Apostila Estatistica

Faculdades Integradas Maria Imaculada
Unidade Mogi Guau

Estatstica Bsica
Mrcio Lcio Dias Pereira
Novembro/2009
Estatstica Bsica
2
SUMRIO
CAPTULO 1 A NATUREZA DA ESTATSTICA
1.1. Mtodos cientficos ............................................................................................ 03
1.2. A Estatstica......................................................................................................... 03
1.3. Fases do mtodo estatstico............................................................................... 04
CAPTULO 2 POPULAO E AMOSTRA
2.1. Variveis estatsticas........................................................................................... 05
2.2. Populao e amostra.......................................................................................... 05
2.3. Amostragem....................................................................................................... 06
CAPTULO 3 TABELAS
3.1. Elementos de uma tabela................................................................................... 07
CAPTULO 4 SRIES ESTATSTICAS
4.1. Tipos de sries estatsticas ................................................................................. 09
CAPTULO 5 DISTRIBUIO DE FREQNCIAS
5.1. Tabela primitiva.................................................................................................. 11
5.2. Rol ....................................................................................................................... 12
5.3. Distribuio de freqncia ................................................................................. 12
5.4. Elementos de uma distribuio de freqncia................................................... 13
5.5. Tipos de freqncias........................................................................................... 17
CAPTULO 6 GRFICOS ESTATSTICOS
6.1. Principais tipos de grficos ................................................................................. 19
6.2. Diagramas ........................................................................................................... 21
CAPTULO 7 MEDIDAS DE TENDNCIA CENTRAL
7.1. Mdia aritmtica ................................................................................................ 25
7.2. Moda................................................................................................................... 26
7.3. Mediana.............................................................................................................. 28
CAPTULO 8 MEDIDAS DE DISPERSO
8.1. Amplitude total................................................................................................... 32
8.2. Varincia ............................................................................................................. 33
8.3. Desvio padro..................................................................................................... 36
8.4. Coeficiente de Variao...................................................................................... 38
CAPTULO 9 PROBABILIDADE
9.1. Conceito de probabilidade ................................................................................. 41
9.2. Probabilidade condicional .................................................................................. 45
9.3. Teorema da multiplicao.................................................................................. 48
9.4. Teorema da soma............................................................................................... 50
CAPTULO 10 DISTRIBUIO DE PROBABILIDADE
10.1. Varivel aleatria................................................................................................ 53
10.2. Funo de probabilidade.................................................................................... 53
10.3. Distribuio de probabilidade ............................................................................ 54
10.4. Binmio de Newton............................................................................................ 55
10.5. Distribuio binomial.......................................................................................... 57
Estatstica Bsica
3
CAPTULO 1
A NATUREZA DA ESTATSTICA
O domnio da Estatstica e suas aplicaes em vrias reas do conhecimento
humano tm sido cada vez mais reconhecidos pela sua importncia. A sua utilizao prtica no
dia-a-dia de quem trabalha nas reas da sade, educao, comrcio, indstria, servios e sistema
financeiro e outros segmentos mercadolgicos, mostra a necessidade desse conhecimento.
Alm disso, podemos considerar a grande importncia da Estatstica para o meio
acadmico, onde podermos perceber que o interesse dos alunos e professores pela aprendizagem
das tcnicas estatsticas est relacionada a literatura especializada. Isso pode ser facilmente
observado nos projetos de iniciao cientfica, trabalhos de pesquisa, teses e monografias.
Podemos afirmar que a conduo e a avaliao de uma pesquisa dependem, em
grande parte do conhecimento do pesquisador sobre estatstica, principalmente no que se refere
s limitaes das tcnicas utilizadas. A Estatstica trabalha com mtodos cientficos para coleta,
organizao, resumo e apresentao de dados e tambm para a obteno de concluses e a
tomada de decises razoveis.
1.1. Mtodos cientficos
Um mtodo um conjunto de meios dispostos convenientemente para se chegar a um fim
que se deseja.
- Mtodo Experimental: Consiste em manter constantes todas as causas (fatores), menos
uma, e variar esta causa de modo que o pesquisador possa descobrir seus efeitos, caso
existam.
- Mtodo Estatstico: Admite todas essas causas presentes variando-as, registrando essas
variaes e procurando determinar, no resultado final, que influncias cabem a cada uma
delas.
1.2. A Estatstica
uma parte da Matemtica Aplicada que fornece mtodos para coleta, organizao,
descrio, anlise e interpretao de dados e utilizao dos mesmos na tomada de deciso.
- Descritiva: Representa um conjunto de mtodos estatsticos que visam sumariar e
descrever os atributos mais importantes referentes aos dados. Permite a coleta, a
organizao e a descrio dos dados. A descrio dos dados coletados comumente
apresentada em tabelas, grficos e relatrios.
Estatstica Bsica
4
- Inferencial: Tambm chamada de indutiva, representa um conjunto de mtodos
estatsticos que visam caracterizar ou inferir sobre uma populao a partir de uma parte
dela. Permite a analise e interpretao dos dados, tomando como base as amostras
estatsticas.
1.3. Fases do mtodo estatstico
Podemos distinguir no mtodo estatstico as seguintes fases:
- Definir o Problema: Formular corretamente o problema sobre
o qual dever ser realizada uma pesquisa. Deve-se saber
exatamente aquilo que se pretende pesquisar.
- Planejamento: Determinar os procedimentos necessrios para
resolver o problema definido. Como levantar informaes
sobre o assunto objeto do estudo. Escolher e formular
corretamente as perguntas. Definir o tipo de levantamento, as
caractersticas mensurveis, o cronograma de atividades, os
custos envolvidos, etc.
- Coleta de dados: o registro sistemtico dos dados
pesquisados. Pode ser direta, quando feita sobre elementos
informativos de registro obrigatrio (nascimento, pronturios,
etc.) ou coletados pelo prprio pesquisador atravs de
inquritos ou questionrios. Pode ser indireta, quando
inferida de elementos conhecidos (coleta direta) ou do
conhecimento de fenmenos relacionados.
- Apurao dos dados: Refere-se a fase de tabulao ou processamento dos dados obtidos e
a disposio mediante critrios de classificao. Pode ser feita de forma manual,
eletromecnica ou eletrnica.
- Apresentao dos dados: Qualquer que seja a finalidade da pesquisa efetuada, os dados
devem ser apresentados sob uma forma adequada (tabelas, grficos, etc.). Esse
procedimento torna mais fcil o exame daquilo que est sendo objeto de tratamento
estatstico.
- Anlise dos resultados: O objetivo da estatstica tirar concluses sobre o todo
(populao) a partir de informaes fornecidas por parte representativa deste todo
(amostra). Assim deve ser feita uma anlise atravs dos mtodos da Estatstica Indutiva ou
Inferencial.
Estatstica Bsica
5
CAPTULO 2
POPULAO E AMOSTRA
A Estatstica est baseada na teoria das probabilidades, cujo principal objetivo nos
auxiliar a tirar concluses, em situaes de incerteza, a partir de informaes numricas de uma
amostra. Portanto, entender o conceito de populao e amostra se torna fundamental para a
utilizao de todas as tcnicas estatsticas que sero apresentadas.
2.1. Variveis estatsticas
A cada fenmeno corresponde um conjunto de resultados possveis. Como por exemplo: sexo
(masculino ou feminino), idade (10, 35, 60, ...), estatura (1,75; 1,87; 1,50, ...). Assim, uma
varivel pode ser:
- Qualitativa: Quando seus valores so expressos por atributos: pas de origem (Brasil, Itlia,
Espanha, etc.); cor da pele (branca, preta, amarela, etc.); grau e instruo (analfabeto,
fundamental, etc.).
- Quantitativa: Quando seus valores so expressos em nmeros. Recebe o nome de
quantitativa contnua, quando pode assumir valores entre dois intervalos (altura, peso,
etc.), ou seja, valores que podem ser medidos. Recebe o nome de quantitativa discreta
quando pode assumir valores enumerveis (nmero de filhos, nmero de alunos, etc.), ou
seja, valores que podem ser contados.
2.2. Populao e amostra
- Populao: Representa o conjunto de elementos que tm, em comum, pelo menos uma
determinada caracterstica. Em qualquer estudo estatstico pretendemos pesquisar uma
ou mais caractersticas dos elementos de alguma populao, por exemplo: alunos que
possuem algum animal de estimao, casais que possuem mais de cinco filhos, etc.
- Amostra: Na maioria das vezes, por alguma impossibilidade ou inviabilidade, limitamos as
observaes referentes a uma determinada pesquisa a apenas uma parte da populao
que chamamos de amostra. Portanto, uma amostra representa um subconjunto finito de
uma populao.
Estatstica Bsica
6
2.3. Amostragem
Existe uma tcnica para recolher amostras, que garante, tanto quanto possvel, o acaso na
escolha. Dessa forma, cada elemento da populao passa a ter a mesma chance de ser
escolhido, o que garante amostra o carter de representatividade. Podemos ento, definir,
algumas tcnicas para que ocorra esta amostragem:
- Casual ou aleatria simples: Composta por elementos retirados ao acaso de uma
populao. Na prtica, pode ser realizada numerando-se a populao e sorteando-se, a
seguir, por meio de um dispositivo aleatrio qualquer.
- Proporcional ou estratificada: Composta por elementos provenientes de estratos da
populao, que alm, de considerar a existncia dos estratos, obtm os elementos da
amostra proporcional ao nmero de elementos dos mesmos. Muitas vezes a populao se
divide em estratos, como por exemplo: sexo masculino e sexo feminino.
- Sistemtica: Quando os elementos da populao j se acham ordenados, no h
necessidade de construir os sistemas de referncia. Nestes casos, a seleo dos elementos
que constituiro a amostra pode ser feita por um sistema imposto pelo pesquisador. Por
exemplo: Em uma linha de produo de uma indstria, podemos a cada 20 itens
produzidos, retirar um para pertencer a uma amostra de produo diria, neste caso,
teramos fixado o tamanho da amostra em 20% da populao.
Estatstica Bsica
7
CAPTULO 3
TABELAS
Um dos objetivos da Estatstica sintetizar os valores que as variveis podem
assumir. Isso pode ser feito atravs da apresentao dos dados na forma de tabelas. Uma tabela
um quadro que resume um conjunto de observaes, fornecendo informaes rpidas e seguras a
respeito das variveis em estudo.
3.1. Elementos de uma tabela
A apresentao tabular (em tabelas) feita com a
disposio dos dados em linhas e colunas de acordo com
normas bem rgidas, de aplicao mundial. No caso do
Brasil, as regras foram definidas pela Fundao IBGE, para
orientar a exposio racional e uniforme de dados
estatsticos.
Para manter esta estruturao e uma padronizao de
acordo com as normas, podemos definir que uma tabela
compe-se de elementos essenciais e complementares.
Considerando a tabela apresentada ao lado, vamos
reescrev-la logo abaixo, detalhando cada um dos seus
elementos.
Estatstica Bsica
8
- Elementos essenciais:
1. Corpo: Conjunto de linhas e colunas que contm informaes sobre as variveis me
estudo;
2. Cabealho: Parte superior da tabela que especifica o contedo das colunas;
3. Ttulo: Conjunto de informaes localizadas no topo da tabela, que permite responder
s seguintes perguntas sobre a mesma: O que?, Quando?, Onde?;
4. Linhas: Informaes dispostas horizontalmente, contendo os dados que se inscrevem
nos seus cruzamentos com as colunas;
5. Coluna indicadora: Especifica os contedos das linhas;
6. Clula: Espao destinado a um nico dado, cuja posio a interseco entre uma
linha com uma coluna (casa).
- Elementos complementares:
7. Linha de total: Permite consultar os dados referentes s somatrias de algumas das
colunas;
8. Fonte: Indicao da origem dos dados, ou seja, a entidade ou pessoa responsvel pelo
seu fornecimento;
9. Notas: Permite conceituar ou esclarecer o contedo de uma tabela ou indicar a
metodologia empregada na coletas de dados.
10. Chamadas: Informaes especficas sobre partes da tabela, com objetivo de esclarecer
ou conceituar dos dados.
- Dados das clulas:
De acordo com a Resoluo 886 da Fundao IBGE, nas casas ou clulas devemos colocar:
a) Um trao horizontal () quando o valor zero;
b) Trs pontos (...) quando no temos os dados;
c) Um ponto de interrogao (?) quando temos dvida quanto exatido de determinado
valor;
d) Zero (0) quando o valor muito pequeno para ser expresso pela unidade utilizada.
Estatstica Bsica
9
CAPTULO 4
SRIES ESTATSTICAS
Denominados de srie estatstica toda tabela que apresenta a distribuio de um
conjunto de dados estatsticos em funo da poca, do local ou da espcie. Ento, podemos inferir
que numa srie estatstica observamos a existncia de trs fatores: o tempo, o espao e a espcie.
4.1. Tipos de sries estatsticas
- Sries histricas, cronolgicas, temporais ou marchas
Descrevem os valores da varivel em determinado instante, discriminados de acordo com
intervalos de tempo variveis. Veja um exemplo na tabela abaixo:
- Sries geogrficas, espaciais, territoriais ou de localizao
Descrevem os valores da varivel em determinado local, discriminados de acordo com as
regies. Veja um exemplo na tabela abaixo:
Estatstica Bsica
10
- Sries especficas ou categricas
Descrevem os valores da varivel em determinado tempo e local, discriminados, de acordo
com especificaes ou categorias. Veja um exemplo na tabela abaixo:
- Sries conjugadas
Muitas vezes temos a necessidade de apresentar, em uma nica tabela, a variao de
valores de mais de uma varivel, isto , fazer uma conjugao de duas ou mais sries.
Conjugando duas sries em uma nica tabela, obtemos uma tabela de dupla entrada. Em
uma tabela desse tipo ficam criadas duas ordens de classificao: uma horizontal (linha) e
uma vertical (coluna). Veja um exemplo na tabela abaixo:
Estatstica Bsica
11
CAPTULO 5
DISTRIBUIO DE FREQNCIAS
Nos captulos anteriores, vimos que uma das tarefas do estatstico a coleta de
dados. Assim, depois de apurar e reunir os dados, devemos condens-los e apresent-los. Essa
apresentao pode ser feita em uma de modo a dar uma viso global daquilo que ser analisado.
Cada tabela tem um objetivo diferente, servindo para mostrar os dados estatsticos
associados a um fato constituindo uma srie estatstica, apresentando elementos bsicos tais
como: tempo, espao e espcie. A srie chamada distribuio de freqncia apresenta dados
numricos em ambas as colunas que compem estas tabelas.
Para conhecer um fato preciso representar e tratar os dados, realizando clculos
de muitas medidas existentes na Estatstica, somente possveis para as distribuies de
freqncias. Elas so, por isso, as sries mais importantes e merecem ser estudadas com bastante
ateno.
Essa srie a mais complexa e utilizada das sries estatsticas. Nela, todos os
fatores (tempo, espao, espcie) so fixos. Os dados colhidos so medidas de alguma varivel e
so distribudas de acordo com a freqncia, ou seja, o total de vezes que o dado acontece. Da o
nome distribuio de freqncia.
5.1. Tabela primitiva
Pode ser definida como uma tabela cujos elementos no foram organizados numericamente.
As tabelas primitivas no do ao leitor uma viso rpida e global do fenmeno (veja Figura
5.1).
Os dados ficam difceis de serem averiguados, mesmo sendo conhecidos os valores das
variveis, portanto, a maneira mais fcil de organizar estes dados atravs de certa
ordenao (crescente ou decrescente).
Figura 5.1
Estatstica Bsica
12
5.2. Rol
A tabela obtida aps uma ordenao especfica dos dados
recebe o nome de rol (veja a tabela ao lado). Dessa forma,
podemos identificar com relativa facilidade alguns
comportamentos das variveis no grupo como um todo.
Ainda que os dados estejam organizados numericamente,
as tabelas com grande nmero de dados so cansativas e
dificultam a anlise das informaes tabuladas, quando
desejamos informaes mais especficas sobre os
fenmenos, como, por exemplo, a participao percentual
da varivel em um intervalo.
5.3. Distribuio de freqncia
Nessa forma de apresentao das variveis, os dados colhidos so distribudos de acordo com
a freqncia (total de vezes que o dado aparece). Nessas distribuies, os dados so dispostos
ordenadamente em colunas, para facilitar o exame e possibilitar o clculo de medidas
estatsticas. H dois tipos de distribuio de freqncias que podemos considerar.
- Dados agrupados sem intervalos de classes
Nessa distribuio, todos os valores obtidos so considerados e
ordenados em uma nica coluna. Na outra coluna, anotamos o
nmero de vezes que cada valor ocorreu, ou seja, a freqncia.
Esse tipo de distribuio chamado de distribuio de dados
agrupados sem intervalos de classes (veja a tabela ao lado).
Distribuies com essa no contribuem muito para a anlise
dos dados e nem facilitam o clculo de medidas que permitem
a descrio numrica da srie, principalmente quando possui
um nmero muito grande de valores diferentes.
Estatstica Bsica
13
- Dados agrupados com intervalos de classes
Nessa forma de distribuio de freqncias, se faz o
agrupamento dos valores das variveis em vrios intervalos.
Este tipo de organizao de dados chamado de distribuio
de freqncia de dados agrupados com intervalos de classes
(veja a tabela ao lado). Chamamos de classes, os intervalos de
variao de uma determinada varivel observada.
O que se pretende com esse tipo de tabela realar o que h
de essencial nos dados e, tambm tornar possvel o uso de
tcnicas analticas para sua total descrio, at porque a
Estatstica tem por finalidade especifica analisar o conjunto de
valores, e no os casos isolados.
5.4. Elementos de uma distribuio de freqncia
Para facilitar o entendimento, vamos considerar a tabela de distribuio de freqncia
apresentada na tabela mostrada abaixo:
- Classe
Classe de freqncia ou, simplesmente, classes so intervalos de variao de uma varivel.
As classes so representadas simbolicamente por i , sendo 1, 2, 3, ..., i k = (onde k o
nmero total de classes da distribuio). Considerando como exemplo a tabela mostrada
logo acima, podemos afirmar que:
a) O intervalo 410| 540 , define a primeira classe ( 1 i = );
b) O intervalo 540| 670 , define a segunda classe ( 2 i = );
c) Como a distribuio mostrada na tabela formada de seis classes, podemos afirmar que
nesse caso, 6 k = .
Estatstica Bsica
14
- Um roteiro para construir uma tabela com distribuio de freqncias com intervalos
de classes
Para ilustrar como pode ser definida uma tabela de distribuio de freqncias com
intervalos de classe, utilizaremos como exemplo os dados da tabela apresentada na tabela
mostrada logo abaixo:
Ao construirmos a distribuio de freqncias por intervalos de classes, a partir dos dados
mostrados na Figura 5.4.2, podemos dizer que os principais estgios da construo desta
distribuio so os seguintes:
a) Determinar o intervalo total dos dados
Podemos definir que a amplitude total da distribuio (AT) a diferena entre o limite
superior da ltima classe (limite superior mximo) e o limite inferior da primeira classe
(limite inferior mnimo).
max min
AT L l =
Considerando a tabela apresentada logo acima e, como estamos querendo montar a
tabela distribuio de freqncias por intervalos de classes, devemos determinar o
intervalo total dos dados dessa tabela, portanto:
Maior salrio: 1180
Menor salrio: 412
max min
1180 412 768 AT L l AT AT = = =
b) Definir o nmero de classes a ser adotado
De um modo geral recomendamos que as tabelas tenham no mnimo 4 classes e no
mximo 15. Para determinao do nmero de classes de uma distribuio podemos
utilizar algumas regras.
Estatstica Bsica
15
Regra prtica: Calcular a raiz quadrada do total de observaes da tabela ( n ). Para
a tabela exemplo, teramos a seguintes valores:
40 n = (total de observaes da tabela).
40 6,324 k n k k = = ~
Neste caso, podemos arredondar para 6, portanto, 6 k = .
Isso significa que este um nmero adequado para a quantidade de classes que
esta tabela poderia ter.
Regra de Sturges: Fornece o nmero de classes ( k ) em funo do nmero de
valores da varivel ( n ) que representa o nmero de observaes da tabela. Para a
tabela exemplo, teramos a seguintes valores:
40 n = (total de observaes da tabela).
1 3, 222 log( ) 1 3, 222 log(40) k n k = + = +
1 3, 222 1, 602 6,162 k k = + ~
Neste caso, podemos arredondar para 6, portanto, 6 k = .
Isso significa que este um nmero adequado para a quantidade de classes que
esta tabela poderia ter.
c) Definir a amplitude das classes
Calculamos a amplitude de classes (h) dividindo a amplitude total (AT) pelo nmero de
classes ( k ). Para os dados da tabela da Figura 4.4.2 e considerando os clculos obtidos
anteriormente, teramos para a amplitude das classes, o seguinte valor:
768
128
6
AT
h h h
k
= = =
Quando o resultado no exato, podemos arredond-lo para maior para tornar mais
prtica a formao das classes. Neste caso, portanto, ser adotada a amplitude das
classes para 130 h = .
d) Estabelecer os intervalos preliminares
Para obtermos o primeiro intervalo de classe (1 classe), somamos ao limite mnimo
inferior da tabela (
min
l ) o valor obtido no clculo da amplitude das classes (h), para
obtermos o limite superior da primeira classe.
Estatstica Bsica
16
Para obtermos o segundo intervalo de classe (2 classe), consideramos o limite superior
da primeira classe como sendo o limite inferior da segunda classe, ento, somamos a
este o valor obtido no clculo da amplitude das classes (h), para obtermos o limite
superior da segunda classe.
Assim, sucessivamente iremos estruturando todos os intervalos de classes da tabela.
Uma observao importante, que para definir o valor do limite mnimo da tabela,
podemos adotar um valor arredondado para facilitar os clculos dos intervalos de
classe.
Por exemplo, para os dados constantes da tabela apresentada na Figura 5.4.2,
poderamos estabelecer para os intervalos preliminares de cada uma das classes, os
seguintes valores:
1 classe: Limite inferior da tabela: 412 (arredondado para 410 )
Limite superior da classe: 410 410 130 540 h + + =
Intervalo de classe: 410 540
2 classe: Limite inferior da classe: 540
Estatstica Bsica
17
Observaes:
Para cada resultado obtido para uma varivel observada, dever haver uma classe na
qual este valor dever ser encaixado;
Cada resultado obtido para a varivel observada dever pertencer a uma, e somente
uma nica classe.
5.5. Tipos de freqncias
Para explicar cada um dos tipos de freqncias que sero apresentados, utilizaremos como
exemplo, as informaes constantes da tabela mostrada abaixo.
- Ponto mdio da classe (
i
x )
O ponto mdio de uma classe divide o intervalo da classe em duas partes iguais. Para
obtermos o ponto mdio de uma classe, podemos calcular a mdia aritmtica entre o
intervalo dessa classe. Veja estas informaes na tabela exemplo.
2
i i
i
l L
x
+
=
Onde:
i
x : Ponto mdio do intervalo de classe
i
l : Limite inferior da classe
i
L : Limite superior da classe
Estatstica Bsica
18
- Freqncia simples ou absoluta (
i
f )
So os valores que realmente representam o nmero de dados (observaes) de cada
classe. A soma das freqncias simples igual ao nmero total dos dados observados ( n ).
Veja estas informaes na tabela exemplo.
i
f n =
- Freqncia simples relativa (

i
fr )
So os valores das razes entre as freqncias simples de cada classe (
i
f ) e a soma destas
freqncias (
i
f
). Veja estas informaes na tabela exemplo.

i
i
i
f
fr
f
=
O propsito das freqncias relativas o de facilitar as comparaes. A soma das

freqncias simples (
i
f
) igual a 1 ou 100%, ou seja:

1
i
fr =
ou 100%
i
fr =
- Freqncia acumulada (
i
F )
total das freqncias de todos os valores inferiores ao limite superior do intervalo de
uma dada classe. Veja estas informaes na tabela exemplo.
1 2 k k
F f f f = + + +
- Freqncia acumulada relativa (
i
Fr )
So os valores das razes entre as freqncias acumuladas de cada classe (
i
F ) e a soma
destas freqncias (
i
f
).Veja estas informaes na tabela exemplo.

i
i
i
F
Fr
f
=
Estatstica Bsica
19
CAPTULO 6
GRFICOS ESTATSTICOS
O grfico estatstico uma forma de apresentao dos dados estatsticos cujo
objetivo o de produzir, no investigador ou no pblico em geral, uma impresso mais rpida e
viva do fenmeno em estudo.
Para tornarmos possvel uma representao grfica, estabelecemos uma
correspondncia entre os termos da srie e determinada figura geomtrica, de tal modo que cada
elemento da srie seja representado por uma figura proporcional. A representao grfica de um
fenmeno deve obedecer a certos requisitos fundamentais para ser realmente til:
- Simplicidade: O grfico deve ser destitudo de detalhes de importncia secundria,
assim como de traos desnecessrios que possam levar o observador a uma anlise
morosa ou com erros.
- Clareza: O grfico deve possibilitar uma correta interpretao dos valores
representativos do fenmeno em estudo.
- Veracidade: O grfico deve expressar a verdade sobre o fenmeno em estudo.
6.1. Principais tipos de grficos
Os principais tipos de grficos podem ser classificados em diagramas, cartogramas e
pictogramas. Nesse nosso estudo, sero abordados especificamente grficos do tipo
diagramas, no entanto, a ttulo de conhecimento, podemos citar tambm os outros tipos.
- Diagramas: So grficos geomtricos que utilizam em geral o sistema cartesiano para
represent-lo. Dentre os principais grficos desse tipo podemos temos grfico de
linhas ou curvas, grficos de colunas ou barras, grficos de setores, histogramas e
polgonos de freqncias.
Exemplos:
Estatstica Bsica
20
- Cartogramas: So grficos cujas representaes so feitas em cartas geogrficas. Este
tipo de grfico empregado quando o objetivo o de figurar os dados estatsticos
diretamente relacionados com reas geogrficas ou polticas.
Exemplos:
- Pictogramas: Os grficos de pictogramas constituem um dos processos grficos bem
interessantes, comunica de maneira simples ao pblico, pela sua forma ao mesmo
tempo, atraente e sugestiva. Sua representao grfica feita atravs de figuras
relacionadas aos dados que esto sendo apresentados.
Exemplos:
Estatstica Bsica
21
6.2. Diagramas
Existem normas nacionais para a construo e grficos, ditadas pela Fundao IBGE. Assim,
importante que os grficos apresentem ttulo, escala e legenda. O ttulo pode ser colocado
tanto acima como abaixo do grfico. As escalas devem crescer da esquerda para a direita ou
de baixo para cima.
As legendas explicativas dever ser colocadas, de preferncia, direita do grfico. Dentre os
principais diagramas podemos destacar os grficos de barras, colunas, linhas, curvas,
setores, histogramas e polgonos de freqncias. Vejamos na seqncia, cada um desses
grficos:
- Grfico de barras ou colunas
Os grficos de barras ou de colunas so usados para apresentar variveis qualitativas
ou ordinais. Para fazer estes tipos de grficos, primeiro traa-se o sistema de eixos
cartesianos.
Depois colocam-se, no eixo das abscissas (ou das ordenadas) as categorias da varivel
em estudo. Em seguida, constroem-se barras retangulares com base no eixo das
abscissas (ou das ordenadas) e com alturas (ou comprimentos) proporcionais s
freqncia dos dados.
Os grficos quando em colunas, so constitudos de retngulos que tm a mesma base
e as alturas so proporcionais aos dados estatsticos representados. Quando em
barras, os retngulos tm a mesma altura e os comprimentos so proporcionais aos
respectivos dados.
Exemplos:
Estatstica Bsica
22
- Grfico em linhas ou curvas
O grfico de linhas ou curvas se utiliza da linha poligonal para representar a srie
estatstica. Constitui uma aplicao do processo de representao das funes num
sistema de coordenadas cartesianas.
Tendo determinado graficamente, todos os pontos da srie, usando as coordenadas,
ligamos todos esses pontos, dois a dois, por segmentos de reta, o que ir representar
uma poligonal, que o grfico em linha ou em curva correspondente srie em
estudo.
Exemplo:
- Grfico de setores
Este grfico constitudo com base em um crculo, e empregado sempre que
desejamos ressaltar a participao do dado no total. Este total representado pelo
crculo que fica dividido em tantos setores quantas so as partes.
Os setores so tais que suas reas so respectivamente proporcionais aos dados da
srie. Obtemos cada setor por meio de uma regra de trs simples e direta, lembrando
que o total da srie corresponde a 360.
Exemplo:

Estatstica Bsica
23
- Histograma
Os dados apresentados em tabelas de distribuio de freqncias em intervalos de
classes podem ser representados graficamente em atravs de histogramas. Este tipo
de grficos consiste em um conjunto de retngulos contguos, tantos quantos forem as
classes de uma distribuio representada.
O princpio de um histograma que as bases dos retngulos sejam proporcionais aos
intervalos das classes e que as alturas sejam proporcionais s freqncias da
distribuio, resultando, assim, em reas dos retngulos tambm proporcionais s
freqncias das classes.
Exemplo:
- Polgono de freqncias
Os dados apresentados em tabelas de distribuio de freqncia em intervalos de
classes, tambm podem se apresentados em grficos denominados polgonos de
freqncia.
Para fazer esse tipo de grfico, primeiro se traa o sistema de eixos cartesianos.
Depois, se os intervalos de classes so iguais, marcam-se pontos com abscissas iguais
aos pontos mdios dos intervalos das classes e ordenadas iguais s respectivas
freqncias.
Para fechar o polgono, unem-se os extremos da figura com o eixo horizontal, nos
pontos de abscissas iguais aos pontos mdios de uma classe imediatamente inferior
primeira, e de uma classe imediatamente superior ltima.
Estatstica Bsica
24
Exemplo1:
Exemplo 2:
Estatstica Bsica
25
CAPTULO 7
MEDIDAS DE TENDNCIA CENTRAL
As medidas de posio ou medidas de tendncia central so estatsticas que
representam uma srie de dados orientando-nos quanto posio da distribuio em relao ao
eixo horizontal. As mais importantes so as medidas de tendncia central, onde os dados
observados tendem, em geral, a se agrupar em torno dos valores centrais.
7.1. Mdia aritmtica
o quociente da diviso da soma dos valores da varivel pelo nmero total de valores
existentes na srie. Utilizamos a mdia quando desejamos obter a medida de posio que
possui maior estabilidade.
Em uma tabela com distribuio de freqncia de dados agrupados, para efetuar o clculo da
mdia aritmtica, devemos considerar as seguintes situaes:
- Sem intervalos de classes: Neste caso as freqncias so nmeros indicadores de
intensidade de cada valor da varivel, funcionando como fatores de ponderao, o que nos
leva a calcular a mdia aritmtica ponderada, dada pela frmula:
i i
i
X f
X
f
Onde:
i
X : Valores da varivel
i
f : Freqncia simples absoluta
Exemplo: Seja a tabela abaixo. Determine a mdia aritmtica da srie.
i i
i
X f
X
f
846
44
X =
19, 23 X =
Estatstica Bsica
26
- Com intervalo de classes: Neste caso, convencionamos que todos os valores includos
em um determinado intervalo de classe coincidem com o seu ponto mdio, e
determinamos a mdia aritmtica ponderada pela frmula:
i i
i
X f
X
f
Onde:
i
X : Ponto mdio da classe
i
f : Freqncia simples absoluta
Observao: Para determinar o ponto mdio de cada um dos intervalos de classe,
podemos utilizar a seguinte frmula:
i
inf sup
2
i
i
l l
X
+
=
Onde:
i
inf
l : Limite inferior do intervalo de classe
sup
i
l : Limite superior do intervalo de classe
Exemplo: Seja a tabela abaixo. Determine a mdia aritmtica da srie.
i i
i
X f
X
f
2440
40
X =
61 X =
7.2. Moda
Moda a denominao dada ao resultado que aparece mais vezes em um conjunto de dados,
ou seja, o valor que ocorre com maior freqncia em uma srie de valores. A moda utilizada
quando desejamos obter uma medida rpida e aproximada de posio ou ainda, quando a
medida de posio deve ser o valor mais tpico da distribuio.
Estatstica Bsica
27
Podemos encontrar sries que apresentem dois ou mais valores de concentrao. Neste caso,
dizemos que estas sries possuem dois ou mais valores modais. Entretanto, podemos
encontrar sries nas quais no exista valor modal, isto , nas quais nenhum valor aparea
mais vezes que outros.
Neste caso, dizemos que se trata de uma srie amodal. Em uma tabela com distribuio de
freqncia de dados agrupados, para encontrar o valor da moda, devemos considerar as
seguintes situaes:
- Sem intervalos de classes: Uma vez agrupados os dados, possvel determinar a moda,
fixando o valor da varivel de maior freqncia.
Exemplo 1: Seja a tabela abaixo. Determine a moda da srie.
20 Mo =
A moda representa o valor da varivel de maior freqncia
da tabela (
2
13 f = ).
- Com intervalo de classes: Consiste em tomar o ponto mdio da classe modal. A classe
modal representada pelo intervalo de classe que apresenta a maior freqncia.
inf sup
2
Mo Mo
l l
Mo
+
=
Onde:
inf
Mo
l : Limite inferior da classe modal
sup
Mo
l : Limite superior da classe modal
Exemplo 2: Seja a tabela abaixo. Determine a moda da srie.
Classe modal:
inf sup
2
Mo Mo
l l
Mo
+
=
158 162
2
Mo
+
=
160 Mo cm =
Estatstica Bsica
28
7.3. Mediana
A mediana definida como nmero que se encontra no centro de uma srie de nmeros,
estando estes dispostos segundo uma ordem. Este valor separa exatamente ao meio uma
srie, quando seus valores esto em ordem crescente ou decrescente.
A mediana de um conjunto de valores ordenados o valor situado de tal forma nesse
conjunto, que o separa em dois subconjuntos de mesmo nmero de elementos.
Empregamos a mediana quando desejamos obter o ponto que divide a distribuio em partes
iguais. Ou ainda, quando h valores extremos que afetam de uma maneira acentuada o
clculo da mdia aritmtica. Em uma tabela com distribuio de freqncia de dados
agrupados, para calcular o valor da mediana, devemos considerar as seguintes situaes:
- Sem intervalos de classes: Neste caso, identificamos a freqncia acumulada
imediatamente superior metade da soma das freqncias. A mediana, ento, ser o valor
da varivel que corresponde a tal freqncia acumulada. Devemos considera duas
situaes possveis.
a) Quando o somatrio da freqncia simples absoluta (
i
f
) for um nmero mpar o

valor mediano ser o termo de ordem dado pela frmula:
Onde:
Termo : Valor correspondente a posio obtida
i
f
: Somatrio da freqncia simples absoluta

Exemplo 1: Seja a tabela abaixo. Determine a mediana da srie.
Estatstica Bsica
29
b) Quando o somatrio da freqncia simples absoluta (
i
f
) for um nmero par o valor

mediano ser o termo de ordem dado pela frmula:
Onde:
Termo : Valor correspondente a posio obtida
i
f

Exemplo 2: Seja a tabela abaixo. Determine a mediana da srie.
- Com intervalo de classes: Neste caso, devemos determinar o ponto do intervalo em que
est compreendido a mediana. Portanto, temos que encontrar a classe na qual se acha a
mediana (classe mediana). Na prtica, para determinar a mediana numa srie com
intervalos de classes, executamos os seguintes passos:
a) Determinamos a freqncia simples acumulada dos intervalos de classes (
i
F )
b) Calculamos a posio ou lugar da classe mediana ( LMd ), para determinar o intervalo
de classe onde a mediana dever situar-se. Para isso utilizamos a seguinte frmula:
2
i
f
LMd =

Estatstica Bsica
30
Onde:
LMd : Posio (lugar) da classe mediana
i
f

c) Marcamos a classe correspondente freqncia simples acumulada que seja
imediatamente anterior a classe mediana (
Md
ant
F
).
d) Aplicamos a seguinte frmula para o clculo da mediana (
Md
).
inf
2
Md
Md
i
ant
Md
Md
f
F
Md l h
f
| |
|
| = +
|
|
\ .
Onde:
inf
Md
l : Limite inferior da classe mediana
i
f

Md
h : Amplitude do intervalo da classe mediana
Md
f : Freqncia simples absoluta da classe mediana
Md
ant
F : Freqncia acumulada da classe anterior classe mediana
Exemplo: Seja a tabela abaixo. Determine a mediana da srie.
Resoluo:
a) Calcular a Freqncia Acumulada (
i
F ) dos intervalos de classes (estes valores esto
calculados na tabela acima).
Estatstica Bsica
31
b) Calcular o lugar da classe mediana:
40
20
2 2
i
f
LMd LMd LMd = = =
Logo, a classe mediana ser:

c) Marcar freqncia acumulada da classe anterior classe mediana:
13
Md
ant
F =

d) Aplicar a frmula para calcular a mediana:
inf
2
Md
Md
i
ant
Md
Md
f
F
Md l h
f
| |
|
| = +
|
|
\ .
40
13
20 13 7
2
58 4 58 4 58 4
11 11 11
Md Md Md
| |
|
| | | |
= + = + = +
| | |
\ . \ .
|
\ .
58 0, 6363 4 58 2, 54 60, 54 Md Md Md = + = + =
Estatstica Bsica
32
CAPTULO 8
MEDIDAS DE DISPERSO
Para avaliar quantitativamente o grau de variabilidade ou disperso dos valores de
um conjunto de nmeros em torno do valor mdio lanaremos mo das estatsticas denominadas
medidas de disperso. As principais so: a amplitude total, a varincia, o desvio padro e o
coeficiente de variao de Person.
So medidas utilizadas para medir o grau de variabilidade dos valores observados
em torno da mdia aritmtica. Medem a representatividade da mdia e proporcionam o
conhecimento do nvel de homogeneidade ou heterogeneidade dentro de cada grupo analisado.
8.1. Amplitude total
A amplitude total corresponde diferena entre o maior e o menor valor da srie de dados,
ou seja, distncia entre os valores extremos. a forma mais simples de avaliar a
disperso dos dados, de tal modo que quanto maior for a amplitude total maior a disperso
dos dados.
Este valor, porm, no mede bem a disperso dos dados porque, em seu clculo, usam-se
apenas os valores extremos, e no todos os dados da amostra. Os valores extremos so
muito variveis com relao a amostra que se retire de uma populao, de tal modo que
duas distribuies podemter a mesma amplitude total, mas disperses muito diferentes.
Outro inconveniente da amplitude total consequncia de no tomar em considerao as
frequncias das observaes. No entanto, a amplitude muito utilizada, principalmente
porque fcil de calcular e interpretar. Para calcular esta medida, podemos considerar as
seguintes situaes:
- Sem intervalos de classes: Quando os dados estiverem organizados dessa forma, voc
poder calcular a amplitude total utilizando a seguinte expresso:
max min
AT x x =
Onde:
max
x
: Maior valor da tabela
min
x
: Menor valor da tabela
Estatstica Bsica
33
Exemplo: Seja a tabela abaixo. Determine a amplitude total.
Tabela 1
x
i
f
i
0 2
1 6
2 12
3 7
4 3
max min
4 0
4
AT x x
AT
AT
=
=
=
- Com intervalos de classes: Quando os dados estiverem organizados dessa forma, voc
poder calcular a amplitude total utilizando a seguinte expresso:
max min
AT l l =
Onde:
max
l : Limite superior da ltima classe
min
l : Limite inferior da primeira classe
Exemplo: Seja a tabela abaixo. Determine a amplitude total.
Tabela 2
classes f
i
50 |54 4
55 |58 9
58 |62 11
Total 14
max min
62 50
12
AT l l
AT
AT
=
=
=
8.2. Varincia
Os dados distribuem-se em torno da mdia, ento, o grau de disperso de um conjunto de
dados pode ser medido pelos desvios em relao mdia. Para medir a disperso dos valores
da srie em relao mdia, pode-se pensar que basta simplesmente somar os desvios em
relao mdia.
Porm, se fizer esta experincia verificar que no foi uma boa idia, porque a soma dos
desvios sempre igual a zero. Assim ser necessrio considerar os desvios
independentemente do sinal da diferena.
Estatstica Bsica
34
E isso ser feito por meio do clculo da diferena ao quadrado. Tem-se ento, que a varincia
baseia-se nos desvios em torno da mdia aritmtica, porm, determinando a mdia
aritmtica dos quadrados dos desvios.
- Varincia populacional: Quando o conjunto das observaes uma populao, chamada
de varincia da populao ou varincia populacional. A varincia populacional dada por:
( )
2
2
i
x x
n

=

Onde:
2
: Varincia populacional
n: Tamanho da populao (
i
n f =E )
i
x : Ponto mdio de cada classe
x : Mdia aritmtica da populao
i
f : Freqncia absoluta de cada classe
Quando j se tm os dados organizados em uma tabela, pode-se calcular a varincia
amostral pela seguinte frmula:
2
2
2
i i
i i
f x
f x
n
n
| |
|
\ .

=
Na prtica, quando lidamos com grandes populaes, quase sempre impossvel achar o
valor exato da varincia da populao, devido ao tempo, custo e outras restries aos
recursos.
- Varincia amostral: Se o conjunto das observaes uma amostra estatstica, chamamos
de varincia da amostra ou varincia amostral. A varincia amostral dada por:
2
2
( )
1
i
x x
s
n
Estatstica Bsica
35
Onde:
2
s : Varincia amostral
n: Tamanho da amostra da populao (
i
n f =E )
i
x : Mdia aritmtica da amostra
i
Com relao a diferena entre as frmulas podemos observar que para o caso da varincia
populacional (
2
), utiliza-se a mdia populacional ( x ) tendo como denominador o
tamanho da populao ( n). Para o clculo da varincia amostral (
2
s ), utiliza-se a mdia
amostral ( x ), tendo como denominador o tamanho da amostra menos ( 1 n ).
Quando j se tm os dados organizados em uma tabela, pode-se calcular a varincia
amostral pela seguinte frmula:
2
2
2
1
i i
i i
f x
f x
n
s
n
| |
|
\ .

=
Exemplo: Considerando os dados apresentados na tabela abaixo, calcular a varincia

amostral tabela.
Resoluo:
( )
2
2
2
2 2
2 2
2 2
6.440
1.038.080
40
1 40 1
41.473.600
1.038.080
1.038.080 1.036.840
40
39 39
1.240
31, 7948
39
i i
i i
f x
f x
n
s s
n
s s
s s
| |
|
\ .

= =

= =
= =
Estatstica Bsica
36
- Informaes importantes:
A importncia de estudarmos a varincia dos dados est no fato da possibilidade de
compararmos distribuies amostrais e populacionais. Neste sentido, quanto maior a
varincia, menor ser a concentrao dos dados em torno da mdia. Por outro lado,
quanto menor a varincia, mais homognea ser a distribuio de freqncias.
A varincia uma medida de disperso extremamente importante na teoria estatstica. Do
ponto de vista prtico, ela tem o inconveniente de se expressar uma unidade quadrtica
emrelao da varivel em questo, o que nem sempre faz sentido.
A varincia dada sempre no quadrado da unidade de medida da srie. Se os dados so
expresses em metros, a varincia expressa em metros quadrados. Em algumas
situaes, a unidade de medida da varincia nem faz sentido, por exemplo, quando os
dados da srie forem expressos em litros, a varincia ser expressa em litros quadrados.
Portanto, o valor da varincia no pode ser comparado diretamente com os dados da
srie, ou seja, a varincia no tem interpretao. Exatamente para suprir esta deficincia
que se define o desvio padro, que ser explicado posteriormente.
8.3. Desvio padro
Com j mencionamos, o uso prtico da varincia muitas vezes se torna inconveniente visto
que expressa pelo quadrado da varivel em estudo. Para contornar o problema da unidade,
define-se o desvio padro.
Podemos considerar, sem dvida, que o desvio padro a mais importante das medidas de
disperso. fundamental que ao ser analisado, consiga-se relacionar o valor obtido dessa
medida com os dados da srie.
O desvio padro ter sempre a mesma unidade de medida da srie, portanto admite
interpretao. Como se pode calcular a varincia populacional e tambm a varincia amostral,
tambm possvel calcular os valores para o desvio padro populacional e amostral
respectivamente.
- Desvio padro populacional: Voc poder calcular o desvio padro populacional utilizando
a seguinte expresso:
2
( )
1
i
x x
n
Estatstica Bsica
37
Onde:
: Desvio padro populacional
i
n f =E )
i
i
Quando j se tm os dados organizados em uma tabela, pode-se calcular a desvio padro
pela seguinte frmula:
2
2
1
i i
i i
f x
f x
n
n
| |
|
\ .

=
- Desvio padro amostral: Voc poder calcular o desvio padro populacional utilizando a
seguinte expresso:
2
( )
1
i
x x
s
n
Onde:
s : Desvio padro amostral
i
n f =E )
i
i
Quando j se tm os dados organizados em uma tabela, pode-se calcular a desvio padro
pela seguinte frmula:
2
2
1
i i
i i
f x
f x
n
s
n
| |
|
\ .

=
Estatstica Bsica
38
Exemplo: Considerando os dados apresentados na tabela abaixo, calcular a varincia
amostral e o desvio padro para a tabela.
Resoluo:
( )
2
2
2
2 2
2 2
2 2
6.440
1.038.080
40
1 40 1
41.473.600
1.038.080
1.038.080 1.036.840
40
39 39
1.240
31, 7948 ( )
39
31, 7948 5, 6386 ( )
i i
i i
f x
f x
n
s s
n
s s
s s varincia
s s desviopadro
| |
|
\ .

= =

= =
= =
= =
8.4. Coeficiente de variao

O coeficiente de variao uma medida adimensional de disperso, sendo definida como o
quociente entre o desvio padro e a mdia aritmtica. O resultado multiplicado por 100,
para que o coeficiente de variao seja dado em porcentagem.
- Coeficiente de variao populacional: Voc poder calcular o coeficiente de variao
populacional utilizando a seguinte expresso:
100 CV
x
=
Onde:
CV : Coeficiente de variao populacional
: Desvio padro populacional
x : Mdia aritmtica da populao
Estatstica Bsica
39
- Coeficiente de variao amostral: Voc poder calcular o coeficiente de variao amostral
utilizando a seguinte expresso:
100
s
CV
x
=
Onde:
CV : Coeficiente de variao populacional
s: Desvio padro amostral
x : Mdia aritmtica da amostra da populao
- Informaes importantes: Se tivermos que comparar duas ou mais variveis, isto s ser
possvel comas estatsticas at aqui estudadas, se forem satisfeitas as seguintes condies:
a) Ambas as variveis devero possuir a mesma unidade de medida;
b) Ambas as variveis devero possuir a mesma quantidade de observaes, pois a que
tiver mais elementos ter maior probabilidade de ser mais heterognea.
Quando estas condies no forem satisfeitas, devemos utilizar o coeficiente de variao
de Pearson. Para entender com se interpreta o coeficiente de variao, imagine dois
grupos de pessoas, onde, no primeiro grupo, as pessoas as seguintes idades: 3, 1 e 5 anos.
No segundo grupo, as pessoas tm as seguintes idades: 55, 57 e 53 anos.
No primeiro grupo, a mdia de idade de 3 anos ( 3 x = ) e no segundo grupo a mdia de
idade de 55 anos ( 55 x = ). Nos dois grupos a disperso dos dados a mesma. Ambos tm
a mesma varincia (
2
4 s = ). Veja os clculos:
Para o primeiro grupo, temos:
( ) ( )
( ) ( ) ( )
( ) ( )
2 2
2
1
2 2 2
2
2
2 2
2
3
2
2 2 2 2
3 1 5 9
3 ( )
3 3
3 3 0 0
1 3 2 4 ( ) 0 4 4 8
5 3 2 4
( )
8 8
4 ( )
1 3 1 2
i
i
x x x mdiaaritmtica
x x
x x x x
x x
x x
s s s s varincia
n
+ +
= = =
= = =
= = = = + + =
`
= = =

)
= = = =

Estatstica Bsica
40
Para o segundo grupo, temos:
( ) ( )
( ) ( )
( ) ( ) ( )
2 2
2
1
2 2
2 2
2
2 2 2
3
2
2 2 2 2
55 57 53 165
55 ( )
3 3
55 55 0 0
57 55 2 4 ( ) 0 4 4 8
53 55 2 4
( )
8 8
4 ( )
1 3 1 2
i
i
x x x mdiaaritmtica
x x
x x x x
x x
x x
s s s s varincia
n
+ +
= = =
= = =
= = = = + + =
`
= = =

)
= = = =

Mas as diferenas de dois anos so muito mais importantes no primeiro grupo, quem tem
mdia igual a 3, do que no segundo grupo, que tem mdia igual a 55. Agora, veja os
coeficientes de variao de cada um dos grupos.
Para o primeiro grupo, temos:
2
4
4 2
100
2
100 66, 67 %
3
s
s s
s
CV
x
CV CV
=
= =
=
= =
Para o segundo grupo, temos:
2
4
4 2
100
2
100 3, 64 %
55
s
s s
s
CV
x
CV CV
=
= =
=
= =
Um coeficiente de variao igual a 66,67% indica que a disperso dos dados em relao
mdia muito grande, ou seja, a disperso relativa muito alta. J um coeficiente de
variao de 3,64% indica que a disperso dos dados em relao mdia pequena.
Em outras palavras, diferenas de 2 anos so relativamente mais importante no primeiro
grupo, que tem mdia 3 e coeficiente de variao 66,67% do que no segundo grupo que
tem mdia 55 e coeficiente de variao 3,64%. Ento, o coeficiente de variao mede
disperso em relao mdia.
Estatstica Bsica
41
CAPTULO 9
PROBABILIDADE
O pesquisador, quando realiza uma pesquisa, observa alguns casos, no entanto, quer se
referir a todos os casos similares, ou seja, ele tem dados de uma amostra e quer se referir a toda
populao. Assim, partindo dessa amostra, pode inferir (deduzir, concluir) para toda uma
populao.
Na estatstica inferencial os mtodos estatsticos so usados para que se possam tirar
concluses, estimaes, predies e generalizaes sobre todo um conjunto de dados, estudando
apenas parte dele. Para se fazer as inferncias estatsticas utilizam-se das teorias probabilsticas
para explicar a frequncia da ocorrncia de eventos, tanto em estudos observacionais quanto em
experimentos.
9.1. Conceito de probabilidade
O estudo da probabilidade tem seus primrdios ligados aos jogos de azar. Esta origem
permitiu conceituar probabilidade. Se por exemplo, lanarmos um dado, podemos admitir
que h seis resultados igualmente provveis (1, 2, 3, 4, 5 ou 6), ou ainda se lanarmos uma
moeda podemos observar que h duas possibilidades de observarmos o resultado da face de
cima (cara ou coroa).
No entanto, para que possamos entender o conceito de probabilidade de forma mais tcnica
necessrio abordar outras questes bsicas que serviro apoio para esse entendimento
como: experimentos aleatrios, espao amostral, evento.
- Experimentos aleatrios: So aqueles que, repetidos em idnticas condies, produzem
resultados que no podem ser previstos com certeza. Assim, um experimento dito
aleatrio, quando satisfaz s seguintes condies:
a) Cada experimento poder ser repetido um grande nmero de vezes sob as mesmas
condies;
b) Embora no saibamos qual o resultado que ir ocorrer, em geral conseguimos
descrever o conjunto de todos os resultados possveis que podem ocorrer;
c) Obedece regularidade estatstica nos resultados, isto , torna-se possvel construir um
modelo matemtico preciso com o qual se analisar o experimento.
As variaes de resultados, de experimentos para experimento, so devidas a uma
multiplicidade de causas que no podemos controlar, as quais denominamos acaso. Como
exemplos de experimentos aleatrios podemos citar:
a) Ao lanarmos uma moeda, no podemos prever qual das duas faces ficar voltada para
cima. No entanto, sabemos que podemocorrer as faces cara ou coroa.
Estatstica Bsica
42
b) Ao lanarmos um dado, no podemos prever qual nmero ficar voltado para a face de
cima. No entanto, sabemos que podem ocorrer os nmeros 1, 2, 3, 4, 5 ou 6.
c) Quando selecionamos uma carta de um baralho de 52 cartas, no podemos prever qual
ser ou seu valor (nmero ou naipe). Porm, podem calcular quais as possibilidades de
ocorrer um s de espadas, por exemplo.
Observe que os experimentos aleatrios podem ser repetidos inmeras vezes, assim,
conhecemos os resultados possveis, porm, o resultado de cada experimento no
previsvel. Esses resultados so chamados probabilsticos.
Por outro lado, experimentos previsveis mesmo antes de realizado so chamados de
determinsticos. Neste caso, repetindo o experimento, nas mesmas condies, o resultado
sempre o mesmo. Podemos citar alguns exemplos deste caso:
a) Sujeita presso de 1 atmosfera, podemos prever que a gua entrar em ebulio
temperatura de 100 C.
b) Se um corpo percorre uma distncia de 120 km, de um determinado espao, com
velocidade mdia de 60 km/h, podemos determinar, pelas leis da Fsica, que ele gastar
2 horas para percorrer o referido espao.
- Espao amostral: Chamamos de espao amostral, um conjunto formado por todos os
resultados possveis de um experimento aleatrio. Podemos indicar o espao amostral por
S (space) ou pelo smbolo O (mega). A cada experimento aleatrio, em geral, h vrios
resultados possveis, por exemplo:
a) Lanar uma moeda e observar a face de cima. Os resultados possveis ou o espao
amostral desse experimento aleatrio pode ser:
{ } , cara coroa O =
b) Lanar um dado e observar o nmero da face de cima. Os resultados possveis ou o
espao amostral desse experimento aleatrio pode ser:
{ } 1, 2,3, 4, 5, 6 O =
c) Lanar dois dados e observar os nmeros das faces de cima. Os resultados possveis ou
o espao amostral desse experimento aleatrio pode ser:
{(1,1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6), (2,1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6),
(3,1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6), (4,1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6),
(5,1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6), (6,1), (6, 2), (6, 3),
O =
} (6, 4), (6, 5), (6, 6)
Estatstica Bsica
43
- Evento: Consideremos um experimento aleatrio, cujo espao amostral O. Chamamos
de evento todo subconjunto desse espao amostral O. Em geral indicamos um evento por
uma letra maiscula do alfabeto: , , ,..., , , A B C X Y Z .
Portanto, diremos que um evento A ocorre se, realizado o experimento, o resultado obtido
for pertencente a A. Vejamos alguns exemplos:
a) Um dado lanado e observa-se o nmero da face de cima.
Espao amostral: { } 1, 2,3, 4, 5, 6 O =
Evento A: Ocorrncia de nmero mpar. { } 1, 3, 5 A =
Evento B : Ocorrncia de nmero par. { } 2, 4, 6 B =
EventoC : Ocorrncia de nmero mltiplo de 3. { } 3, 6 C =
Evento D: Ocorrncia de nmero maior ou igual 7. D = C(evento impossvel)
b) Duas moedas so lanadas e observa-se a sequncia de caras e coroas.
Espao amostral ( K = cara e C = coroa): { } ( , ), ( , ), ( , ), ( , ) K C K C C K C C O =
Evento A: Ocorrncia de uma cara. { } ( , ), ( , ) A K C C K =
Evento B : Ocorrncia de duas caras. { } ( , ) B K K =
Evento D: Ocorrncia de pelo menos uma coroa. { } ( , ), ( , ), ( , ) D C K K C C C =
- Eventos mutuamente exclusivos: Dizemos que dois eventos so mutuamente exclusivos
quando a ocorrncia de um impossibilita (ou exclui) a ocorrncia do outro, ou seja, se Ae
B so eventos mutuamente exclusivos contidos em O, ento, A B = C.
Exemplos: Seja o lanamento de um dado e os eventos:
Espao amostral: { } 1, 2,3, 4, 5, 6 O =
Evento A: Ocorrncia de nmeros pares. { } 2, 4, 6 A =
Evento B : Ocorrncia de nmeros mpares. { } 1, 3, 5 B =
Estatstica Bsica
44
- Eventos complementares: Dizemos que dois eventos so complementares, se a unio
entre eles resulta no espao amostral e se a interseo resulta num evento impossvel, ou
seja, se C e Dso eventos complementares contidos em O, ento, C D = C e
C D = O
Exemplos: Seja o lanamento de um dado e os eventos:
Espao amostral: { } 1, 2,3, 4, 5, 6 O =
EventoC : Ocorrncia de nmeros mpares. { } 1, 3, 5 C =
EventoC : Ocorrncia de nmeros no mpares. { } 2, 4, 6 C = ou { } 2, 4, 6 C O =
Evento D: Ocorrncia de nmeros pares. { } 2, 4, 6 D =
Evento D: Ocorrncia de nmeros no pares. { } 1, 3, 5 D = ou { } 1, 3, 5 D O =
Os eventos C e D so complementares, ou seja, C D = e D C = .
- Probabilidade: Dado um experimento aleatrio, sendo O o seu espao amostral, vamos
admitir que todos os elementos de O tenham a mesma chance de acontecer, ou seja, que
o espao amostral O um conjunto equiprovvel. Chamamos de probabilidade de um
evento A, onde A c O, o nmero real ( ) P A , tal que:
( )
( )
( )
n A
P A
n
=
O
Ento, podemos dizer que a probabilidade um nmero entre 0 e 1 utilizado para exprimir
o grau de certeza acerca da ocorrncia de um evento associado a um experimento
aleatrio.
Vejamos alguns exemplos:
a) Considerando o lanamento de duas moedas e sendo Ao evento, obter pelo menos
uma cara, temos:
{ } ( , ), ( , ), ( , ), ( , ) ( ) 4 K C K C C K C C n O = O =
{ } ( , ), ( , ), ( , ) ( ) 3 A K C K C C K n A = =
Logo,
( ) 3
( ) ( )
( ) 4
n A
P A P A
n
= =
O
ou ( ) 0, 75 P A =
Ou ainda, ( ) 0, 75 ( ) 0, 75 100 ( ) 75% P A P A P A = = =
O resultado acima nos permite afirmar que, ao lanarmos duas moedas equilibradas,
temos 75% de chance de que aparea pelo menos uma cara na face superior.
Estatstica Bsica
45
b) Considerando o lanamento simultneo de dois dados diferentes e sendo B o evento
ocorrer a soma dois nmeros igual a 5, temos:
{(1,1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6), (2,1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6),
(3,1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6), (4,1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6),
(5,1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6), (6,1), (6, 2), (6, 3),
O =
} (6, 4), (6, 5), (6, 6)
{ } (1, 4), (4,1), (3, 2), (2, 3) ( ) 4 B n B = =
Logo,
( ) 4 1
( ) ( )
( ) 36 9
n B
P B P B
n
= = =
O
ou ( ) 0,1111 P B =
Ou ainda, ( ) 0,1111 100 ( ) 11,11% P B P B = =
O resultado acima nos permite afirmar que, ao lanarmos dois dados
simultaneamente, temos 11,11% de chance de que aparea a soma de dois nmeros
igual a 5, na face superior.
- Teoremas: Podem ser definidos alguns teoremas sobre probabilidades em um espao
amostral finito.
1. Teorema 1:
A probabilidade do evento certo igual a 1, ento, ( ) 1 P O =
2. Teorema 2:
Se Ae B so eventos de um mesmo espao amostral O e se A B c , ento, temos que:
( ) ( ) P A P B s .
3. Teorema 3:
A probabilidade de um evento A, um nmero real ( ) P A , tal que, 0 ( ) 1 P A s s
4. Teorema 5:
Se A o complementar de A, ento,
( ) ( ) 1 P A P A =
5. Teorema 6:
Se C um evento impossvel, ento, ( ) 0 P C =
9.2. Probabilidade condicional
Muitas vezes, dois eventos relacionam-se entre si de tal modo que a probabilidade de um
ocorrer dependa da ocorrncia do outro. Analisando de forma mais detalhada esta situao,
vamos considerar as seguintes afirmaes:
Estatstica Bsica
46
Seja O um espao amostral e consideremos dois eventos, Ae B . Podemos representar com
o smbolo ( ) | P A B que se l probabilidade de A, dado B , ou seja, a probabilidade
condicional do evento A ocorrer, uma vez que o evento B j tenha ocorrido. Ao
calcularmos ( ) | P A B , tudo se passa como se B fosse o novo espao amostral reduzido,
dentro do qual queremos calcular a probabilidade de A.
Os exemplos propostos na sequncia ilustram a idia de probabilidade condicional, ou seja, a
idia de ocorrer um evento pode ser modificada quando se impe uma determinada
condio.
- Exemplo 1: O conceito de probabilidade permite responder a questes do tipo: Qual a
probabilidade de ocorrer um s de espadas, quando se retira ao acaso uma carta do
baralho?. Para responder a esta pergunta preciso saber que um baralho tem 52 cartas.
Dessas, apenas uma tem a caracterstica ser um s de espadas, ento, a probabilidade de
sair s de espadas, quando se retira uma carta ao acaso de um baralho dada por:
( )
1
0, 0192
52
P A = = , ou ainda, ( ) ( ) 0, 0192 0, 0192 100 1, 92% P A P A = = =
Imagine agora que foi feita a seguinte pergunta: Qual a probabilidade de se retirar um s
de espadas de um baralho, sabendo-se que saiu uma carta de espadas?. Ora, esta
informao limita o nmero de eventos possveis. Existem 13 cartas de espadas, a
probabilidade de ter ocorrido um s nessas condies dada por:
( )
1
0, 0769
13
P A = = , ou ainda, ( ) ( ) 0, 0769 0, 0769 100 7, 69% P A P A = = =
- Exemplo 2: Numa cidade, 400 pessoas foram classificadas, segundo sexo e estado civil, de
acordo com a tabela mostrada abaixo:
Solteiro (S) Casado (C) Desquitado (D) Vivo (V) Total
Masculino (M) 50 60 40 30 180
Feminino (F) 150 40 10 20 220
Total 200 100 50 50 400
Uma pessoa escolhida ao acaso. Sejam os eventos:
S : A pessoa escolhida solteira.
M : A pessoa escolhida do sexo masculino.
Ento, ( ) | P S M significa a probabilidade de a pessoa escolhida ser solteira, no novo
espao amostral reduzido das 180 pessoas do sexo masculino. Ora, como existem 50
pessoas solteiras nesse novo espao amostral:
Estatstica Bsica
47
( ) ( )
50 5
| |
180 18
P S M P S M = = , ou ainda,
( ) ( ) ( ) | 0, 2777 | 0, 2777 100 | 27, 77% P S M P S M P S M = = =
Sejam ainda os eventos:
F : A pessoa escolhida do sexo feminino.
D: A pessoa escolhida desquitada.
Ento, ( ) | P F D significa a probabilidade de a pessoa escolhida ser do sexo feminino, no
novo espao amostral reduzido das 50 pessoas desquitadas. Ora, como existem 10 pessoas
do sexo feminino nesse novo espao amostral:
( ) ( )
10 1
| |
50 5
P F D P F D = = , ou ainda,
( ) ( ) ( ) | 0, 20 | 0, 20 100 | 20% P F D P F D P F D = = =
importante notar que ( ) ( ) | | P F D P D F = , pois, se efetuarmos os clculos tambm para
( ) | P D F , veremos que os valores so diferentes, j que este significa a probabilidade de a
pessoa escolhida ser desquitada, no espao amostral reduzido das pessoas do sexo
feminino, veja os clculos:
( ) ( )
10 1
| |
220 22
P D F P D F = = , ou ainda,
( ) ( ) ( ) | 0, 0454 | 0, 0454 100 | 4, 54% P D F P D F P D F = = =
- Modos de clculo: Temos dois modos de calcular a probabilidade condicional,
considerando ( ) | P A B .
a) Considerando que a probabilidade do evento A ser calculada em relao ao espao
amostral reduzido pelo evento B .
b) Empregando a frmula, onde as probabilidades so calculadas em relao ao espao
amostral original O.
( )
( )
( )
|
P A B
P A B
P B
=
Estatstica Bsica
48
9.3. Teorema da multiplicao (produto)
Antes de definirmos o teorema da multiplicao, convm mencionar que, quando um evento
tem influncia na ocorrncia do outro, eles so chamados de eventos dependentes, caso
contrrio, so chamados de eventos independentes, ou seja, a ocorrncia de um, no afeta a
de outro.
Em vrias situaes, pode haver interesse em determinar a probabilidade de dois eventos
ocorrerem ao mesmo tempo, ou um em seguida do outro. Uma consequncia importante da
definio formal da probabilidade condicional a seguinte:
( )
( )
( )
( ) ( ) ( )
( )
( )
( )
( ) ( ) ( )
| |
| |
P A B
P A B P A B P B P A B
P B
P A B
P B A P A B P A P B A
P A
= =
= =
- Eventos dependentes: Se A e B so eventos dependentes, a probabilidade de ocorrer os

eventos A e B dada pela probabilidade de ocorrer A, multiplicada pela probabilidade
condicional de ocorrer B , dado que Aocorreu, ento, temos que:
( ) ( ) ( ) | P A B P A P B A =
Isto , a probabilidade da ocorrncia simultnea de dois eventos, ou seja, ( ) P A B , o
produto da probabilidade de um deles pela probabilidade do outro, dado o primeiro.
- Exemplo 01: Imagine que uma pessoa retira, ao acaso, uma bola de uma urna e, em
seguida, sem que essa bola seja recolocada na urna, retira uma segunda bola. Imagine que
essa urna contenha duas bolas pretas e oito bolas brancas.
Qual a probabilidade de terem sido retiradas as duas bolas pretas? fcil verificar que a
probabilidade de uma pessoa retirar ao acaso uma bola preta de uma urna que contm
duas bolas pretas e oito bolas brancas dada por:
( )
2
10
P A =
Se sair a bota preta, e se essa bola no for recolocada na urna, a probabilidade de a pessoa
retirar uma segunda bola preta dada por:
( )
1
|
9
P B A =
Estatstica Bsica
49
Isto ocorre porque a urna passa a conter nove bolas (uma j foi retirada), das quais apenas
uma preta. Para determinar a probabilidade de ocorrer uma bola preta na primeira
retirada e uma bola preta na segunda retirada, multiplicam-se as probabilidades, isto ,
calcula-se:
( ) ( ) ( ) ( )
( ) ( )
2 1 2 1
|
10 9 90 45
0, 0222 100 2, 22%
P A B P A P B A P A B
P A B P A B
= = = =
= =

- Eventos independentes: Se A e B so eventos independentes, a probabilidade de ocorrer
os eventos A e B dada pela probabilidade de ocorrer A, multiplicada pela probabilidade
de ocorrer B , ento, temos que:
( ) ( ) ( ) P A B P A P B =
Dados dois eventos A e B de um espao amostral O, diremos que A independe de B se
( ) ( ) | P A B P A = , isto , Aindepende de B se a ocorrncia de B no afeta a probabilidade
de A. Observemos tambm que, se A independe de B , ou seja, ( ) 0 P A > , ento, B
independe de A, pois:
( )
( ) ( ) ( ) ( ) | ( )
| ( )
( ) ( ) ( )
P A B P B P A B P B P A
P A B P B
P A P A P A
= = = =

Em resumo, se Aindepende de B , ento, B independe de Ae alm disso, temos que:
( )
( )
( ) ( | ) ( ) ( )
P B
P A B P A P B A P A P B = =
Isso sugere a definio: Se dois eventos Ae B so chamados independentes se:

( ) ( ) ( ) P A B P A P B =
- Exemplo 02: Imagine que so lanadas duas moedas. claro que o fato de sair cara numa
moeda no influi sobre o fato de sair cara na outra moeda. Ento, esses eventos so
independentes. Consequentemente, a probabilidade de ocorrerem duas caras, quando se
lanam duas moedas dada por:
( ) ( )
( ) ( )
1 1 1
( ) ( )
2 2 4
0, 25 100 25%
P A B P A P B P A B
P A B P A B
= = =
= =

Estatstica Bsica
50
9.4. Teorema da soma
Todos os resultados possveis de uma experincia podem ser representados por pontos no
espao, denominado de espao amostral, e como j mencionamos, pode ser indicado por O.
Assim, se considerarmos um experimento aleatrio, como por exemplo, o lanamento de um
dado, teremos como espao amostral, { } 1, 2,3, 4, 5, 6 O = . Para facilitar o entendimento,
poderamos representar este espao amostral por um diagrama.
Qualquer subconjunto de O um evento, que podemos indicar por E . A cada evento,
E podemos associar um nmero no negativo menor ou igual a 1, definido como a relao
entre o nmero de elementos de E e o nmero O. Esse nmero como j mencionamos em
tpicos anteriores a probabilidade de ocorrer o evento E , assim, teremos:
( )
( )
( )
n E
P E
n
=
O
, portanto,
( )
( ) 1
( )
n E
P E
n
= s
O
, logo, 0 ( ) 1 P E s s
Se no exemplo do lanamento do dado, se chamarmos de
1
E a ocorrncia do nmero 2, sua
probabilidade ser:
( ) ( )
1
1 1
( ) 1
( ) 6
n E
P E P E
n
= =
O
Utilizando o mesmo exemplo, se chamarmos de
2
E a ocorrncia do nmero 4, sua
probabilidade ser:
( ) ( )
2
2 2
( ) 1
( ) 6
n E
P E P E
n
= =
O
No entanto, poderamos questionar: Qual seria a probabilidade de ocorrer o nmero 2 ou o
nmero 4 no lanamento desse dado? Para responder a esta questo vamos, observar o
diagrama abaixo:
Observe que estes eventos so mutuamente exclusivos,
ou seja, a ocorrncia de um impossibilita (exclui) a
ocorrncia do outro.
Estatstica Bsica
51
Para calcular a probabilidade da reunio desses dois eventos, consideraremos que se
1
E e
2
E
podem ocorrer ao mesmo tempo, a probabilidade de ocorrer
1
E ou
2
E dada pela
probabilidade de ocorrer
3
E , mais a probabilidade ocorrer
4
E . Podemos escrever esta situao
da seguinte forma:
( ) ( ) ( ) P A B P A P B = +
Considerando o exemplo citado acima, teremos a seguinte situao:
{ } ( )
{ } ( )
{ } ( )
( ) ( )
( ) ( )
1 1
2 2
1 2
1 2 1 2 1 2
1 2 1 2
1, 2, 3, 4, 5, 6 6
2 1
4 1
( ) ( )
( ) ( )
( ) ( )
1 1 2
6 6 6
n
E n E
E n E
n E n E
P E E P E P E P E E
n n
P E E P E E
O = O =
= =
= =
= + = +
O O
= + =

Vamos supor agora, outra situao envolvendo dois eventos. Um evento
3
E caracterizado pela
ocorrncia de resultados menores que 5 e um evento
4
E caracterizado pela ocorrncia de
nmeros pares. Neste caso, vamos observar o diagrama abaixo:
Observe que os eventos no so mutuamente exclusivos,
ou seja, a ocorrncia de um no impossibilita a ocorrncia
do outro, pois, h dois elementos comuns entre estes
eventos, ou seja, o nmero 2 e o nmero 4.
Para calcular a probabilidade da reunio desses dois eventos, temos que considerar o fato de
que existirem elementos comuns entre eles. Portanto, se
3
E e
4
E podem ocorrer ao mesmo
tempo, a probabilidade de ocorrer
3
E ou
4
E dada pela probabilidade de ocorrer
3
E , mais a
probabilidade de ocorrer
4
E , menos a probabilidade de ocorrer
3
E e
4
E . Podemos escrever
esta situao da seguinte forma:
( ) ( ) ( ) ( ) P A B P A P B P A B = +
Estatstica Bsica
52
Considerando o exemplo citado acima, teremos a seguinte situao:
{ } ( )
{ } ( )
{ } ( )
{ } ( )
( ) ( )
( )
( ) ( )
3 3
4 4
3 4 3 4
3 4 3 4 3 4
3 3 4 4
3 4
3 4 3 4
1, 2, 3, 4, 5, 6 6
1, 2, 3, 4 4
2, 4, 6 3
2, 4 2
( ) ( )
( ) ( ) ( )
( ) ( ) ( )
4 3 2 5
6 6 6 6
n
E n E
E n E
E E n E E
P E E P E P E P E E
n E n E E n E
P E E
n n n
P E E P E E
O = O =
= =
= =
= =
= +
= +
O O O
= + =

Estatstica Bsica
53
CAPTULO 10
DISTRIBUIES DE PROBABILIDADE
Neste captulo sero estudados alguns modelos tericos que pode ser adequados a uma
srie de problemas prticos. Estes modelos envolvem parmetros cujo conhecimento necessrio
para clculos de distribuio de probabilidade.
10.1. Varivel aleatria
Muitos experimentos aleatrios produzem resultados no-numricos. Antes de analis-los,
conveniente transformar seus resultados em nmeros, o que feito atravs da varivel
aleatria, que uma regra de associao de um valor numrico a cada ponto do espao
amostral.
Portanto, variveis aleatrias so variveis numricas s quais iremos associar modelos
probabilsticos. Veremos que uma varivel aleatria tem um nmero para cada resultado
de um experimento e que uma distribuio de probabilidades associa uma probabilidade a
cada resultado numrico de um experimento.
Vamos supor a existncia de um espao amostral O e que a cada ponto amostral seja
atribudo um nmero. Fica, ento, definida uma funo chamada varivel aleatria,
indicada por uma letra maiscula, sendo seus valores indicados por letras minsculas.
Por definio, varivel aleatria, uma funo que associa a cada ponto amostral de O,
um valor real.
10.2. Funo de probabilidade
uma funo matemtica que associa probabilidades a valores assumidos pela varivel
aleatria X . Existe uma diferena para esta funo para o caso em que a varivel aleatria
em estudo seja discreta ou contnua.
- Varivel aleatria discreta: A varivel aleatria X uma varivel aleatria discreta, se o
conjunto de valores que X pode assumir um conjunto finito ou um conjunto infinito
enumervel. Como X pode assumir certos valores com dadas probabilidades, ele
freqentemente denominado varivel aleatria discreta, ou seja, transforma espao
amostral no numrico em espao amostral numrico.
Estatstica Bsica
54
O nmero de pontos do espao amostral de um dado experimento pode ser finito ou
infinito. Se o espao amostral finito, ento os eventos so enumerveis e a varivel a
ele associada deve permitir a contagem dos elementos nele contidos. Neste caso, a
varivel aleatria dita discreta ou enumervel.
Exemplos: Nmero de jogadores de um time de futebol; nmero de torcedores no
estdio; nmero de gols marcados na partida.
- Varivel aleatria contnua: Como j foi dito, o nmero de pontos do espao
amostral de um dado experimento pode ser finito ou infinito. Se o espao amostral
infinito, ento a contagem do seu nmero de elementos no possvel por nenhum
meio. Neste caso, a varivel aleatria dita contnua, indicando que ela pode
assumir qualquer valor dentro do seu intervalo de validade.
Exemplos: tempo de durao de um jogo; peso e velocidade da bola na hora do gol.
10.3. Distribuio de probabilidade
Seja X uma varivel aleatria que pode assumir os valores
1 2 3
, , ,...,
n
x x x x . A cada valor de
i
x correspondem pontos do espao amostral.
Associamos, ento, a cada valor
i
x a probabilidade
i
p de ocorrncia de tais pontos no
espao amostral. Assim temos que: 1
i
p E =
Os valores
1 2 3
, , ,...,
n
x x x x e seus correspondentes
1 2 3
, , ,...,
n
p p p p definem uma distribuio
de probabilidade. Para melhor compreenso destes conceitos, vejamos a um exemplo.
- Exemplo: Seja E o experimento: lanamento simultneo de duas moedas, e sejam
X o nmero de caras obtidas e ( ) ( ) ( ) ( ) { }
, , , , , , , K K K C C K C C O = , representando o
espao amostral relativo ao experimento.
Vejamos a tabela mostrada abaixo:
Lanamento de duas moedas
Ponto amostral
X
( ) P X
( ) , K K
2
1 1 1
2 2 4
=
( ) , K C
1
1 1 1
2 2 4
=
1 1 2
4 4 4
+ =
`
)
( ) , C K
1
1 1 1
2 2 4
=
( ) , C C
0
1 1 1
2 2 4
=
Estatstica Bsica
55
Logo, podemos escrever:
Lanamento de duas moedas
Nmero de caras ( X ) ( ) P X
2
1
4
1
2
4
0
1
4
E
1
Os valores assumidos por X , e suas probabilidades associadas, podem ser expressas
por uma regra ou uma relao, que chamada de funo de probabilidade, referida
tambm como distribuio de probabilidade da varivel aleatria X .
Os valores ( ) 1, 2, 3,...,
i
x i n = formam o domnio da funo e os valores
( ) 1, 2, 3,...,
i
p i n = , o seu conjunto imagem. Essa funo assim definida representada
por:
( )
i
P X x =
Portanto, a funo ( )
i
P X x = , determina a distribuio de probabilidade da varivel
aleatria X .
10.4. Binmio de Newton
- Fatorial: Chama-se fatorial de um nmero natural n > 1 e se indica por n! ao produto
dos n fatores decrescentes de n at 1.

Observaes: n! l-se n fatorial; por definio: 0! = 1 e 1! = 1
Exemplos:
1. Calcule:
a)
5! = 5.4.3.2.1 = 120
b) 4! = 4.3.2.1 = 24
c) 3!.2! = (3.2.1).(2.1) = 12
Estatstica Bsica
56
d)
5! 5.4.3. 2.
=
2!
1
2.1
= 60
e)
8! 8.7.6. 5!
=
5! 5!
= 336
2. Simplifique:
a)
! ( 1)( 2
( 2)!
n n n n
n

=
)!
( 2 n
( 1)
)!
n n =
b)
( 1)! ( 1
( 2)!
n n n n
n
+ +
=
+
)!
( 2)( 1 n n + + 2 )!
n
n
=
+
c)
! ( 1
( 1)!
n n n
n

=
)!
( 1 n )!
n =
d)
( 2)! ( 2)( 1) ( 1
( 1)!
n n n n n
n
+ + +
=
)!
( 1 n
( 2)( 1)
)!
n n n = + +
e)
! ( 1)( 2
2!( 2)!
n n n n
n

=
)!
2!( 2 n
( 1)
2 )!
n n
=
- Nmeros binomiais: Chama-se nmero binomial de classe r do nmero n , onde n er
so nmeros naturais e r n s , a expresso:
( )
!
! !
n
n
r r n r
| |
=
|

\ .
Onde: n o numerador do nmero binomial
r denominador do nmero binomial
Exemplos:
1. Calcule:
a)
b)
c)
Estatstica Bsica
57
2. Mostre que:
a) 8 8
5 3
| | | |
=
| |
\ . \ .
( )
8
8! 8! 8.7.6. 5!
5 5! 8 5 ! 5!.3!
| |
= = =
|

\ .
5!
8.7.6 8.7.6 336
56
3! 3.2.1 6 .3!
= = = =
( )
8
8! 8! 8.7.6. 5!
3 3! 8 3 ! 3!.5!
| |
= = =
|

\ .
3!. 5!
8.7.6 8.7.6 336
56
3! 3.2.1 6
= = = =
b) 10 10
3 7
| | | |
=
| |
\ . \ .
( )
10
10! 10! 10.9.8. 7!
3 3! 10 3 ! 3!.7!
| |
= = =
|

\ .
3!. 7!
10.9.8 10.9.8 720
120
3! 3.2.1 6
= = = =
( )
10
10! 10! 10.9.8. 7!
7 7! 10 7 ! 7!.3!
| |
= = =
|

\ .
7!
10.9.8 10.9.8 720
120
3! 3.2.1 6 .3!
= = = =
Observao: Esses nmeros binomiais so chamados complementares, ou seja,
mesmo numerador ( n ) e a soma dos denominadores ( r ) igual a n .
10.5. Distribuio Binomial
A distribuio Binomial constitui uma extenso da distribuio de Bernoulli, sendo aplicada
em problemas, nos quais um experimento de Bernoulli realizado um nmero de vezes
preestabelecido. Cada uma destas realizaes denominada prova.
a distribuio adequada quando os pontos do espao amostral podem ser agrupados em
duas classes ou categorias mutuamente excludentes, s quais se atribuem os nomes
genricos de sucesso e insucesso, indistintamente. Outra forma de caracterizar a
distribuio Binomial dizer que ela a distribuio aplicvel quando o experimento
atende s condies tpicas do processo de amostragem de Bernoulli, que so as seguintes:
a) O experimento deve ser repetido, nas mesmas condies, um nmero finito de vezes,
ou seja, n vezes;
b) As provas repetidas devem ser independentes, isto , o resultado de uma no deve
afetar os resultados das sucessivas;
c) Em cada prova deve aparecer um dos dois possveis resultados, ou seja, sucesso ( p ) ou
insucesso ( q ).
d) No decorrer do experimento, a probabilidade p do sucesso e a probabilidadeq do
insucesso ( 1 q p = ), manter-se-o constantes.
Estatstica Bsica
58
Utilizando a distribuio binomial, resolveremos problemas do tipo: Determinar a
probabilidade de se obterem k sucessos em n tentativas.
Sabemos que, quando da realizao de um experimento qualquer em uma nica tentativa,
se a probabilidade de realizao de um evento p (sucesso), a probabilidade de no
realizao desse mesmo evento q (insucesso), assim, temos que: 1 q p = .
Vamos considerar, agora, uma situao em que realizemos a mesma prova n vezes
sucessivas e independentes. A probabilidade de que um evento se realize k vezes nas
provas, dada pela funo:
( ) ( )
k n k
n
f X P X k p q
k

| |
= = =
|
\ .
Onde:
( ) P X k = Probabilidade de que o evento se realize k vezes em n provas;
p Probabilidade de que o evento se realize em uma s prova (sucesso);
q Probabilidade de que o evento no se realize no decurso dessa prova (insucesso);
n
k
| |
|
\ .
Coeficiente binomial de n sobre k, igual a
( )
!
! !
n
k n k
.
Essa funo denominada lei binomial, define a distribuio binomial. O nome binomial vem
do fato de que a funo mostrada acima, ser o termo geral do desenvolvimento do
binmio de Newton.
- Exemplos:
1. Uma moeda lanada 5 vezes seguidas e independentes. Calcule a probabilidade de
serem obtidas 3 caras nessas 5 provas.
Resoluo:
Nmero de provas: 5 n =
Nmero de sucessos: 3 k =
Probabilidade de obter cara numa s prova:
1
2
p = (sucesso)
Probabilidade de no obter cara numa s prova:
1
2
q = , ou seja,
1 1
(1 ) 1
2 2
q p q q
| |
= = =
|
\ .
(insucesso), ento temos que:
Estatstica Bsica
59
3 5 3 3 2
5 5
1 1 1 1
( ) ( 3)
3 3 2 2 2 2
k n k
n
P X k p q P X
k
| | | | | |
| | | | | | | |
= = = = =
| | | | | | |
\ . \ . \ . \ .
\ . \ . \ .
3 2
5! 1 1 5.4. 3!
( 3)
3!(5 3)! 2 2
P X
| | | |
= = =
| |
\ . \ .
3!
1 1 5.4. 3!
8 4 2!
=
3!
1 1
8 4 2.1

20 1 1 20 5
( 3) ( 3)
2 8 4 64 16
P X P X = = = = =
Em porcentagem temos que:
5
( 3) 100 0,3125 100 ( 3) 31, 25%
16
P X P X = = = = =
2. Dois times de futebol, A e B, jogam entre si 6 vezes. Encontre a probabilidade de o
time A ganhar 4 jogos.
Resoluo:
6 n = ; 4 k = ;
1
3
p = ;
1 2
1
3 3
q = =
Obs.: Note que pode haver trs resultados possveis, ou seja, vitria do time A
(sucesso), vitria do time B (insucesso) e empate entre A e B (insucesso).
Ento, temos que:
4 6 4 4 2
6 6
1 2 1 2
( ) ( 4)
4 4 3 3 3 3
k n k
n
P X k p q P X
k
| | | | | |
| | | | | | | |
= = = = =
| | | | | | |
\ . \ . \ . \ .
\ . \ . \ .
( )
4 2
6! 1 2 6.5. 4!
( 4)
4! 6 4 ! 3 3
P X
| | | |
= = =
| |
\ . \ .
4!
1 4 30 1 4
81 9 2 81 9 2!
=
30 1 4 120 20
( 4) ( 4)
2 81 9 1458 243
P X P X = = = = =
20
( 4) 100 0, 0823 100 ( 3) 8, 23%
243
P X P X = = = = =
Estatstica Bsica
60
3. Uma empresa produz 10% de peas defeituosas. As peas so embaladas em caixas
que contm 12 peas. Calcule a probabilidade de um cliente comprar uma caixa
contendo:
a) Nenhuma pea defeituosa;
b) Uma pea defeituosa.
a) Resoluo: Nenhuma pea defeituosa. Portanto, estamos interessados em
encontrar ( ) ( 0) P X k p X = = , ou seja, 0 sucesso.
12 n = (nmero de repeties independentes)
0 k = (considerando peas defeituosas como sucesso, queremos 0 sucesso).
10
0,10
100
p = = (10 % de peas defeituosas sucesso)
90
0,90
100
q = = (90% de peas boas insucesso)
Ento, temos que:
( ) ( )
0 12 0
12
( ) ( 0) 0,10 0, 90
0
k n k
n
P X k p q P X
k

| | | |
= = = =
| |
\ . \ .
( ) ( )
( )
( ) ( )
0 12 0 12
12
12!
( 0) 0,10 0, 90 0,10 0, 90
0 0! 12 0 !
P X
| |
= = =
|

\ .
12!
( 0) P X = =
0! 12!
1 0, 2824 1 1 0, 2824 ( 0) 0, 2824 P X = = =
( 0) 0, 2824 100 ( 0) 28, 24% P X P X = = = =
b) Resoluo: Uma pea defeituosa. Portanto, estamos interessados em encontrar
( ) ( 1) P X k p X = = , ou seja, 1 sucesso.
12 n = (nmero de repeties independentes)
1 k = (considerando peas defeituosas como sucesso, queremos 1 sucesso).
Estatstica Bsica
61
10
0,10
100
p = = (10 % de peas defeituosas sucesso)
90
0,90
100
q = = (90% de peas boas insucesso)
Ento, temos que:
( ) ( )
1 12 1
12
( ) ( 1) 0,10 0, 90
1
k n k
n
P X k p q P X
k

| | | |
= = = =
| |
\ . \ .
( ) ( )
( )
( ) ( )
1 11 1 11
12
12!
( 1) 0,10 0, 90 0,10 0, 90
1 1! 12 1 !
P X
| |
= = =
|

\ .
12.11!
( 1) P X = =
1! 11!
0,10 0, 3138 12 0,10 0, 3138 ( 1) 0, 3766 P X = = =
( 1) 0, 3766 100 ( 1) 37, 66% P X P X = = = =
Estatstica Bsica
62
REFERNCIAS
COSTA, Srgio F. Introduo Ilustrada Estatstica. (com muito humor!). So Paulo: Habra, 1988.
CRESPO, Antonio A. Estatstica Fcil. So Paulo: Saraiva, 1988.
FIGUEIRA, Sebastio de P.; COELHO, Ulysses F.; NEVES, Maria C. B. Estatstica bsica. Rio de Janeiro:
Ed. Senac, 1998.
HAZZAN, Samuel. Fundamentos de matemtica elementar. Vol 5. Combinatria e Probabilidade. 7. Ed.
So Paulo: Atual, 2004.
IEZZI, Gelson; HAZZAN, Samuel.; DEGENSZAJN, David. Fundamentos de matemtica elementar. Vol
11. Estatstica descritiva. 1. Ed. So Paulo: Atual, 2004.
NAZARETH, Helenalda R. de S. Curso bsico de estatstica. 12. Ed. So Paulo: tica, 2009.
SILVA, Jorge D.; FERNANDES, Valter dos Santos. Matemtica. Coleo Horizontes. So Paulo: IBEP,
2000.
VIEIRA, Sonia. Introduo a Bioestatstica. So Paulo: Campos, 2004.
VIEIRA, Sonia.; HOFFMANN, Rodolfo. Elementos de estatstica. 2. Ed. So Paulo: Atlas, 1990.
Estatstica Bsica
63
ATIVIDADES
ATIVIDADE 1
Uma equipe da rea de sade de um determinado
municpio fez uma pesquisa com alguns moradores de uma
determinada comunidade, onde foram identificados alguns
casos de pessoas com problemas de sade por causa da
obesidade.
Foram selecionadas 20 pessoas desta populao, as
quais foram submetidas a vrios testes clnicos, alm disso,
foram obtidas informaes sobre o IMC dessas pessoas, as
quais podem ser observadas na tabela ao lado.
Para podermos analisar de forma mais precisa as informaes sobre este grupo de pessoas
pesquisado devemos construir uma tabela de distribuio de freqncia com intervalos de classes
dos dados apresentados na tabela primitiva. Esta tabela dever possuir as seguintes informaes
sobre os intervalos de classes definidos:
a) Freqncia simples (f
i
);
b) Ponto mdio (x
i
);
c) Freqncia simples relativa (fr
i
);
d) Freqncia acumulada (F
i
);
e) Freqncia acumulada relativa (Fr
i
);
f) Ttulos e fontes da tabela.
Estatstica Bsica
64
ATIVIDADE 2
Os alunos de uma turma do curso de Qumica Industrial da
de uma determinada faculdade, fizeram uma pesquisa para
identificar as alturas (em centmetros), dos alunos da sua sala de
aula.
Aps terem tabulados os dados que foram coletados, os
alunos elaboraram uma tabela primitiva que foi reproduzida ao
lado. Considerando as informaes contidas nesta tabela e os
conhecimentos que vocs adquiriram nas aulas de Estatstica,
execute os seguintes procedimentos:
a) Elabore uma tabela de distribuio de freqncias com intervalos de classes. A tabela
dever possuir uma estrutura padro, ou seja, o ttulo da tabela, a fonte dos dados, os
ttulos das colunas e demais dados que julgar necessrios.
b) Calcule tambm, para a tabela elaborada anteriormente, as seguintes medidas de
posio: A mdia aritmtica e a moda.
Estatstica Bsica
65
ATIVIDADE 3
O supervisor do departamento de recursos humanos de
uma determinada indstria qumica, na expectativa de elaborar
um plano de melhoria das condies de trabalho dos
funcionrios, solicitou sua secretria que elaborasse uma
pesquisa sobre os 25 funcionrios que atuam no laboratrio de
qumica da empresa e que j tiveram algum caso de acidente
envolvendo a manipulao de produtos qumicos.
Para facilitar seu trabalho, a secretria decidiu organizar os dados pesquisados em uma
tabela, considerando a faixa etria desses funcionrios, para que fosse possvel analisar
informaes. Considerando que esta organizao tenha sido feita conforme mostrada na tabela
primitiva apresentada ao lado, complete o trabalho desta secretria, construindo uma tabela com
distribuio de freqncia em intervalos de classes. A tabela a ser elaborada dever possuir os
seguintes dados:
a) Freqncia simples (f
i
);
b) Freqncia simples relativa (fr
i
);
c) Freqncia acumulada (F
i
);
d) Freqncia acumulada relativa (Fr
i
);
e) Ponto mdio dos intervalos de classe (x
i
);
f) Ttulos, totais, cabealhos e fontes.
Aps ter elaborado a tabela mencionada acima, crie um grfico de histograma e um de
polgono (podem ser sobrepostos) para representar os dados desta tabela.
Estatstica Bsica
66
ATIVIDADE 4
Uma instituio de ensino props a um grupo de 25 alunos
de seu corpo discente que fizessem uma redao sobre o tema
Aquecimento Global. Aps ter sido feita a correo destas
redaes, os professores elaboraram uma tabela com as notas
obtidas por estes alunos.
A tabela mostrada ao lado reproduz a tabela criada pelos
professores, no entanto, como se trata de uma tabela primitiva,
no possvel fazer anlises mais completas sobre o desempenho
desses alunos.
Assim, foi pedido ao professor de Estatstica que elaborasse uma tabela com distribuio
de freqncia em intervalos de classes baseados nos dados da tabela primitiva.
O professor, ento, solicitou ajuda aos seus alunos na elaborao desta tabela e props
tambm que fizessem algumas anlises que seriam importantes para que a diretoria da escola
pudesse ter uma idia do desempenho dos alunos que participaram da redao. Voc, como aluno
da disciplina de Estatstica, ajude na elaborao desta tabela, que dever possui os seguintes
dados:
a) Intervalos de classe com as notas obtidas pelos alunos que fizeram a redao, ttulo da
tabela, linha de totais, cabealhos e fontes;
b) Colunas de freqncia simples absoluta (f
i
), freqncia simples relativa (fr
i
), freqncia
acumulada (F
i
), freqncia acumulada relativa (Fr
i
), ponto mdio dos intervalos de
classe (x
i
);
c) Calcule tambm para a tabela elaborada, a mdia aritmtica, a moda e a mediana.
Estatstica Bsica
67
ATIVIDADE 5
Um concurso pblico para provimento de vaga de professor
de Qumica, para atuar nas escolas da regio de Campinas, teve 550
participantes. Como este nmero foi bastante elevado, decidiu-se
que um dos critrios que seria utilizado para casos de desempate,
seria o tempo de servio que cada um desses participantes teria,
atuando como professor na rede de ensino.
Para analisar estas informaes, o comit organizador do
concurso elaborou uma tabela, com intervalos de classes que
mostrasse o tempo de atuao em anos de trabalho, como professor,
desse grupo de candidatos. Assim, as informaes foram tabuladas
conforme mostrado na tabela ao lado.
Usando seus conhecimentos de Estatstica, e considerando os dados desta tabela, voc
dever complet-la com algumas informaes para que possa responder s seguintes questes:
a) Qual a quantidade de candidatos que possuem tempo de servio entre 8 e 12 anos, exclusive?
b) Qual a quantidade de candidatos que possuem tempo de servio entre 0 e 16 anos, exclusive?
c) Qual a porcentagem de candidatos que possuem tempo de servio entre 16 e 20 anos,
exclusive?
d) Qual a porcentagem de candidatos que possuem tempo de servio entre 0 e 12 anos,
exclusive?
Estatstica Bsica
68
ATIVIDADE 6
Um professor de estatstica de uma determinada faculdade, na expectativa de mostrar aos
seus alunos do curso de Qumica Industrial os riscos que podem existir quando da manipulao
indevida de alguns produtos qumicos, solicitou que estes alunos fizessem uma pesquisa.
Deveriam ser pesquisadas algumas pessoas, para saber se estas j haviam tido algum caso
de acidente ao utilizar o Hidrxido de Sdio (soda custica). Dessas pessoas, foram selecionadas
um grupo de 20 pessoas que tiveram pelo menos um caso de acidente pelo uso indevido deste
produto qumico.
O professor ento, decidiu elaborar uma tabela com
distribuio de frequncia em intervalo de classes
considerando as idades dessas pessoas, para que pudessem
ser feitas algumas anlises e discusses sobre os resultados
obtidos.
Considerando que a tabela apresentada ao lado seja
uma reproduo do trabalho realizado por esse professor e o
seu grupo de alunos, calcule a mdia de idade dos casos de
acidente pelo uso indevido de Hidrxido de Sdio do grupo
de pessoas pesquisadas.
Estatstica Bsica
69
ATIVIDADE 7
Num processo de seleo para o cargo de Qumico de uma
determinada empresa, so efetuadas quatro provas a fim avaliar os
candidatos.
Para calcular a mdia final de cada candidato, deve-se levar em
considerao que as provas tm graus de importncia diferentes,
determinados pelas ponderaes mostradas na tabela ao lado.
Supondo que a candidata rica, tenha participado do processo
de seleo e tenha obtido para cada uma das provas as seguintes
notas: 6,75 em Portugus; 7,50 em Matemtica; 4,25 em Fsica e 6,75
em Qumica. Considerando estas informaes, qual ter sido a mdia
final dessa candidata?
a) 5,85
b) 6,25
c) 6,35
d) 6,15
e) 5,75
Estatstica Bsica
70
ATIVIDADE 8
Os dados apresentados em tabela de distribuio de
frequncias com intervalos de classes, tambm podem ser
representados em grficos do tipo histogramas.
Considerando o grfico de histograma ao lado, qual das
tabelas de distribuio de frequncia mostradas abaixo, pode
melhor representar este grfico?
Estatstica Bsica
71
ATIVIDADE 9
Os dados apresentados na tabela abaixo referem-se s informaes das estaturas de um
grupo de 40 alunos do curso de Qumica Industrial de uma determinada faculdade.
Quando estruturamos uma tabela utilizando a distribuio de frequncia, ajuda-nos a
responder algumas questes de forma mais fcil. Considerando a referida tabela e as afirmaes
apresentadas na sequncia, qual das alternativas representa a melhor resposta.
I. Existem 24 pessoas que possuem estatura entre 150cm, inclusive e 162cm.
II. Podemos identificar que 80% dos alunos tem menos de 166cm de estatura.
III. Podemos verificar que 20% dos alunos tem estatura entre 158cm, inclusive e 162cm.
a) I, II e III esto corretas.
b) Somente II e III esto corretas.
c) Somente I e III esto corretas.
d) Somente I e II esto corretas
e) Todas esto incorretas.
Estatstica Bsica
72
ATIVIDADE 10
Quase um sculo aps ter sido descoberta, a
Doena de Chagas constitui, ainda hoje, um grave
problema de sade pblica no Brasil e na Amrica
Latina. Estima-se que 16 a 18 milhes de pessoas
estejam infectadas pelo Trypanosoma cruzy.
Atualmente, no Brasil, o nmero de infectados
situa-se em torno de 3,5 milhes. Destes
aproximadamente 600 mil residem no estado de
Minas Gerais.
Nota-se que na regio do Norte de Minas,
onde se localiza a cidade de Montes Claros, existe
uma endemicidade da Doena de Chagas, conforme
trabalho de pesquisa efetuada em 2005, por
estudantes do 10 perodo de medicina da
Universidade Estadual de Montes Claros.
Podemos observar na tabela apresentada acima a distribuio por faixa-etria dos
portadores de Doena de Chagas, no Programa de Sade da Famlia Tancredo Neves, da cidade
de Montes Claros. Com os dados desta tabela, propomos que voc complete o trabalho desta
equipe, calculando as seguintes informaes:
a) A mdia aritmtica da distribuio
b) A moda da distribuio
c) A mediana da distribuio
Estatstica Bsica
73
ATIVIDADE 11
Considerando o grfico apresentado no texto, possvel elaborar uma tabela com
distribuio de frequncia em intervalos de classes dos valores anuais gastos com educao por
aluno dos 33 pases.
Portanto, complete a tabela de distribuio abaixo, considerando o nmero de pases que
se enquadram dentro de cada intervalo de classe. Tendo elaborado a tabela acima, responda s
seguintes perguntas:
a) Do total de pases, constantes da tabela, quantos investem anualmente menos de 7000
Euros em educao por aluno?
b) Qual a porcentagem de pases que investem anualmente entre 1000 Euros e 5000
Euros, exclusive, em educao por aluno?
c) Qual a porcentagem de pases que investem anualmente entre 11000 Euros e 13000
Euros, exclusive, em educao por aluno?
Estatstica Bsica
74
ATIVIDADE 12
Para resolver os problemas propostos nesta
avaliao, considere os dados da tabela primitiva
mostrada ao lado.
Obtenha um rol da tabela acima, classificando
os dados em ordem crescente de valores.
Calcule todos os dados a seguir e uma tabela
com distribuio de freqncia em intervalos de
classes. Se desejar poder utilizar o modelo
apresentado no final da pgina.
a) Calcule a Amplitude Total (AT) do rol obtido acima.
b) Determine o nmero de classe utilizando qualquer uma das regras conhecidas (regra
prtica ou regra de Sturges).
c) Determine a amplitude das classes (h).
d) Crie os intervalos de classes.
e) Calcule a Freqncia Simples Absoluta (f
i
) de cada classe.
f) Calcule a Freqncia Simples Relativa (fr
i
) de cada classe.
g) Calcule a Freqncia Acumulada Absoluta (F
i
) de cada classe.
h) Calcule a Freqncia Acumulada Relativa (Fr
i
) de cada classe.
i) Complete a tabela de distribuio de freqncia seguindo a regras para criao de tabelas,
ou seja, utilizando os elementos: Ttulo da tabela, cabealho, coluna indicadora, fonte,
notas, etc.
Distribuio do tempo de internao, em dias,
de 50 pacientes que sofreram acidentes graves
no trabalho, em um dado hospital
Estatstica Bsica
75
ATIVIDADE 13
Numa determinada cidade, foi feita uma pesquisa com 30 casais para saber qual a
quantidade de filhos que eles possuiam. Aps ter feita a tabulao dos dados coletados, elaborou-
se uma tabela contendo estas informae.
A tabela mostra abaixo, ilustra as informaes tabuladas desta pesquisa. Considerando as
informaes mostradas nesta tabela, calcule para esta tabela:
a) A amplitude total
b) A varincia
c) O desvio padro
d) O coeficiente de variao
Nmeros de filhos de 30 casais.
Estatstica Bsica
76
ATIVIDADE 14
Uma pesquisas feita por agentes de sade de uma determinada cidade, pesquisou um
grupo de 30 pessoas portadoras de deficincia fsica que era atendidas pelo posto de sade de um
determinado bairro.
Aps a tabulao dos dados pesquisados, foi elaborada uma tabela contendo informaes
sobre as idade dessas pessoas, para que fosse feito um trabalho de atendimento especial de
acordo com algumas faixas etrias.
Considerando os dados fornecidos pela tabela apresentada abaixo como sendo o resultado
da pesquisa elaborada pelos agentes de sade, calcule para esta tabela:
b) A varincia
c) O desvio padro
d) O coeficiente de variao.
Idade de pessoas com deficincia fsica
Estatstica Bsica
77
ATIVIDADE 15
Considerando os dados apresentados na tabela ao lado, calcule
para esta tabela:
b) A varincia
c) O desvio padro
Peso, em gramas, de ratos
da raa Wistar de 30 dias
Ordem Peso
1 76,2
2 81,5
3 50,0
4 47,5
5 63,5
6 65,1
7 63,2
8 64,5
Estatstica Bsica
78
ATIVIDADE 16
Considerando os dados apresentados na tabela ao
lado, calcule para cada um dos itens (peso e comprimento):
b) A varincia
c) O desvio padro
Observao:
No se podem comparar desvios padres de peso e comprimento porque as unidades de
medida so diferentes. Mas os coeficientes de variao podem ser comparados porque so
adimensionais.
Peso em quilogramas e
comprimento, em centmetros,
de 10 ces
Ordem Peso Comprimento
1 23,0 104
2 22,7 107
3 21,2 103
4 21,5 105
5 17,0 100
6 28,4 104
7 19,0 108
8 14,5 91
9 19,0 102
10 19,5 99
Estatstica Bsica
79
ATIVIDADE 17
PROBABILIDADE
1. Um casal tem dois filhos. Qual a probabilidade de:
a) O primognito ser homem?
b) Os dois serem homens?
c) Pelo menos um dos filhos ser homem?
Resoluo:
Suponha que a probabilidade de nascer menino de
1
2
, ou seja, de 50%, e que o sexo do segundo
filho no depende do sexo do primeiro. Ento temos que:
a) A probabilidade de o primognito ser homem :
{ } ( )
{ } ( )
( )
( )
( , ), ( , ), ( , ), ( , ) 4
( , ), ( , ) 2
2 1
( )
4 2
( ) 0, 50 100 ( ) 50%
M F M M F M F F n
A M F M M n A
n A
P A
n
P A P A
O = O =
= =
= = =
O
= =
b) A probabilidade de os dois filhos serem homens :
{ } ( )
{ } ( )
{ } ( )
( , ), ( , ), ( , ), ( , ) 4
( , ), ( , ) 2
( , ), ( , ) 2
M F M M F M F F n
A M F M M n A
B M F M M n B
O = O =
= =
= =
So eventos mutuamente exclusivos, ou seja, a ocorrncia de um impossibilita a
ocorrncia do outro. Neste exemplo, se ocorrer o evento A, no ocorrer o evento B .
Portanto, teremos a seguinte soluo:
Estatstica Bsica
80
( ) ( ) ( ) ( )
( )
( )
( )
( )
( ) ( )
( )
2 2 4 1
0, 25 100
4 4 16 4
25%
n A n B
P A B P A P B P A B
n n
P A B P A B
P A B
= =
O O
= = = =
=

c) A probabilidade de pelo menos um dos filhos ser homem :

{ } ( ) ( , ), ( , ), ( , ), ( , ) 4 M F M M F M F F n O = O =
{ } ( )
{ } ( )
{ } ( )
( , ) 1
( , ) 1
( , ) 1
A M F n A
B M M n B
C F M n C
= =
= =
`
= =
)
Pelo menos um dos filhos ser homem.
{ } ( ) ( , ) 1 D F F n D = =
So quatro eventos possveis, do quais os trs primeiros atendem caracterstica pelo
menos um dos filhos ser homem. Portanto, podemos calcular esta probabilidade da
seguinte forma:
( ) ( ) ( )
( )
( )
( )
( )
( )
( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
1 1 1 3
4 4 4 4
0, 75 100
75%
n A n B n C
P A P B P C
n n n
P A P B P C
P A P B P C
P A P B P C
+ + = + +
O O O
+ + = + + =
+ + =
+ + =
Estatstica Bsica
81
ATIVIDADE 18
PROBABILIDADE
Um grupo de 50 moas classificado de acordo com a cor dos cabelos, e dos olhos de cada moa, segundo
a tabela abaixo. Se voc marca um encontro com uma dessas garotas, escolhida ao acaso,
Cabelos
Olhos
Azuis Castanhos
Loira 17 9
Morena 4 14
Ruiva 3 3
a) Qual a probabilidade dela ser morena de olhos azuis?
b) Qual a probabilidade dela ser morena ou ter olhos azuis?
c) Qual a probabilidade dela ser loira?
d) Suponha que esteja chovendo quando voc encontra a garota. Seus cabelos esto completamente
cobertos (deve ter feito chapinha), mas voc percebe que ela tem olhos castanhos. Qual a
probabilidade de que ela seja morena?
Estatstica Bsica
82
ATIVIDADE 19
PROBABILIDADE
A tabela abaixo fornece o nmero de estudantes matriculados por sexo e curso, numa determinada
faculdade, no ano de 2009.
Curso
Sexo
Masculino Feminino
Qumica Industrial 30 52
Pedagogia 2 100
Biologia 132 120
Ao escolher um aluno, qual a probabilidade de o mesmo ser:
a) Do sexo feminino ou do curso de Biologia?
b) Do sexo masculino ou do curso de Pedagogia?
c) No se do curso de Qumica Industrial?
d) Do sexo masculino e do curso de Qumica Industrial?
Estatstica Bsica
83
ATIVIDADE 20
DISTRIBUIO BINOMIAL
1. Determine a probabilidade de obtermos exatamente 3 caras em 6 lances de uma moeda
(Resposta:
5
21, 25%
16
ou )
2. Jogando-se um dado 3 vezes, determine a probabilidade de se obter um mltiplo de 3 duas vezes
(Resposta:
2
22, 22%
9
ou ).
3. Dois times de futebol A e B, jogam entre si 6 vezes. Encontre a probabilidade de o time A:
a) Ganhar dois ou trs jogos (Resposta:
400
54,87%
729
ou ).
b) Ganhar pelo menos um jogo (Resposta:
665
91, 22%
729
ou ).
4. A probabilidade de um atirador acertar o alvo
2
3
. Se ele atirar 5 vezes, qual a probabilidade de
acertar exatamente 2 tiros? (Resposta:
40
16, 46%
243
ou )
5. Seis parafusos so escolhidos ao acaso da produo de certa mquina, que apresenta 10% de
peas defeituosas. Qual a probabilidade de serem defeituosos dois deles? (Resposta:
40
9,84%
243
ou ).
Estatstica Bsica
84
Resoluo:
6 n = ; 2 k = ;
10
0,10
100
p = = ;
90
0,90
100
q = =
( ) ( )
2 6 2
6
( ) ( 2) 0,10 0, 90
2
k n k
n
P X k p q P X
k

| | | |
= = = =
| |
\ . \ .
( )
( ) ( )
2 6 2 6! 6.5. 4!
( 2) 0,10 0, 90
2! 6 2 !
P X

= = =
2! 4!
( ) ( )
2 4
0,10 0, 90
30
( 2) 0, 01 0, 6561 15 0, 01 0, 6561 ( 2) 0, 098415
2
P X P X = = = = =
( 2) 0, 098415 100 ( 2) 9,84% P X P X = = = =
Estatstica Bsica
85
ATIVIDADE 21
DISTRIBUIO BINOMIAL
1. Suponha que 8% dos cachorros-quentes vendidos num estdio de futebol sejam pedidos sem
mostarda. Se sete pessoas pedem cachorro-quente, determine a probabilidade de que:
a) Todos queiram mostarda (Resposta: 55,78 %).
b) Apenas um no queira mostarda (Resposta: 33,96 %).
2. Sabe-se que 4% das peas produzidas por certa mquina so defeituosas. Em um lote de 10 peas,
calcular a probabilidade de:
a) Exatamente 2 peas serem defeituosas (Resposta: 5,19%)
b) Menos de 2 peas serem defeituosas (Resposta: 94,18%)
3. Numa empresa os funcionrios com formao superior so classificados como jnior e snior.
Sabe-se que 20% do total pertence ao grupo snior. Se so selecionados ao acaso 4 funcionrios,
qual a probabilidade de, no mximo, trs pertencerem ao grupo snior? (Resposta: 0, 9984).
4. Sabe-se que a probabilidade de ocorrer acidente de trabalho com um funcionrio de uma empresa
metalrgica de 10%. Qual a probabilidade de, no mximo, encontramos quatro que sofreram
acidente de trabalho dentre seis funcionrios selecionados? (Resposta: 0, 9999)
5. Suponha que a probabilidade de atingir o alvo de
1
4
. Disparando-se 8 tiros no alvo, qual a
probabilidade de que o alvo seja atingido:
a) Pelo menos duas vezes? (Resposta: 0, 63)
b) No mximo uma vez? (Resposta: 0,37)

Apostila Estatistica

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Apostila Estatistica

Uploaded by

Copyright:

Available Formats

Faculdades Integradas Maria Imaculada

Unidade Mogi Guau

- Freqncia simples relativa (

). Veja estas informaes na tabela exemplo.

O propsito das freqncias relativas o de facilitar as comparaes. A soma das

) igual a 1 ou 100%, ou seja:

).Veja estas informaes na tabela exemplo.

) for um nmero mpar o

: Somatrio da freqncia simples absoluta

) for um nmero par o valor

: Somatrio da freqncia simples absoluta

: Somatrio da freqncia simples absoluta

: Somatrio da freqncia simples absoluta

Logo, a classe mediana ser:

Exemplo: Considerando os dados apresentados na tabela abaixo, calcular a varincia

8.4. Coeficiente de variao

- Eventos dependentes: Se A e B so eventos dependentes, a probabilidade de ocorrer os

Isso sugere a definio: Se dois eventos Ae B so chamados independentes se:

c) A probabilidade de pelo menos um dos filhos ser homem :

You might also like