Prof.

NABOR ALVES MONTEIRO
2006
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
2
REVISÃO - MATEMÁTICA
1 - Somatório
Para indicarmos a soma dos x
i
valores da variável x, isto é x
1
+x
2
+x
3
+...+x
n
usamos o
símbolo ¯ (sigma), denominado em matemática, somatório.
Assim, a soma x
1
+x
2
+x
3
+...+x
n
pode ser representada por: ¯x
i
Exemplo: dados x
1
=2, x
2
=7, x
3
=9 e x
4
=6, temos: ¯x
i
= 2+7+9+6 = 24
2 - Arredondamento
Muitas vezes é necessário ou conveniente suprimir unidades inferiores às de determinada
ordem. Esta técnica é denominada de arredondamento de dados.
Em nosso curso, adotaremos o seguinte critério para arredondamento de dados:
i) Quando o primeiro algarismo a ser abandonado for 0, 1, 2, 3 ou 4, fica inalterado o último
algarismo a permanecer. Exemplo: 53,24 para a 53,2.
ii) Quando o primeiro algarismo a ser abandonado for 5, 6, 7, 8 ou 9, aumenta-se de uma unidade
o algarismo a permanecer. Exemplos: 42,87 passa a 42,9; 25,05 passa a 25,1.
Outros exemplos:
1) O número t = 3,141592654..., arredondado com duas casas decimais fica 3,14. Se
arredondado com seis casas decimais fica 3,141593.
2) O número de Euler e = 2,718281828..., arredondado com três casas decimais fica 2,718. Se
arredondado com quatro casas decimais fica 2,7183.
OBS.:
1) Arredondar não significa, necessariamente, deixar o número sem as casas decimais.
Arredonda-se com o número de casas decimais que for necessário.
2) Não devemos fazer arredondamentos sucessivos.
EXERCÍCIOS

1) Sendo: x: 2, 3, 7, 8 e 0, determine:
a) ¯x
i
2
b) (¯x
i
)
2
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
3
2) Dado:
x 1 3 2
y 0 9 1
calcule:
a) ¯xy b) ¯y/x c) ¯(x - y)
2
d) ¯3x e) ¯x¯y
f)
( ) 2
2
x y +
¯
g) ¯y(x-1) h) ¯yx
2
i) ¯5
3) Arredondar os números abaixo na 3ª casa decimal:
a) 0,0042 b) 0,222222 c) 0,0067 d) 0,66666 e) 2,709861 f) 0,333333
g) 732,131313 h) 0,00087
4) Arredondar na 2ª casa decimal:
a) 0,88888 b) 12,035 c) 6,054 d) 13,194 e) 10,4031 f) 0,005
g) 13,14159 h) 2,718
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
4
1 - ESTATÍSTICA
A Estatística, ou métodos estatísticos, como é denominada algumas vezes, desempenha
papel crescente e importante em quase todas as fases da pesquisa humana. Lidando anteriormente
apenas com negócios de Estado, donde o seu nome, a influência da Estatística estendeu-se agora
à Agricultura, Biologia, Comércio, Química, Comunicações, Economia, Educação, Eletrônica,
Medicina, Física, Ciências Políticas, Psicologia, Sociologia e outros numerosos campos da
ciência e da Engenharia.
Ela está interessada nos métodos científicos para coleta, organização, resumo, apresentação
e análise de dados, bem como na obtenção de conclusões válidas e na tomada de decisões
razoáveis baseadas em tais análises.
Definição
Existem várias definições para Estatística. Apresentaremos aqui uma delas, encontrada na
bibliografia anexa.
"Estatística é um conjunto de métodos e processos quantitativos que serve para estudar e
medir fenômenos coletivos".
O objetivo geral da Estatística, como um campo de investigação, é o desenvolvimento de
procedimentos que permitam analisar e interpretar um fenômeno observado, de modo a avaliar
objetivamente a situação em observação.
Conceitos Usados Em Estatística
População e Amostra
Ao coletar os dados referentes às características de um grupo de objetos ou indivíduos, tais
como estaturas e pesos dos estudantes de uma universidade, o número de casos de cólera
atendidos em um município por mês ou o número de peças defeituosas produzidas em uma
fábrica em um certo dia, é muitas vezes impossível ou impraticável observar todo o grupo,
especialmente se for muito grande, ou se a observação implica na destruição do objeto em
questão. Em vez de examinar todo o grupo, denominado população ou universo, examina-se uma
pequena parte chamada amostra.
População: é qualquer conjunto de informações que tenham, entre si, uma característica
comum. Em Estatística, população não significa, necessariamente "pessoas".
Amostra: é um subconjunto da população, de dimensões menores que ela, sem perda das
características essenciais.
Uma população pode ser finita ou infinita. Por exemplo, a população constituída de
laranjas de um pomar é finita, enquanto a população constituída de todos resultados (cara ou
coroa) em sucessivos lances de uma moeda é infinita.
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
5
Estatística Indutiva E Estatística Descritiva
Se uma amostra é representativa de uma população, conclusões importantes podem ser
inferidas de sua análise. A parte da Estatística que trata das condições sob as quais essas
inferências são válidas chama-se Estatística Indutiva ou Inferência Estatística. Como essa
inferência não pode ser absolutamente certa, a linguagem da probabilidade é muitas vezes usada
no estabelecimento de conclusões.
Fig.1 - Coleta de amostra.
A parte da Estatística que procura somente descrever e analisar um certo grupo, sem tirar
quaisquer conclusões ou inferências sobre um grupo maior, é chamada Descritiva ou Dedutiva.
Variáveis
Chamamos de variável ao conjunto de resultados possíveis de um fenômeno aleatório. As
variáveis podem ser qualitativas, quando representam um conjunto de categorias ou
modalidades, ou quantitativas, quando representam um conjunto de números.
As variáveis ainda podem ser:
i) Contínuas: são aquelas que, teoricamente, podem assumir qualquer valor em um intervalo.
Em geral, as medições dão origem a dados contínuos. Exemplo: a altura H de indivíduos que
pode ser 1,65m, 1,662m ou 1,6772, conforme a precisão da medida, é uma variável contínua.
ii) Discretas: são aquelas que, de um valor para outro, não existe continuidade. Geralmente
originam-se de contagens. Exemplo: o número N de crianças, em uma família, que pode
assumir qualquer um dos valores 0, 1, 2, 3, ... mas não pode ser 2,5 ou 3,842, é uma variável
discreta.
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
6
Mensuração
Desde os tempos remotos, o homem tem a preocupação de medir coisas. Em nossa vida
diária, freqüentemente estamos medindo algo: o tempo gasto em uma tarefa, a distância a ser
percorrida em um compromisso, o número de convidados para uma festa, outros. Mensurar
significa associar a alguma coisa um número. As coisas que medimos diferem entre si quanto a
classe a que pertencem. Exemplo: estatura, velocidade, inteligência, beleza. A forma de
mensuração depende da classe ou nível que ela pertence, pois cada nível possui características
próprias, de acordo com a sua complexidade.
Níveis de Mensuração
i) 1º nível - Nominal: é o mais baixo nível da escala de medidas. É usado para classificar um
objeto, pessoa ou característica. Nele vale apenas a relação de igualdade (=). Exemplo: sexo,
masculino e feminino; podemos atribuir valores a esta variável: masculino = 0 e feminino = 1.
No entanto não é possível realizar operações aritméticas com estes números.
ii) 2º nível - Ordinal: é usado para atribuir ordem. Aqui, além da relação de igualdade (=),
valem as relações "maior que/menor que" (< , >). Exemplo: na hierarquia militar, sargento
manda mais que cabo que por sua vez manda mais que soldado. Daí podemos representar:
sargento > cabo > soldado, ou cabo = cabo. Este nível também não permite operações
aritméticas.
iii)3º nível - Intervalar: aqui aparece pela primeira vez uma escala verdadeiramente
quantitativa. Caracteriza-se pela existência de uma unidade de medida arbitrária, porém fixa, e
de um zero convencionado. Exemplo: nas escalas de temperatura o zero é convencionado e a
distância entre graus de uma mesma escala também. Neste nível as únicas operações
aritméticas são a adição e a subtração, multiplicação e divisão não são permitidas.
Justificativa: se um líquido A está a 30
o
C e o líquido B a 10
o
C, não podemos dizer que a
temperatura de A é três vezes maior que B, pois na escala Fahrenheit teríamos o corpo A a
86
o
F e B a 50
o
F (na escala Fahrenheit a água vira gelo a 32ºF e vapor a 212ºF).
iv)4º nível - Racional: é semelhante ao nível intervalar, com a diferença de existir um zero
verdadeiro, ou seja, o zero não é convencionado. Neste nível todas as operações aritméticas
são possíveis. Exemplo: distância (km); volume (m
3
), outros.
As mensurações em nível ordinal e nominal são as mais comuns nas ciências do
comportamento.
Contagem: das contagens originam números inteiros, portanto, todas operações aritméticas
são possíveis.
Para que usamos Estatística?
A Estatística serve para:
1) Resumir e Organizar Informações: freqüentemente quando coletamos dados de uma
população, obtemos uma gama muito grande de informações que precisam ser organizadas e
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
7
resumidas. Neste resumo são colocados resultados que caracterizam uma população em
relação a certa variável.
2) Representar Dados: após apuração e resumo, as informações devem ser transmitidas de modo
simples e claro. Uma forma de representar os dados são os gráficos.
3) Conhecer como determinada variável apresenta-se distribuída na população: muitas vezes o
pesquisador precisa saber se a população tem determinada característica, como por exemplo,
se as pessoas que a compõem são desnutridas. A Estatística ajuda um gerente de CPD saber
como o processamento está distribuído.
4) Testar Hipóteses: quando uma hipótese é levantada, ela precisa de comprovação, o que pode
ser conseguido usando um recurso estatístico chamado "Teste de Hipótese".
5) Fazer Inferências: ao estudar uma população, em geral não se consegue dados dela toda, seja
devido ao custo elevado, ao tempo despendido ou o tamanho da mesma. Assim a Estatística
fornece meios para que, estudando apenas uma parte, se possa tirar conclusões do todo.
6) Tomar Decisão: muitas vezes para se tomar decisão sobre um determinado assunto, é
necessário saber como tem sido o seu comportamento, como tem evoluído. Aí é onde entra a
Estatística fornecendo subsídios para a tomada de decisão. Por exemplo: o político, candidato
a um cargo eletivo muda o rumo de sua campanha conforme esta está surtindo efeito ou não; e
quem vai dar esta informação é a Estatística.
7) Correlacionar variáveis. Usado para verificar o grau de associação entre variáveis e para fazer
previsões baseadas em amostras (Regressão). Por exemplo: a ocorrência de osteoporose em
mulheres após a menopausa tem correlação com o consumo de café. Outro exemplo: consumo
de álcool versus fumo.
Fases Do Trabalho Estatístico: O trabalho estatístico consiste de 6 etapas:
1. Definição
2. Planejamento
3. Coleta de dados
4. Elaboração
5. Análise e interpretação dos dados
6. Relatório
1) Definição:
i) Definir os objetivos: toda pesquisa deve ter um objetivo determinado para saber o que se vai
procurar e o que se pretende alcançar. Deve partir de um objetivo limitado e claramente
definido. A não definição de objetivos é como se construir um edifício sem a fundação. É
comum a alguns estudantes, após um exaustivo e dispendioso trabalho de coleta de
informações fazer uma pergunta típica: "o que eu faço com isto?" Isto é decorrente da falta de
objetivo.
ii) Formular hipóteses: hipótese é uma proposição que se faz na tentativa de verificar a validade
de resposta existente para um problema. É uma suposição que antecede a constatação dos
fatos e tem como característica uma formulação provisória; deve ser testada para determinar
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
8
sua validade. A clareza da definição dos termos da hipótese é condição de importância
fundamental para o desenvolvimento da pesquisa.
iii)Definir a população: a pesquisa em foco deve ser delimitada, ainda que este limite seja
extenso. Isto é feito em função de se saber para qual população os resultados serão válidos.
2) Planejamento
Formular um plano para coleta de dados: o próximo passo é fazer um planejamento de
como os dados serão colhidos. É uma das fases mais importantes, pois se os dados coletados não
forem confiáveis ou representativos, o pesquisador não ficará sabendo e o resultado será
prejudicado.
O resultado final da pesquisa depende muito do planejamento no sentido de que vários
cuidados devem ser tomados. Por exemplo: uma pesquisa que envolve conhecimento de
particularidades das pessoas deve ser bem cuidadosa, pois os pesquisados poderão esconder ou
mascarar tais dados.
Conforme mencionado anteriormente, nem sempre é possível coletar dados de toda
população, assim a opção é se trabalhar com amostras. Para que o resultado da pesquisa seja
válido para toda população é necessário que a amostra tomada seja representativa. Por exemplo:
na impossibilidade de consultar todos os habitantes de um município sobre a atuação do prefeito,
um pesquisador resolve, por conveniência, obter opiniões em apenas um bairro; pode acontecer
que o bairro escolhido acabou de receber melhorias; daí o resultado da pesquisa não será
representativo.
Fig.2 - Erro amostral.
Para que estas situações não ocorram, é necessário que se use uma técnica de amostragem.
Existem várias técnicas, sendo que as mais comuns são:
i) Amostragem Aleatória Simples (AAS)
Nesta técnica, todos elementos da população têm igual probabilidade de serem
selecionados para constituir a amostra. Por exemplo: para formarmos uma amostra de
funcionários de uma empresa, pegamos uma listagem com o nome de todos, numeramos e em
seguida sorteamos alguns usando papéis dobrados ou uma "tabela de números aleatórios".
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
9
ii) Amostragem Sistemática (AS)
Aqui os elementos da amostra são selecionados por um sistema preestabelecido. Por
exemplo: uma clínica psicológica deseja saber o perfil de seus pacientes; possui um arquivo com
1400 prontuários numerados de 1 a 1400; decide-se por tomar uma amostra de 10 pacientes; daí
divide-se 1400 por 10 encontrando-se 140; em seguida sorteia-se o primeiro prontuário. Se o
sorteado for o número 15, a amostra será composta pelos prontuários 15, 15+140=155,
155+140=295 e assim por diante até completar os 10. Outro exemplo: selecionar um cliente que
entra na loja e pular 10.
iii) Amostragem Estratificada (AE)
É usada quando a população apresenta-se dividida em estratos, ou seja, grupos distintos.
Por exemplo: uma empresa de distribuição de energia elétrica tem seus clientes divididos em três
estratos: o industrial, o comercial e o residencial. Para se fazer uma pesquisa por amostragem
neste caso, tomamos uma AAS de cada um dos estratos citados.
O tamanho da amostra a ser tomada é assunto que será visto mais adiante.
Planejamento de Experimentos
Dependendo do tipo ou objetivo da pesquisa, será necessário, ao invés de colher amostras,
fazer experiências. Neste caso será necessário fazer um planejamento de experimento. Devido
sua complexidade, o pesquisador precisará de um conhecimento bem amplo de Estatística.
3) Coleta de Dados
Etapa da pesquisa em que se inicia a aplicação dos instrumentos elaborados e das técnicas
selecionadas, a fim de se efetuar a coleta dos dados previstos.
É uma tarefa cansativa que toma muito tempo e exige do pesquisador paciência,
perseverança e esforço pessoal, além do cuidadoso registro dos dados e de um bom preparo
anterior.
O rigoroso controle na aplicação dos instrumentos de pesquisa é fator fundamental para
evitar erros e defeitos resultantes de entrevistadores inexperientes ou de informantes
tendenciosos.
A seguir citaremos algumas técnicas e instrumentos de pesquisa.
- Coleta Documental: a fonte de coleta é restrita a documentos (livros, revistas, jornais, etc.).
- Observação: é uma técnica de coleta de dados onde são utilizados os sentidos para captar
determinados aspectos da realidade. Não consiste apenas em ver e ouvir, mas também em
examinar fatos ou fenômenos que se desejam estudar.
- Entrevista: é um encontro de duas pessoas, a fim de que uma delas obtenha informações a
respeito de determinado assunto.
- Questionário: é um instrumento constituído por uma série ordenada de perguntas, que devem
ser preenchidas sem a presença do entrevistador.
- Formulário: é o instrumento utilizado na entrevista.
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
10
- Testes: são instrumentos utilizados com a finalidade de obter dados que permitam medir o
rendimento, a competência, a capacidade ou a conduta dos indivíduos, em forma quantitativa.
- Inquérito por telefone: contato verbal entre o entrevistador e o entrevistado através do
telefone.
- Pesquisa através da Internet: os internautas são convidados a acessar determinada página
para responder à pesquisa. Pode ainda ser feita através de e-mail ou salas de bate-papo.
- Sociometria: é uma técnica quantitativa que procura explicar as relações pessoais entre
indivíduos de um grupo.
Existem outras técnicas e instrumentos para coleta de dados, sendo que para aplicação de
qualquer que seja, é necessário conhecê-los bem. Vale lembrar a necessidade de um pré-teste,
antes da coleta definitiva dos dados.
4) Elaboração dos Dados
Após a coleta, os dados são elaborados e classificados de forma sistemática, conforme a
seguir:
i) Seleção: é o exame minucioso dos dados para verificar possíveis falhas e erros.
ii) Codificação: é uma técnica operacional utilizada para categorizar os dados que se relacionam.
Mediante a codificação, os dados são transformados em símbolos, podendo ser tabelados e
contados.
iii)Tabulação: é a disposição dos dados em tabelas, possibilitando maior facilidade na
verificação das inter-relações entre eles. Permite a sintetização dos dados, de modo que estes
sejam mais bem compreendidos e interpretados rapidamente.
5) Análise e Interpretação dos Dados
Uma vez organizados os dados e obtidos os resultados, o passo seguinte é a análise e a
interpretação dos mesmos, constituindo-se ambos no núcleo central da pesquisa. Nesta fase serão
obtidas medidas como média, mediana, moda, proporções, percentís, desvio padrão, etc. Ao final
apresenta-se a conclusão que a análise e interpretação levaram.
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
11
6) Relatório
Exposição geral da pesquisa, desde o planejamento até as conclusões, incluindo os
processos metodológicos empregados. Deve ser expresso em linguagem simples, clara, objetiva,
concisa e coerente.
Tem a finalidade de dar informações sobre os resultados da pesquisa, se possível, com
detalhes, para que eles possam alcançar a sua relevância.
São importantes a objetividade e o estilo, mantendo-se a expressão impessoal e evitando-se
frases qualificativas ou valorativas, pois a informação deve apenas descrever e explicar.
O relatório deve abranger os seguintes aspectos:
i) Apresentação do problema ao qual se destina o estudo;
ii) Processos de pesquisa;
iii)Os resultados;
iv)Conseqüências deduzidas dos resultados.
O Estado de São Paulo 05/02/95
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
12
Exercícios
1 - Quais são as fases do trabalho estatístico? Descreva de forma sucinta cada uma delas.
2 - Quais as características que devem apresentar o relatório final de pesquisa?
3 - Qual a diferença entre população e amostra?
4 - Qual a diferença entre amostra e amostragem?
5 - Para que serve a Estatística?
6 – Pesquise sobre outras técnicas de amostragem. Explique como ela funciona.
7 - Cite 3 técnicas ou instrumentos de pesquisa.
8 - Classifique as variáveis abaixo quanto ao nível de mensuração.
a) peso (kg) b) estatura (cm) c) sexo d) profissão e) dia da semana
f) idade g) tipo de sangue h) resultado de um concurso de beleza feminina
i) religião j) área (m
2
) l) renda familiar ($) m) classe social
n) altitude o) estado civil p) nº camisa jogador q) nº do CPF
r) nº placa automóvel s) pressão
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
13

2 - TABULAÇÃO DOS DADOS
É o arranjo tabular dos dados.
Conceitos
Dados Brutos: após a coleta, temos dados ainda não organizados que chamamos dados
brutos.
Rol: é um arranjo de dados numéricos em ordem crescente ou decrescente de grandeza.
Amplitude Total: é a diferença entre o maior e o menor número do rol.
Distribuição de Freqüência: é o arranjo tabular dos dados por classes, juntamente com as
freqüências correspondentes; também denominado dados agrupados. Embora o processo de
agrupamento geralmente inutilize muitos detalhes originais dos dados, consegue-se vantagem
importante que consiste no aspecto global obtido, que se torna mais claro evidenciando as
relações essenciais.
Intervalo de Classe: é a diferença entre o maior e o menor número da classe.
Limites de Classe: o menor e o maior número da classe chamam-se limite inferior e superior
respectivamente.
Freqüência Acumulada (F
ac
): é a soma de freqüências de determinada classe com as
anteriores.
Freqüência Relativa (F
R
): é o quociente entre a freqüência absoluta da classe e o total.
Exemplo: estatura de estudantes (cm)
158 154 153 160 157
171 170 166 165 169
155 161 162 164 163
Estatura (cm) Nº alunos (f
i
) F
ac
F
R
%
150 |÷ 155 2 2 0,13 13
155 |÷ 160 3 5 0,20 20
160 |÷ 165 5 10 0,33 33
165 |÷ 170 3 13 0,20 20
170 |÷ 175 2 15 0,13 13
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
14
Exercícios
1) Tabular os dados abaixo e calcular as freqüências acumuladas e relativas:
a) Estatura (cm) de indivíduos adultos (iniciar em 150 e usar intervalo de classe igual a 5 cm).
182 154 163 151 180 171 189 176 159 151 160 170 161 153 171 160 158 169 157
173 153 174 170 165 174 167 164 156 162 157 166 173 159 157 158 173 167 168
168 169
b) Notas finais de 50 alunos (iniciar em zero e suar intervalo de classe igual a 1).
2,2 4,6 0,9 4,0 5,7 2,2 2,2 1,3 5,0 4,2 3,5 0,2 1,5 4,1 3,4 5,2 3,2 7,5 6,9 4,4 2,6 4,2
6,0 5,5 3,0 0,3 1,7 7,9 4,5 3,7 0,0 1,2 6,2 5,0 4,5 4,1 5,9 1,1 6,5 3,9 4,3 3,3 7,0 5,0
4,7 2,0 3,6 4,0 6,7 2,9
c) Idade dos funcionários da empresa (iniciar em 20 e usar intervalo de classe igual a 5).
33 46 49 40 53 59 42 48 34 30 49 36 51 27 38 24 41 25 48 20 50 39 41 33 31
41 27 40 42 39 31 47 46 54 56 35 48 46 58 48 40 57 25 43 40 37 43 49 35 46
33 45 55 52 43 39 41 44 23 37 41 37 42 45 50 54 35 38 32 41 53 41 57 32 48 45
40 55 45 37 57 49 56 54 29 26 54 49 36 50 39 43 38 44 32
d) Para se avaliar o nível de estresse de um indivíduo existe um critério que atribui pontos a
“Acontecimentos Pessoais”. Somando-se esses pontos num período de 12 meses, sabe-se que a
pessoa está estressada se o resultado for superior a 300. Os números abaixo são a pontuação de
alguns funcionários da empresa L&P S.A. (iniciar em 140 e usar intervalo de classe igual a 40).
230 168 300 265 159 274 198 217 310 155 264 277
225 255 288 301 215 206 240 350 220 337 186 171
308 140 189 243 144 193 219 154 379 249 251 217
231 278 346 231 292 208 280 324 304 270 166 176
e) Peso (kg) de estudantes do colégio ACD (iniciar em 45 e usar intervalo de classe igual a 5).
69 57 72 54 83 68 72 58 64 62 65 76 60 49 74 59 66 83 70 45 60 81 71 67 63
64 53 73 81 50 67 68 53 75 65 58 80 60 63 53
f) Tempo gasto (em minutos por dia) por executivos em reuniões (iniciar em 50 e usar intervalo
de classe igual a 20).
55 123 100 62 101 135 78 95 87 118 91 84 98
125 80 95 82 99 111 103 120 115 77 96 90 114
52 148 57 88 106 104 87 116 82 112 93 130 149
113 56 61 144 96 139 114 91 118 70 87 106 87
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
15
3 - MEDIDAS DE TENDÊNCIA CENTRAL
As medidas de tendência central são usadas para indicar um valor que tende a representar
melhor um conjunto de dados. Geralmente localizam-se em torno do meio ou centro de uma
distribuição, onde maior parte dos dados tende a se concentrar.
1 - Média Aritmética
É dada por:
onde x
i
são os dados apurados e n a quantidade destes dados.
2 - Mediana
Colocados os valores em ordem crescente, mediana é o elemento que ocupa a posição
central.
Neste grupo, o terceiro indivíduo tem estatura mediana.
A mediana é encontrada da seguinte forma:
a) Número ímpar de dados: Se n for ímpar, a mediana será o elemento central, de
ordem 0,5(n+1).
Exemplo: 27, 37, 31, 43, 42
Primeiramente colocamos em ordem: 27 31 37 42 43. A seguir verificamos qual elemento
ocupa a posição central, ou fazemos 0,5(n+1) = 0,5(5+1) = 3. Portanto o 3º elemento. Daí Md
= 37
b) Número par de dados: Caso n seja par, a mediana será a média entre os elementos
centrais, de ordem 0,5n e 0,5n+1.
Exemplo: 134, 120, 136, 133, 123, 127
Colocamos em ordem: 120 123 127 133 134 136 e fazemos 0,5n = 0,5.6 = 3 e 0,5n+1 =
3+1 = 4, logo a mediana está entre o 3º e 4º elemento, ou seja:
n
x
x
i ¯
=
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
16
Md =
+ 127 133
2
= 130
3 - Moda
É o valor que ocorre com maior freqüência num conjunto.
Exemplo: notas de Matemática: 2, 8, 6, 5, 4, 6, 1, 0, 6, 7, 9, 3 Mo = 6
Proporção
As medidas vistas anteriormente aplicam-se principalmente a dados quantitativos, com
exceção da moda, que também é útil para dados nominais. Outra medida usada para dados
nominais é a proporção, que é a fração ou porcentagem de itens de determinado grupo ou
classe.
É calculada por:
p
n
N
=
onde n é o número de itens que apresentam determinada característica e N o número total de
observações.
Por exemplo: a cada 40 peças produzidas uma é defeituosa. Portanto a proporção de
peças defeituosas é de:
40
1
= =
N
n
p
Para que a caracterização dos dados seja mais adequada, podemos usar o seguinte
critério:
- média: quando os valores forem razoavelmente homogêneos;
- mediana: quando os valores forem heterogêneos;
- moda: quando ocorrem muitas repetições.
Exercícios
1) O número de pacientes atendidos num serviço médico por dia, em um período de 10 dias foi:
14, 21, 9, 11, 8, 19, 25, 22, 21 e 15. Determine a média, mediana e moda.
2) Tomar uma amostra aleatória simples de n = 5 (5 pessoas) da sala de aula. Verificar a idade
dos alunos da amostra. A seguir, determine:
a) a idade média dos alunos;
b) a idade mediana;
c) idade que ocorre com maior freqüência.
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
17
3) Colher uma amostra de 6 alunos da turma, deixando que cada um se manifeste (voluntário),
com o objetivo de pesquisar sobre o peso. A seguir calcule o peso médio o mediano e o modal.
4) A amostra do exercício 3 pode ser considerada representativa? Comente.
5) Numa amostra de 8 alunos da turma, 3 usam óculos. Calcule a proporção das pessoas que não
usam óculos.
6) Uma empresa, possuindo apenas 5 funcionários, paga os seguintes salários: $50,00; $27,00;
$26,00; $25,00 e $24,00. Qual das medidas de tendência central caracteriza melhor os salários
desta empresa? (dica: calcule as 3)
7) A porcentagem de desempregados entre 1965 e 1971 nos EUA foi: 4,5 3,8 3,8 3,6 3,5 4,9 e
5,9. Qual foi a média, mediana e a moda do período?
8) Registrou-se as seguintes temperaturas (
o
C) em um dia frio no município de Tuiuiu do Sul: -2,
0, -3, 4, -3, 5 e 1. Quais as temperaturas média, mediana e modal?
9) Uma amostra aleatória de 56 alunos do Grupo Escolar Santa Lúcia revelou que 32 são
meninos e 24 meninas. Calcule a proporção de meninos e meninas.
10) Na pesquisa anterior, constatou-se que os alunos estão distribuídos da seguinte forma, em
relação a classe social:
Classe nº alunos
A 4
B 15
C 23
D 14
a) Calcule as proporções de cada classe.
b) Qual é a classe modal?
11) Determine a moda e as proporções:
Tipo de produto Quantidade vendida (mil)
Televisão 117
Microsistem 92
DVD 180
Microcomputador 23
12) Calcule média, mediana e moda para o tempo de permanência (em dias) de uma amostra de
hóspedes no Hotel Vista Azul.
3 4 4 5 2 5 4 3 6
13) Determine a moda para as idades de mulheres na época em que divorciaram (capítulo 2
exercício “c”).
14) A tabela abaixo mostra o tráfego de pessoas (em milhões) nos shoppings no Brasil:
Ano 1994 1995 1996 1997 1998 1999
Pessoas (milhões) 42 45 50 55 62 100
Determine a média e a moda do período.
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
18
4 - MEDIDAS DE POSIÇÃO - SEPARATRIZES
Se um conjunto de dados é organizado em ordem crescente de grandeza, o valor que
divide o conjunto em duas partes iguais é a mediana. Por extensão desse conceito, pode-se
pensar nos valores que dividem o conjunto em quatro partes iguais. Estes valores são
denominados quartis. Semelhantemente, os valores que dividem os dados em dez e cem partes
iguais são denominados decís e percentís respectivamente.
i) Quartil
25% 25% 25% 25%
Q
1
Q
2
Q
3
ii) Decil
10% 10% 10% 10% 10% 10% 10% 10% 10% 10%
D
1
D
2
D
3
D
4
D
5
D
6
D
7
D
8
D
9
iii) Percentil
1% 1% 1%
- - -
1%
P
1
P
2
P
3
- - -
P
99
Os percentís são encontrados da seguinte forma:
a) Número ímpar de dados: Se n for ímpar, o percentil procurado será o de ordem
(n+1)p, onde n é o tamanho da amostra e p a porcentagem representada pela separatriz.
b) Número par de dados: Se n for par, o percentil procurado será a média entre os
elementos de ordem np e np + 1.
Exemplo: Em um teste você obteve o resultado 236. Além de você, onze pessoas fizeram
o teste e obtiveram 210, 245, 220, 225, 233, 216, 252, 228, 215, 230 e 241.
a) Qual o percentil do seu resultado entre os 12?
Primeiramente ordenamos: 210, 215, 216, 220, 225, 228, 230, 233, 236, 241, 245, 252. O
resultado 236 ocupa a 9ª posição, num total de 12 posições; assim: 9:12=0,75 = 75%; ou seja
75% dos resultados são menores ou iguais ao seu.
b) Qual é o 25º percentil?
n = 12, logo n é par; assim: np = 12.0,25 = 3 ¬ 3º elemento
e
np + 1 = 3 + 1 = 4 ¬ 4º elemento
Daí o 25º percentil será a média entre o 3º e o 4º elemento, ou seja, a média entre 216 e
220 que é o 218.
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
19
O gráfico abaixo, conhecido como gráfico de Marcondes, mostra os percentís das
variáveis altura e peso, relativas às idades de crianças. Ele serve para acompanhar o crescimento.
Exercícios
1) Tomar uma AAS de 11 alunos e apurar a estatura dos mesmos:
a) Quem tem estatura _______m ocupa qual percentil?
b) Determine o 75º percentil.
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
20
2) Pesquisa realizada junto a 14 famílias da favela da Carrocinha, constatou os seguintes
números de pessoas por família: 2 5 8 7 6 4 3 5 5 1 9 4 10 e 11.
a) Nesta amostra, a família que tem 6 pessoas ocupa qual percentil?
b) Encontrar P
70
e P
50 .
3) Considere os salários abaixo:
70 82 87 72 107 119 79 102 94 125 96 115 78 84 98 72 87 80 94.
a) Abaixo de que salário se situam os 30% com menor remuneração?
b) Acima de que salário ficam os 30% com maior remuneração?
4) O médico informou que seu peso está no percentil 85. O que isto significa?
5) Utilizando os dados dos exercícios a, b, c e e, do capítulo 2 calcule respectivamente:
a) o percentil 90;
b) o P
75
;
c) o 25º percentil;
d) o nonagésimo quinto percentil.
6) O que significa a frase a seguir: “somente os gerentes e executivos recebem salários acima do
3º quartil”
1
.

1
Revista Exame: As melhores empresas para você trabalhar. Editora Abril, edição 669.
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
21
5 - MEDIDAS DE DISPERSÃO OU VARIABILIDADE
Como vimos anteriormente, um conjunto de dados pode ser sintetizado através de valores
representativos como a média, mediana e a moda. No entanto, estas medidas não têm a
capacidade de caracterizar completamente um conjunto de dados. Por exemplo: se a média final
de dois alunos A e B é 6, não podemos concluir que o aproveitamento dos mesmos foi
homogêneo. O aluno A pode ter obtido notas 6, 5 e 7 e o aluno B 10, 8 e 0 (zero). Portanto, para
qualificar os valores de uma certa variável, ressaltando a homogeneidade ou heterogeneidade de
sua distribuição, recorremos às medidas de dispersão.
1) Variância: por definição é:
1.1 - Populacional
( )
S
X X
N
2
2
=
÷
¯
1.2 - Amostral
( )
s
x x
n
2
2
1
=
÷
÷
¯
2) Desvio Padrão: é a raiz quadrada positiva da variância, ou seja:
( )
S
X X
N
=
÷
¯
2
e
( )
s
x x
n
=
÷
÷
¯
1
2
Para população e amostra respectivamente
3) Coeficiente De Variação: é uma medida de dispersão relativa que estabelece uma relação
entre desvio padrão e média. Através dele, podemos ter uma idéia se o valor do desvio padrão é
alto ou não. É dado por:
CV
s
x
=
100
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
22
Exemplo: tempo gasto (em minutos) para realização de certa tarefa, observado em uma amostra
de 5 funcionários:
2 5 4 3 6
Como se trata de uma mostra, usamos a fórmula correspondente. Assim:
x
( )
x x ÷
2
2 (2 - 4)
2
= 4
5 (5 - 4)
2
= 1
4 (4 - 4)
2
= 0
3 (3 - 4)
2
= 1
6 (6 - 4)
2
= 4
20
E
( )
x x ÷
2
= 10

( )
2
2
2
min 5 , 2
4
10
1
= =
÷
÷
=
¯
n
x x
s
Como min
2
não tem sentido prático, calculamos o desvio padrão.
( )
min 58 , 1 5 , 2
1
2
= =
÷
÷
=
n
x x
s
E para conhecermos a variação, em percentual, calculamos o CV:
% 5 , 39
4
100 58 , 1 100
=
×
=
×
=
x
s
CV
Portanto, os tempos variaram em 39,5%.
Exercícios
1) Usando os dados da amostra colhida, referente a idade dos alunos da turma, calcular a
variância, desvio padrão e o coeficiente de variação. Comente o resultado encontrado.
2) Dados os conjuntos numéricos: A = {5, 5, 5, 5, 5} e B = {8, 7, 2, 10, 1};
Sem calcular, responda qual dos dois conjuntos apresenta maior variabilidade; ainda sem
calcular, qual a variabilidade do conjunto A. Justifique o resultado.
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
23
3) Calcule o coeficiente de variação do conjunto B.
4) Calcule o coeficiente de variação para as idades das pessoas dos grupos A e B. Comente os
resultados encontrados. A = {1, 3, 5} e B = {53, 55, 57}
5) Calcular a variância, desvio padrão e coeficiente de variação para o consumo (em kWh) de
energia elétrica de uma residência:
Mês abril maio junho julho agosto setembro outubro
kWh 278 283 296 233 334 313 251
6) Calcule a variabilidade dos custos com embalagem em uma linha de produtos da empresa OG:
Custos ($): 0,48 0,23 0,44 0,26 0,37 0,32
7) Calcule o coeficiente de variação das temperaturas do município de Tuiuiu do Sul (cap. 3).
8) Numa pesquisa sobre clima organizacional os funcionários de um banco atribuíram notas de 0
a 10 para a satisfação no trabalho. A notas foram: 7 2 1 6 2 4
5 2 6
Com os resultados da experiência acima, o que podemos dizer a respeito da variabilidade?
5) Calcule o desvio padrão para o prêmio a ser pago do seguro de alguns veículos:
Prêmio: 412 524 643 498 550 479
9) Calcule o coeficiente de variação para o tempo de permanência (em dias) de uma amostra de
hóspedes no Hotel Vista Azul.
3 4 4 5 2 5 4 3 6
10) A tabela abaixo representa o número de usuários da Internet na América Latina em 1999 –
em milhões:
País Brasil México Argentina Colômbia Outros
Nº (milhões) 4,8 1,3 0,8 0,5 2,2
Calcule a variabilidade e analise se a distribuição é homogênea.
11) Produção de carne de frango – em milhões de toneladas:
Ano 1994 1995 1996 1997 1998 1999 2000
ton (milhões) 3,49 4,05 5,06 4,46 4,85 5,53 5,9
Determine a variabilidade do período.
12) Os dados a seguir representam a distância (em km) percorrida diariamente pelos caminhões
de uma transportadora: 490 530 640 380 450 610 560. Determine a
variabilidade.
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
24
6 - REPRESENTAÇÃO GRÁFICA
Os dados estatísticos podem ser representados através de elementos geométricos,
chamados gráficos. Os gráficos têm o objetivo de dar uma visão rápida e global do fenômeno em
estudo. No entanto apresentam algumas limitações:
- não são precisos na medida em que omitem detalhes;
- podem ser distorcidos de acordo com interesses particulares;
- não permitem a representação de um grande número de dados.
Os gráficos devem ser elaborados de forma simples e clara, retratar a realidade e respeitar
sua escala.
Uma preocupação com os gráficos é referente a estética. Um gráfico com um eixo
horizontal ou vertical muito grande fica ruim do ponto de vista estético. Assim, os eixos devem
ter o mesmo comprimento, ou então o eixo vertical ter, no mínimo, 75% do comprimento do eixo
horizontal.
Construção De Gráficos
Os gráficos devem ser construídos com base no sistema de eixos cartesianos, ou seja,
dois eixos perpendiculares entre si, sendo que a origem (zero) é na intersecção dos mesmos.
No eixo das abscissas (horizontal), os valores crescem da esquerda para a direita. Neste
eixo, geralmente representamos cronologia (tempo), região geográfica (estado, município,
outros) ou categorias.
No eixo das ordenadas (vertical), os valores crescem de baixo para cima. Nele
representamos as quantidades (valores, %).
Os gráficos devem ter título e nas extremidades dos eixos devem ser indicadas as
variáveis que estão sendo representadas, com as respectivas unidades.
Quando um eixo tem seus valores iniciais muito altos, deve haver uma interrupção, com a
indicação da posição do zero.
Todo gráfico deve indicar, no seu rodapé, a fonte, ou seja, a instituição ou
pesquisador(es) que levantaram os dados.
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
25
I - Gráfico De Colunas
É usado para representar séries cronológicas, geográficas e categóricas. São retângulos
com larguras de mesma medida e alturas proporcionais às quantidades representadas.
É construído da seguinte forma:
1 - traçar um sistema de eixos cartesianos;
2 - marcar os valores ou categorias das variáveis nos eixos, evitando o uso de números
"quebrados"; escrever o nome das variáveis;
3 - construir retângulos representativos das variáveis, mantendo entre um e outro distâncias
iguais;
4 - colocar o título e a fonte.
Obs.: as distâncias entre colunas devem ter medida inferior à largura das mesmas.
Exemplo: Potencial de consumo urbano, por classes sociais em 2001 – em bilhões de dólares:
Classe (US$ bilhões)
A1 25
A2 60,1
B1 58,6
B2 66,1
C 94,5
D+E 56,5
Fonte: Simonsen Associados
Fonte: Simonsen Associados
Potencial de Consumo Urbano por
Classes Sociais - 2001
25
60,1
58,6
66,1
94,5
56,5
0
20
40
60
80
100
A1 A2 B1 B2 C D+E
Classe
U
S
$

(
b
i
l
h
õ
e
s
)
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
26
II - Gráfico De Linhas
Usado apenas para séries cronológicas, onde podemos perceber a evolução do fenômeno
no decorrer do tempo.
Para sua construção:
1 e 2 - estes passos são idênticos ao gráfico de colunas;
3 - marcar os pontos correspondentes aos pares de valores das duas variáveis;
4 - unir os pontos marcados por segmentos de reta;
5 - colocar título e fonte.
Exemplo: evolução da expectativa de vida no Brasil
Ano Expectativa de vida (anos)
1940 44
1950 46
1960 52
1970 53
1980 61
1990 66
2000 69
Fonte: IBGE
Evolução da Expectativa de Vida no Brasil
0
10
20
30
40
50
60
70
1940 1950 1960 1970 1980 1990 2000
Fonte: IBGE
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
27
III - Gráficos Comparativos
Como o próprio nome diz, servem para comparar dois ou mais fenômenos. No entanto, se
muitos fenômenos forem representados num mesmo gráfico, este perde sua clareza e
simplicidade.
Cada fenômeno deverá ter uma cor ou motivo de modo que possam ser diferenciados uns
dos outros. Estes gráficos necessitam legenda.
Exemplo 1: Previdência Social: comparação entre arrecadação líquida e benefícios pagos
(bilhões de R$).
Ano Arrecadação Benefícios
1988 33 18
1989 33.5 21
1990 36 22
1991 34 24
1992 33.5 25.5
1993 36 32
1994 33.5 34
1995 38 40
1996 43 44.5
Fonte: Ministério da Previdência e Assistência Social
Pagamento de Benefícios Versus Arrecadação da Previdência Social
0
10
20
30
40
50
1
9
8
8
1
9
8
9
1
9
9
0
1
9
9
1
1
9
9
2
1
9
9
3
1
9
9
4
1
9
9
5
1
9
9
6
Arrecadação
Benefícios
Fonte: Ministério da Previdência e Assistência Social
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
28
Exemplo 2: comparativo de gastos entre Brasil e EUA (em %).
Item EUA Brasil
Alimentos 15,8 27,4
Habitação 28,3 23,5
Eletrodomésticos 5,0 3,5
Veículos 5,0 2,1
Educação 2,7 6,3
Serviços Médicos 6,1 8,2
Lazer 4,4 2,1
Fonte: JP Morgan/DIEESE
Percentual no gasto do orçamento familiar
0
5
10
15
20
25
30
EUA
Brasil
Legenda
Alimentos Habit. Eletrodom. Veíc. Médico Educ. Lazer
Fonte: JP Morgan/DIEESE
IV - Gráfico De Setores
É usado quando queremos comparar os valores de uma categoria com o total de todas
categorias. Seu aspecto é de um círculo onde estão traçados alguns raios, por isso é conhecido
como gráfico de pizza ou torta.
Antes de iniciar sua construção precisamos converter os valores encontrados em graus.
Esta conversão é feita através de regra de três simples.
Construção:
1 - usando um compasso ou gabarito, traçar uma circunferência com raio qualquer (não
muito pequeno) e marcar o seu centro;
2 - traçar um raio qualquer;
3 - usando um transferidor, marcar os ângulos correspondentes aos valores da tabela,
começando pelo primeiro raio traçado;
4 - pintar ou diferenciar com motivos cada categoria representada;
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
29
5 - colocar legenda, título e fonte.
Exemplo: classificação socioeconômica da população brasileira em 1997.
Classe %
A 10
B 23
C 40
D 25
E 2
Fonte: IBOPE
Classificação socioeconômica da população brasileira em 1997
%
10%
23%
40%
25%
2%
A
B
C
D
E
Fonte: IBOPE
V - Representação Gráfica De Distribuições De Freqüência
Podemos representar os dados agrupados de duas maneiras: histograma e polígono de
freqüência.
a) Histogramas: são parecidos com os gráficos de colunas, porém sem os espaços entre
elas. São construídos da seguinte forma:
1 - traçar o sistema de eixos cartesianos;
2 - marcar no eixo horizontal apenas os limites de classe;
3 - marcar as freqüências no eixo vertical;
4 - traçar um retângulo para cada classe, com largura igual ao intervalo de classe e altura
igual a respectiva freqüência;
5 - colocar título e fonte.
Obs.: as linhas que dividem as colunas são dispensáveis.
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
30
Exemplo: peso de recém-nascidos no mês de novembro na Maternidade Mãe Santa.
Peso (g) f
2000 |÷ 2500 2
2500 |÷ 3000 5
3000 |÷ 3500 12
3500 |÷ 4000 8
4000 |÷ 4500 3
Fonte: Secretaria (fictícia)
Peso de recém-nascidos no mês de novembro na maternidade Mãe Santa.
Fonte: Secretaria
b) Polígonos de freqüência: são semelhantes aos gráficos de linha.
São construídos da seguinte forma:
1, 2 e 3 - igual ao histograma;
4 - marcar os pontos médios das classes;
5 - marcar os pontos correspondentes aos pares de valores "ponto médio da classe" e "freqüência
da classe";
6 - marcar um ponto onde seria o ponto médio da classe anterior à primeira e outro onde seria o
ponto médio da classe seguinte à última;
7 - unir os pontos por segmentos de reta;
8 - colocar título e fonte.
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
31
Exemplo: Peso de uma amostra de Adolescentes da Região XYZ
Peso (kg) Freq.
50 |÷ 55 2
55 |÷ 60 5
60 |÷ 65 6
65 |÷ 70 9
70 |÷ 75 4
Fonte: Fonte: Instituto RTS
Peso de uma Amostra de Adolescentes da Região XYZ
Fonte: Instituto RTS
Para finalizar este capítulo, ressaltamos a importância do papel milimetrado na
construção de gráficos, pois estes facilitam muito. Mais modernamente podemos contar com os
gráficos feitos por computador, que são bastante precisos e têm uma apresentação muito boa. O
recurso mais comum atualmente é o Microsoft Excel.
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
32
Exercícios
1) Usando uma conta de luz, construir um gráfico do consumo de energia elétrica.
2) Represente graficamente os dados abaixo. Entre colchetes está indicado o tipo de gráfico.
a) Valor estimado das vendas do comércio eletrônico brasileiro – em milhões de dólares.
[linhas]
Ano US$ milhões
97 4,3
98 32,7
99 71,2
00 155,4
01 328,0
Fonte: IDC/E-Marketer
b) Segmentação das vendas realizadas pelo sistema B2C – em % do valor das vendas.
[setores]
Tipo %
Alimentos e remédios 8
Eletrônicos e telefone 17
Informática 19
Serviços financeiros 31
Outros 25
Fonte: IBOPE/IDC/Simonsen Associados
c) Comparativo de alunos matriculados em escolas de ensino fundamental – em milhões
de alunos. [colunas ou linhas]
Ano Rede
pública
Rede particular
94 27,6 3,6
95 28,8 3,8
96 29,4 3,7
97 30,5 3,7
98 39,0 3,4
99 32,8 3,3
00 32,5 3,2
Fonte: MEC/Inep/Simonsen Associados
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
33
d) Distribuição estimada do faturamento do setor de informática em 2001 – em %.
[setores]
Tipo %
Hardware 68
Software 13
Serviços 19
Fonte: Fenasoft/Simonsen Associados
e) Domicílios com telefone em 1999 – em %. [colunas]
Região Área
urbana
Área
rural
Norte 33,5 N.D.
Nordeste 30,0 3,7
Sudeste 49,3 10,7
Sul 48,8 15,1
Centro-oeste 48,8 10,6
Fonte: IBGE/Simonsen Associados.
f) Número de acidentes ambientais no Estado de São Paulo. [linha]
Ano Nº
1986 108
1987 116
1988 113
1989 168
1990 127
1991 149
1992 208
1993 175
1994 189
1995 215
1996 398
Fonte: Cetesb
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
34
g) Quanto as empresas gastam por ano para dar assistência médica a seus funcionários -
em US$ por empregado.
País US$
Canadá 562
Inglaterra 900
Hong Kong 1000
França 1050
Brasil 1250
EUA 1500
Itália 1550
Espanha 1890
Japão 1920
Argentina 2400
Fonte: Hewitt Associados
h) Anos de estudo dos habitantes da cidade de Peri-Açu.
Tempo (anos) freqüência
0 |÷ 4 5.300
4 |÷ 8 4.670
8 |÷ 12 3.850
12 |÷ 16 2.700
16 |÷ 20 1.200
20 |÷ 24 580
Fonte: Secretaria Educação
i) Número de alcoólatras crônicos segundo a idade que iniciaram o hábito de ingerir
bebidas alcoólicas.
Idade (anos) freqüência
10 |÷ 15 8
15 |÷ 20 41
20 |÷ 25 30
25 |÷ 30 14
30 |÷ 35 7
35 |÷ 40 2
Fonte: Secretaria Saúde
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
35
j) Q.I. de uma amostra de alunos do Colégio Clara de Assis.
QI freqüência
70 |÷ 80 7
80 |÷ 90 11
90 |÷ 100 42
100 |÷ 110 27
110 |÷ 120 20
120 |÷ 130 3
Fonte: Clínica Psicológica
k) Renda familiar, em salários mínimos no Brasil em 1997.
Renda (nº de SM) %
0 |÷ 0,5 1
0,5 |÷ 2 6
2 |÷ 5 24
5 |÷ 10 30
10 |÷ 17 16
17 |÷ 20 6
20 |÷ 50 13
Fonte: IBOPE
3) Represente graficamente as freqüências acumuladas das tabelas de “h” a “k”.
Obs. Os gráficos de 3 são chamados de OGIVA.
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
36
Curva De Freqüência - Curva Polida
Na medida em que as amostras tornam-se muito grandes e a amplitude das classes muito
pequenas, a linha poligonal (contorno do polígono de freqüência), tende a transformar-se numa
curva. A curva de freqüência.
Enquanto o polígono de freqüência ou o histograma nos dá uma imagem real do fenômeno
estudado, a curva de freqüência nos dá uma imagem tendencial.
Formas das Curvas de Freqüência
Simétricas Assimétricas (viesadas)
Outras
Exponenciais Parabólica
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
37
7 - ASSIMETRIA E CURTOSE
Freqüentemente o pesquisador deseja saber como a variável em questão se distribui. As
medidas de assimetria e curtose nos dão uma idéia desta distribuição.
Assimetria
Assimetria é o grau de desvio ou afastamento da simetria de uma distribuição. Se a curva
de freqüência de uma distribuição tem uma "cauda" mais longa à direita da ordenada máxima,
diz-se que a distribuição tem assimetria positiva. Se ocorrer o inverso, diz-se que ela tem
assimetria negativa.
O coeficiente de assimetria é determinado por:
( )
As
x Md
s
=
÷ 3
se:
0 s |As| s 0,15 simétrica
0,15 < |As| < 1 assimétrica moderada
|As| > 1 assimétrica forte
Curtose
É o grau de achatamento de uma distribuição, considerado usualmente em relação a uma
distribuição normal. É dado por:
( )
K
Q Q
P P
=
÷
÷
3 1
90 10
2
Se K = 0,263 ¬ Mesocúrtica
Se K < 0,263 ¬ Leptocúrtica
Se K > 0,263 ¬ Platicúrtica
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
38
Exemplos:
1) Um levantamento antropométrico realizado em certa população revelou que o comprimento
médio do antebraço é de 32,8cm, o desvio padrão 9,1cm e a mediana 35,7cm. Calcular o
coeficiente de assimetria e classificar a distribuição:
( )
As
x Md
s
=
÷ 3
=
( )
As =
÷ 3 32 8 35 7
9 1
, ,
,
= -0,96
Como 0,15 < |-0,96| < 1 a assimetria é moderada negativa, ou seja existe uma concentração em
valores altos (antebraços compridos).
2) A pesquisa anterior revelou ainda que o comprimento do braço tem as seguintes medidas:
Q
1
= 24,4cm Q
3
= 41,2cm P
10
= 20,2cm e P
90
= 49,5cm
Calcular o coeficiente de curtose e classificar a distribuição.
( )
K
Q Q
P P
=
÷
÷
3 1
90 10
2 ( )
=
÷
÷
41 2 24 4
2 49 5 20 2
, ,
, ,
= 0,287
Como 0,287 > 0,263, a distribuição é platicúrtica, ou seja as medidas estão dispersas.
Exercícios
1) Um estudo sobre a qualidade de vida em certa comunidade, revelou que a área média das
moradias é de 96,4m
2
com desvio padrão de 18,5m
2
. A área mediana é de 98,2m
2
. Classifique a
distribuição das áreas quanto ao grau de assimetria.
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
39
2) O mesmo estudo revelou ainda o seguinte:
- 25% dos habitantes consomem até 27Kg de alimentos por mês;
- 10% dos habitantes consomem até 22Kg de alimentos por mês;
- 75% dos habitantes consomem até 31Kg de alimentos por mês;
- 90% dos habitantes consomem até 36Kg de alimentos por mês;
Classifique a distribuição quanto a curtose.
3) Determine e classifique o grau de assimetria para as distribuições abaixo. Esboce a curva
correspondente.
Distribuição média mediana Desvio
padrão
Horas mensais de uso da internet por alunos da
escola RGH
48,1 47,9 2,12
Distância diária percorrida por carteiros 33,18 31,67 12,45
4) Determine o grau de curtose e classifique as distribuições abaixo. Esboce a curva
correspondente.
Distribuição Q
1
Q
3
P
10
P
90
Salários pagos pela empresa KWA 814 935 772 1012
Estatísticas de idosos da cidade de Apu 63,7 80,3 55,0 86,6
Gastos mensais com higiene 28,8 45,6 20,5 49,8
6) Supondo-se que no exemplo 1 a mediana fosse 32,8, como classificaríamos a distribuição
quanto a simetria?
7) Com os dados obtidos no exercício 1 do capítulo 5, classificar a distribuição quanto a
simetria.
8) A empresa PQR fez um levantamento sobre o preço de certo alimento enlatado e descobriu
que o descobriu que a média é $1,28, a mediana $1,31e o desvio padrão $0,80. Classifique a
distribuição dos preços no que se refere a assimetria.
9) O mesmo levantamento anterior descobriu que o P
10
= 0,75, o P
25
= 1,02, o P
75
= 1,48 e o
P
90
= 1,76. Classifique a distribuição quanto a curtose.
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
40
8 - NOÇÕES DE PROBABILIDADES
Conceitos Básicos
Experimentos Aleatórios: são aqueles que, repetido em condições consideradas
idênticas, pode apresentar resultados diferentes, como por exemplo o lançamento de um dado.
Espaço Amostral (S): é o conjunto dos possíveis resultados de um experimento
aleatório. O número de elementos deste conjunto é indicado por n(S). Exemplo: no lançamento
do dado, temos:
S = {1, 2, 3, 4, 5, 6} n(S) = 6
Evento: é um subconjunto do espaço amostral. Exemplo: no dado podemos ter como
evento a ocorrência de um número par: A = {nº par}; A = {2, 4, 6}, n(A) = 3.
Tipo de Eventos
 Evento simples: formado por um único elemento do espaço amostral. Exemplo: se
lançarmos 3 moedas consecutivamente, o evento K, K, K (três caras) é simples.
 Evento composto: formado por mais de um elemento do espaço amostral. Exemplo: se
lançarmos 2 dados e desejamos a soma igual a 11, é um evento composto, pois existem 2
elementos do espaço amostral nestas condições (6,5) e (5, 6).
 Evento complementar: dizemos que um evento é complementar na seguinte condição:
Exemplo: ao lançarmos duas moedas, temos S = {(KK);(KC);(CK);(CC)}; se considerarmos
A = {(KK)}, o complementar de A será
 Eventos mutuamente exclusivos: Se A e B são dois eventos, dizemos que A e B são
mutuamente exclusivos se A · B = C, ou seja, se ocorre A não pode ocorrer B. Exemplo, se
lançarmos uma moeda, se ocorre cara, não ocorre coroa.
 Eventos independentes: dois ou mais eventos se dizem independentes se a ocorrência de um
não influencia a ocorrência do outro. Por exemplo: o fato de sair um determinado número no
dado não influi na saída de outro.
 Evento impossível: é o conjunto vazio. Exemplo: sair um sete no dado.
 Evento certo: é o próprio espaço amostral S. Exemplo: a ocorrência de cara ou coroa no
lançamento de uma moeda.
Experimentos equiprováveis: são aqueles que, realizados sob as mesmas condições, têm a
mesma chance de ocorrência de seus eventos.
A S A ÷ =
( ) ( ) ( ) { } CC CK ; ; KC A =
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
41
Probabilidades – definição. As probabilidades são utilizadas para exprimir a chance de
ocorrência de determinado evento. Num experimento aleatório equiprovável, a probabilidade de
ocorrer o evento X, dentro do espaço amostral S é dada por:
Propriedades:
 P(A) + P(B) = 1 (sendo B o complemento de A)
 0 s P(A) s 1 (qualquer que seja A)
 P(C) = 0
 P(S) = 1
União de Probabilidades
1) Se A e B são eventos mutuamente exclusivos, temos:
P(A B) = P(A) + P(B)
Em outras palavras, a probabilidade de ocorrer o evento A ou o evento B é igual a soma
da probabilidade de ocorrência do evento A com a probabilidade de ocorrência do evento B.
Podemos ter outros casos como P(A B C) = P(A) + P(B) + P(C).
2) Quando A e B têm elementos comuns, ao associarmos a A B uma probabilidade
P(A) + P(B), estaremos atribuindo um valor maior que a “verdadeira”, uma vez que as
probabilidades dos elementos comuns a A e B, terão sido computadas duas vezes. Assim, se os
eventos não são mutuamente exclusivos, temos:
P(A B) = P(A) + P(B) - P(A · B)
Exemplo: Uma urna tem 15 bolas de mesmo raio, numeradas de 1 a 15:
a) Qual a probabilidade de se tirar uma bola cujo número seja múltiplo de 5 ou 4?
S = {1, 2, 3, ... , 15} n(S) = 15
A: múltiplo de 5 A = {5, 10, 15} n(A) = 3
B: múltiplo de 4 A = {4, 8, 12} n(B) = 3 A · B = C
Daí
n(S)
n(X)
P(X) =
possíveis casos de nº
favoráveis casos de nº
P(X) =
4 , 0
5
2
15
6
15
3
15
3
B) P(A = = = + =
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
42
b) Qual a probabilidade de se tirar uma bola cujo número seja múltiplo de 3 ou 4?
S = {1, 2, 3, ... , 15} n(S) = 15
A: múltiplo de 3 A = {3, 6, 9, 12, 15} n(A) = 5
B: múltiplo de 4 A = {4, 8, 12} n(B) = 3 A · B = {12}; n(A · B) = 1
Probabilidade Condicional
Sejam A e B dois eventos, com P(A) > 0. Denotemos por P(B/A) a probabilidade de
ocorrência de B, na hipótese de A ter ocorrido. Como A ocorreu, A passa a ser o novo espaço
amostral, que vem substituir o espaço original S. Daí:
Exemplo: Sorteando-se um número ao acaso entre os inteiros 1, 2, ... , 15, qual a
probabilidade do número ser 6, sabendo-se que saiu par.
S = { 1, 2, 3, ... , 15} n(S) = 15
B = {o número é 6} = {6} n(B) = 1
A = {o número é par} = { 2, 4, 6, 8, 10, 12, 14} n(A) = 7
A · B = {6} ¬ n(A · B) = 1
Daí temos:
Intersecção de Probabilidades
1) Se dois eventos são independentes, então a probabilidade da ocorrência de ambos é
igual ao produto de suas probabilidades individuais.
P(A · B) = P(A)P(B)
Exemplo: Retiram-se, com reposição, duas cartas de um baralho com 52 cartas. Qual a
probabilidade de que ambas sejam de “espada”?
A = {1ª carta é de espada}
B = {2ª carta é de espada}
467 , 0
15
7
15
1
15
3
15
5
B) (A P(B) P(A) B) P(A = = ÷ + = · ÷ + = P
16
1
52
13
52
13
B) P(A = × = ·
) (
) (
P(A)
B) P(A
P(B/A)
A n
B A n ·
=
·
=
1428 , 0
7
1
15 7
15 1
P(A)
B) P(A
P(B/A) = = =
·
=
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
43
2) Se um evento depende do outro, a probabilidade da ocorrência simultânea dos dois é
dada pelo produto da probabilidade de um dos eventos, pela probabilidade condicional do outro
evento.
P(A · B) = P(A)  P(B/A) com P(A) = C
Exemplo: Qual a probabilidade de se retirar (sem reposição) 5 cartas de copas de um
baralho de 52 cartas?
Exercícios
1) Qual a probabilidade de:
(a) sair uma face ímpar no lançamento de um dado?
(b) sair um rei de um baralho comum de 52 cartas?
2) Dois dados são lançados. Pede-se
(a) espaço amostral;
(b) enumere o evento B = {a soma dos pontos é 7};
(c) enumere o evento A = {a soma dos pontos é 9};
(d) calcule a probabilidade do evento A;
(e) calcule a probabilidade do evento B;
(f) qual a probabilidade da soma não dar 9?
(g) calcule a probabilidade da soma ser 9 ou 7;
(h) sabendo-se que as duas faces mostram números diferentes, calcule a probabilidade de a
soma ser 4;
(i) determine a probabilidade da soma ser 5, visto que o primeiro dado mostra um número
maior que o segundo.
3) Em duas urnas existem bolas de mesmo raio, conforme abaixo:
Se uma bola é retirada de cada urna, qual a probabilidade de ambas serem da mesma cor?
4) Em um lote de 10 peças, 6 são defeituosas. Retirando-se 2 delas sem reposição, qual a
probabilidade de ambas serem defeituosas?
0,0495%
48
9
49
10
50
11
51
12
52
13
P(5copas) = × × × × =
Urna 1
5 azuis
3 pretas
4 brancas
Urna 2
6 azuis
4 pretas
10 brancas
K
ª
K
ª
K
ª
K
ª
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
44
5) De um baralho comum de 52 cartas retirou-se uma carta, verificando-se que é vermelha. Qual
a probabilidade de essa carta ser uma figura?
6) Lançando-se, simultaneamente, um dado e uma moeda, determine a probabilidade de se obter
3 ou 5 no dado e cara na moeda.
7) Tendo a informação de que retirou-se uma carta de copas de um baralho comum, qual a
probabilidade de que ela seja menor que 3?
8) Dos 50 alunos de uma sala, 10 foram reprovados em Física, 12 em Matemática e 6 em ambas
matérias. Um aluno é escolhido ao acaso.
a – Sabendo-se que foi reprovado em Matemática, qual a probabilidade de também ter sido
reprovado em Física?
b – Sabendo-se que foi reprovado em Física, qual a probabilidade de também ter sido
reprovado em Matemática?
9) Um número inteiro é escolhido ao acaso dentre os números 1, 2, 3, ..., 30. Qual a
probabilidade de:
a – o número ser divisível por 5 ou 3?
b – o número ser divisível por 5 e 3?
10) Duas bolas são retiradas ao acaso de uma caixa contendo 20 amarelas, 10 pretas, 7 verdes e 2
brancas. Qual a probabilidade dela serem:
a – amarelas?
b – pretas?
c – verdes?
d – brancas?
11) Uma carta é retirada de um baralho comum. Qual a probabilidade dela ser:
a – dama ou carta de paus?
b – ás ou valete?
c – rei e copas?
12) Uma Caixa contém 20 canetas iguais, das quais 7 são defeituosas, e outra contém 12, das
quais 4 são defeituosas. Uma caneta é retirada aleatoriamente de cada caixa. Determine a
probabilidade de:
a – ambas serem defeituosas;
b – ambas não serem defeituosas;
c – de uma ser perfeita e a outra não.
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
45
9 - TEOREMA DE BAYES
O Teorema de Bayes (ou Regra de Bayes) é um método de revisão de probabilidades
existentes (a priori) com base em informação amostral. Basicamente ele diz que “se um evento
pode ocorrer de mais de uma maneira, então a probabilidade de ocorrência de uma determinada
maneira seria a razão da probabilidade de ocorrência daquela maneira para a probabilidade de
ocorrência de qualquer modo”.
Enunciado: Sejam A
1
, A
2
, ..., A
n
eventos mutuamente excludentes, cuja união é o
próprio espaço amostral, isto é, um dos eventos deve forçosamente ocorrer. Então, se B é um
evento deste espaço amostral, temos o seguinte teorema:
Ou
Este teorema relaciona probabilidades a priori: P(A
i
), com a probabilidade a posteriori:
P(A
i
/B), probabilidade de A
i
depois que ocorrer B. Ele nos permite determinar as probabilidades
dos vários eventos A
1
, A
2
, . . . A
n
que podem ser a causa da ocorrência de B. Por isso o Teorema
de Bayes é mencionado freqüentemente como o “Teorema da Probabilidade das Causas”.
Exemplo: A empresa ABC S/A apresentou uma proposta para um projeto de construção. Se seu
concorrente apresentou uma proposta, há apenas 25% de chance da ABC ganhar a concorrência.
Se seu concorrente não apresentou proposta há 2/3 de chance da ABC ganhar. A chance do
concorrente ter apresentado proposta é de 50%. Qual a probabilidade de seu concorrente ter
apresentado proposta, dado que sua empresa ganhou a concorrência?
Do enunciado, podemos listar o seguinte:
- P(C) = Probabilidade de o concorrente participar = 0,50;
- P(~C) = Probabilidade do concorrente não participar = 0,50;
- P(G/C) = Probabilidade da ABC ganhar sabendo que o concorrente apresentou proposta =
0,25;
- P(G/~C) = Probabilidade da ABC ganhar sabendo que o concorrente não apresentou proposta
= 0,6667;
O que o problema está querendo saber é:
P(C/G) = Probabilidade de o concorrente ter apresentado proposta, sabendo que a ABC ganhou a
concorrência = ?
¯
=
=
n
i
i i
i i
i
A B P A P
A B P A P
B A P
1
) / ( ) (
) / ( ) (
) / (
) / ( ) ( ... ) / ( ) ( ) / ( ) (
) / ( ) (
) / (
2 2 1 1 n n
i i
i
A B P A P A B P A P A B P A P
A B P A P
B A P
+ + +
=
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
46
Pelo Teorema de Bayes, podemos determinar a probabilidade requerida:
Exemplo 2: Considere a seguinte situação:
Urna Cores
U
1
U
2
U
3
Pretas 3 4 2
Brancas 1 3 3
Vermelhas 5 2 3
Escolheu-se uma urna ao acaso e dela extraiu-se uma bola também ao acaso, verificando-se que a
bola é branca. Qual a probabilidade de a bola ter vindo da urna 2?
Probabilidade a priori:
Probabilidades condicionais:
Queremos calcular P(U
2
/br):
Portanto, a probabilidade “a posteriori”, isto é, a probabilidade de ter sido escolhida a urna 2
dada a informação de que a bola retirada foi branca é de 40,678%.
2727 , 0
6667 , 0 5 , 0 25 , 0 5 , 0
25 , 0 5 , 0
) ~ / ( ) (~ ) / ( ) (
) / ( ) (
) / ( =
× + ×
×
=
× + ×
×
=
C G P C P C G P C P
C G P C P
G C P
3
1
) (
1
= U P
3
1
) (
2
= U P
3
1
) (
3
= U P
9
1
) / (
1
= U br P
3
1
) / (
2
= U br P
8
3
) / (
3
= U br P
40678 , 0
59
24
8
3
3
1
3
1
3
1
9
1
3
1
3
1
3
1
) / (
2
= =
× + × + ×
×
= br U P
) / ( ) ( ) / ( ) ( ) / ( ) (
) / ( ) (
) / (
3 3 2 2 1 1
2 2
2
U br P U P U br P U P U br P U P
U br P U P
br U P
+ +
=
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
47
Exercícios
1) Três máquinas, A, B e C fabricam um mesmo produto nas seguintes proporções. A produção
da máquina A é duas vezes a produção da máquina B e as máquinas B e C têm proporções
iguais. Sabe-se ainda que 5% do produto fabricado em A, 7% fabricado em B e 10%
fabricado em C são defeituosos. Este produto é armazenado em determinado depósito, na
proporção da produção de cada máquina. Retirou-se um produto deste depósito e verificou-se
que era defeituoso. Qual a probabilidade de este produto ter sido produzido pela máquina A?
Pela máquina B? Máquina C?
2) Certa empresa de ônibus verificou que seus veículos podem parar por defeito elétrico ou
mecânico. Se o defeito for elétrico, a proporção é de 1 para 8, e, se mecânico, de 1 para 13.
Em 15% das viagens há defeito elétrico e, em 26% mecânico, não ocorrendo mais de um
defeito em cada viagem, igual ou do tipo diferente. Se o ônibus não completar a viagem, qual
a probabilidade de ocorrer defeito mecânico?
3) Um indivíduo pode chegar ao emprego utilizando bicicleta, motocicleta ou carro. A
proporção de uso de cada um é o seguinte: carro 0,6, bicicleta 0,1 e motocicleta 0,3. A
probabilidade de chegar atrasado, no caso de utilizar carro é de 0,05, de bicicleta 0,02 e de
motocicleta 0,08. Certo dia ele chegou atrasado. Qual o meio de locomoção mais provável de
ter escolhido?
4) Suponhamos que 5% das pessoas com sangue tipo O sejam canhotas, 10% das pessoas de
outro tipo de sangue sejam canhotas, e 40% das pessoas tenham sangue tipo O. Selecionando
um canhoto aleatoriamente, qual a probabilidade de ele ter sangue tipo O?
5) Suponha que 70% das pessoas com olhos castanhos, 20% das pessoas com olhos verdes e 5%
das pessoas com olhos azuis tenham todas cabelos castanhos. Suponha ainda que 75% das
pessoas tenham olhos castanhos, 20% tenham olhos azuis e 5% tenham olhos verdes. Qual é
a probabilidade de uma pessoa de cabelos castanhos, escolhida ao acaso, ter olhos verdes?
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
48
10 – VARIÁVEIS ALEATÓRIAS
Definições
Variáveis Aleatórias: Quando uma variável tem resultados ou valores que tendem a variar de
uma observação para outra em razão de fatos relacionados com a chance, chama-se variável
aleatória ou variável estocástica. Elas são obtidas através de experimentos aleatórios e aos quais
podemos associar probabilidades. São indicadas por letras maiúsculas e os valores assumidos
pelas variáveis aleatórias são indicados por letras minúscula.
Variável Aleatória Binária. Definimos variável aleatória binária como aquela que só assume
valor zero e um, onde zero e um representam dois eventos mutuamente excludentes. Exemplo.
cara e coroa, Rh+ e Rh ÷. Outro exemplo: quando inspecionamos peças produzidas para verificar
se estão perfeitas, podemos atribuir o valor 1 para aquelas boas e 0 para as defeituosas.
Variáveis aleatórias discretas. São aquelas que podem assumir um número limitado de valores
em qualquer escala de medida e são obtidas mediante alguma forma de contagem. Exemplos: a
renda que pode ser medida somente até centavos; o número de empregados de uma empresa, que
pode ser apenas números inteiros.
Variáveis aleatórias contínuas. São aquelas que teoricamente podem assumir qualquer valor
numa escala de medida e resulta freqüentemente de uma medição, sendo geralmente dada em
alguma unidade de medida. Exemplos: medidas de comprimento, peso, tempo, etc.
ESPERANÇA DE UMA VARIÁVEL ALEATÓRIA
Muitas vezes é conveniente resumir as informações que temos sobre uma variável
aleatória. Já vimos que uma das formas de resumir informações é através da média, por exemplo.
A esperança de uma variável aleatória nos dá a média de todos os valores que esperaríamos
obter se medíssemos a variável aleatória um número muito grande de vezes. É simbolizado por:
E(X), ou seja, esperança de X.
Definição: Se x
1
, x
2
, ... , x
N
são os possíveis valores da v.a. X e p
1
, p
2
, ... , p
N
são as
respectivas probabilidades, então o valor esperado (ou esperança ou média) de X é definido como
i
N
i
i
p x X E
¯
=
=
1
) (
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
49
Exemplo: consideremos uma urna com 2 bolas brancas e 3 vermelhas. Definamos a variável X
igual ao número de bolas vermelhas obtidas em duas extrações (sem reposição).
Resultado BB BV VB VV
X 0 1 1 2
Probabilidades 1/10 3/10 3/10 3/10
Neste caso temos:
Exemplo2: consideremos o lançamento de uma moeda duas vezes e definamos a variável
Y igual ao número de caras (K) obtidas.
Resultado KK KC CK CC
Y 2 1 1 0
Probabilidades 1/4 1/4 1/4 1/4
Neste caso temos:
VARIÂNCIA
Se X é uma v.a. com média E(X), então a variância de X é definida por:
ou
Lembrando que a variância de uma v.a. é uma medida de dispersão ao redor de sua
média.
Exemplo: considere a v.a. W, com a seguinte distribuição:
W 4 5 6 7 8
p 1/5 1/5 1/5 1/5 1/5
2 , 1
10
12
10
3
2
10
6
1
10
1
0 ) ( = = × + × + × = X E
1
4
1
2
2
1
1
4
1
0 ) ( = × + × + × = Y E
i
N
i
i
p X E x X Var × ÷ =
¯
=
2
1
)) ( ( ) (
2 2
)] ( [ ) ( ) ( X E X E X Var ÷ =
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
50
Daí temos:
Portanto
Var(W) = 38 ÷ 6
2
= 2
Propriedades
Sendo c uma constante, temos:
 E(c) = c
 E(X + c) = E(X) + c
 E(cX) = cE(X)
 E(X+Y) = E(X) + E(Y)
 E(XY) = E(X)E(Y)
 Var(X + c) = Var(X)
 Var(c) = 0
 Var(cX) = c
2
Var(X)
 Var(X + Y) = Var(X) + Var(Y) para X e Y independentes
Exercícios
1 - Consideremos o lançamento de um dado e seja X a v.a. que representa o número obtido na
face voltada para cima. Calcule E(X) e E(X
2
).
2 - Dada a distribuição da v.a. V abaixo, Calcule E(V), E(2V) e E(V
2
).
V -2 -1 0 1 2
p 1/5 1/5 1/5 1/5 1/5
3 - Considere uma urna contendo 3 bolas vermelhas e 5 pretas. São retiradas 3 bolas sem
reposição. Definindo-se a v.a. Z como sendo igual ao número de bolas pretas, obtenha a
distribuição de Z, 3Z e Z
2
.
4 - No problema 3, calcule E(Z), E(3Z), E(Z
2
), Var(Z), Var(3Z), Var(Z
2
).
5 - Dada as distribuições abaixo, determine as variabilidades.
6
5
1
) 8 7 6 5 4 ( ) ( = × + + + + = W E
38
5
1
) 64 49 36 25 16 ( ) (
2
= × + + + + = W E
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
51
a)
X 0 1 2
p 2/5 1/5 2/5
b)
X 0 1 2 3
p 1/8 1/4 1/2 1/8
c)
X -4 -2 2 4 6
p 0,1 0,2 0,4 0,2 0,1
6 - Uma urna contém 5 bolas amarelas e 4 verdes. Definindo-se a v.a. X como sendo o número
de bolas amarelas ao se retirar 3 delas sem reposição, pede-se:
a) A distribuição de X
b) E(X)
c) Var(X)
7 - Considere o lançamento de uma moeda 3 vezes. Definindo-se a variável aleatória X como
sendo o número de caras, encontre a distribuição de X, calcule E(X) e E(X + 3).
8 - Verificou-se que a chegada de clientes a uma loja durante intervalos aleatoriamente
escolhidos de 10 minutos, segue uma distribuição de probabilidade conforme a tabela abaixo.
Calcule o número esperado de chegadas por intervalos de 10 minutos e sua variância.
Número de chegadas X 0 1 2 3 4 5
Probabilidade P(X) 0,15 0,25 0,25 0,20 0,10 0,05
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
52
11 – DISTRIBUIÇÕES DE PROBABILIDADES
Uma distribuição de probabilidades é uma distribuição de freqüências para os resultados
de um espaço amostral, isto é , para os resultados de uma variável aleatória. As freqüências são
relativas ou probabilidades. Exemplo: consideremos a variável aleatória número de coroas em
duas jogadas de uma moeda
Resultado CC CK KC KK
Valor da v.a. 0 1 1 2
P (X) 0,25 0,25 0,25 0,25 =1,00
0,50
Graficamente
Probabilidade acumulada
Do ponto de vista prático, em geral não é necessário calcular as probabilidades
individuais para obter uma distribuição de probabilidades. Existem tabelas e fórmulas para isso.
Há uma variedade de tipos de distribuição de probabilidades na estatística. Cada qual tem
seu próprio conjunto de hipóteses que definem as condições sob as quais o tipo de distribuição
pode ser utilizado validamente. A essência da análise estatística é confrontar as hipóteses de uma
distribuição de probabilidades com as especificações de determinado problema.
Probabilidade
0,25
0,50
0,75
1,00
Número de coroas 0 1 2
0,25
0,50
0,75
1,00
Número de
coroas
0
1 ou
menos
2 ou
menos
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
53
DISTRIBUIÇÕES DISCRETAS
Denominamos distribuição discreta o conjunto de todos os valores que podem ser
assumidos por uma variável aleatória discreta, com as respectivas probabilidades, ou seja,
envolvem variáveis aleatórias relativas a dados que podem ser contados, como o número de
ocorrências por amostra. São exemplos de distribuição discreta: a Bernoulli /binomial, a de
Poisson, etc.
DISTRIBUIÇÃO DE BERNOULLI (Lei dos Grandes Números)
Existem experimentos cujos resultados só podem ser “sucesso” ou “fracasso”, como na
jogada repetida de uma moeda, a obtenção de coroa. Cada jogada é chamada uma prova. Para
cada prova existe uma probabilidade associada a um determinado evento (coroa). Em certos
experimentos a probabilidade não varia de prova para prova, como no caso da moeda. Estas
provas dizem-se então independentes e costumam designar-se por provas de Bernoulli (James
Bernoulli – século XVII). A distribuição de Bernoulli é também conhecida como Binomial.
DISTRIBUIÇÃO BINOMIAL
Usa-se o termo “binomial” para designar situações em que os resultados de uma variável
aleatória podem ser agrupados em duas classes ou categorias. Os dados são, pois, nominais. As
categorias devem ser mutuamente excludentes, de modo a deixar perfeitamente claro a qual
categoria pertence determinada observação. Variáveis com resultados múltiplos podem
freqüentemente ser tratados como binomiais, quando apenas um dos resultados tem interesse.
Assim é que as respostas de um teste de múltipla escolha podem ser do tipo correta ou errada; 5
bolas, uma de cada cor, em uma urna na extração de uma bola verde, o resultado pode ser verde
ou não verde.
A utilização da distribuição binomial exige certos pressupostos:
 Há n observações ou provas idênticas;
 Cada prova tem dois resultados possíveis, um chamado “sucesso” e outro “falha”;
 As probabilidades p de sucessos e 1 ÷ p de falha permanecem constantes em todas as
provas;
 Os resultados das provas são independentes uns dos outros.
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
54
Fórmula Binomial
Vamos examinar o seguinte problema; quais os resultados possíveis quando se joga 2
moedas honestas 1 vez ou 1 moeda 2 vezes.
Moeda 2 Moeda 1
C K
C CC CK
K KC KK
Os resultados podem ser dispostos em coluna.
CK
CC KC KK
X = 2 X = 1 X = 0 X (Nº de caras)
Vamos examinar agora os resultados possíveis quando se joga uma moeda honesta 3 vezes.
Moedas 1 e 2 Moeda 3
CC CK KC KK
C CCC CCK CKC CKK
K KCC KCK KKC KKK
Graficamente
KCC
CKC
KKC
KCK
CCC CCK CKK KKK
X = 3 X = 2 X = 1 X = 0 X (Nº de caras)
ou
A função de probabilidade para 3 jogadas de uma moeda é:
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
55
Função f(0) f(1) f(2) f(3)
Probabilidade 1/8 3/8 3/8 1/8
Graficamente
Colocando graficamente os resultados possíveis produzidos pelo lançamento de 1 moeda
honesta 4 vezes, temos:
KCCC
CKCC
CCKC
KKCC
KCKC
KCCK
CKKC
CKCK
KKKC
KKCK
KCKK
CCCC CCCK CCKK CKKK KKKK
X = 4 X = 3 X = 2 X = 1 X = 0 X (Nº de caras)
Observe que:
1 - À medida que o número de observações cresce, a disposição gráfica vai se aproximando da
curva normal. Quando n > 30 , isto é, quando o número de repetições é igual ou superior a 30,
praticamente se confunde a binomial com a normal.
2 - A ordem dos elementos não influi no resultado final, CK=KC, CCK=KCC=CKC, etc.
Introduzindo-se a notação de potencial, os resultados anteriores podem ser escritos assim:
n=2 ÷ C
2
+2CK+K
2
÷ (C + K)
2
n=3 ÷ C
3
+3C
2
K+3CK
2
+K
3
÷ (C + K)
3
n=4 ÷ C
4
+4C
3
K+6C
2
K
2
+4CK
3
+K
4
÷ (C + K)
4
f(x)
3/
1/
1/
1 2 3 x
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
56
que são o desenvolvimento do binômio de Newton.
Sugere-se que fique em primeiro lugar o evento cuja ocorrência esteja associada à idéia
de fracasso e em segundo o evento cuja ocorrência esteja associada à idéia de sucesso.
Portanto temos:
[P(F) + P(S)]
n
= (q+p)
n
onde:
P(F) = probabilidade do evento fracasso
P(S) = probabilidade do evento sucesso
n = tamanho da amostra
Binômio de Newton
Lembrando que o número binomial é dado por:
No caso do fatorial, temos:
n! = n × (n ÷ 1) × (n ÷ 2) × ... × 1
0! = 1
Exemplo 1: Qual a probabilidade de saírem 2 caras, em qualquer ordem, no lançamento de uma
moeda honesta 5 vezes.
Temos; (q + p)
5
÷ (n = 5)
(q + p)
5
= q
5
+ 5q
4
p + 10q
3
p
2
+ 10q
2
p
3
+ 5qp
4
+ p
5
     
P(X = 0) P(X = 1) P(X = 2) P(X = 3) P(X = 4) P(X = 5)
( )
n n n n n
p q
n
n
p q
n
p q
n
p q
n
p q
0 2 2 1 1 0
...
2 1 0
|
|
.
|

\
|
+ +
|
|
.
|

\
|
+
|
|
.
|

\
|
+
|
|
.
|

\
|
= +
÷ ÷
( )! !
!
k n k
n
k
n
÷
=
|
|
.
|

\
|
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
57
O problema pede P(X = 2), então:
O problema pede P(X = 2), então:
10q
3
p
2
= 10(0,5)
3
(0,5)
2
= 10 (0,5)
5
= 10 (0,03125) = 0,3125
Exemplo 2: Qual a probabilidade de saírem duas, uma ou nenhuma cara, no lançamento de uma
moeda 5 vezes ? P(X < 3).
P(X < 3) = P(X = 0) + P(X = 1) + P(X = 2) =
= q
5
+ 5q
4
p + 10q
3
p
2
= (0,5)
5
+ 5(0,5)
4
(0,5) + 10 (0,5)
3
(0,5)
2
=
= 0,03125 + 0,15625 + 0,3125 = 0,5
Exemplo 3: Qual a probabilidade de X ser no máximo igual a 1?
P (X = 1, no máximo) = P(X = 0) + P(X = 1) = q
5
+ 5q
4
p = (0,5)
5
+ 5(0,5)
4
(0,5) =
= 0,03125 + 0,15625 = 0,1875
Observe que nos casos em que p = q , o desenvolvimento binomial é simétrico.
Termo Geral
Para descobrirmos certo termo do desenvolvimento do binômio, fazemos:
Exemplo: No desenvolvimento de (q + p)
10
, calcular P(X = 8), com p = 0,2
k k n
p q
k
n
k X P
÷
|
|
.
|

\
|
= = ) (
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
58
= 45 (0,64) (0,0000025) = 0,000072 ou 0+
Tabelas
Conforme n cresce, aumenta a dificuldade dos cálculos. Por isso, existem tabelas que
fornecem diretamente as probabilidades, bastando localizar n, X e p.
Exemplo: No lançamento de uma moeda honesta 18 vezes, qual a probabilidade de saírem 12
“caras” ? X = 12 caras; n = 18; p = 0,5
Na tabela ÷ P ( x = 12 ) = 0,071
Exemplo 2: No lançamento de 1 moeda honesta 4 vezes, qual a probabilidade de (X s 3)?
(X s 3) = (X = 3), ou (X = 2) ou (X = 1) ou (X = 0)
p = 0,5 n = 4
Então: P(X s 3) = P(X = 3) + P(X = 2) + P(X = 1) + P(X = 0) =
= 0,250 + 0,375 + 0,250 + 0,062 = 0,937
Exercícios
1 - No lançamento de uma moeda honesta 15 vezes, qual a probabilidade de sair 10 caras?
2 - Um casal deseja 8 crianças. Considerando-se que as chances de ocorrer menino ou menina
são iguais, qual a probabilidade de ocorrer:
a) Exatamente 2 meninos
b) Exatamente 5 meninas
c) Só nascimento de meninas
d) No mínimo 4 meninos
3 - Dos estudantes de um colégio, 41% fumam cigarro. Escolhem-se 6 ao acaso. Determine a
probabilidade de:
( ) ( ) =
|
|
.
|

\
|
=
+
8 2
1 8
2 , 0 8 , 0
8
10
T
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
59
a) Nenhum dos 6 ser fumante
b) Todos 6 fumarem
c) Ao menos 3 ser fumante
4 - Um teste de múltipla escolha apresenta 10 questões, 5 opções por questão e apenas uma certa.
Se a aprovação depende de 7 ou mais respostas corretas, qual a probabilidade de um estudante
ser aprovado apenas por palpite?
5 - Na manufatura de certo artigo, é sabido que 1 entre 10 artigos é defeituoso. Qual a
probabilidade de que uma amostra casual de tamanho 4 contenha:
a) Nenhum defeituoso?
b) Exatamente 2 defeituosos?
c) Não mais do que dois defeituosos?
6 - Se 30% dos habitantes de uma cidade são empregados do governo, determine a probabilidade
de não haver empregado do governo numa amostra aleatória de 15 habitantes. Qual a
probabilidade de encontrar mais de 13 empregados do governo na amostra?
7 - Sabe-se que de cada 100 laranjas colhidas, 23 chegam danificadas no mercado atacadista. Um
certo comerciante pegou uma amostra aleatória de 10 laranjas de um lote que acaba de receber.
Qual a probabilidade de:
a) encontrar 5 laranjas danificadas;
b) encontrar acima de 8 laranjas danificadas;
c) não encontrar laranjas danificadas;
d) que todas estejam danificadas.
Esperança de uma Distribuição Binomial
A média aritmética de uma distribuição binomial é dada por:
u = np ou E(X) = np
onde,
 u: média procurada (populacional)
 n: número de repetições do experimento
 p: probabilidade associada ao evento sucesso
Exemplo: Calcule a média aritmética de B(6; 0,5)
u = np ¬ u = 6  0,5 = 3,0
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
60
Variância de uma Distribuição Binomial
A variância de uma distribuição binomial é dada por:
o
2
= npq ou Var(X) = npq
onde,
 o
2
: variância procurada (populacional)
 n: número de repetições do experimento
 p: probabilidade associada ao evento sucesso
 q: probabilidade associada ao evento fracasso
Exemplo: Calcule a variância de B(6; 0,5)
o
2
= npq = 6  0,5  0,5 = 1,5
Exercícios
1) Sabe-se que em uma linha de produção, 5% do que é produzido tem defeito. Numa amostra de
80 peças, qual o número esperado de defeituosas? Qual a variância?
2) Jogando-se um dado 30 vezes, quantas vezes espera-se que ocorra o resultado 2? Qual a
variância?
3) A variável X tem distribuição Binomial com parâmetros B(30;0,2). Qual é a esperança?
Calcule a variância.
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
61
DISTRIBUIÇÃO DE POISSON
Considere uma variável aleatória binária que assume valor 1 com probabilidade p, mas p
é um valor muito pequeno. Dizemos então que ao valor 1 da variável aleatória está associado um
evento raro.
Para estudar eventos raros é necessário observar um conjunto de n eventos, mas n deve
ser suficientemente grande.
Desta forma, sendo p muito pequeno e n tendendo para o infinito, a distribuição binomial
se aproxima de uma distribuição de Poisson.
A distribuição de Poisson é empregada quando se deseja contar o número de eventos de
certo tipo, que ocorre em um intervalo de tempo, ou superfície, ou volume, como por exemplo:
 Número de chamadas recebidas em um serviço de telemarketing num intervalo pequeno
de tempo;
 Acidentes por dia;
 Falhas diárias em um computador;
 A queda de raio em certa área.
Note que a unidade de medida é contínua, mas a variável aleatória (número de
ocorrências) é discreta. Além disso, as falhas não são contáveis. Não é possível contar os
acidentes que não ocorreram, nem o número de chamadas que não foram feitas.
A utilização da distribuição de Poisson baseia-se nas seguintes hipóteses:
a) A probabilidade de uma ocorrência é a mesma em todo o campo de observação;
b) A probabilidade de mais de uma ocorrência num ponto é aproximadamente zero;
c) O número de ocorrências em qualquer intervalo é independente do número de
ocorrências em outros intervalos.
A distribuição de Poisson é caracterizada por um único parâmetro – a média (que é igual
a variância). Assim conhecendo-se o número médio de ocorrências por unidade, podemos
determinar a probabilidade de qualquer dos resultados possíveis.
Como no caso da binomial, há dois métodos para determinar as probabilidades: fórmula e
tabela.
Fórmula de Poisson
Se uma variável aleatória é descrita por uma distribuição de Poisson, então a
probabilidade de realizar qualquer número dado de ocorrências por unidade de medida é dado
por:
Onde: ì = np (E(x)) e e ~ 2,718... (base dos logaritmos naturais)


-
!
x) P(X e
x
x
= =
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
62
Exemplo 1. Uma central de atendimento de cartão de crédito recebe em média 5 chamadas por
minuto. Supondo que as chamadas tenham uma distribuição de Poisson, obter a probabilidade de
que não receba chamadas durante um intervalo de um minuto.
ì = 5 chamadas por minuto
Exemplo 2. Considerando-se o exemplo 1, qual a probabilidade de se obter no máximo 2
chamadas em 4 minutos

ì = 20 chamadas em 4 minutos
P(X s 2) = P(X = 0) + P(X = 1) + P(X = 2) =
Tabelas de Poisson
As tabelas de Poisson proporcionam um método conveniente para obtenção de
probabilidade com um mínimo de esforço. Como a distribuição de Poisson só depende da média
do processo, as tabelas são construídas de forma a dar as probabilidades com base nessa média.
Tabela Acumulada
A tabela acumulada dá somas de probabilidade, tal como no caso da tabela binomial. Ela
dá as probabilidades de x ou menos ocorrências, conhecida a média do processo.
A Distribuição de Poisson como Aproximação da Binomial
Sob certas circunstâncias, a distribuição de Poisson pode ser utilizada para aproximar
probabilidades binomiais. A aproximação é mais adequada quando o número de observações é
grande e a probabilidade de sucesso p está próxima de zero ou de um.
A vantagem da aproximação reside no fato de que a precisão sofre muito pouco e que o
trabalho necessário é consideravelmente menor. Para usar a aproximação, basta determinar o
valor (média) da distribuição binomial.
Exemplo: Determinar a probabilidade de haver 4 peças defeituosas numa amostra de 300,
extraída de um grande lote onde há 2% de defeituosas.
E(X) = 3000,02 = 6
0067 , 0
0
5
0) P(X
5
5 0
= = = =
-
-
e
!
e
= + + =
!
e
!
e
!
e
- - -
2
20
1
20
0
20
20 2 20 1 20 0
00000046 , 0 221 ) 200 20 1 ( 200 20
20 20 20 20 20
~ = + + = + + =
÷ ÷ ÷ ÷ ÷
e e e e e
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
63
Exercícios
1 - Suponhamos que os defeitos em fios para tear possam ser aproximados por um processo de
Poisson com média 0,2 defeitos por metro. Inspecionando-se pedaços de fio de 6 metros de
comprimento, determine a probabilidade de encontrarmos menos de 2 defeitos.
2 - As chamadas de emergência chegam a uma central de polícia à razão de 4 por hora no período
de 1 às 6 da manhã em dias úteis e podem ser aproximadas por uma distribuição de Poisson.
Responda:
a) Quantas chamadas de emergência são esperadas num período de 30 minutos?
b) Qual a probabilidade de nenhuma chamada num período de 30 minutos?
3 - A entrega de mercadorias em um depósito é feita à razão de 2,8 caminhões por hora.
Determine a probabilidade de chegarem 3 ou mais caminhões:
a) Num período de 30 minutos;
b) Num período de 1 hora
c) Num período de 2 horas.
4 - O número de petroleiros que chegam a uma refinaria em cada dia ocorre segundo uma
distribuição de Poisson, com ì = 2. As atuais instalações podem atender, no máximo, a 3
petroleiros por dia. Se mais de 3 aportarem num dia, o excesso é enviado a outro porto. Em um
dia qual a probabilidade de se enviar petroleiros para outro porto?
5 - A chegada de ônibus em um terminal acontece à razão de 3 por minuto. Supondo que tenha
distribuição de Poisson, determine a probabilidade de:
a) chegarem 8 ônibus em 2 minutos;
b) chegarem 4 ônibus em 5 minutos.
6 - Suponhamos que aos navios cheguem a um porto à razão de ì = 2 navios/hora e que essa
razão seja bem aproximada por um processo de Poisson. Observando o processo durante um
período de meia hora (t = 0,5), determine a probabilidade de:
a) não chegar navio algum;
b) chegarem 3 navios;
c) chegarem mais de 3 navios em 2 horas.
135 , 0
! 4
6
!
) 4 (
6 4
= = = =
÷ ÷
e
x
e
X P
x 

ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
64
DISTRIBUIÇÕES CONTÍNUAS
No caso das distribuições contínuas de probabilidades, X deve estar compreendido entre
dois valores diferentes (X como variável aleatória contínua), sendo que em geral a probabilidade
de x assumir um determinado valor é zero.
Função densidade de probabilidade. Sendo X uma variável aleatória contínua,
chamamos de função densidade de probabilidade aquela que satisfaz às seguintes propriedades:
a)
b)
A probabilidade de uma variável aleatória X estar compreendida entre a e b, ou seja P(a <
X < b) é:
DISTRIBUIÇÃO NORMAL
Vamos considerar a distribuição binomial para p = ½ e n variável, por exemplo, n = 5 e
10. Construindo os histogramas, obteremos as figuras abaixo:
Como p = ½ , as distribuições serão simétricas ao redor das médias, nos exemplos 5/2 e
5.
Sabemos que, tendo um n grande, é difícil calcular as probabilidades. Neste caso,
precisamos obter aproximações para estas probabilidades. Observando os histogramas anteriores,
notamos que podemos aproximar a área deles pela área de uma curva contínua. Essa curva é
0 ) ( > x f
í

· ÷
= 1 ) ( dx x f
í
= < <
b
a
dx x f b X a P ) ( ) (
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
65
chamada curva normal. Daí aproximamos as probabilidades relativas a uma binomial por
probabilidades relativas a uma distribuição normal, conforme figura a seguir.
Por ser uma distribuição contínua, associamos probabilidades a intervalos de números
reais. O cálculo destas probabilidades está associado à área formada nos intervalos sob a curva.
Assim, a distribuição normal é caracterizada por uma função densidade.
Na verdade não existe uma única curva normal, mas sim uma família de distribuições
normais, que são caracterizadas por dois parâmetros: u (média) e o (desvio padrão).
Algumas características:
 Para um mesmo u, a curva é mais achatada e mais espalhada, de acordo com o o;
 As curvas são simétricas em relação a u;
 Praticamente toda a área está concentrada entre os pontos u ÷ 3o e u + 3o.
Devido ao número infinito de curvas normais, para calcularmos as probabilidades recorremos
a uma em particular, a curva normal reduzida ou normal padrão, que é caracterizada pelos
valores u = 0 e o = 1, cujo símbolo é N(0, 1).
Para sabermos o valor recorremos à tabela da curva normal que dá as probabilidades sob
uma curva normal padrão. Ela fornece a probabilidade de que a variável Z, normal padrão, esteja
entre 0 e um valor z
c
: P(0 s Z s z
c
)
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
66
Por exemplo: Se z
c
= 1,73, calcule:
a) P(0 s Z s 1,73)
b) P(Z s ÷1,73) e P(Z > 1,73)
c) P(0,47 s Z s 1,73)
a) P(0 s Z s 1,73) = 0,4582 (valor encontrado na tabela)
b) P(Z > 1,73) = 0,5 ÷ P(0 s Z s 1,73) = 0,5 ÷ 0,4582 = 0,0418
P(Z s 1,73) = P(Z s ÷ 1,73) , pois a curva é simétrica
c) P(0,47 s Z s 1,73) = P(0 s Z s 1,73) ÷ P(0 s Z s 0,47) = 0,4582 ÷ 0,1808 = 0,2774
Suponha, agora, que X seja uma v.a. com distribuição normal, de média u e variância o
2
,
indicado por N(u, o
2
). Daí definimos a v.a. Z, tal que
terá distribuição normal com média 0 e variância 1.

 ÷
=
X
Z
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
67
Exemplo: Calcular P(2 s X s 5), se X ÷ N(3, 16), ou seja, u = 3 e o
2
= 16.
Para determinar a probabilidade de que X esteja entre 3 e 5, que é igual à probabilidade
que Z esteja entre –0,25 e 0,5, consultamos a tabela em encontramos
P(-0,25 s Z s 0,5) = 0,0987 + 0,1915 = 0,2902 = P(2 s Z s 5)
Aproximação da Binomial Através da Normal
Vamos supor que a v.a. Y tem distribuição binomial com n = 10 e p = ½ e queremos
calcular P(Y s 7). Pela figura abaixo temos que P(Y = 7) é igual a área do retângulo de base
unitária e altura igual a P(Y = 7). O mesmo ocorre com P(Y = 8), etc. Daí, P(Y > 7) é a soma das
áreas dos retângulos hachurados. A idéia é aproximar tal área pela área sob a curva normal, à
direita de 6,5. Especificamente a curva normal de média , u = np = 10  ½= 5 e variância o
2
=
npq = 10  ½  ½ = 2,5.
Chamando de X tal v.a. normal, temos:
A verdadeira probabilidade é 0,172. A justificativa para esta aproximação é dada pelo
Teorema de De Moivre-Laplace, que é um caso particular do Teorema Central do Limite.
|
.
|

\
|
s s
÷
=
=
|
.
|

\
|
÷
s s
÷
=
|
.
|

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






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

\
|
> =
=
|
|
.
|

\
|
÷
>
÷
= |
.
|

\
| ÷
>
÷
= > ~ >
Z P Z P
X
P
X
P X P Y P




ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
68
A função densidade normal é dada por:
Com:
÷· < X < +·
÷· < u < +·
o > 0
Exercícios
1 - As vendas de um determinado produto têm distribuição aproximadamente normal com média
500 e desvio padrão 50. Se a empresa receber pedidos de mais de 600 unidades no mês em
estudo, qual a probabilidade que não possa atender a todos, por estar com a produção esgotada?
2 - O diâmetro de uma peça é uma v.a. com distribuição normal, com média 10 cm e desvio
padrão 0,2 cm. Calcule a probabilidade de se encontrar peças com diâmetro:
a) acima de 9,7 cm;
b) abaixo de 9,5 cm.
3 - As estaturas de 1000 alunos de uma universidade têm distribuição aproximadamente normal
N(1,7 m, (0,05m)
2
).
a) Determine o número esperado de estudantes com alturas superiores a 1,65 m;
b) Determinar os intervalos simétricos ao redor da média que conterão, aproximadamente,
90% e 95% dos alunos.
4 – O enchimento de pacotes de açúcar tem distribuição normal com média 1kg e desvio padrão
de 20g. Qual a porcentagem de pacotes que conterão:
a) mais de 1,010kg?
b) entre 0,985kg e 1,015kg?
5 – A renda dos habitantes de certa cidade tem distribuição aproximadamente normal com média
$480 e desvio padrão $90. Calcule a probabilidade de se encontrar pessoas que tenham renda:
a) menor que $500
b)entre $600 e $700
c) acima de $400
6 - Uma pesquisa realizada com 10000 habitantes de uma comunidade apresentou os seguintes
resultados: peso médio 50,6kg e desvio padrão 5,8kg. Supondo que a distribuição seja normal,
determine a quantidade de pessoas que pesam abaixo de 45kg e acima de 68kg.
2
2
1
2
1
) (
|
.
|

\
| ÷ ÷
=


 
x
e x f
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
69
7 - Um concurso público foi prestado por 5000 pessoas. A nota média foi 5,4 e o desvio padrão
1,2. Sabendo que as notas apresentaram uma distribuição normal e que existem 50 vagas, qual a
nota mínima para aprovação?
8 - Na prova da disciplina de Física, o grupo de alunos obteve uma média de 24 pontos e desvio
padrão igual a 5. Supondo uma distribuição normal dos dados, qual a porcentagem de alunos:
a) com graus entre a média e o resultado 27?
b) com graus entre a média e o resultado 20?
c) acima da média?
9 - Suponhamos que a distribuição dos resultados de um teste feito por 8000 estudantes é normal
com média igual a 60 e desvio padrão igual a 10.
a) qual é o resultado superior dos 30% de alunos inferiores do grupo?
b) qual a porcentagem de alunos com grau entre 70 e 75?
c) qual a porcentagem de alunos com grau abaixo de 70?
d) quantos alunos obtiveram escore acima de 60?
Jornal da Tarde 21/12/94
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
70
Intervalo De Confiança Para A Média
Um intervalo de confiança é um intervalo de valores no qual julgamos, com um risco
conhecido de erro, estar o parâmetro populacional (a média, por exemplo).
É dado por:
| |
x e x e ÷ + ;
onde:
e =
zs
n
Tamanho Da Amostra
Quando vamos iniciar um trabalho estatístico, freqüentemente surge a questão do tamanho
da amostra que deve ser tomada. Para saber qual o tamanho da amostra a ser tomada,
precisamos:
i) conhecer o desvio padrão da variável em questão; isto pode ser obtido através de
pesquisas anteriores ou amostras piloto;
ii) determinar o grau de confiança que desejamos;
iii) estipular o erro que pode ser aceito.
É dado por:
n
zs
=
|
\

|
.
|
e
2
onde:
s é o desvio padrão
e o erro estipulado
z = tabelado (normal reduzida)
Obs.: para amostras de tamanho n > 30, as fórmulas acima podem ser usadas para qualquer
variável, porém se n < 30, a variável deverá ter distribuição normal, ou aproximadamente
normal.
Exemplos
1 - Cronometrando-se o tempo gasto (em minutos) na realização de certa tarefa, obteve-se os
seguintes dados:
x = 4 min, s = 0,82 min e n = 4 funcionários.
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
71
Supondo normalidade, montar um intervalo de 90% de confiança para o tempo médio
populacional necessário para a realização da tarefa.
Resolução.
Um intervalo de 90% de confiança significa que, se tomássemos 100 amostras, em 90 delas
encontraríamos a média nesse intervalo. Como foi suposto normalidade, vamos transformar 90%
em z.
Primeiramente dividimos 90 por 2 (lembrando que a curva normal é simétrica, a tabela
apresenta valores de apenas um lado em relação a média):
Daí procuramos na tabela da curva normal o número mais próximo de 45.
Encontramos dois números: o 44,95 e o 45,05. Neste caso, como houve empate, podemos
optar por qualquer um deles.
Em relação ao primeiro, z = 1,64 e em relação ao segundo z = 1,65.
Agora já podemos calcular o erro.
e =
zs
n
=
1 64 0 82
4
0 67
, . ,
, = min
Daí: IC:
| |
x e x e ÷ + ; ¬ [4-0,67 ; 4+0,67] ¬ [3,33 ; 4,67]
Resposta: portanto, podemos afirmar, com 90% de confiança, que o tempo médio
(populacional) para a realização da tarefa está entre 3 e 5 minutos, aproximadamente.
2 - Usando os dados do exemplo anterior, qual deveria ser o tamanho da amostra necessário para
produzir um intervalo de 99% de confiança para a média populacional, de modo que não difira
por mais de 0,5 minuto (erro) em ambos sentidos?
Primeiramente transformamos 99% em Z.
99
2
49 5 = , . Procuramos na tabela o número mais próximo de 49,50.
Temos:
z = 2,57 ou z = 2,58
Daí: n
zs
=
|
\

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

|
.
|
= 18
Portanto a amostra deveria ter 18 funcionários.
45
2
90
=
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
72
Exercícios
1 - Supondo que o enchimento dos potes de margarina tenha distribuição normal com média
250g e desvio padrão 13,2g, observados em uma amostra de 1000 potes, por amostragem.
Determine o que se pede abaixo:
a) um intervalo de 90% de confiança para a média;
b) um intervalo de 99,99% de confiança para a média;
c) comparando os dois intervalos montados, o que podemos observar?
2 - Usando os mesmos dados anteriores:
a) qual o tamanho de amostra necessário para montar um intervalo de 95% de confiança,
com erro igual a 10g?
b) qual o tamanho de amostra necessário para montar um intervalo de 95% de confiança,
com erro igual a 20g?
c) comparando os dois tamanhos de amostra o que podemos observar?
3 - De que forma o desvio padrão influencia no intervalo de confiança e no tamanho da amostra?
(dica: observe as fórmulas).
4 - O que podemos fazer para tentar diminuir o intervalo de confiança?
5 - Uma amostra aleatória de 35 universitários participou de uma pesquisa sobre valor dos gastos
para freqüentar a universidade, exceto as mensalidades. Descobriu-se daí, que em média as
despesas é de $234, com desvio padrão de $42. Supondo uma distribuição normal:
a) montar uma intervalo de 95% de confiança para o gasto médio;
b) calcular o tamanho da amostra, com 99,99% de confiança e erro de $30.
6 - Pesquisa realizada junto a 120 alunos de uma universidade, apurou-se que a idade média é 21
anos, com desvio padrão de 5,8 anos. Supondo normalidade:
a) montar um intervalo de 90% de confiança para a idade média dos alunos da turma;
b) qual deveria ser o tamanho da amostra necessário para produzir um intervalo de 95% de
confiança, com erro igual a 2 anos?
7 - O peso dos indivíduos adultos de certa comunidade tem distribuição aproximadamente
normal, com média 73 kg e desvio padrão igual a 8 kg, em uma amostra de 58 pessoas.
a) montar um intervalo de 99% de confiança para o peso médio dos indivíduos desta
comunidade;
b) qual deveria ser o tamanho da amostra necessário para produzir um intervalo de 90% de
confiança, com erro igual a 2 kg?
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
73
BIBLIOGRAFIA
BUSSAB, W.O.; MORETIN, P.A. Estatística Básica. São Paulo: Atual, 2002.
DOWNING, D.; CLARK, J. Estatística aplicada. São Paulo: Saraiva, 1999.
LEVIN, J.; FOX, J. A. Estatística aplicada a ciências humanas. 9. ed. São
Paulo: Prentice Hall, 2004.
MILONE, G. Estatística: geral e aplicada. São Paulo: Pioneira Thomsom
Learning, 2004.
NEUFELD, J. L. Estatística aplicada à administração usando o Excel. Paulo:
Prentice Hall, 2003.
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
74
ANEXO - OUTRAS MÉDIAS
Além da média aritmética, existem outras, conforme a seguir.
Média Ponderada
É dada por:
Onde:
- x
i
são os valores da variável
- p
i
são os pesos atribuídos a cada valor da variável
Exemplo: um aluno fez 3 provas e obteve as seguintes notas: 4, 7 e 6. Os pesos de cada prova
são 1, 2 e 3, respectivamente. Assim, a média ponderada será:
Nota (x
i
) Peso (p
i
) x
i
p
i
4 1 4
7 2 14
6 3 18
Ep
i
= 6 Ex
i
p
i
= 36
Portanto:
Exercícios
São dadas as notas de 5 alunos em 3 provas. Sabendo-se que a primeira prova tem peso 2, a
segunda peso 3 e a terceira peso 5, calcule a média ponderada de cada aluno.
Aluno 1ª prova 2ª prova 3ª prova
A 7 6 5
B 1 2 9
C 5 5 5
D 10 10 0
E 5 7 3
¯
¯
=
i
i i
w
p
p x
x
6
6
36
= = w x
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
75
Média Geométrica
Denominamos média geométrica de um conjunto n de valores a raiz n-ésima do produto desses n
valores.
Média Geométrica Simples
Seja X = {x
1
, x
2
, x
3
, . . . , x
n
}. A média geométrica simples será definida pela expressão:
Exemplo: Y = {3, 5, 7, 9}
Exercícios
Calcule as médias geométricas simples para os conjuntos abaixo:
a) Z = {5, 7, 15, 20, 23}
b) Y = {8, 11, 19, 21, 30, 25}
Média Geométrica Ponderada
Seja X = {x
1
, x
1
, . . . , x
1
, x
2
, x
2
, . . . , x
2
, x
n
, x
n
. . . , x
n
}.
Neste caso há repetições dos valores, ou seja, x
1
, x
1
, . . . , x
1
ocorre com freqüência f
1
; , x
2
, x
2
, . .
. , x
2
ocorre com freqüência f
2
; , x
n
, x
n
, . . . , x
n
ocorre com freqüência f
n
.
Então a média geométrica ponderada desses valores será definida por:
ou
n
n
i
i
n
n
x x x x x Mg
I
=
= × × × × =
1
3 2 1
...
54 , 5 945 9 7 5 3
4 4
= = × × × = Mg
n n
f f f f
n
f f
x x x Mgp
+ + +
× × × =
...
2 1
2 1 2 1
...
¯
=
=
I
=
n
i
i
i
f
n
i
f
i
x Mgp
1
1
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
76
Exemplo: X = { 2, 2, 2, 8, 8, 10}
X f
i
x
f
2 3 2
3
= 8
8 2 8
2
= 64
10 1 10
1
= 10
Portanto:
Exercícios
Calcule as médias geométricas ponderadas para os conjuntos abaixo:
a) X = {5, 5, 7, 7, 7, 1, 1, 1, 1, 3, 3}
b) Y = {2, 2, 2, 4, 4, 7, 7, 12}
Média Harmônica
É o inverso da média aritmética dos inversos dos valores.
Seja X = {x
1
, x
2
, x
3
, . . . , x
n
}. A média harmônica é definida pela expressão:
Ou
Exemplo: X = {2, 5, 7, 9}
6
3
1
= ¯
= i
i
f
5120
3
1
=
I
= i
f
i
i
x
15 , 4 5120 10 64 8
6 6
= = × × = Mgp
¯
=
×
=
n
i i
x N
Mh
1
1 1
1
¯
=
=
n
i
i
x
N
Mh
1
1
193 , 4
9
1
7
1
5
1
2
1
4
1
1
~
+ + +
= =
¯
=
n
i i
x
N
Mh
ESTATÍSTICA MATEMÁTICA
_________________________________________________________________________________________
77
Exercícios
1) Dados os conjuntos abaixo, calcule as médias geométrica e harmônica:
a) A = { 3, 5, 2, 1, 4, 7, 9}
b) B = {6, 12, 15, 7, 10}
c) C = {10,5; 11,8; 15,4; 16,5; 20; 13,6}
d)
|
.
|

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

ESTATÍSTICA MATEMÁTICA _________________________________________________________________________________________

2

REVISÃO - MATEMÁTICA

1 - Somatório Para indicarmos a soma dos xi valores da variável x, isto é x1+x2+x3+...+xn usamos o símbolo  (sigma), denominado em matemática, somatório. Assim, a soma x1+x2+x3+...+xn pode ser representada por: xi Exemplo: dados x1=2, x2=7, x3=9 e x4=6, temos: xi = 2+7+9+6 = 24 2 - Arredondamento Muitas vezes é necessário ou conveniente suprimir unidades inferiores às de determinada ordem. Esta técnica é denominada de arredondamento de dados. Em nosso curso, adotaremos o seguinte critério para arredondamento de dados: i) Quando o primeiro algarismo a ser abandonado for 0, 1, 2, 3 ou 4, fica inalterado o último algarismo a permanecer. Exemplo: 53,24 para a 53,2. ii) Quando o primeiro algarismo a ser abandonado for 5, 6, 7, 8 ou 9, aumenta-se de uma unidade o algarismo a permanecer. Exemplos: 42,87 passa a 42,9; 25,05 passa a 25,1. Outros exemplos: 1) O número  = 3,141592654..., arredondado com duas casas decimais fica 3,14. Se arredondado com seis casas decimais fica 3,141593. 2) O número de Euler e = 2,718281828..., arredondado com três casas decimais fica 2,718. Se arredondado com quatro casas decimais fica 2,7183.

OBS.: 1) Arredondar não significa, necessariamente, deixar o número sem as casas decimais. Arredonda-se com o número de casas decimais que for necessário. 2) Não devemos fazer arredondamentos sucessivos.

EXERCÍCIOS

1) Sendo: x: 2, 3, 7, 8 e 0, determine: a) xi
2

b) (xi)

2

ESTATÍSTICA MATEMÁTICA _________________________________________________________________________________________

3

2) Dado: x y 1 0 3 9 2 1

calcule: a) xy b) y/x c) (x - y) d) 3x e) xy 2 (2 x  y ) g) y(x-1) h) yx i) 5 f)  2 3) Arredondar os números abaixo na 3ª casa decimal: a) 0,0042 b) 0,222222 c) 0,0067 g) 732,131313 h) 0,00087 d) 0,66666 e) 2,709861 f) 0,333333
2

4) Arredondar na 2ª casa decimal: a) 0,88888 b) 12,035 c) 6,054 g) 13,14159 h) 2,718 d) 13,194 e) 10,4031 f) 0,005

denominado população ou universo. uma característica comum. Comércio. Física. bem como na obtenção de conclusões válidas e na tomada de decisões razoáveis baseadas em tais análises. enquanto a população constituída de todos resultados (cara ou coroa) em sucessivos lances de uma moeda é infinita. sem perda das características essenciais. Economia. Em Estatística. donde o seu nome. apresentação e análise de dados. examina-se uma pequena parte chamada amostra. Apresentaremos aqui uma delas. Definição Existem várias definições para Estatística. é o desenvolvimento de procedimentos que permitam analisar e interpretar um fenômeno observado. . Amostra: é um subconjunto da população. como um campo de investigação. o número de casos de cólera atendidos em um município por mês ou o número de peças defeituosas produzidas em uma fábrica em um certo dia. Em vez de examinar todo o grupo. entre si. ou métodos estatísticos. de dimensões menores que ela.ESTATÍSTICA A Estatística. tais como estaturas e pesos dos estudantes de uma universidade. Sociologia e outros numerosos campos da ciência e da Engenharia. a população constituída de laranjas de um pomar é finita. Eletrônica. O objetivo geral da Estatística. necessariamente "pessoas". de modo a avaliar objetivamente a situação em observação. ou se a observação implica na destruição do objeto em questão. desempenha papel crescente e importante em quase todas as fases da pesquisa humana. Psicologia. Ela está interessada nos métodos científicos para coleta. como é denominada algumas vezes. encontrada na bibliografia anexa. Comunicações. "Estatística é um conjunto de métodos e processos quantitativos que serve para estudar e medir fenômenos coletivos". Química. População: é qualquer conjunto de informações que tenham. a influência da Estatística estendeu-se agora à Agricultura. Conceitos Usados Em Estatística População e Amostra Ao coletar os dados referentes às características de um grupo de objetos ou indivíduos. Lidando anteriormente apenas com negócios de Estado.ESTATÍSTICA MATEMÁTICA _________________________________________________________________________________________ 4 1 . Por exemplo. organização. Educação. especialmente se for muito grande. população não significa. Ciências Políticas. é muitas vezes impossível ou impraticável observar todo o grupo. Uma população pode ser finita ou infinita. resumo. Biologia. Medicina.

Como essa inferência não pode ser absolutamente certa. As variáveis ainda podem ser: i) Contínuas: são aquelas que.ESTATÍSTICA MATEMÁTICA _________________________________________________________________________________________ 5 Estatística Indutiva E Estatística Descritiva Se uma amostra é representativa de uma população. podem assumir qualquer valor em um intervalo. Variáveis Chamamos de variável ao conjunto de resultados possíveis de um fenômeno aleatório.65m. conclusões importantes podem ser inferidas de sua análise. As variáveis podem ser qualitativas. quando representam um conjunto de categorias ou modalidades.1 .5 ou 3. 1. Exemplo: o número N de crianças. quando representam um conjunto de números. conforme a precisão da medida. as medições dão origem a dados contínuos. não existe continuidade. Geralmente originam-se de contagens. mas não pode ser 2. a linguagem da probabilidade é muitas vezes usada no estabelecimento de conclusões. 3. em uma família. é chamada Descritiva ou Dedutiva. Exemplo: a altura H de indivíduos que pode ser 1. de um valor para outro. 2.842.662m ou 1. . A parte da Estatística que trata das condições sob as quais essas inferências são válidas chama-se Estatística Indutiva ou Inferência Estatística. ou quantitativas. A parte da Estatística que procura somente descrever e analisar um certo grupo. sem tirar quaisquer conclusões ou inferências sobre um grupo maior. é uma variável contínua. .Coleta de amostra..6772.. é uma variável discreta. Em geral. 1. teoricamente. ii) Discretas: são aquelas que. que pode assumir qualquer um dos valores 0. Fig.

Ordinal: é usado para atribuir ordem. além da relação de igualdade (=).ESTATÍSTICA MATEMÁTICA _________________________________________________________________________________________ 6 Mensuração Desde os tempos remotos. iv)4º nível . Este nível também não permite operações aritméticas. Para que usamos Estatística? A Estatística serve para: 1) Resumir e Organizar Informações: freqüentemente quando coletamos dados de uma população. o número de convidados para uma festa. Daí podemos representar: sargento > cabo > soldado. podemos atribuir valores a esta variável: masculino = 0 e feminino = 1. freqüentemente estamos medindo algo: o tempo gasto em uma tarefa. outros. masculino e feminino. É usado para classificar um objeto. pois na escala Fahrenheit teríamos o corpo A a 86oF e B a 50oF (na escala Fahrenheit a água vira gelo a 32ºF e vapor a 212ºF). pessoa ou característica. Exemplo: estatura. a distância a ser percorrida em um compromisso. Exemplo: sexo. porém fixa. valem as relações "maior que/menor que" (< . obtemos uma gama muito grande de informações que precisam ser organizadas e . e de um zero convencionado. ou cabo = cabo. Exemplo: nas escalas de temperatura o zero é convencionado e a distância entre graus de uma mesma escala também. Neste nível as únicas operações aritméticas são a adição e a subtração. com a diferença de existir um zero verdadeiro. velocidade. outros. Neste nível todas as operações aritméticas são possíveis. portanto. Níveis de Mensuração i) 1º nível . de acordo com a sua complexidade. >).Racional: é semelhante ao nível intervalar. As mensurações em nível ordinal e nominal são as mais comuns nas ciências do comportamento. o homem tem a preocupação de medir coisas. volume (m3). todas operações aritméticas são possíveis.Nominal: é o mais baixo nível da escala de medidas. multiplicação e divisão não são permitidas. sargento manda mais que cabo que por sua vez manda mais que soldado. Em nossa vida diária.Intervalar: aqui aparece pela primeira vez uma escala verdadeiramente quantitativa. Caracteriza-se pela existência de uma unidade de medida arbitrária. ou seja. As coisas que medimos diferem entre si quanto a classe a que pertencem. Contagem: das contagens originam números inteiros. inteligência. ii) 2º nível . Justificativa: se um líquido A está a 30oC e o líquido B a 10oC. Nele vale apenas a relação de igualdade (=). A forma de mensuração depende da classe ou nível que ela pertence. Mensurar significa associar a alguma coisa um número. beleza. Exemplo: na hierarquia militar. não podemos dizer que a temperatura de A é três vezes maior que B. pois cada nível possui características próprias. iii)3º nível . Exemplo: distância (km). Aqui. No entanto não é possível realizar operações aritméticas com estes números. o zero não é convencionado.

como por exemplo. É uma suposição que antecede a constatação dos fatos e tem como característica uma formulação provisória. Por exemplo: a ocorrência de osteoporose em mulheres após a menopausa tem correlação com o consumo de café. Por exemplo: o político. após um exaustivo e dispendioso trabalho de coleta de informações fazer uma pergunta típica: "o que eu faço com isto?" Isto é decorrente da falta de objetivo. em geral não se consegue dados dela toda. 7) Correlacionar variáveis. Usado para verificar o grau de associação entre variáveis e para fazer previsões baseadas em amostras (Regressão). seja devido ao custo elevado. Outro exemplo: consumo de álcool versus fumo. se as pessoas que a compõem são desnutridas. estudando apenas uma parte. Definição 2. Elaboração 5.ESTATÍSTICA MATEMÁTICA _________________________________________________________________________________________ 7 resumidas. ii) Formular hipóteses: hipótese é uma proposição que se faz na tentativa de verificar a validade de resposta existente para um problema. Planejamento 3. 2) Representar Dados: após apuração e resumo. as informações devem ser transmitidas de modo simples e claro. candidato a um cargo eletivo muda o rumo de sua campanha conforme esta está surtindo efeito ou não. o que pode ser conseguido usando um recurso estatístico chamado "Teste de Hipótese". 3) Conhecer como determinada variável apresenta-se distribuída na população: muitas vezes o pesquisador precisa saber se a população tem determinada característica. como tem evoluído. Relatório 1) Definição: i) Definir os objetivos: toda pesquisa deve ter um objetivo determinado para saber o que se vai procurar e o que se pretende alcançar. Deve partir de um objetivo limitado e claramente definido. 4) Testar Hipóteses: quando uma hipótese é levantada. Fases Do Trabalho Estatístico: O trabalho estatístico consiste de 6 etapas: 1. Neste resumo são colocados resultados que caracterizam uma população em relação a certa variável. e quem vai dar esta informação é a Estatística. Aí é onde entra a Estatística fornecendo subsídios para a tomada de decisão. é necessário saber como tem sido o seu comportamento. ao tempo despendido ou o tamanho da mesma. É comum a alguns estudantes. Coleta de dados 4. Assim a Estatística fornece meios para que. A não definição de objetivos é como se construir um edifício sem a fundação. se possa tirar conclusões do todo. ela precisa de comprovação. 6) Tomar Decisão: muitas vezes para se tomar decisão sobre um determinado assunto. Análise e interpretação dos dados 6. A Estatística ajuda um gerente de CPD saber como o processamento está distribuído. 5) Fazer Inferências: ao estudar uma população. Uma forma de representar os dados são os gráficos. deve ser testada para determinar .

daí o resultado da pesquisa não será representativo. O resultado final da pesquisa depende muito do planejamento no sentido de que vários cuidados devem ser tomados. pois os pesquisados poderão esconder ou mascarar tais dados. é necessário que se use uma técnica de amostragem. por conveniência. Por exemplo: uma pesquisa que envolve conhecimento de particularidades das pessoas deve ser bem cuidadosa. Por exemplo: na impossibilidade de consultar todos os habitantes de um município sobre a atuação do prefeito. Para que o resultado da pesquisa seja válido para toda população é necessário que a amostra tomada seja representativa. pois se os dados coletados não forem confiáveis ou representativos. A clareza da definição dos termos da hipótese é condição de importância fundamental para o desenvolvimento da pesquisa. iii)Definir a população: a pesquisa em foco deve ser delimitada. É uma das fases mais importantes. ainda que este limite seja extenso. Por exemplo: para formarmos uma amostra de funcionários de uma empresa. Fig. pode acontecer que o bairro escolhido acabou de receber melhorias. pegamos uma listagem com o nome de todos. Conforme mencionado anteriormente. todos elementos da população têm igual probabilidade de serem selecionados para constituir a amostra. um pesquisador resolve. assim a opção é se trabalhar com amostras.2 . o pesquisador não ficará sabendo e o resultado será prejudicado.ESTATÍSTICA MATEMÁTICA _________________________________________________________________________________________ 8 sua validade. 2) Planejamento Formular um plano para coleta de dados: o próximo passo é fazer um planejamento de como os dados serão colhidos. Existem várias técnicas. numeramos e em seguida sorteamos alguns usando papéis dobrados ou uma "tabela de números aleatórios". Isto é feito em função de se saber para qual população os resultados serão válidos. .Erro amostral. nem sempre é possível coletar dados de toda população. sendo que as mais comuns são: i) Amostragem Aleatória Simples (AAS) Nesta técnica. obter opiniões em apenas um bairro. Para que estas situações não ocorram.

O tamanho da amostra a ser tomada é assunto que será visto mais adiante. iii) Amostragem Estratificada (AE) É usada quando a população apresenta-se dividida em estratos. além do cuidadoso registro dos dados e de um bom preparo anterior. ou seja.ESTATÍSTICA MATEMÁTICA _________________________________________________________________________________________ 9 ii) Amostragem Sistemática (AS) Aqui os elementos da amostra são selecionados por um sistema preestabelecido. a amostra será composta pelos prontuários 15.  Observação: é uma técnica de coleta de dados onde são utilizados os sentidos para captar determinados aspectos da realidade. Por exemplo: uma empresa de distribuição de energia elétrica tem seus clientes divididos em três estratos: o industrial. 15+140=155. possui um arquivo com 1400 prontuários numerados de 1 a 1400. .  Formulário: é o instrumento utilizado na entrevista. O rigoroso controle na aplicação dos instrumentos de pesquisa é fator fundamental para evitar erros e defeitos resultantes de entrevistadores inexperientes ou de informantes tendenciosos. Para se fazer uma pesquisa por amostragem neste caso. decide-se por tomar uma amostra de 10 pacientes. Outro exemplo: selecionar um cliente que entra na loja e pular 10. Neste caso será necessário fazer um planejamento de experimento. grupos distintos. tomamos uma AAS de cada um dos estratos citados. mas também em examinar fatos ou fenômenos que se desejam estudar. que devem ser preenchidas sem a presença do entrevistador. o comercial e o residencial. o pesquisador precisará de um conhecimento bem amplo de Estatística. Se o sorteado for o número 15. a fim de que uma delas obtenha informações a respeito de determinado assunto.  Entrevista: é um encontro de duas pessoas. será necessário.  Coleta Documental: a fonte de coleta é restrita a documentos (livros. Devido sua complexidade. etc. Não consiste apenas em ver e ouvir. fazer experiências. perseverança e esforço pessoal. 3) Coleta de Dados Etapa da pesquisa em que se inicia a aplicação dos instrumentos elaborados e das técnicas selecionadas. A seguir citaremos algumas técnicas e instrumentos de pesquisa. jornais. É uma tarefa cansativa que toma muito tempo e exige do pesquisador paciência. a fim de se efetuar a coleta dos dados previstos.).  Questionário: é um instrumento constituído por uma série ordenada de perguntas. em seguida sorteia-se o primeiro prontuário. Planejamento de Experimentos Dependendo do tipo ou objetivo da pesquisa. daí divide-se 1400 por 10 encontrando-se 140. 155+140=295 e assim por diante até completar os 10. revistas. Por exemplo: uma clínica psicológica deseja saber o perfil de seus pacientes. ao invés de colher amostras.

a competência. constituindo-se ambos no núcleo central da pesquisa. possibilitando maior facilidade na verificação das inter-relações entre eles. etc. é necessário conhecê-los bem. o passo seguinte é a análise e a interpretação dos mesmos. conforme a seguir: i) Seleção: é o exame minucioso dos dados para verificar possíveis falhas e erros. percentís. de modo que estes sejam mais bem compreendidos e interpretados rapidamente. a capacidade ou a conduta dos indivíduos.  Pesquisa através da Internet: os internautas são convidados a acessar determinada página para responder à pesquisa. iii)Tabulação: é a disposição dos dados em tabelas. Pode ainda ser feita através de e-mail ou salas de bate-papo. . moda. os dados são elaborados e classificados de forma sistemática. os dados são transformados em símbolos. ii) Codificação: é uma técnica operacional utilizada para categorizar os dados que se relacionam. 4) Elaboração dos Dados Após a coleta. Mediante a codificação. em forma quantitativa. antes da coleta definitiva dos dados.  Sociometria: é uma técnica quantitativa que procura explicar as relações pessoais entre indivíduos de um grupo. mediana.ESTATÍSTICA MATEMÁTICA 10 _________________________________________________________________________________________  Testes: são instrumentos utilizados com a finalidade de obter dados que permitam medir o rendimento. desvio padrão. Existem outras técnicas e instrumentos para coleta de dados. Ao final apresenta-se a conclusão que a análise e interpretação levaram. Permite a sintetização dos dados. Vale lembrar a necessidade de um pré-teste. 5) Análise e Interpretação dos Dados Uma vez organizados os dados e obtidos os resultados. proporções. sendo que para aplicação de qualquer que seja. Nesta fase serão obtidas medidas como média.  Inquérito por telefone: contato verbal entre o entrevistador e o entrevistado através do telefone. podendo ser tabelados e contados.

ii) Processos de pesquisa. São importantes a objetividade e o estilo. mantendo-se a expressão impessoal e evitando-se frases qualificativas ou valorativas. Deve ser expresso em linguagem simples.ESTATÍSTICA MATEMÁTICA 11 _________________________________________________________________________________________ 6) Relatório Exposição geral da pesquisa. clara. O Estado de São Paulo 05/02/95 . com detalhes. desde o planejamento até as conclusões. pois a informação deve apenas descrever e explicar. concisa e coerente. se possível. incluindo os processos metodológicos empregados. O relatório deve abranger os seguintes aspectos: i) Apresentação do problema ao qual se destina o estudo. iv)Conseqüências deduzidas dos resultados. para que eles possam alcançar a sua relevância. objetiva. Tem a finalidade de dar informações sobre os resultados da pesquisa. iii)Os resultados.

Cite 3 técnicas ou instrumentos de pesquisa.Classifique as variáveis abaixo quanto ao nível de mensuração. Explique como ela funciona. a) peso (kg) f) idade i) religião n) altitude b) estatura (cm) g) tipo de sangue j) área (m2) o) estado civil c) sexo d) profissão e) dia da semana h) resultado de um concurso de beleza feminina l) renda familiar ($) p) nº camisa jogador s) pressão m) classe social q) nº do CPF r) nº placa automóvel . 7 . 2 .Qual a diferença entre população e amostra? 4 .ESTATÍSTICA MATEMÁTICA 12 _________________________________________________________________________________________ Exercícios 1 .Quais as características que devem apresentar o relatório final de pesquisa? 3 . 8 .Para que serve a Estatística? 6 – Pesquise sobre outras técnicas de amostragem.Qual a diferença entre amostra e amostragem? 5 .Quais são as fases do trabalho estatístico? Descreva de forma sucinta cada uma delas.

33 0. Distribuição de Freqüência: é o arranjo tabular dos dados por classes.20 0. Amplitude Total: é a diferença entre o maior e o menor número do rol. Rol: é um arranjo de dados numéricos em ordem crescente ou decrescente de grandeza. também denominado dados agrupados. consegue-se vantagem importante que consiste no aspecto global obtido.13 0. Intervalo de Classe: é a diferença entre o maior e o menor número da classe. temos dados ainda não organizados que chamamos dados brutos. Conceitos Dados Brutos: após a coleta.13 % 13 20 33 20 13 . Embora o processo de agrupamento geralmente inutilize muitos detalhes originais dos dados.TABULAÇÃO DOS DADOS É o arranjo tabular dos dados. Exemplo: estatura de estudantes (cm) 158 154 153 160 157 171 170 166 165 169 155 161 162 164 163 Estatura (cm) Nº alunos (fi) Fac 150 | 155 155 | 160 160 | 165 165 | 170 170 | 175 2 3 5 3 2 2 5 10 13 15 FR 0. Freqüência Acumulada (Fac): é a soma de freqüências de determinada classe com as anteriores. juntamente com as freqüências correspondentes. Freqüência Relativa (FR): é o quociente entre a freqüência absoluta da classe e o total.20 0. que se torna mais claro evidenciando as relações essenciais.ESTATÍSTICA MATEMÁTICA 13 _________________________________________________________________________________________ 2 . Limites de Classe: o menor e o maior número da classe chamam-se limite inferior e superior respectivamente.

sabe-se que a pessoa está estressada se o resultado for superior a 300.5 3.2 1.2 2.3 5.3 7. 182 154 163 151 180 171 189 176 159 151 160 170 161 153 171 160 158 169 157 173 153 174 170 165 174 167 164 156 162 157 166 173 159 157 158 173 167 168 168 169 b) Notas finais de 50 alunos (iniciar em zero e suar intervalo de classe igual a 1).9 1. Somando-se esses pontos num período de 12 meses.0 5.5 4.3 1.0 6.5 3.6 4.9 c) Idade dos funcionários da empresa (iniciar em 20 e usar intervalo de classe igual a 5).4 5.7 2.9 4.0 0.5 4.1 5.0 4.7 2.0 5.2 5.ESTATÍSTICA MATEMÁTICA 14 _________________________________________________________________________________________ Exercícios 1) Tabular os dados abaixo e calcular as freqüências acumuladas e relativas: a) Estatura (cm) de indivíduos adultos (iniciar em 150 e usar intervalo de classe igual a 5 cm).2 3.7 2.1 6.5 6.2 6.0 4.6 0.3 3.7 7.9 4.0 4.6 4. 230 225 308 231 168 255 140 278 300 288 189 346 265 301 243 231 159 215 144 292 274 206 193 208 198 240 219 280 217 350 154 324 310 220 379 304 155 337 249 270 264 186 251 166 277 171 217 176 e) Peso (kg) de estudantes do colégio ACD (iniciar em 45 e usar intervalo de classe igual a 5).5 0. (iniciar em 140 e usar intervalo de classe igual a 40).4 2.0 3. 2.0 1.9 4.2 1.2 6.9 4.2 7.0 5. 33 41 33 40 46 27 45 55 49 40 55 45 40 42 52 37 53 59 42 48 34 30 49 36 51 27 38 24 41 25 48 20 50 39 41 33 31 39 31 47 46 54 56 35 48 46 58 48 40 57 25 43 40 37 43 49 35 46 43 39 41 44 23 37 41 37 42 45 50 54 35 38 32 41 53 41 57 32 48 45 57 49 56 54 29 26 54 49 36 50 39 43 38 44 32 d) Para se avaliar o nível de estresse de um indivíduo existe um critério que atribui pontos a “Acontecimentos Pessoais”.5 3.2 4. 69 57 72 54 83 68 72 58 64 62 65 76 60 49 74 59 66 83 70 45 60 81 71 67 63 64 53 73 81 50 67 68 53 75 65 58 80 60 63 53 f) Tempo gasto (em minutos por dia) por executivos em reuniões (iniciar em 50 e usar intervalo de classe igual a 20). 55 52 123 100 62 95 61 82 88 148 57 101 135 78 99 106 104 87 95 87 118 91 96 87 112 93 84 90 98 114 125 80 113 56 111 103 120 115 77 116 82 139 114 91 118 70 130 149 106 87 144 96 .2 3.A. Os números abaixo são a pontuação de alguns funcionários da empresa L&P S.1 3.7 0.

de ordem 0. Portanto o 3º elemento. 127 Colocamos em ordem: 120 123 127 133 134 136 e fazemos 0. 136.Média Aritmética É dada por: x x n i onde xi são os dados apurados e n a quantidade destes dados. A mediana é encontrada da seguinte forma: a) Número ímpar de dados: Se n for ímpar.5n = 0. ou fazemos 0.5(5+1) = 3.5n+1.5n+1 = 3+1 = 4. 42 Primeiramente colocamos em ordem: 27 31 37 42 43.Mediana Colocados os valores em ordem crescente. Geralmente localizam-se em torno do meio ou centro de uma distribuição. onde maior parte dos dados tende a se concentrar. 120. 37. o terceiro indivíduo tem estatura mediana. Neste grupo. 1 . mediana é o elemento que ocupa a posição central. 31.6 = 3 e 0. logo a mediana está entre o 3º e 4º elemento. Exemplo: 134.5(n+1). 43. Exemplo: 27. a mediana será a média entre os elementos centrais.5n e 0. A seguir verificamos qual elemento ocupa a posição central.ESTATÍSTICA MATEMÁTICA 15 _________________________________________________________________________________________ 3 .MEDIDAS DE TENDÊNCIA CENTRAL As medidas de tendência central são usadas para indicar um valor que tende a representar melhor um conjunto de dados. de ordem 0. Daí Md = 37 b) Número par de dados: Caso n seja par. ou seja: . 123.5(n+1) = 0. 133. 2 . a mediana será o elemento central.5.

c) idade que ocorre com maior freqüência. 8. 2) Tomar uma amostra aleatória simples de n = 5 (5 pessoas) da sala de aula. 11. 21. 5. que é a fração ou porcentagem de itens de determinado grupo ou classe. 1. 6. 0. 22. Verificar a idade dos alunos da amostra. com exceção da moda. 7. 25. mediana e moda. que também é útil para dados nominais. 9. podemos usar o seguinte critério:  média: quando os valores forem razoavelmente homogêneos. É calculada por: p n N 2. A seguir. Por exemplo: a cada 40 peças produzidas uma é defeituosa. Exercícios 1) O número de pacientes atendidos num serviço médico por dia. determine: a) a idade média dos alunos. 6. Portanto a proporção de peças defeituosas é de: p n 1  N 40 Para que a caracterização dos dados seja mais adequada. 6.  moda: quando ocorrem muitas repetições. b) a idade mediana. Determine a média.Moda É o valor que ocorre com maior freqüência num conjunto. Outra medida usada para dados nominais é a proporção. 19.  mediana: quando os valores forem heterogêneos. 4.ESTATÍSTICA MATEMÁTICA 16 _________________________________________________________________________________________ Md  127  133 = 130 2 3 . Exemplo: notas de Matemática: Proporção As medidas vistas anteriormente aplicam-se principalmente a dados quantitativos. 8. em um período de 10 dias foi: 14. 9. . 3 Mo = 6 onde n é o número de itens que apresentam determinada característica e N o número total de observações. 21 e 15.

possuindo apenas 5 funcionários. 5 e 1.00.5 3. $25. mediana e a moda do período? 8) Registrou-se as seguintes temperaturas (oC) em um dia frio no município de Tuiuiu do Sul: -2. com o objetivo de pesquisar sobre o peso. -3. 3 4 4 5 2 5 4 3 6 13) Determine a moda para as idades de mulheres na época em que divorciaram (capítulo 2 exercício “c”). deixando que cada um se manifeste (voluntário).00 e $24. $27.00. Quais as temperaturas média.00.ESTATÍSTICA MATEMÁTICA 17 _________________________________________________________________________________________ 3) Colher uma amostra de 6 alunos da turma.9 e 5. mediana e modal? 9) Uma amostra aleatória de 56 alunos do Grupo Escolar Santa Lúcia revelou que 32 são meninos e 24 meninas. 5) Numa amostra de 8 alunos da turma. Calcule a proporção das pessoas que não usam óculos. 4) A amostra do exercício 3 pode ser considerada representativa? Comente. constatou-se que os alunos estão distribuídos da seguinte forma. -3. . b) Qual é a classe modal? 11) Determine a moda e as proporções: Tipo de produto Televisão Microsistem DVD Microcomputador Quantidade vendida (mil) 117 92 180 23 12) Calcule média. Calcule a proporção de meninos e meninas.00.6 3. 3 usam óculos.8 3.8 3. 14) A tabela abaixo mostra o tráfego de pessoas (em milhões) nos shoppings no Brasil: Ano Pessoas (milhões) 1994 42 1995 45 1996 50 1997 55 1998 62 1999 100 Determine a média e a moda do período. A seguir calcule o peso médio o mediano e o modal. 10) Na pesquisa anterior. 0.9. 4. Qual das medidas de tendência central caracteriza melhor os salários desta empresa? (dica: calcule as 3) 7) A porcentagem de desempregados entre 1965 e 1971 nos EUA foi: 4. $26. mediana e moda para o tempo de permanência (em dias) de uma amostra de hóspedes no Hotel Vista Azul. Qual foi a média. em relação a classe social: Classe nº alunos A 4 B 15 C 23 D 14 a) Calcule as proporções de cada classe.5 4. paga os seguintes salários: $50. 6) Uma empresa.

252.MEDIDAS DE POSIÇÃO . 215. a média entre 216 e 220 que é o 218.ESTATÍSTICA MATEMÁTICA 18 _________________________________________________________________________________________ 4 . num total de 12 posições. 245. pode-se pensar nos valores que dividem o conjunto em quatro partes iguais. ou seja. 225. 236. Exemplo: Em um teste você obteve o resultado 236. b) Qual é o 25º percentil? n = 12. Semelhantemente. O resultado 236 ocupa a 9ª posição. assim: np = 12. 230 e 241. ou seja 75% dos resultados são menores ou iguais ao seu. Por extensão desse conceito. 220. assim: 912=0. 215. 230. 228.0. Além de você. 233. o percentil procurado será a média entre os elementos de ordem np e np + 1. 225. 252. o valor que divide o conjunto em duas partes iguais é a mediana. 216. 245. 220. a) Qual o percentil do seu resultado entre os 12? Primeiramente ordenamos: 210. . 233.75 = 75%. 241.25 = 3  3º elemento e np + 1 = 3 + 1 = 4  4º elemento Daí o 25º percentil será a média entre o 3º e o 4º elemento. os valores que dividem os dados em dez e cem partes iguais são denominados decís e percentís respectivamente. Estes valores são denominados quartis. 228. b) Número par de dados: Se n for par. i) Quartil 25% Q1 ii) Decil 10% D1 10% D2 10% D3 10% D4 10% D5 10% D6 10% D7 10% D8 10% D9 10% 25% Q2 25% Q3 25% iii) Percentil 1% P1 1% P2 1% P3       P99 1% Os percentís são encontrados da seguinte forma: a) Número ímpar de dados: Se n for ímpar.SEPARATRIZES Se um conjunto de dados é organizado em ordem crescente de grandeza. logo n é par. onze pessoas fizeram o teste e obtiveram 210. onde n é o tamanho da amostra e p a porcentagem representada pela separatriz. 216. o percentil procurado será o de ordem (n+1)p.

Exercícios 1) Tomar uma AAS de 11 alunos e apurar a estatura dos mesmos: a) Quem tem estatura _______m ocupa qual percentil? b) Determine o 75º percentil. Ele serve para acompanhar o crescimento. relativas às idades de crianças. .ESTATÍSTICA MATEMÁTICA 19 _________________________________________________________________________________________ O gráfico abaixo. conhecido como gráfico de Marcondes. mostra os percentís das variáveis altura e peso.

a família que tem 6 pessoas ocupa qual percentil? b) Encontrar P70 e P50 . c e e. a) Abaixo de que salário se situam os 30% com menor remuneração? b) Acima de que salário ficam os 30% com maior remuneração? 4) O médico informou que seu peso está no percentil 85. 1 Revista Exame: As melhores empresas para você trabalhar. . edição 669. O que isto significa? 5) Utilizando os dados dos exercícios a. d) o nonagésimo quinto percentil. 3) Considere os salários abaixo: 70 82 87 72 107 119 79 102 94 125 96 115 78 84 98 72 87 80 94. a) Nesta amostra. do capítulo 2 calcule respectivamente: a) o percentil 90. c) o 25º percentil.ESTATÍSTICA MATEMÁTICA 20 _________________________________________________________________________________________ 2) Pesquisa realizada junto a 14 famílias da favela da Carrocinha. Editora Abril. 6) O que significa a frase a seguir: “somente os gerentes e executivos recebem salários acima do 3º quartil”1. b) o P75. b. constatou os seguintes números de pessoas por família: 2 5 8 7 6 4 3 5 5 1 9 4 10 e 11.

1 . estas medidas não têm a capacidade de caracterizar completamente um conjunto de dados. É dado por: CV  100s x . recorremos às medidas de dispersão. 8 e 0 (zero). mediana e a moda. ressaltando a homogeneidade ou heterogeneidade de sua distribuição. 5 e 7 e o aluno B 10. Por exemplo: se a média final de dois alunos A e B é 6.Populacional S2   X  X N  2 2 1. No entanto. 1) Variância: por definição é: 1.2 . um conjunto de dados pode ser sintetizado através de valores representativos como a média. O aluno A pode ter obtido notas 6. ou seja: S  X  X  N 2 e s   x  x n 1 2 Para população e amostra respectivamente 3) Coeficiente De Variação: é uma medida de dispersão relativa que estabelece uma relação entre desvio padrão e média. podemos ter uma idéia se o valor do desvio padrão é alto ou não.Amostral s2   x  x  n1 2) Desvio Padrão: é a raiz quadrada positiva da variância.MEDIDAS DE DISPERSÃO OU VARIABILIDADE Como vimos anteriormente. Através dele.ESTATÍSTICA MATEMÁTICA 21 _________________________________________________________________________________________ 5 . para qualificar os valores de uma certa variável. Portanto. não podemos concluir que o aproveitamento dos mesmos foi homogêneo.

Exercícios 1) Usando os dados da amostra colhida. calculamos o desvio padrão.58 min E para conhecermos a variação. 2) Dados os conjuntos numéricos: A = {5.5% 4 x Portanto. observado em uma amostra de 5 funcionários: 2 5 4 3 6 Como se trata de uma mostra.ESTATÍSTICA MATEMÁTICA 22 _________________________________________________________________________________________ Exemplo: tempo gasto (em minutos) para realização de certa tarefa. Assim: x 2 5 4 3 6 20 x  x  2 (2 . calcular a variância. referente a idade dos alunos da turma. Comente o resultado encontrado. em percentual. Sem calcular. Justifique o resultado. 1}. calculamos o CV: CV  s 100 1. desvio padrão e o coeficiente de variação. responda qual dos dois conjuntos apresenta maior variabilidade. usamos a fórmula correspondente.4)2 = 4   x  x 2 = 10 s2  x  x   n 1 2 2  10  2. 5. ainda sem calcular. os tempos variaram em 39.4)2 = 4 (5 .4)2 = 1 (6 . s x  x  n 1 2  2. 10.4)2 = 0 (3 .58 100   39. 7.5%. 2. 5} e B = {8.5  1. qual a variabilidade do conjunto A. . 5. 5.4)2 = 1 (4 .5 min 2 4 Como min não tem sentido prático.

5 Outros 2.37 0. 57} 5) Calcular a variância. 8) Numa pesquisa sobre clima organizacional os funcionários de um banco atribuíram notas de 0 a 10 para a satisfação no trabalho. Comente os resultados encontrados. Determine a variabilidade.32 7) Calcule o coeficiente de variação das temperaturas do município de Tuiuiu do Sul (cap.8 Colômbia 0.44 0.8 México 1.ESTATÍSTICA MATEMÁTICA 23 _________________________________________________________________________________________ 3) Calcule o coeficiente de variação do conjunto B.9 Determine a variabilidade do período.2 Calcule a variabilidade e analise se a distribuição é homogênea. 4) Calcule o coeficiente de variação para as idades das pessoas dos grupos A e B. 12) Os dados a seguir representam a distância (em km) percorrida diariamente pelos caminhões de uma transportadora: 490 530 640 380 450 610 560.06 1997 4. A notas foram: 7 2 1 6 2 4 5 2 6 Com os resultados da experiência acima. 11) Produção de carne de frango – em milhões de toneladas: Ano ton (milhões) 1994 3. desvio padrão e coeficiente de variação para o consumo (em kWh) de energia elétrica de uma residência: Mês kWh abril 278 maio 283 junho 296 julho 233 agosto 334 setembro 313 outubro 251 6) Calcule a variabilidade dos custos com embalagem em uma linha de produtos da empresa OG: Custos ($): 0.49 1995 4.53 2000 5.05 1996 5. A = {1. 3. 3).26 0. 3 4 4 5 2 5 4 3 6 10) A tabela abaixo representa o número de usuários da Internet na América Latina em 1999 – em milhões: País Nº (milhões) Brasil 4.23 0. o que podemos dizer a respeito da variabilidade? 5) Calcule o desvio padrão para o prêmio a ser pago do seguro de alguns veículos: Prêmio: 412 524 643 498 550 479 9) Calcule o coeficiente de variação para o tempo de permanência (em dias) de uma amostra de hóspedes no Hotel Vista Azul.3 Argentina 0. . 5} e B = {53.48 0.85 1999 5. 55.46 1998 4.

Os gráficos devem ser elaborados de forma simples e clara. chamados gráficos. Todo gráfico deve indicar. os valores crescem da esquerda para a direita. Os gráficos devem ter título e nas extremidades dos eixos devem ser indicadas as variáveis que estão sendo representadas. Assim. No eixo das ordenadas (vertical). No entanto apresentam algumas limitações:  não são precisos na medida em que omitem detalhes. Construção De Gráficos Os gráficos devem ser construídos com base no sistema de eixos cartesianos.REPRESENTAÇÃO GRÁFICA Os dados estatísticos podem ser representados através de elementos geométricos. deve haver uma interrupção. Um gráfico com um eixo horizontal ou vertical muito grande fica ruim do ponto de vista estético. com as respectivas unidades. município. No eixo das abscissas (horizontal).ESTATÍSTICA MATEMÁTICA 24 _________________________________________________________________________________________ 6 . 75% do comprimento do eixo horizontal.  não permitem a representação de um grande número de dados. Uma preocupação com os gráficos é referente a estética. dois eixos perpendiculares entre si. retratar a realidade e respeitar sua escala. os eixos devem ter o mesmo comprimento. região geográfica (estado. Os gráficos têm o objetivo de dar uma visão rápida e global do fenômeno em estudo. ou seja. ou seja. %). .  podem ser distorcidos de acordo com interesses particulares. Quando um eixo tem seus valores iniciais muito altos. outros) ou categorias. ou então o eixo vertical ter. a fonte. com a indicação da posição do zero. Nele representamos as quantidades (valores. no seu rodapé. no mínimo. Neste eixo. a instituição ou pesquisador(es) que levantaram os dados. os valores crescem de baixo para cima. sendo que a origem (zero) é na intersecção dos mesmos. geralmente representamos cronologia (tempo).

5 Fonte: Simonsen Associados .traçar um sistema de eixos cartesianos.: as distâncias entre colunas devem ter medida inferior à largura das mesmas.construir retângulos representativos das variáveis.marcar os valores ou categorias das variáveis nos eixos. Obs.6 66. 2 .1 60 40 20 0 A1 A2 B1 B2 C D+E Classe 25 58. geográficas e categóricas.Gráfico De Colunas É usado para representar séries cronológicas. escrever o nome das variáveis. por classes sociais em 2001 – em bilhões de dólares: Classe A1 A2 B1 B2 C D+E (US$ bilhões) 25 60.5 Fonte: Simonsen Associados Potencial de Consumo Urbano por Classes Sociais .5 56. É construído da seguinte forma: 1 .2001 100 US$ (bilhões) 80 60.6 66.1 94. São retângulos com larguras de mesma medida e alturas proporcionais às quantidades representadas.1 58. Exemplo: Potencial de consumo urbano. 3 .colocar o título e a fonte. mantendo entre um e outro distâncias iguais. 4 . evitando o uso de números "quebrados".ESTATÍSTICA MATEMÁTICA 25 _________________________________________________________________________________________ I .5 94.1 56.

colocar título e fonte. 5 .estes passos são idênticos ao gráfico de colunas. 3 . Para sua construção: 1 e 2 . Exemplo: evolução da expectativa de vida no Brasil Ano 1940 1950 1960 1970 1980 1990 2000 Expectativa de vida (anos) 44 46 52 53 61 66 69 Fonte: IBGE Evolução da Expectativa de Vida no Brasil 70 60 50 40 30 20 10 0 1940 1950 1960 1970 1980 1990 2000 Fonte: IBGE .ESTATÍSTICA MATEMÁTICA 26 _________________________________________________________________________________________ II . onde podemos perceber a evolução do fenômeno no decorrer do tempo.unir os pontos marcados por segmentos de reta.marcar os pontos correspondentes aos pares de valores das duas variáveis. 4 .Gráfico De Linhas Usado apenas para séries cronológicas.

se muitos fenômenos forem representados num mesmo gráfico. Ano 1988 1989 1990 1991 1992 1993 1994 1995 1996 Arrecadação 33 33.5 36 33.ESTATÍSTICA MATEMÁTICA 27 _________________________________________________________________________________________ III .5 38 43 Benefícios 18 21 22 24 25.Gráficos Comparativos Como o próprio nome diz. Cada fenômeno deverá ter uma cor ou motivo de modo que possam ser diferenciados uns dos outros. servem para comparar dois ou mais fenômenos. Exemplo 1: Previdência Social: comparação entre arrecadação líquida e benefícios pagos (bilhões de R$). Estes gráficos necessitam legenda. No entanto.5 Fonte: Ministério da Previdência e Assistência Social Pagamento de Benefícios Versus Arrecadação da Previdência Social 50 40 30 20 10 0 1988 1989 1990 1991 1992 1993 1994 1995 1996 Arrecadação Benefícios Fonte: Ministério da Previdência e Assistência Social .5 36 34 33. este perde sua clareza e simplicidade.5 32 34 40 44.

Eletrodom.1 6. por isso é conhecido como gráfico de pizza ou torta.usando um transferidor.1 4. . marcar os ângulos correspondentes aos valores da tabela.7 6.Gráfico De Setores É usado quando queremos comparar os valores de uma categoria com o total de todas categorias. Item Alimentos Habitação Eletrodomésticos Veículos Educação Serviços Médicos Lazer EUA Brasil 15.usando um compasso ou gabarito. Esta conversão é feita através de regra de três simples.3 5. Construção: 1 . Veíc.3 8.5 2. 3 .0 5.4 23. Antes de iniciar sua construção precisamos converter os valores encontrados em graus. Seu aspecto é de um círculo onde estão traçados alguns raios.8 28. 4 .traçar um raio qualquer. traçar uma circunferência com raio qualquer (não muito pequeno) e marcar o seu centro.1 Fonte: JP Morgan/DIEESE Percentual no gasto do orçamento familiar 30 25 20 15 10 5 0 Alimentos Legenda EUA Brasil Habit.2 2.ESTATÍSTICA MATEMÁTICA 28 _________________________________________________________________________________________ Exemplo 2: comparativo de gastos entre Brasil e EUA (em %). 2 . começando pelo primeiro raio traçado.5 3.0 2. Educ.4 27. Médico Lazer Fonte: JP Morgan/DIEESE IV .pintar ou diferenciar com motivos cada categoria representada.

2 . Classe A B C D E % 10 23 40 25 2 Fonte: IBOPE Classificação socioeconômica da população brasileira em 1997 % 2% 25% 23% 10% A B C D E 40% Fonte: IBOPE V .colocar legenda.marcar as freqüências no eixo vertical. 4 . título e fonte. com largura igual ao intervalo de classe e altura igual a respectiva freqüência.ESTATÍSTICA MATEMÁTICA 29 _________________________________________________________________________________________ 5 . 3 . . Exemplo: classificação socioeconômica da população brasileira em 1997.: as linhas que dividem as colunas são dispensáveis. São construídos da seguinte forma: 1 .Representação Gráfica De Distribuições De Freqüência Podemos representar os dados agrupados de duas maneiras: histograma e polígono de freqüência. 5 . porém sem os espaços entre elas.traçar o sistema de eixos cartesianos.traçar um retângulo para cada classe.marcar no eixo horizontal apenas os limites de classe. a) Histogramas: são parecidos com os gráficos de colunas. Obs.colocar título e fonte.

4 . 6 .ESTATÍSTICA MATEMÁTICA 30 _________________________________________________________________________________________ Exemplo: peso de recém-nascidos no mês de novembro na Maternidade Mãe Santa. 5 .marcar um ponto onde seria o ponto médio da classe anterior à primeira e outro onde seria o ponto médio da classe seguinte à última.igual ao histograma.colocar título e fonte. 7 .marcar os pontos médios das classes. Fonte: Secretaria b) Polígonos de freqüência: são semelhantes aos gráficos de linha. Peso (g) f 2 2000 | 2500 5 2500 | 3000 12 3000 | 3500 8 3500 | 4000 3 4000 | 4500 Fonte: Secretaria (fictícia) Peso de recém-nascidos no mês de novembro na maternidade Mãe Santa.unir os pontos por segmentos de reta. São construídos da seguinte forma: 1. .marcar os pontos correspondentes aos pares de valores "ponto médio da classe" e "freqüência da classe". 2 e 3 . 8 .

. pois estes facilitam muito. que são bastante precisos e têm uma apresentação muito boa. Mais modernamente podemos contar com os gráficos feitos por computador.ESTATÍSTICA MATEMÁTICA 31 _________________________________________________________________________________________ Exemplo: Peso de uma amostra de Adolescentes da Região XYZ Peso (kg) Freq. ressaltamos a importância do papel milimetrado na construção de gráficos. O recurso mais comum atualmente é o Microsoft Excel. 2 50 | 55 5 55 | 60 6 60 | 65 9 65 | 70 4 70 | 75 Fonte: Fonte: Instituto RTS Peso de uma Amostra de Adolescentes da Região XYZ Fonte: Instituto RTS Para finalizar este capítulo.

5 3.8 3. [colunas ou linhas] Rede Rede particular pública 94 27.7 98 39.4 01 328.4 3.2 00 155.2 Fonte: MEC/Inep/Simonsen Associados Ano . a) Valor estimado das vendas do comércio eletrônico brasileiro – em milhões de dólares. Entre colchetes está indicado o tipo de gráfico.8 3. construir um gráfico do consumo de energia elétrica. [setores] Tipo Alimentos e remédios Eletrônicos e telefone Informática Serviços financeiros Outros % 8 17 19 31 25 Fonte: IBOPE/IDC/Simonsen Associados c) Comparativo de alunos matriculados em escolas de ensino fundamental – em milhões de alunos.7 97 30.7 99 71.8 96 29. 2) Represente graficamente os dados abaixo.ESTATÍSTICA MATEMÁTICA 32 _________________________________________________________________________________________ Exercícios 1) Usando uma conta de luz.6 95 28.4 99 32.0 3.3 98 32. [linhas] Ano US$ milhões 97 4.3 00 32.6 3.5 3.0 Fonte: IDC/E-Marketer b) Segmentação das vendas realizadas pelo sistema B2C – em % do valor das vendas.

7 Sudeste 49.5 N. [setores] Tipo % Hardware 68 Software 13 Serviços 19 Fonte: Fenasoft/Simonsen Associados e) Domicílios com telefone em 1999 – em %.D.1 Centro-oeste 48. [colunas] Região Área Área urbana rural Norte 33.6 Fonte: IBGE/Simonsen Associados.7 Sul 48.8 15. [linha] Ano 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 Nº 108 116 113 168 127 149 208 175 189 215 398 Fonte: Cetesb .ESTATÍSTICA MATEMÁTICA 33 _________________________________________________________________________________________ d) Distribuição estimada do faturamento do setor de informática em 2001 – em %. Nordeste 30. f) Número de acidentes ambientais no Estado de São Paulo.3 10.8 10.0 3.

850 8 | 12 2. Tempo (anos) freqüência 5.200 16 | 20 580 20 | 24 Fonte: Secretaria Educação i) Número de alcoólatras crônicos segundo a idade que iniciaram o hábito de ingerir bebidas alcoólicas.670 4 | 8 3. Idade (anos) 10 | 15 15 | 20 20 | 25 25 | 30 30 | 35 35 | 40 freqüência 8 41 30 14 7 2 Fonte: Secretaria Saúde .300 0 | 4 4.700 12 | 16 1.ESTATÍSTICA MATEMÁTICA 34 _________________________________________________________________________________________ g) Quanto as empresas gastam por ano para dar assistência médica a seus funcionários em US$ por empregado. País US$ Canadá 562 Inglaterra 900 Hong Kong 1000 França 1050 Brasil 1250 EUA 1500 Itália 1550 Espanha 1890 Japão 1920 Argentina 2400 Fonte: Hewitt Associados h) Anos de estudo dos habitantes da cidade de Peri-Açu.

em salários mínimos no Brasil em 1997. Obs. Os gráficos de 3 são chamados de OGIVA. de uma amostra de alunos do Colégio Clara de Assis. .5 | 2 2 | 5 5 | 10 10 | 17 17 | 20 20 | 50 Fonte: IBOPE % 1 6 24 30 16 6 13 3) Represente graficamente as freqüências acumuladas das tabelas de “h” a “k”. QI 70 | 80 80 | 90 90 | 100 100 | 110 110 | 120 120 | 130 freqüência 7 11 42 27 20 3 Fonte: Clínica Psicológica k) Renda familiar. Renda (nº de SM) 0 | 0.ESTATÍSTICA MATEMÁTICA 35 _________________________________________________________________________________________ j) Q.I.5 0.

ESTATÍSTICA MATEMÁTICA 36 _________________________________________________________________________________________ Curva De Freqüência .Curva Polida Na medida em que as amostras tornam-se muito grandes e a amplitude das classes muito pequenas. Enquanto o polígono de freqüência ou o histograma nos dá uma imagem real do fenômeno estudado. tende a transformar-se numa curva. Formas das Curvas de Freqüência Simétricas Assimétricas (viesadas) Outras Exponenciais Parabólica . a linha poligonal (contorno do polígono de freqüência). A curva de freqüência. a curva de freqüência nos dá uma imagem tendencial.

15 0. O coeficiente de assimetria é determinado por: As  3 x  Md s   simétrica assimétrica moderada assimétrica forte se: 0  |As|  0.ESTATÍSTICA MATEMÁTICA 37 _________________________________________________________________________________________ 7 . Se ocorrer o inverso. diz-se que ela tem assimetria negativa. É dado por: K Q3  Q1 2 P90  P  10 Se K = 0.263  Mesocúrtica Se K  0.ASSIMETRIA E CURTOSE Freqüentemente o pesquisador deseja saber como a variável em questão se distribui. Se a curva de freqüência de uma distribuição tem uma "cauda" mais longa à direita da ordenada máxima.263  Platicúrtica . As medidas de assimetria e curtose nos dão uma idéia desta distribuição. diz-se que a distribuição tem assimetria positiva.263  Leptocúrtica Se K  0.15 < |As| < 1 |As|  1 Curtose É o grau de achatamento de uma distribuição. considerado usualmente em relação a uma distribuição normal. Assimetria Assimetria é o grau de desvio ou afastamento da simetria de uma distribuição.

5cm Calcular o coeficiente de curtose e classificar a distribuição.15 < |-0. .7 = -0.287 2 P90  P  2 49.2 10 Como 0.4cm Q3= 41. A área mediana é de 98.ESTATÍSTICA MATEMÁTICA 38 _________________________________________________________________________________________ Exemplos: 1) Um levantamento antropométrico realizado em certa população revelou que o comprimento médio do antebraço é de 32. o desvio padrão 9. revelou que a área média das 2 2 2 moradias é de 96.8cm.1 Como 0. a distribuição é platicúrtica.2m .7cm. Classifique a distribuição das áreas quanto ao grau de assimetria.5  20.5m .287 > 0.96| < 1 a assimetria é moderada negativa.4m com desvio padrão de 18.96 9. 2) A pesquisa anterior revelou ainda que o comprimento do braço tem as seguintes medidas: Q1= 24. Calcular o coeficiente de assimetria e classificar a distribuição: As  3 x  Md s   = As  332.4  = 0. K Q3  Q1 41.1cm e a mediana 35.2  24.2cm P10= 20. ou seja as medidas estão dispersas.2cm e P90= 49. Exercícios 1) Um estudo sobre a qualidade de vida em certa comunidade. ou seja existe uma concentração em valores altos (antebraços compridos).263.8  35.

9 31. a mediana $1.76.31e o desvio padrão $0.5 P90 1012 86. Classifique a distribuição quanto a curtose. como classificaríamos a distribuição quanto a simetria? 7) Com os dados obtidos no exercício 1 do capítulo 5. 3) Determine e classifique o grau de assimetria para as distribuições abaixo.80. o P25 = 1.18 mediana 47.7 28. Esboce a curva correspondente.6 P10 772 55.0 20. Classifique a distribuição quanto a curtose. Distribuição Salários pagos pela empresa KWA Estatísticas de idosos da cidade de Apu Gastos mensais com higiene Q1 814 63.ESTATÍSTICA MATEMÁTICA 39 _________________________________________________________________________________________ 2) O mesmo estudo revelou ainda o seguinte:     25% dos habitantes consomem até 27Kg de alimentos por mês.48 e o P90 = 1.12 12. classificar a distribuição quanto a simetria. 9) O mesmo levantamento anterior descobriu que o P10 = 0. 8) A empresa PQR fez um levantamento sobre o preço de certo alimento enlatado e descobriu que o descobriu que a média é $1. 90% dos habitantes consomem até 36Kg de alimentos por mês.3 45.8 6) Supondo-se que no exemplo 1 a mediana fosse 32.1 33.8. 10% dos habitantes consomem até 22Kg de alimentos por mês.28. . Distribuição Horas mensais de uso da internet por alunos da escola RGH Distância diária percorrida por carteiros média 48.6 49.02. 75% dos habitantes consomem até 31Kg de alimentos por mês. Classifique a distribuição dos preços no que se refere a assimetria.45 4) Determine o grau de curtose e classifique as distribuições abaixo.8 Q3 935 80.67 Desvio padrão 2. Esboce a curva correspondente.75. o P75 = 1.

Evento impossível: é o conjunto vazio. o evento K. 6). é um evento composto. 4.(CK).(KC). o complementar de A será A  KC . K. pois existem 2 elementos do espaço amostral nestas condições (6. temos S = {(KK). pode apresentar resultados diferentes. O número de elementos deste conjunto é indicado por n(S). como por exemplo o lançamento de um dado. têm a mesma chance de ocorrência de seus eventos. . A = {2. Evento composto: formado por mais de um elemento do espaço amostral. Exemplo: no lançamento do dado. ou seja. Evento certo: é o próprio espaço amostral S.5) e (5.ESTATÍSTICA MATEMÁTICA 40 _________________________________________________________________________________________ 8 . se ocorre A não pode ocorrer B. 3. 4.NOÇÕES DE PROBABILIDADES Conceitos Básicos Experimentos Aleatórios: são aqueles que. CK . Por exemplo: o fato de sair um determinado número no dado não influi na saída de outro. Tipo de Eventos    Evento simples: formado por um único elemento do espaço amostral. 6} n(S) = 6 Evento: é um subconjunto do espaço amostral.(CC)}. realizados sob as mesmas condições. 5. 2. não ocorre coroa. se considerarmos A = {(KK)}. dizemos que A e B são mutuamente exclusivos se A  B = . 6}. repetido em condições consideradas idênticas. Exemplo: se lançarmos 3 moedas consecutivamente. n(A) = 3. CC      Eventos mutuamente exclusivos: Se A e B são dois eventos. Exemplo: no dado podemos ter como evento a ocorrência de um número par: A = {nº par}. Experimentos equiprováveis: são aqueles que. Espaço Amostral (S): é o conjunto dos possíveis resultados de um experimento aleatório. se lançarmos uma moeda. Exemplo: se lançarmos 2 dados e desejamos a soma igual a 11. temos: S = {1. Eventos independentes: dois ou mais eventos se dizem independentes se a ocorrência de um não influencia a ocorrência do outro. K (três caras) é simples. se ocorre cara. Evento complementar: dizemos que um evento é complementar na seguinte condição: A  SA Exemplo: ao lançarmos duas moedas. Exemplo: a ocorrência de cara ou coroa no lançamento de uma moeda. Exemplo. Exemplo: sair um sete no dado.

ESTATÍSTICA MATEMÁTICA 41 _________________________________________________________________________________________

Probabilidades – definição. As probabilidades são utilizadas para exprimir a chance de ocorrência de determinado evento. Num experimento aleatório equiprovável, a probabilidade de ocorrer o evento X, dentro do espaço amostral S é dada por: P(X)  Propriedades:
   

n(X) n(S)

P(X) 

nº de casos favoráveis nº de casos possíveis

P(A) + P(B) = 1 0  P(A)  1 P() = 0 P(S) = 1

(sendo B o complemento de A) (qualquer que seja A)

União de Probabilidades 1) Se A e B são eventos mutuamente exclusivos, temos: P(A  B) = P(A) + P(B) Em outras palavras, a probabilidade de ocorrer o evento A ou o evento B é igual a soma da probabilidade de ocorrência do evento A com a probabilidade de ocorrência do evento B. Podemos ter outros casos como P(A  B  C) = P(A) + P(B) + P(C). 2) Quando A e B têm elementos comuns, ao associarmos a A  B uma probabilidade P(A) + P(B), estaremos atribuindo um valor maior que a “verdadeira”, uma vez que as probabilidades dos elementos comuns a A e B, terão sido computadas duas vezes. Assim, se os eventos não são mutuamente exclusivos, temos: P(A  B) = P(A) + P(B) - P(A  B) Exemplo: Uma urna tem 15 bolas de mesmo raio, numeradas de 1 a 15: a) Qual a probabilidade de se tirar uma bola cujo número seja múltiplo de 5 ou 4? S = {1, 2, 3, ... , 15} n(S) = 15 A: múltiplo de 5 A = {5, 10, 15} B: múltiplo de 4 A = {4, 8, 12} Daí
3 3 6 2     0,4 15 15 15 5

n(A) = 3 n(B) = 3

AB=

P(A  B) 

ESTATÍSTICA MATEMÁTICA 42 _________________________________________________________________________________________

b) Qual a probabilidade de se tirar uma bola cujo número seja múltiplo de 3 ou 4? S = {1, 2, 3, ... , 15} n(S) = 15 A: múltiplo de 3 A = {3, 6, 9, 12, 15} n(A) = 5 B: múltiplo de 4 A = {4, 8, 12} n(B) = 3
P(A  B)  P(A)  P(B)  P(A  B) 

A  B = {12}; n(A  B) = 1

5 3 1 7     0,467 15 15 15 15

Probabilidade Condicional Sejam A e B dois eventos, com P(A) > 0. Denotemos por P(B/A) a probabilidade de ocorrência de B, na hipótese de A ter ocorrido. Como A ocorreu, A passa a ser o novo espaço amostral, que vem substituir o espaço original S. Daí: P(B/A)  P(A  B) n( A  B)  P(A) n( A)

Exemplo: Sorteando-se um número ao acaso entre os inteiros 1, 2, ... , 15, qual a probabilidade do número ser 6, sabendo-se que saiu par. S = { 1, 2, 3, ... , 15} n(S) = 15 B = {o número é 6} = {6} n(B) = 1 A = {o número é par} = { 2, 4, 6, 8, 10, 12, 14} A  B = {6}  n(A  B) = 1 Daí temos:
P(B/A)  P(A  B) 1 15 1    0,1428 P(A) 7 15 7

n(A) = 7

Intersecção de Probabilidades 1) Se dois eventos são independentes, então a probabilidade da ocorrência de ambos é igual ao produto de suas probabilidades individuais. P(A  B) = P(A)P(B) Exemplo: Retiram-se, com reposição, duas cartas de um baralho com 52 cartas. Qual a probabilidade de que ambas sejam de “espada”? A = {1ª carta é de espada} B = {2ª carta é de espada}
P(A  B)  13 13 1   52 52 16

ESTATÍSTICA MATEMÁTICA 43 _________________________________________________________________________________________

2) Se um evento depende do outro, a probabilidade da ocorrência simultânea dos dois é dada pelo produto da probabilidade de um dos eventos, pela probabilidade condicional do outro evento. P(A  B) = P(A)  P(B/A) com P(A)  

Exemplo: Qual a probabilidade de se retirar (sem reposição) 5 cartas de copas de um baralho de 52 cartas?

ªª K

Kª Kª K

P(5copas) 

13 12 11 10 9      0,0495% 52 51 50 49 48

Exercícios 1) Qual a probabilidade de: (a) sair uma face ímpar no lançamento de um dado? (b) sair um rei de um baralho comum de 52 cartas? 2) Dois dados são lançados. Pede-se (a) espaço amostral; (b) enumere o evento B = {a soma dos pontos é 7}; (c) enumere o evento A = {a soma dos pontos é 9}; (d) calcule a probabilidade do evento A; (e) calcule a probabilidade do evento B; (f) qual a probabilidade da soma não dar 9? (g) calcule a probabilidade da soma ser 9 ou 7; (h) sabendo-se que as duas faces mostram números diferentes, calcule a probabilidade de a soma ser 4; (i) determine a probabilidade da soma ser 5, visto que o primeiro dado mostra um número maior que o segundo. 3) Em duas urnas existem bolas de mesmo raio, conforme abaixo:
Urna 1 5 azuis 3 pretas 4 brancas Urna 2 6 azuis 4 pretas 10 brancas

Se uma bola é retirada de cada urna, qual a probabilidade de ambas serem da mesma cor? 4) Em um lote de 10 peças, 6 são defeituosas. Retirando-se 2 delas sem reposição, qual a probabilidade de ambas serem defeituosas?

Um aluno é escolhido ao acaso. Uma caneta é retirada aleatoriamente de cada caixa. um dado e uma moeda.ESTATÍSTICA MATEMÁTICA 44 _________________________________________________________________________________________ 5) De um baralho comum de 52 cartas retirou-se uma carta. b – ambas não serem defeituosas. c – de uma ser perfeita e a outra não. 7) Tendo a informação de que retirou-se uma carta de copas de um baralho comum.. 10 foram reprovados em Física. simultaneamente. qual a probabilidade de também ter sido reprovado em Física? b – Sabendo-se que foi reprovado em Física. das quais 4 são defeituosas. . a – Sabendo-se que foi reprovado em Matemática. 2. Qual a probabilidade dela serem: a – amarelas? b – pretas? c – verdes? d – brancas? 11) Uma carta é retirada de um baralho comum. qual a probabilidade de que ela seja menor que 3? 8) Dos 50 alunos de uma sala. qual a probabilidade de também ter sido reprovado em Matemática? 9) Um número inteiro é escolhido ao acaso dentre os números 1. Qual a probabilidade de: a – o número ser divisível por 5 ou 3? b – o número ser divisível por 5 e 3? 10) Duas bolas são retiradas ao acaso de uma caixa contendo 20 amarelas. das quais 7 são defeituosas.. 12 em Matemática e 6 em ambas matérias. Qual a probabilidade de essa carta ser uma figura? 6) Lançando-se. Determine a probabilidade de: a – ambas serem defeituosas.. 3. determine a probabilidade de se obter 3 ou 5 no dado e cara na moeda. verificando-se que é vermelha. . 7 verdes e 2 brancas. e outra contém 12. 30. 10 pretas. Qual a probabilidade dela ser: a – dama ou carta de paus? b – ás ou valete? c – rei e copas? 12) Uma Caixa contém 20 canetas iguais.

um dos eventos deve forçosamente ocorrer. se B é um evento deste espaço amostral. A2. Basicamente ele diz que “se um evento pode ocorrer de mais de uma maneira. .. P(~C) = Probabilidade do concorrente não participar = 0.TEOREMA DE BAYES O Teorema de Bayes (ou Regra de Bayes) é um método de revisão de probabilidades existentes (a priori) com base em informação amostral. ... Se seu concorrente apresentou uma proposta. Se seu concorrente não apresentou proposta há 2/3 de chance da ABC ganhar.. Ele nos permite determinar as probabilidades dos vários eventos A1.50. P(G/C) = Probabilidade da ABC ganhar sabendo que o concorrente apresentou proposta = 0. podemos listar o seguinte:     P(C) = Probabilidade de o concorrente participar = 0. sabendo que a ABC ganhou a concorrência = ? . Qual a probabilidade de seu concorrente ter apresentado proposta. An que podem ser a causa da ocorrência de B. Por isso o Teorema de Bayes é mencionado freqüentemente como o “Teorema da Probabilidade das Causas”. Exemplo: A empresa ABC S/A apresentou uma proposta para um projeto de construção. Enunciado: Sejam A1. . O que o problema está querendo saber é: P(C/G) = Probabilidade de o concorrente ter apresentado proposta. probabilidade de Ai depois que ocorrer B. então a probabilidade de ocorrência de uma determinada maneira seria a razão da probabilidade de ocorrência daquela maneira para a probabilidade de ocorrência de qualquer modo”. . P(G/~C) = Probabilidade da ABC ganhar sabendo que o concorrente não apresentou proposta = 0. A2. isto é. Então. há apenas 25% de chance da ABC ganhar a concorrência.6667. A chance do concorrente ter apresentado proposta é de 50%. An eventos mutuamente excludentes. dado que sua empresa ganhou a concorrência? Do enunciado.. com a probabilidade a posteriori: P(Ai/B).50.  P ( An ) P ( B / An ) Este teorema relaciona probabilidades a priori: P(Ai).ESTATÍSTICA MATEMÁTICA 45 _________________________________________________________________________________________ 9 . temos o seguinte teorema: P( Ai / B )  P ( Ai ) P ( B / Ai ) i 1  P( Ai ) P( B / Ai ) n Ou P( Ai / B )  P ( Ai ) P ( B / Ai ) P( A1 ) P ( B / A1 )  P ( A2 ) P ( B / A2 )  .25. cuja união é o próprio espaço amostral.

678%. . podemos determinar a probabilidade requerida: P(C / G )  0. a probabilidade “a posteriori”. Qual a probabilidade de a bola ter vindo da urna 2? Probabilidade a priori: P(U1 )  1 3 P(U 2 )  1 3 P(U 3 )  1 3 Probabilidades condicionais: P(br / U1 )  1 9 P(br / U 2 )  1 3 P(br / U 3 )  3 8 Queremos calcular P(U2 /br): P (U 2 / br )  P(U 2 ) P (br / U 2 ) P(U1 ) P (br / U1 )  P (U 2 ) P (br / U 2 )  P (U 3 ) P (br / U 3 ) 1 1  3 P (U 2 / br )  1  1  1  3 9 3 3 1  1 3 3 3 8  24  0 . verificando-se que a bola é branca. 40678 59 Portanto.5  0.25 P(C )  P(G / C )   0.6667 Exemplo 2: Considere a seguinte situação: Cores Pretas Brancas Vermelhas U1 3 1 5 Urna U2 4 3 2 U3 2 3 3 Escolheu-se uma urna ao acaso e dela extraiu-se uma bola também ao acaso.2727 P(C )  P(G / C )  P(~ C )  P(G / ~ C ) 0.5  0.5  0.25  0.ESTATÍSTICA MATEMÁTICA 46 _________________________________________________________________________________________ Pelo Teorema de Bayes. isto é. a probabilidade de ter sido escolhida a urna 2 dada a informação de que a bola retirada foi branca é de 40.

qual a probabilidade de ocorrer defeito mecânico? 3) Um indivíduo pode chegar ao emprego utilizando bicicleta.05. não ocorrendo mais de um defeito em cada viagem. A proporção de uso de cada um é o seguinte: carro 0. Suponha ainda que 75% das pessoas tenham olhos castanhos. de 1 para 13. bicicleta 0. Se o defeito for elétrico. motocicleta ou carro. igual ou do tipo diferente.ESTATÍSTICA MATEMÁTICA 47 _________________________________________________________________________________________ Exercícios 1) Três máquinas. e 40% das pessoas tenham sangue tipo O. se mecânico. qual a probabilidade de ele ter sangue tipo O? 5) Suponha que 70% das pessoas com olhos castanhos. Qual a probabilidade de este produto ter sido produzido pela máquina A? Pela máquina B? Máquina C? 2) Certa empresa de ônibus verificou que seus veículos podem parar por defeito elétrico ou mecânico. A probabilidade de chegar atrasado. escolhida ao acaso. A. e.02 e de motocicleta 0. a proporção é de 1 para 8. em 26% mecânico. ter olhos verdes? . de bicicleta 0.08. Sabe-se ainda que 5% do produto fabricado em A. Este produto é armazenado em determinado depósito. Em 15% das viagens há defeito elétrico e. Se o ônibus não completar a viagem. 20% das pessoas com olhos verdes e 5% das pessoas com olhos azuis tenham todas cabelos castanhos. no caso de utilizar carro é de 0.6. A produção da máquina A é duas vezes a produção da máquina B e as máquinas B e C têm proporções iguais.1 e motocicleta 0.3. 20% tenham olhos azuis e 5% tenham olhos verdes. B e C fabricam um mesmo produto nas seguintes proporções. Certo dia ele chegou atrasado. 10% das pessoas de outro tipo de sangue sejam canhotas. Qual é a probabilidade de uma pessoa de cabelos castanhos. Retirou-se um produto deste depósito e verificou-se que era defeituoso. Qual o meio de locomoção mais provável de ter escolhido? 4) Suponhamos que 5% das pessoas com sangue tipo O sejam canhotas. na proporção da produção de cada máquina. 7% fabricado em B e 10% fabricado em C são defeituosos. Selecionando um canhoto aleatoriamente.

onde zero e um representam dois eventos mutuamente excludentes. tempo. São aquelas que podem assumir um número limitado de valores em qualquer escala de medida e são obtidas mediante alguma forma de contagem. então o valor esperado (ou esperança ou média) de X é definido como E ( X )   xi pi i 1 N . Definição: Se x1. pN são as respectivas probabilidades. Exemplos: a renda que pode ser medida somente até centavos. etc. x2. por exemplo. sendo geralmente dada em alguma unidade de medida. Variáveis aleatórias discretas. chama-se variável aleatória ou variável estocástica. que pode ser apenas números inteiros. São aquelas que teoricamente podem assumir qualquer valor numa escala de medida e resulta freqüentemente de uma medição.a. peso. Rh+ e Rh . Exemplos: medidas de comprimento. . Já vimos que uma das formas de resumir informações é através da média. Definimos variável aleatória binária como aquela que só assume valor zero e um. podemos atribuir o valor 1 para aquelas boas e 0 para as defeituosas..ESTATÍSTICA MATEMÁTICA 48 _________________________________________________________________________________________ 10 – VARIÁVEIS ALEATÓRIAS Definições Variáveis Aleatórias: Quando uma variável tem resultados ou valores que tendem a variar de uma observação para outra em razão de fatos relacionados com a chance. Variável Aleatória Binária. ou seja. São indicadas por letras maiúsculas e os valores assumidos pelas variáveis aleatórias são indicados por letras minúscula. cara e coroa.. Variáveis aleatórias contínuas... p2. Elas são obtidas através de experimentos aleatórios e aos quais podemos associar probabilidades. esperança de X. A esperança de uma variável aleatória nos dá a média de todos os valores que esperaríamos obter se medíssemos a variável aleatória um número muito grande de vezes. É simbolizado por: E(X). . X e p1. Exemplo. . Outro exemplo: quando inspecionamos peças produzidas para verificar se estão perfeitas. xN são os possíveis valores da v. ESPERANÇA DE UMA VARIÁVEL ALEATÓRIA Muitas vezes é conveniente resumir as informações que temos sobre uma variável aleatória. o número de empregados de uma empresa. .

ESTATÍSTICA MATEMÁTICA 49 _________________________________________________________________________________________ Exemplo: consideremos uma urna com 2 bolas brancas e 3 vermelhas. é uma medida de dispersão ao redor de sua média. W. Exemplo: considere a v. com a seguinte distribuição: W p 4 1/5 5 1/5 6 1/5 7 1/5 8 1/5 . Resultado Y Probabilidades Neste caso temos: KK 2 1/4 KC 1 1/4 CK 1 1/4 CC 0 1/4 E (Y )  0  1 1 1  1  2   1 4 2 4 VARIÂNCIA Se X é uma v. então a variância de X é definida por: Var ( X )   ( xi  E ( X )) 2  pi i 1 N ou Var ( X )  E ( X 2 )  [ E ( X )]2 Lembrando que a variância de uma v. Resultado X Probabilidades Neste caso temos: BB 0 1/10 BV 1 3/10 VB 1 3/10 VV 2 3/10 E( X )  0  1 6 3 12  1   2    1.a.a. com média E(X).a.2 10 10 10 10 Exemplo2: consideremos o lançamento de uma moeda duas vezes e definamos a variável Y igual ao número de caras (K) obtidas. Definamos a variável X igual ao número de bolas vermelhas obtidas em duas extrações (sem reposição).

E(2V) e E(V2).Consideremos o lançamento de um dado e seja X a v. São retiradas 3 bolas sem reposição. E(3Z). Z como sendo igual ao número de bolas pretas. Definindo-se a v. 3Z e Z2. Var(Z2). temos:          E(c) = c E(X + c) = E(X) + c E(cX) = cE(X) E(X+Y) = E(X) + E(Y) E(XY) = E(X)E(Y) Var(X + c) = Var(X) Var(c) = 0 Var(cX) = c2Var(X) Var(X + Y) = Var(X) + Var(Y) para X e Y independentes Exercícios 1 . V p -2 1/5 -1 1/5 0 1/5 1 1/5 2 1/5 3 .Dada as distribuições abaixo. Var(3Z).a. Calcule E(V). Var(Z).Dada a distribuição da v.Considere uma urna contendo 3 bolas vermelhas e 5 pretas. 4 . .a. E(Z2).No problema 3. V abaixo. determine as variabilidades. 5 . calcule E(Z). que representa o número obtido na face voltada para cima.ESTATÍSTICA MATEMÁTICA 50 _________________________________________________________________________________________ Daí temos: 1 E (W )  (4  5  6  7  8)   6 5 1 E (W 2 )  (16  25  36  49  64)   38 5 Portanto Var(W) = 38  62 = 2 Propriedades Sendo c uma constante.a. 2 . Calcule E(X) e E(X2). obtenha a distribuição de Z.

20 4 0. Definindo-se a variável aleatória X como sendo o número de caras.25 3 0.2 2 0.ESTATÍSTICA MATEMÁTICA 51 _________________________________________________________________________________________ a) X p b) X p c) X p -4 0. Número de chegadas X Probabilidade P(X) 0 0. encontre a distribuição de X.10 5 0.1 0 1/8 1 1/4 2 1/2 3 1/8 0 2/5 1 1/5 2 2/5 6 .4 4 0. Definindo-se a v.a. X como sendo o número de bolas amarelas ao se retirar 3 delas sem reposição. Calcule o número esperado de chegadas por intervalos de 10 minutos e sua variância.Verificou-se que a chegada de clientes a uma loja durante intervalos aleatoriamente escolhidos de 10 minutos.05 .15 1 0.Uma urna contém 5 bolas amarelas e 4 verdes. 8 .25 2 0. segue uma distribuição de probabilidade conforme a tabela abaixo.2 6 0. calcule E(X) e E(X + 3). pede-se: a) A distribuição de X b) E(X) c) Var(X) 7 .1 -2 0.Considere o lançamento de uma moeda 3 vezes.

50 0. A essência da análise estatística é confrontar as hipóteses de uma distribuição de probabilidades com as especificações de determinado problema.00 0.25 KC 1 0.75 0. Cada qual tem seu próprio conjunto de hipóteses que definem as condições sob as quais o tipo de distribuição pode ser utilizado validamente. Há uma variedade de tipos de distribuição de probabilidades na estatística. Exemplo: consideremos a variável aleatória número de coroas em duas jogadas de uma moeda Resultado Valor da v.25 KK 2 0.25 0 1 ou menos 2 ou menos Número de coroas Do ponto de vista prático.25 0 1 2 Número de coroas Probabilidade acumulada 1.75 0. para os resultados de uma variável aleatória. Existem tabelas e fórmulas para isso. em geral não é necessário calcular as probabilidades individuais para obter uma distribuição de probabilidades.50 Graficamente Probabilidade 1. As freqüências são relativas ou probabilidades. P (X) CC 0 0.25 CK 1 0.00 0.50 0.00 0. . isto é .a.ESTATÍSTICA MATEMÁTICA 52 _________________________________________________________________________________________ 11 – DISTRIBUIÇÕES DE PROBABILIDADES Uma distribuição de probabilidades é uma distribuição de freqüências para os resultados de um espaço amostral.25 =1.

DISTRIBUIÇÃO DE BERNOULLI (Lei dos Grandes Números) Existem experimentos cujos resultados só podem ser “sucesso” ou “fracasso”. um chamado “sucesso” e outro “falha”. Os resultados das provas são independentes uns dos outros. envolvem variáveis aleatórias relativas a dados que podem ser contados. etc. A utilização da distribuição binomial exige certos pressupostos: Há n observações ou provas idênticas. como o número de ocorrências por amostra. As probabilidades p de sucessos e 1  p de falha permanecem constantes em todas as provas. o resultado pode ser verde ou não verde. Cada prova tem dois resultados possíveis. como no caso da moeda. como na jogada repetida de uma moeda. a de Poisson. quando apenas um dos resultados tem interesse. Em certos experimentos a probabilidade não varia de prova para prova. com as respectivas probabilidades. Para cada prova existe uma probabilidade associada a um determinado evento (coroa). As categorias devem ser mutuamente excludentes. 5 bolas. de modo a deixar perfeitamente claro a qual categoria pertence determinada observação. Cada jogada é chamada uma prova. Estas provas dizem-se então independentes e costumam designar-se por provas de Bernoulli (James Bernoulli – século XVII). Variáveis com resultados múltiplos podem freqüentemente ser tratados como binomiais. Os dados são. ou seja. nominais. São exemplos de distribuição discreta: a Bernoulli /binomial.     . A distribuição de Bernoulli é também conhecida como Binomial. DISTRIBUIÇÃO BINOMIAL Usa-se o termo “binomial” para designar situações em que os resultados de uma variável aleatória podem ser agrupados em duas classes ou categorias. pois. em uma urna na extração de uma bola verde. a obtenção de coroa. uma de cada cor. Assim é que as respostas de um teste de múltipla escolha podem ser do tipo correta ou errada.ESTATÍSTICA MATEMÁTICA 53 _________________________________________________________________________________________ DISTRIBUIÇÕES DISCRETAS Denominamos distribuição discreta o conjunto de todos os valores que podem ser assumidos por uma variável aleatória discreta.

ESTATÍSTICA MATEMÁTICA 54 _________________________________________________________________________________________ Fórmula Binomial Vamos examinar o seguinte problema. quais os resultados possíveis quando se joga 2 moedas honestas 1 vez ou 1 moeda 2 vezes. CK CC X=2 KC X=1 KK X=0 X (Nº de caras) Vamos examinar agora os resultados possíveis quando se joga uma moeda honesta 3 vezes. Moeda 1 C C K CC KC Moeda 2 K CK KK Os resultados podem ser dispostos em coluna. Moeda 3 CC C K Graficamente KCC CKC CCC X=3 ou CCK X=2 KKC KCK CKK X=1 KKK X=0 CCC KCC CK CCK KCK Moedas 1 e 2 KC CKC KKC KK CKK KKK X (Nº de caras) A função de probabilidade para 3 jogadas de uma moeda é: .

Introduzindo-se a notação de potencial.ESTATÍSTICA MATEMÁTICA 55 _________________________________________________________________________________________ Função Probabilidade f(0) 1/8 f(1) 3/8 f(2) 3/8 f(3) 1/8 Graficamente f(x) 3/ 1/ 1/ 1 2 3 x Colocando graficamente os resultados possíveis produzidos pelo lançamento de 1 moeda honesta 4 vezes. 2 . Quando n  30 . CK=KC. praticamente se confunde a binomial com a normal. isto é. a disposição gráfica vai se aproximando da curva normal. os resultados anteriores podem ser escritos assim: n=2  C2+2CK+K2 n=3  C3+3C2K+3CK2+K3 n=4  C4+4C3K+6C2K2+4CK3+K4   (C + K)2 (C + K)3  (C + K)4 . quando o número de repetições é igual ou superior a 30. temos: KKCC KCKC KCCC CKCC CCKC CCCC X=4 CCCK X=3 KCCK CKKC CKCK CCKK X=2 KKKC KKCK KCKK CKKK X=1 KKKK X=0 X (Nº de caras) Observe que: 1 .À medida que o número de observações cresce.A ordem dos elementos não influi no resultado final. etc. CCK=KCC=CKC.

. no lançamento de uma moeda honesta 5 vezes. (q + p)5  (n = 5) (q + p)5 = q5 +  P(X = 0) 5q4p +  P(X = 1) 10q3p2 +  P(X = 2) 10q2p3 +  P(X = 3) 5qp4 +  P(X = 4) p5  P(X = 5) . Portanto temos: [P(F) + P(S)]n = (q+p) n onde: P(F) = probabilidade do evento fracasso P(S) = probabilidade do evento sucesso n = tamanho da amostra Binômio de Newton  q  p n    n  n 0  n  n1 1  n  n2 2 n q p   q p   q p  .. Sugere-se que fique em primeiro lugar o evento cuja ocorrência esteja associada à idéia de fracasso e em segundo o evento cuja ocorrência esteja associada à idéia de sucesso..ESTATÍSTICA MATEMÁTICA 56 _________________________________________________________________________________________ que são o desenvolvimento do binômio de Newton.   q 0 p n  1  2 n 0       Lembrando que o número binomial é dado por:  n n!    k  k!n  k !   No caso do fatorial. em qualquer ordem.  1 0! = 1 Exemplo 1: Qual a probabilidade de saírem 2 caras. temos: n! = n  (n  1)  (n  2)  .. Temos.

03125 + 0.1875 Observe que nos casos em que p = q .5)3 (0.3125 = 0.2 . P(X < 3) = P(X = 0) + P(X = 1) + P(X = 2) = = q5 + 5q4p + 10q3p2 = (0. no máximo) = P(X = 0) + P(X = 1) = q5 + 5q4p = (0. com p = 0. o desenvolvimento binomial é simétrico. calcular P(X = 8).5)4 (0.5)5 + 5(0. então: O problema pede P(X = 2).5)3 (0. Termo Geral Para descobrirmos certo termo do desenvolvimento do binômio. fazemos:  n P( X  k )   q nk p k k    Exemplo: No desenvolvimento de (q + p)10.5) + 10 (0.15625 = 0.5)2 = 10 (0.5)4 (0. no lançamento de uma moeda 5 vezes ? P(X < 3).5)5 + 5(0.5)2 = = 0.03125 + 0. então: 10q3p2 = 10(0.3125 Exemplo 2: Qual a probabilidade de saírem duas.ESTATÍSTICA MATEMÁTICA 57 _________________________________________________________________________________________ O problema pede P(X = 2). uma ou nenhuma cara.5)5 = 10 (0.5 Exemplo 3: Qual a probabilidade de X ser no máximo igual a 1? P (X = 1.03125) = 0.15625 + 0.5) = = 0.

250 + 0. Escolhem-se 6 ao acaso.375 + 0.8 0. Determine a probabilidade de: . ou (X = 2) ou (X = 1) ou (X = 0) p = 0.No lançamento de uma moeda honesta 15 vezes.062 = 0. n = 18. existem tabelas que fornecem diretamente as probabilidades. qual a probabilidade de sair 10 caras? 2 . bastando localizar n.64) (0.Dos estudantes de um colégio. Exemplo: No lançamento de uma moeda honesta 18 vezes.5  Na tabela P ( x = 12 ) = 0. p = 0. 41% fumam cigarro.2  8   = 45 (0.000072 ou 0+ Tabelas Conforme n cresce.071 Exemplo 2: No lançamento de 1 moeda honesta 4 vezes.Um casal deseja 8 crianças.0000025) = 0. qual a probabilidade de saírem 12 “caras” ? X = 12 caras. X e p.ESTATÍSTICA MATEMÁTICA 58 _________________________________________________________________________________________ 10 2 8 T81   0. Por isso. qual a probabilidade de (X  3)? (X  3) = (X = 3).937 Exercícios 1 .5 n=4 Então: P(X  3) = P(X = 3) + P(X = 2) + P(X = 1) + P(X = 0) = = 0.250 + 0. aumenta a dificuldade dos cálculos. qual a probabilidade de ocorrer: a) b) c) d) Exatamente 2 meninos Exatamente 5 meninas Só nascimento de meninas No mínimo 4 meninos 3 . Considerando-se que as chances de ocorrer menino ou menina são iguais.

Na manufatura de certo artigo. não encontrar laranjas danificadas. Qual a probabilidade de que uma amostra casual de tamanho 4 contenha: a) Nenhum defeituoso? b) Exatamente 2 defeituosos? c) Não mais do que dois defeituosos? 6 . 5 opções por questão e apenas uma certa. Qual a probabilidade de: a) b) c) d) encontrar 5 laranjas danificadas. 0.Se 30% dos habitantes de uma cidade são empregados do governo.Sabe-se que de cada 100 laranjas colhidas.Um teste de múltipla escolha apresenta 10 questões. Se a aprovação depende de 7 ou mais respostas corretas. 23 chegam danificadas no mercado atacadista. Esperança de uma Distribuição Binomial A média aritmética de uma distribuição binomial é dada por:  = np onde. encontrar acima de 8 laranjas danificadas. qual a probabilidade de um estudante ser aprovado apenas por palpite? 5 . que todas estejam danificadas. Um certo comerciante pegou uma amostra aleatória de 10 laranjas de um lote que acaba de receber.    ou E(X) = np : média procurada (populacional) n: número de repetições do experimento p: probabilidade associada ao evento sucesso Exemplo: Calcule a média aritmética de B(6.5 = 3.0 . determine a probabilidade de não haver empregado do governo numa amostra aleatória de 15 habitantes. Qual a probabilidade de encontrar mais de 13 empregados do governo na amostra? 7 .ESTATÍSTICA MATEMÁTICA 59 _________________________________________________________________________________________ a) Nenhum dos 6 ser fumante b) Todos 6 fumarem c) Ao menos 3 ser fumante 4 . é sabido que 1 entre 10 artigos é defeituoso.5)  = np   = 6  0.

2). quantas vezes espera-se que ocorra o resultado 2? Qual a variância? 3) A variável X tem distribuição Binomial com parâmetros B(30. qual o número esperado de defeituosas? Qual a variância? 2) Jogando-se um dado 30 vezes.5  0.5 = 1. 5% do que é produzido tem defeito. .5) 2 = npq = 6  0. Numa amostra de 80 peças.0.5 Exercícios 1) Sabe-se que em uma linha de produção. 0.ESTATÍSTICA MATEMÁTICA 60 _________________________________________________________________________________________ Variância de uma Distribuição Binomial A variância de uma distribuição binomial é dada por: 2 = npq onde.     ou Var(X) = npq 2: variância procurada (populacional) n: número de repetições do experimento p: probabilidade associada ao evento sucesso q: probabilidade associada ao evento fracasso Exemplo: Calcule a variância de B(6. Qual é a esperança? Calcule a variância.

A utilização da distribuição de Poisson baseia-se nas seguintes hipóteses: a) A probabilidade de uma ocorrência é a mesma em todo o campo de observação. podemos determinar a probabilidade de qualquer dos resultados possíveis. A distribuição de Poisson é empregada quando se deseja contar o número de eventos de certo tipo. mas n deve ser suficientemente grande. ou superfície. que ocorre em um intervalo de tempo. Dizemos então que ao valor 1 da variável aleatória está associado um evento raro. Note que a unidade de medida é contínua.. mas p é um valor muito pequeno. nem o número de chamadas que não foram feitas. Desta forma.  Acidentes por dia.. ou volume. c) O número de ocorrências em qualquer intervalo é independente do número de ocorrências em outros intervalos. sendo p muito pequeno e n tendendo para o infinito. Assim conhecendo-se o número médio de ocorrências por unidade. b) A probabilidade de mais de uma ocorrência num ponto é aproximadamente zero. Como no caso da binomial.  A queda de raio em certa área. Para estudar eventos raros é necessário observar um conjunto de n eventos. (base dos logaritmos naturais) . Não é possível contar os acidentes que não ocorreram. A distribuição de Poisson é caracterizada por um único parâmetro – a média (que é igual a variância).718. a distribuição binomial se aproxima de uma distribuição de Poisson. as falhas não são contáveis.ESTATÍSTICA MATEMÁTICA 61 _________________________________________________________________________________________ DISTRIBUIÇÃO DE POISSON Considere uma variável aleatória binária que assume valor 1 com probabilidade p. há dois métodos para determinar as probabilidades: fórmula e tabela. Fórmula de Poisson Se uma variável aleatória é descrita por uma distribuição de Poisson. mas a variável aleatória (número de ocorrências) é discreta. Além disso. então a probabilidade de realizar qualquer número dado de ocorrências por unidade de medida é dado por: x P(X  x)   e- x! Onde:  = np (E(x)) e e  2.  Falhas diárias em um computador. como por exemplo:  Número de chamadas recebidas em um serviço de telemarketing num intervalo pequeno de tempo.

obter a probabilidade de que não receba chamadas durante um intervalo de um minuto.  = 5 chamadas por minuto 50 e -5 P(X  0)   e -5  0. as tabelas são construídas de forma a dar as probabilidades com base nessa média. A Distribuição de Poisson como Aproximação da Binomial Sob certas circunstâncias. Para usar a aproximação. Exemplo: Determinar a probabilidade de haver 4 peças defeituosas numa amostra de 300. A vantagem da aproximação reside no fato de que a precisão sofre muito pouco e que o trabalho necessário é consideravelmente menor. A aproximação é mais adequada quando o número de observações é grande e a probabilidade de sucesso p está próxima de zero ou de um. Supondo que as chamadas tenham uma distribuição de Poisson. tal como no caso da tabela binomial.02 = 6 . basta determinar o valor (média) da distribuição binomial. Considerando-se o exemplo 1. Tabela Acumulada A tabela acumulada dá somas de probabilidade. Ela dá as probabilidades de x ou menos ocorrências.20 201 e . conhecida a média do processo.20 20 2 e . Como a distribuição de Poisson só depende da média do processo. Uma central de atendimento de cartão de crédito recebe em média 5 chamadas por minuto.ESTATÍSTICA MATEMÁTICA 62 _________________________________________________________________________________________ Exemplo 1. qual a probabilidade de se obter no máximo 2 chamadas em 4 minutos  = 20 chamadas em 4 minutos P(X  2) = P(X = 0) + P(X = 1) + P(X = 2) =  20 0 e .20    0! 1! 2!  e 20  20e 20  200e 20  e 20 (1  20  200)  221e 20  0.0067 0! Exemplo 2. extraída de um grande lote onde há 2% de defeituosas. E(X) = 3000.00000046 Tabelas de Poisson As tabelas de Poisson proporcionam um método conveniente para obtenção de probabilidade com um mínimo de esforço. a distribuição de Poisson pode ser utilizada para aproximar probabilidades binomiais.

4 . Supondo que tenha distribuição de Poisson. o excesso é enviado a outro porto. b) chegarem 4 ônibus em 5 minutos. com  = 2. Responda: a) Quantas chamadas de emergência são esperadas num período de 30 minutos? b) Qual a probabilidade de nenhuma chamada num período de 30 minutos? 3 . determine a probabilidade de: a) chegarem 8 ônibus em 2 minutos.O número de petroleiros que chegam a uma refinaria em cada dia ocorre segundo uma distribuição de Poisson. .A entrega de mercadorias em um depósito é feita à razão de 2. Observando o processo durante um período de meia hora (t = 0.As chamadas de emergência chegam a uma central de polícia à razão de 4 por hora no período de 1 às 6 da manhã em dias úteis e podem ser aproximadas por uma distribuição de Poisson. 2 .Suponhamos que aos navios cheguem a um porto à razão de  = 2 navios/hora e que essa razão seja bem aproximada por um processo de Poisson. As atuais instalações podem atender. b) chegarem 3 navios. a 3 petroleiros por dia. Se mais de 3 aportarem num dia.8 caminhões por hora.A chegada de ônibus em um terminal acontece à razão de 3 por minuto. determine a probabilidade de: a) não chegar navio algum. determine a probabilidade de encontrarmos menos de 2 defeitos. Em um dia qual a probabilidade de se enviar petroleiros para outro porto? 5 . no máximo.135 P( X  4)  x! 4! Exercícios 1 . Determine a probabilidade de chegarem 3 ou mais caminhões: a) Num período de 30 minutos.2 defeitos por metro.Suponhamos que os defeitos em fios para tear possam ser aproximados por um processo de Poisson com média 0.5). c) chegarem mais de 3 navios em 2 horas. 6 . b) Num período de 1 hora c) Num período de 2 horas. Inspecionando-se pedaços de fio de 6 metros de comprimento.ESTATÍSTICA MATEMÁTICA 63 _________________________________________________________________________________________ x e  6 4 e 6   0.

ou seja P(a < X < b) é: P (a  X  b)   b a f ( x ) dx DISTRIBUIÇÃO NORMAL Vamos considerar a distribuição binomial para p = ½ e n variável. Observando os histogramas anteriores. sendo que em geral a probabilidade de x assumir um determinado valor é zero. por exemplo. Construindo os histogramas. precisamos obter aproximações para estas probabilidades. as distribuições serão simétricas ao redor das médias. é difícil calcular as probabilidades. tendo um n grande. Sabemos que. Função densidade de probabilidade.ESTATÍSTICA MATEMÁTICA 64 _________________________________________________________________________________________ DISTRIBUIÇÕES CONTÍNUAS No caso das distribuições contínuas de probabilidades. Essa curva é . obteremos as figuras abaixo: Como p = ½ . Sendo X uma variável aleatória contínua. chamamos de função densidade de probabilidade aquela que satisfaz às seguintes propriedades: a) f ( x)  0   b)  f ( x ) dx  1 A probabilidade de uma variável aleatória X estar compreendida entre a e b. nos exemplos 5/2 e 5. X deve estar compreendido entre dois valores diferentes (X como variável aleatória contínua). Neste caso. n = 5 e 10. notamos que podemos aproximar a área deles pela área de uma curva contínua.

esteja entre 0 e um valor zc: P(0  Z  zc) . O cálculo destas probabilidades está associado à área formada nos intervalos sob a curva. conforme figura a seguir. que são caracterizadas por dois parâmetros:  (média) e  (desvio padrão). Devido ao número infinito de curvas normais. cujo símbolo é N(0. a curva normal reduzida ou normal padrão. mas sim uma família de distribuições normais. 1). associamos probabilidades a intervalos de números reais. Algumas características:    Para um mesmo .ESTATÍSTICA MATEMÁTICA 65 _________________________________________________________________________________________ chamada curva normal. a curva é mais achatada e mais espalhada. Para sabermos o valor recorremos à tabela da curva normal que dá as probabilidades sob uma curva normal padrão. normal padrão. Ela fornece a probabilidade de que a variável Z. Na verdade não existe uma única curva normal. que é caracterizada pelos valores  = 0 e  = 1. para calcularmos as probabilidades recorremos a uma em particular. Praticamente toda a área está concentrada entre os pontos   3 e  + 3. a distribuição normal é caracterizada por uma função densidade. Assim. As curvas são simétricas em relação a . de acordo com o . Por ser uma distribuição contínua. Daí aproximamos as probabilidades relativas a uma binomial por probabilidades relativas a uma distribuição normal.

73) = P(0  Z  1.73) = 0. de média  e variância 2.a.0418 P(Z  1. com distribuição normal.4582 (valor encontrado na tabela) b) P(Z  1.73) c) P(0.73) = 0.5  P(0  Z  1. indicado por N(.ESTATÍSTICA MATEMÁTICA 66 _________________________________________________________________________________________ Por exemplo: Se zc = 1.73) b) P(Z  1.73) = P(Z   1.47) = 0. que X seja uma v.73) a) P(0  Z  1. tal que Z X   terá distribuição normal com média 0 e variância 1.73) . 2). calcule: a) P(0  Z  1.47  Z  1. agora.a.4582  0.1808 = 0. Daí definimos a v.73) = 0.73)  P(0  Z  0.2774 Suponha.73) e P(Z  1.73. Z. .4582 = 0. pois a curva é simétrica c) P(0.47  Z  1.5  0.

 = 3 e 2 = 16. .5    P Z    PZ  0.a. etc.172.  = np = 10  ½= 5 e variância 2 = npq = 10  ½  ½ = 2. 5  3 23 2 X  5   P(2  X  5)  P   Z    P 4      4   1  1  P Z  2  4 Para determinar a probabilidade de que X esteja entre 3 e 5. normal.0987 + 0.1736 1. ou seja. A idéia é aproximar tal área pela área sob a curva normal. temos:  X  5 6.5)  P   P  2. Chamando de X tal v.5.ESTATÍSTICA MATEMÁTICA 67 _________________________________________________________________________________________ Exemplo: Calcular P(2  X  5). Pela figura abaixo temos que P(Y = 7) é igual a área do retângulo de base unitária e altura igual a P(Y = 7). Especificamente a curva normal de média .5         1. que é um caso particular do Teorema Central do Limite. O mesmo ocorre com P(Y = 8). P(Y  7) é a soma das áreas dos retângulos hachurados.5.5.25 e 0. se X  N(3.94   0. consultamos a tabela em encontramos P(-0. que é igual à probabilidade que Z esteja entre –0. 16).5  2. A justificativa para esta aproximação é dada pelo Teorema de De Moivre-Laplace. Daí. Y tem distribuição binomial com n = 10 e p = ½ e queremos calcular P(Y  7).a.58   A verdadeira probabilidade é 0.25  Z  0.5) = 0.5      P(Y  7)  P( X  6.2902 = P(2  Z  5) Aproximação da Binomial Através da Normal Vamos supor que a v.1915 = 0.5  5   X   6. à direita de 6.

(0.7 cm.65 m.6kg e desvio padrão 5.a. determine a quantidade de pessoas que pesam abaixo de 45kg e acima de 68kg. 4 – O enchimento de pacotes de açúcar tem distribuição normal com média 1kg e desvio padrão de 20g. b) Determinar os intervalos simétricos ao redor da média que conterão. com média 10 cm e desvio padrão 0.As vendas de um determinado produto têm distribuição aproximadamente normal com média 500 e desvio padrão 50.05m)2).5 cm. Se a empresa receber pedidos de mais de 600 unidades no mês em estudo. .985kg e 1. Qual a porcentagem de pacotes que conterão: a) mais de 1.015kg? 5 – A renda dos habitantes de certa cidade tem distribuição aproximadamente normal com média $480 e desvio padrão $90. a) Determine o número esperado de estudantes com alturas superiores a 1.O diâmetro de uma peça é uma v.ESTATÍSTICA MATEMÁTICA 68 _________________________________________________________________________________________ A função densidade normal é dada por: f (x)  Com:   X        0 1 e  2 1 x    2   2 Exercícios 1 .7 m. Supondo que a distribuição seja normal.010kg? b) entre 0. por estar com a produção esgotada? 2 .Uma pesquisa realizada com 10000 habitantes de uma comunidade apresentou os seguintes resultados: peso médio 50. 90% e 95% dos alunos. 3 . com distribuição normal. Calcule a probabilidade de se encontrar pessoas que tenham renda: a) menor que $500 b)entre $600 e $700 c) acima de $400 6 . aproximadamente. qual a probabilidade que não possa atender a todos.8kg. Calcule a probabilidade de se encontrar peças com diâmetro: a) acima de 9.As estaturas de 1000 alunos de uma universidade têm distribuição aproximadamente normal N(1. b) abaixo de 9.2 cm.

4 e o desvio padrão 1. qual a nota mínima para aprovação? 8 . a) b) c) d) qual é o resultado superior dos 30% de alunos inferiores do grupo? qual a porcentagem de alunos com grau entre 70 e 75? qual a porcentagem de alunos com grau abaixo de 70? quantos alunos obtiveram escore acima de 60? Jornal da Tarde 21/12/94 .Um concurso público foi prestado por 5000 pessoas. o grupo de alunos obteve uma média de 24 pontos e desvio padrão igual a 5. qual a porcentagem de alunos: a) com graus entre a média e o resultado 27? b) com graus entre a média e o resultado 20? c) acima da média? 9 .Suponhamos que a distribuição dos resultados de um teste feito por 8000 estudantes é normal com média igual a 60 e desvio padrão igual a 10. A nota média foi 5.2. Sabendo que as notas apresentaram uma distribuição normal e que existem 50 vagas. Supondo uma distribuição normal dos dados.ESTATÍSTICA MATEMÁTICA 69 _________________________________________________________________________________________ 7 .Na prova da disciplina de Física.

Cronometrando-se o tempo gasto (em minutos) na realização de certa tarefa. ii) determinar o grau de confiança que desejamos. x  e  onde: e zs n Tamanho Da Amostra Quando vamos iniciar um trabalho estatístico. Para saber qual o tamanho da amostra a ser tomada. Exemplos 1 . É dado por:  x  e. obteve-se os seguintes dados: x = 4 min. isto pode ser obtido através de pesquisas anteriores ou amostras piloto. precisamos: i) conhecer o desvio padrão da variável em questão. com um risco conhecido de erro. as fórmulas acima podem ser usadas para qualquer variável. porém se n < 30. . estar o parâmetro populacional (a média.ESTATÍSTICA MATEMÁTICA 70 _________________________________________________________________________________________ Intervalo De Confiança Para A Média Um intervalo de confiança é um intervalo de valores no qual julgamos. É dado por:  zs  n   e onde: s é o desvio padrão e o erro estipulado z = tabelado (normal reduzida) 2 Obs. iii) estipular o erro que pode ser aceito. por exemplo). freqüentemente surge a questão do tamanho da amostra que deve ser tomada.82 min e n = 4 funcionários. ou aproximadamente normal. s = 0. a variável deverá ter distribuição normal.: para amostras de tamanho n  30.

vamos transformar 90% em z. Agora já podemos calcular o erro. Encontramos dois números: o 44. Neste caso. z = 1. Resolução. Primeiramente dividimos 90 por 2 (lembrando que a curva normal é simétrica.58  zs   2.82 =  0. qual deveria ser o tamanho da amostra necessário para produzir um intervalo de 99% de confiança para a média populacional.57 ou z = 2. e zs 1.0.95 e o 45. 2 2 .67 .5 minuto (erro) em ambos sentidos? Primeiramente transformamos 99% em Z.65.64. montar um intervalo de 90% de confiança para o tempo médio populacional necessário para a realização da tarefa. Como foi suposto normalidade. Procuramos na tabela o número mais próximo de 49.82  Daí: n    =   = 18  e   0. que o tempo médio (populacional) para a realização da tarefa está entre 3 e 5 minutos.67] Resposta: portanto.05. Em relação ao primeiro.64 e em relação ao segundo z = 1.0. 99  49.33 . de modo que não difira por mais de 0. 4+0.67 min n 4 Daí: IC: x  e.57. 4.   2 .ESTATÍSTICA MATEMÁTICA 71 _________________________________________________________________________________________ Supondo normalidade. podemos optar por qualquer um deles. Um intervalo de 90% de confiança significa que. aproximadamente.5  Portanto a amostra deveria ter 18 funcionários. como houve empate.Usando os dados do exemplo anterior.5 .50. em 90 delas encontraríamos a média nesse intervalo. podemos afirmar.67]  [3. com 90% de confiança. 2 Temos: z = 2. a tabela apresenta valores de apenas um lado em relação a média): 90  45 2 Daí procuramos na tabela da curva normal o número mais próximo de 45. se tomássemos 100 amostras. x  e  [4-0.

com erro igual a 20g? c) comparando os dois tamanhos de amostra o que podemos observar? 3 . b) calcular o tamanho da amostra. com erro igual a 2 kg? .99% de confiança e erro de $30. o que podemos observar? 2 . exceto as mensalidades.99% de confiança para a média. Determine o que se pede abaixo: a) um intervalo de 90% de confiança para a média.ESTATÍSTICA MATEMÁTICA 72 _________________________________________________________________________________________ Exercícios 1 . com erro igual a 2 anos? 7 . com desvio padrão de 5. com erro igual a 10g? b) qual o tamanho de amostra necessário para montar um intervalo de 95% de confiança. b) qual deveria ser o tamanho da amostra necessário para produzir um intervalo de 90% de confiança. por amostragem. b) um intervalo de 99. observados em uma amostra de 1000 potes. 6 .De que forma o desvio padrão influencia no intervalo de confiança e no tamanho da amostra? (dica: observe as fórmulas). Supondo uma distribuição normal: a) montar uma intervalo de 95% de confiança para o gasto médio. b) qual deveria ser o tamanho da amostra necessário para produzir um intervalo de 95% de confiança.2g. em uma amostra de 58 pessoas. 4 . c) comparando os dois intervalos montados. Descobriu-se daí.8 anos.Uma amostra aleatória de 35 universitários participou de uma pesquisa sobre valor dos gastos para freqüentar a universidade. com desvio padrão de $42. com 99.O que podemos fazer para tentar diminuir o intervalo de confiança? 5 . que em média as despesas é de $234. Supondo normalidade: a) montar um intervalo de 90% de confiança para a idade média dos alunos da turma. apurou-se que a idade média é 21 anos. com média 73 kg e desvio padrão igual a 8 kg.O peso dos indivíduos adultos de certa comunidade tem distribuição aproximadamente normal. a) montar um intervalo de 99% de confiança para o peso médio dos indivíduos desta comunidade.Supondo que o enchimento dos potes de margarina tenha distribuição normal com média 250g e desvio padrão 13.Usando os mesmos dados anteriores: a) qual o tamanho de amostra necessário para montar um intervalo de 95% de confiança.Pesquisa realizada junto a 120 alunos de uma universidade.

J. Paulo: Prentice Hall. 2003. 2004. 2004. ed. G. J.ESTATÍSTICA MATEMÁTICA 73 _________________________________________________________________________________________ BIBLIOGRAFIA BUSSAB. MILONE. Estatística: geral e aplicada.A. São Paulo: Atual.. LEVIN. Estatística aplicada. São Paulo: Pioneira Thomsom Learning. W.. São Paulo: Saraiva. 1999. CLARK. J. 9. A. MORETIN.. . J. D.O. NEUFELD. Estatística Básica. P. 2002. FOX. Estatística aplicada à administração usando o Excel. L. São Paulo: Prentice Hall. DOWNING. Estatística aplicada a ciências humanas.

conforme a seguir. Aluno 1ª prova A B C D E 7 1 5 10 5 2ª prova 6 2 5 10 7 3ª prova 5 9 5 0 3 . a segunda peso 3 e a terceira peso 5. respectivamente. Sabendo-se que a primeira prova tem peso 2. existem outras. a média ponderada será: Nota (xi) 4 7 6 Peso (pi) 1 2 3 pi = 6 xi pi 4 14 18 xi pi = 36 Portanto: xw  36 6 6 Exercícios São dadas as notas de 5 alunos em 3 provas. calcule a média ponderada de cada aluno. Os pesos de cada prova são 1. Assim.ESTATÍSTICA MATEMÁTICA 74 _________________________________________________________________________________________ ANEXO .OUTRAS MÉDIAS Além da média aritmética. 7 e 6. Média Ponderada É dada por: xw  Onde: x p p i i i  xi são os valores da variável  pi são os pesos atribuídos a cada valor da variável Exemplo: um aluno fez 3 provas e obteve as seguintes notas: 4. 2 e 3.

. . 20. . 5. . x2. . Neste caso há repetições dos valores. A média geométrica simples será definida pela expressão: Mg  n x1  x2  x3  . xn. .. . . . . x 2.54 Exercícios Calcule as médias geométricas simples para os conjuntos abaixo: a) Z = {5. 9} x i 1 n i Mg  4 3  5  7  9  4 945  5. 11. .... xn.. . 23} b) Y = {8. xn}.ESTATÍSTICA MATEMÁTICA 75 _________________________________________________________________________________________ Média Geométrica Denominamos média geométrica de um conjunto n de valores a raiz n-ésima do produto desses n valores. 7. x3. . x1. f n x1f1  x2f 2  . xn. . xn ocorre com freqüência fn. . x1. . . xn. . . . . 15. .  xnf n Mgp   fi i 1 n x i 1 n fi i . Média Geométrica Simples Seja X = {x1. x1 ocorre com freqüência f1. 30. 19. x2.  xn  n Exemplo: Y = {3. . .. x 2. x2. x1. 21. ou seja. x2. . . . . . x1. Então a média geométrica ponderada desses valores será definida por: Mgp  ou f1  f 2 . xn}. 25} Média Geométrica Ponderada Seja X = {x1. 7. x2 ocorre com freqüência f2.

. . 1. 5. 8. 2. 4. 5. 3} b) Y = {2. 7. 1. 12} Média Harmônica É o inverso da média aritmética dos inversos dos valores. 3.ESTATÍSTICA MATEMÁTICA 76 _________________________________________________________________________________________ Exemplo: X = { 2. 1. 1. Seja X = {x1. 2. 7. 2. . A média harmônica é definida pela expressão: Mh  1 1 n 1  N i 1 xi Ou Mh  N 1 x i 1 i n Exemplo: X = {2. 7. x2. 7. 9} Mh  N 1 x i 1 i n  4 1 1 1 1    2 5 7 9  4.193 . . 2. xn}. 7. 4. x3. 10} X 2 8 10 3 i 1 fi 3 2 1  fi  6 3 xf 23 = 8 82 = 64 101 = 10 x i 1 fi i  5120 Portanto: Mgp  6 8  64 10  6 5120  4.15 Exercícios Calcule as médias geométricas ponderadas para os conjuntos abaixo: a) X = {5. 7. 8.

7. . 20.6} d)  3 9 7 5 7 15 3  D . 15. . . .5. 9} b) B = {6. 4.8. 10} c) C = {10. 5.   5 16 8 6 10 22 7  .5. 12. 2. 1. 7. 11.4. calcule as médias geométrica e harmônica: a) A = { 3. 16. 15.ESTATÍSTICA MATEMÁTICA 77 _________________________________________________________________________________________ Exercícios 1) Dados os conjuntos abaixo. 13. .

Sign up to vote on this title
UsefulNot useful