno é classificado como aleatório. Estas pequenas variações que certamente ocorrerão na repetição do lançamento podem provocar substanciais mudanças no número de pontos apresentados na face superior do dado. para a maioria das aplicações práticas elas poderão ser desprezadas. Estas mudanças não podem em geral ser desprezadas e consequentemente o fenômeno admitirá. Se deixarmos uma massa M cair em queda livre de uma altura de 1 metro sobre uma superfície. Certamente repetiremos o fenômeno em condições muito próximas das iniciais. A teoria das probabilidades só é útil e deve ser aplicada quando lidarmos com um fenômeno aleatório. dificilmente conseguiremos as mesmas condições iniciais. Ao tentarmos repetir o fenômeno. poderemos anotar o tempo t. O fenômeno é classificado como determinístico. Para facilitar o desenvolvimento da teoria sem usar recursos matemáticos mais sofisticados. Da mesma forma que no exemplo anterior. e classificar o fenômeno como determinístiestas alterações forem significativas. Poderemos afirmar que c resultado final é único. 2. i Se Exemplos: 1. Portanto. vamos restringir nosso estudo a uma classe de fenômenos aleatórios chamados experimentos. Desta forma.144 Estatística 1 i Se estas alterações forem mínimas. então o fenômeno será classificado de aleatório. a teoria das probabilidades não fornece um modelo adequado para a explicação do fenômeno. CO. podemos anotar o número de pontos da face superior do dado. o objeto de estudo da teoria das probabilidades são os fenômenos aleatórios. estas pequenas alterações no tempo de queda podem ser desprezadas e afirmamos que o resultado é único. Os experimentos são fenômenos aleatórios que possuem as seguintes características: . Quando um fenômeno é determinístico. Estas pequenas alterações nas condições iniciais provocarão pequenas alterações no tempo de queda. por repetição. mais que um resultado. Se lançarmos um dado sobre uma superfície. dificilmente conseguiremos repetir o lançamento nas mesmas condições anteriores.

Exemplos: O experimento consiste em: 1. faz sentido definir o conjunto de todos os possíveis resultados do experimento. espadas} . b) regularidade. A moeda que utilizamos no caso anterior deve ser imaginada como duas calotas coladas adequadamente com as faces cara e coroa convencionadas por duas cores distintas. 7. Lançar uma moeda e anotar a face superior. Este conjunto será denotado por S e denominado espaço amostral do experimento. b) Regularidade: é a característica que diz respeito a possibilidade da ocorrência dos resultados do fenômeno. a) Repetitividade: é a característica de um fenômeno de poder ser repetido quantas vezes quisermos.Espaço Amostral Como o objeto de nosso estudo são os experimentos e eles admitem mais do que um resultado. ouros. com o qual trabalharemos no próximo exemplo. deve ser homogêneo. recomendamos que o interessado sempre raciocine em termos de materiais ideais. 2. O dado idealizado. 5. A avaliação numérica da possibilidade de ocorrência destes resultados dará origem as probabilidades. ele não será classificado como experimento. Lançar um dado e anotar o número de pontos da face superior. é claro. 2.Probabilidades 145 a) repetitividade. Se representamos cara com a letra c e coroa com a letra k.6). 4. Se por algum motivo não pudermos repetir sistematicamente o fenômeno. O material.3.2 Teoria das Probabilidades . Retirar uma carta de um baralho comum de 52 cartas e anotar o naipe da carta selecionada. 3. k} OBSERVAÇÃO: Para evitar complicações. então o espaço amostral do experimento é S = {c. O espaço amostral é: S = {paus. deve ser um cubo perfeito com o número de pontos convencionado por cores. O espaço amostral é: S = (1. copas.

Os espaços amostrais podem ser finitos ou infinitos. Para evitar recursos matemáticos mais sofisticados. Para efeito da observação das faces superiores. ck. vamos estudar apenas os espaços amostrais finitos. que estabelece: Se um procedimento A pode ser realizado de n maneiras diferentes e um procedimento B pode ser realizado de rn maneiras diferentes. 2. kc.m maneiras diferentes. pode ser obtido utilizando-se esta técnica. O espaço amostral é: S = {c. . Os exemplos 1. Lançar uma moeda sucessivamente. Lançar duas moedas e observar as faces superiores. 121 e anotar a distância do ponto escolhido P ao ponto 5. No segundo lançamento há também duas ocorrências possíveis. O espaço amostral é: S = {cc.2 = 4 ocorrências possíveis. 6. O espaço amostral é: S = { d E R I O I d á 7). Uma excelente técnica para não omitirmos resultados do experimento na construção de seu espaço amostral está baseada no princípio fundamental da contagem. 3 e 4 apresentam espaços amostrais finitos. Escolher um ponto P ao acaso no intervalo [3. Isto sugere uma disposição gráfica chamada diagrama de árvore. até que se obtenha a primeira face cara. lançar simultaneamente duas moedas é o mesmo que-lançar uma moeda duas vezes. 1 I 5.. kkc. Anota-se como resultado do experimento a sequência de caras e coroas do primeiro ao último lançamento. então o encadeamento dos procedimentos A e B pode ser feito de n. lançamento de duas moedas e observação das faces superiores. A sequência dos dois lançamentos terá 2. No primeiro lançamento há duas ocorrências possíveis.}. que podem ser representadas na forma do diagrama de árvore: l Qlançamento ZQlançamento . kkkc.146 Estatística 1 4. Os exemplos 5 e 6 apresentam espaços amostrais infinitos.. O espaço amostral do exemplo 4. kk}. kc.

ocorreu o evento S. Isto é equivalente a afirmar: sair face par no lançamento de um dado. Note que A = { I . Exemplo: Se considerarmos o lançamento de um dado e a observação l a face superior. quando realizamos o experimento uma só vez. 4. C = { j. podemos afirmar que um evento A ocorre quando ocorrer um de seus pontos. Deste modo.Probabilidades 147 0 s possíveis resultados estão estabelecidos em cada ramo da árvore: S = {cc. No exemplo inicial. como resultado do experimento. 2). Note que cada elemento que constitui o evento é um possível resultado do experimento. Assim. O evento A também poderia ser enunciado como: sair face menor que 3 no lançamento de um dado. várias maneiras equivalentes de se enunciar um mesmo evento. basta usar qualquer propriedade que não caracterize nenhum dos valores de S.3 Eventos Evento é qualquer subconjunto do espaço amostral do experimento. um dos elementos de A. 5). em qualquer espaço amostral C = { } é sempre um evento.4. normalmente. kc. então o espaço amostral do experimento é: S = (1. Diremos então que um evento A ocorre quando ocorrer. 2. . Portanto. ocorreu o evento B. B = (2. diremos que: não ocorreu o evento A. S são subconjuntos de S e ~ortanto são eventos. 3. Há. ck. se lançarmos o dado e sair face 4. O evento B é enunciado como: sair face 2 ou face 4 ou face 6 no lançamento de um dado. C pode ser enunciado como: sair face 8 no lançamento de um dado. O conjunto vazio é subconjunto de qualquer conjunto. Para enunciar o evento C. De modo resumido. não ocorreu o evento C. 5 . 6). apenas um dos elementos do espaço amostral irá ocorrer não ocorrendo os demais. Os eventos podem ser enunciados na linguagem usual. 7. kk}. Assim sendo. enunciaremos A como: sair face 1 ou face 2 no lançamento de um dado.

C = {2. então S = { I . 3} e B = (5) notamos que eles não possuem elemento comum. podemos usar as operações de conjuntos para os eventos. 4. 2. 5) são exemplos de eventos compostos. A = (21.148 Estatística 1 Observe que o evento C = { ) não possui elementos. C = {3} são exemplos de eventos simples. 4) então: A U B = { l . S certamente ocorrerá.s) u Quando um evento possui apenas um elemento. 2. 2. Os eventos D = { 2. 3. 3).3 . 3) CA= (4. Note também que todo conjunto é subconjunto de si próprio. 3. Como S contém todos os possíveis resultados do experimento. B = {2. Desta forma. 3. portanto este evento nunca ocorrerá. Neste sentido. Assim: Exemplo: Se considerarmos o lançamento de um dado e a observação da face superior. isto é. 6) A n C={2. F = {2. 4. C é denominado evento impossível. 5. 6). Se A = {I. Observando os eventos D = (2. S é denominado evento certo. 3. D n B = { }. Se considerarmos o lançamento de um dado e a observação da face superior. Eventos com mais de um elemento são chamados eventos compostos. 61. então S = { I . 7 4 Operações com Eventos . 4. 3. 31. 2. . 6) C B = {I. Neste sentido. ele é chamado evento simples. 5. B = (51. 5. Como eventos são conjuntos.s) C(A B) = (4. 4. o próprio espaço amostra1 S é sempre um evento. E = (4. 6}.6).

se A e B são eventos quaisquer.5 Exercícios Propostos 1 Considere o espaço amostral do lançamento de um dado e a observação da face . O experimento consiste em lançar dois dados e observar a soma dos pontos das faces superiores. f) F: sair face menor ou igual a 4. são mutuamente exclusivos. De modo geral. D e E do problema anterior. 5.4. 9) c = {5} D = {1. quais são mutuamente exclusivos ? 4.Probabilidades 149 Portanto. Dizemos então que a ocorrência de D exclui a possibilidade de ocorrência de A e a ocorrência de A exclui a possibilidade de ocorrência de B. C. 6. e) E: sair face múltipla de 3. superior. D não pode ocorrer ao mesmo tempo. 3 2. se D ocorre. 7.2. d) D: sair face maior que 6. 3. 3. c) C: sair face maior que 3. 3. 5. Portanto. B. 9. Descreva. os seguintes eventos: a) A: sair face par. Eles se excluem mutuamente. 6) Determine: a) A u B b) A n B C) CA d) CB e) C ( A u B) f) A n C 3. 8. 2. e. 10) e os seguintes eventos: 2 A = 1 . ) E = 12. diremos que: A e B são mutuamente exclusivos se A n B = 0 7. 4) B = {I. por seus elementos. Considere o espaço amostral S = {I. 4. . se B ocorrer. b) 9: sair face primo. B não pode ocorrer ao mesmo tempo. Determine o espaço amostral (Sugestão: use o diagrama de árvore). Dos eventos A. 7.

150

Estatística 1

5. O experimento consiste em lançar dois dados e observar a diferença dos pontos das faces superiores. Determine o espaço amostral do experimento. (Sugestão: use o diagrama de árvore).
6. O experimento consiste em lançar dois dados e observar o produto dos pontos das faces superiores. Determine o espaço amostral do experimento. (Sugestão: use o diagrama de árvore).
7. O experimento consiste em lançar dois dados e observar, em módulo, a diferença

I

dos pontos das faces superiores. Determine o espaço amostral do experimento. (Sugestão: use o diagrama de árvore).
8. O experimento consiste em lançar três moedas e observar a diferença entre o número de caras e o número de coroas obtidos neste lançamento. (Sugestão: use o diagrama de árvore). 9. O experimento consiste em retirar duas cartas de um baralho comum e anotar ordenadamente os naipes destas cartas. Determine o espaço amostral do experimento, (Sugestão: use o diagrama de árvore).
10. Uma urna contém duas peças defeituosas e três peças boas. Uma a uma as peças serão retiradas sem reposição, e analisadas. O experimento será encerrado

quando as peças defeituosas forem identificadas. Anota-se como resultado do experimento a sequência de peças boas e defeituosas analisadas. Determine o espaço amostral do experimento (Sugestão: use o diagrama de árvore).

RESPOSTAS
1.

a) A={2,4,6)
b) B = (2, 3, 5) C) C = {4, 5, 6) d) D = { ) e) E = (3, 6)
i)

I

F={1, 2,3,4)

2.

a) AuB={1,2,3,4,5,6,7,9) b) A v B = {3) C) CA= {I, 5, 6, 7, 8, 9, 10) d) C s = { 2 , 4 , 6,8, 10). e) C ( A U B ) = { ~ ,10) ~,

3.

i) A v C = { ) AeC;BeE;CeD;CeE.

4. 6.

S={2, 3, 4,5, 6, 7, 8, 9, 10, 11, 12) S = { l , 2 , 3,4,5,8, 9, 10, 12, 15, 16, 18,20,24,25, 30,361 S={O, 1,2,3,4,5} S={-3,-1, 1.3) Espadas = E, Paus = F! Ouros = O, Copas = C; S = {CC, CE, CF: CO, PC, PE, PF: PO, EC, EE, EF: EO, o c , OF: OE, 0 0 )

5 S={-5,-4,-3,-2,-1,0,1,2,3,4,5) .
7. 8. 9.

10. S = {BBB, BBDB, BBDD, BDBB, BDBD, BD4 DBBB, DBBD, DBD, DO)

Probabilidades

151

7.6

Função de Probabilidade

Uma vez identificado o espaço amostral S = {a,, a2,...,a de um expe} , rimento, podemos associar a cada elemento a,, a2,...,a sua possibilidade de , ocorrência. Do ponto de vista matemático, esta associação é uma função chamada função de probabilidade, que definiremos da seguinte forma: Função de probabilidade é uma função definida no espaço amostral S do experimento, assumindo valores reais, com as seguintes propriedades:

1

COMENTÁRIO: O valor p(aJ é denominado probabilidade de ocorrência do resultado ai. É evidente que quando um elemento não tem possibilidade de ocorrer, dizemos que sua probabilidade de ocorrer é zero. E quando um elemento ocorrerá certamente, dizemos que sua probabilidade de ocorrência é 100% ou 1.

Por outro lado, quando somarmos as probabilidades de ocorrências de todos os elementos do espaço amostral, isto deve corresponder a probabilidade máxima possível, que é 100%. Veja na sequência como determinar os valores p(aJ.

1
1

7.7

Definição de Probabilidade

1

Existem três formas de se definir probabilidade. A escolha da forma depende da natureza da situação.

Aplica-se as situações em que os resultados que compõem o espaço amostral ocorrem com mesma regularidade, ou seja, os resultados são equiprováveis. Deste modo definimos:

152

Estatística 1

onde:

n(ai)é o número de casos favoráveis a realização de a ,
n é o número total de casos possíveis.
I

2" Forma: PROBABILIDADE FREQUENCIALISTA

I

Deve ser aplicada quando não se conhece a regularidade dos resultados. Este processo baseia-se na evolução da frequência relativa do resultado a , a medida que o número de repetições do experimento cresce. Matematicamente:

r - 7
P(aJ = lim (fr (ai))
38

Forma: PROBABILIDADE PERSONALISTA

Há situações em que os resultados do experimento não ocorrem com mesma regularidade e não há possibilidade de se repetir sucessivamente o experimento, ou seja, não podemos aplicar nem a forma clássica e nem a forma frequencialista de probabilidades. Nesta situação, devemos socorrer-nos de um especialista neste tipo de experimento, para que ele nos dê sua opinião pessoal a respeito do valor da probabilidade de cada resultado. Este é um processo subjetivo de avaliação de probabilidades. Exemplos: 1. O experimento consiste no lançamento de uma moeda e na observação da face superipr. Determine o espaço amostral do experimento e a função de probabilidades. Solu~ão: espaço amostral é S = {c, k}. O Os elementos c e k que compõem o espaço amostral são equiprováveis. Usando o conceito clássico de probabilidades, avaliamos:

6). 3.1. O resultado 1 ocorre quando ocorrer (c. o resultado 1 tem o dobro de possibilidade de ocorrer que o resultado 2 ou o resultado zero. 5. avaliamos: A função de probabilidade neste caso tem a apresentação: 3. k) ou (k. 2. c) no lançamento das moedas. Determine o espaço amostral do experimento e a função de probabilidade. Determine o espaço amostral e a função de probabilidade. . Usando o conceito clássico de probabilidades. O experimento consiste no lançamento de um dado e na observação da face superior. Solução: O espaço amostral do experimento é S = {O. Portanto. a função de probabilidade neste caso é: 2. k) no lançamento das moedas. c) no lançamento das moedas.Probabilidades 153 Portanto. Solução: O espaço amostral é S = { I . O experimento consiste no lançamento de duas moedas e na observação do número de caras obtidas neste lançamento. O resultado 2 só ocorre quando ocorrer (c.2}. Os elementos que compõem o espaço amostral são equiprováveis. O resultado O (zero) caras só ocorre quando ocorrer (k. 4.

11. 7. 2.12}. 10. 6. 4. esta regularidade não pode ser avaliada pelo processo clássico. Como o experimento pode ser facilmente repetido. 5.. n}. O experimento consiste em selecionar ao acaso uma família e observar o número de filhos do casal. Estes resultados não são equiprováveis e. Determine o espaço amostral do experimento e a função de probabilidade. Estes resultados não são equiprováveis.. 3. recorremos ao conceito frequencialista de probabilidades.154 Estatística 1 A função de probabilidade neste caso é: S 1 2 3 R ~ ( 0= '4 ) ~(1)='/2 p(2)='4 (k.k)(k. enquanto apenas uma combinação conduz a soma 2. k) (c.. A função de probabilidade é: 5.c) 4. 8. Determine o espaço amostral do experimento e a função de probabilidade. pois há várias combinações que conduzem a soma 6. 9. 3. embora haja regularidade dos resultados. 1. . .c) (c. Solução: O espaço amostral do experimento é S = (2. Solução: O espaço amostral do experimento é S = {O. O experimento consiste no lançamento de dois dados e na observação da soma dos pontos das faces superiores.

reprovado). Aumentamos o número de famílias para 20 e novamente calculamos a frequência relativa de famílias com zero filho. é um processo mais caro. Verifi) que se a função: . 3. Determine o espaço amostral e a função de probabilidade associada.I Probabilidades 155 Vejamos como calcular a probabilidade do primeiro resultado. O experimento consiste em verificar o resultado da tramitação de um projeto de lei na Câmara dos Deputados. A repetição do experimento neste caso não é um processo eficiente devido a diferença entre as naturezas dos projetos julgados. obtemos uma sequência de valores para a frequência relativa de famílias com zero filho que convergirá rapidamente para um valor real c. Selecionamos inicialmente 10 famílias e verificamos a frequência relativa de famílias com zero filho. Aumentamos sucessivamente o número de famílias para 30. Os demais podem ser obtidos exatamente da mesma maneira. A regularidade destes resultados não pode ser avaliada pelo conceito clássico de probabilidade. Com isto. mais demorado e mais trabalhoso. 5. 7. 6. Devemos consultar um especialista neste tipo de assunto que irá avaliar a probabilidade de o projeto ser aprovado ou rejeitado. Exercícios Propostos Considere o seguinte espaço amostral de um experimento: S = 12. No entanto. 40. 50. isto é. 8 . Este procedimento pode ser adotado em todos os casos onde o conceito clássico de probabilidades é aplicado. lim fqO) = c n+- I Diremos então que P(0) = c. Solução: O espaço amostral do experimento é S = {aprovado. Só nos resta a possibilidade de usar o processo personalista de probabilidade.8 1. 100. sempre recalculando a frequência relativa de famílias com zero filho.

8). 9. determine a função de probabilidade associado a este espaço amostral. Se as probabilidades de ocorrência destes valores são diretamente proporcionais aos respectivos valores. 2. O experimento consisfe em lançar dois dados e observar. 7. O experimento consiste em retirar ao acaso uma bola de uma urna que contém 20 bolas iguais em peso e volume. Determine a função de probabilidades.05 pode ser uma função de probabilidade associada a este espaço amostral. 7 ) 8 ~ ( 8= Ora ) pode ser uma função de probabilidade associada. 10). 2. Determine a função de probabilidade. 2.25 5 p(5) = O. O experimento consiste em lançar dois dados e observar a diferença dos pontos das faces superiores. 3.25 3 p(3) = 0. 6.156 Estatística 1 S P R 2 p(2) = 0. 1 ) 2 ~ ( 2= 0 2 ) 4 ~ ( 4= 0 4 ) 7 ~ ( 7= o. e anotar sua cor. 4. 10. 7. a diferença dos pontos das faces superiores.3 ) 5 ~ ( 5= 0 2 ) pode ser uma função de probabilidade associada a este espaço amostral. 15 8 p(8) = 0. 4. Determine a função de probabilidade. 2. Determine a função de probabilidade. 5) Verifique se a função: S ~ R o ~ ( 0= 0. Considere o seguinte espaço amostral de um experimento: S = { I . O experimento consiste em lançar dois dados e observar o dobro da soma dos pontos das faces superiores. em módulo. Determine a função de probabilidade.3 ) 2 ~ ( 2= 0 2 ) 4 ~ ( 4= 0. . 8. 8 bolas pretas e 7 bolas amarelas. 7. a este espaço amostral. O experimento consiste em lançar dois dados e observar o produto dos pontos das faces superiores. Determine a função de probabilidade. 5. Considere o seguinte espaço amostral de um experimento: S = {O. Verifique se a função: S ~ R 1 ~ ( 1= o. 4. O experimento consiste em lançar três moedas e observar a diferença entre o número de caras e o número de coroas obtidos neste lançamento. sendo 5 bolas brancas. O espaço amostral de um experimento é S = {1.

2 . + .Probabilidades 157 RESPOSTAS 1. 3. pois L p(aJ 1 Não. pois L p(aJ # 1 Sim. pois as condições (1) O l p(aJ S 1 e (2) L p(aJ = 1 estão satisfeitas. Não.

que indicaremos por p(A). b) Sair face ímpar. O espaço amostral é S = {I. A função de probabilidade é dada por: . é a soma das probabilidades dos elementos que pertencem a A. d) Sair face 5.9 Probabilidade de um Evento A probabilidade de ocorrência de um evento A. 3. 6).5. 4. f) Sair face múltiplo de 9. Exemplo: O experimento consiste no lançamento de um dado e na observação da face superior.158 Estatística 1 7. e) Sair face 1 ou 2 ou 3 ou 4 ou 5 ou 6. Solução: Inicialmente. Determine a probabilidade de cada um dos eventos abaixo: a) Sair face 2 ou face 3. determinaremos o espaço amostral e a função de probabilidade. c) Sair face maior que 1. 2.

10 Exercícios Propostos 1. F . 1.5. 1. b) B = (1. . determine a probabilidade de cada um dos eventos seguintes: 1. D .6. P(A) = ~ ( 2+ ~ ( 3 ) .Probabilidades 159 a) A = (2.e p(3) = -. 3).2. 3. 1.A soma ser múltiplo de 3.A soma ser maior que 12.A soma ser maior ou igual a 7. C .3. E .4.A soma ser ímpar. 5) e p(B) = p(1) + p(3) + p(5). Segundo a definição de probabilidade de um evento. 6 6 Desta forma.A soma ser número primo. 1. Portanto: 7. B .1. ) 1 1 A função de probabilidade estabelece que p(2) = . No lançamento de dois dados e na observação da soma dos pontos das faces superiores. 1. A-Asomaserpar.

C .5. F . 4. 4. . Determine a probabilidade dos eventos: 3. 3.6. B .Não ser loira.O produto ser menor ou igual a 10.Ser uma pessoa desquitada.Ser uma pessoa divorciada.O produto ser no máximo 20.8.160 Estatística 1 2. 4. 4. F . 2. 4. G . D .O produto ser um número de 5 a 12.Ser uma pessoa solteira. 3. 4. 4.O produto ser um número entre 5 e 12.Ser um homem. 4.Ser viúva. O quadro abaixo representa a classificação de um grupo de 30 mulheres.1. No lançamento de dois dados e na obsen/ação do produto dos pontos das face: superiores determine a probabilidade dos seguintes eventos: 2. F .2.O produto ser múltiplo de 4.Não ser morena nem ruiva. A .O produto ser menor que 10.3.7. 3. 3. 2.4.4. E . A . D . A .5.Ser viúva e ruiva. O quadro abaixo representa a classificação por sexo e por estado civil. C . 2. 3.2.1. 2.Ser loira e casada.4.Ser uma mulher. 3.3. B . Determine a probabilidade dos eventos: 4.Ser casada. H .2. C .3. segundo o estado civil e a cor dos cabelos: Cor dos cabelos Loira Morena Ruiva Casada Solteira Viúva Divorciada 5 2 O 3 8 4 1 1 3 1 1 1 Uma mulher é sorteada neste grupo. E . de u r conjunto de 50 deputados presentes em uma reunião.6.6. D .5.Ser uma pessoa casada.Ser solteira ou casada. B . H M 8 Casado Solteiro Desquitado Divorciado 1O 5 7 8 3 5 4 Uma pessoa é sorteada ao acaso. 2.Ser morena e solteira. E .1.

maior que 8 e múltiplo de 7. D . B .Probabilidades 161 5. F . Um experimento consiste em sortear um aluno em uma classe pela lista de chamada ( I a 20).Ser sorteado um número maior que 12 e múltiplo de 3.4. 5.Não ser sorteado múltiplo de 5. E . Determine a probabilidade dos seguintes eventos: 5.3.Ser sorteado um número menor que 13. RESPOSTAS . C .2.5.Ser sorteado um número par.Ser sorteado um número menor que 7 e múltiplo de 4. A .1.Ser sorteado um número real. 5. 5. 5. 5.6.

11 Axiomas de Probabilidade O cálculo de probabilidades pode ser desenvolvido a partir de três axiomas que o interessado aceitará facilmente. então. tendo em vista o que foi exposto anteriormente. . P ( A u B) = P(A) + P(B).162 Estatística 1 7. 1) O I P ( A ) I 1 2) P(S) = 1 3) Se A e B são eventos mutuamente exclusivos.

Cálculo de Probabilidades 8.H A ) I PROBABILIDADE DO COMPLEMENTAR . pelo axioma (2). Eventos iguais possuem os mesmos elementos e portanto a mesma probabilidade de ocorrência: P(A u CA) = P(S). Eventos iguais possuem os mesmos elementos e portanto a mesma probabilidade de ocorrência. Portanto. P(S u 0 ) = P(S) + P(0). pelo axioma (3). Substituindo estes valores. ao segundo membro. Com relação ao primeiro membro da igualdade. S e 0 são eventos mutuamente exclusivos. Substituindo na expressão anterior. portanto.1. e pelo axioma (3).1. Com relação ao primeiro membro da igualdade. P(S u 0) = P(S). Com relação P(S) = 1.3 PROBABILIDADE DA REUNIÁO Se A e B são eventos quaisquer.2 1 HCA)= 1 .P(A) 8.1. S u 0 = S. Prova: A u CA= S.1 8. como o conjunto 0 não possui elementos. obtém-se: P(A) + P(CA) = 1 P(CA) = I. A e CAsão eventos mutuamente exclusivos.1 Teoremas Fundamentais 1 P(0)= O I PROBABILIDADE DO CONJUNTO VAZIO Prova: De fato. obtemos: 8. então: . P(A u CA) = P(A) + P(CA).

164 Estatística 1 Prova: observando o diagrama verificamos que: A u B = (A .B e B são eventos mutuamente exclusivos e. A . ( A . pelo axioma (3). Eventos iguais possuem os mesmos elementos e portanto a mesma probabilidade de ocorrência: Com relação ao segundo membro. Com relação ao primeiro membro. A . Substituindo este valor na expressão anterior obtém-se: Por outro lado.B e A n B são eventos mutuamente exclusivos e.B) u (A n B)] = P(A .P(A n B) . pelo axioma (3). Eventos iguais possuem os mesmos elementos e portanto a mesma probabilidade de ocorrência: q ( A .B) + P(A n B) Substituindo-se este valor na expressão anterior obtém-se: P(A .B) u (A n B) = A. q ( A .B) + P(A n B) = P(A). Então: P(A .B) = P(A).B) u (A n B)] = P(A).B) u 9.

Sim.7 e P(B) = 0. EXERC~CIOS PROPOSTOS 1. Se a probabilidade de não chover em determinada data é 0. 3.8. 2. Se P(A u B) = 0. determine P(B).P(A n B) + P(5) P(A u 5) = P(A) + P(B) . 2.3. os eventos A e B são mutuamente exclusivos? 6.4 2. Se P(A u B) = 0. qual é a probabilidade de chover nesta mesma data? 8. 213 8.5. Uma caixa contém 15 peças defeituosas em um total de 40 peças. Qual é a probabilidade de não sair face 4 ou 5 em um lançamento de um dado? Respostas 1.1. Qual é a probabilidade de sair face 4 ou 5 em um lançamento de um dado? 10. e a função de 6) probabilidade é: .8.5.4. 4. a 8. 4.1. 70% 60% 30% Não. 7. determine P(A n 13). O espaço amostra1 do experimento é S = (1. 50% 75% 5. Se P(A) = 0.5. 6.3. Se P(A u B) = 0. 7.25.7 e P(A) = 0. P(A) = 0.2 e P(A u B) = 0.4.5.P(A n 5) 8. P(A u B) = P(A) . 4. determine P(A u B).9. Qual é a probabilidade de se selecionar ao acaso uma peça não defeituosa desta caixa? 9. P(A) = 0. P(A) = 0. 5/8 9. sendo A e B eventos mutuamente exclusivos.5 Probabilidade Condicional Introdução: Considere o lançamento de um dado e a observação da face superior. P(A n B) = 0.6 e P(B) = 0. 3. Se P(A) = 0. P(B) = 0. P(B) = 0. 1/3 10.9.5 e P(A n B) = 0.Cálculo de Probabilidades 165 Portanto.2. os eventos A e B são mutuamente exclusivos? 5. Se P(A u B) = 0. determine P(B).

= I/' no primeiro exemplo e P(TA)= 2/4 no segundo f /) exemplo poderiam ser obtidos mais facilmente. A intersecção de A e B é A n B = {2} e P(A n B) = A probabilidade condicional de B em relação a A é: No segundo exemplo. A = (2. 2} As probabilidades simples de A e B são: P(A) = 4/6 e P(B) = */6. Podemos usar so o espaço amostral original e a função de probabilidade original se considerarmos a seguinte definição: Se P(A) z 0: Assim. sem a necessidade de reduzir o espaço amostral nem redefinir a função de probabilidade. A intersecção de A e B é A n B = (3.168 Estatística 1 Os valores Pb. A probabilidade condicional de B em relação a A é: Da expressão podemos obter a fórmula de cálculo da probabilidade para a intersecção de eventos: . 5) e B = (1. 4. 5 . 4) As probabilidades simples de A e B são: P(A) = 9 6 e P(B) = 76. 3. A = (2. 3. 6) e B = (1. 3. 4) e P(A n B) = 2/6. no primeiro exemplo.

c) Seja aluno sabendo-se que optou por Ciências Contábeis. então: EXERC~CIOS RESOLVIDOS 1.Cálculo de Probabilidades 169 RA B) = RB/~) 4 4 - Esta fórmula pode ser generalizada para vários eventos segundo uma regra baseada na associatividade de eventos: Em particular. Os estudantes de um colégio. presentes em uma reunião. se A e B são eventos independentes. C e D são eventos independentes. obtém-se: Se A B. d) Aluno opte por Ciências Contábeis . e substituindo-se o valor na fórmula de P(A n B). foram classificados por sexo e por opção da área de formação segundo o quadro abaixo: M F ADM CC EC 10 6 8 8 5 4 Calcular as probabilidade de que: a) Alunas optem por Administração. então P(B/A) = P(B). b) Aluno opte por Economia.

sem reposição. Se você adquiriu três números. de uma urna que contém duas bolas brancas.: Ganhar o primeiro prêmio G2: Ganhar o segundo prêmio 8.1. . três bolas pretas e cinco bolas vermelhas. Duas bolas são retiradas. 2. Uma rifa composta por 15 números irá definir o ganhador de dois prêmios sorteados um de cada vez.M F ADM CC EC 10 6 8 8 5 4 18 11 12 2. qual é a probabilidade de ganhar os dois prêmios? Soluçáo: G.6 EXERC~CICIS PROPOSTOS I. Determine a probabilidade de que: a) ambas sejam pretas b) ambas sejam vermelhas c) ambas sejam da mesma cor d) ambas sejam de cores diferentes. Resolva o problema anterior considerando as retiradas com reposição.

(a) l/15 fb) % V4 (C) '%5 (4 (d) 31/45 62/100 2. qual é a probabilidade de que as duas primeiras peças selecionadas ao acaso desta caixa sejam defeituosas? 7. No primeiro ano de uma faculdade.6 Sim (b) (c) 38/100 0. Se P(A u B) = 0. 10.3. os eventos A e B são independentes? 6. (a) %OO Não 0. P(B) = 0.54 10. Sabendo-se que 56% da população são mulheres.1. 25% dos estudantes são reprovados em Matemática. Se P(A) = 0.0004 0. Se ganhar a concorrência no bairro A. determine P(B) sendo A e B independentes. Um projeto para ser transformado em lei deve ser aprovado pela Câmara dos Deputados e pelo Senado. Caso seja aprovado na Câmara dos Deputados. Um estudante é selecionado ao acaso. que apenas 2% das peças produzidas por ela são defeituosas.8. Calcule a probabilidade deste projeto ser transformado em lei. 3. Determine a probabilidade de a empresa ganhar ambas as concorrências. Se adquirirmos uma caixa contendo 12 peças produzidas por esta empresa. os eventos A e B são independentes? 4. 15% são reprovados em Estatística e 10% são reprovados em ambas.5. Se P(A u B) = 0.32 5/14 a. b) Ele não seja reprovado em Estatística. P(A) = 0. a probabilidade de ser aprovado no Senado é 80%. RESPOSTAS 1.8 e P(A) = 0. 9. 7. Uma empresa avalia em 60% a sua probabilidade de ganhar uma concorrência para o recolhimento do lixo em um bairro A da capital.5 e P(A n B) = 0. sabendo-se que foi reprovado em Matemática. na embalagem de seu produto. acredita que tem 90% de probabilidade de ganhar outra concorrência para o recolhimento do lixo em um bairro B próximo a A.5. 4. Uma empresa garante. 5.6 e P(B) = 0. A probabilidade de ser aprovado pela Câmara dos Deputados é de 40%. As pesquisas de opinião apontam que 20% da população é constituída por mulheres que votam no partido X. (a) 9 3 (b) 0. qual é a probabilidade de que uma mulher selecionada ao acaso na população vote no partido X? 9. sabendo-se que foi reprovado em Estatística.6 . 5. 8. 6. Calcule a probabilidade de que: a) Ele seja reprovado em Matemática. 0. nesta faculdade.Cálculo de Probabilidades 171 3.

n R2 = 0 R2 n R3 = 0 RI n R3 = 0 R. u R2 u R3) ou P(B) = P [ ( B n R.] Pelo fato de ( B n R.) u ( B n R2) u ( B n R) .) + P ( B n R2) + P ( B n R3). O evento B pode ser escrito como: B = B n S. .1. R2 eR . O resultado final P(B) independe do número de divisões do espaço amostral. As intersecções do 2Wembro podem ser desenvolvidas segundo a fórmula P(A n B) = P(A/s). ( B n R2). Como S = RI u R2 u R3.. R3 de modo que: R. R. Assim: Nesta dedução. dividimos o espaço amostral S em três partes.7 TEOREMA DA PROBABILIDADE TOTAL Introdução: Suponha que o espaço amostral S de um experimento seja dividido em três eventos RI.). e considere um evento B qualquer. R2. P(B). P(B) = P ( B n R. u R2 u R = S . . então B = B n (R. ( B n R3) serem eventos mutuamente excIusivos.172 Estatística 1 8.

qual é a probabilidade deste piloto ganhar esta corrida? Solugáo: Definindo os eventos: G: o piloto ganhar a corrida Ch: chover durante a corrida NCh: não chover durante a corrida Então: 2. Um piloto de Fórmula Um tem 50% de probabilidade de vencer determinada corrida. se tivéssemos dividido S em duas regiões apenas. Admitindo-se a classificação dos motoristas apenas em excelentes ou péssimos. R. Caso não chova durante a corrida. sua probabilidade de vitória é de 25%. quando esta se realiza sob chuva. 70% dos candidatos reprovados no primeiro teste tornam-se péssimos 'motoristas. então P(B) seria dado por: O teorema da probabilidade total pode ser escrito de forma geral: Exemplos: 1. R2. Se o serviço de Meteorologia estimar em 30% a probabilidade de que chova durante a corrida. responda: . então P(B) seria dado por: Se tivéssemos dividido S em quatro regiões R.. A experiência com testes psicotécnicos para habilitação de motoristas indica que 90% dos candidatos a habilitação aprovados no primeiro leste tornam-se excelentes motoristas. R3 e R4. e R2.Cálculo de Probabilidades 173 Assim.

90 = 0.-(?R) = 1 .80 + 0.30 .8 EXERC~CIOS PROPOSTOS 1.70 = 0. 2.0.P(VA) = 1 . P(A) + P(%) . . Um aluno propõe-se a resolver uma questão de um trabalho. Se a probabilidade do aluno fazer a pesquisa é de 80%. Calcule o percentual de peças defeituosas na produção desta empresa.1. P(R) P(E) = 0. 0.10 C) P(E) = P(%) 10% . a probabilidade de que consiga resolver a questão é de 70%.78 ou 78% 8. A probabilidade de que consiga resolver a questão sem necessidade de uma pesquisa é de 40%. Qual é a probabilidade de que se torne um excelente motorista? b) Um candidato acaba de ser aprovado em seu primeiro teste psicotécnico.174 Estatística 1 a) Um candidato acaba de ser reprovado em seu primeiro teste psicotécnico. Caso faça a pesquisa.90 . calcule a probabilidade de que consiga resolver a questão. Se 80% dos candidatos são aprovados neste teste. qual é a probabilidade de que se torne um excelente motorista? Solução: Definindo os eventos: A: o candidato ser aprovado no primeiro teste R: o candidato ser reprovado no primeiro teste E: o candidato tornar-se excelente motorista P: o candidato tornar-se péssimo motorista Então: a) P(VR) = 1 . Qual é a probabilidade de que se torne um péssimo motorista? c) Um indivíduo acaba de fazer um teste psicotécnico.0. As máquinas A e B são responsáveis por 70% e 30% respectivamente da produção de uma empresa. A máquina A produz 2% de peças defeituosas e a máquina B produz 8% de peças defeituosas.30 OU 30% OU b) P(qA) = 1 .20 P(E) = 0. 0.

.C.8% 64% a) 5. Um médico plantonista está examinando uma vítima de envenenamento que acaba de dar entrada no hospital. Ele dispõe de dois tipos de medicamentos com o seguinte quadro de eficácia: Eficácia específica (%) Medicamento Droga ingerida A B C 70 ~ Mi MP 50 40 80 90 60 Qual é o medicamento que o plantonista deve ministrar.5% 2. O medicamento M2' . a probabilidade de todas germinarem é de 40% para P1. P3 e P4. A última pesquisa realizada mostrou o quadro de intenções de votos: Intenção de votos por bairros (%) Candidato BAIRRO A BAIRRO B BAIRRO C Ventarola I I Calcule a probabilidade de que: a) O primeiro voto anunciado seja do candidato Ventarola. Sabe-se que cinco urnas são de bairros habitados por indivíduos da classe A. se a urgência da situação não lhe permite outras opções? I I RESPOSTAS 1. 3.Cálculo de Probabilidades 175 3. Qual é a probabilidade de que todas as sementes ali plantadas tenham germinado? 5. b) O primeiro voto anunciado não seja do candidato H. P2. 4. Um canteiro-piloto é selecionado ao acaso. 15 urnas de bairros habitados por indivíduos da classe B e 30 urnas são de bairros habitados por indivíduos da classe C. P. 3.25% 5. Um pesquisador desenvolve sementes de quatro tipos de plantas. b) 72% 36. 4. 30% para P2. Uma junta apuradora de votos recebe 50 urnas. 25% para P3 e 50% para P4. Plantados canteiros-pilotos destas sementes. Um rápido exame preliminar leva o médico a concluir que o envenenamento é devido a ingestão de uma das drogas A ou B ou C.

P(R~) +-.+ P(B/RJ.). EXERC~CIOS RESOLVIDOS 1.. A expressão do numerador P(Ri n B) pode ser desenvolvida para: e a expressão do denominador P(B) pode ser desenvolvida pelo teorema 5... Os índices de peças defeituosas na produção destas máquinas valem 3% e 7% respectivamente. P(B/n. Substituindo-se estes valores. 2. da produção de uma empresa.P(R1) + P('/R~). obtém-se: Esta particular combinação dos teoremas 4 e 5 é denominada teorema de Bayes. n. que representaremos de modo genérico por P ( 9 .9 TEOREMA DE BAYES Note que no caso da determinação de P(B) através da utilização do teorema da probabilidade total P(B) = P(B/R.. Se desejarmos avaliar uma probabilidade condicional do tipo P(Ri/&.1. P(B/~). Assim. precisamos obviamente conhecer as probabilidades condicionais P(B/n). devemos utilizar o teorema 4.. qual é a probabilidade de que tenha sido produzida pela máquina B3 .P(R~)..176 Estatística 1 8..). Se uma peça defeituosa foi selecionada da produção desta empresa. As máquinas A e B são responsáveis por 60% e 40% respectivamente... para i = 1.

DS: O fornecedor dizer que a concorrente lançará o produto este ano. A empresa acredita que se ele confirmar o fato. Caso o fornecedor não confirme o lançamento. Então: Uma empresa de material cerâmico está desenvolvendo um modelo de caneca para chope e deverá lançá-la numa tradicional festa do chope em Santa Catarina. Solução: Definindo os eventos: L: A empresa concorrente lançar o produto este ano.Cálculo de Probabilidades 177 Solução: Definidos os eventos: A: a peça ter sido produzida pela máquina A. a probabilidade de estar correto é de 90%. Um fornecedor comum se oferece para bisbilhotar a concorrente para saber ao certo se o lançamento será ou não efetuado este ano. DM O fornecedor dizer que a concorrente não lançará o produto este ano. b) No caso de o fornecedor negar o evento. Esta empresa sabe que uma concorrente está desenvolvendo um projeto similar com as mesmas intenções e acredita que a probabilidade de o concorrente lançar o produto ainda este ano é de 40%. B: a peça ter sido produzida pela máquina B. NL: A empresa concorrente não lançar o produto este ano. . há 60% de probabilidade dele estar correto. d a peça ser defeituosa. Avalie a nova expectativa da empresa: a) No caso de o fornecedor confirmar o evento.

a) Se a investigação concluir que o marido é infiel. Entretanto. 30% para P2.. Um pesquisador desenvolve sementes de quatro tipos de plantas.. Um candidato e seus correligionários têm uma expectativa de 90% de que ganharão as próximas eleições. Neste caso. 2. Se o resultado não confirmar a expectativa. acha que a probabilidade disto ocorrer é de 90%. O histórico do banco mostra que 3% dos cheques apresentados são devolvidos por insuficiência de fundos e que dos cheques especiais. b) Escolhido um canteiro ao acaso..178 Estatística 1 8. A cliente diz ter quase certeza de que o marido é infiel. o ambiente se modifica. Calcule a probabilidade de que o canteiro escolhido seja o de sementes de P. Plantados canteiros-pilotos destas sementes.1 0 EXERC~CIOS PROPOSTOS I. se as provas que conseguirmos não forem convincentes. já que nestas circunstâncias. diremos que ele é fiel.. Se o resultado desta pesquisa confirmar o fato. A associação das seguradoras de veículos afirma que 40% dos veículos em circulação possuem seguro e que dos veículos sinistrados 45% possuem seguro. 3. O encarregado de uma agência de detetives comenta com uma cliente: Se chegarmos a conclusão de que seu marido é infiel. P. a) Escolhido um canteiro ao acaso.1. 25% para P3 e 50% para P.. sabendo-se que acaba de ser devolvido. Em uma agência bancária. P2. qual é a nova expectativa da cliente ? b) E se a investigação concluir que não? . a probabilidade de a pesquisa acertar o resultado é de 90%. verificou-se que todas as sementes haviam germinado. isto é. entrevistando indivíduos do comitê do candidato e de pessoas que lá compareciam para pedir favores em troca de votos. pode acreditar. qual é a nova expectativa do candidato? 5. 1% são devolvidos por insuficiência de fundos. 4. Calcule a probabilidade de que o canteiro escolhido seja o de sementes de P. Calcule a probabilidade de que: a) Um cheque não especial que acaba de ser apresentado ao caixa seja devolvido. ele atribui a pesquisa uma probabilidade de 98% de acertar. b) um cheque seja especial. se concluir pela derrota nas eleições. a probabilidade de todas germrnarem é de 40% para P. P3 e Pq.Se este fato ocorrer. verificou-se que nem todas as sementes haviam germinado. pois nossa margem de erro é de apenas 5%. O Departamento de Trânsito informa que 8% dos veículos sofrem algum tipo de sinistro durante um ano. Calcule a probabilidade de que um veículo segurado não sofra um sinistro durante um ano. nada se altera ou seja. Um auxiliar de campanha resolveu por conta própria fazer uma pesquisa sobre o fato. . nossa margem de erro é 30%. 30% das contas são de clientes que possuem cheque especial. Considerando estes fatos. a pesquisa tem credibilidade quase total.

Determine a probabilidade de que: 1. Tenha somente o segundo grau. 8. 2. 6. 9. Tenha nível salarial menor que 1 1 1. 7. Uma empresa produz 4% de peças defeituosas.Cálculo de Probabilidades 179 RESPOSTAS 8. 3. 1 I I. ela seja defeituosa. Calcule a probabilidade de que: a) Uma peça defeituosa passe pelo controle de qualidade. A segunda etapa acusa uma peça defeituosa com 90% de probabilidade.2 Exercícios Gerais Os funcionários de uma empresa foram classificados de acordo com seu grau de escolaridade e nível salarial segundo o quadro abaixo: - l oGrau 3" Grau Nível l Nível II Nível III Nível IV Um funcionário é escolhido ao acaso. O controle de qualidade da empresa é realizado em duas etapas independentes. Tenha 2"grau sabendo-se que tem nível salarial 1 1 1. 5. Tenha nível salarial 111 sabendo-se que tem 3"grau. Tenha nível salarial 111 ou 2" grau. Tenha o segundo grau. . 10. 4. Tenha somente o primeiro grau. A primeira etapa acusa uma peça defeituosa com 80% de probabilidade de acerto. Tenha 3" grau e nível salarial I. Tenha 1" ou 2Qrau sabendo-se que tem nível salarial maior que 1 . Tenha nível salarial I1 e 2"grau. b) Ao adquirir uma peça produzida por esta empresa.

b) Ele prefira somente uma das categorias. 14. Calcule a probabilidade de que esta pessoa: a) ganhe o prêmio do primeiro sorteio. . Uma pesquisa realizada sobre a preferência dos consumidores por três categorias de veículos A. B e C de uma indústria automobilística revelou que dos 500 entrevistados. Uma máquina produz parafusos e sabe-se que o percentual de parafusos defeituosos produzidos é de 0. d) Aparecer três parafusos perfeitos em sequência. Calcule a proba-bilidade de que: a) Ele prefira as três categorias. c) Aparecer um parafuso perfeito e um parafuso defeituoso em sequência. Uma pessoa compra três bilhetes de uma rifa de 100 bilhetes. d) não ganhe nenhum dos prêmios dos cinco sorteios realizados. e) ganhe pelo menos um prêmio nos cinco sorteios realizados.5%. As fábricas A. se ela não ganhou o prêmio do primeiro sorteio. 15. Determine a probabilidade de que: a) A peça seja defeituosa. Os percentuais de peças defeituosas na produção destas fábricas valem respectivamente 1%. calcule a probabilidade de: a) Aparecer dois parafusos defeituosos em sequência.180 Estatística 1 12. que dá vários prêmios. 2% e 5%. b) A peça tenha sido produzida pela fábrica C. c) ganhe os prêmios do primeiro e do segundo sorteios. c) Ele prefira pelo menos duas categorias. c) Não tenha sido produzida pela fábrica A se ela é boa. b) ganhe o prêmio do segundo sorteio. 30% e 20% do total de peças produzidas por uma companhia. Sabendo-se que a fabricação constitui um processo independente. B e C são responsáveis por 50%. Uma peça produzida por esta companhia é adquirida em um ponto de venda. sabendo-se que é defeituosa. em sequência nesta ordem. 2 10 preferiam o veículo A 230 preferiam o veículo B 160 preferiam o veículo C 90 preferiam o veículo A e B 90 preferiam os veículos A e C 70 preferiam os veículos B e C. 120 dos entrevistados não preferiam nenhuma das três categorias. Um consumidor é selecionado ao acaso entre os entrevistados. 13. b) Aparecer um parafuso defeituoso e um parafuso perfeito.

100 preferem carros populares e 80 preferem carros populares nacionais. por problemas de intercomunicação. e organizou um teste que identifica o espião. Se o problema for de distribuição. Calcule a probabilidade de que um professor selecionado ao acaso no Departamento: a) lecione Matemática e Estatística b) lecione Matemática e não lecione Estatística c) lecione Estatística e não Matemática d) lecione Matemática ou Estatística e) não lecione Matemática. . e de distribuição é de 30%. Se o teste for aplicado mais que duas vezes. 20. Calcule a probabilidade de que o próximo cliente a ser atendido nesta agência: a) solicite um carro nacional b) não solicite um carro popular c) solicite um carro popular ou nacional 18. 60% dos professores lecionam Matemática. Qual a probabilidade de ele estar certo? 17. a probabilidade de conserto no local é de 80%. 15 de bairros classe B e 30 de bairros classe C. a probabilidade de conserto no local é de 60%. Calcule a probabilidade de que: a) O espião seja identificado no máximo no segundo teste b) O espião seja identificado somente no terceiro teste c) O espião não seja identificado pelo teste. sabendo-se que leciona Estatística. 19. Se o problema for de carburação. Uma pesquisa realizada entre 200 clientes de uma agência de automóveis mostrou que 150 preferem carros nacionais. a probabilidade de conserto no local é d e 10%. ele perde 80% de sua eficácia a cada vez que é aplicado. Uma junta apuradora de votos recebe 50 urnas. O departamento de desenvolvimento de projetos de uma empresa emprega cinco engenheiros.Cálculo de Probabilidades 181 16. Se o problema for de outra natureza. A última pesquisa realizada mostrou o quadro de intenções de votos: Intenção de votos por bairros (%) Candidato BAIRRO A BAIRRO B BAIRRO C Ventarola O primeiro voto anunciado foi do candidato HC. dos quais 5 vindas de bairro classe A. A probabilidade de que um carro apresente problemas de carburação é de 40%. No dapartamento de métodos quantitativos de uma Faculdade. O encarregado deste departamento foi informado da presença de um espião industrial entre eles. Um partidário de LALÚ disse que o voto é de um indivíduo da classe A. 30% lecionam Estatística e 20% dos professores de Matemática também lecionam Estatística.

Calcule a probabilidade de que seja concertado no local. d) Calcule a probabilidade de que em dois lançamentos destes dados a soma dos pontos seja ímpar. 22. a chance de um piloto vencer é. se: a) O avaliador é otimista b) O avaliador é pessimista 23. ou com duas pilhas. cuja probabilidade individual de funcionamento é de 40%. Em determinada corrida. Calcule a probabilidade de que esta pessoa consiga fazer sua barba de manhã. A probabilidade de que não haja problemas de energia elétrica no momento é de 90%. Um defeito na fabricação produziu um dado cuja probabilidade de apresentar face par em um lançamento é o dobro da probabilidade de apresentar face ímpar. Uma pessoa deseja fazer sua barba de manhã. 24.182 Estatística 1 Um carro acaba de apresentar problemas. Uma avaliação no estágio atual de desenvolvimento dos projetos resultou na tabela abaixo: A Probabilidade de terminar no prazo . c) Calcule a probabilidade de em dois lançamentos deste dado obtermos a soma dos pontos observados maior que 9. a) Defina a função de probabilidade associada ao espaço amostra1 do experimento. segundo os especialistas. ele possui duas pilhas usadas. Caso haja problemas de energia elétrica. se um defeito inesperado reduzir sua chance para "40 para 100". b) Calcule a probabilidade de se obter um número primo. Calcule a probabilidade de que: a) o piloto vença a corrida b) o piloto não vença a corrida. sabendo-se que o número de pontos no primeiro lançamento é superior a 4.Otimista Probabilidade de terminar no prazo Pessimista 80% B C 70% 50% - 40% 20% 5% Qual é a probabilidade de a empresa terminar pelo menos dois projetos no prazo. de "3 para 2". 21. . Ele possui para isto apenas um barbeador elétrico que funciona com um conversar ligado a rede elétrica. Efetua-se um lançamento deste dado e observa-se o número de pontos da face superior. Uma empresa está desenvolvendo três projetos.

B e C. Calcule a probabilidade de que: a) A empresa consiga solucionar o primeiro problema a dar entrada no dia de hoje. 2% e 3% independentemente. c) Um dos problemas que entraram hoje. c) B vencer pelo menos uma partida. Consultando um amigo familiarizado com estas promoções. Qual é a probabilidade que seja da categoria C? . seja proveniente da linha A. B e C. Uma empresa de consultoria. B vence quatro e duas terminam empatadas. especialista em solucionar problemas relativos a lançamentos de produtos. classifica os problemas apresentados em três categorias A. Um levantamento no final do dia forneceu as informações: Linha Produção N q e peças defeituosas Calcule a probabilidade de que uma boneca escolhida ao acaso: a) Não apresente defeitos b) Apresentando defeitos. Uma peça é processada em três máquinas A. 50% dos problemas são classificados na categoria A.Cálculo de Probabilidades 183 25. b) A empresa consiga solucionar os três problemas que entraram no dia de hoje. A vence seis. A capacidade histórica de resolver problemas das diversas categorias é de 80% se o problema for da categoria A. Uma pessoa foi contactada por uma agência de turismo afirmando que ela havia sido sorteada e ganho uma viagem de graça para a cidade de Natal. Calcule a probabilidade de que: a) Uma peça seja processada sem defeitos b) Exatamente duas peças entre três processadas apresentem defeito c) Apenas uma em mil peças processadas em um dia seja defeituosa. acaba de ser resolvido. Os jogadores A e B jogam 12 partidas de xadrez. A probabilidade de cada uma delas acarretar defeitos na peça é de 1%. Qual é a nova confiança da pessoa na lisura da proposta ? 29. Eles irão disputar mais três partidas constantes de um torneio. 90% se for da B e 10% se for da C. Qual é a probabilidade de: a) A vencer as três partidas. 40% na categoria B e o restante na categoria C. 6) Duas partidas terminarem empatadas. 27. Uma fábrica de bonecas tem três linhas de produção. A expectativa de que o amigo acerte um caso afirmativo é de 90% e em caso negativo é de 50%. A pessoa acredita que haja uma probabilidade de 70% de a proposta ser séria. ele afirmou que a proposta era séria. 28. 26.

184 Estatística 1 30.6. exceto na cor e no índice anotado. Determine a função de probabilidade associada. a) b) c) d) e) f) Determine o espaço amostra1 do experimento. sabendo-se que o primeiro é vermelho. Operando normalmente. Uma imobiliária trabalha com os vendedores A e B. qual é a probabilidade de que: a) um deles venda um imóvel b) apenas um deles venda um imóvel c) nsnhum deles venda 31. c) A próxima concorrente a desfilar seja alta e que tenha cabelos morenos ou ruivos. Determine a probabilidade de que ambos tenham o mesmo índice. Determine a probabilidade de que ambos sejam vermelhos. b) Se a próxima concorrente a desfilar for ruiva. Os cartões são idênticos. Dois cartões são selecionados ao acaso sem reposição. ter estatura baixa. Média Cabelos Loira Morena Ruiva Baixa 20 A ordem de entrada das concorrentes para o desfile é feita por um sorteio executado pelo apresentador. As pessoas do mesmo sexo são igualmente hábeis porém sabe-se que historicamente a probabilidade de um homem ganhar o torneio é o dobro da probabilidade de uma mulher ganhar. Uma urna contém dois cartões vermelhos numerados 1 e 2 e dois cartões pretos também numerados 1 e 2. dado que têm a mesma cor.3. uma pessoa solteira ganhe o torneio. 32. Determine a probabilidade de que ambos sejam vermelhos. b) Se existe entre os participantes apenas um homem solteiro e uma mulher solteira. Elas foram classificadas por estatura e cor dos cabelos. calcule: . Se os eventos A e B são tais que: P(A) = 0. P(B) = 0. Dois homens e três mulheres disputam um torneio de pôquer. 33. Calcule a probabilidade de que: a) A próxima concorrente a desfilar seja loira. Calcule a probabilidade de que: a) Uma mulher vença o torneio. Um grupo de 150 modelos disputam um concurso de beleza. 34. Determine a probabilidade de cores e índices diferentes. A probabilidade de A vender um imóvel é de 5% e a de B vender é de 8%.

7 e a probabilidade de cada elemento é diretamente proporciona/ ao valor destes elementos. 35. Das mulheres. Descreva os eventos: A a) E. determine P(A u B). onde: A = { 1 . b) O número de pontos de uma face seja o dobro do número de pontos da outra face. determine a probabilidade de que: a) O número de pontos de uma face supere a outra em mais que duas unidades. os eventos: A = 12. a) Qual é o espaço amostral deste experimento em função da classificaçáo? b) Qual é a probabilidade de que um casal sorteado ao acaso tenha dois veteranos? c) Qual é a probabilidade de que um grupo sorteado ao acaso tenha dois iniciantes? 40.3.3. 2.={(x. 3) e B = { I . 4).2. C) P(%) se P(A n B) = 0. determine P(A). O espaço amostral de um experimento é S = {2. 30% são iniciantes. Numa igreja. 51 B = 13.y)~ A x B l x + y = 4 } .Cálculo de Probabilidades 185 a) P(A n B) se A e B são independentes. No lançamento de dois dados e na observação do número de pontos . 38. e A e B são independentes. No lançamento de um dado e na observação do número de pontos da face superior. calcule: a) P(CA) b) P(CB) C) P(A U S) d) P(B / ~ ) 39. 6) a) são mutuamente exclusivos? b) são independentes? 36.das faces superiores. = { ( x . 31. d) P(A u B) se P(A n B) = 0. 3. 80% são veteranos. 4. 1 37.2. Entre os homens. a) Determine a função de probabilidade associada ao espaço amostral. c) determine P(CA) d) Se B = 12. Um par é escolhido ao acaso do produto cartesiano A x B. o pastor sorteia grupos de duas pessoas. 71. y ) ~ x B I x = y ) b) E.2 e P(B) = 0.4. Se A e B são eventos. 3. Levando-se em conta esta classificação. para diretoria e tesouraria de uma quermesse. b) P(A u B) se A e B são mutuamente exclusivos. 2. com P(A) = 0. b) Se A = {2. 60% dos fiéis são mulheres.

186

Estatística 1
Se os pares ordenados do produto cartesiano A x B são igualmente prováveis, determine a probabilidade do seguinte evento: C) E, = { ( x , ~ ) Q A x B I ~ = ) ? }

RESPOSTAS

Cálculo de Probabilidades
21. 91.60% 22. a) 75% b) 10,2% 23. a) 60% b) 28,57% 24. a) P(l) = (P3) = P(5) = 1/9 P(2) = P(4) = P(6) = 24 b) 4/9 c) 17/81 d) 4/27 25. a) 94,11% b) 0,98% c) zero 26. a) 87.5% b) 60% 27. a) 1/8 b) 5/72 c) 19/27 28. 80,77% 29. a) 77% b) 45,65% C) 30. a) b) C) 1,30% 12,60% 12,20% 87,4%

187

~
I
I

I

31. a) 3/7

6 3/7 )
32. a) b)
C)

33. a) b)
C)

34. a) b) C)

V1V2,VIP,, V,P,, V,Vl, V2Pl, V2P2 PlV1, P1V2,PlP2, p2v7, p2v* P2P, P(Vl V,) = P(VIPl) = ... = P(P2P,) = 1/12 1/6 d) 7/3 e) 1/6 30% 37,5% 14.67% 18% 90% 1/3 0,7 Não Não 1/3 1/6 P(2) = 2/16, P(4) = 4/16, P(3) = 3/16, P(7) = 7/16 5/16 11/!6 75% 80% 70%

d) 35. a) b) -' . 36. a) b) 37. a) b) C) d) 38. a) b)

"
,

188

Estatística 1

Princ@ios de estatística. CHACON. C. MARTINS. Estatística. Estatística: uma abordagem decisorial. 2. J. STEVENSON. DONAIRES. 1. W. 1980. 1969. J. D. 1981.. São Paulo : Atlas. 2. 1984. GÓES. Probabilidade: aplicações a estatística. E. ed. 1978. Universidad de Duesto. O. 1979. G. Rio de Janeiro : LTC.. J. T. Estatística indutiva. COSTA NETO.Bibliografia BUSSAB.. S. R. São Paulo : Atlas. A. ed. P. M. 1990. Rio de Janeiro : LTC. 1985. v. São Paulo : Atlas. G.. 1979. SPIEGEL.. São Paulo : Edgard Blucher. L. MORETIN. Estatística básica. WONNACOTT. KARMEL. D. B. POLASEK. W. GATTÁS. R. Elementos de probabilidades e inferência. R. Estatística geral e aplicada a economia. 1981. São Paulo : Atlas. 1965. A. F? L. GUERRA. O. DISNEY. ed. R.. L. FONSECA. São Paulo : Saraiva. P. 2. . DONAIRE. ed. 4.. 1976. Estatktica aplicada a administração. F? A. Curso de estatística. A. Estatística. J. 1986. Rio de Janeiro : LTC. Probabilidade e processos estatísticos. 3. São Paulo : LCTE. G. R. Estatística aplicada a economia e administração. CLARKE. H. ed. São Paulo : McGraw-Hill. São Paulo : Harbra. L. M. 1977. A. MEYER. F? H. WONNACOTT. São Paulo : Atual. 3. MARTINS. ed. Curso breve de estatística.

Sign up to vote on this title
UsefulNot useful