Professional Documents
Culture Documents
+ + +
....
2 1
Ex: X = {1, 3, 8, 10, 12}
5
12 1 " 3 1 + + + +
x
" ! 6 x
na HP 12-C:
f REG
f Z
1 Z+ 3 Z+ 8 Z+ 10 Z+ 12 Z+
g x ( a tecla 0)
1"
1"
b) Ponderada: usada para dados tabulados. Cada valor x
i
da varivel ponderado
pela sua frequncia f
i
. Temos ento:
x
x f x f x f
f
k k
i
+ + +
1 1 2 2
. . ... .
x
x f
f
i i
i
.
Lembrando que se os dados estiverem agrupados em classes, cada valor de xi o
ponto mdio da classe correspondente.
Veja o exemplo seguinte, observando que a coluna x
i
traz o ponto mdio de cada
classe e que abrimos uma coluna x
i
. f
i
para facilitar o clculo.
35
5
175
i
i i
f
f x
x
A mdia aritmtica utilizada principalmente quando desejamos obter a medida de
posio central que possui a maior estabilidade. Entretanto, devemos lembrar que a
mdia fortemente influenciada pelos extremos, fato que pode descaracteriz-la
como principal medida de tendncia central.
Nos casos em que as medidas extremas forem bastante afastadas das demais, a
mdia ser tendenciosa, e por isso deveremos optar por outra medida de posio,
que no sofra esse tipo de influncia.
A mdia aritmtica sozinha no deve ser tomada como espelho da distribuio.
necessrio compor outras medidas de posio para podermos fazer uma completa
avaliao dos dados.
E3erccios
1) Uma empresa fabrica um componente e, para isso, precisa importar trs itens A,
B e C. Sabe-se que ela comprou 3.000 unidades do item A, pagando alquota de
8% de imposto; 4.500 unidades do item B, com alquota de 12% e 5.000 unidades
do item C, com alquota e 15%. Qual foi a alquota mdia paga pela empresa?
2) Uma empresa comprou 400 unidades de um item A, pagando R$14,30 a
unidade. Entretanto, ela recebeu uma proposta de outro fornecedor, que lhe
19
Classes f
i
x
i
x
i
. f
i
10 | 20 6 15 90
20 | 30 11 25 275
30 | 40 15 35 525
40 | 50 13 45 585
50 | 60 5 55 275
f
i
= 50 = n x
i
.f
i
= 1.750
19
ofereceu o mesmo item por R$13,20. A empresa decidiu ento comprar mais 300
unidades desse novo fornecedor. Qual o preo mdio pago por essa empresa pelo
item A?
3) Calcule a mdia aritmtica da distribuio abaixo.
)." - Eoda: smbolo: Mo ou xN
Tambm chamada de norma, valor dominante ou valor tpico. Pode-se definir
moda como o valor mais frequente, quando comparada sua frequncia com a dos
valores contguos de um conjunto ordenado. Quando afirmamos que o salrio
modal de uma empresa de R$1.200,00, queremos dizer que esse o salrio
percebido pelo maior nmero de pessoas dessa empresa. O termo moda foi
utilizado primeiramente por Karl Pearson em 1895, talvez como uma associao a
sua concepo na linguagem comum.
a) Dados No-Tabulados: considerando um conjunto ordenado de valores, a moda
ser o valor mais frequente desse conjunto.
Exemplo: calcular a moda dos conjuntos: X ={4, 5, 5, 6, 6, 6, 7, 7, 8, 8}
Y = {4, 4, 5, 5, 6, 6}
Z = {1, 2, 2, 2, 3, 3, 4, 5, 5, 5, 6, 6}
W = {1, 2, 3, 4, 5}
A moda de cada um dos conjuntos ser:
X: xN = 6 (unimodal) ; Y: amodal; Z: 2 N
1
x e 5 N
2
x (bimodal); W: amodal
Obs: para mais de duas modas, a srie classificada como plurimodal.
b) Dados Tabulados: para dados no agrupados, a moda ser o valor de xi
correspondente maior frequncia, tirado direto da tabela, sem a necessidade
de clculos. Se os valores estiverem agrupados em classes, temos vrios
mtodos de clculo, como a moda bruta (ponto mdio da classe de maior
frequncia) e o mtodo de King
1
, mas o mais elaborado o mtodo de Czuber,
que leva em considerao a frequncia modal e as frequncias adjacentes
classe modal (classe modal a classe de maior frequncia).
1
O ,:&$0$ 0' O*%1 %D$ )'3+ ', ;$%2*0'.+/D$ + A.'64P%;*+ 0+ ;)+22' ,$0+)! +8'%+2 +2 A.'64P%;*+2
+%&'.*$. ' 8$2&'.*$..
2
C$%24,$ ?QR-@ %
$
0' 424(.*$2
5 J 25 4
25 J45 6
45 J65 14
65 J"5 26
"5 J15 16
15 J125 7
125 J145 5
145 J165 2
"
2
Frmula de Czuber:
( )
( ) fp fa fm
fa fm h
L x
i
+
+
2
N
onde:
Li = limite inferior da classe modal
h = amplitude da classe modal
fm = frequncia absoluta simples da classe modal
fa = frequncia absoluta simples da classe anterior modal
fp = frequncia absoluta simples da classe posterior modal
Exemplo: calcular a moda da distribuio ao lado, pelo mtodo de Czuber:
Temos:
classe modal: 4
a
classe: 65 | 85 (classe de maior frequncia)
Li = 65 ; h = 20 ; fm = 26 ; fa = 14 ; fp = 16
utilizando a frmula, temos:
A moda corresponder ao ponto mdio da classe modal, quando as frequncias
anterior e posterior modal forem iguais.
Podemos tambm identificar as expresses grficas da moda. Na curva de
frequncia, a moda o valor correspondente, no eixo das abscissas, ao ponto de
ordenada mxima.
curva modal curva no-modal
21
C$%24,$ ?QR-@ %
$
0' 424(.*$2
5 J 25 4
25 J45 6
45 J65 14
65 J"5 26
"5 J15 16
15 J125 7
125 J145 5
145 J165 2
"
( )
( )
9 ! 75 9 ! 1 65
22
24
65
3 52
12 2
65
16 14 26 2
14 26 2
65 N + +
+
+
+ x
21
curva antimodal
curva bimodal
E3erccios
4) calcular a moda para a distribuio abaixo:
;)+22'2 A*
1 J 2 1
2 J 3 2
3 J 4 35
4 J 5 42
5 J 6 25
6 J 7 1"
A* F 15
5) Dados obtidos no stio da revista VEJA na internet (www.veja.com.br) mostram
que 28% da populao brasileira de origem africana, 32% de origem portuguesa,
20% de origem italiana e 20% de outras origens. Qual a moda quanto origem?
).) - Eediana: smbolo: Md ou
S
K
.
o valor que divide uma srie ordenada de tal forma que pelo menos a metade ou
50% dos itens sejam iguais ou maiores do que ela, e que haja pelo menos outra
metade ou 50% de itens menores do que ela.
22
22
a) Dados No-Tabulados: podem ocorrer duas hipteses:
o n
o
de observaes mpar: o elemento mediano dado por: Emd =
% +1
2
.
O passo seguinte localizar a mediana na lista de valores, de acordo com o
resultado obtido no clculo do elemento mediano.
Exemplo: calcular a mediana do conjunto X = {2, 3, 6, 12, 15, 23, 30}
Soluo: sendo n = 7 (mpar), temos ento: Emd =
7 1
2
4
+
. A mediana ser, pois,
o 4
o
elemento da srie, ou seja, 12.
o n
o
de observaes par: o elemento mediano dado por: Emd =
% 2
Exemplo: calcular a mediana do conjunto X = {3, 6, 9, 12, 14, 15, 17, 20}
Soluo: sendo n par, temos ento Emd =
" 2 4
. A mediana ser, pois, o 4
o
elemento da srie, ou seja, 12.
Entretanto, este valor contraria a definio, uma vez que no teramos a mesma
proporo de valores menores e maiores que o valor 12. A mediana dever ento
ser calculada como a mdia aritmtica dos valores centrais, ou seja,
12 14
2
13
+
.
Agora, percebe-se a ocorrncia de igual nmero de valores maiores e menores do
que
S
x
. Nesse exemplo verificamos tambm que a mediana no tpica.
b) Dados Tabulados no Agrupados em Classes: o procedimento a ser adotado
praticamente idntico ao anterior. Em primeiro lugar deve-se verificar se o nmero
de observaes mpar ou par e, conforme o caso, aplicar as frmulas adotadas na
alnea (a) para o clculo do elemento mediano. Em seguida, acrescentamos
tabela a coluna com as frequncias acumuladas "abaixo de. Comparando o
resultado obtido no clculo do elemento mediano com os valores dessa coluna,
determinaremos a mediana.
Exemplos: calcular a mediana dos valores apresentados nas tabelas:
n par, ento Emd = n/2 = 50/2 = 25
A mediana dever ser a mdia aritmtica entre o 25
o
e o 26
o
elementos, que esto
na 3
a
classe, portanto:
4
S
x
23
K* A* A+;
2 5 5
3 1 15
4 15 3
5 12 42
6 " 5
% F 5
K* A* A+;
3 3 3
4 6 9
5 9 1"
6 " 26
7 9 35
% F 35
23
n mpar, ento Emd =
% +
+
1
2
35 1
2
36
2
1"
A mediana dever ser o 18
o
elemento, que est na
3
a
classe, portanto: 5
S
x
c) Dados Tabulados Agrupados em Classes: inicialmente determinamos a classe
mediana, sendo que esta aquela qual corresponde frequncia acumulada
"abaixo de imediatamente superior a
2
i
f
. Feito isso, um problema de
interpolao resolve a questo, admitindo-se que os valores se distribuam
uniformemente no intervalo de classe.
Assim:
onde:
Li = limite inferior da classe mediana
Faa = freq. acumulada "abaixo de anterior
classe mediana
h = amplitude da classe mediana
fmd = freq. absoluta simples da classe mediana
.
Exemplo: calcule a mediana para os dados da tabela:
150/2 = 75 a classe mediana a 4
a
classe.
4 ! 42
42
1
4
42
1 65
2
15
4
S
+
1
]
1
+ x
Obs: Se existir uma fac com valor igual a
2
i
f
, ento a mediana ser o limite
superior da classe correspondente a essa fac, sem a necessidade de usar a frmula.
E3erccio
5) Calcular a mediana para a distribuio abaixo.
C$%24,$ ?QR-@ %
$
0' 424(.*$2
5 J 25 4
25 J45 6
24
;)+22'2 A* A+;
1 J 2 1 1
2 J 3 2 3
3 J 4 35 65
4 J 5 42 17
5 J 6 25 132
6 J 7 1" 15
A* F 15
24
md
f
Faa
fi
h
Li x
,
_
+
2
S
45 J65 14
65 J"5 26
"5 J15 16
15 J125 7
125 J145 5
145 J165 2
"
).2 - &onsidera-Ies #dicionais 4o5re Edia #rit$tica@ Eediana e Eoda
Dentre as vrias medidas de tendncia central, seguramente a mdia aritmtica
a mais utilizada por ser mais estvel.
Em termos de uma curva de distribuio de frequncia, percebe-se melhor o
posicionamento dessas medidas:
curva normal (simtrica)
assimtrica esquerda assimtrica direita
25
25
A mdia aritmtica prefervel s demais medidas, para estimar a tendncia
central, quando se trata de muitas classes de populaes, por haver menos
variabilidade entre as mdias aritmticas calculadas a partir de vrias amostras
aleatrias do que entre as medianas e as modas.
A mediana prefervel mdia quando se est interessado em conhecer
exatamente o ponto mdio da distribuio, aquele valor que a divide em duas
partes exatamente iguais. prefervel ainda, quando os resultados extremos so
tais que podem afetar sensivelmente o valor da mdia.
A moda utilizada essencialmente quando pretendemos apenas uma medida
rpida e aproximada da tendncia central. A moda tambm bastante til quando
desejamos que este valor seja tpico da distribuio.
Tanto a mdia aritmtica quanto a mediana e a moda so dadas na mesma unidade
da varivel.
Obs: um promdio no deve ser usado como um resumo da distribuio de
frequncias, quando o interesse estiver concentrado na distribuio completa.
E3erccios
7) Calcule a mdia aritmtica, a mediana e a moda para a tabela abaixo.
8) O levantamento de dados sobre os salrios de 100 funcionrios de uma
determinada empresa forneceu os seguintes resultados:
T4+%&*0+0' 0' S+)(.*$2 M7%*,$2 T4+%&*0+0' 0' #4%;*$%(.*$2
2 J 4 25
4 J 6 35
6 J " 2
" J 1 15
1 J 12 5
&$&+) 1
Calcule a mdia aritmtica, a mediana e a moda para esses dados.
26
N7t)- F<+G@H8(6)- (F6)
J 1 6
1 J 2 16
2 J 3 23
3 J 4 41
4 J 5 1
5 J6 13
6 J 7 9"
7 J" 57
" J 9 19
9 JJ 1 1
A* F 5
26
2 EEDID#4 DE DI4,ER4O
A anlise completa dos dados no requer apenas a sua apresentao, atravs de
grficos e tabelas, ou do clculo de promdios ou outras medidas de posio.
Caracterizar um conjunto de valores apenas atravs de uma mdia, por exemplo,
descrev-lo inadequadamente, uma vez que os dados diferem entre si, em maior
ou menor grau. Para avaliar o grau de variabilidade ou disperso dos valores de um
conjunto de nmeros, lanaremos mo das estatsticas denominadas medidas de
disperso. Estas nos proporcionaro um conhecimento mais completo do fenmeno
a ser analisado, permitindo estabelecer comparaes entre fenmenos de mesma
natureza e mostrando at que ponto os valores se distribuem acima ou abaixo da
tendncia central.
2.1 - Desvio-%adr.o: (S) a medida de disperso mais usada, tendo em comum
com o desvio mdio o fato de em ambos serem considerados os desvios com
relao a
K
. S que, no clculo do desvio-padro, em lugar de serem usados os
valores absolutos das discrepncias ou desvios calculam-se os quadrados desses. O
desvio-padro a mdia quadrtica dos desvios em relao mdia aritmtica de
um conjunto de nmeros, ou seja, a raiz quadrada da mdia aritmtica dos
quadrados dos desvios, tomados a partir da mdia aritmtica.
a) Dados Brutos: o desvio-padro calculado por:
( )
n
x x
S
i
2
Obs: alguns autores afirmam que quando o desvio-padro representar uma
descrio da amostra e no da populao, caso mais frequente em estatstica, o
denominador das expresses acima deve ser
% 1
, em vez de n. A razo desse
procedimento reside no fato de que, utilizando o divisor
% 1
, obtm-se uma
estimativa melhor do parmetro de populao. Para valores grandes de n (n > 30)
no h grande diferena entre os resultados proporcionados pela utilizao de
qualquer dos dois divisores. Daremos preferncia para a frmula que proporciona
um clculo mais simples e rpido, e que mais utilizado em provas de concursos
pblicos (denominador n).
Exemplo: calcular o desvio-padro do conjunto abaixo:
X = {1, 3, 8, 10, 12}
" ! 6 x
5
4 ! 27 24 ! 1 44 ! 1 44 ! 14 64 ! 33
5
@ " ! 6 12 ? @ " ! 6 1 ? @ " ! 6 " ? @ " ! 6 3 ? @ " ! 6 1 ?
2 2 2 2 2
+ + + +
+ + + +
S
166533 ! 4 36 ! 17
5
" ! "6
S
Na HP 12-C, o clculo do desvio padro pode ser feito com a seguinte sequncia de
teclas:
com denominador n - 1 com denominador n
f REG f REG
f U f U
1 UV 1 UV
3 UV 3 UV
27
27
8 UV " UV
10 UV 1 UV
12 UV 12 UV
g S (tecla ponto) g x (tecla 0)
UV
visor: 4,65833 visor: 4,166533
b) Dados Tabulados: utilizando o divisor n, temos:
( )
fi
f x x
S
i i
2
Exemplo: calcular o desvio-padro da tabela abaixo:
( )
99"99 ! 3 9375 ! 96
"
"75 . 76
2
fi
f x x
S
i i
QR-
Observaes:
(i) O desvio-padro dado na mesma unidade da varivel.
(ii) A mdia aritmtica desta distribuio 78,75 (j calculada).
E3erccio
1) Calcular o desvio padro para a distribuio abaixo:
P'2$ ?Q1@ #.'6. A52. S*,8)'2
2 J 4 7
4 J 6 9
6 J " 1"
" J 1 1
1 J 12 6
&$&+) 5
2." - /ariJncia: (S
2
) o quadrado do desvio-padro. Dessa forma, pode-se dizer
que a frmula da varincia igual expresso do desvio-padro, sem o sinal do
radical. Utilizaremos, tambm neste caso, o denominador n. A varincia uma
2"
C$%24,$ ?QR-@ %
$
0' 424(.*$2 ?A*@ K*
K K
*
( ) K K
*
2
( ) K K A
* *
2
.
5 J 25 4 15 963!75 4.64!625 16.256!25
25 J45 6 35 943!75 1.914!625 11.4"4!375
45 J65 14 55 923!75 564!625 7.94!75
65 J"5 26 75 93!75 14!625 365!625
"5 J15 16 95 16!25 264!625 4.225!
15 J125 7 115 36!25 1.314!625 9.19"!4375
125 J145 5 135 56!25 3.164!625 15."2!3125
145 J165 2 155 76!25 5."14!625 11.62"!125
" 76."75!
2"
medida que tem pouca utilidade como estatstica descritiva, porm extremamente
importante na inferncia estatstica e em combinaes de amostras.
2.) - Eedida de Dis%ers.o Re!ativa - &oeiciente de /aria-.o de ,earson: o
desvio-padro por si s no nos diz muita coisa. Assim, um desvio-padro de duas
unidades pode ser considerado pequeno para uma srie de valores cuja mdia
200; no entanto, se a mdia for igual a 20, o mesmo no pode ser dito. Alm disso,
o fato de o desvio-padro ser expresso na mesma unidade dos dados limita o seu
emprego, quando desejamos comparar duas ou mais sries de valores
relativamente sua disperso. Para contornar essas dificuldades e limitaes,
podemos caracterizar a disperso ou variabilidade dos dados em termos relativos a
seu valor mdio, medida essa denominada coeficiente de variao de Pearson:
1
x
S
CV
No exemplo anterior temos:
> 36 ! 39 1
75 ! 7"
99"99 ! 3
CV
Quanto menor for o CV, mais homogneo ser o conjunto de dados.
E3erccios
2) O que o desvio padro e o qu ele mede?
3) Complete a tabela abaixo com os dados que julgar necessrios para determinar:
a) desvio mdio;
b) desvio padro;
c) varincia;
d) coeficiente de variao.
4) Realizou-se uma prova de estatstica para duas turmas, cujos resultados foram
os seguintes:
Turma A:
K 5
e S = 2,5 Turma B:
K 4
e S = 2
Esses resultados permitem afirmar que:
a) a turma B apresenta maior disperso absoluta;
b) a disperso absoluta igual para ambas as turmas;
c) a disperso relativa igual disperso absoluta;
d) a disperso relativa e a absoluta para a turma B so iguais;
e) a disperso relativa da turma A igual da turma B.
A EEDID#4 DE #44IEETRI# E &URTO4E
29
M* A.'64P%;*+2 ?A*@
2 J 6 5
6 J 1 1
1 J 14 1"
14 J 1" 14
1" J 22 3
5
29
So as que faltam para complementarmos o quadro das estatsticas descritivas, que
proporcionam, juntamente com as medidas de posio e de disperso, a descrio
e compreenso completas da distribuio de frequncias estudada. As distribuies
de frequncia no diferem apenas quanto ao valor mdio e variabilidade, como
tambm quanto sua forma. Do ponto de vista desse ltimo aspecto, as
caractersticas mais importantes so o grau de deformao ou assimetria e o grau
de achatamento ou afilamento da curva de frequncias ou do histograma.
&oeiciente de #ssi$etria: Smbolo: (s, e ou Sk). Como j vimos, se a
mdia aritmtica coincidir com a moda, temos uma distribuio simtrica dos
valores estudados. A diferena entre a mdia e a moda j nos d uma boa idia
da assimetria da distribuio, mas essa medida absoluta, o que no
adequado, pois no permite comparaes com as medidas de outras
distribuies. Por esse motivo, d-se preferncia ao Coeficients de Assimetria de
Pearson , dado por:
( )
S
x x
As
S
. 3
_
,
+
+
2
6
2 3 24
15
6
12
15
6 "
( )
99 ! 2 9567 ! "
6
4 ! 537
2
n
f x x
S
i i
assimetria fraca
esquerda
&urtose: smbolo: (C). Denomina-se curtose o grau de achatamento de uma
distribuio em relao a uma distribuio padro, denominada curva normal
3
Xi fi xi
Fac xi . fi K K
*
( ) K K
*
2
( ) K K A
* *
2
0 | 2 5 1 5 5 -5,67 32,15 160,75
2 | 4 7 3 12 21 -3,67 13,47 94,29
4 | 6 12 5 24 60 -1,67 2,79 33,48
6 | 8 15 7 39 105 0,33 0,11 1,65
8 | 10 11 9 50 99 2,33 5,43 59,73
10 | 12 10 11 60 110 4,33 18,75 187,50
= 60 400 537,40
13 !
99 ! 2
39 !
99 ! 2
@ 13 ! ? 3
99 ! 2
@ " ! 6 67 ! 6 ? 3 @
S
?
3
S
x x
As
3
(curva correspondente a uma distribuio terica de probabilidade), qual tem
ndice de curtose igual a 0,263. Tem-se ento:
A curtose (C) se define como a razo entre a amplitude semi-interquartlica (Q) e a
amplitude declica - Curtose Declica.
( )
C
T T
D D
3 1
9 1
2
Os quartis (Q1 e Q3) so medidas de posio, calculadas como a mediana, que
dividem a distribuio em quatro partes com a mesma quantidade de elementos.
Assim:
( )
T L
Q %
#++ -
A
Q *
*
+
1
]
1
1
.
4
Os decis (D9 e D1) tambm so medidas de posio, semelhantes aos quartis, que
dividem a distribuio em dez partes com a mesma quantidade de elementos.
Assim:
( )
D L
Q %
#++ -
A
Q *
*
+
1
]
1
1
.
1
no qual:
fi = frequncia absoluta simples da classe quartlica / declica
Li = limite inferior da classe quartlica / declica
h = amplitude da classe quartlica / declica
n = nmero total de observaes ( fi)
Faa = frequncia acumulada anterior classe quartlica / declica
k = ordem do quartil / decil.
Exemplo: determinar o ndice de curtose e da distribuio abaixo:
31
Xi fi
fac
0 | 2 5 5
2 | 4 7 12
4 | 6 12 24
6 | 8 15 39
8 | 10 11 50
10 | 12 10 60
60
31
1
o
Quartil:
1
4
1 6
4
15
%
15
a
posio (3
a
classe)
3
o
Quartil:
3
4
3 6
4
45
%
45
a
posio (5
a
classe)
1
o
Decil:
1
1
1 6
1
6
%
6
a
posio (2
a
classe)
9
o
Decil:
9
1
9 6
1
54
%
54
a
posio (6
a
classe)
Assim:
( )
( )
C
T T
D D
3 1
9 1
2
9 9 4 5
2 1 " 2 29
4 59
2 " 51
4 59
17 2
27
! !
! !
!
!
!
!
!
A distribuio que tende ao achatamento (platicrtica).
E3erccios
Para as questes 1 e 2, considere a tabela de frequncias abaixo.
Pesos (kg) fi
fac xi xi . fi K K
*
( ) K K
*
2
( ) K K A
* *
2
50 | 58 10 10 54 540 -20,08 403,206 4032,06
58 |66 15 25 62 930 -12,08 145,926 2188,89
66 | 74 25 50 70 1750 -4,08 16,646 416,15
32
( )
( )
5 ! 4
12
6
4
12
2 12 15
4
4
. 1
1
+
1
]
1
+
1
1
]
1
+
i
i
f
h Faa
n
L Q
( ) ( )
T L
%
#++ -
A
*
*
3
3
4
"
45 39 2
11
"
12
11
9 9 +
1
]
1
1
+
1
]
1
+
.
!
( ) ( )
D L
%
#++ -
A
*
*
1
1
1
2
6 5 2
7
2
2
7
2 +
1
]
1
1
+
1
]
1
+
.
!29
( )
( )
" ! 1
1
"
1
1
2 5 54
1
1
. 9
9
+
1
]
1
+
1
1
]
1
+
i
i
f
h Faa
n
L D
32
74 | 82 24 74 78 1872 7,92 62,726 1551,02
82 | 90 16 90 86 1376 11,92 142,086 2273,38
90 | 98 10 100 94 940 19,92 396,806 3968,06
10
0
7408 14429,6
1) O ndice de curtose e a sua classificao so, respectivamente:
a) 0,26 mesocrtica
b) 0,258 platicrtica
c) 0,258 leptocrtica
d) 25,8% fortemente crtica
e) 25,8% moderadamente crtica
2) O segundo coeficiente de assimetria de Pearson e sua classificao so,
respectivamente:
a) 0,258 assimtrica esquerda
b) 0,258 assimtrica direita
c) praticamente 0 simtrica
d) 0,02 assimtrica direita
e) 20% assimtrica direita
K - ,RO*#*I8ID#DE
&onceitos *+sicos
E3%eri$entos #!eatLrios: ou fenmenos aleatrios so aqueles que, mesmo
repetidos vrias vezes sob as mesmas condies, apresentam resultados
imprevisveis.
Es%a-o #$ostra!: Consideremos uma experincia onde pode ocorrer qualquer
um de n resultados possveis. Cada um dos n resultados possveis ser
chamado de %onto a$ostra!, e o conjunto S de todos os resultados possveis,
ou seja, o conjunto S de todos os pontos amostrais, ser chamado de es%a-o
a$ostra!, es%a-o de %rova ou conMunto universo da experincia. Nos
espaos amostrais equiprobabilsticos ou laplacianos, todos os pontos amostrais
tem a "mesma chance de ocorrer.
Evento: Chama-se evento a qualquer subconjunto do espao amostral S.
Ex: No lanamento de um dado, considerar a ocorrncia de um n
o
mpar. Temos:
Espao amostral S = {1, 2, 3, 4, 5, 6}
Evento n
o
mpar A = {1, 3, 5}
Evento certo - o prprio conjunto universo S. Intuitivamente, o fato que
ocorre sempre, com certeza.
Evento i$%ossve! - o conjunto vazio tambm subconjunto de S, portanto
tambm um evento, chamado de impossvel porque nunca ocorre.
Ex: No lanamento de um dado, o evento "n
o
maior ou igual a 7 um evento
impossvel e o evento "n
o
menor ou igual a 6 um evento certo.
33
33
,ro5a5i!idade: Dado um espao amostral S, com n(S) elementos, e um evento
A de S, com n(A) elementos, A probabilidade do evento A o nmero P(A) tal
que:
P A
n A
n S
? @
? @
? @
Exemplos:
a) Considerando o lanamento de uma moeda e o evento A "obter cara, temos:
S = {Ca, Co} n(S) = 2
A = {Ca} n(A) = 1
Logo: P(A) = = 0,5 ou 50%
b) Considerando o lanamento de um dado, vamos calcular a probabilidade do
evento B "obter o nmero 4 na face superior. Temos:
S = {1, 2, 3, 4, 5, 6} n(S) = 6
A = {4} n(A) = 1
Logo: P(A) = 1/6 = 0,1666... ou aprox. 16,7%
Eventos &o$%!e$entares - Sabemos que um evento pode ocorrer ou no.
Sendo % a probabilidade de que ele ocorra (sucesso) e q a probabilidade de que
ele no ocorra (insucesso), para um mesmo evento existe sempre a relao:
! " # = 1
Assim, se a probabilidade de se realizar um evento p = 1/5, a probabilidade de
que ele no ocorra :
q = 1 - 1/5 = 4/5
Exemplo: sabemos que a probabilidade de tirar quatro no jogo de um dado 1/6.
Assim, a probabilidade de no tirar 4 :
q = 1 - 1/6 = 5/6.
Eventos inde%endentes - dizemos que dois eventos so independentes
quando a realizao ou a no-realizao de um dos eventos no afeta a
probabilidade da realizao do outro e vice-versa. Por exemplo, quando
lanamos dois dados, o resultado obtido em um deles independe do resultado
obtido no outro. Se dois eventos so independentes, a probabilidade de que eles
se realizem simultaneamente igual ao produto das probabilidades de
realizao dos dois eventos. Assim, sendo p1 a probabilidade de realizao do
primeiro evento e p2 a probabilidade de realizao do segundo evento, a
probabilidade de que tais eventos se realizem simultaneamente dada por:
! = !1 . !2
Exemplo: lanamos dois dados. A probabilidade de obtermos 1 no primeiro dado
p1 = 1/6. A probabilidade de obtermos 5 no segundo dado p2 = 1/6. Logo, a
probabilidade de obtermos, simultaneamente, 1 no primeiro e 5 no segundo :
p = 1/6 . 1/6 = 1/36.
Eventos $utua$ente e3c!usivos - dizemos que dois ou mais eventos so
mutuamente exclusivos quando a realizao de um exclui a realizao do outro.
Assim, no lanamento de uma moeda, o evento "tirar cara e o evento "tirar
coroa so mutuamente exclusivos, j que, ao se realizar um deles o outro no
se realiza. Se dois eventos so mutuamente exclusivos, a probabilidade de que
34
34
um ou outro se realize igual soma das probabilidades de que cada um deles
se realize:
! = !1 " !2
Exemplo: lanamos um dado. A probabilidade de se tirar o 3 ou o 5 :
p = 1/6 + 1/6 = 2/6 = 1/3
Se dois eventos A e B no forem mutuamente exclusivos, a probabilidade de
ocorrer A ou B dada por:
P(A ou B) = P(A) + P(B) - P(AB)
AB significa A e B, ou seja, P(AB) = P(A) . P(B)
Exemplo: ao retirar uma carta de um baralho de 52 cartas, qual a probabilidade da
carta ser um s ou carta de ouros?
P(s) = 4/52 = 1/13 P(ouros) = 13/52 = 1/4
P(s de ouros) = 1/13 * 1/4 = 1/52
P(s ou ouros) = 1/13 + 1/4 - 1/52 = 16/52
,ro5a5i!idade condicionada
Sejam A e B dois eventos associados ao experimento E. Denotaremos por P(B/A) a
probabilidade condicionada do evento B, quando A tiver ocorrido.
Sempre que calculamos P(B/A), estaremos essencialmente calculando P(B) em
relao ao espao amostral reduzido A, em lugar de faz-lo em relao ao espao
amostral original S.
Exemplo: dois dados equilibrados so lanados, registrando-se o resultado.
Considere os eventos:
A = soma igual a 10
B = resultado do primeiro dado maior que o resultado do segundo
Calcular a probabilidade de ocorrer B, sabendo que ocorreu A.
Resoluo: O espao amostral :
S = { (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) (6,4) (6,5) (6,6) }
Os eventos so:
A = { (4,6) (5,5) (6,4) } B = { (6,4) }
Observe que aqui usamos o evento A para espao amostral de B.
Assim, P(B/A) = 1/3
Poderamos tambm calcular a probabilidade de ocorrer A sabendo que ocorreu B.
Nesse caso, primeiro construmos o evento B.
35
35
B = { (2,1) (3,1) (4,1) (5,1) (6,1) (3,2) (4,2) (5,2) (6,2) (4,3) (5,3) (6,3) (5,4)
(6,4) (6,5) }
A = { (6,4) }
Assim, P(A/B) = 1/15
Exerccios resolvidos
1) Qual a probabilidade de sair um rei quando retiramos uma carta de um baralho
de 52 cartas?
R: como h 4 reis, o nmero de elementos do evento 4, logo p = 4/52 = 1/13
2) Em um lote de 12 peas, 4 so defeituosas. Sendo retirada uma pea, calcule:
a) a probabilidade de essa pea ser defeituosa.
R: temos p = 4/12 = 1/3
b) a probabilidade de essa pea no ser defeituosa.
R: este evento e o anterior so complementares, logo: p = 1 - 1/3 = 2/3
3) Lanando dois dados, calcule a probabilidade de se obter soma igual a 5.
R: O evento formado pelos elementos (1,4), (2,3), (3,2) e (4,1). Como o nmero
de elementos de S 36, temos: p = 4/36 = 1/9
4) Qual a probabilidade de sair uma figura quando retiramos uma carta do
baralho?
R: prei=4/52 = 1/13 ; pdama = 1/13 ; pvalete=1/13
Sendo os eventos mutuamente exclusivos, temos: p = 1/13 + 1/13 + 1/13 = 3/13
E3erccios
1) De dois baralhos de 52 cartas retiram-se, simultaneamente, uma carta do
primeiro baralho e uma carta do segundo. Qual a probabilidade de a carta do
primeiro baralho ser um rei e a do segundo ser o 5 de paus?
2) Um urna A contm: 3 bolas brancas, 4 pretas, 2 verdes; uma urna B contm: 5
bolas brancas, 2 pretas, 1 verde; uma urna C contm: 2 bolas brancas, 3
pretas, 4 verdes. Uma bola retirada de cada urna. Qual a probabilidade de
as trs bolas retiradas da primeira, segunda e terceira urnas serem,
respectivamente, branca, preta e verde?
3) De um baralho de 52 cartas, retiram-se ao acaso duas cartas sem reposio.
Qual a probabilidade de a primeira carta ser o s de paus e a segunda ser o
rei de paus?
4) Qual a probabilidade de sair uma carta de copas ou ouros quando retiramos
uma carta de um baralho de 52 cartas?
5) No lanamento de um dado, qual a probabilidade de se obter um nmero no
inferior a 5?
6) Dois dados so lanados ao mesmo tempo. Determine a probabilidade de a
soma ser 10 ou maior que 10.
7) Lana-se um par de dados. Aparecendo dois nmeros diferentes, encontre a
probabilidade de que:
a) a soma seja 6;
b) o 1 aparea;
c) a soma seja 4 ou menor que 4.
36
36
8) Um casal planeja ter trs filhos. Determine a probabilidade de nascerem:
a) trs homens;
b) dois homens e uma mulher.
9) Numa caixa com 40 moedas, 5 apresentam duas caras, 10 so normais (cara e
coroa) e as demais apresentam duas coroas. Uma moeda retirada ao acaso e a
face observada mostra uma coroa. A probabilidade de a outra face desta moeda
tambm apresentar uma coroa :
a) 7/8 b) 8/7 c) 5/8 d) 3/5 e) 3/7
10) Na prova de Lngua Estrangeira de um concurso, 60% dos candidatos optaram
por Ingls e os demais, por Espanhol. Destes, 5% foram classificados e daqueles,
10% foram classificados. Escolhendo-se ao acaso um candidato classificado, qual
a probabilidade de ele haver optado por Ingls?
a)0,06 b) 0,40 c) 0,50 d) 0,60 e) 0,75
11) Em um jogo de cara-ou-coroa, foram realizados dois lances independentes de
uma moeda no viciada. Sabe-se que pelo menos um dos resultados foi cara.
Assim sendo, a probabilidade de que os dois resultados tenham sido cara :
a) 1/4 b) 1/3 c) 1/2 d) 2/3 e) 3/4
37
37