You are on page 1of 69

N0ÇÕES DE ESTATÍSTICA

A estatística é uma parte da matemática aplicada que fornece métodos para a coleta, organização, descrição, análise e interpretação de dados para a utilização dos mesmos na tomada de decisões.
Segundo o estatístico Jean-Claude Garnier a estatística passa do certo desconhecido para o conhecido incerto.

Por meio de sondagem, de coleta de dados e de recenseamento de opiniões, podemos conhecer a realidade geográfica e social, os recursos naturais, humanos e financeiros disponíveis, as expectativas da comunidade sobre a empresa, e estabelecer suas metas, seus objetivos com maior possibilidade de serem alcançados a curto, médio ou longo prazos.

Variável – É, convencionalmente, o conjunto de resultados possíveis de um fenômeno. São tipos de variáveis:

Qualitativa – quando seus valores são expressos por atributos: sexo (masculino – feminino), cor da pele (branca, preta, amarela, vermelha, parda) etc. Quantitativa – quando seus valores são expressos em números (salário dos funcionários, idade dos alunos etc). Uma variável quantitativa que pode assumir, qualquer valor entre dois limites recebe o nome de variável contínua: uma variável que só pode assumir valores pertencentes a um conjunto enumerável recebe o nome de variável discreta.

V: Salários. durante o ano.Classifique as variáveis abaixo em qualitativas ou quantitativas (discretas ou contínuas): a) População: Estação meteorológica de uma cidade.: Qualitativa P: Bolsa de valores de São Paulo.: Quantitativa contínua b) c) d) . V: Cor dos olhos. V: Número de ações negociadas. Variável: precipitação pluviométrica. Resp.: Quantitativa contínua P: Alunos de uma cidade. Resp. Resp.: Quantitativa discreta P: Funcionários de uma empresa. Resp.

tanto quanto possível. por meio de um dispositivo aleatório qualquer. . a seguir.População – Ao conjunto de entes portadores de. pelo menos. Podemos exemplificar através do sorteio lotérico. que garante. Amostra – É um subconjunto finito de uma população. o acaso na escolha. uma característica comum denominamos População estatística ou Universo estatístico. Tipos de amostragem: Amostragem casual ou aleatória simples – pode ser realizada numerando-se a população de 1 a n e sorteando-se. Amostragem – É uma técnica especial para recolher amostras.

dentro de cada estrato. Ou seja. linhas de produção etc. consideramos a existência dos estratos. . Amostragem sistemática – Quando os elementos da população já se acham ordenados. um comportamento heterogêneo e.Amostragem proporcional estratificada – Como é provável que a variável em estudo apresente. obtendo os elementos da amostra proporcional ao número de elementos dos mesmos. os prédios de uma rua. não há necessidade de construir o sistema de referência. São exemplos os prontuários médicos de um hospital. convém que o sorteio dos elementos da amostra leve em consideração tais estratos. a seleção dos elementos que constituirão a amostra pode ser feita por sistema de imposto pelo pesquisador. um comportamento homogêneo. Nesses casos. de estrato em estrato.

coeficientes e taxas. em geral. Índices – São razões entre duas grandezas tais que uma não inclua a outra. Dados relativos – São o resultado de comparações por quociente (razões) que se estabelecem entre os dados absolutos e têm por finalidade realçar ou facilitar as comparações entre quantidades.São dados estatísticos resultantes da coleta direta da fonte. sem outra manipulação senão a contagem ou medida. Traduzem-se os dados relativos. Exemplo: Índice demográfico (ou densidade demográfica) = população superfície . do local ou da espécie. índices.Séries estatísticas . por meio de percentagens. Dados absolutos . Podemos exemplificar através da distribuição de freqüência.É toda tabela que apresenta a distribuição de um conjunto de dados estatísticos em função da época.

Exemplos: Taxa de natalidade = coeficiente de natalidade x 1000. 1000 etc.Coeficientes – São as razões entre o número de ocorrências e o número total (número de ocorrências e o número de não ocorrências). Taxa de evasão escolar = coeficiente de evasão escolar x 1000 .). Exemplo: Coeficiente de natalidade = número de nascimento população Taxas – São os coeficientes multiplicados por uma potência de 10 (10. 100.

cujos elementos não foram numericamente organizados. Também é denominado tabela primitiva. Tabela 1 Estatura de 40 alunos do colégio A 166 162 155 154 160 161 152 161 161 168 163 156 150 163 160 172 162 156 155 153 160 173 155 157 165 160 169 156 167 155 151 158 164 164 170 158 160 168 164 161 .DISTRIBUIÇÃO DE FREQÜÊNCIA Rol – É um tipo de tabela.

assim. (CM) FREQ.ESTAT. (CM) FREQ. 170 1 1 vezes que aparece 162 2 Denominamos freqüência o número e 2alunos que 172 fica relacionado a 1 154 1 163 um determinado Obtemos. 158 2 em questão. o 153 número de repetido. No exemplo a variável será 167 estatura. 1 150 que 1trabalhamos.169 ao lado1 de cada 1 em uma coluna 161 valor. 164 3 recebe o nome de de freqüência. (CM) FREQ. que 173uma tabela 1 155 4valor da variável. ESTAT. 156 3 distribuição 165 1 157 1 166 1 Total 40 . observada muito160 mais facilmente quando 168 dispusermos 2 151 e estudada 1 5 valores 152 ordenados e 4colocarmos. ESTAT.

a solução mais aceitável. pela ⌐ 162 11 própria natureza da variável dos valores 162 ⌐ 166contínua.ESTATURAS (cm) FREQÜÊNCIA O processo anterior ainda é inconveniente. é o agrupamento 8 em vários intervalos. 4já que exige um espaço 150 ⌐ 154 muito grande. preferimos chamar ⌐ 170 5 os intervalos de Classes . mesmo154 quando valores da variável (n) é ⌐ 158 o número de 9 de tamanho razoável. ⌐ 174 170 3 Total 40 . em estatística. 166 sendo que.158 Sendo possível.

A saber: O limite inferior (li) é o menor número da classe. Ou seja: h = Li . Será obtido pela diferença entre o limite superior e o limite inferior de cada classe.li . Amplitude de um interalo de classe (h) – É a medida do intervalo que define a classe. Limites de classe – São os extremos de cada classe.ELEMENTOS DE UMA DISTRIBUIÇÃO DE FREQÜÊNCIA Classes de freqüência – São intervalos de variação da variável. O limite superior (Li) é o maior número da classe.

o ponto que divide o intervalo de classe em duas partes iguais. Ou seja: AT = L(máx. Ou seja: xi = Li + li 2 .Amplitude total da distribuição (AT) – É a diferença entre o limite superior da última classe (limite superior máximo) e o limite inferior da primeira classe (limite inferior mínimo). como o próprio nome indica.) Ponto médio de uma classe (xi) – É. Ou seja: AA = x(máx.) Amplitude amostral (AA) – É a diferença entre o valor máximo e o valor mínimo da amostra.) – x(mín.) – l(mín.

Ou seja: fri = fi Σf i Freqüência acumulada (Fi) – è o total das freqüências de todos os valores inferiores ao limite superior do intervalo de uma dada classe.Freqüência simples ou absolutas (fi) – São os valores que realmente representam o número de dados de cada classe. + fk .. Fk = f1 + f2 + f3 + .. Σf i = n Freqüência relativas (fri) – São os valores das razões entre as freqüências simples e a freqüência total. A soma das freqüências simples é igual ao número de total dos dados.

275 0.100 4 0.000 ESTATURAS (cm) Σ = 40 Σ = 1.925 1.325 0.000 .600 0. podemos montar a seguinte tabela com as freqüências estudadas: fi xi fri Fi Fri Freqüência acumulada relativa (Fri) – É a freqüência acumulada da 1 150 ⌐ 154 4 152 0. dividida pela freqüência total da distribuição. Ou seja: i 2 3 4 5 6 154 158 162 166 170 ⌐ 158 ⌐ 162 ⌐ 166 ⌐ 170 ⌐ 174 9 156 11 160 Fri = Fi 8 164 Σf i 5 168 3 172 0.125 0.De acordo com os dados da Tabela 1.100 classe.075 13 24 32 37 40 0.225 0.200 0.800 0.

Exercícios: Faça a distribuição dos dados abaixo: a) Sendo limite inferior 30 e 10 para intervalo de classe: 84 74 59 67 65 68 71 80 41 94 33 81 41 78 66 52 91 50 56 48 47 65 53 94 39 73 55 65 35 69 68 57 76 45 89 61 35 85 55 98 73 85 73 64 42 77 88 60 74 54 .

b) Os resultados obtidos pelo lançamento de um dado 50 vezes foram os seguintes: 6 1 5 2 5 5 6 4 2 6 2 3 3 5 2 6 3 1 2 4 4 5 3 5 6 3 1 5 1 1 6 3 4 3 5 2 6 4 6 2 6 3 2 5 4 5 4 6 1 3 .

000 Fi 4 10 19 30 39 46 50 Fri 0.920 1.080 0.200 0.000 .080 0.180 0.380 0.080 Σ = 1.780 0.600 0.220 0.140 0.Respostas: a) i 1 2 3 4 5 6 7 NOTAS 30 ⌐ 40 40 ⌐ 50 50 ⌐ 60 60 ⌐ 70 70 ⌐ 80 80 ⌐ 90 90 ⌐ 100 fi 4 6 9 11 9 7 4 Σ = 50 xi 35 45 55 65 75 85 95 fri 0.120 0.180 0.

800 1.200 Fi 6 14 23 30 40 50 Fri 0.000 Σ = 50 Σ = 1.140 0.600 0.280 0.120 0.160 0.460 0.Respostas: b) xi 1 2 3 4 5 6 fi 6 8 9 7 10 10 fri 0.000 .180 0.200 0.120 0.

a média aritmética. Dentre as medidas de tendência central. que recebem tal denominação pelo fato de os dados observados tenderem. em geral. destacamos: a. a se agrupar em torno dos valores centrais. b. os quartis. b. As outras medidas de posição dão as separatrizes. . c. a própria mediana. que englobam: a. a moda. os percentis.Medidas de Posição .São estatísticas que representam uma série de dados orientando-nos quanto à posição da distribuição em relação ao eixo horizontal (eixo das abscissas). c. a mediana. As medidas de posição mais importantes são as medidas de tendência central.

13. para produção média da semana: X = 10 + 14 + 13 + 15 + 16 + 18 + 12 = 98 = 14 7 7 . xi – os valores da variável. 18 e 12 litros. 16. n – o número de valores Exemplo: Sabendo-se que a produção leiteira da vaca A. foi de 10.É o quociente da divisão da soma dos valores da variável pelo número deles: ( dados não agrupados) X = Σ xi n Sendo: X – a média aritmética. durante uma semana. temos. 14. 15.Média Aritmética ( X ) .

X . Desvio em relação à média . Fórmula: di = xi . costumamos dizer que a média não tem existência concreta.Denominamos desvio em relação à média a diferença entre cada elemento de um conjunto de valores e a média aritmética. O somatório dos desvios em relação à média será igual a zero.Observação: Quando o número que representativo da média não está representado nos dados originais.

xi 0 6 20 36 16 Σ fi.xi = 78 Fórmula: X = Σ fi x i Σ fi X = 2.29 .MÉDIA ARITMÉTICA Dados Agrupados: Sem intervalo de classes Idade (xi) 0 1 2 3 4 fi 2 6 10 12 4 Σ = 34 fi.

xi = 6440 Fórmula: X = Σ x i fi Σ fi X = 161 .MÉDIA ARITMÉTICA Dados Agrupados: Com intervalo de classes i Estaturas (cm) 150 ⌐ 154 154 ⌐ 158 158 ⌐ 162 162 ⌐ 166 166 ⌐ 170 170 ⌐ 174 fi xi fi.xi 1 2 3 4 5 6 4 9 11 8 5 3 Σ = 40 152 156 160 164 168 172 608 1404 1760 1312 840 516 Σ fi.

E. 350 caixas de 8 kg cada. 2. 800 caixas de 5 kg cada. D.00. 10.00.Um produto é vendido em três supermercados por R$ 13.000.00. R$ 300.Um caminhão cujo peso vazio é 3. Determine quantos R$/kg se paga em média pelo produto. (a) Se este caminhão tem que passar por uma balança que só permite passagens a caminhões com peso de 15 toneladas. A loja vendeu em determinado mês 20.00.000. R$ 13. 20.Exercícios: Média Aritmética 1. R$ 5.Uma loja vende cinco produtos básicos A. 30.00 kg será carregado com 480 caixas de 10 kg cada. 5 unidades respectivamente.00/kg.000. O lucro por unidade comercializada destes produtos vale respectivamente R$ 200. este caminhão passará pela balança? (b) Qual o peso médio das caixas carregadas no caminhão? . C. R$ 500.20/kg e R$ 13. Qual foi lucro médio por unidade comercializada por esta loja? 3. R$ 1. O motorista do caminhão pesa 80 kg e a lona de cobertura pesa 50 kg. B.00. 500 caixas de 4 kg cada.50/kg.

Exercícios: Média Aritmética 4.Calcule o número médio de acidentes por dia em uma determinada esquina: Acidentes 0 1 2 3 4 fi 30 5 3 1 1 Σ = 40 .Calcule a média das idades dos alunos de uma classe: Idades 17 18 19 20 21 fi 3 18 17 8 4 Σ = 50 5.

Exercícios: Média Aritmética 6.Uma imobiliária gerencia o aluguel de residências particulares. Calcule o aluguel médio para estas residências . i 1 2 3 4 5 6 Salários (R$) 400 ⌐ 500 500 ⌐ 600 600 ⌐ 700 700 ⌐ 800 800 ⌐ 900 900 ⌐ 1000 fi 12 15 8 3 1 1 Σ = 40 i 1 2 3 4 5 Aluguel (R$) 0 ⌐ 200 200 ⌐ 400 400 ⌐ 600 600 ⌐ 800 800 ⌐ 1000 fi 30 52 28 7 3 Σ = 120 7. Calcule o salário médio destes funcionários. seguindo o quadro ao lado.O salário de 40 funcionários de um escritório está distribuído segundo o quadro ao lado.

11. 12. 12. 8. 10. 3. 8. a moda é facilmente reconhecida: Exemplos: 7.Denominamos Moda o valor que ocorre com maior freqüência em uma série de valores. 15 – A moda é 10 3. 7. 13. 9 – temos duas modas: 4 e 7 (bimodal) Dados agrupados: Sem intervalo de classes Uma vez agrupados os dados. 5. 10. 7. 4.Moda (Mo) . 7. 9. 4. Dados não-agrupados Quando lidamos com valores não-agrupados. 6. 10. 5. 10. 8. é possível determinar imediatamente a moda basta fixar o valor da variável de maior freqüência. 13 – não apresenta moda (amodal) 2. . 4.

Limite inferior da classe modal L*. podemos afirmar que a moda. neste caso.MODA . Damos a esse valor a denominação de moda bruta.Dados agrupados: Com intervalos de classe A classe com maior freqüência é denominada classe modal. O método mais simples para o cálculo da moda consiste em tomar o ponto médio da classe modal. Pela definição. Mo = l* + L* 2 Onde: l* .Limite superior da classe modal . é o valor dominante que está compreendido entre os limites da classe modal.

Dados agrupados: Com intervalos de classe i 1 2 3 4 5 6 Estaturas (cm) fi 150 ⌐ 154 154 ⌐ 158 158 ⌐ 162 162 ⌐ 166 166 ⌐ 170 170 ⌐ 174 4 9 11 8 5 3 Σ = 40 Classe modal Mo = l + L 2 Mo = 158 + 162 2 Mo = 160 .MODA .

f (ant) D2 = f* .Limite inferior da classe modal h*.Dados agrupados: Com intervalos de classe Existe. o que faz uso da fórmula de Czuber: Mo = l* + D1 x h* D1 + D2 onde: l* .f (post) f* . por exemplo.MODA .É a amplitude da classe modal D1 = f* . como.freqüência simples da classe posterior à classe modal . outros métodos mais elaborados. para o cálculo da moda.freqüência da classe modal f (ant) – freqüência simples da classe anterior à classe modal f (post) .

MODA .Dados agrupados: Com intervalos de classe i 1 2 3 4 5 6 Estaturas (cm) 150 ⌐ 154 154 ⌐ 158 158 ⌐ 162 162 ⌐ 166 166 ⌐ 170 170 ⌐ 174 fi Mo = l* + 4 9 11 8 5 3 Σ = 40 D1 D1 + D2 x h* Classe modal D1 = 11 – 9 = 2 D2 = 11 – 8 = 3 h* = 162 – 158 = 4 Mo = 158 + 2 x4 3+2 Mo = 159.6 .

5. 7. 3. 3 7. 9. 5. 12.Exercícios: Moda 1. 4. 10. 12. 9. 5. 10. 7. 9. 7. 8.Calcule a moda das séries abaixo: a) b) c) d) e) 2. 6. 7.Calcule a moda das idades dos alunos de uma classe: Idades 17 18 19 20 21 fi 3 18 17 8 4 Σ = 50 . 2. 4. 7 4. 5. 12 2. 11 2. 6. 10. 6. 7 4. 5. 5. 6. 8. 8. 10.

Calcule a moda do salário destes funcionários. .Exercícios: Moda 3.Calcule a moda de acidentes por dia em uma determinada esquina: Acidentes 0 1 2 3 4 fi 30 5 3 1 1 Σ = 40 i 1 2 3 4 5 6 Salários (R$) 400 ⌐ 500 500 ⌐ 600 600 ⌐ 700 700 ⌐ 800 800 ⌐ 900 900 ⌐ 1000 fi 12 15 8 3 1 1 Σ = 40 4.O salário de 40 funcionários de um escritório está distribuído segundo o quadro ao lado.

seguindo o quadro ao lado.Exercícios: Moda 5.Uma imobiliária gerencia o aluguel de residências particulares. selecionadas em uma loja de departamentos: .Calcule a moda para a distribuição de valores de 54 notas fiscais emitidas na mesma data. Calcule a moda do aluguel para estas residências i 1 2 3 4 5 Aluguel (R$) 0 ⌐ 200 200 ⌐ 400 400 ⌐ 600 600 ⌐ 800 800 ⌐ 1000 fi 30 52 28 7 3 Σ = 120 i 1 2 3 4 5 6 Consumo por nota (R$) 0 ⌐ 50 50 ⌐ 100 100 ⌐ 150 150 ⌐ 200 200 ⌐ 250 250 ⌐ 300 fi 10 28 12 2 1 1 Σ = 54 6.

13. 15. esse valor é o 10. Em nosso exemplo. 6. 15. há quatro elementos acima dele e quatro abaixo. 16. Dados não-agrupados Dada a série de valores. 18 Em seguida. 10. estando estes dispostos segundo uma ordem. por exemplo: 5. nessa série. 13. 16. o primeiro passo a ser dado é o da ordenação (crescente ou decrescente) dos valores: 2.A mediana é outra medida de posição definida como o número que se encontra no centro de uma série de números. 10. 2. . 5. 18. tomamos aquele valor central que apresenta o mesmo número de elementos à direita e à esquerda. já que.Mediana (Md) . De acordo com a definição de mediana. 9. 6. 9. como.

Dados não-agrupados Se. qualquer dos números compreendidos entre os dois valores centrais da série. 12. a série de valores: 2. 13. Convencionou-se utilizar o ponto médio. 10.Mediana (Md) . 21 tem para mediana a média aritmética entre 10 e 12. Logo: Md = 10 + 12 = 11 2 . a série dada tiver um número par de termos. a mediana será. 7. Assim. por definição. 18. 6. porém.

é o bastante identificar a freqüência acumulada imediatamente superior à metade da soma das freqüências.Mediana (Md) . A mediana será aquele valor da variável que corresponde a tal freqüência acumulada. Logo: Md = 2 . Alunos 0 1 2 3 4 fi 2 6 10 12 4 Σ = 34 Fi 2 8 18 30 34 Sendo: Σfi = 34 = 17 2 2 A menor freqüência acumulada que supera esse valor é 18.Dados agrupados sem intervalo de classes Nesse caso.

F(ant) – freqüência acumulada da classe anterior à classe mediana.freqüência simples da classe mediana h* .F(ant) x h* Md = l* + 2 f* Sendo: l* .Dados agrupados com intervalo de classes Executaremos os seguintes passos: a) Determinamos as freqüências acumuladas.limite inferior da classe mediana. b) Calculamos Σfi 2 c) Marcamos a classe correspondente à freqüência acumulada imediatamente superior (classe mediana) e em seguida utilizaremos a fórmula: Σfi . f* .amplitude do intervalo da classe mediana .Mediana (Md) .

Dados agrupados com intervalo de classes i Estaturas (cm) 150 ⌐ 154 154 ⌐ 158 158 ⌐ 162 162 ⌐ 166 166 ⌐ 170 170 ⌐ 174 fi xi Fii Sendo: 4 9 11 8 5 3 Σ = 40 152 156 160 164 168 172 4 13 24 32 37 40 Σfi = 40 = 20 2 2 1 2 3 4 5 6 A menor freqüência acumulada que supera esse valor é 24. Logo a 3ª Classe será a Classe Mediana 40 .55 .13 x 4 Md = 158 + 2 11 Md = 160.Mediana (Md) .

5. 6. 7. 2. 5. 10. 12. 4.Calcule a mediana das séries abaixo: a) b) c) d) e) 2. 7. 4. 10. 8. 3 7. 6. 7 4.Calcule a mediana das idades dos alunos de uma classe: Idades 17 18 19 20 21 fi 3 18 17 8 4 Σ = 50 . 3. 8. 9. 9. 5. 5. 5. 7. 6. 7 4. 10. 6. 5. 8. 12.Exercícios: Mediana 1. 9. 10. 7. 11 2. 12 2.

. Acidentes 0 1 2 3 4 fi 30 5 3 1 1 Σ = 40 i 1 2 3 4 5 6 Salários (R$) 400 ⌐ 500 500 ⌐ 600 600 ⌐ 700 700 ⌐ 800 800 ⌐ 900 900 ⌐ 1000 fi 12 15 8 3 1 1 Σ = 40 4.O salário de 40 funcionários de um escritório está distribuído segundo o quadro ao lado. Calcule a mediana.Dado o número de acidentes por dia em uma determinada esquina: Calcule a mediana.Exercícios: Mediana 3.

selecionadas em uma loja de departamentos: . seguindo o quadro ao lado.Exercícios: Mediana 5.Calcule a mediana para a distribuição de valores de 54 notas fiscais emitidas na mesma data.Uma imobiliária gerencia o aluguel de residências particulares. Calcule a mediana do aluguel para estas residências i 1 2 3 4 5 Aluguel (R$) 0 ⌐ 200 200 ⌐ 400 400 ⌐ 600 600 ⌐ 800 800 ⌐ 1000 fi 30 52 28 7 3 Σ = 120 i 1 2 3 4 5 6 Consumo por nota (R$) 0 ⌐ 50 50 ⌐ 100 100 ⌐ 150 150 ⌐ 200 200 ⌐ 250 250 ⌐ 300 fi 10 28 12 2 1 1 Σ = 54 6.

com intuito de verificar como se comportam essas medidas de tendência central em relação a dispersão. observaremos que elas não são suficientes para caracterizar totalmente uma seqüência numérica. Variância – É uma média aritmética calculada a partir dos quadrados dos desvios obtidos entre os elementos da série e sua média. Notação: Quando a seqüência de dados representa uma População a variância será denotada por σ2(x). foi introduzido as medidas de dispersão. .Medidas de Dispersão – Caso venhamos fazer uma reflexão sobre as medidas de tendência central. e quando se tratar de uma amostra será denotada por s2(x). As principais medidas de dispersão absolutas são: A Variância e o Desvio Padrão. Desta forma.

Variância . a variância será calculada através da seguinte fórmula: σ2 = Σ ( xi – x )2 fi Σ fi .Dados não-agrupados Se a seqüência representa uma população. a variância será calculada através da seguinte fórmula: σ2 = Σ ( xi – x )2 n Variância .Dados agrupados sem intervalo de classes Se a seqüência representa uma população.

a variância será calculada através da seguinte fórmula: σ2 = Σ ( xi – x )2 fi Σ fi Observação: Neste caso o xi é o ponto médio da classe i. e quando se tratar de uma amostra será denotado por s(x). Desvio Padrão – É a raiz quadrada positiva da variância. Notação: Quando a seqüência de dados representa uma População o desvio padrão será denotada por σ(x).Variância . independente de como se apresentarem os dados (agrupados ou não) a fórmula do desvio padrão será: σ= σ2 . Assim.Dados agrupados com intervalo de classes Se a seqüência representa uma população.

podemos afirmar que o intervalo [ x .2σ.3σ. E o intervalo [ x . x + σ] contém aproximadamente 68% dos valores da série. Como podemos ver no gráfico a seguir . É fundamental que o interessado consiga relacionar o valor obtido do desvio padrão com os dados da série. Quando uma curva de freqüência representativa da série é perfeitamente simétrica como a curva a seguir. x + 2σ] irá conter aproximadamente 95% dos valores da série.Interpretação do desvio padrão – O desvio padrão é sem dúvida a mais importante das medidas de dispersão. Assim como.σ. quando tivermos o intervalo [ x . x + 3σ] irá conter aproximadamente 99% dos valores da série.

.

Medidas de Dispersão Relativa – Se uma série X apresenta x = 10 e σ(x) = 2 e uma série Y apresenta y = 100 e σ(y) = 5 do ponto de vista da dispersão absoluta. No entanto. . Portanto. como é uma divisão de elementos de mesma unidade. se levarmos em consideração as medidas das séries. é um número puro. a série Y apresenta maior dispersão que a série X. o desvio padrão de Y que é 5 em relação a 100 é um valor menos significativo que o desvio padrão de X que é 2 em relação a 10. Isto nos leva a definir as medidas de dispersão relativas: coeficiente de variação. pode ser expresso em percentual. o qual será apresentado através da fórmula: CV = σ(x) x Note que o coeficiente de variação.

7 4. desvio padrão e o coeficiente de variação das séries abaixo: a) b) c) d) e) 2.Calcule a variância. 5. 8. 7 4. desvio padrão e o coeficiente de variação das idades dos alunos de uma classe: Idades 17 18 19 20 21 fi 3 18 17 8 4 Σ = 50 . 9. 2. 8.Calcule a variância. 4. 9. 6. 10. 7.Exercícios: Medidas de dispersão 1. 5. 3. 7. 3 7. 5. 6. 6. 10. 4. 12. 5. 7. 9. 11 2. 7. 10. 12 2. 10. 8. 12. 5. 5. 6.

desvio padrão e o coeficiente de variação da tabela ao lado. Calcule a variância.Calcule a variância. Acidentes 0 1 2 3 4 fi 30 5 3 1 1 Σ = 40 i 1 2 3 4 5 6 Salários (R$) 400 ⌐ 500 500 ⌐ 600 600 ⌐ 700 700 ⌐ 800 800 ⌐ 900 900 ⌐ 1000 fi 12 15 8 3 1 1 Σ = 40 4. desvio padrão e o coeficiente de variação .Exercícios: Medidas de dispersão 3. .O salário de 40 funcionários de um escritório está distribuído segundo o quadro ao lado.

Uma imobiliária gerencia o aluguel de residências particulares. desvio padrão e o coeficiente de variação para a distribuição de valores de 54 notas fiscais emitidas na mesma data. Calcule a variância. desvio padrão e o coeficiente de variação para estas residências i 1 2 3 4 5 Aluguel (R$) 0 ⌐ 200 200 ⌐ 400 400 ⌐ 600 600 ⌐ 800 800 ⌐ 1000 fi 30 52 28 7 3 Σ = 120 i 1 2 3 4 5 6 Consumo por nota (R$) 0 ⌐ 50 50 ⌐ 100 100 ⌐ 150 150 ⌐ 200 200 ⌐ 250 250 ⌐ 300 fi 10 28 12 2 1 1 Σ = 54 6. selecionadas em uma loja de departamentos: .Calcule a variância.Exercícios: Medidas de dispersão 5. seguindo o quadro ao lado.

PROBABILIDADE Experimento ou Fenômeno Aleatório . apresentam resultados imprevisíveis.São aqueles que. ou seja. vamos admitir que todos os elementos de S tenham a mesma chance de acontecer. n(S) – número de elementos de S. Probabilidade – Dado um experimento aleatório. Evento – É qualquer subconjunto do espaço amostral S de um evento aleatório. Espaço Amostral – É o conjunto de possíveis resultados de um experimento ou fenômeno aleatório. mesmo repetidos várias vezes sob condições semelhantes. . representado por S. que S é um conjunto equiprovável. sendo S o seu espaço amostral. Probabilidade de um evento A (A  S): P(A) = n(A) n(S) Sendo: n(A) – número de elementos de A.

Eventos Complementares – Sabendo que um evento pode ocorrer ou não. Assim. sendo p1 a probabilidade de realização do primeiro evento e p2 a probabilidade do segundo evento. para um mesmo evento existe sempre a relação: p+q=1q=1–p Eventos Independentes – Dizemos que dois eventos são independentes quando a realização ou não realização de um dos eventos não afeta a probabilidade da realização do outro e vice-versa. Sendo p a probabilidade de que ele ocorra (sucesso) e q a probabilidade de que ele não ocorra (insucesso). a probabilidade de que tais eventos se realizem simultaneamente é dada por: p = p1 x p2 .

o evento “tirar cara” e o evento “tirar coroa” são mutuamente exclusivos. a probabilidade de que um ou outro se realize é igual à soma das probabilidades de cada um deles se realize: p = p1 + p2 . ao se realizar um deles.Eventos Mutuamente Exclusivos – Dizemos que dois ou mais eventos são mutuamente exclusivos quando a realização de um exclui a realização do(s) outro(s). Assim. no lançamento de uma moeda. já que. Se dois eventos são mutuamente exclusivos. o outro não se realiza.

simultaneamente.Em um lote de 12 peças.Qual a probabilidade de sair o ás de ouros quando retiramos uma carta de um baralho de 52 cartas? 1/52 2. calcule: 1/3 a) A probabilidade de essa peça ser defeituosa 2/3 b) A probabilidade de essa peça não ser defeituosa 4. Sendo retirada uma peça. 4 são defeituosas.Exercícios de Probabilidade 1. uma carta do primeiro e uma carta do segundo.De dois baralhos de 52 cartas retiram-se.Qual a probabilidade de sair um rei quando retiramos uma carta de um baralho de 52 cartas? 1/13 3. Qual a probabilidade de sair um rei no primeiro e no segundo ser o 5 de ouros? 1/676 .

calcule a probabilidade de se obter a soma igual a 5? 1/9 6. Uma urna C contém: 2 bolas brancas. qual a probabilidade de se obter um número não inferior a cinco? 1/3 . 2 verdes. 3 pretas. 2 pretas.No lançamento de dois dados.De um baralho de 52 cartas retiram-se. Qual a probabilidade de as três bolas retiradas da primeira. Uma bola é retirada de cada urna. segunda e terceira urnas serem.Uma urna A contém: 3 bolas brancas. 4 pretas. ao acaso. duas cartas sem reposição.Qual a probabilidade de sair uma carta de copas ou de ouros quando retiramos uma carta de um baralho de 52 cartas? 1/2 9. 1 verdes. preta e verde? 1/27 7. Qual a probabilidade de a primeira carta ser o ás de espada e a segunda ser a damas de ouros? 1/2652 8. Uma urna B contém: 5 bolas brancas. branca.Exercícios de Probabilidade 5. 4 verdes.No lançamento de um dado. respectivamente.

Exercícios de Probabilidade 10- São dados dois baralhos de 52 cartas. Tiramos, ao mesmo tempo, uma carta do primeiro baralho e uma carta do segundo. Qual a probabilidade de tirarmos uma dama e um rei, não necessariamente nessa ordem? 2/169 11- Dois dados são lançados conjuntamente. Determine a probabilidade de: a) A soma ser igual ou maior que 10; b) A soma seja inferior a 5; c) Sejam iguais; d) Sejam ímpares. 12- Em um lote de 12 peças, 4 são defeituosas. Sendo retiradas aleatoriamente 2 peças, calcule: 1/11 a) A probabilidade de ambas serem defeituosas; 19/33 b) A probabilidade de ao menos uma ser defeituosa.

Distribuição Normal – É uma distribuição contínua: X pode assumir quaisquer valores do campo real desde -  até +  . Uma forma abreviada de indicar que a variável X se distribui normalmente (ou tem distribuição normal) é escrever X  N ( x; σ² ). 99,74 % 95,44 % 68,26 %

- 3σ

- 2σ

x

σ

Normal Reduzida – Vamos imaginar que uma variável X tenha média x e o desvio padrão σ. Se “empurrarmos” o eixo vertical (freqüências) para a direita até o centro da curva, teremos feito uma operação chamada mudança de origem, em que o zero “mudou de lugar”.

0

0

Tomando uma nova variável Z e definindo-a como:
Zc = xi – x σ Teremos construído uma distribuição normal reduzida.

17 Conclusão: 18 está a 1. . 36). Qual o valor de Zc para xi = 18? N (25.17 desvio padrão à esquerda da média.Exemplo: Seja X com os seguintes parâmetros: N (25. 36) σ= 36  σ = 6 19 25 Sendo: Zc = xi – x σ Zc = 18 – 25 6 18 25 Zc = .1.

iremos recorrer à tábua de probabilidades.07 O Z decomposto em duas parcelas compõe a “moldura” da tábua.1  2ª parcela  0. No exemplo anterior. após consultarmos a tabela.90%.17  1ª parcela  1. No cruzamento das duas parcelas encontra-se a Probabilidade correspondente à área da curva entre 0 e o Zc calculado (também chamado de crítico).3790 ou 37.Com intuito de podermos representar de uma maneira mais simples os dados obtidos. Para consultar a tábua. iremos encontrar: 0. é preciso decompor o Zc em duas parcelas: 1ª Parcela: Parte inteira mais a 1ª casa decimal 2ª Parcela: 0. .0 mais a 2ª casa decimal Assim teremos: Se Zc = 1.

3 milhões? b) Qual a probabilidade dessa empresa obter uma receita inferior a R$ 54 milhões? c) Qual a probabilidade dessa empresa obter uma receita superior a R$ 55. a) Qual a probabilidade dessa empresa obter uma receita entre R$ 54.Exercícios de Distribuição Normal 1. b) Menor ou igual a 20.Uma empresa tem a como média de receita mensal R$ 55 milhões. c) Entre 35 e 42 2. 16): a) Maior ou igual a 40.8 milhões? .44 milhões.Encontre a probabilidade dos eventos abaixo ocorrerem de acordo com a seguinte distribuição X  N(30. e variância de R$ 1.5 e 55.

Erro tipo 2 – aceitar uma hipótese como verdadeira devido as análises da amostra. ela é falsa. o gerente garante que não passa de 10 minutos. afirmações ou alegações sobre um determinado problema. Exemplo: Em uma determinada empresa os funcionários afirmam que permanecem mais de 15 minutos na fila do almoço. E a partir de alguns cálculos poderemos decidir sobre a veracidade ou não dessas hipóteses. . como estabelecer mecanismos para tirarmos essa dúvida? Ao tomarmos qualquer decisão poderemos estar cometendo dois tipos de erros: Erro tipo 1 – abandonar uma hipótese verdadeira devido as análises através da amostra indicarem a hipótese como falsa.Teste de Hipóteses – Iremos analisar algumas hipóteses. com um determinado nível de confiança. porém.

Para isso. n . e através dessa comparação iremos decidir sobre a veracidade ou não de nossa hipótese. após a hipótese. iremos calcular o “novo” Z através da seguinte fórmula: Z= X–x σ/ Onde: X – Média encontrada na amostragem. n – quantidade da amostragem.Iremos estabelecer uma comparação com Z da distribuição amostral. σ – Desvio-padrão. x – Média anterior.

3263. H1 – A média é inferior a 10 erros. 10 erros por 200 números digitados em seqüência. identificaremos na tabela que o valor 2. . aceitaremos H0. e n superior a 30 (n=100). em média. para podermos ter uma confiança de 99%. confiança de 99%. Caso contrário. Assim.3263. com isso: Iremos abandonar a H0 caso o valor encontrado seja maior que 2. 2º Passo: Com α = 0. isto é. Para identificarmos se é procedente a reclamação. iremos proceder: 1º Passo: estabelecer as hipóteses: H0 – A média é igual ou superior a 10 erros.01. com desvio padrão de 3 em uma amostra de 100 conjuntos de 200 digitações.Exemplo: Usuários de um setor de digitação reclamam da enorme ineficiência do setor. devido às altas taxas de erro. encontramos uma média de 8 erros.

com isso. EM UMA CONFIANÇA DE 99%. rejeitamos a hipótese da nulidade H0 de que o número médio de erros por 200 digitações é 10.667 > 2. CONCLUSÃO: A RECLAMAÇÃO NÃO PROCEDE.6.3263.3º Passo: Análise dos dados: X=8 x = 10 σ=3 n = 100 Z= 8 – 10  Z = . .667 3 / 100 Ignorando os sinais teremos que 6.

Formule as hipóteses adequadas para testar esta afirmativa. antes de serem servidos.1 ml e um desvio padrão de 0. Teste a afirmativa do fabricante. a informação de que cada frasco contem 30 ml do líquido. . para serem servidos. 15 minutos na fila do restaurante da empresa. obtendo uma média de 13 minutos com desvio padrão de 1. Estabeleça hipóteses e verifique se o gerente está correto.5 ml. em média. no rótulo. sabendo-se que foi feito uma amostragem do tempo gasto na fila com 100 funcionários.Exercícios de Teste de Hipóteses 1. O gerente afirma que os trabalhadores gastam. conforme dizem.5 minuto.Os funcionários de uma empresa estão voltando mais tarde do almoço porque.Certa marca de corretor líquido tem. ficam. Foram medidos os conteúdos de uma amostra aleatória de 45 frascos. 2. ao nível de 95 % de significância. em média. com confiança de 95%. que forneceu uma média de 29. no máximo 10 minutos na fila.

Uma fábrica de carros produz um tipo no qual afirma que consome.00. com um desvio padrão de R$ 100.A gerência afirma que os bônus pagos aos funcionários são.00. Faça um teste com um nível de 95% de significância. . Teste esta afirmativa da fábrica com um nível de 99% de significância. em média. em média. de R$ 1. 15 km por litro. em média. Você testa uma amostra de 200 carros deste tipo e acha uma média de 12 km por litro com desvio padrão de 2 km por litro.00. Você toma uma amostra aleatória de 100 funcionários que trabalham na empresa e verifica que eles recebem bônus. de R$ 850.000. 4. e comente esta afirmativa da empresa .Exercícios de Teste de Hipóteses 3.