You are on page 1of 100

UNEF/FAN

PROBABILIDADE E ESTATÍSTICA APLICACA PARA BACHARELADO

EM

ENGENHARIA

PROF. AMINTAS PAIVA AFONSO

FEIRA DE SANTANA
2018
-1-

ÍNDICE

1 ESTATÍSTICA
1.1 Introdução à Estatística
1.1.1 Método Estatístico
1.1.2 A Estatística
1.1.3 Fases do Método Estatístico
1.1.4 A Estatística nas Empresas
1.1.5 Atividades Complementares
1.2 População e Amostra
1.2.1 Atividades Complementares
1.3 Variáveis quantitativas contínuas e discretas
1.3.1 Atividades Complementares
1.4 Variáveis qualitativas nominais e ordinais
1.4.1 Atividades Complementares
1.5 Planejamento de experimento e amostragem
1.5.1 Controlando os Efeitos das Variáveis
1.5.2 Replicação e Tamanho da Amostra
1.5.3 Aleatorização e Outras Estratégias Amostrais
1.5.4 Erros Amostrais
1.5.5 Atividades Complementares
1.6 Tabelas de freqüência
1.6.1 Tabelas
1.6.2 Séries Estatísticas
1.6.3 Séries Conjugadas. Tabela de Dupla Entrada
1.6.4 Dados Absolutos e Dados Relativos
1.6.5 Atividades Complementares
1.6.6 Distribuição de Freqüência
1.6.7 Atividades Complementares
1.7 Gráficos Estatísticos
1.7.1 Diagramas
1.7.2 Gráfico Polar
1.7.3 Cartograma
1.7.4 Pictograma
1.7.5 Atividades Complementares

-2-

2 MEDIDAS ESTATÍSTICAS
2.1 Medidas de tendência central (média, mediana, moda)
2.1.1 Média Aritmética (X)
2.1.2 Moda (Mo)
2.1.3 Mediana (Md)
2.1.4 Atividades Complementares
2.2 Medidas de Dispersão ou de Variabilidade
2.2.1 Amplitude Total
2.2.2 Variância e Desvio Padrão
2.2.3 Coeficiente de Variação
2.2.4 Atividades Complementares

3 PROBABILIDADE
3.1 Experimento Aleatório
3.2 Espaço Amostral
3.3 Eventos
3.4 Probabilidade
3.5 Eventos Complementares
3.6 Eventos Independentes
3.7 Eventos Mutuamente Exclusivos
3.8 Exercícios resolvidos
3.9 Atividades Complementares
3.10 Teorema de Bayes

-3-

ramo da Matemática Aplicada. empregados e animais. A Matemática. No século XVII ganhou destaque na Inglaterra. significa “TAXAR”. A ESTATÍSTICA. Na época do imperador César Augusto. O todo seria a população e a parte do todo. Maria e José viajaram para Belém. utilitário. E saibam que as Tábuas de Mortalidade usadas hoje pelas companhias de seguros originam-se de estudos como esse. há indícios de que 3. China e Egito. o conquistador.1 Introdução à Estatística Todas as ciências têm suas raízes na história do homem. entre outras. a aritmética política. com caráter prático. Tal levantamento originou um volume intitulado “Domesday Book”. observando parte desse todo. já se faziam censos na Babilônia.1. de John Graunt. Esse levantamento deveria incluir informações sobre terras.) Por isso. empírico. Embora a palavra ESTATÍSTICA ainda não existisse. também. que consistiu de exaustivas análises de nascimentos e mortes. Dessas análises resultou a conclusão. A palavra ESTATÍSTICA (“STATISTICS”) foi cunhada pelo acadêmico alemão GOTTFIRIED ACHENWALL (Godofredo) por volta da metade do século XVIII. -4- . da contagem.1. diz a Bíblia. em latim). nas mãos dos estadistas. uso da terra. ordenou que se fizesse um levantamento estatístico da Inglaterra. objetivando a taxação de impostos. Guilherme.1. proprietários. das trocas.1 O Método Científico Método é um conjunto de meios dispostos convenientemente para se chegar a um fim que se deseja. a partir das tábuas de mortalidade. de base para o cálculo de impostos. a amostra.000 anos a. A própria Bíblia leva-nos a essa recuperação histórica: O livro quarto (Números) do velho testamento começa com uma instrução a Moisés: Fazer um levantamento dos homens de Israel que estivessem aptos para guerrear.1 Método Estatístico 1.1 CONCEITOS FUNDAMENTAIS 1. 1. saiu um edito para que se fizesse um censo em todo o império romano. vamos destacar o método experimental e o estatístico. A palavra ESTATÍSTICA vem de “STATUS” (ESTADO. Sob essa palavra acumularam-se descrições e dados relativos ao Estado. (A palavra “CENSO” deriva de “CENSERE” que em latim. originou-se do convívio social. teve origem semelhante. Serviria. Em 1805. Deixaram-se de lado o simples levantamento e o registro de dados numéricos para proceder ao estudo de como tirar conclusões sobre o todo. constituiu-se uma verdadeira ferramenta administrativa. A Estatística. de que a porcentagem de nascimentos de crianças do sexo masculino era ligeiramente superior à de crianças do sexo feminino. Dos métodos científicos. que é considerada “a ciência que une à clareza do raciocínio a síntese da linguagem”.C.

1. registrando essas variações e procurando determinar.1. da Física etc. descrição. naquele momento. Muitas decisões são tomadas tendo como ponto de partida a análise de resultados de cuidadosas pesquisas. admite todas essas causas presentes variando-as. as indústrias realizam pesquisas junto aos consumidores para sondar a aceitação desse produto. no resultado final. já que os vários fatores que afetam o fenômeno em estudo não podem permanecer constantes enquanto fazemos variar a causa que.2 O Método Experimental O método experimental consiste em manter constantes todas as causas (fatores). que influências cabem a cada uma delas. → Quando do levantamento de um novo produto. Para aplicarmos o método experimental. lançamos mão de outro método. Exemplos: → Na época das eleições. a organização. a organização e a descrição dos dados estão a cargo da Estatística Descritiva. no momento da pesquisa. seria necessária a fixação do nível geral dos preços das outras necessidades etc. embora mais difícil e menos preciso. 1. Mas isso tudo é impossível. deveria existir. a tomada de decisões. as pesquisas eleitorais fornecem elementos para que os partidos e os candidatos redimensionem a campanha eleitoral. o gosto dos consumidores deveria permanecer constante. -5- . Nesses casos. denominado método estatístico. caso existam.3 O Método Estatístico Muitas vezes temos necessidade de descobrir fatos em um campo em que o método experimental não se aplica (nas ciências sociais). menos uma. análise e interpretação de dados. e variar esta causa de modo que o pesquisador possa descobrir seus efeitos. A coleta. diante da impossibilidade de manter as causas constantes. Assim. a fim de observarem a aceitação de seus programas. uma uniformidade dos salários. seria necessário que não houvesse alteração nos outros fatores. É o método preferido no estudo da Química.1. O método estatístico. entre outros. Porém.1. nos interessa.2 A Estatística A utilização das PESQUISAS é muito comum nas mais diversas atividades humanas. Exemplo: → A determinação das causas que definem o preço de uma mercadoria.1. → Emissoras de televisão frequentemente fazem pesquisas com os espectadores.1. 1. Todo o seu estudo objetiva. enquanto a análise e a interpretação desses dados ficam a cargo da Estatística Indutiva ou Inferencial. Conclusão: A Estatística é uma parte da Matemática Aplicada que estuda métodos para a coleta. teríamos que fazer variar a quantidade da mercadoria e verificar se tal fato iria influenciar seu preço.

a fim de não incorrermos em erros grosseiros ou de certo vulto. Pode ser manual. 1. os dados devem ser apresentados sob forma adequada (tabelas ou gráficos). podemos citar a pesquisa sobre a mortalidade infantil.3. tal como a de nascimentos e óbitos e a de freqüência dos alunos às aulas.1. eletromecânica ou eletrônica. Como exemplo. A coleta é direta quando feita sobre elementos informativos de registro obrigatório (nascimentos. periódica – quando feita em intervalos constantes de tempo. elementos pertinentes aos prontuários dos alunos de uma faculdade ou. 1. por distração ou má interpretação das perguntas que lhe foram feitas.A análise e a interpretação dos dados estatísticos tornam possível o diagnóstico de uma empresa. -6- .3 Apuração dos Dados Nada mais é do que a soma e o processamento dos dados obtidos e a disposição mediante critérios de classificação.2 Crítica dos Dados Obtidos os dados. a fim de atender a uma conjuntura ou a uma emergência. A crítica é externa quando visa às causas dos erros por parte do informante. A coleta direta de dados pode ser classificada relativamente ao fator tempo em: a.1.1. Exemplo: → Na Faculdade Pereira de Freitas. A coleta se diz indireta quando é inferida de elementos conhecidos (coleta direta) e/ou do conhecimento de outros fenômenos relacionados com o fenômeno estudado. ainda. c. a formulação de soluções apropriadas e um planejamento objetivo de ação.3 Fases do Método Estatístico Podemos distinguir no método estatístico as seguintes fases: 1.4 Exposição ou Apresentação dos Dados Por mais diversa que seja a finalidade que se tenha em vista. que é feita através de dados colhidos por uma coleta direta.1. à procura de possíveis falhas e imperfeições. importação e exportação de mercadorias). eles devem ser cuidadosamente criticados. casamentos e óbitos.3. do censo demográfico etc. produtividade). como os censos (de 10 em 10 anos) e as avaliações periódicas dos alunos. b.3. 1.3.1 Coleta de Dados A coleta de dados numéricos pode ser direta ou indireta.1. como no caso de epidemias que assolam ou dizimam rebanhos inteiros. 1. que possam influir sensivelmente nos resultados. tornando mais fácil o exame daquilo que está sendo objeto de tratamento estatístico e ulterior obtenção de medidas típicas. quando os dados são coletados pelo próprio pesquisador através de inquéritos e questionários. o conhecimento de seus problemas (condições de funcionamento. é interna quando visa observar os elementos originais dos dados da coleta. contínua (registro) – quando feita continuamente. ocasional – quando feita extemporaneamente. como é o caso das notas de verificação e de exames.

revistas e televisão. O homem de hoje. documentado para evitar esquecimentos. de coleta de dados e de recenseamento de opiniões.3. através dos métodos da Estatística Indutiva ou Inferencial. que tem por base a indução ou inferência.1. Assim.4 A Estatística nas Empresas No mundo atual. frequentemente cometido quando se conhece apenas “por cima” um pouco de Estatística. fazemos uma análise dos resultados obtidos. na escolha das técnicas de verificação e avaliação da quantidade e da qualidade do produto e mesmo dos possíveis lucros e/ou perdas. para um controle eficiente do trabalho. lança mão de processos e técnicas estatísticos. a fim de garantir o bom uso do tempo. seus objetivos com maior possibilidade de serem alcançados a curto. a empresa é uma das vigas-mestras da Economia dos povos. e estabelecer suas metas. -7- . dirigir e controlar a empresa. e só estudando-os evitaremos o erro das generalizações apressadas a respeito de tabelas e gráficos apresentados em jornais. da energia e do material e. realizadas as fazes anteriores (Estatística Descritiva). humanos e financeiros disponíveis. A Estatística ajudará em tal trabalho. e tiramos desses resultados conclusões e previsões. 1. de qualquer tipo. Por meio de sondagem. que pode ser resumido com o auxílio da Estatística. O esquema do planejamento é o plano. ainda. as expectativas da comunidade sobre a empresa.1. Tudo isso que se pensou.5 Análise dos resultados Como já dissemos. A direção de uma empresa. exige de seu administrador a importante tarefa de tomar decisões. em suas múltiplas atividades. podemos conhecer a realidade geográfica e social.1. que facilitarão a compreensão visual dos cálculos matemático-estatísticos que lhes deram origem. o objetivo último da Estatística é tirar conclusões sobre o todo (população) a partir de informações fornecidas por parte representativa do todo (amostra). e o conhecimento e o uso da Estatística facilitarão seu tríplice trabalho de organizar. precisa ficar registrado. médio ou longo prazo. incluindo as estatais e governamentais. que se planejou. como também na seleção e organização da estratégia a ser adotada no empreendimento. ainda. os recursos naturais. em tabelas e gráficos.

entre si. O que é apurar dados? 8. para avaliar a dificuldade e a imprecisão do trabalho. de certa maneira. o conjunto de TODOS os pesos constitui uma POPULAÇÃO DE PESOS. Nesses casos. As ciências humanas e sociais.5 Atividades Complementares 1. basicamente. são propriedades as quais podemos associar conceitos ou números e assim expressar. Exemplo: -8- . estatura e renda são variáveis. média ou alta). Por exemplo. Você pode ter uma POPULAÇÃO DE PESO DE RATOS ou COMPRIMENTOS DE MINHOCAS.1. para obterem os dados que buscam. isto é. 1. O que é Estatística? 4. o estatístico recorre a uma AMOSTRA. etc. O que importa é a VARIÁVEL estudada. SEM PERDA DAS CARACTERÍSTICAS ESSENCIAIS. o conjunto de todas as estaturas de uma comunidade). podem ser estudadas quanto ao sexo (masculino ou feminino). quanto à estatura (baixa. Complete: O método experimental é o mais usado por ciências como: 2. na ENTRADA e SAÍDA de informações. quanto à renda (pobres e ricas). isto é. Como podem ser apresentados ou expostos os dados? 9. As conclusões. Cite três ou mais atividades do planejamento empresarial em que a Estatística se faz necessária. constitui uma REDUÇÃO da população a DIMENSÕES MENORES. que. o pesquisador poderá ter um trabalho astronômico para estudá-la. lançam mão de que método? 3.2 População e Amostra As pessoas de uma comunidade podem ser estudas sob diversos ângulos. O conjunto de TODAS as estaturas constitui uma POPULAÇÃO DE ESTATURAS. Se uma população for muito grande (por exemplo. o que é coletar dados? 6. o conjunto de TODAS as cores de olhos constitui uma POPULAÇÃO DE CORES DE OLHOS. Voltemos às pessoas da citada comunidade. É só pensar no número de nascimentos e mortes diários. população não implica necessariamente GENTE e PESSOAS.1. as inferências pertencem a que parte da Estatística? 10. POPULAÇÃO (ou UNIVERSO) é qualquer conjunto de INFORMAÇÕES que tenham. 5. Então. E em alguns casos os resultados serão sempre falhos. Para que serve a crítica dos dados? 7. uma CARACTERÍSTICA COMUM. Cite as fases do método estatístico. Sexo. informações sob a forma de medidas. Para você.

c. mas não todos. tem de ser REPRESENTATIVA. Um repórter da Veja se coloca em uma esquina e pergunta a 10 adultos se acham que o atual presidente está fazendo um bom trabalho. todas fossem da mesma cidade? 4. Ela começa com uma pesquisa pelo correio enviada a 500 adultos que conhece. deve conter EM PROPORÇÃO tudo o que a população possui QUALITATIVA E QUANTITATIVAMENTE.1 Atividades Complementares 1. O Datafolha pesquisa 5000 famílias selecionadas aleatoriamente e verifica que entre as televisões em uso 19% estão ligadas no programa O Aprendiz (com base em dados da Folha de São Paulo). ESTATÍSTICA é uma coleção de métodos para o planejamento de experimentos. 40 alunos e estudar o COMPORTAMENTO DA VARIÁVEL ESTATURA APENAS nesses alunos. respostas de pesquisas) que tenham sido coletados.2. 30% responderam “sim” quando lhes foi perguntado “você tem uma arma em casa?”. número de cáries. Identifique (a) a amostra e (b) a população. obtenção de dados e. resumo. 2.3 Variáveis (Dados) Quantitativas Contínuas e Discretas -9- . medidas e outros) a serem estudados. com 42 delas indicando preferência pelo correio usual. isto é. Logo. algum amigo poderá fazer parte da amostra. para ser BOA. também. Definições: VARIÁVEIS (DADOS) são observações (tais como medidas. Determine. entrevistou 2000 pessoas. análise. Uma POPULAÇÃO é a coleção completa de todos os elementos (escores. ou seja. número de filhos. todas fossem da mesma classe social? 1. A variável estudada poderia ser inteligência. Imagine que alguém resolveu fazer uma pesquisa sobre o esporte preferido da população brasileira. a. interpretação e elaboração de conclusões baseadas nos dados. se é provável também que a amostra seja representativa da população. Para tanto. todas fossem do mesmo sexo? 2. notas em história ou renda familiar. apresentação. b. Se quisermos fazer um estudo das estaturas (qual a estatura média?) podemos simplificar o trabalho colhendo uma amostra de. E tem de ser IMPARCIAL. digamos. pessoas. todas fossem da mesma idade? 3. Em uma pesquisa Gallup de 1059 adultos selecionados aleatoriamente. 1. Uma AMOSTRA é um subconjunto finito de uma população. consequentemente organização. Uma amostra. sexos. Ela pede a eles que devolvam por correio a resposta a esta pergunta: “Você prefere usar o correio eletrônico ou o correio usual?” Ela recebe de volta 65 respostas.Imaginemos uma escola com 400 alunos (meninos. idades entre 6 e 16 anos). todos os elementos da população devem ter IGUAL OPORTUNIDADE de fazer parte da amostra. Esta amostra da população brasileira estaria sendo representativa se: 1. A coleção é completa no sentido de que inclui todos os sujeitos a serem estudados. Uma estudante de graduação da Universidade Federal do Pará realiza um projeto de pesquisa sobre como adultos brasileiros se comunicam. d.

.838. e casos nos quais temos dados apenas para uma amostra.. Os exemplos acima nos dizem que as variáveis podem ser: a. Se encararmos a coleção de todos esses votos como a população a ser considerada. preta. b. Definimos os termos população e amostra. ele recebeu 60. então 60. Definições: . pois os resultados podem tomar um número infinito de valores numéricos dentro de um determinado intervalo. expresso através dos números naturais: 0. quantitativa – quando seus valores são expressos em números (salários dos operários.. Esse número de 45% é uma estatística porque se baseia em uma amostra. não da população inteira de todos os executivos. amarela. 2. o conjunto de resultados possíveis de um fenômeno.83% dos 95.220 votos no segundo turno. 3. achou-se que 45% deles não contratariam alguém que cometesse um erro tipográfico em sua solicitação de emprego. n. não uma estatística. 1. Os dois termos seguintes são usados para distinguir entre casos nos quais temos dados para uma população inteira.10 - . Uma ESTATÍSTICA é uma medida numérica que descreve alguma característica de uma amostra. Exemplo: → para o fenômeno “sexo” não dois os resultados possíveis: masculino e feminino. → para o fenômeno “estatura” temos uma situação diferente. parda) etc. Variável é. idade dos alunos de uma escola etc. 4. enquanto outros são não numéricos (tais como cor dos olhos: verde e marrom). teoricamente. Os termos dados quantitativos e dados qualitativos são em geral usados para distinguir entre esses dois tipos. Alguns conjuntos de dados consistem em números (tais como 66 um e 72 um).). → para o fenômeno “número de filhos” há um número de resultados possíveis. uma variável que só pode assumir valores pertencentes a um conjunto enumerável recebe o nome de variável discreta. vermelha. qualquer valor entre dois limites recebe o nome de variável contínua.A cada fenômeno corresponde um número de resultados possíveis. convencionalmente.. → Estatística: Com base em uma amostra de 877 executivos pesquisados. Definições: Um PARÂMETRO é uma medida numérica que descreve alguma característica de uma população. . Uma variável quantitativa que pode assumir. cor da pele (branca. qualitativa – quando seus valores são expressos por atributos: sexo (masculino – feminino). Exemplos: → Parâmetros: Quando Lula foi eleito presidente em 2006.83% é um parâmetro.

porque a vaca não é restrita a quantidades discretas de 0. que foram interpretadas incorretamente como unidades métricas. 2. → Dados Qualitativos: Os sexos (masculino/feminino) de atletas profissionais. o número de valores possíveis é 0.11 - . Durante um dado intervalo de tempo. ou 2 e assim por diante.34315 galões. 1. Ignorar tais unidades de medida pode levar a conclusões muito erradas. Seria possível obter-se 2.3. Dados Qualitativos (ou categóricos ou de atributos) podem ser separados em diferentes categorias que se distinguem por alguma característica não-numérica. Os dados quantitativos podem ainda ser descritos pela distinção entre os tipos discretos e contínuos. as medições dão origem a variáveis contínuas e as contagens ou enumerações. metros. horas. De modo geral. uma vaca pode produzir uma quantidade de leite que pode ser qualquer valor entre 0 e 5 galões. 1. (Isto é. 3. 4 ou 5 galões.Dados Quantitativos consistem em números que representam contagens ou medidas.1 Atividades Complementares . interrupções ou saltos. ou 1. Exemplos: → Dados Quantitativos: Os pesos de modelos. A NASA perdeu seu Mars Climate Orbiter de $125 milhões de dólares quando ele bateu porque o programa de controle tinha dados de aceleração em unidades inglesas. → Dados Contínuos: As quantidades de leite das vacas são dados contínuos porque são medidas que podem assumir qualquer valor em um intervalo contínuo. Devemos ter especial cuidado em observar referências como “todas as quantidades estão em milhares de dólares” ou “todos os tempos estão em centésimos de segundo” ou “as unidades são quilogramas”.) Dados (numéricos) Contínuos resultam de infinitos valores possíveis que correspondem a alguma escala contínua que cobre um intervalo de valores sem vazios. a variáveis discretas. Quando trabalhamos com dados quantitativos. tais como dólares. e assim por diante. Definições: Dados Discretos surgem quando o número de valores possíveis é ou um número finito ou uma quantidade “enumerável”. Exemplos: → Dados Discretos: Os números de ovos que as galinhas botam são dados discretos porque representam contagens. é importante usar as unidades de medida apropriadas.

1. Determine se o valor dado é uma estatística ou um parâmetro.
a. O Senado atual do Brasil compõe-se de 75 homens e 6 mulheres.
b. Uma amostra de estudantes é selecionada e a média do número de livros-texto
comprados é 4,2.
c. Uma amostra de estudantes é selecionada e a média de tempo de espera na fila
para comprar livros-texto é 0,65 h.
d. Em um estudo de todos os 2223 passageiros a bordo do Titanic, verificou-se que
706 sobreviveram quando ele afundou.

2. Determine se os valores dados são de um conjunto de dados discreto ou contínuo.
a. O salário de presidente de George Washington era de $25.000 por ano, e o valor
atual do salário do presidente é de $400.000.
b. Um estudante de estatística obtém dados amostrais e encontra que o peso médio
dos carros na amostra é de 1200 Kg.
c. Em uma pesquisa com 1059 adultos, verificou-se que 39% deles tinham armas em
suas casas (com base em uma pesquisa do Gallup).
d. Quando 19.218 máscaras de gás do exército americano foram testadas, verificou-
se que 10.322 delas eram defeituosas (com base em dados da revista Times).

1.4 Variáveis Qualitativas Nominais e Ordinais

- 12 -

Outra maneira comum de classificar dados é usar quatro níveis de mensuração:
nominal, ordinal, intervalar e razão.
Tudo parece indicar que uma das grandes preocupações do homem é – e sempre foi – a
MEDIÇÃO: Medir terras, a quantidade de gado no pasto, a riqueza, porções de
medicamentos etc.
A invenção dos números (isto é, de palavras capazes de expressar quantidades) permitiu
que o homem deixasse de guardar informações num lugar físico, concreto (ex: pedrinhas
e gravetos), para guardá-las num lugar psicológico: A MEMÓRIA.
Com a escrita, o homem supera esse problema. O ALGARISMO – representação gráfica
do número possibilitou-lhe anotar as informações como garantia contra o esquecimento.
MEDIR uma magnitude (GRANDEZA) significa associar a essa magnitude um NÚMERO
REAL.
Quando se mede uma grandeza, realizam-se em cadeia, as seguintes operações:
- Definição do que vai ser medido;
- Definição de um critério para a medição, isto é, de uma ESCALA;
- Leitura;
- Interpretação.
Embora número seja sempre número, as magnitudes diferem umas das outras quanto à
classe a que pertencem: Estatura, peso, velocidade, inteligência, maturidade,
temperatura, beleza etc.
O processo de mensuração depende do NÍVEL, isto é, da CLASSE a que pertence a
magnitude (= GRANDEZA).
Cada nível supõe certas características associadas às grandezas nele contidas. Assim, há
características de 1º Nível, 2º Nível, 3º Nível e 4º Nível. A complexidade e a informação
aumentam com o Nível.
Níveis de Mensuração:
1º NÍVEL – O Nível Nominal de Mensuração é caracterizado por dados que consistem
em nomes, rótulos ou categorias apenas. Os dados não podem ser ordenados (tal como
do menor para o maior). É o nível de mensuração mais baixo, mais rudimentar possível.
Sua escala de medida chama-se NOMINAL. A base, o fundamento para a atribuição dos
números é de natureza QUALITATIVA, DISTINTIVA.

Exemplos:
→ Sim/não/indeciso: Respostas de pesquisa.
→ Cores: As cores de carros dirigidos por estudantes da faculdade (vermelho, preto,
azul, branco, e assim por diante).

Numa sala há 8 alunos, 5 dos quais do sexo masculino. Convencionando que os homens
serão designados por 1 e as mulheres, por 2, tudo o que se pode fazer é escrever.

João → 1 Maria → 2 - Há 5 x 1 = 5 Homens
Pedro → 1 Adriana → 2 ou dizer: - Há 3 x 2 = 3 Mulheres
Alberto → 1 Patrícia → 2
Carlos → 1
Otávio → 1

- 13 -

Notar que não tem sentido matemático fazer a operação 3 x 2 = 6, pois 2 NÃO
REPRESENTA uma QUANTIDADE, mas sim, uma CATEGORIA. Por essa razão, esse 2
poderia ser substituído pelo símbolo , daí resultando 3 = 3 mulheres.
Como os dados nominais não têm ordenação ou significado numérico, eles não devem
ser usados para cálculos. Algumas vezes, usam-se números associados às diferentes
categorias (especialmente quando os dados são codificados para computador),
mas esses números não têm qualquer significado computacional e qualquer média
calculada com eles não tem qualquer significado.
Conclusão: No 1º Nível, os algarismos têm cara de números, mas não são números:
São CATEGORIAS. Portanto, não são possíveis operações aritméticas com valores
atribuídos às VARIÁVEIS. O 1º Nível presta-se a CODIFICAÇÕES e estas comportam,
no máximo, CONTAGENS.

Outros exemplos:
→ Números de telefones: João → 3292-3541
→ Placas de automóveis: APA 4506 (carro da Adriana)
→ Camisas de jogadores: Pelé → 10

2º NÍVEL – Os dados estão no Nível Ordinal de Mensuração se podem ser arranjados
em alguma ordem, mas diferenças entre os valores dos dados ou não podem ser
determinadas ou não são significativas. Este nível já é um pouco mais elaborado que o
anterior e corresponde ao que popularmente se designa por ORDENAÇÃO; a escala de
medida chama-se ORDINAL.
As grandezas de 2º nível podem ser avaliadas em termos de mais que ou menos que,
embora a quantificação precisa seja impossível.

Exemplos:
→ Postos: Com base em vários critérios, uma revista classifica cidades de acordo com
suas “condições de habitação”. Esses postos (primeiro, segundo, terceiro, e assim por
diante) determinam uma ordenação. No entanto, as diferenças entre os postos não
têm significado. Por exemplo, a diferença de “segundo menos primeiro” pode sugerir
2 - 1 = 1, mas essa diferença de 1 não tem significado porque não é uma quantidade
que possa ser comparada a outras tais diferenças. A diferença entre a primeira e a
segunda, cidades, não é a mesma que a diferença entre a segunda e a terceira
cidades. Usando a classificação da revista a diferença entre Belo Horizonte e Ipatinga,
não pode ser comparada quantitativamente com a diferença entre Belém e Marabá.
→ Notas em Cursos: Um professor de faculdade atribui notas A, B, C, D ou F. Essas
notas podem ser arranjadas em ordem, mas não podemos determinar as diferenças
entre elas. Por exemplo, sabemos que A é maior do que B (assim, há uma ordem),
mas não podemos subtrair B de A (assim, a diferença não pode ser encontrada).
→ Notas em Cursos: resultantes de provas tradicionais – produzem mensurações de
2º nível. Assim, se João tirou 8 e Maria, 4, é mais possível concluir que João sabe
mais que Maria, embora NÃO se possa concluir que João saiba o dobro do que ela
sabe.

Dados ordinais fornecem informações sobre comparações relativas, mas não as
magnitudes das diferenças. Usualmente, os dados ordinais não devem ser usados para
cálculos, tais como uma média, mas essa orientação é, algumas vezes, violada (tal como
quando usamos notas dadas por letras para calcular o conceito médio da turma).

- 14 -

) → As escalas termométricas. de modo que o ano 0 é arbitrário e não um ponto inicial zero natural que represente “nenhum tempo”. ambas. convencional. isto é. é errado dizer que 50ºC é duas vezes mais quente do que 25ºC.00). Entre os quatro níveis de mensuração. uma escala de medida propriamente dita. com a propriedade adicional de que a diferença entre quaisquer dois valores de dados é significativa. 2000. diferenças e razões são. é zero mesmo. significativas.00 representa nenhum custo. Para valores nesse nível. Os valores são ordenados. O zero é convencional em todas. os dados nesse nível não têm um ponto inicial zero natural (quando o nada da quantidade está presente). No entanto. bem como a distância entre dois traços contíguos – os chamados GRAUS. → Preços: Os preços de livros-texto (R$0. . exceto quanto à origem: o zero é absoluto. 4º NÍVEL – O Nível de Mensuração de Razão é o nível intervalar com a propriedade adicional de que há também um ponto inicial zero natural (onde zero indica que nada da quantidade está presente). Em função disso. se o corpo A está a 40ºC e outro.Um zero relativo. (O tempo não começa no ano 0.Uma unidade de medida (arbitrária. Esse nível de mensuração é chamado nível de razão porque o ponto inicial zero torna as razões significativas. todas as operações aritméticas passam a ter sentido e. B. e um livro de R$90. não tem sentido dizer que A é “quatro vezes mais quente” que B só porque 40:10 = 4. portanto. É no 3º nível que surge. e 4 quilates é duas vezes mais que 2 quilates). mas é arbitrário e não significa ausência total de calor. a 10ºC. não há um ponto inicial natural. 1776 e 1492. NÃO HÁ CÁLCULO QUE NÃO POSSA SER FEITO. O valor de 0ºC pode parecer um ponto inicial. isto é. Exemplos: → Pesos: Os pesos (em quilates) de diamantes de anéis (0 representa nenhum peso. Assim. . Mas não há dúvida de que A é bem mais quente que B. porém fixa).15 - . a maior dificuldade surge entre os níveis intervalar e de razão. e podemos determinar a sua diferença de 30ºC. Como 0ºC não é um ponto inicial zero natural.00 custa três vezes um livro de R$30. No entanto.3º NÍVEL – O Nível Intervalar de Mensuração é como o nível ordinal. É a escala INTERVALAR. Exemplos: → Anos: Os anos 1000. Essa escala é muito parecida com a de 3º nível. pela 1ª vez. caracterizada pela existência de: . O 4º nível define a chamada escala de razão ou RACIONAL.

c. g. b.. Universo: peças produzidas por certa máquina. Determine qual dos quatro níveis de mensuração (nominal. e.4.. e.1. f. d. a. Variável: cor dos cabelos . j. Variável: cor dos olhos.. Variável: sexo dos filhos.16 - . e. ordinal. i. f. Variável: número de filhos . Variável: salários.. c. Universo: alunos de uma faculdade. bom. b. Altura das jogadoras de basquete da seleção brasileira. População: propriedades agrícolas do Brasil. Variável: número de defeitos por unidade. fraco. razão) é mais apropriado. População: Bolsa de Valores de São Paulo. h. não recomendado”.. Variável: comprimento. b.... Códigos postais (CEP).. População: alunos de uma cidade. intervalar. Classificação de “encontro as cegas” como fantástico. . População: pregos produzidos por uma máquina. População: funcionários de uma empresa. Variável: número de volumes.. Números do seguro social. Quais das variáveis abaixo são discretas e quais são contínuas: a. durante um ano. Variável: produção de algodão. Classifique as variáveis em qualitativas ou quantitativas (contínuas ou descontínuas): a. Variável: índice de liquidez. Variável: o ponto obtido em cada jogada . Variável: diâmetro externo . Variável: comprimento. médio. População: indústrias de uma cidade.1 Atividades Complementares 1. c. Universo: as jogadas de um dado. Variável: precipitação pluviométrica. Universo: peças produzidas por certa máquina.. O número de respostas “sim” recebidas quando se perguntou a 1250 motoristas se alguma vez tinham usado o telefone celular enquanto dirigiam. Variável: número de peças produzidas por hora ... Variável: número de ações negociadas.. 3. População: segmentos de reta. População: casais residentes em uma cidade.. População: bibliotecas da cidade de Ipatinga. recomendado. Classificação da revista Consumer Reports em “melhor comprar. População: estação meteorológica de uma cidade. d. 2. d. Universo: casais residentes em uma cidade. População: aparelhos produzidos em uma linha de montagem. k. inaceitável.

95. ele responde “É duas vezes mais quente do que essa manhã”. 2 (para PMDB). a média dos números e obtém 0. 3 (para quaisquer outras respostas).17 - . Dão-se números negativos para refeições ruins e números positivos para refeições boas. Como se pode interpretar esse valor? c. As três primeiras refeições tiveram classificações 2. Explique por que Brutus está errado mais uma vez. Além do Básico a. 4 e -5. com 0 representando “neutra: nem boa nem ruim”. Interpretação do Aumento da Temperatura. Qual é o nível de mensuração para tal classificação? Justifique sua escolha. b. Um grupo de estudantes desenvolve uma escala de classificação da qualidade da comida da lanchonete. Escala para Classificação de Comida. Um pesquisador entrevista 200 pessoas e lhes pergunta sobre o partido político de sua preferência. 1 (para PSDB). Quando perguntam a ele o que há de tão bom em relação a 2 º. Ele codifica as respostas como 0 (para PT). Interpretação da Pesquisa Política. Ele calcula. então. Brutus expressa satisfação com o aumento da temperatura de 1º para 2º. .4. com o valor absoluto dos números correspondendo a seriedade da má ou boa qualidade. Na tirinha do desenho “Born Loser” de Art Sansom.

simplesmente observa as pessoas (em geral. Definição: O confundimento ocorre em um experimento quando o pesquisador não está apto a distinguir entre os efeitos de diferentes fatores. mas ocorre um inverno excepcionalmente ameno. Por exemplo. Essas três definições se aplicam aos estudos observacionais. os dados são coletados do passado. Definições: Em um estudo transversal. Em um estudo retrospectivo (ou de controle de caso). não poderemos determinar se essa demora se deveu à nova tática ou ao inverno ameno.  Se os dados amostrais não forem coletados de maneira apropriada. a observar seu efeito sobre os sujeitos. voltando-se no tempo (através de exames de registros. Os resultados de experimentos são algumas vezes destruídos por causa do confundimento. através de entrevistas) sem modificá-las de modo algum. eles podem ser de tal modo inúteis que nenhuma manipulação estatística poderá salva-los. de grupos (chamados coortes) que compartilham fatores comuns. os dados são observados. por exemplo. e devemos saber que a aleatoriedade é particularmente importante. → Experimento: o teste clínico da droga Liptor envolve o tratamento de algumas pessoas com a droga. observamos e medimos características específicas. então. mas não tentamos modificar os sujeitos objeto do estudo. Em um experimento. Normalmente. obtemos dados de duas fontes distintas: estudos observacionais e experimentos. Definições: Em um estudo observacional. Em um estudo prospectivo (ou longitudinal ou de coorte). Assim. Os métodos estatísticos são direcionados pelos dados. Tente planejar o experimento de modo que o confundimento não ocorra. entrevistas e assim por diante). os dados são coletados no futuro. suponha que um professor na faculdade experimente uma nova tática de freqüência (“sua média no curso cai um ponto para cada aula que você mata”). Exemplos: → Estudo Observacional: uma pesquisa do Gallup. de modo que as pessoas tratadas são modificadas.  A aleatoriedade comumente desempenha papel crucial na determinação de quais dados coletar. Os efeitos da tática de freqüência e do tempo foram confundidos.5 Planejamento de Experimento e Amostragem Devemos entender que o método usado para coletar dados é absoluta e criticamente importante. se a freqüência melhorar. sem chuvas ou temporais fortes que atrapalharam a freqüência no passado. mas agora mudamos nossa atenção para os experimentos.18 - . .1. aplicamos algum tratamento e passamos. medidos e coletados em um ponto no tempo.

se o grupo do placebo inclui um homem de 30 anos. e (2) os médicos que davam as injeções e avaliavam os resultados também não sabiam. uma pessoa com características semelhantes (o que.1 Controlando os Efeitos das Variáveis Um dos elementos–chave no planejamento de um experimento é o controle dos efeitos das variáveis. de modo que os sujeitos dentro de cada bloco sejam semelhantes. chamados unidades experimentais) em grupos diferentes (ou blocos) de tal modo que os grupos sejam muito semelhantes. Nos experimentos que envolvem placebos. que matava ou paralisava milhares de crianças.19 - . Planejamento Rigorosamente Controlado – Outra abordagem para atribuir sujeitos aos grupos é usar um planejamento rigorosamente planejado. forme blocos (ou grupos) de sujeitos com características similares. é importante colocar os sujeitos (em geral.Em 1954. Dessa forma. seria fácil de achar). . O experimento da pólio foi do tipo duplo-cego. com excesso de peso. nossas conclusões relativas à população vão estar baseadas nos resultados obtidos nas amostras dessa população. Planejamento Experimental totalmente Aleatorizado – Na decisão de como associar os sujeitos aos diferentes blocos. pois. o acaso na escolha. onde os sujeitos são colocados nos blocos através de um processo de seleção aleatória. descritos a seguir. Podemos obter tal controle usando dispositivos como experimentos cegos. e isto é muito escolhido. Um bloco é um grupo de sujeitos que são semelhantes nos modos que possam afetar o resultado do experimento. cada elemento da população passa a ter a mesma chance de ser escolhido. Existe uma técnica especial – Amostragem – para recolher amostras. Em um experimento que testa a eficácia de uma droga feita para baixar a pressão sanguínea. há sempre um efeito placebo. fumante e que consome sal e gordura em abundância. planejou-se um experimento maciço para testar a eficácia da vacina Salk na prevenção da pólio. Ao conduzir um experimento que testa um ou mais tratamentos diferente. o que garante à amostra o caráter de representatividade. também. (A melhora relatada no grupo placebo pode ser real ou imaginada. nesse caso. um grupo de tratamento recebeu a vacina Salk real. Experimento Cego .5. você pode usar a seleção aleatória ou tentar controlar cuidadosamente a associação. Naquele experimento. que ocorre quando um sujeito não tratado relata melhora nos sintomas. Um exemplo de um planejamento experimental totalmente aleatorizado é a característica do experimento da pólio: as crianças foram destinadas ao grupo de tratamento ou ao grupo placebo através de uma seleção aleatória (equivalente à jogada de uma moeda).1. Blocos – No planejamento de um experimento para testar a eficácia de um ou mais tratamentos. no qual os sujeitos são escolhidos cuidadosamente de modo que em cada bloco sejam similares em relação ao que é importante ao experimento. Uma abordagem é usar um planejamento experimental completamente aleatorizado. o grupo do tratamento deve incluir. uma técnica em que o sujeito não sabe se está recebendo o tratamento ou o placebo.) Esse efeito placebo pode ser minimizado ou contabilizado através do uso de um experimento cego. tanto quanto possível. blocos. o que significa que a ocultação ocorreu em dois níveis (1) as crianças que recebiam a injeção não sabiam se estavam recebendo a vacina Salk ou um placebo. planejamento experimental completamente aleatorizado ou um planejamento experimental rigorosamente controlado. enquanto um segundo grupo recebeu um placebo que não continha qualquer droga. como vimos. O experimento cego nos permite determinar se o efeito do tratamento é ou não significativamente diferente do efeito do placebo. que garante.

replicação se refere à repetição ou duplicação de um experimento de modo que os resultados possam ser confirmados ou verificados). 200. . uma amostra grande não é. 1. é mais importante ter uma amostra na qual os dados tenham sido escolhidos de alguma maneira apropriada. como na vida. membros de uma população são selecionados de tal modo que cada membro individual tenha chance igual de ser selecionado.5. a amostragem casual ou aleatória simples pode ser realizada numerando-se a população de 1 a n e sorteando-se.3. definir os métodos de amostragem mais comuns. a eficácia da vacina pôde ser comprovada. k números dessa seqüência.2 Replicação e Tamanho da Amostra Além do controle dos efeitos das variáveis. No entanto. Com replicação. uma boa amostra. No entanto. No experimento planejado para testar a vacina Salk. o experimento teria sido um fracasso se os sujeitos não tivessem sido destinados a cada grupo de um modo que tornasse ambos os grupos semelhantes no que era importante para o experimento. embora os grupos de tratamento e de placebo fossem muito grandes.1 Amostragem Aleatória simples ou casual Definições: Em uma amostra aleatória. os quais corresponderão aos elementos pertencentes à amostra. Use um tamanho de amostra grande o bastante para que possa ser vista a verdadeira natureza de quaisquer efeitos e obtenha a amostra usando um método apropriado.5.5. Uma amostra aleatória simples (amostragem casual) de tamanho n é selecionada de tal modo que toda amostra possível de mesmo tamanho n tem a mesma chance de ser escolhida. outro elemento-chave do planejamento experimental é o tamanho das amostras. As amostras devem ser grandes o bastante para que o comportamento errático. tamanhos amostrais grandes aumentam a chance de reconhecimento dos efeitos de diferentes tratamentos. Embora seja necessário ter uma amostra que seja suficientemente grande.20 - .000 crianças receberam a verdadeira vacina e 200. A repetição de um experimento é chamada replicação. um dos piores erros consiste em coletar dados de uma maneira não apropriada.3 Aleatorização e Outras Estratégias Amostrais Na estatística. (Em outro contexto. Não podemos deixar de enfatizar esse ponto muito importante: Se os dados amostrais não forem coletados de maneira adequada.1. não disfarce os verdadeiros efeitos dos diferentes tratamentos. Vamos. tal como um baseado em aleatoriedade.000 outras crianças receberam um placebo. a seguir. Na prática. por meio de um dispositivo aleatório qualquer. tal como seleção aleatória (descrita mais adiante). eles podem ser de tal modo inúteis que nenhuma manipulação estatística poderá salvá-los. Como o experimento real usou tamanhos amostrais suficientemente grandes. necessariamente. agora. e a replicação é usada efetivamente quando temos sujeitos suficientes para reconhecer diferenças a partir de tratamentos diferentes. que é característica de amostras muito pequenas. Este tipo de amostragem é equivalente a um sorteio lotérico. 1.

esse tipo de sorteio torna-se muito trabalhoso. nove números que formarão a amostra. ANEXO I TABELA DE NÚMEROS ALEATÓRIOS 5 7 7 2 0 0 3 9 8 4 8 4 4 1 7 9 6 7 7 1 4 0 2 1 1 3 9 7 5 6 4 9 8 6 5 4 0 8 9 3 2 9 6 8 7 4 5 4 8 3 2 8 8 0 5 3 5 1 5 9 0 9 9 3 9 8 8 7 5 8 7 0 2 7 7 1 7 7 1 7 0 6 3 2 0 2 7 8 6 2 1 6 7 4 2 9 6 5 1 7 9 2 5 9 1 8 5 2 8 7 3 0 4 8 8 6 9 7 4 8 3 5 2 5 1 8 8 8 7 4 0 3 6 2 9 8 3 8 5 8 6 5 8 6 4 2 4 1 0 3 9 0 3 8 1 2 9 1 7 4 3 0 1 9 7 5 8 9 0 7 5 0 6 4 1 5 5 9 7 1 8 8 1 3 7 4 9 5 3 0 5 2 7 8 3 0 1 1 7 5 8 0 9 1 1 6 9 4 6 7 5 8 6 0 8 2 0 6 6 6 9 0 4 7 5 6 1 8 4 6 4 5 1 1 1 2 3 5 3 2 4 5 5 0 4 1 1 3 4 3 2 2 0 1 7 0 3 1 3 2 9 6 9 1 9 2 7 5 4 0 1 6 5 4 2 9 7 2 7 4 9 9 0 0 9 5 9 7 6 1 0 0 9 8 2 4 3 0 0 7 5 6 2 4 1 0 0 4 3 0 2 0 4 6 2 9 9 0 5 3 5 3 1 1 0 5 8 4 4 1 2 1 6 4 7 9 1 9 7 6 2 9 5 1 6 2 6 0 6 6 7 9 4 4 9 2 6 2 0 2 9 6 8 6 6 4 3 0 0 0 9 4 5 6 6 9 3 0 2 0 5 9 8 7 8 7 3 5 4 4 2 2 5 0 9 7 7 8 1 9 5 3 9 9 6 6 4 5 0 8 8 9 7 8 5 0 7 7 5 3 3 7 2 5 7 7 4 1 2 7 6 2 3 8 0 2 2 3 5 7 6 2 0 1 4 1 6 0 3 5 1 8 9 2 8 7 3 5 8 8 5 5 0 5 2 1 3 6 5 1 3 9 2 8 5 0 1 4 6 6 8 5 7 9 3 0 1 9 7 9 7 2 6 6 6 4 3 1 4 5 5 3 0 8 5 8 9 6 6 3 0 5 6 1 2 5 7 0 2 2 5 0 4 1 2 8 9 6 6 2 6 6 4 3 6 3 0 6 6 3 0 1 3 2 7 9 8 5 2 2 0 3 5 8 8 0 2 9 2 8 7 6 8 9 5 1 1 8 2 4 8 8 8 9 4 6 4 7 4 8 5 9 1 9 2 9 8 7 0 3 1 0 3 3 9 9 6 7 1 2 2 7 0 7 8 1 8 8 6 5 6 9 4 9 9 8 0 0 2 8 0 4 7 0 5 1 3 0 0 1 4 7 1 8 9 7 3 3 2 1 8 5 8 2 4 5 4 3 2 4 0 5 2 1 0 8 5 9 0 1 0 6 2 2 2 4 9 8 9 1 8 1 1 7 5 5 4 4 6 6 1 6 0 7 7 3 0 7 6 6 1 0 1 2 3 1 7 8 5 8 4 0 3 6 1 3 2 7 8 4 3 0 8 2 3 3 3 6 3 9 6 9 4 2 0 5 5 8 6 4 6 1 1 2 3 3 8 9 2 7 8 9 5 2 6 6 7 1 9 3 5 4 6 0 2 5 2 8 8 5 8 8 2 0 0 0 1 0 5 9 6 1 0 5 3 6 6 1 3 3 7 2 0 1 0 1 1 9 0 1 6 1 1 0 5 1 2 0 9 1 7 1 5 1 6 3 4 0 7 6 5 1 1 1 7 3 7 3 5 2 3 7 3 1 6 0 4 5 8 8 9 2 7 3 4 3 7 1 2 8 0 4 9 8 0 9 0 2 4 8 6 1 0 2 0 1 8 1 7 3 9 2 6 0 6 6 7 3 5 8 5 3 3 4 4 2 6 8 2 6 3 8 3 4 0 3 2 7 4 4 8 6 0 4 4 6 6 5 9 3 8 2 5 5 9 3 1 3 4 6 3 0 9 5 2 6 5 5 0 6 9 6 1 7 6 5 9 1 7 2 3 9 7 9 9 6 1 2 4 9 5 2 8 0 6 3 2 6 9 9 8 9 9 8 5 4 1 4 2 1 7 4 1 3 5 7 6 8 1 9 8 6 2 8 6 0 8 9 4 7 3 3 1 5 2 6 2 8 7 7 4 5 3 8 4 8 0 8 0 8 0 0 9 9 8 4 8 4 1 4 6 7 9 5 1 3 7 7 5 8 9 0 1 4 5 0 7 9 4 2 7 3 6 3 3 1 0 6 6 0 4 3 4 0 1 2 5 5 0 4 6 2 4 1 5 0 7 8 2 0 4 8 0 5 8 8 4 3 5 2 9 8 0 3 1 9 9 3 9 2 0 3 0 4 9 7 2 5 8 4 9 5 9 5 0 3 6 3 3 1 9 4 2 7 9 0 6 9 2 4 6 8 0 9 9 2 1 1 8 6 0 7 6 3 8 3 1 9 3 2 9 9 5 1 1 5 5 5 7 1 0 9 2 7 0 2 6 7 0 0 4 4 8 9 2 9 2 8 8 4 3 6 2 8 2 5 1 5 8 2 8 7 7 4 1 8 9 7 2 5 7 6 1 0 6 3 2 6 7 6 0 2 2 6 7 4 5 3 2 8 9 7 3 0 7 6 9 5 3 3 2 1 1 0 5 4 2 6 9 5 6 6 6 5 5 2 0 4 9 9 3 6 5 8 4 8 0 3 0 8 9 3 6 3 5 8 1 7 9 6 3 9 1 6 5 8 0 4 4 4 8 0 1 5 5 9 5 9 8 3 9 0 9 5 5 4 6 6 8 1 8 4 3 9 6 0 8 5 3 8 8 8 6 6 3 3 3 5 6 9 6 0 7 8 1 1 0 3 2 6 6 7 5 0 3 4 0 9 6 1 3 1 3 0 2 0 7 6 9 3 6 6 3 0 8 3 5 1 0 9 3 3 8 3 6 4 7 6 0 5 0 3 1 9 2 3 4 7 6 2 8 9 5 7 7 7 9 1 3 3 8 8 4 7 6 0 5 9 3 7 5 4 3 9 4 8 7 7 6 7 4 9 8 5 3 8 4 3 9 1 4 1 2 8 5 2 6 7 5 6 2 5 3 9 5 9 9 6 6 5 5 1 3 6 9 0 3 2 2 2 3 9 3 3 0 5 2 2 9 9 0 3 3 9 9 7 9 6 9 9 7 7 5 4 9 8 5 0 3 9 2 5 3 7 4 2 5 2 9 7 1 0 0 3 5 6 0 4 9 2 8 1 6 6 8 6 7 0 0 1 4 8 8 9 5 5 8 2 1 0 2 8 6 3 4 1 6 1 9 1 6 4 2 4 8 3 8 1 3 7 3 4 4 8 8 3 2 7 9 6 3 8 7 1 6 9 7 3 0 6 7 7 5 0 2 5 6 4 4 0 7 4 2 4 4 8 8 5 4 0 1 2 3 3 5 9 6 7 5 0 1 4 9 8 1 4 2 6 4 2 7 9 7 9 1 3 5 2 8 9 6 9 7 8 8 0 4 4 7 1 0 0 2 4 0 3 3 7 9 6 4 6 6 8 7 5 0 5 3 2 4 2 1 6 6 3 3 3 2 8 9 7 2 6 3 6 4 7 2 7 7 3 6 5 3 8 3 4 4 6 0 5 4 1 4 7 6 9 6 9 4 5 3 6 1 6 7 1 1 8 9 5 5 1 9 7 2 2 0 4 1 3 2 3 9 6 5 8 6 0 0 3 6 9 4 8 7 9 8 3 6 2 6 9 8 4 9 7 9 7 4 7 2 3 6 6 5 1 5 6 1 3 0 8 6 9 1 1 5 2 7 5 5 9 2 6 8 6 8 1 8 0 4 3 0 0 9 8 9 2 . torna impossível selecionar 10 estudantes que estejam em filas diferentes (mas há uma chance em seis de selecionar os 10 estudantes da primeira fila). O resultado é uma amostra aleatória porque cada estudante individual tem a mesma chance (uma chance em seis) de ser escolhido. b. Amostras aleatórias são selecionadas por vários métodos diferentes. esse planejamento amostral. Suponha que o professor selecione uma amostra de 10 alunos jogando um dado e selecionando a fila correspondente ao resultado da jogada. Neste caso. em pedaços iguais de um mesmo papel. Escrevemos os números. 10% da população. Com a amostragem aleatória. (Antes dos computadores. construída de modo que os 10 algarismos (0 a 9) são distribuídos ao acaso nas linhas e colunas. de 01 a 90. colocando-os dentro de uma caixa. Agitamos sempre a caixa para misturar bem os pedaços de papel e retiramos. incluindo o uso do computador para gerar números aleatórios.Exemplo: → Vamos obter uma amostra representativa para a pesquisa da estatura de noventa alunos de uma faculdade: a. a amostra não é uma amostra aleatória simples porque nem todas as amostras de tamanho 10 têm a mesma chance de serem escolhidas. eram usadas tabelas de números aleatórios). Quando o número de elementos da amostra é grande. um a um. Imagine uma sala de aula com 60 alunos arrumados em 6 filas de 10 alunos cada. foi elaborada uma Tabela de Números Aleatórios (ANEXO I). esperamos que todos os componentes da população sejam (aproximadamente) proporcionalmente representados. No entanto. A fim de facilitá-lo. Numeramos os alunos de 01 a 90. Por exemplo. ao usar um dado para selecionar uma fileira.21 - .

Temos. um comportamento homogêneo.2 Amostragem Proporcional Estratificada Muitas vezes a população se divide em subpopulações – estratos. dentro de cada estrato.22 - . obteremos uma amostra das estaturas dos noventa alunos.0 9 b. verticalmente (de cima para baixo ou vice-versa) ou formando o desenho de uma letra qualquer.3.1 SEXO POPULAÇÃO 10% AMOSTRA M 54 10 x 54  100 = 5. A leitura da tabela pode ser feita horizontalmente (da direita para a esquerda ou vice- versa). que. porém. convém que o sorteio dos elementos da amostra leve em consideração tais estratos. então: 61 02 01 81 73 60 66 58 53 34 Medindo as alturas dos alunos correspondentes aos números sorteados.2 Numeramos os alunos de 01 a 90. 1. dois estratos (sexo masculino e sexo feminino) e queremos uma amostra de 10% da população. obtendo: 61 02 01 81 73 92 60 66 73 58 53 34 Evidentemente. Como é provável que a variável em estudo apresente. um comportamento heterogêneo e. como será abandonado um numeral que já tenha aparecido. para o nosso exemplo. pois não consta da população. obtemos os seguintes números: 57 28 92 90 80 22 56 79 53 18 03 27 05 40 Temos então: 28 22 53 18 03 → para os meninos. . vamos obter a amostra proporcional estratificada. É exatamente isso que fazemos quando empregamos a amostragem proporcional estratificada. Assim. Logo. meninas. no exemplo anterior (b). conforme nossa necessidade. obtém os elementos da amostra proporcional ao número de elementos dos mesmos. o número 92 será desprezado. que. temos: b. Tomamos na tabela de números aleatórios a primeira e a segunda colunas da esquerda.5. sorteamos um algarismo qualquer da mesma. 57 90 80 56 → para as meninas. São. deve ser feita antes de iniciado o processo. Logo. dos noventa alunos. além de considerar a existência dos estratos.Para obtermos os elementos da amostra usando a tabela. Os números assim obtidos irão indicar os elementos da amostra. de cima pra baixo. 54 sejam meninos e 36 sejam meninas. três ou mais algarismos. considerando a 18ª linha. temos: Exemplo: → Supondo.4 5 F 36 10 x 36  100 = 3. a partir da qual iremos considerar números de dois. portanto. de estrato em estrato. A opção. tomamos os números de dois algarismos (tantos algarismos quanto formam o maior número da população). sendo que de 01 a 54 correspondem a meninos e de 55 a 90.6 4 Total 90 10 x 90  100 = 9.

depois selecionamos aleatoriamente alguns desses conglomerados e então escolhemos todos os membros desses conglomerados selecionados. → os prédios de uma rua. dos quais desejamos obter uma amostra formada de cinqüenta prédios.. a cada dez itens produzidos. É fácil confundir a amostragem estratificada com amostragem por conglomerado. Nesses casos. subdividimos a população em pelo menos dois subgrupos (ou estratos) que compartilham as mesmas características (tais como sexo ou faixa etária) e em seguida. o 22º. usar o seguinte procedimento: como 900  50 = 18. primeiro dividimos a área da população em seções (ou conglomerados). A esse tipo de amostragem denominamos sistemática. até voltarmos ao início da rua. no caso de uma linha de produção. estaríamos fixando o tamanho da amostra em 10% da população. 1. se o número sorteado fosse o 4. o 4º prédio. não há necessidade de construir o sistema de referência.3 Amostragem por Conglomerado Na amostragem por conglomerado. podemos. extraímos uma amostra de cada subgrupo (ou estrato). tomaríamos. Assim. Assim. o 40º etc. o qual indicaria o primeiro elemento sorteado para a amostra. Exemplo: → Suponhamos uma rua contendo 900 prédios. pelo lado esquerdo. Exemplos: → os prontuários médicos de um hospital.5. Neste caso. entrevistamos todos os eleitores daquelas zonas selecionadas. . 1. os demais elementos seriam periodicamente considerados de 18 em 18. pelo lado direito da rua.5. neste caso.3. Mas a amostragem por conglomerado usa todos os membros de uma amostra de conglomerados. porque ambas envolvem a formação de subgrupos. retirar um para pertencer a uma amostra da produção diária. Isso é muito mais rápido e muito menos dispendioso do que selecionar uma pessoa de cada uma das muitas zonas da área populacional. Exemplo: → Pesquisas Eleitorais – Selecionamos aleatoriamente 30 zonas eleitorais de um grande número de zonas e. Os resultados da amostragem estratificada ou por conglomerado podem ser ajustados ou ponderados para corrigir quaisquer representações desproporcionais de grupos. enquanto a amostragem estratificada usa uma amostra de membros de todos os estratos. a seleção dos elementos que constituirão a amostra pode ser feita por um sistema imposto pelo pesquisador.23 - .4 Amostragem Sistemática Quando os elementos da população já se acham ordenados. Podemos. em seguida.3. → as linhas de produção. escolhemos por sorteio casual um número de 1 a 18 (inclusive).Com a amostragem estratificada.

Se você selecionar aleatoriamente outra amostra de 1000 adultos. Exemplo: → Selecione aleatoriamente 1000 adultos. tais erros resultam das flutuações amostrais devidas ao acaso. os dados podem se tornar tão inúteis que nenhuma manipulação estatística poderá salva-los. Definições: Um erro amostral é a diferença entre o resultado amostral e o verdadeiro resultado da população. registrados ou analisados incorretamente (tal como a seleção de uma amostra tendenciosa. provavelmente sempre haverá algum erro nos resultados. .1. Se os dados amostrais não forem coletados de maneira apropriada. ou cópia incorreta dos dados). Mas lembre-se desse ponto principal: o método usado para coletar os dados é absoluta e criticamente importante.24 - . e devemos saber que a aleatoriedade é particularmente importante. é fácil ficarmos espantados com a variedade de diferentes definições.5. é provável que você obtenha uma porcentagem amostral diferente. Após ler toda esta seção. o uso de um instrumento de medida defeituoso. Um erro não-amostral ocorre quando os dados amostrais são coletados.4 Erros Amostrais Não importa quão bem planejemos e executemos o processo de coleta da amostra. pergunte a eles se formaram no Ensino Médio e a porcentagem amostral de respostas “sim”.

3ª .. foi dado o número de elementos da amostra. Resolva: a. a partir da 1ª linha. de baixo para cima).. Em uma faculdade existem 250 alunos...5... .. Obtenha uma amostra de 40 alunos e preencha o quadro da página seguinte. Como... 31 x 40  250 = .. para a 1ª série.... Uma faculdade abriga 124 alunos. 3...25 - ... da esquerda para direita).... Sugestão – faça uso da caderneta de seu professor e da Tabela dos Números Aleatórios (5ª e 6ª colunas... temos: 250/35 = 40/x  x = 35 x 40  250 = 5.. Sugestão: decida. .. SÉRIES POPULAÇÃO 15% AMOSTRA A B c.. 30 no 3º.. No curso de Sistemas de Informação há 80 alunos. . Amostra – 15% da população. .6  x=6 Logo: SÉRIE POPULAÇÃO CÁLCULO PROPORCIONAL AMOSTRA 1ª 35 10 x 40  250 = 5. 40 2. . 6 6ª . Sugestão: use a 8ª.. 8ª .... Obtenha uma amostra representativa correspondendo a 15% da população... Total 250 . Pesquisa – estatura dos alunos do curso de Sistemas de Informação. calcular o número de elementos de cada estrato proporcionalmente ao número de elementos da amostra..1.... Sugestão – Use a Tabela dos Números Aleatórios (25ª linha. ... Pesquisa – peso dos colegas de sua classe (incluindo você).6 6 2ª ... devemos. 35 no 5º. sendo 35 no 1º período. o uso da Tabela de Números Aleatórios. Amostra – correspondente a 30% da população.5 Atividades Complementares 1. da Tabela de Números Aleatórios (de cima para baixo).. 5ª . .... . Assim. 28 no 4º... ... . 4ª 28 . 32 no 6º. b. 7ª .. juntamente com a classe e seu professor. 32 no 2º. ...... 31 no 7º e 27 no 8º.. 9ª e 10ª colunas.. . neste caso.. então. Obtenha uma amostra de 12 alunos.

7. com tamanhos. d. Uma cidade X apresenta o seguinte quadro relativo às suas faculdades: Nº DE ESTUDADANTES ESCOLAS MASCULINO FEMININO A 80 95 B 102 120 C 110 92 D 134 228 E 150 130 F 300 290 Total 876 955 Obtenha uma amostra proporcional estratificada de 12º estudantes. após ter sido descoberto que tinham sífilis. na qual estão matriculados 280 meninos e 320 meninas. Sabendo que. 2. 1. por amostragem. Fraude ao Consumidor – O Birô de pesos e medidas de Minas gerais seleciona aleatoriamente postos de gasolina e obtém 2 litros de gasolina de cada bomba. resolveu fazer um levantamento. A saúde deles foi acompanhada durante anos.025º. 290º. ao ser realizada uma amostragem estratificada proporcional.4.26 - . 8. O diretor de uma faculdade. n1 = 40. c.648º. que eles concordam em usar numa tentativa de eliminar ou diminuir o enjôo. Obtenha. respectivamente. nove elementos da amostra foram retirados do 3º estrato. b. os elementos componentes da amostra. 725º. A quantidade bombeada é medida para verificar a exatidão. n2 = 100 e n3 = 60. qual dos elementos abaixo seria escolhido para pertencer à amostra. . determine o nº total de elementos da amostra. Uma população encontra-se dividida em três estratos. Na ordenação geral. 6. sabendo-se que o elemento de ordem 1. desejoso de conhecer as condições de vida extra-escolar de seus alunos e não dispondo de tempo para entrevistar todas as famílias. em 10% dessa clientela. 5.432 elementos.420 a ela pertence? 1. para esse diretor. Determine se a descrição dada corresponde a um estudo observacional ou a um experimento. Mostre como seria possível retirar uma amostra de 32 elementos de uma população ordenada formada por 2. Teste de Droga – Dá-se Lipitor a pacientes para se determinar se essa droga tem ou não o efeito de baixar os níveis altos de colesterol. Tratamento da Sífilis – Muita controvérsia surgiu em relação a um estudo de pacientes com sífilis que não receberam um tratamento que poderia tê-los curado.120º. Braceletes Magnéticos – Os passageiros de navios de cruzeiro recebem braceletes magnéticos. a.

sistemática. Marketing – Uma executiva de marketing da General Motors descobriu que o departamento de relações públicas da empresa tinha acabado de imprimir envelopes com os nomes e endereços de todos os proprietários de Corvete. intermediário e grande. Estatística do Desemprego – O Ministério do Trabalho obtém dados atuais do desemprego pesquisando 50. l. b. e. Antropometria – Um estudante de estatística obtém dados sobre altura/peso entrevistando membros da família. a. c. Educação e Salário – Um economista está estudando o efeito da educação sobre o salário e realiza uma pesquisa com 150 trabalhadores selecionados aleatoriamente de cada uma das seguintes categorias: menos do que Ensino Médio. e assim por diante. estratificada ou por conglomerados. Ganhadores de Loteria – Um economista coleta dados entrevistando pessoas que ganharam na loteria entre os anos de 1995 e 2000. i. f. que eram então discados. . médio. d. Bebida entre Estudantes – Motivado pelo fato de um estudante ter morrido por excesso de bebida. Identifique o tipo de estudo observacional (transversal. g. Pesquisa da MTV – Um especialista em Marketing para a MTV está planejando uma pesquisa na qual 500 pessoas serão selecionadas aleatoriamente de cada faixa etária de 10-19. a. compacto. Pesquisa Médica – Um pesquisador da UFES examina todos os pacientes cardíacos de cada um dos 30 hospitais selecionados aleatoriamente. j.27 - .000 pessoas este mês. d. (Ele testemunhou a prisão de um ex-aluno). de conveniência. k. os sujeitos da entrevista foram selecionados usando-se um computador para gerar aleatoriamente números de telefones. Ele está pesquisando 200 proprietários de carro de cada categoria. Psicologia do Trauma – Um pesquisador do Hospital Mt Sinai planeja obter dados acompanhando (até o ano 2010) irmãos de vítimas fatais do ataque terrorista ao World Trade Center em 11 de setembro de 2001. no qual cada quinto chofer era parado e entrevistado. retrospectivo ou prospectivo). Identifique qual destes tipos de amostragem é usado: aleatória.9. b. Ponto de Checagem de Sobriedade – O autor foi observador de um ponto de checagem de sobriedade da polícia. c. Posse de Carro – Uma pesquisadora da General Motors dividiu todos os carros registrados em categorias de subcompacto. Notícias na Televisão – Um repórter de noticiário da rede Globo analisa a reação a uma história impressionante entrevistando pessoas que passam em frente ao seu estúdio. h. Pesquisas Telefônicas – Em uma pesquisa do Gallup de 1059 adultos.763 proprietários de carros e obtém um conjunto de jurados selecionando cada centésimo nome da lista. Pesquisa Médica – Um pesquisador da Faculdade de Medicina da UFMG obtém dados sobre ferimentos na cabeça examinando os registros do hospital dos últimos 5 anos. Pesquisa de Boca de Urna – Uma rede de notícias está planejando uma pesquisa na qual 100 seções eleitorais serão selecionadas aleatoriamente e todos os eleitores serão entrevistados ao deixarem o local. mais do que Ensino Médio. 10. 20-29. Seleção de Júri – O comissário de jurados do Condado de Dutches obtém uma lista de 42. selecionando aleatoriamente 10 classes diferentes e entrevistando todos os estudantes em cada uma dessas classes. Ensino Médio. uma faculdade fez um estudo do hábito de bebida dos estudantes.

11. Identifique as amostras aleatórias e as amostras aleatórias simples.
a. Amostragem de Comprimidos de Aspirina – Um farmacêutico mistura bem
um recipiente com 1000 comprimidos de Bufferin e retira, então, 50 que devem
ser testados para verificar o conteúdo exato de aspirina. Esse planejamento
amostral resulta em uma amostra aleatória? Em uma amostra aleatória simples?
Explique.
b. Amostragem de Estudantes – Uma sala de aula compõe-se de 30 alunos,
sentados em 5 filas diferentes, com seis alunos em cada fila. O instrutor joga um
dado e o resultado é usado para selecionar uma amostra dos estudantes em uma
fila particular. Esse plano amostral resulta em uma amostra aleatória? Em uma
amostra aleatória simples? Explique.
c. Amostra de Conveniência – Um repórter de notícias se coloca em uma esquina
e obtém uma amostra de residentes da cidade selecionando cinco adultos que
passam e perguntando sobre seus hábitos de fumo. Esse plano amostral resulta
em uma amostra aleatória? Em uma amostra aleatória simples? Explique.
d. Amostra Sistemática – Um engenheiro de controle da qualidade seleciona cada
centésima fonte de computador que passa em uma esteira transportadora. Esse
plano amostral resulta em uma amostra aleatória? Em uma amostra aleatória
simples? Explique.
e. Amostra Estratificada – O shopping do Vale planeja realizar uma pesquisa de
mercado com 100 homens e 100 mulheres em Ipatinga, a qual consiste em um
número igual de homens e mulheres. Esse plano amostral resulta em uma
amostra aleatória? Em uma amostra aleatória simples? Explique.
f. Amostra por Conglomerado – Um pesquisador de mercado seleciona
aleatoriamente 10 quarteirões em Timóteo e pergunta então a todos os adultos
residentes nos quarteirões selecionados se possuem ou não um aparelho DVD.
Esse plano amostral resulta em uma amostra aleatória? Em uma amostra aleatória
simples? Explique.

- 28 -

1.6 Tabelas de freqüência

Um dos objetivos da Estatística é sintetizar os valores que uma ou mais variáveis podem
assumir, para que tenhamos uma visão global da variação dessa ou dessas variáveis. E
isso ela consegue, inicialmente, apresentando esses valores em tabelas e gráficos, que
irão nos fornecer rápidas e seguras informações a respeito das variáveis em estudo,
permitindo-nos determinações administrativas e pedagógicas mais coerentes e
científicas.

Definições:
Tabela é um quadro que resume um conjunto de observações. Uma tabela compõe-se
de:
Corpo – conjunto de linhas e colunas que contém informações sobre a variável em
estudo;
Cabeçalho – parte superior da tabela que especifica o conteúdo das colunas;
Coluna Indicadora – parte da tabela que especifica o conteúdo das linhas;
Linhas – retas imaginárias que facilitam a leitura, no sentido horizontal, de dados que se
inscrevem nos seus cruzamentos com as colunas;
Casa ou Célula – espaço destinado a um só número;
Título – conjunto de informações, as mais completas possíveis, respondendo às
perguntas: O quê?, Quando?, Onde?, localizado no topo da tabela.

Há ainda a considerar elementos complementares da tabela, que são a fonte, as notas e
as chamadas, colocadas, de preferência, no seu rodapé.

Exemplo:

PRODUÇÃO DE CAFÉ
BRASIL – 2005-06

PRODUÇÃO
ANOS
(1.000 t)

2005 2 134
2006 2 594

FONTE: IBGE.

De acordo com a Resolução 886 da Fundação IBGE, nas casas ou células devemos
colocar:
 um traço horizontal () quando o valor é zero, não só quanto à natureza das coisas,
como quanto ao resultado do inquérito;
 três pontos (...) quando não temos os dados;

 um ponto de interrogação (?) quando temos dúvida quanto à exatidão de determinado
valor;
 zero (0) quando o valor é muito pequeno para ser expresso pela unidade utilizada. Se
os valores são impressos em números decimais, precisamos acrescentar à parte
decimal um número correspondente de zeros (0,0; 0,00; 0,000; ...).

- 29 -

1.6.1 Séries Estatísticas
Definição:
Série estatística é toda tabela que apresenta a distribuição de um conjunto de dados
estatísticos em função da época, do local ou da espécie.
Daí, podemos inferir que numa série estatística observamos a existência de três
elementos ou fatores: o tempo, o espaço e a espécie.
Conforme varie um dos elementos da série, podemos classificá-la em histórica,
geográfica e específica.

1.6.1.1 Séries Históricas, Cronológicas, Temporais ou Marchas
Descrevem os valores da variável, em determinado local, discriminados segundo
intervalos de tempo variáveis.
Exemplos:
a. O Brasil fecha 2006 com a melhor safra de soja da sua história: 54,7 milhões de
toneladas. Isso é 3% a mais que a safra de 2005. Estimando-se um faturamento de
R$ 24 bilhões. O país é o segundo maior produtor mundial, atrás dos EUA.
Estados que lideram a produção no país: Mato Grosso, Paraná e Goiás. (Revista Isto
é).
PRODUÇÄO MEDIA DE b.
SOJA NO BRASIL
PREÇO DO ACÉM NO VAREJO
2005-06
SÃO PAULO – 1989-94
PRODUÇÃO
ANOS PREÇO MÉDIO
(1.000 t) ANOS
(US$)
2005 51 138
1989 2,24
2006 52 223
1990 2,73
1991 2,12
FONTE: IBGE.
1992 1,89
1993 2,04
1994 2,62

FONTE: APA.

1.6.1.2 Séries Geográficas, Espaciais, Territoriais ou de Localização
Descrevem os valores da variável, em determinado instante, discriminados segundo
regiões.
DURAÇÃO MÉDIA DOS
ESTUDOS SUP ERIORES
1994
NÚMERO
PAÍSES
DE ANOS
Itália 7,5
Alemanha 7,0
França 7,0
Holanda 5,9
Inglaterra Menos de 4

FONTE: APA.

- 30 -

938 375. Representa 20% do sistema agroindustrial.501 6.989 1. em uma única tabela. pela dificuldade de representação.955.1. isto é.5 Bubalinos 1.634 Sul 1.3 Farelo 14.5 FONTE: Companhia Nacional de Abastecimento Suínos 34. que dá origem à série geográfico-histórica ou geográfico-temporal.3 Séries Específicas ou Categóricas Descrevem os valores da variável.440. se bem que mais raramente.423.6.532.1 FONTE: IBGE. a variação de valores de mais de uma variável.746. A industria da soja gera cerca de 1.31 - .8 Grãos 20.6. TERMINAIS TELEFÔNICOS EM SERVIÇO 1991-93 REGIÕES 1991 1992 1993 Norte 342.1 Muares 208.159. Exemplo: a.000 cabeças) toneladas) Bovinos 154.882 FONTE: Ministério das Comunicações.101 1486.315 1.5 Óleo 2.649 Sudeste 6. no exemplo dado.9 Caprinos 12. Em uma tabela desse tipo ficam criadas duas ordens de classificação: uma horizontal (linha) e uma vertical (coluna).5 milhão de empregos diretos.357 778.4 Asininos 47.608.6 Coelhos 6. em determinado tempo e local. .2 Eqüinos 549.2 Séries Conjugadas e Tabela de Dupla Entrada Muitas vezes temos necessidade de apresentar. 1. foi série geográfica-série histórica.234.1.925 884.729.2 (Conab). Podem existir. (Revista Isto é) EXPORTAÇÃO b. séries compostas de três ou mais entradas.497.287.379.678 403.813 1.232 Centro-Oeste 713. BRASILEIRA REBANHOS BRASILEIROS 2005 1992 QUANTIDADE QUANTIDADE PRODUTOS (em bilhões de ESPÉCIES (1. A conjugação.467 7231. discriminados segundo especificações ou categorias. Conjugando duas séries em uma única tabela. fazer uma conjugação de duas ou mais séries. obtemos uma tabela de dupla entrada.494 Nordeste 1. Ovimos 19.

2007 CATEGORIAS Nº DE ALUNOS Ensino Fundamental 19.681 7.6. Traduzem-se os dados relativos. de uma pesquisa. coeficientes e taxas. em geral.681 Ensino Superior 234 Total 21. 8. é citado representa a freqüência absoluta daquele valor. aproximadamente. A leitura dos dados absolutos é sempre enfadonha e inexpressiva. por meio de percentagens. de cada 100 alunos da cidade A.201 Dados fictícios.1 As percentagens Consideremos a série: MATRÍCULAS NAS ESCOLAS DA CIDADE A . 1.1 Com esses dados. Calculemos as percentagens de alunos de cada grau: Ensino Fundamental → 19286 x 100  21201 = 90. sem outra manipulação se não a contagem ou medida.10 = 1.9 Ensino Superior 234 1.286 Ensino Médio 1.3 Dados Absolutos e Dados Relativos Definições: Dados Absolutos. A freqüência relativa é o quociente entre a freqüência absoluta de uma variável e o total de citações de todas as variáveis da pesquisa. no 2º grau e 1 no 3º grau.201 100 Os valores dessa nova coluna nos dizem que. não têm a virtude de ressaltar de imediato as suas conclusões numéricas.96 = 91. O número de vezes que um valor da variável. são dados estatísticos resultantes da coleta direta da fonte. O emprego da percentagem é de grande valia quando é nosso intuito destacar a participação da parte no todo.92 = 7.0 Ensino Médio → 1681 x 100  21201 = 7.1 Total 21.32 - .286 91. índices. embora esses dados traduzam um resultado exato e fiel.9 Ensino Superior → 234 x 100  21201 = 1.6.2007 CATEGORIAS Nº DE ALUNOS % Ensino Fundamental 19. . Dados Relativos são o resultado de comparações por quociente (razões) que se estabelecem entre dados absolutos e têm por finalidade realçar ou facilitar as comparações entre quantidades. 91 estão matriculados no 1º grau. MATRÍCULAS NAS ESCOLAS DA CIDADE A .0 Ensino Médio 1.3. Daí o uso imprescindível que faz a Estatística dos dados relativos.1. podemos formar uma nova coluna na série em estudo.

483 100 Dados fictícios. 1. agora. maior número de alunos em cada período? Como o número total de alunos é diferente nas duas cidades. comparativamente. a série: MATRÍCULAS NAS ESCOLAS DA CIDADE A e B . transverso da cabeça diâm.3.2007 CIDADE A CIDADE B CATEGORIAS Nº DE ALUNOS % Nº DE ALUNOS % Ensino 19.660 Ensino Médio 1. Qual das cidades tem.660 91. Exemplos: → Índice Cefálico = (diâm.399 8 Ensino Médio 234 1.2007 Nº DE ALUNOS CATEGORIAS CIDADE A CIDADE B Ensino Fundamental 19.Índices Econômicos Definição: Os Índices são razões entre duas grandezas tais que uma não inclui a outra. usando as percentagens.0 38.1 424 1 Ensino Superior Total 21.681 7. obtemos: MATRÍCULAS NAS ESCOLAS DA CIDADE A e B .399 Ensino Superior 234 424 Total 21.201 100 42. não é fácil concluir a respeito usando os dados absolutos.2 Os Índices .0 Fundamental 1. Porém. longitudinal do crânio) x 100 → Quociente Intelectual = (idade mental  idade cronológica) x 100 → Densidade Demográfica = população  superfície → Índices Econômicos:  Produção per capta = valor total da produção  população  Consumo per capta = consumo do bem  população  Renda per capta = renda  população  Receita per capta = receita  população .681 3.9 3. praticamente.483 Dados fictícios. com o mesmo número de alunos em cada grau.286 91. Assim.33 - . tal tarefa fica bastante facilitada. O que nos permite dizer que.286 38. acrescentando na tabela anterior as colunas correspondentes às percentagens.201 42. comparativamente.6.Consideremos. contam.

4% O Estado que apresentou maior evasão escolar foi A.83 = 6.127 = 5. 436.986 – 683. O Estado B apresentou.42 = 5.127 e 412.127 – 412.3.986 = 6. Exemplos: → Taxa de Mortalidade = coeficiente de mortalidade x 1000 → Taxa de Natalidade = coeficiente de natalidade x 1000 → Taxa de Evasão Escolar = coeficiente de evasão escolar x 100 Exercício Resolvido: O Estado A apresentou 733.) para tornar o resultado mais inteligível.8% B → TEE = (436.6. 1000 etc.986 matrículas na 1ª série.816 no fim do ano.4 Os Coeficientes Definição: As Taxas são os coeficientes multiplicados por uma potência de 10 (10..3.4 Atividades Complementares . Qual o Estado que apresentou maior evasão escolar? A → TEE = (733. 100.6. 1.6.3 Os Coeficientes Definição: Os Coeficientes são razões entre o número de ocorrências e o número total (número de ocorrências e número de não ocorrências). Exemplos: → Coeficiente de Natalidade = número de nascimentos  população total → Coeficiente de Mortalidade = número de óbitos  população total → Coeficientes Educacionais:  Coeficiente de evasão escolar = nº de alunos evadidos  nº inicial de matrículas  Coeficiente de aproveitamento escolar = nº de alunos aprovados  nº final de matrículas  Coeficiente de recuperação = nº de alunos recuperados  nº de alunos em recuperação 1.816) x 100  733. e 683.457) x 100  436. respectivamente.457 matrículas.1. 1.34 - . no início do ano de 1994.

35 - .9 35. 5 56 6 63 Dados fictícios.823 3 41 4 49 FONTE: Ministério da Saúde.2 26.5 FONTE: MIC e SECEX.1993 DE AVIÃO DE MARCA X REGIÕES QUANTIDADE TEMPERATURA MINUTOS Norte 211.7 15. d. classificando essas séries.712 1993 40.065 EOF 409 448 444 FONTE: Instituto Brasileiro de Siderurgia. PRODUÇÃO BRASILEIRA DE AÇO BRUTO 1991-93 QUANTIDADE (1. e. b. c.663 Galinhas 204. Codornas 2.934 18.1.849 19.2 Europa 33.000 t) PROCESSOS 1991 1992 1993 Oxigênio básico 17.6 EUA e Canadá 28.465 FONTE: IBGE. Classifique as séries: a.209 (ºC) Nordeste 631.637 5.4 África e Oriente Médio 14.7 Ásia e Oceania 10.0 8.9 17. PRODUÇÃO DE BORRACHA AVICULTURA NATURAL 1991-93 BRASILEIRA .0 13.8 5. .785 2 34 Centro-Oeste 185.160 Galos.3 22. Procure exemplos de séries estatísticas em jornais e revistas e copie-os.119. f.000 1991 29.4 25.543 CABEÇAS) 1992 30.040 0 20 Sudeste 1. 2. frangos e pintos 435.488 FONTE: IBGE.698 Forno elétrico 4.708 1 27 Sul 418.2 20. VACINAÇÃO CONTRA A AQUECIMENTO DE UM MOTOR POLIOMELITE .1992 ANOS TONELADAS NÚMERO ESPÉCIES (1.274 4. EXPORTAÇÃO BRASILEIRA 1985-1990-1995 IMPORTADORES 1991 1992 1993 América Latina 13.

889 t. em 1993.. C 202 . oriundas da Arábia Saudita.% 7..... – .000 100.. os dados necessários ao preenchimento da tabela abaixo: MATRÍCULAS NA FACULDADE EM 20. sabendo que os dados a cima forma fornecidos pelo Ministério da Fazenda.. .. a matrícula de 40 alunos e a matrícula efetiva.024 t..0 Cálculos: A → 175 x 1  1781 = 0... E 280 .839. dos Estados Unidos.518.3.804 t. do Japão. TAE = nº de aprovação  nº final de matrículas x 100 = (.. no valor de US$ 1. 1 POR 100 A 175 0... 5.. A taxa de evasão foi de: TEE = nº de evadidos  nº inicial de matrículas x 100 = (40 – 35) x 100  40 = . em dezembro. no valor de US$ 6...36 - . de 35 alunos. no 1º período...843.....034.....469. = .% 8. Total 1781 1. F 540 . ..... SEXO PERÍODOS MASCULINO FEMININO 1º 2º 3º 4º 5º 6º 4... 10... Considere a série estatística: . o seguinte movimento de importação de mercadorias: 14.. no valor de US$ 1..098 9... sabendo que obtiveram aprovação 36 alunos.. Uma faculdade registrou em março.. Verificou-se. junto à secretaria da faculdade...8 B 222 . .. D 362 . ... 561..098 6. .547...) x 100  .104. Confeccione a série correspondente e classifique-a.000... Calcule a taxa de aprovação de um professor de uma classe de 45 alunos.946 e. Complete a tabela abaixo: Nº DE DADOS RELATIVOS ESCOLAS ALUNOS POR.000.. Pesquise.

Qual o desenvolvimento das receitas em relação ao mês de janeiro? 11.794 1.1 Março 44. Como se distribuem as receitas em relação ao total? c.9 Total 184.781 a./ABR. determinando as porcentagens com uma casa decimal e fazendo a compensação. Uma faculdade apresentava.182. Considere a tabela abaixo: EVOLUÇÃO DAS RECEITAS DO CAFÉ INDUSTRIALIZADO JAN. Calcule a taxa de evasão da faculdade. calcule a sua densidade demográfica. a. ALUNOS PERÍODOS % MATRICULADOS 1ª 546 2ª 328 3ª 280 4ª 120 Total 1. b. no final do ano. uma população de 32. b. . apresentou (dados fornecidos pelo IBGE):  população: 15.7 mil habitantes.274 Complete-a. se necessário.3 Fevereiro 54. São Paulo tinha.256 km2. .2007 VALOR MESES (US$ milhões) Janeiro 33. Considere que Minas Gerais. Qual o desenvolvimento das receitas de um mês para o outro? d.8 Dados fictícios.5 Abril 52. Complete-a com uma coluna de taxas percentuais. em 1992. 9. Sabendo que sua área terrestre é de 248. 10.37 - . 12. em 1992. o seguinte quadro: MATRÍCULAS PERÍODOS MARÇO NOVEMBRO 1º 480 475 2º 458 456 3º 436 430 4º 420 420 Total 1.6 mil habitantes. Calcule a taxa de evasão por período.957.

sem a recuperação.F.6. dirige-se a duas cidades A e B.036. por período. f.281. 1. a taxa de recuperação geral. RETIDOS TOTAL GERAL SÉRIE Nº DE Nº DE EM NÃO- DOS SEM SEM RECUPE- E ALUNOS ALUNOS RECU.5 Distribuição de Freqüência . d. a taxa de recuperação. por 7 homens. a taxa de reprovação na recuperação geral. por período. a taxa de mortalidade.03 30.  nascimentos: 292. transportando. sem a recuperação. c. b. Na cidade A são descarregados 65% desses caminhões. g. b. o índice de densidade demográfica. Os caminhões restantes seguem para a cidade B. a taxa de aprovação geral. i. 13. por período. a taxa de natalidade. a taxa de aprovação.  superfície: 586. com os seguintes dados: PROMOVI.  óbitos: 92. Uma frota de 40 caminhões.624 km2. RADOS RETIDOS TURMA 30. Em que cidade se obteve melhor produtividade? 14. e. a taxa de evasão total.38 - . RECU. cada um. PROMO- RECUPE. 8 toneladas. a taxa de retidos. h.11 PERAÇÃO PERADOS VIDOS RAÇÃO PERAÇÃO 1º PER 49 44 35 03 06 05 01 40 04 2º PER 49 42 42 00 00 00 00 42 00 3º PER 47 35 27 00 08 03 05 30 05 4º PER 47 40 33 06 01 00 01 33 07 Total 192 161 137 09 15 08 07 145 16 Calcule: a. RECU. Um professor preencheu um quadro. Calcule: a. a taxa de aprovação. trabalhando 7 horas. onde 4 homens gastam 5 horas para o seu descarregamento. a taxa de evasão.. enviado pela D.

A maneira mais simples de organizar os dados é através de uma certa ordenação (crescente ou decrescente). resultando a seguinte tabela de valores: TABELA 1 ESTATURAS DE 40 ALUNOS DA FACULDADE A 166 160 161 150 162 160 165 167 164 160 162 168 161 163 156 173 160 155 164 168 155 152 163 160 155 155 169 151 170 164 154 161 156 172 153 157 156 158 158 161 A esse tipo de tabela. vemos que há uma concentração das estaturas em algum valor entre 160 cm e 165 cm e. neste capítulo. 1. é difícil formarmos uma idéia exata do comportamento do grupo como um todo. quantos alunos se acham abaixo ou acima de uma dada estatura. como é o caso de notas obtidas pelos alunos de uma classe. qual a menor estatura (173 cm). 1.1. ainda. a ordem que um valor particular da variável ocupa no conjunto. TABELA 2 ESTATURAS DE 40 ALUNOS DA FACULDADE A 150 154 155 157 160 161 162 164 166 169 151 155 156 158 160 161 162 164 167 170 152 155 156 158 160 161 163 164 168 172 153 155 156 160 160 161 163 165 168 173 Agora. que a amplitude de variação foi de 173 – 150 = 23 cm. que há poucos valores abaixo de 155 cm e acima de 170 cm. a partir dos dados não ordenados.6. Suponhamos termos feito uma coleta de dados relativos às estaturas de quarenta alunos. qual a menor ou qual a maior estatura ou. que compõem uma amostra dos alunos de um colégio A. conhecidos os valores de uma variável.39 - . Com um exame mais acurado. estaturas de um conjunto de pessoas.5.5.1 Tabela Primitiva Vamos considerar. salários recebidos pelos operários de uma fábrica etc. podemos saber. e. mais ainda. denominamos tabela primitiva. a forma pela qual podemos descrever os dados estatísticos resultantes de variáveis quantitativas. cujos elementos não foram numericamente organizados. Assim. com relativa facilidade.3 Distribuição de Freqüência .2 Rol Partindo dos dados acima – tabela primitiva – é difícil averiguar em torno de que valor tende a se concentrar as estaturas. A tabela obtida através da ordenação dos dados recebe o nome de rol.6.6. ainda.5.

em Estatística. uma tabela que recebe o nome de distribuição de freqüência: TABELA 3 ESTATURAS FREQ (cm) 150 1 151 1 152 1 153 1 154 1 155 4 156 3 157 1 158 2 160 5 161 4 162 2 163 2 164 3 165 1 166 1 167 1 168 2 169 1 170 1 172 1 173 1 Total 40 Mas o processo dado é ainda inconveniente.No exemplo que trabalhamos. Deste modo. a variável em questão. já que exige muito mais espaço. Chamando de freqüência de uma classe o número de valores da variável pertencente à classe. dizemos que 9 alunos têm estaturas entre 154. assim. pela própria natureza da variável contínua. a solução mais aceitável. estaremos agrupando os valores da variável em intervalos. mesmo quando o número de valores da variável (n) é de tamanho razoável. e 158 cm. de 4 alunos. o número de vezes que aparece repetido.40 - . tal que: 154 ≤ x < 158). de 3 alunos. 154 158 —‫( ׀‬é um intervalo fechado à esquerda e aberto à direita. os dados da Tabela 3 podem ser dispostos como na Tabela 4. e de 1 aluno. 155 cm. estatura. Sendo possível. inclusive. Obtemos. será observada e estudada muito mais facilmente quando dispusermos valores ordenados em uma coluna e colocarmos. 156 cm. 157 cm. se um dos intervalos for. é o agrupamento dos valores em vários intervalos. em vez de dizermos que a estatura de 1 aluno é de 154 cm. Denominamos freqüência o número de alunos que fica relacionado a um determinado valor da variável. preferimos chamar os intervalos de classes. Assim. ao lado de cada valor. denominada distribuição de freqüência com intervalos de classe: Exemplo: . por exemplo. sendo que.

No entanto. na Tabela 3 podemos verificar. também. 2) Denominamos limites de classe os extremos de cada classe. que quatro alunos têm 161 cm de altura e que não existe nenhum aluno com 1.4 Elementos de uma Distribuição de Freqüência 1) Classes de freqüência ou. o limite superior da classe (Li).5. desde o início. podemos afirmar que k = 6. simplesmente. até porque a estatística tem por finalidade específica analisar o conjunto de valores.6. Como a distribuição é formada de seis classes. Notas:  Se nosso intuito é. desinteressando-se por casos isolados. a partir da Tabela 1.2007 ESTATURAS FREQUÊNCIA (cm) 150 154 —‫׀‬ 4 154 158 —‫׀‬ 9 158 162 —‫׀‬ 11 162 166 —‫׀‬ 8 166 170 —‫׀‬ 5 170 174 —‫׀‬ 3 Total 40 Dados fictícios. ganhamos em simplicidade para perdermos em pormenores. o intervalo 154 ι— 158 define a segunda classe (i = 2).. são comumente denominados dados agrupados. por exemplo.. com segurança. TABELA 4 ESTATURAS DE 40 ALUNOS DA FACULDADE A . 3. em nosso exemplo. classes são intervalos de variação da variável. tornar possível o uso de técnicas analíticas para sua total descrição. O menor número é o limite inferior da classe (li) e o maior número. temos: l2 = 154 e L2 = 158 Nota: . a obtenção de uma distribuição de freqüência com intervalos de classe. fazemos uma tabulação. facilmente. As classes são representadas simbolicamente por i.. Ao agruparmos os valores da variável em classes. que onze alunos têm estatura compreendida entre 158 e 162 cm. k (onde k é o número total de classes da distribuição). 2. .41 - . basta. sabemos. Assim. Já na Tabela 4 não podemos ver se algum aluno tem a estatura de 159 cm. O que pretendemos com a construção dessa nova tabela é realçar o que há de essencial nos dados e.71 cm de altura. sendo i = 1. 1.  Quando os dados estão organizados em uma distribuição de freqüência. Na segunda classe. Assim.

42 - . f4 = 8. Assim. como o próprio nome indica.5. temos: f1 = 4. f2 = 9. o indivíduo com uma estatura de 158 cm está incluído na terceira classe (i = 3) e não na segunda. verificamos a relação: AT  hi = k 5) Amplitude amostral (AA) é a diferença entre o valor máximo e o valor mínimo da amostra: AA = x(máx) – x(mín) Em nosso exemplo. f3 = 11. A freqüência simples é simbolizada por fi (lemos: f índice i ou freqüência da classe i). se as classes possuem o mesmo intervalo. é: xi = (li + Li)  2  x2 = (154 + 158)  2 = 156 cm Nota:  O ponto médio de uma classe é o valor que a representa. 6) Ponto médio de uma classe (x i) é. para isso. em nosso exemplo. calculamos a semi-soma dos limites de da classe (média aritmética): xi = (li + Li)  2 Assim. freqüência de uma classe ou de um valor individual é o número de observações correspondentes a essa classe ou a esse valor. f5 = 5 e f6 = 3 . temos: AT = 174 – 14501 = 24  AT = 24 cm Nota:  É evidente que. o ponto médio da segunda classe. 3) Amplitude de um intervalo de classe.4. o ponto que divide o intervalo de classe em duas partes iguais. em nosso exemplo. em termos desta quantidade até menos aquela.  Os intervalos de classe devem ser escritos. simplesmente. o símbolo ‫( —׀‬inclusão de li e exclusão de Li). temos: h2 = L2 – l2  h2 = 158 – 154 = 4 cm 4) Amplitude total da distribuição (AT) é a diferença entre o limite superior da última classe (limite superior máximo) e o limite inferior da primeira classe (limite inferior mínimo): AT = L(máx) – l(mín) Em nosso exemplo. temos: AA = 173 . ou. de acordo com a Resolução 886/66 do IBGE. intervalo de classe é a medida do intervalo que define a classe.150 = 23  AA = 23 cm Observe que a amplitude total da distribuição jamais coincide com a amplitude amostral.6. simplesmente. Assim. Para obtermos o ponto médio de uma classe.li Na distribuição da Tabela 1. empregando. Ela é obtida pela diferença entre os limites superior e inferior dessa classe e indicada por hi. Assim: hi = Li . 7) Freqüência simples ou freqüência absoluta ou.

que deve estar ligado à natureza dos dados. log n onde: i é o número de classe. agora. é a determinação do número de classes e.. n é o número total de dados. Além da regra de Sturges. a seguinte representação tabular técnica: TABELA 5 ESTATURAS DE 40 ALUNOS DA FACULDADE A ESTATURAS i fi (cm) 1 150 154 —‫׀‬ 4 2 154 158 —‫׀‬ 9 3 158 162 —‫׀‬ 11 4 162 166 —‫׀‬ 8 5 166 170 —‫׀‬ 5 6 170 174 —‫׀‬ 3 ∑fi = 40 1. de um julgamento pessoal. a verdade é que essas fórmulas não nos levam a uma decisão final. Essa regra nos permite obter a seguinte tabela: TABELA 6 ESTATURAS fi (cm) 3 5‫׀— ׀‬ 3 6 11‫׀— ׀‬ 4 12 22‫׀— ׀‬ 5 23 46‫׀— ׀‬ 6 47 90‫׀— ׀‬ 7 91 181‫׀— ׀‬ 8 182 362‫׀— ׀‬ 9 . .. consequentemente.43 - .A soma de todas as freqüências é representada pelo símbolo de somatório (∑): ∑(i=1 → k)fi = n Para a distribuição em estudo..5 Número de Classes – Intervalos de Classe A primeira preocupação que temos. temos: ∑(i=1 → 6)fi = 40 ou ∑fi = 40 Podemos. que nos dá o número de classes em função do número de valores da variável: i ≈ 1 + 3. da amplitude e dos limites dos intervalos de classe. Para a determinação do número de classes de uma distribuição podemos lançar mão da regra de Sturges. ainda. da unidade usada para expressa-los e.5. dar à distribuição de freqüência das estaturas dos quarenta alunos da faculdade A.. do objetivo .3 . esta vai depender. existem outras fórmulas empíricas que pretendem resolver o problema da determinação do número de classes que deve ter a distribuição (há quem prefira: i = h).6. Entretanto. na construção de uma distribuição de freqüência. na realidade.

.. resta-nos resolver o problema da determinação da amplitude do intervalo de classe. 4 6 8 —‫׀‬ .... 2..5.. l1 = . Resolva: 1) As notas obtidas por 50 alunos de uma classe foram: 1 2 3 4 5 6 6 7 7 8 2 3 3 4 4 6 6 7 8 8 2 3 4 4 5 6 6 7 8 9 2 3 4 5 5 6 6 7 8 9 2 3 4 5 5 6 7 7 8 9 a. Agora responda: 1.. pela Tabela 6.... 6 ∑fi = 50 b.. 5. . Qual o número de classes da distribuição? 4. i = 6 Logo: h = (173 -150) / 6 = 23/6 = 3. 6.. Qual a amplitude do segundo intervalo da classe? c.. Complete a distribuição de freqüência abaixo: i NOTAS xi fi 1 0 2 —‫׀‬ 1 1 2 2 4 —‫׀‬ .. números que facilitem os cálculos – números naturais. x2 = .44 - . Em nosso exemplo. temos: Para n = 40. seis classes de intervalos iguais a 4... 4. f5 = ...8 ≈ 4 Isto é. procurando.. Complete: 1... devemos arredondá-lo para mais. 3.. evitar classe com freqüência nula ou com freqüência relativa muito exagerada etc.... h3 = . os quais deverão ser tais que forneçam. 1. Qual o limite superior da classe de ordem 2? 6.... sempre que possível..6 Tipos de Freqüências .. na medida do possível.. o que conseguimos dividindo a amplitude total pelo número de classes: h ≈ AT / i Quando o resultado não é exato. n = ...6. 3 4 6 —‫׀‬ .. Qual o limite inferior da quarta classe? 5. para pontos médios. ... . .. Decidido o número de classes que deve ter a distribuição.. Qual a amplitude amostral? 2..que se tem em vista. 5 8 10 —‫׀‬ . Qual a amplitude da distribuição? 3... L3 = . Outro problema que surge é a escolha dos limites dos intervalos.

O que significa existirem 24 alunos com estatura inferior a 162 cm (limite superior do intervalo da terceira classe).925 6 170 174 —‫׀‬ 3 172 0.125 37 0.275 Evidentemente: ∑ fri = 1 ou 100% Nota:  O propósito das freqüências relativas é o de permitir a análise ou facilitar as comparações. a freqüência acumulada correspondente à terceira classe é: F3 = ∑(i=1 → 3) fi = f1 + f2 + f3  F3 = 4 + 9 + 11 = 24. para a terceira classe.. Como vimos. 4) Freqüência acumulada relativa (Fr i) de uma classe é a freqüência acumulada da classe. é: fr3 = f3 /∑ f3  fr3 = 11 / 40 = 0. 2.. em nosso exemplo (Tabela 5).100 4 0.45 - ..800 5 166 170 —‫׀‬ 5 168 0. no exemplo apresentado no início deste capítulo.075 40 1..000 .1) Freqüências simples ou absolutas (fi) são os valores que realmente representam o número de dados de cada classe.. .275 24 0. 3) Freqüência acumulada (Fi) é o total das freqüências de todos os valores inferiores ao limite superior do intervalo de uma dada classe: Fk = f1 + f2 + .600 4 162 166 —‫׀‬ 8 164 0. a soma das freqüências simples é igual ao número total dos dados: fri = fi /∑ fi Logo. a soma das freqüências simples é igual ao número total dos dados: ∑ fi = n 2) Freqüências relativas (fri) são os valores das razões entre as freqüências simples e a freqüência total: Como vimos. dividida pela freqüência total da distribuição: Fri = Fi / ∑ fi Assim. temos: Fri = Fi / ∑ fi  Fri = 24/40 = 0.100 2 154 158 —‫׀‬ 9 156 0.325 3 158 162 —‫׀‬ 11 160 0.000 ∑ = 40 ∑ = 1. k) Assim.200 32 0.6 Considerando a Tabela 3.225 913 0. podemos montar a seguinte tabela com as freqüências estudadas: TABELA 7 ESTATURAS i fi xi fri Fi Fri (cm) 1 150 154 —‫׀‬ 4 152 0. + fk ou Fk = ∑ fi (i = 1. a freqüência relativa da terceira classe.

. a distribuição é chamada distribuição sem intervalos de classe. . b. Assim.F2 = 40 – 13 = 27 1. 24 alunos têm estatura abaixo de 162 cm.5. Quantos alunos têm estatura entre 154 cm.100. 2 e 3. xn fn ∑ fi = n Exemplo: Seja x a variável “número de cômodos das casas ocupadas por vinte famílias entrevistadas”: TABELA 9 i xi fi 1 2 4 2 3 7 3 4 5 4 5 2 . Como f 2 = 9. d.O conhecimento dos vários tipos de freqüência ajuda-nos a responder a muitas questões com relativa facilidade. Quantos alunos têm estatura abaixo de 162? É evidente que as estaturas consideradas são aquelas que formam as classes de ordem 1. Qual a percentagem de alunos cujas estaturas são inferiores a 154 cm? Esses valores são os que formam a primeira classe. e 158 cm? Esses são os valores da variável que formam a segunda classe. . inclusive. nesse caso. . .100 x 100 = 10 Logo. cada valor pode ser tomado como um intervalo de classe (intervalo degenerado) e.7 Distribuição de Freqüência sem Intervalos de Classe Quando se trata de variável discreta de variação relativamente pequena. c. a percentagem de alunos é 10%.46 - . tomando a seguinte forma: TABELA 8 xi fri x1 f1 x2 f2 . o número de alunos é dado por: F3 = ∑(i=1 → 3) fi = f1 + f2 + f3  F3 = 24 Portanto. obtemos a resposta multiplicando a freqüência relativa por 100: 0. Como fr 1 = 0. então: ∑(i=1 → 6) fi – F2 = n .6. como as seguintes: a. Quantos alunos têm estatura não-inferior a 158 cm? O número de alunos é dado por: ∑(i=1 → 6) fi = f3 + f4 + f5 + f6 = 11 + 8 + 5 + 3 = 27 Ou. a resposta é : 9 alunos.

determinando as freqüências simples: i xi fi Fi 1 2 . mas acarreta alguma perda de precisão.. 29 5 6 ...47 - .55 3 4 5 0.80 4 5 2 0.10 18 0.. 2 2 3 .05 20 1. é comum trata-la como uma variável contínua..00 ∑ = 20 ∑ = 1.6.05 19 0. 9 3 4 .20 4 0.. 21 4 5 .25 16 0. Resolva: 1) Complete a distribuição abaixo. temos: TABELA 10 i xi fi fri Fi Fri 1 2 4 0..20 2 3 7 0.00 Nota:  Se a variável toma numerosos valores distintos. 5 6 1 6 7 1 ∑ = 40 Completada com vários tipos de freqüência..95 6 7 1 0.35 11 0.90 5 6 1 0.... Este tratamento (arbitrário) abrevia o trabalho... formando intervalos de classe de amplitude diferente de um.. 34 ∑ = 20 1.6 Atividades Complementares ..

. .1) Conhecidas as notas de alunos: 84 68 33 52 47 73 68 61 73 77 74 71 81 91 65 55 57 35 85 88 59 80 41 50 53 65 76 85 73 60 67 41 78 56 94 35 45 55 64 74 65 94 66 48 39 69 89 86 42 54 Obtenha a distribuição de freqüência.... . .. . 4 24 32 —‫׀‬ 9 . ....00 6) Dada a distribuição de freqüência: .... ∑ = 40 ∑ = 1.... . ....... . . por uma firma comercial: 14 12 11 13 14 13 12 14 13 14 11 12 12 14 10 13 15 11 15 13 16 17 14 14 Forme uma distribuição de freqüência sem intervalos de classe......48 - .. durante um mês.. 3) Considere as notas de um teste de inteligência aplicada a 100 alunos: 64 78 66 82 74 103 78 86 103 87 73 95 82 89 73 92 85 80 81 90 78 86 78 101 85 98 75 73 90 86 86 84 86 76 76 83 103 86 84 85 76 80 92 102 73 87 70 85 79 93 82 90 83 81 85 72 81 96 81 85 68 96 86 70 72 74 84 99 81 89 71 73 63 105 74 98 78 78 83 96 95 94 88 62 91 83 98 93 83 76 94 75 67 95 108 98 71 92 72 73 Forme uma distribuição de freqüência... 5) Complete a tabela abaixo: i CLASSES fi fri Fi Fri 1 0 8 —‫׀‬ 4 ... 3 16 24 —‫׀‬ 14 .... ... 4) A tabela abaixo apresenta as vendas abaixo de um determinado aparelho elétrico.. 2 8 16 —‫׀‬ 10 .. 2) Os resultados do lançamento de um dado 50 vezes foram os seguintes: 6 5 2 6 4 3 6 2 6 5 1 6 3 3 5 1 3 6 3 4 5 4 3 1 3 5 4 4 2 6 2 2 5 2 5 1 3 6 5 1 5 6 2 4 6 1 5 2 4 3 Forme uma distribuição de freqüência sem intervalos de classe.. 5 32 40 —‫׀‬ 3 ..... tendo 30 para limite inferior da primeira classe e 10 para intervalo de classe...

xi 3 4 5 6 7 8 fi 2 5 12 10 8 3 Determine: a. 7) A tabela abaixo apresenta uma distribuição de freqüência das áreas de 400 lotes: ÁREAS 300 ι— 400 ι— 500 ι— 600 ι— 700 ι—800 ι— 900 ι— 1. f. o número de motoristas que sofreram menos de 3 acidentes. o número de lotes cuja área atinge e ultrapassa 800 m2. a percentagem dos lotes cuja área seja maior ou igual a 900 m2. a percentagem dos lotes cuja área não atinge 600 m2. m. o número de motoristas que sofreram no mínimo 3 e no máximo 5 acidentes.000 ι— 1. o número de lotes cuja área não atinge 700 m2. o limite inferior da oitava classe. d. a percentagem dos motoristas que sofreram no máximo 2 acidentes. j.000 m2. ∑ fi b. o número de motoristas que não sofreram nenhum acidente. a classe do 72º lote. c. l. a amplitude total. 9) Complete os dados que faltam na distribuição de freqüência: . d. As freqüências relativas acumuladas. As freqüências relativas. a freqüência acumulada da quinta classe. b. e. no mínimo. o ponto médio da sétima classe. d. a freqüência da quarta classe. b. i. c. n. g. o limite superior da quinta classe. determine: a.100 ι— 1. o número de motoristas que sofreram pelo menos 4 acidentes. As freqüências acumuladas.49 - .2000 (m2) Nº DE 14 46 58 76 68 62 48 22 6 LOTES Com referência a essa tabela. a amplitude do intervalo da segunda classe. k. c. e. mas inferior a 1. a freqüência relativa da sexta classe. 8) A distribuição abaixo indica o número de acidentes ocorridos com 70 motoristas de uma empresa de ônibus: Nº ACIDENTES 0 1 2 3 4 5 6 7 Nº MOTORISTAS 20 10 16 9 6 5 3 1 Determine: a. o. a percentagem dos lotes cuja área é de 500 m2. h. até que classe estão incluídos 60% dos lotes.

1. ..... . 30 0. ....07 ∑ = .... 18 7 6 .00 b.27 5 8 10 —‫׀‬ ... 6 10 12 —‫׀‬ . 7 ... 83 . 8 . 0...... ............04 2 2 4 —‫׀‬ . ∑ = 20 ∑ = 1.. ... i CLASSES xi fi Fi fri 1 0 2 —‫׀‬ 1 4 . .. 15 72 . . 0.. 0.25 13 5 4 3 0............ 6 5 2 ...7 Gráficos Estatísticos ... 2 1 ....15 4 3 2 4 .15 .... a. 4 3 . ..50 - . ∑ = .10 8 14 16 —‫׀‬ . 0.............. 0....18 4 ......... 7 27 . 13 10 93 0...... i xi fi fri Fi 1 0 1 0. 19 8 7 .. 3 4 6 —‫׀‬ 5 ..05 ...

em geral. Veracidade – o gráfico deve expressar a verdade sobre o fenômeno em estudo. duas dimensões: para sua construção. O gráfico em linha constitui uma aplicação do processo de representação das funções num sistema de coordenadas cartesianas. Exemplo: a. no investigador ou no público em geral. destacamos: 1.000 t) 1987 39. os cartogramas e os pictogramas. uma impressão mais rápida e viva do fenômeno em estudo.7. A representação gráfica de um fenômeno deve obedecer a certos requisitos fundamentais para ser realmente útil: a. consideremos a seguinte série: PRODUÇÃO BRASILEIRA DE ÓLEO DE DENDÊ 1987-92 QUANTIDADE ANOS (1.1 1992 59.1 Gráfico em Linha ou em Curva Este tipo de gráfico se utiliza da linha poligonal para representar a série estatística. c. já que os gráficos falam mais rápido à compreensão que às séries. fazemos uso do sistema cartesiano. Para tornarmos possível uma representação gráfica. assim como de traços desnecessários que possam levar o observador a uma análise morosa ou com erros. . Os principais tipos de gráficos são os diagramas. Clareza – o gráfico deve possibilitar uma correta interpretação dos valores representativos do fenômeno em estudo. no máximo. de tal modo que cada elemento da série seja representado por uma figura proporcional.Definição: O gráfico estatístico é uma forma de apresentação dos dados estatísticos.9 1990 65.7. Vamos tomar os anos como abscissas e as quantidades como ordenadas.3 1988 39.5 FONTE: Agropalma. Simplicidade – o gráfico deve ser destituído de detalhes de importância secundária.51 - . Para tornar bem clara a explanação.1 1989 53. cujo objetivo é o de produzir. estabelecemos uma correspondência entre os termos da série e determinada figura geométrica. Dentre os principais diagramas. 1. b.1 Diagramas Definição: Os diagramas são gráficos geométricos de.1.1 1991 69.

No mundo.Assim.000. um ano dado (x) e a respectiva quantidade (y) formam um par ordenado (x.00 de acordo com o SNEA. incluindo grandes jatos de transporte.52 - . foram perdidas e centenas de pessoas.000. b. FONTE: Agropalma. diversas aeronaves. c. que pode ser representado num sistema cartesiano. dentre tripulantes e passageiros. Em 2005 as grandes empresas aéreas sofreram prejuízos superiores a U$ 5. . faleceram devido aos acidentes provocados pela colisão com aves. y).

1.196 1990 11.7. dispostos verticalmente (em colunas) ou horizontalmente (em barras).2 Gráfico em Colunas ou em Barras É a representação de uma série por meio de retângulos. Gráfico em colunas PRODUÇÃO BRASILEIRA DE CARVÃO MINERAL BRUTO 1987-92 QUANTIDADE ANOS PRODUZIDA (1. . PRODUÇÃO BRASILEIRA DE CARVÃO MINERAL BRUTO 1989-92 20000 mil toneladas 15000 10000 5000 0 1989 1990 1991 1992 FONTE: Ministério da Agricultura. Exemplos: a.241 FONTE: Ministério da Agricultura.000 t) 1989 18.169 1991 10.468 1992 9.1.53 - .

1995 São Paulo Minas Gerais Rio Grande do Sul Espírito Santo Paraná Santa Catarina 0 500 1000 1500 milhões dólares FONTE: SECEX Notas: .344 Minas Gerais 542 Rio Grande do Sul 332 Espírito Santo 285 Paraná 250 Santa Catarina 202 FONTE: SECEX EXPORTAÇÕES BRASILEIRAS MARÇO . b.54 - . Gráfico em Barras EXPORTAÇÕES BRASILEIRAS MARÇO-1995 VALOR ESTADOS (US$ milhões) São Paulo 1.

se ainda assim preferirmos o gráfico em colunas.1983-93 FONTE: Ministério da Fazenda. 40.793 38.000 US$ milhões 20.000. e a decrescente.661 BALANÇA 21.000) ESPECIFICAÇÕES 1989 1990 1991 1992 1993 Exportação (FOB) 34. 1.55 - 0 1989 1990 1991 1992 1993 .414 31.263 20.783 Importação 18. se a série for histórica.000 exportação importação 10. devemos dar preferência ao gráfico em barras (séries geográficas e específicas). por questões estéticas.383 31. não deverá ser menor que a metade nem maior que os dois terços da largura (ou da altura) dos retângulos. dois ou mais fenômenos estudados com o propósito de comparação. os dizeres deverão ser dispostos de baixo para cima.3 Gráfico em Colunas ou em Barras Múltiplas Este tipo de gráfico é geralmente empregado quando queremos representar.7.554 25.000 .1. Exemplo: BALANÇA COMERCIAL DO BRASIL 1989-93 VALOR (US$ 1. simultaneamente.711 COMERCIAL BRASIL . nunca ao contrário.620 35.  Sempre que os dizeres a serem inscritos são extensos.  A ordem a ser observada é a cronológica. Porém.041 20.  A distância entre as colunas (ou barras).000 30. se for geográfica ou categórica.

Os setores são tais que suas áreas são respectivamente proporcionais aos dados da série. Exemplo: Dada a série: . 1. O total é representado pelo círculo. e é empregado sempre que desejamos ressaltar a participação do dado no total.4 Gráfico em Setores Este gráfico é construído com base em um círculo. Obtemos cada setor através de uma regra de três simples e direta.56 - . FONTE: Ministério da Fazenda.1.7. lembrando que o total da série corresponde a 360º. que fica dividido em tantos setores quantas são as partes.

FONTE: IBGE.035. O gráfico faz uso do sistema de coordenadas polares. → o consumo de energia elétrica durante o mês ou o ano. no máximo.138.5 FONTE: IBGE.7.6.2 Gráfico Polar É o gráfico ideal para representar séries temporais cíclicas. séries temporais que apresentam em seu desenvolvimento determinada periodicidade.  Se a série já apresenta os dados percentuais. Exemplos: → a variação da precipitação pluviométrica ao longo do ano ou da temperatura ao longo do dia.9 Total 6.363. sete dados. isto é.57 - .5 São Paulo São Paulo 2.4 Rio de Janeiro Rio de Janeiro 308.7 Espírito Santo Espírito Santo 430. obtemos os respectivos valores em graus multiplicando o valor percentual por 3. Notas:  O gráfico em setores só deve ser empregado quando há.1992 1992 QUANTIDADE ESTADOS (mil Minas cabeças) Gerais Minas Gerais 3. 1. REBANHO SUÍNO DO SUDESTE REBANHO SUÍNO DO SUDESTE DO DO BRASIL BRASIL . → o número de passageiros de uma linha de ônibus ao longo da semana. .

 Marcamos os valores correspondentes da variável.  Se. empregamos uma linha interrompida.8 Novembro 28.7 Junho 277.  Ligamos os pontos encontrados com segmentos de reta.6 Fevereiro 93. semi-retas passando pelos pontos de divisão.6 Agosto 161.6 Abril 135.  Traçamos uma circunferência de raio arbitrário (em particular.9 Julho 183.3 Setembro 49.  Dividimos a circunferência em tantos arcos quantas forem as unidades temporais. PRECIPITAÇÃO PLUVIOMÉTRICA RECIFE .3 Maio 214.2 Outubro 40.1993 MESES MILÍMETROS Janeiro 49.6 Dezembro 33.1 Março 63.Exemplo: → Dada a série: PRECIPITAÇÃO PLUVIOMÉTRICA RECIFE .1993 OUT SET NOV DEZ AGO JUL JAN 300 FEV JUN MAI MAR ABR FONTE: Ministério da Agricultura . iniciando pela semi-reta horizontal (eixo-polar).3 FONTE: Ministério da Agricultura.  Traçamos a partir do centro 0 (pólo). pretendemos fechar a poligonal obtida.  Construímos uma semi-reta (de preferência na horizontal) partindo de O (pólo) e com uma escala (eixo polar).58 - . damos preferência ao raio de comprimento proporcional à media dos valores da série).

Este gráfico é empregado quando o objetivo é o de figurar os dados estatísticos diretamente relacionados com áreas geográficas ou políticas. Distinguimos duas aplicações: a. b. em número proporcional aos dados. lançamos mão. dos pontos. em geral.1. Representar dados absolutos (população) – neste caso. Representar dados relativos (densidade) – neste caso. de hachuras ou cores.59 - . em geral. lançamos mão.7. Exemplo: .3 Cartograma O cartograma é a representação sobre uma carta geográfica.

Nota:  Quando os números absolutos a serem representados forem muito grandes. 1. A representação gráfica consta de figuras.7. pela sua forma ao mesmo tempo atraente e sugestiva.4 Pictograma O pictograma constitui um dos processos gráficos que melhor fala ao público. no lugar de pontos podemos empregar hachuras. Exemplos: .60 - .

61 - .1988-91 QUANTIDADE VOLUME ANOS ANOS (1.184 1991 165.978 FONTE: ANFAVEA.659 Sul 615.7.278 1992 167.1 1993 37. FONTE: IBGE.4 1988 9.295 68.000 t) ANOS EXPORTAÇÃO IMPORTAÇÃO 1984 141.387 Nordeste 414. 3. PRODUÇÃO BRASILEIRA ENTREGA DE GASOLINA DE PETRÓLEO BRUTO PARA CONSUNO 1991-93 BRASIL .164.3 1990 10.085 1989 177.180.1993 QUANTIDADE TIPOS QUANTIDADE REGIÕES (1. . Comércio e Turismo.059 1993 183.351 48.121.832 60. represente as tabelas: a.870 1986 133.737 53.345.267.666 58.597 1987 142.5 Atividades Complementares 1. PRODUÇÃO DE OVOS PRODUÇÃO DE VEÍCULOS DE DE GALINHA AUTOPROPULSÃO BRASIL .794 1.100.345 FONTE: IBGE.293 1990 168.7 1992 36.813 Total 1. Represente as tabelas usando o gráfico em colunas: a.000 dúzias) Automóveis 1.378 61.771 Sudeste 984.781 Fonte: Min.033 57.1.297 Comerciais leves 224.804 Comerciais pesados 66.000 m3) (1. Represente a série abaixo usando o gráfico em linha: COMÉRCIO EXTERIOR BRASIL – 1984-93 QUANTIDADE (1.723.5 1989 9.3 1991 12.1992 BRASIL . Usando o gráfico em barras.4 FONTE: Petrobrás.410.561 77. b.000 m3) 1991 36.095 57.975 1988 169.988 1985 146. 2. Centro-Oeste 126.974 63. Indústria. b.278 Norte 57.

80 Novembro 175.28 Espírito Santo 3. 5.7 Fevereiro 41.3 FONTE: Sindam.30 Janeiro 165. .4.62 - . Represente a tabela por meio de um gráfico de colunas múltiplas: EXPORTAÇÃO BRASILEIRA 1985-1990-1995 NATUREZA ANOS PRÓPRIOS (%) ALUGADOS (%) CEDIDOS (%) 1990 62.912 Centro-Oeste 18. b.86 FONTE: Instituto Brasileiro de Siderurgia. ÁREA TERRESTRE PRODUÇÃO DE FERRO GUSA BRASIL BRASIL .5 13.1993 RELATIVA UNIDADES DA PRODUÇÃO REGIÕES (%) FEDERAÇÃO (1. 6.174 Sudeste 10.70 Junho 102.3 Agosto 46.00 FONTE: IBGE.9 Junho 44.85 Rio de Janeiro 5.7 22. Represente as tabelas por meio de gráficos polares: a.55 Março 71.008 Sul 6.4 1991 70.6 Abril 47.1 Dezembro 35.7 Julho 41.6 Março 38. Represente as tabelas por meio de gráficos em setores: a.20 Fevereiro 106.3 16.8 Novembro 52.76 São Paulo 2.00 Setembro 72.70 Abril 34. VENDA DE VACINA CONTRA PRECIPITAÇÃO AFTOSA PLUVIOMÉTRICA BRASIL .888 Nordeste 18.1993 MESES MILÍMETROS MESES MILÍMETROS Janeiro 37.1992 FLORIANÓPOLIS .65 Maio 184. Total 100. FONTE: Ministério da Agricultura.40 Dezembro 198.2 FONTE: IBGE.25 Minas Gerais 12.8 Setembro 41.00 Agosto 36.000 t) Norte 45.20 Julho 198.00 Outubro 147.2 Outubro 55.9 14. b.7 Maio 40.

as medidas de posição – estatísticas que representam uma série de dados orientando-nos quanto à posição da distribuição em relação ao eixo horizontal (eixo das abscissas). necessitamos introduzir conceitos que se expressem através de números que nos permitem traduzir essas tendências. d. medidas de variabilidade ou dispersão. no meio ou no final. Dentre os elementos típicos. ou. medidas de curtose. .1 Medidas de Tendência Central Podemos localizar a maior concentração de valores de uma dada distribuição. destacamos. a mediana.1 Média Aritmética (X) Definição: Média Aritmética é o quociente da divisão da soma dos valores da variável pelo número deles: X =  xi  n Sendo: X a média aritmética. ainda. c. As outras medidas de posição são as separatrizes. xi os valores da variável. os percentis. isto é. se ela se localiza no início. que recebem tal denominação pelo fato de os dados observados tenderem. os quartis. ou em confronto com outras. medidas de posição. b.2 MEDIDAS ESTATÍSTICAS 2.1.63 - . para ressaltar as tendências características de cada distribuição. Dentre as medidas de tendência central. destacamos: a. b. em geral. Esses conceitos são denominados elementos típicos da distribuição e são as: a. a moda. que englobam: a. a se agrupar em torno dos valores centrais. n o número de valores. c. c. Porém. b. 2. a própria mediana. neste capítulo. isoladamente. a média aritmética. se há uma distribuição por igual. As medidas de posição mais importantes são as medidas de tendência central. medidas de assimetria.

2. 16.. a média do conjunto fica multiplicada (ou dividida) por essa constante: y1 = x1 .1.64 - . 13.1.1 Dados Não-Agrupados Quando desejamos conhecer a média dos dados não-agrupados... determinamos a média aritmética simples. temos. Designando o desvio por d1. 18 e 1 litros.3 Propriedades da Média k 1) A soma algébrica dos desvios tomados em relação a média é nula:  i 1 d1 = 0 7 No exemplo anterior. a média do conjunto fica aumentada (ou diminuída) dessa constante: y1 = xi ± c => Y=X±c Somando 2 a cada um dos valores da variável do exemplo dado. y3 = 39.. ... y2 = 42.1.. y3 = 15. vem: Y = 112 ÷ 7 = 16 => Y = 14 + 2 => Y=x+2 3) Multiplicando-se (ou dividindo-se) todos os valores de uma variável por uma constante (c). foi de 10.1.. 15.2 Desvio em Relação à Média Desvio em relação ã média é a diferença entre cada elemento de um conjunto de valores e a média aritmética. para produção média da semana: X = (10 + 14 + 13 + 15 + 16 + 18 +1) : 7 = 14 Logo: X = 14 litros 2. .. + 14 = 112 Como n = 7.. d7 = -2 2. + 7 = 0 2) Somando-se (ou subtraindo-se) uma constante (c) de todos os valores de uma variável. 3 . durante uma semana. + 36 = 294 Como n = 7. temos: y1 = 12. Exemplos: → Sabendo-se que a produção leiteira diária de vaca A. temos: d1 = x1 – X d1 = 10 – 14 = -4 d2 = 0 . temos:  i 1 d1 = (-4) + 0 + (-1) + .. y2 = 16. obtemos: y1 = 30.. 14. vem: y= 294 ÷ 7 = 42 => y= 14 x 3 => y= x . y7 = 36 7 Daí: i 1 y1 = 30 + 42 + 39 + . c => Y=X.1..c ou y1 = x 1 ÷ c => Y=X÷c Multiplicando por 3 cada um dos valores da variável do exemplo dado...1. y7 = 14 7 Daí:  i 1 y1 = 12 + 16 + 15 + .

neste caso.3 Dados Agrupados 2.1 No DE fi MENINOS 0 2 1 6 2 10 3 12 4 4 ∑ = 34 Neste caso.. como ∑ = 34 ∑ = 78 interpretar o resultado obtido. ∑ = . como as freqüências são números indicadores da intensidade de cada valor da variável... porém.1... então: ∑ xifi = 78 e ∑ fi 0 2 0 Logo: X = (∑ xifi) ÷ (∑ fi) = 78 ÷ 34 = 2.. dada pela fórmula: X = (∑ xifi) ÷ (∑ fi) O modo mais prático de obtenção da média ponderada é abrir.. uma coluna correspondente ao produto xifi: TABELA 2.3 1 6 6 2 10 20 3 12 36 Nota: 4 4 16  Sendo x uma variável discreta..65 - 6 1 . que o maior número de famílias tem 2 meninos e 2 meninas.2. tomando para variável o número de filhos do sexo masculino: TABELA 2. ∑ = . .. 4 8 ... o que nos leva a calcular a média aritmética ponderada.1 Sem Intervalos de Classe Consideremos a distribuição relativa a 34 famílias de quatro filhos.1. .2 xi fi xif i Temos. 5 3 . 2 meninos e 3 décimos de menino? O valor médio 2. 3 6 .1.3.1... Resolva: Complete o esquema para o cálculo da média aritmética da distribuição: xi 1 2 3 4 5 6 fi 2 4 6 8 3 1 Temos: xi fi xif i 1 2 2 2 4 . elas funcionam como fator de ponderação. na tabela.3 meninos sugere. a tendência geral de uma leve superioridade numérica em relação ao número de meninos.. sendo.

.2 Com Intervalos de Classe Neste caso.. e determinamos a média aritmética ponderada por meio da fórmula: = (∑ xifi) ÷ (∑ fi) Onde xi é o ponto médio da classe. ÷ .4 ESTATURAS i fi xi xifi (cm) 1 150 ι— 154 4 152 608 2 154 ι— 158 9 156 1.. inicialmente.. neste caso: ∑ xifi = 6. abrir uma coluna para os pontos médios e outra para os pontos xifi: TABELA 2. e X = (∑ xifi) ÷ (∑ fi) Temos: X = .050 ι— 1.404 3 158 ι— 162 11 160 1...440.760 4 162 ι— 166 8 164 1.440 ÷ 40 = 161 cm Resolva: Complete o esquema para o cálculo da média aritmética da distribuição: xi 450 ι— 550 ι— 650 ι— 750 ι— 850 ι— 950 ι— 1.. = 3....440 Como.4 2.Como: ∑ xifi = .. Consideremos a distribuição: TABELA 2.312 5 166 ι— 170 5 168 840 6 170 ι— 174 3 172 516 ∑ = 40 ∑ = 6. ∑ fi = 40 e X = (∑ xifi) ÷ (∑ fi) Temos: X = 6.150 fi 8 10 11 16 13 5 1 Temos: ..66 - .3 ESTATURAS i fi (cm) 1 150 ι— 154 4 2 154 ι— 158 9 3 158 ι— 162 11 4 162 ι— 166 8 5 166 ι— 170 5 6 170 ι— 174 3 ∑ = 40 Pela mesma razão do caso anterior.2. vamos.4.1. ∑ xifi = . convencionamos que todos os valores excluídos em um determinado intervalo de classe coincidem com o seu ponto médio..

calcular a média da distribuição da Tabela 2. 16 .. 4 . 7 1..2.. ao mesmo tempo... baseado em uma mudança da variável x por outra y.4. ela resulta diminuída de x0 e dividida por h.. y6 =(172 – 160) ÷ 4 = 3 Vamos. = R$ 755. ÷ .. a fórmula modificada....67 - .. de acordo com a segunda e a terceira propriedades da média.... Começamos por completar a tabela dada com as colunas correspondentes aos pontos médios (xi).. i xi fi xifi 1 500 8 4.1.. tal que: y1 = (x1 – x0) ÷ h onde x0 é uma constante arbitrária escolhida convenientemente dentre os pontos médios da distribuição – de preferência o de maior freqüência. tomando para o valor x 0 o ponto médio de maior freqüência (se bem que podemos tomar qualquer dos valores do ponto médio).. ∑ = . então. então... a distribuição da Tabela 2.... 10 . mas isso pode ser compensado somando x0 a média da nova variável e. multiplicando-a por h...5 ESTATURAS i fi xi fi xifi (cm) 1 150 ι— 154 4 152 -2 -8 0 2 154 ι— 158 9 156 -1 -9 -17 3 158 ι— 162 11 160 0 0 0 4 162 ι— 166 8 164 1 8 0 5 166 ι— 170 5 168 2 10 0 .. Fazendo essa mudança de variável. 5 .3 Processo Breve Com o intuito de eliminarmos o grande número de cálculos que as vezes se apresentam na determinação da média. 13 ... X = x0 + (∑ yifi x h) ÷ (∑ fi) Assim... Logo: X = . 3 . aos valores da nova variável (yi) e aos produtos yifi: TABELA 2.. ∑ = . 6 ..3...00 2.... Resulta.. 5 .... temos para valores da nova variável: y1 =(152 – 160) ÷ 4 = -2 y2 =(156 – 160) ÷ 4 = -1 ...000 2 ..100 1 ..... isto é: x0 = 160 como h = 4.. 11 .3 pelo processo breve. empregamos o que denominamos processo breve (em oposição ao processo utilizado anteriormente – processo longo).

e. . x0 = 160. -2. 2. então. -3. 4) Abrimos uma coluna para os valores do produto y ifi. ∑ fi = 40 e h = 4. ∑ yifi = 10. conservando os sinais + ou -. logo abaixo. Substituindo esses valores na fórmula: X = x0 + (∑ yifi x h) ÷ (∑ fi) Vem: X = 160 + 10 x 4 ÷ 40 = 160 + 1 = 161 cm Notas:  O processo breve.. bastando fazer h = 1.  O processo breve pode. logo acima do zero.. ser aplicado para as distribuições sem intervalos de classe.. e a seqüência 1. também.68 - . 6 170 ι— 174 3 172 3 9 27 x0 = 160 ∑ = 40 ∑ = 10 Temos. a seqüência -1. somamos algebricamente esses produtos.050 ι— 1. com a nova variável definida por nós. da distribuição: xi 450 ι— 550 ι— 650 ι— 750 ι— 850 ι— 950 ι— 1..000 5 2 10 0 .. . 3. só pode ser usado em distribuições que apresentam intervalos de classe de mesma amplitude. Fases para o cálculo da média pelo processo breve: 1) Abrimos uma coluna para os valores xi 2) Escolhemos um dos pontos médios (de preferência o de maior freqüência) para o valor de x0. 3) Abrimos uma coluna para os valores de y 1 e escrevemos zero na linha correspondente a classe onde se encontra o valor de x0.150 fi 8 10 11 16 13 5 1 Temos: i xi fi yi xif i 1 500 8 -3 -24 0 2 600 10 -2 -20 0 3 700 1 -1 -11 -55 4 800 16 0 0 0 5 900 13 1 13 0 6 1. Exercício Resolvido: 1) Calcule a média aritmética. pelo processo breve. 5) Aplicamos a fórmula. em seguida..

10. procurar o valor que mais se repete... A série de dados: 7.. 10. 5..2 A Moda (Mo) Definição: Denominamos moda o valor que ocorre com maior freqüência em uma série de valores.1. 12. 5 .. .. 9. ∑ = . . 8.. 2 . ...00 Resolva: Complete o esquema para o cálculo da média aritmética da distribuição: xi 30 ι— 50 ι— 70 ι— 90 ι— 110 ι— 130 fi 2 8 12 10 5 Temos: i xi fi yi xif i 1 40 .69 - . 3 .. encontrar séries nas quais não exista valor modal. 13... 2... x .. de acordo com a definição.. a moda é facilmente reconhecida: basta. ∑ = . .. 13 . 7 1. isto é.. isto é. . = 84... 8.2..... . 10. o salário modal dos empregados de uma indústria é o salário mais comum.. 12.1 Dados Não-Agrupados Quando lidamos com valores não-agrupados.3 Emprego da Média A média é utilizada quando: a) Desejamos obter a medida de posição que possui a maior estabilidade. . nos quais nenhum valor apareça mais vezes que outros. .. Podemos. 12 ... entretanto...... 2.. Como: h = ..... . 10. Vem: X = x0 + (∑ yifi x h) ÷ (∑ fi) = .. + .. ÷ .... 4 ... b) Houver a necessidade de um tratamento algébrico ulterior.1.... .. . 2 . 15 Tem moda igual a 10.69 = R$ 755... É o caso da série: 3. 11. Desse modo.100 1 3 3 26 x0 = 800 ∑ = 64 ∑ = -29 Como: h = 100 Vem: X = x0 + (∑ yifi x h) ÷ (∑ fi) = 800 + (-29) 100 ÷ 64 = 754. x0 = .. . o salário recebido pelo maior número de empregados dessa indústria...

8.1 Sem Intervalos de Classe Uma vez agrupados os dados. pode haver dois ou mais valores de concentração. Logo: Mo = 3 2.1. que a série tem dois ou mais valores modais. 6. 9 Temos duas modas: 4 e 7 (bimodal). ao contrário. neste caso. Em outros casos. Damos a esse valor a denominação de moda bruta. Assim. 4. 4. h* é a amplitude da classe modal.1. 5. Na série: 2. é o valor dominante que está compreendido entre os limites da classe modal. L* é o limite superior da classe modal. 7. como.Que não apresenta moda (amodal).70 - . 2.1.1 Dados Agrupados 2. para a distribuição: TABELA 2. Pela definição. outros métodos mais elaborados. 3. 4. 7. Dizemos.2. o que faz uso da fórmula de Czuber: Mo = l* + D1 ÷ (D1 + D2) x h* Na qual: l* é o limite inferior da classe modal. O método mais simples para o cálculo da moda consiste em tomar o ponto médio da classe modal. Temos. então: Mo = (l* + L*) ÷ 2 Onde: l* é o limite inferior da classe modal. l* = 158 e L* =162.1. . para o cálculo da moda. a freqüência máxima (12) corresponde o valor 3 da variável. é possível determinar imediatamente a moda: basta fixar o valor da variável de maior freqüência.2. por exemplo.1. Como: Mo = (l* + L*) ÷ 2 Vem: Mo = (158 + 162) ÷ 2 = 160 cm Nota:  Há.2 Com Intervalos de Classe A classe que apresenta a maior freqüência é denominada classe modal. 7.5 ESTATURAS i fi (cm) 1 150 ι— 154 4 2 154 ι— 158 9 3 158 ι— 162 11 4 162 ι— 166 8 5 166 ι— 170 5 6 170 ι— 174 3 ∑ = 40 Temos que a classe modal é i = 3. podemos afirmar que a moda.2. Na distribuição da Tabela 1. então.

a mediana de um conjunto de valores.. para a distribuição da Tabela 1.3 A Mediana (Md) Definição: A mediana é outra medida de posição definida como o número que se encontra no centro de uma série de números. Sendo: f* a frequência simples da classe modal. estando estes dispostos segundo uma ordem. ordenados segundo uma ordem de grandeza. Emprego da Moda A moda é utilizada: a) Quando desejamos obter uma medida rápida e aproximada de posição.. Assim. . f(post) a freqüência simples da classe posterior à classe modal....) ÷ 2 = ....1.71 - . 2. pois: Mo = (. é o valor situado de tal forma no conjunto que separa em dois subconjuntos de mesmo número de elementos. temos: D1 = 11 – 9 = 2 e D2 = 11 – 8 = 3 Donde: Mo = 158 + 2 (2 + 3) x 4 = 158 + 2 x 4 (2 + 3) = 158 + 8 ÷ 5 = 159.f(ant). ÷ 2 = R$ ... Logo: l* = . + .. b) Quando a medida de posição deve ser o valor mais típico da distribuição. D2 = f* ... f(ant) a freqüência simples da classe anterior à classe modal........ Em outras palavras. D1 = f* .... Temos.f(post).. e L = .6 cm Resolva: Complete o esquema para o cálculo da moda da distribuição de freqüência: CUSTOS i fi (R$) 1 450 ι— 550 8 2 550 ι— 650 10 3 650 ι— 750 11 4 750 ι— 850 16 5 850 ι— 950 13 6 950 ι— 1050 5 7 1050 ι— 1150 1 ∑ = 64 A classe modal é a de ordem .

como vimos. pelos valores extremos). 16. o cálculo da mediana se processa de modo muito semelhante àquele dos dados não agrupados. 15. por definição. por exemplo: 5. 18. 13. 10.72 - . por exemplo. Na primeira série apresentada.1. temos: X = 10. 21 Tem para mediana a média aritmética entre 10 e 12. a série dada tiver um número par de termos. Essa é uma das diferenças marcantes da mediana e a média (que se deixa influenciar. 10.para n = 9. a média do segundo conjunto de valores é maior do que a do primeiro. por valor mediano. 6. 10. temos 8 ÷ 2 = 4 e (8 ÷ 2) + 1= 5. há coincidência.3.2. nessa série.o termo de ordem (n + 1) ÷ 2.1 Dados Não-Agrupados Dada uma série de valores. 13. muitas vezes. a mediana é a média aritmética do quarto e do quinto termos da série. 5. 65  X= 20 e Md = 10 Isto é. se n for ímpar. o valor mediano será: . 7. 7. Podemos comprovar tal fato nas séries dadas: . depende da posição e não dos valores dos elementos na série ordenada. Logo: Md = (10 + 12) ÷ 2 = 11 Verificamos que. 2. 10. 6. tomamos aquele valor central que apresenta o mesmo número de elementos à direita e à esquerda. Logo. 9 De acordo com a definição de mediana. então: Md = 10 Se. 6. Assim. qualquer dos números compreendidos entre os dois valores centrais da série. 10. como. ao passo que a mediana permanece a mesma. . 18. porém. o primeiro passo a ser dado é o da ordenação (crescente ou decrescente) dos valores: 2.para n = 8. temos (9 + 1) ÷ 2 = 5. 15.2 Dados Agrupados Se os dados se agrupam em uma distribuição de freqüência. Essa propriedade das medianas pode ser constatada através dos exemplos a seguir: 5. o mesmo valor.  A mediana e a média aritmética não têm. 13. estando ordenados os valores de uma série e sendo n o número de elementos da série.4 e Md = 10  A mediana. O mesmo não acontece. como vimos. já que. 15  X = 10 e Md = 10 5. a mediana será.  A mediana é designada. e muito. Quando o número de elementos da série é ímpar.1.3. 7. se n for par. 16. necessariamente. Em nosso exemplo. 13. . quando esse número é par. isto é: Md = 10 . implicando. a mediana é o quinto termo da série. Convencionou-se utilizar o ponto médio. porém. 9. a série de valores: 2. há quatro elementos acima dele e quatro abaixo. 2. 18 Em seguida. Temos. 12.a média aritmética dos termos de ordem n ÷ 2 e (n ÷ 2) + 1. por influência dos valores extremos. esse valor é o 10. 13. isto é: Md = (10 + 2) ÷ 2 = 11 Notas:  O valor da mediana pode coincidir ou não com um elemento da série. Logo.

porém. Ainda aqui. a determinação prévia das freqüências acumuladas.1.3 Sem intervalos de classe Neste caso. sendo este o valor mediano. que corresponde ao valor 2 da variável. A mediana será aquele valor da variável que corresponde a tal freqüência acumulada: TABELA 2.73 - . a mediana será a média aritmética entre o valor da variável correspondente a essa freqüência acumulada e o seguinte. Logo: Md = 2 meninos Nota:  No caso de existir uma freqüência acumulada (F1). é dada por: (∑ f1) ÷ 2 2. xi 2 4 6 8 10 .6 Nº DE fi Fi MENINOS 0 2 2 1 6 8 2 10 18 3 12 30 4 4 34 ∑ = 34 Sendo: (∑ f1) ÷ 2 = 34 ÷ 2 = 17 A menor freqüência acumulada que supera esse valor é 18. tal que: F1 = (∑ f1) ÷ 2 A mediana será dada por: Md = (xi + xi + 1) ÷ 2 Isto é. porém.3.7 xi fi Fi 12 1 1 14 2 3 15 1 4 16 2 6 17 1 7 20 1 8 ∑=8 Temos: 8 ÷ 2 = 4 = F3 Logo: Md = (15 + 16) ÷ 2 = 31 ÷ 2 = 15. Exemplo: TABELA 2. é o bastante identificar a freqüência acumulada imediatamente superior à metade da soma das freqüências.5 Resolva: 1) Complete o esquema para o cálculo da mediana das distribuições: a. temos que determinar um valor tal que divida a distribuição em dois grupos que contenham o mesmo número de elementos. a partir de qualquer um dos extremos. Para o caso de uma distribuição.

acrescida das freqüências acumuladas: TABELA 6 ESTATURAS i fi Fi (cm) 1 150 ι— 154 4 4 2 154 ι— 158 9 13 3 158 ι— 162 11 24  classe mediana 4 162 ι— 166 8 32 5 166 ι— 170 5 37 6 170 ι— 174 3 40 ∑ = 40 Temos: (∑ f1) ÷ 2 = 40 ÷ 2 = 20 Como há 24 valores incluídos nas três primeiras classes da distribuição e como pretendemos determinar o valor que ocupa o 20º lugar. ÷ 2 Vem: Md = .4 Com intervalos de classe Neste caso. considerando a distribuição da Tabela 3.. z partir do limite inferior... devemos tomar... um problema de interpolação (inserção de uma determinada quantidade de valores entre dois números dados) resolve a questão. a partir do início da série. Feito isto. Como há 11 elementos nessa classe e o intervalo de classe é igual a 4. admitindo-se..74 - . temos inicialmente que determinar a classe na qual se acha a mediana – classe mediana. aquela correspondente à freqüência acumulada imediatamente superior a (∑ f1) ÷ 2.1.. ∑ = .... 4 7 10 6 12 . evidentemente. 8 8 30 10 4 . Tal classe será. agora. Como: ∑ fi ÷ 2 = . Assim.3.. fi 3 7 12 8 4 Temos: xi fi Fi 2 3 ... 2. supondo que as seqüências dessas classes estejam uniformemente distribuídas.. vemos que este deve estar localizado na terceira classe (i =3). o problema consiste em determinar o ponto do intervalo em que está compreendida a mediana. a distância: (20 – 13) ÷ 11 x 4 = 7 ÷ 11 x 4 E a mediana será dada por: . que os valores se distribuam uniformemente em todo o intervalo de classe. Para tanto.

. h* é a amplitude do intervalo da classe mediana... .050 . . executamos os seguintes passos: Fases para o cálculo da média pelo processo breve: 1) Determinamos as freqüências acumuladas. ... empregamos a fórmula:   fi    F (ant ) h *  2  Md  f *   f* Na qual: l* é o limite inferior da classe mediana. 5 850 ι— 950 .. F* (ant) é a freqüência acumulada da classe anterior à classe mediana.. 7 1.. xi 450 ι— 550 ι— 650 ι— 750 ι— 850 ι— 950 ι— 1....050 ι— 1.. Então: l* = 158... . 3) Marcamos a classe correspondente à freqüência acumulada imediatamente superior à (∑ f1) ÷ 2 − classe mediana − e. obtemos: Md = 158 + (20 – 13) 4 ÷ 11 = 160..54 = 160.150 .. 4 750 ι— 850 .. 18 3 650 ι— 750 ....... 6 950 ι— 1. F(ant) = 13. Tomando como exemplo a distribuição anterior.5 cm Resolva: 1) Complete o esquema para o cálculo da mediana da distribuição de freqüência. 2) Calculamos (∑ f1) ÷ 2. f* é a freqüência simples da classe mediana..050 ι— 1... .... f* = 11 e h* = 4 Substituindo esses valores na fórmula.. ... .150 fi 8 10 11 16 13 5 1 Temos: i CUSTOS (R$) fi Fi 1 450 ι— 550 8 8 2 550 ι— 650 . a classe mediana é a de ordem 3.54 = 165 cm Na prática. temos: (∑ fi) ÷ 2 = 40 ÷ 2 = 20 Logo....Md = 158 + 7 x 11 ÷ 4 = 160.75 - ∑ =. em seguida..

6 b.. 51..76 - ...3. 9.9 d. c) a variável em estudo é salário.... 14 . 48. 5... 2. 20. Logo: Md = . 5.. b) há valores extremos que afetam de uma maneira acentuada a média..... 6. 20...5..00 Nota: * No caso de existir uma freqüência acumulada exatamente igual a (∑ f i) ÷ 2. = . 16.. 13... 2. 5. 3.. ÷ .. 2. 18. Exemplo: i CLASSES fi Fi 1 0 ι— 10 1 1 2 10 ι— 20 3 4 3 20 ι— 30 9 13 4 30 ι— 40 7 20 5 40 ι— 50 4 24 6 50 ι— 60 2 26 ∑ = 20 (∑ fi) ÷ 2 = 26 ÷ 2 = 13 Logo: Md = L* = 30 Emprego da Mediana Empregamos a mediana quando: a) desejamos obter o ponto que divide a distribuição em partes iguais. a mediana será o limite superior da classe correspondente. + (.. 48. e h* = . 50. F(ant) = . (∑ fi) ÷ 2= .4 Atividades Complementares 1) Considerando os conjuntos de dados: a. 8.. Isto é: Md = R$ 769. 2.. 9.. 7. 15.1...... l* = . 49. ÷ 2 = . 15.) . 7.7. 2. 7 c. 10..6. .. 12...

III.77 - . 8. são: R$ 75.1. 3. As notas de um candidato. II. 9.00. a média. c) a nota modal. R$ 83. Determine a média aritmética de: a. c) a moda. foram: 8. a moda. 5. 6. Considerando a distribuição abaixo: xi 3 4 5 6 4 8 fi 4 8 11 10 8 3 Calcule: a) a média. 2) O salário-hora de cinco funcionários de uma companhia.00. b) a nota mediana. a média dos salários-hora.2. as notas obtidas formaram a seguinte distribuição: NOTAS 2 3 4 5 6 7 8 9 10 Nº DE 1 3 6 10 13 8 5 3 1 ALUNOS Determine: a) a nota média.7 e 7. b) a mediana. R$ 90. 7.00 e R$88. Em uma classe de 50 alunos. Determine: a) a nota média.00. a mediana. b) a nota mediana.00 Determine: a. em seis provas de um concurso.4. b. Calcule: I. xi 50 58 66 fi 20 50 30 . VALORES 50 60 80 90 QUANTIDADES 8 5 4 3 b.8.2. o salário-hora mediano. c) a nota modal. 6. R$ 142. 4.

SALÁRIOS (R$) fi PESOS (kg) fi 500 ι— 700 18 145 ι— 151 10 700 ι— 900 31 151 ι— 157 9 900 ι— 1.5 e 5. A média aritmética entre 50 números é igual a 38. Numa grande empresa. Dois números são retirados: o número 55 e o 21. o setor administrativo tem 50 funcionários e o setor comercial tem 75 funcionários. 15. 11.000. numa viagem. 16. Pesquise caso necessário. Calcule a moda de cada uma das distribuições do exercício 8. O número que dá a melhor aproximação em quilates de ouro obtido é: .5. Um ourives fez uma liga fundindo 200 g de ouro 14 k (quilates) com 100 g de ouro 16 k. andou 5 horas a 60 km por hora.500 1 169 ι— 175 3 1. no setor de produção.900 1 181 ι— 187 1 ∑ = 70 ∑ = 40 9. 8. 17. Calcule a média de faltas desse dia.100 ι— 1. - 8. Um carro.78 - . Determine os desvios em relação à média dos seguintes dados: 6. há 200 funcionários. * 12% no setor comercial. vinte operários têm salário de R$ 4.000. b. Você fez dois trabalhos num semestre e obteve as notas 8.7.00 mensais e trinta têm salário de R$ 2. Determine a velocidade horária média nessas 8 horas de viagem. Calcule a mediana de cada uma das distribuições do exercício 8. 11. Determine a soma dos desvios. Explique a relação média aritmética e média ponderada.300 3 163 ι— 169 6 1.000. Qual é o salário médio desses operários: 13. 14. 7. 15. * 8% no setor de produção. considerando que. NOTAS fi ESTATURA fi S (cm) 0 ι— 2 5 2 ι— 4 8 150 ι— 158 5 2 ι— 4 14 158 ι— 166 12 2 ι— 4 10 166 ι— 174 18 2 ι— 4 7 174 ι— 182 27 182 ι— 190 8 ∑ = 44 ∑ = 70 c.300 ι— 1. dez operários têm salário de R$ 3.00 mensais.100 15 157 ι— 163 8 1. 4.500 ι— 1.700 ι— 1. foram constatadas faltas de funcionários. Qual deve ser a nota que você deve tirar no 3º trabalho para que a média dos três seja 7: 12.00 mensais. Calcule a média aritmética das distribuições de freqüência abaixo: a. assim distribuídos: * 4% no setor administrativo. 5. Calcule a média aritmética dos números que restaram. 10. 12.700 1 175 ι— 181 3 1. d. em três setores pesquisados num determinado dia. Numa empresa.

No entanto.79 - . Seja M a média aritmética de 15 números quaisquer.5 k 18. por exemplo.00 xd) 33. Mas. A média dos candidatos ao curso B. é: xa) 37. a idade média da população.00 c) 37. foi 4. Assim. foi: a) 4. pois. Numa população.8. 14.60 e) 37. mesmo aqueles já convenientemente simplificados.2 xb) 5. Num país.02 b) 37. 14 e 15 anos. mesmo sabendo. em anos. Na prova de Matemática. que a . Então. no grupo? 23. a) 14.2 d) 6. estritamente positivos.10 2.0.20 d) 36. a idade média da população é aproximadamente: a) 32. Então. a média cai para 3. A média aritmética de um grupo de 120 pessoas é de 40 anos.9 b) 32. se um sexto amigo com 16 anos juntar-se ao grupo? a) Permanece a mesma b) Diminui 1 ano c) Aumenta 12 anos d) Aumenta mais de 1 ano xe) Aumenta menos de 1 ano 21. qual o número de pessoas de cada sexo. a razão do número de mulheres para o de homens é de 11 para 10. a população feminina é 51% do total. quando se trata de interpretar dados estatísticos. Sabe-se que a média aritmética de 5 números inteiros distintos. compareceram 500 candidatos para o curso A e 100 candidatos para o curso B.05 e) 33. O maior valor que um desses inteiros pode assumir é: a) 16 b) 20 c) 10 xd) 70 e) 100 24. A média aritmética dos números pares de dois algarismos é: a) 50 b) 51 c) 52 d) 53 xe) 54 22. média e moda.7 k d) 15. é necessário ter-se uma idéia retrospectiva de como se apresentavam esses mesmos dados nas tabelas. Num concurso de vestibular para dois cursos A e B.0 k e) 15.0 c) 5. Tais valores podem servir de comparação para dar a posição de qualquer elemento do conjunto. obtêm-se 15 novos números. Subtraindo-se 10 unidades de cada um desses números. não é convenientemente dar uma das medidas de posição para caracterizar perfeitamente um conjunto de valores.95 c) 33. a média aritmética geral.2 Medidas de Dispersão ou de Variabilidade Vimos anteriormente que um conjunto de valores pode ser convenientemente sintetizado. considerando os dois cursos. é 16.5 k b) 14. considerando apenas os candidatos ao curso A. A idade média da população feminina é 38 anos e da masculina é 36.0 e) 6. cuja média aritmética é: a) M – 15 b) M + 150 xc) M – 10 d) M + 10 e) 10 M 20. O que acontece com a média de idade desse grupo. por meio de procedimentos matemáticos.2 19. na prova de Matemática.6 k xc) 14. A idade média das mulheres é 34 e a idade média dos homens é 32.05 25. Se a média aritmética das mulheres é de 35 anos e dos homens é de 50 anos. Considere um grupo formado por cinco amigos com idade de 13. 13. em poucos valores representativos – média aritmética.

Chamando de dispersão ou variabilidade a maior ou menor diversificação dos valores de uma variável em torno de um valor de tendência central tomado como ponto de comparação. quanto maior a amplitude total. e igual a 24ºC. o desvio padrão e o coeficiente de variação. 45. a variância. a Estatística recorre às medidas de dispersão ou de variabilidade. 50. pois há menor diversificação entre cada um de seus valores e a média representativa. 70. destacar o grau de homogeneidade o heterogeneidade que existe entre os valores que compõem o conjunto.80 - . ressaltando a maior ou menor dispersão ou variabilidade entre esses valores e a sua medida de posição. z: 5. Dessas medidas. no que se refere à temperatura. por si mesma. maior a dispersão ou variabilidade dos valores da variável.1. é fácil notar que o conjunto x é mais homogêneo que os conjuntos y e z. 70. para qualificar os valores de uma dada variável. que a média – ainda que considerada como um número que tem a faculdade de representar uma série de valores – não pode. A outra poderá ter uma variação pequena de temperatura e possuir. y: 68. podemos dizer que o conjunto x apresenta dispersão ou variabilidade nula e que o conjunto y apresenta uma dispersão ou variabilidade menor que o conjunto z. 62 e 70 Temos: AT = 70 – 40 = 30 Quando dizemos que a amplitude total dos valores é 30. Vemos. 160. Entretanto. 70 e 70. estamos afirmando alguma coisa do grau de sua concentração. temos: ATx = 70 – 70 = 0. então. 52.1 Dados não Agrupados A amplitude total é a diferença entre o maior e o menor valor observado: AT = x(máx) – x(mín) Exemplo: Para os valores: 40. portanto. já que todos os valores são iguais à média. 48. 70. 2. 120. O conjunto y. 70.1 Amplitude Total 2.temperatura média de duas cidades é a mesma. é mais homogêneo que o conjunto z. Consideremos os seguintes conjuntos de valores das variáveis x. 72. y e z: x: 70. (dispersão nula) ATy = 72 – 68 = 4 ATz = 160 – 5 = 155 . 70.2. 69. por sua vez. estudaremos a amplitude total. Portanto. 54. 15. 71. Suas médias aritméticas são 70.2. É evidente que. um clima mais favorável. Relativamente aos três conjuntos de valores mencionados no início deste capítulo.

Assim. por isso mesmo. a amplitude total é a diferença entre o limite superior da última classe e o limite inferior da primeira classe: AT = L(máx) – l(mín) Exemplo: Considerando a distribuição abaixo: TABELA 2. ainda temos: AT = x(máx) – x(mín) Exemplo: Considerando a tabela abaixo: xi 0 1 2 3 4 fi 2 6 12 7 3 Temos: AT = 4 – 0 = 4 * Com intervalos de classe: Neste caso. A variância e o desvio padrão são medidas que fogem a essa falha.X) = 0). descuidando do conjunto de valores intermediários.1. porém determinando a média aritmética dos quadrados dos desvios (lembremos que ∑ di = ∑ (xi . Faz-se uso da amplitude total quando se quer determinar a amplitude em um dia ou no ano.81 - . A variância baseia-se nos desvios em torno da média aritmética.2. o que quase sempre invalida a idoneidade do resultado. temos: S2 = ∑ (xi .2. pois levam em consideração a totalidade dos valores da variável em estudo. na sua maioria. representando a variância por S2.X)2 ÷ ∑ fi .2 Dados Agrupados * Sem intervalos de classe: Neste caso. e quando a compreensão popular é mais importante que a exatidão e a estabilidade.2 Variância e Desvio Padrão Como vimos.2. 2.8 ESTATURAS i fi (cm) 1 150 ι— 154 4 2 154 ι— 158 9 3 158 ι— 162 11 4 162 ι— 166 8 5 166 ι— 170 5 6 170 ι— 174 3 ∑ = 40 Temos: AT = 174 -150 = 24 A amplitude total tem o inconvenientemente de só levar em conta os dois valores extremos da série. o que faz delas. devidos ao acaso. no controle de qualidade ou como uma medida de cálculo rápido. Ela é apenas uma indicação aproximada da dispersão ou variabilidade. os mais geralmente empregados. que são. por se deixar influenciar pelos valores extremos. índices de variabilidade bastante instáveis e. a amplitude total é instável.

que consiste em usar o divisor n – 1 em lugar de n.X)2 = ∑ xi2 . o desvio padrão não se altera: yi = xi ± c  sy = sx 2) Multiplicando-se todos os valores de uma variável por uma constante (diferente de zero). ela não é uma boa fórmula para fins de computação. Por isso mesmo. devido a esse arredondamento. lembrando que ∑ fi = n  S2 = ∑ (xi . Para o cálculo do desvio padrão. dentre as quais destacamos: 1) Somando-se (ou subtraindo-se) uma constante a (de) todos os valores de uma variável. pois. consideremos os seguintes casos: 2. definida como a raiz quadrada da variância e representada por s: S = √s2 Assim: √(∑ (xi . O desvio padrão goza de algumas propriedades. é um inconveniente. substituindo ∑ (xi . Quando a média não é exata e tem de ser arredondada. sob o ponto de vista prático. como veremos mais adiante.2.82 - . simplificações úteis. partindo da amostra. em seguida.(∑ xi)2 ÷ n) que pode ser escrita do seguinte modo: s = √(∑ xi2 ÷ n . visamos tirar inferências válidas para a respectiva população. o que torna pouco prático o cálculo das quantidades (xi .(∑ xi ÷ n)2) (2) Não apenas este método é usualmente mais prático. cada desvio fica afetado ligeiramente do erro. O uso de uma ou de outra dependerá da finalidade que se tenha em vista. O mesmo acontece com os quadrados. Sendo a variância calculada a partir dos quadrados dos desvios. no cálculo do desvio padrão. o que. Se bem que a fórmula dada para o cálculo do desvio seja a que torna mais fácil a sua compreensão. a média aritmética (X) é um número fracionário.2. imaginou-se uma nova medida que tem utilidade e interpretação práticas. Podemos.X)2. em geral. denominada desvio padrão. obtemos: s = √(∑ xi2 .(∑ xi)2 ÷ n Assim. ainda. Podemos simplificar os cálculos fazendo uso da igualdade: ∑ (xi .X)2 por seu equivalente em (1). o desvio padrão fica multiplicado por essa constante: yi = xi x c  sy = c x sx Essas propriedades nos permitem introduzir.1 Dados não Agrupados . porém é extremamente importante na inferência estatística e em combinações de amostras. ela é um número em unidade quadrada em relação à variável em questão.X)2 ÷ n Nota:  Quando nosso interesse não se restringe à descrição dos dados mas.Ou. A variância é uma medida que tem pouca utilidade como estatística descritiva. multiplicar o resultado por n ÷ (n – 1). convém efetuar uma modificação. calcular a variância usando o divisor de n e. como também mais preciso. podendo os resultados do cálculo ser menos exatos do que quando a fórmula (2) é usada.X)2 ÷ n) (1) Nota:  Tanto o desvio padrão como a variância são usados como medidas de dispersão ou variabilidade. com o intuito de conservar a definição.

2 Dados Agrupados * Sem intervalo de classe Como.304 52 2. . ÷ .. temos: s = √(∑ xi2 ÷ n . 2.. 11. 54. .... ÷ . 48.9 xi x12 40 1. resultando a fórmula: s = √(∑ fixi2 ÷ n ..844 70 4...2....293 Como n = 7.(∑ xi ÷ n)2) = √(. ...83 - . 45.2...(∑ xi ÷ n)2) = √(20 ÷ 7 .. ..(371÷ 7)2) = 9.. . Assim: TABELA 2.. devemos levá-las em consideração. neste caso..... .... .. 52. 3) Comprove a segunda propriedade do desvio padrão multiplicando por 2 cada valor da variável do exercício 1. ∑ = .(∑ fixi ÷ n)2) Consideremos como exemplo..916 62 3. o conjunto de valores da variável x: 40.. n = . 10. a distribuição da Tabela: xi 0 1 2 3 4 . 18 Temos: xi x1 2 8 64 .. Logo: s = √(∑ xi2 ÷ n ..(.. 15.. ∑ = . 70 O modo mais prático para se obter o desvio padrão é formar uma tabela com duas colunas: uma pra x1 e outra para x12..025 48 2.Tomemos como exemplo. .486 Resolva: 1) Complete o esquema para o cálculo do desvio padrão...56 2) Comprove a primeira propriedade do desvio padrão somando 5 a cada valor da variável do exercício anterior.....900 ∑ = 371 ∑ = 20. dados os valores da variável:8...704 54 2.600 45 2.)2) = 3.. 62. temos a presença de freqüências.. 16..

.... Assim: TABELA 2..404 219. Assim: TABELA 2...84 - ...10 xi fi fi xi fi xi2 0 2 0 0 1 6 6 48 2 12 24 43 3 7 21 63 4 3 12 48 ∑ = 30 ∑ = 63 ∑ = 165 Logo: s = √(∑ fixi2 / n ... .. ... Logo: s = √(∑ fixi2 / n ..044 Resolva: 1) Complete o esquema para o cálculo do desvio padrão da distribuição: xi 1 2 3 4 5 6 fi 2 5 8 6 3 1 Temos: xi fi f i xi f i xi2 1 2 2 2 2 ..600 4 162 ι— 166 8 164 1. uma coluna para os produtos fixi e outra para fixi2.(∑ fixi / n)2) = √(.... lembrando que para obter fixi2 basta multiplicar cada fixi pelo seu respectivo xi..760 281. . . ..... .(∑ fixi / n)2) = √(165 / 30 ......... ∑ = ....8. fi 2 6 12 7 3 O modo mais prático de se obter o desvio padrão é abrir.....)2) = 1....024 3 158 ι— 162 11 160 1.312 215.. .. .... ∑ = . 3 .24 * Com intervalo de classe: Tomemos como exemplo a distribuição da Tabela 2... / .. ∑ = ..(63 / 30)2) = 1. na tabela dada.. para fixi e para fixi2.168 ..... 6 . ..... 5 ..... .. 4 .416 2 154 ι— 158 9 156 1.. / . Começamos por abrir as colunas para xi (ponto médio)..11 ESTATURAS i fi xi fixi f ixi2 (cm) 1 150 ι— 154 4 152 608 92.(.

obtidos multiplicando cada fiyi pelo seu respectivo yi. 2) Escolhemos um dos pontos médios (de preferência o de maior freqüência) para o valor de x0. 5 166 ι— 170 5 168 840 141. 3.038.8.080 Logo: s = √(1.(∑ fiyi / n)2) Assim.2.3 Processo Breve Baseados na mudança da variável x por outra y.080 / 40 .85 - . fixi e fiyi2: TABELA 2. podemos obter um processo breve de cálculo. 2.120 6 170 ι— 174 3 172 516 88.440 ∑ = 1.... 5) Abrimos uma coluna para os valores do produto fiyi2. tal que: yi = (xi – x0) / h. -2.57 cm Nota:  Valem as mesmas observações que fizemos para a média aritmética. a seqüência -1. somamos algebricamente esses produtos. completando com as colunas para x i. com a aplicação da seguinte fórmula: s = √(∑ fiyi2 / n . .(∑ fiyi / n)2)  s = 4 √(80/ 40 .. a distribuição da Tabela 2. em seguida. 4) Abrimos uma coluna para os valores do produto f iyi. temos.12 ESTATURAS i fi xi yi fiyi fiyi2 (cm) 1 150 ι— 154 4 152 -2 -8 16 2 154 ι— 158 9 156 -1 -9 9 3 158 ι— 162 11 160 0 0 0 4 162 ι— 166 8 164 1 8 8 5 166 ι— 170 5 168 2 10 20 6 170 ι— 174 3 172 3 9 27 h = 40 ∑ = 40 ∑ = 10 ∑ = 80 Logo: s = h √(∑ fiyi2 / n . E pelas mesmas razões expostas para o cálculo da média. yi. em seguida. ..(10/ 40)2) ≈ 5. logo abaixo. -3..038. logo acima do zero. e.567 2. Fases para o cálculo da média pelo processo breve: 1) Abrimos uma coluna para os valores xi (ponto médio). e a seqüência 1. somamos esses produtos.440 / 40)2) = √(31) = 5.752 ∑ = 40 ∑ = 6. . conservando os sinais + ou -. 3) Abrimos uma coluna para os valores de y 1 e escrevemos zero na linha correspondente a classe onde se encontra o valor de x 0. e.2.(6.

.... ....... .....(-29 / 64)2) = R$ 154. . ∑ = ..)2) = 21...100 1 3 3 26 9 h = 100 ∑ = 64 ∑ = -29 ∑ = 165 Como h = 100... 2 ..000 5 2 10 20 7 1.. Logo: s = .. ∑ = ... Exercício resolvido: 1) Calcule o desvio padrão da distribuição.. Para contornar essas dificuldades e limitações...2.. . 4 .(. Além disso. / . relativamente à sua dispersão ou variabilidade..86 - ........ se a média for igual a 20. ... podemos caracterizar a dispersão ou variabilidade dos dados em termos relativos ao seu valor médio..... ... o mesmo não pode ser dito. xi 450 ι— 550 ι— 650 ι— 750 ι— 850 ι— 950 ι— 1. ....... .... h = .. vem: s = 100 √(165 / 64 . √(..... .. no entanto.... .. / ...88 2.... .3 Coeficiente de Variação O desvio padrão por si só não nos diz muita coisa..150 fi 8 10 11 16 13 5 1 Temos: i xi fi yi fiyi fiyi2 1 500 8 -3 -24 72 2 600 10 -2 -20 40 3 700 11 -1 -11 -55 11 4 800 16 0 0 0 5 900 13 1 13 13 6 1... 5 ... 3 . medida essa denominada coeficiente de variação (CV): . pelo processo breve. . ...6) Aplicamos a fórmula...... . Assim.. .. um desvio padrão de duas unidades pode ser considerado pequeno para uma série de valores cujo valor médio é 200.......... . pelo processo breve: CLASSES 30 ι— 50 ι— 70 ι— 90 ι— 110 ι— 130 fi 2 8 12 10 5 Temos: i xi fi yi fiyi fiyi2 1 40 2 . ..050 ι— 1.. o fato de o desvio padrão ser expresso na mesma unidade dos dados limita o seu emprego quando desejamos comparar duas ou mais séries de valores.. ∑ = .... ..00 Resolva: 1) Complete o esquema para o cálculo do desvio padrão da distribuição. quando expressa em unidades diferentes.

3. 13. 1. não devemos deduzir daí que a variância e o desvio padrão careçam de utilidade. 17.57 / 161 x 100 = 3. 16. 3.8.94% Logo. onde X = 161 cm e s = 5. 20 2) Calcule a amplitude total das distribuições: a.0 cm PESOS 68 kg 2 kg Temos: CVE = 5 / 175 x 100 = 2. seja mais proveitoso o coeficiente de variação. 20.CV = s/X x 100 Para a distribuição da Tabela 2.4 Atividades Complementares 1) Calcule a amplitude total dos conjuntos de dados: a.2. 19.4. 9 b. xi 2 3 4 5 6 7 8 fi 1 3 5 8 5 4 2 . nesse grupo de indivíduos. Nota:  Se bem que. 20. são medidas muito úteis no tratamento de assuntos relativos à inferência estatística.459 Daí: CV = 3. como já dissemos.2 d. 14. 14. temos: CV = 5. os pesos apresentam maior grau de dispersão que as estaturas. 21.57 cm. 14. 19. 22. 21. Pelo contrário.9. 22. 5. 15.11.5% Exemplo: Tomemos os resultados das medidas das estaturas e dos pesos de um mesmo grupo de indivíduos: X s ESTATURAS 175 cm 5. 2. 15. 15.87 - .5. 20 c.85% CVP = 2 / 68 x 100 = 2. 22. para qualificar a dispersão de uma distribuição.

o grau médio de um grupo de 150 alunos foi 7. Em que disciplina foi maior a dispersão? 10) Medidas as estaturas de 1..0 . Qual o desvio padrão desse grupo? 13) Uma distribuição apresenta as seguintes estatísticas: s = 1. em relação aos pontos por partida. Determine a média da distribuição. com um coeficiente de variação de 3. Outro grupo de 125 moças tem uma estatura média de 161.3%.8 e o desvio padrão.3 kg.5 .2 cm e s = 8.. Qual é o coeficiente de variação de cada um dos grupos? Qual o grupo mais homogêneo? 12) Um grupo de 100 estudantes tem uma estatura média de 163.0 10.5 9.2 fi 4 8 12 15 12 8 4 3) Calcule os desvios padrões dos conjuntos de dados do exercício 1.01 cm.76. Aluno C 10. calcule o coeficiente de variação.. 4) Calcule os desvios padrões das distribuições do exercício 2.017 indivíduos. 6) Calcule o desvio padrão da distribuição: CLASSES 2 ι— 6 ι— 10 ι— 14 ι— 18 ι— 22 fi 5 12 21 15 7 7) Calcule os desvios padrões das distribuições do exercício 8. 18.5 9.7 ι— 1. respectivamente. O professor de Matemática escolherá um deles para representar a turma numa competição de Matemática. Esses indivíduos apresentam maior variabilidade em estatura ou em peso? 11) Um grupo de 85 moças tem estatura média de 160. CLASSES 1. o que tiver a melhor regularidade.8 ι— 1.4.. capítulo 2. Qual deles será escolhido? 1º Bim 2º Bim 3º Bim 4º Bim Média Aluno A 9.6 ι— 1.3 e 1. com um desvio padrão igual 5.47. O peso médio desses mesmos indivíduos é 52 kg.0 9.b. de basquete. 0.0 7. .5 9.1...01 cm.97 cm.88 - .9%.5 10..5 e CV = 2.0 8. obtivemos X = 162.8 cm. sendo o desvio padrão igual a 6. 8) Sabendo que um conjunto de dados apresenta para média aritmética e para desvio padrão. com um desvio padrão de 2. 9) Em um exame final de Matemática.1 ι— 2.5 ..0 ι— 2. 5) Dada a distribuição relativa a 100 lançamentos de 5 moedas simultaneamente: Nº DE CARAS 0 1 2 3 4 5 FREQÜÊNCIAS 1 14 34 29 16 3 Calcule o desvio padrão.5 8.6 cm.5 ι— 1.9 ι— 2.9 cm. 14) Obtenha o desvio padrão de cada um dos jogadores A e B. Aluno B 8.. conforme a tabela abaixo: A 26 32 28 30 27 31 B 15 45 19 42 31 22 15) Considere as notas de três alunos em Matemática nos quatro bimestres de um mesmo ano.

89 - . c) a média harmônica. obtenha: a) a média geométrica.12 m Atleta II 13.50 m 15.82 m 15.00 m a) Qual deles obteve melhor média? b) Qual deles foi o mais regular nessas quatro tentativas? 18) Responda: a) Quando numa pesquisa o desvio padrão é zero? b) Quando que uma distribuição é considerada homogênea? 19) A tabela a seguir mostra o número de acertos numa prova com 10 questões aplicadas numa turma com 50 alunos. Nº da questão 1 2 3 4 5 6 7 8 9 10 Quantidade de 15 20 12 25 48 40 35 10 30 40 acertos Obtenha: a) a média de acertos por questão.42 m 16.70 m 16. b) o desvio padrão dessa distribuição.81 m 16. 4. b) a média aritmética. c) calcule o desvio padrão de cada grupo. são divididos por 6.02 m 16. Se a média obtida por esse critério for maior ou igual a 6. após somados.95 m 17.16) Considere as idades dos alunos de 3 grupos A. Os resultados.01 m 16. Cada atleta fez 4 tentativas obtendo os seguintes resultados: Atleta I 16. B e C: Grupo A 15 anos 15 anos 15 anos 15 anos 15 anos Grupo B 18 anos 14 anos 13 anos 13 anos 17 anos Grupo C 16 anos 15 anos 13 anos 16 anos 15 anos Então: a) obtenha a média de idade de cada grupo. três atletas disputavam apenas uma vaga para uma olimpíada entre faculdades de uma cidade. o aluno é dispensado das atividades . 16 e 4. a nota da segunda prova é multiplicada por 2 e a nota da última prova é multiplicada por 3. 20) Em relação aos números 1.5. b) calcule a variância de cada grupo. 17) Numa competição de salto triplo.10 m Atleta III 15.90 m 17. 21) Numa escola é adotado o seguinte critério: a nota da primeira prova é multiplicada por 1.

PROBABILIDADE . que trata da conceituação da variável . de recuperação. 3 min 18 s.5 na segunda. Quanto precisará tirar na terceira para ser dispensado da recuperação? Positivo 22) Para votar.500.500.3 na primeira prova e 4. o conhecimento dos aspectos fundamentais do cálculo de probabilidades é uma necessidade essencial para o estudo da Estatística Indutiva ou Inferencial. Consequentemente.00 10 1. Suponha que um aluno tenha tirado 6. cinco eleitores demoraram. A variância da nova distribuição de salários ficará menor. Esses passos serão apresentados no capítulo seguinte. 2 min 57 s e 3 min 26 s. 2 min 46 s. sua inclusão neste conteúdo se justifica pelo fato de a maioria dos fenômenos de que trata a Estatística ser de natureza aleatória ou probabilística.00 1 Total 31 a) Qual é a média e a mediana dos salários dessa empresa? b) Suponha que sejam contratados dois novos funcionários com salários de R$ 2.Introdução Embora o cálculo das probabilidades pertença ao campo da Matemática.90 - . igual ou maior que a anterior? 3.00 1 2. 3 min 38 s.00 10 5.000. respectivamente. Procuramos resumir aqui os conhecimentos que julgamos necessários para termos um ponto de apoio em nossos primeiros passos no caminho da Estatística Inferencial.00 cada.000. Qual foi a média do tempo de votação (em minutos e segundos) desses eleitores? 23) A distribuição dos salários de uma empresa é dada na seguinte tabela: Salário em R$ Número de funcionários 500.00 4 10.00 5 1.000.000.

ele perca. como em dois lançamentos sucessivos de uma moeda podemos obter cara nos dois lançamentos. Assim. b. 6}. Cada um dos elementos de S que corresponde a um resultado recebe o nome de ponto amostral. Se E = . 3. 2. há dois resultados possíveis: ocorrer cara ou ocorrer coroa. que empate. . ele ganhe.3 Eventos Chamamos de evento qualquer subconjunto do espaço amostral S de um experimento aleatório. então E é um evento de S. representado por S. Assim: 2  S  2 é um ponto amostral de S. qualquer que seja E.lançamento de um dado: S = {1. E é chamado evento certo. Co)}. (Co. o espaço amostral é: S = {(Ca. 3. Do mesmo modo.1 Experimento Aleatório Em quase tudo. Ao conjunto desses resultados possíveis damos o nome de espaço amostral ou conjunto universo. em geral. Assim. correspondem. . Assim. (Co. da afirmação “é provável que o meu time ganhe a partida de hoje” pode resultar: a. Se E = S. se E  S (E está contido em S). 4.lançamento de uma moeda: S = {Ca. 3. 5. o resultado final depende do acaso. mesmo repetidos várias vezes sob condições semelhantes. 4.2 Espaço Amostral A cada experimento. ou coroa nos dois lançamentos. ou coroa no primeiro e cara no segundo. que. Como vimos. vários resultados possíveis. c. vislumbramos o acaso. ou cara no primeiro e coroa no segundo. 3. Se E  S e E é um conjunto unitário. apresentam resultados imprevisíveis. (Ca. apesar do favoritismo. Co}. E é chamado evento impossível. ao lançarmos uma moeda. que. como pensamos. Os dois experimentos citados anteriormente têm os seguintes espaços amostrais: . Fenômenos como esses são chamados fenômenos aleatórios ou experimentos aleatórios.91 - . Co). Ca). Ca). 3. em maior ou menor grau.aleatória e das duas principais distribuições de probabilidades de variáveis discretas e contínuas. Experimentos ou fenômenos aleatórios são aqueles que. Já ao lançarmos um dado há seis resultados possíveis: 1. 2. 5 ou 6. E é chamado evento elementar.

3. logo.” “Obter o número 4 na face superior. temos: A = {2. 6}  n(A) = 3 Logo: P(A) = 3/6 = 1/2 .a probabilidade do evento A “obter um número par na face superior”. vamos admitir que todos os elementos de S tenham a mesma chance de acontecer. os eventos acima podem ser definidos pelas sentenças: “Obter um número par na face superior. Um evento é sempre definido por uma sentença. Exemplos: a. 3. 2. A é um evento de S. B = {1.a probabilidade do evento B “obter um número menor ou igual a 6 na face superior”. B é um evento certo de S (B = S). 2. temos 50% de chance de que apareça cara na face superior. D =   S. 6}.” 3. vamos calcular: . que S é um conjunto equiprovável. b. 3. Considerando o lançamento de um dado. C é um evento elementar de S. 5.” “Obter um número menor ou igual a seis na face superior. n(S) é o número de elementos de S. 4. 4. C = {4}  S. temos: S = {Ca. Temos: S = {1. Assim. sendo S o seu espaço amostral. Chamamos de probabilidade de um evento A (A  S) o número real P(A). 5.Exemplo: No lançamento de um dado. ou seja. 6}  S. Temos: . tal que: P(A) = n(A) / n(S) Onde: n(A) é o número de elementos de A. ao lançarmos uma moeda equilibrada. 6}  n(S) = 6 A = {2. 5.4 Probabilidade Dado um experimento aleatório. 4. logo. 6}  S. Co}  n(S) = 2 A = {Ca}  n(A) = 1 Logo: P(A) = 1/2 O resultado acima nos permite afirmar que. D é um evento impossível de S. 4. onde S = {1.92 - . 4. logo. Considerando o lançamento de uma moeda e o evento A “obter cara". 2. logo.” “Obter um número maior que 6 na face superior.

. 6}  n(S) = 6 B = {4}  n(C) = 1 Logo: P(C) = 1/6 . a probabilidade de não tirar o 4 no lançamento de um dado é: q = 1 – 1/6 = 5/6 3.6 Eventos Independentes Dizemos que dois eventos são independentes quando a realização ou a não-realização de um dos eventos não afeta a probabilidade da realização do outro e vice-versa. 5. 5. a probabilidade de que eles se realizem simultaneamente é igual ao produto das probabilidades de realização dos dois eventos.5 Eventos Complementares Sabemos que um evento pode ocorrer ou não. Por exemplo. sendo n(S) = n: a. se a probabilidade de se realizar um evento é p = 1/5. para um mesmo evento existe sempre a relação: p + q = 1  q = 1 . Logo. 6}  n(S) = 6 B = {1. 3. 4. 3. S = {1. tal que: 0 ≤ P(E) ≤ 1 d. a probabilidade de um evento E qualquer (E  S) é um número real P(E). a probabilidade do evento certo é igual a 1: P(S) = 1 b. a probabilidade de que ele não ocorra é: q = 1 – p  q = 1 – 1/5 = 4/5 Sabemos que a probabilidade de tirar o 4 no lançamento de um dado é p = 1/6. 6}  n(B) = 6 Logo: P(B) = 6/6 = 1 . 2. Se dois eventos são independentes. 4. lembrando que n(E) = 1: P(E) = 1/n 3. o resultado obtido em um deles independe do resultado obtido no outro. 3. podemos concluir que. a probabilidade do evento impossível é igual a zero: P() = 0 c. Sendo p a probabilidade de que ele ocorra (sucesso) e q a probabilidade de que não ocorra (insucesso). Temos: S = {1.a probabilidade do evento C “obter um número um número 4 na face superior”. 4.93 - . 3.a probabilidade do evento D “obter um número maior que 6 na face superior”. 2. 5. 5. 4. Temos: S = {1. a probabilidade de um evento E qualquer E qualquer é. 2.p Assim. 6}  n(S) = 6 B = { } =  n(D) = 0 Logo: P(D) = 0/6 = 0 Pelos exemplos que acabamos de ver. quando lançamos dois dados. 2.

3 pretas. calcule a probabilidade de se obter soma igual a 5. 4 são defeituosas. 5) De dois baralhos de 52 cartas retiram-se. no lançamento de uma moeda. 4 verdes. b. branca. simultaneamente. 1 verde. A probabilidade de se tirar o 3 ou o 5 é: p = 1/6 + 1/6 = 2/6 = 1/3. uma urna C contém: 2 bolas brancas. Qual a probabilidade de a carta do primeiro baralho ser um rei e a do segundo ser o 5 de paus? 6) Uma urna A contém: 3 bolas brancas. o outro não se realiza. pois. 4 pretas. 3. calcule: a. ao se realizar um deles. a probabilidade de que tais eventos se realizem simultaneamente é dada por: p = p1 x p2 Exemplo: Lançamos dois dados. 1 no primeiro e 5 no segundo é: p = 1/6 x 1/6 = 1/36 3. simultaneamente. Uma bola é retirada de cada urna. a probabilidade de obtermos. já que. 2 pretas. duas cartas sem reposição. Qual a probabilidade de a primeira carta ser o ás de paus e a segunda ser o rei de paus? 8) Qual a probabilidade de sair uma figura quando retiramos uma carta de um baralho de 52 cartas? . segunda e terceira urnas serem. Se dois eventos são mutuamente exclusivos. 2 verdes. sendo p1 a probabilidade de realização do primeiro evento e p2 a probabilidade de realização do segundo evento. os dois eventos são mutuamente exclusivos. uma carta do primeiro baralho e uma carta do segundo. Assim. uma urna B contém: 5 bolas brancas. Sendo retirada uma peça. preta e verde? 7) De um baralho de 52 cartas retiram-se. ao acaso. 4) No lançamento de dois dados.94 - . A probabilidade de obtermos 1 no primeiro dado é: p 1 = 1/6 A probabilidade de obtermos 5 no segundo dado é: p2 = 1/6 Logo. a probabilidade de que um ou outro se realize é igual à soma das probabilidades de que cada um deles se realize: p = p1 + p2 Exemplo: Lançamos um dado.8 Exercícios 1) Qual a probabilidade de sair o ás de ouros quando retiramos uma carta de um baralho de 52 cartas? 2) Qual a probabilidade de sair um rei quando retiramos uma carta de um baralho de 52 cartas? 3) Em um lote de 12 peças. a probabilidade de essa peça ser defeituosa. Qual é a probabilidade de as três bolas retiradas da primeira.Assim. a probabilidade de essa peça não ser defeituosa.7 Eventos Mutuamente Exclusivos Dizemos que dois ou mais eventos são mutuamente exclusivos quando a realização de um exclui a realização do(s) outro(s). como vimos. o evento “tirar cara” e o evento “tirar coroa” são mutuamente exclusivos. respectivamente.

Tiramos.95 - .9) Qual a probabilidade de sair uma carta de copas ou de ouros quando retiramos uma carta de um baralho de 52 cartas? 10) No lançamento de um dado. b. não necessariamente nessa ordem? 12) Dois dados são lançados conjuntamente. uma figura aparece ao se extrair uma carta de um baralho de 52 cartas. uma carta do primeiro baralho e uma carta do segundo. uma só coroa aparece no lançamento de três moedas. ao mesmo tempo. 3. Qual a probabilidade de tirarmos uma dama e um rei. qual a probabilidade de se obter um número não-inferior a 5? 11) São dados dois baralhos de 52 cartas.9 Atividades Complementares 1) Determine a probabilidade de cada evento: a. c. uma carta de ouros aparece ao se extrair uma carta de um baralho de 52 cartas. Determine a probabilidade de a soma ser 10 ou maior que 10. . d. um número par aparece no lançamento de um dado.

o número ser divisível por 5. b. o número ser divisível por 4 e por 6. um valete e uma dama. Calcule a probabilidade de: a.. . dois valetes. a probabilidade de ambas serem defeituosas. o número ser divisível por 6 ou por 8. 50. b. c. não ocorrer cara nenhuma vez. dois homens e uma mulher. b. qual é a probabilidade de sair o número 6 ou um número ímpar? 10) Duas cartas são retiradas ao acaso de um baralho de 52 cartas. a soma ser menor que 4. Determine a probabilidade de: a. b. 3. b. a. o primeiro resultado ser maior que o segundo.96 - . qual é a probabilidade de se obter um par de pontos iguais? 8) Em um lote de 12 peças. Sendo retiradas aleatoriamente 2 peças. 4) Uma moeda é lançada duas vezes. d. Calcule a probabilidade de se obterem: a. obter-se cara na primeira ou na segunda jogada. 3) Dois dados são lançados simultaneamente. o número terminar em 3.. a probabilidade de ao menos uma ser defeituosa. a probabilidade de ambas não serem defeituosas. qual a probabilidade de que este número seja ímpar e divisível por 3? 6) Uma carta é retirada ao acaso de um baralho de 52 cartas. c. d. c. 49. calcule: a. b. 9) No lançamento de um dado. 11) Um casal planeja ter três filhos. ..2) Um número inteiro é escolhido aleatoriamente dentre os números 1. qual a probabilidade de que este número seja ímpar? b. a soma ser menor ou igual a 5. a soma ser 9. 5) Um inteiro entre 3 e 11 será escolhido ao acaso. três homens. Determine a probabilidade de: a. Determine a probabilidade de nascerem: a. 2. Qual a probabilidade de que a carta retirada seja uma dama ou uma carta de copas? 7) No lançamento de dois dados. 4 são defeituosas.

em uma extração ao acaso: a.97 - . 17) Lança-se um par de dados. qual é a probabilidade de levar 2 defeituosas? c. uma cara somente. obtermos a bola de número 27. c. b. Sendo as bolas numeradas de 1 a 50. pelo menos uma cara. sair um 6 pelo menos. sair um 6 no segundo lançamento. . determine a probabilidade de. 4 com defeitos e 2 com defeitos graves. um 5 aparece pelo menos em um dos dados. Se um freguês vai compras 2 geladeiras. 15) Uma loja dispõe de 12 geladeiras do mesmo tipo. Calcule a probabilidade de obtermos: a. c. no máximo uma cara. d. b. obtermos uma bola de número par. Calcule a probabilidade de: a. b. Se um freguês vai comprar uma geladeira. Calcule a probabilidade de que: a. 14) Uma urna contém 50 bolas idênticas. Uma peça é escolhida ao acaso. Encontre a probabilidade de que a soma seja 10 ou maior que 10 se: a. 18) Um lote é formado por 10 peças boas. d. e. o 1 apareça. qual a probabilidade de levar uma defeituosa? b. a soma seja 6. obtermos uma bola de número maior que 20. b. c. ela não tenha defeitos graves. Aparecendo dois números diferentes. não sair 6 em nenhum lançamento. sair um 6 no primeiro lançamento. encontre a probabilidade de que: a. c. três caras. 13) Um dado é lançado duas vezes.12) Uma moeda é lançada três vezes. f. d. Se um freguês vai compras 2 geladeiras. duas caras e uma coroa. das quais 4 apresentam defeitos. a soma seja 4 ou menor que 4. um 5 aparece no primeiro dado. qual é a probabilidade de levar pelo menos uma defeituosa? 16) Um par de dados é atirado. obtermos uma bola de número menor ou igual a 20. nenhuma cara. b. a.

19) Considere o mesmo lote do problema anterior. Filho e neto de clérigos. porém. Retiram-se 2 peças ao acaso. nenhuma tenha defeitos graves. pelo menos uma seja perfeita. nenhuma seja perfeita. no século 15. Uma das opções de cálculo mais usadas pelos estatísticos nas suas previsões hoje. ela seja boa ou tenha defeitos graves. Bayes se formou em teologia e nunca exerceu oficialmente a carreira de matemático. Calcule a probabilidade de que: a. c. 3. mas era respeitado pela comunidade . A origem da probabilidade matemática está ligada aos jogos de cartas e aos jogos de dados. quando muitos matemáticos faziam cálculos sobre o número provável de vencedores e a quantidade a ser ganha nos jogos mais disputados. Ele cuidava de uma igreja no interior da Inglaterra e havia publicado somente um artigo não assinado.98 - . d. é a que foi desenvolvida no século 18 pelo reverendo inglês Thomas Bayes (1702-1761). ela não tenha defeitos.10 Teorema de Bayes Dar um palpite sobre que face da moeda vai cair para cima ou se vai chover amanhã sempre fez parte de nossas vidas. ambas sejam perfeitas. b. c. b.

a opinião do matemático que manipula os números entra de modo significativo nos cálculos. Apesar de sempre terem sido criticados. Apesar de estar baseado rigidamente na lógica e na razão. o método bayesiano de fazer previsão vai se ajustando a cada jogada. Formalmente: P(A ou B) = P(A) + P(B). Até hoje ele é criticado por incluir o caráter subjetivo . o reverendo possuía amplo conhecimento de geometria e dominava todas as áreas da matemática e filosofia da época. que congrega cientistas renomados do Reino Unido. Segundo os documentos da entidade. todo mundo concorda que a chance de alguém ganhar é de 50%. ou seja. Ele é considerado ciência porque estuda com lógica e racionalidade as chances de um evento ocorrer. desemprego ou da alta ou baixa da cotação das moedas. Palpite calculado Essencialmente o que a proposta do reverendo trazia de inovador era o caráter subjetivo na previsão de um evento. Então. Essa opinião é baseada na quantidade de informação que se tem nas mãos sobre as condições de ocorrer tal evento. Segundo o primeiro axioma do cálculo de probabilidades. Thomas Bayes e suas idéias continuam desafiando a intuição e o "achismo" nas nossas apostas e palpites diários. e por isso ser "sem pé nem cabeça" do ponto de vista dos matemáticos conservadores e compromissados com a objetividade. as chances para as jogadas posteriores não serão mais meio-a-meio. foi admitido na Royal Society de Londres. deve-se levar em conta as informações que se tem sobre resultados anteriores a essa disputa. se vão ocorrer ou não. Autoridades de saúde pública não podem deixar de usar os cálculos probabilísticos na previsão de alcance de uma epidemia. Usar o cálculo da probabilidade é justamente fazer palpites sobre determinados eventos. Pelo mesmo raciocínio. Mas se o trato for de jogar a moeda quatro vezes. Na época em que viveu. Se der "cara" nas duas primeiras jogadas.no ajuste de cálculos. e as experiências e opiniões de especialistas sobre esse jogo.99 - . Hoje sua teoria pode ser aplicada a quase todas as áreas do conhecimento. O valor zero é atribuído ao evento impossível e os valores intermediários. Usando esse método na previsão das chances de um time A vencer um time B. numa disputa de cara ou coroa. segundo Bayes. por exemplo. o Teorema de Bayes passou por várias controvérsias à medida que os estudos sobre probabilidade e estatística evoluíam. valores probabilísticos de um evento A qualquer não podem ser menores que zero nem maiores que 1 e a probabilidade do evento certo é igual a 1. aos eventos possíveis ou incertos. O trabalho passou a ser conhecido como Teorema de Bayes.matemática em seu tempo. Assim. Em termos formais. o que pode ser formalizado de modo simplificado assim: P(AeB)=P(A/B)×P(B). A segunda lei diz que a probabilidade de qualquer evento ocorrer dentre um número n de eventos alternativos mutuamente exclusivos A e B é igual à soma das probabilidades dos eventos individuais. nas pesquisas científicas ou no cotidiano das pessoas. A idéia de Bayes para o cálculo de probabilidades foi publicada postumamente pela Royal Society com o título "Ensaio Voltado para Solução de um Problema na Doutrina do Acaso" e é uma explicação de como ele abordava os problemas propostos pelos matemáticos anteriores a ele. temos: 0≤P(A)≤1. uma técnica de estatística e estimativa que virou uma lei fundamental da matemática. As informações vão definitivamente influenciar a previsão. As economias mundiais não vivem mais sem a previsão de inflação. P(B eA) = P(B/A) × P(A).a opinião . como quantas vezes A venceu B. o campeonato e os jogadores. certamente o reverendo não tinha tanta necessidade de prever riscos e benefícios de alguma aplicação financeira ou se algum veículo de locomoção teria muita chance de quebrar ou não. A terceira lei fala que a probabilidade de dois eventos A e B ocorrerem é igual à multiplicação da probabilidade condicional P(A/B) – lê-se “probabilidade de A dado B” – pela probabilidade de B. .

Em termos matemáticos. a verossimilhança de cada um dos eventos será P(e1/pn) = 1/2 e P(e1/br) = 1/500. Assim.Do terceiro axioma. . e a probabilidade prévia de A. para simplificar o exemplo. que o paciente apresente um sintoma e1 que ocorra em 1 de cada 2 pacientes com pneumonia. a probabilidade do evento A ocorrer em vista do evento B (P(A/B)) é dada por três fatores: a verossimilhança de A (a probabilidade de B dado A). mas apenas em 1 de cada 500 pacientes com bronquite. admitamos que a incidência de pneumonia (P(pn)) é muito mais rara que a de bronquite (P(br)). Tomemos o seguinte exemplo para nos ajudar a entender o uso do teorema de Bayes para o cálculo da probabilidade de um evento: um médico avalia duas ocorrências possíveis que podem estar se dando com um paciente que reclama de problemas respiratórios. P(br) = 100/101 e P(pn) = 1/100. que há apenas duas modalidades de problemas desse tipo. segundo os registros estatísticos. porém.100 - . Considerando-se. o raciocínio empregado para se avaliar essas ocorrências em termos bayesianos parte das probabilidades prévias desses eventos tal como dadas estatisticamente. Digamos. digamos bronquite e pneumonia. a probabilidade prévia de B. Assim. digamos 100 vezes menos freqüente. assumindo-se por comutação que P(AeB)= P(BeA). deduz-se o teorema de Bayes que tem a seguinte formulação básica: P(A/B) = P(B/A)/P(B) x P(A) Nessa fórmula.