Estatistica Descritiva Livro

1
ESTATSTICA
DESCRITIVA
E
INTRODUO
PROBABILIDADE
(35) 9988-6460 - www.carvalhomartinseduc.com.br consultoria@carvalhomartinseduc.com.br
2
Sumrio
15.NUMEROS INDICES...............................................................................70
3
1. A NATUREZA DA ESTATSTICA
INTRODUO
ESTATSTICA:
Ramo da matemtica aplicada.
ANTIGUIDADE:
Os povos j registravam o nmero de habitantes, nascimentos, bitos. Faziam "estatsticas".
IDADE MDIA:
As informaes eram tabuladas com finalidades tributrias e blicas.
SEC. XVI:
Surgem as primeiras anlises sistemticas, as primeiras tabelas e os nmeros relativos.
SEC. XVIII:
A estatstica com feio cientfica batizada por GODOFREDO ACHENWALL. As tabelas ficam mais
completas, surgem as primeiras representaes grficas e os clculos de probabilidades. A estatstica
deixa de ser uma simples tabulao de dados numricos para se tornar " O estudo de como se chegar a
concluso sobre uma populao, partindo da observao de partes dessa populao (amostra)".
MTODO ESTATSTICO
MTODO:
um meio mais eficaz para atingir determinada meta.
MTODOS CIENTFICOS:
Destacamos o mtodo experimental e o mtodo estatstico.
MTODO EXPERIMENTAL:
Consiste em manter constante todas as causas, menos uma, que sofre variao para se observar
seus efeitos, caso existam. Ex: Estudos da Qumica, Fsica, etc.
MTODO ESTATSTICO:
Diante da impossibilidade de manter as causas constantes(nas cincias sociais), admitem todas
essas causas presentes variando-as, registrando essas variaes e procurando determinar, no resultado
final, que influncias cabem a cada uma delas. Ex: Quais as causas que definem o preo de uma
mercadoria quando a sua oferta diminui?
Seria impossvel, no momento da pesquisa, manter constantes a uniformidade dos salrios, o gosto dos
consumidores, nvel geral de preos de outros produtos, etc.
A ESTATSTICA
uma parte da matemtica aplicada que fornece mtodos para coleta, organizao, descrio,
anlise e interpretao de dados e para a utilizao dos mesmos na tomada de decises.
A coleta, a organizao ,a descrio dos dados, o clculo e a interpretao de coeficientes pertencem
ESTATSTICA DESCRITIVA, enquanto a anlise e a interpretao dos dados, associado a uma margem
de incerteza, ficam a cargo da ESTATSTICA INDUTIVA ou INFERENCIAL, tambm chamada como a
medida da incerteza ou mtodos que se fundamentam na teoria da probabilidade.
FASES DO MTODO ESTATSTICO
4
1 - DEFINIO DO PROBLEMA:
Saber exatamente aquilo que se pretende pesquisar o mesmo que definir corretamente o
problema.
2 - PLANEJAMENTO:
Como levantar informaes ? Que dados devero ser obtidos ? Qual levantamento a ser utilizado ?
Censitrio ? Por amostragem ? E o cronograma de atividades ? Os custos envolvidos ? etc.
3 - COLETA DE DADOS:
Fase operacional. o registro sistemtico de dados, com um objetivo determinado.
Dados primrios:
Quando so publicados pela prpria pessoa ou organizao que os haja recolhido. Ex: tabelas do
censo demogrfico do IBGE.
Dados secundrios:
Quando so publicados pro outra organizao. Ex: quando determinado jornal publica estatsticas
referentes ao censo demogrfico extradas do IBGE.
OBS: mais seguro trabalhar com fontes primrias. O uso da fonte secundria traz o grande risco de
erros de transcrio.
Coleta Direta:
Quando obtida diretamente da fonte. Ex: Empresa que realiza uma pesquisa para saber a
preferncia dos consumidores pela sua marca.
A coleta direta pode ser: contnua (registros de nascimento, bitos, casamentos, etc.),
peridica (recenseamento demogrfico, censo industrial) e ocasional (registro de casos de dengue).
Coleta Indireta:
feita por dedues a partir dos elementos conseguidos pela coleta direta, por analogia, por
avaliao,indcios ou proporcionalizao.
4 - APURAO DOS DADOS:
Resumo dos dados atravs de sua contagem e agrupamento. a condensao e tabulao de dados.
5 - APRESENTAO DOS DADOS:
H duas formas de apresentao, que no se excluem mutuamente. A apresentao tabular, ou
seja uma apresentao numrica dos dados em linhas e colunas distribudas de modo ordenado,
segundo regras prticas fixadas pelo Conselho Nacional de Estatstica. A apresentao grfica dos
dados numricos constitui uma apresentao geomtrica permitindo uma viso rpida e clara do
fenmeno.
6 - ANLISE E INTERPRETAO DOS DADOS:
A ltima fase do trabalho estatstico a mais importante e delicada. Est ligada essencialmente ao
clculo de medidas e coeficientes, cuja finalidade principal descrever o fenmeno (estatstica descritiva).
Na estatstica indutiva a interpretao dos dados se fundamentam na teoria da probabilidade.
DEFINIES BSICAS DA ESTATSTICA
FENMENO ESTATSTICO:
qualquer evento que se pretenda analisar, cujo estudo seja possvel da aplicao do mtodo
estatstico. So divididos em trs grupos:
5
Fenmenos de massa ou coletivo:
So aqueles que no podem ser definidos por uma simples observao. A estatstica dedica-se ao
estudo desses fenmenos. Ex: A natalidade na Grande Vitria, O preo mdio da cerveja no Esprito
Santo, etc.
Fenmenos individuais:
So aqueles que iro compor os fenmenos de massa. Ex: cada nascimento na Grande Vitria, cada
preo de cerveja no Esprito Santo, etc.
Fenmenos de multido:
Quando a s caractersticas observadas para a massa no se verificam para o particular.
DADO ESTATSTICO:
um dado numrico e considerado a matria-prima sobre a qual iremos aplicar os mtodos
estatsticos.
POPULAO:
o conjunto total de elementos portadores de, pelo menos, uma caracterstica comum.
AMOSTRA:
uma parcela representativa da populao que examinada com o propsito de tirarmos
concluses sobre a essa populao.
PARMETROS:
So valores singulares que existem na populao e que servem para caracteriz-la.Para definirmos
um parmetro devemos examinar toda a populao.Ex: Os alunos do 2 ano da FACECA tm em mdia
1,70 metros de estatura.
ESTIMATIVA:
um valor aproximado do parmetro e calculado com o uso da amostra.
ATRIBUTO:
Quando os dados estatsticos apresentam um carter qualitativo, o levantamento e os estudos
necessrios ao tratamento desses dados so designados genericamente de estatstica de atributo.
Exemplo de classificao dicotmica do atributo:
A classificao dos alunos da FACECA quanto ao sexo.
atributo: sexo..........................classe: alunos da FACECA
dicotomia: duas subclasses ( masculino e feminino)
Exemplo de classificao policotmica do atributo:
Alunos da FACECA quanto ao estado civil.
atributo: estado civil...............classe: alunos da FACECA
dicotomia: mais de duas subclasses ( solteiro, casado, divorciado, vivo, etc.)
VARIVEL:
, convencionalmente, o conjunto de resultados possveis de um fenmeno.
VARIVEL QUALITATIVA:
Quando seu valores so expressos por atributos: sexo, cor da pele,etc.
VARIVEL QUANTITATIVA:
6
Quando os dados so de carter nitidamente quantitativo, e o conjunto dos resultados possui uma
estrutura numrica, trata-se portanto da estatstica de varivel e se dividem em :
VARIVEL DISCRETA OU DESCONTNUA:
Seus valores so expressos geralmente atravs de nmeros inteiros no negativos. Resulta
normalmente de contagens.Ex: N de alunos presentes s aulas de introduo estatstica econmica no
1 semestre de 1997: mar = 18 , abr = 30 , mai = 35 , jun = 36.
VARIVEL CONTNUA:
Resulta normalmente de uma mensurao, e a escala numrica de seus possveis valores
corresponde ao conjunto R dos nmeros Reais, ou seja, podem assumir, teoricamente, qualquer valor
entre dois limites. Ex.: Quando voc vai medir a temperatura de seu corpo com um termmetro de
mercrio o que ocorre o seguinte: O filete de mercrio, ao dilatar-se, passar por todas as temperaturas
intermedirias at chegar na temperatura atual do seu corpo.
EXERCCIO
1) Classifique as variveis em qualitativas ou quantitativas (contnuas ou discretas):
Cor dos olhos das alunas... Resp:qualitativa
ndice de liquidez nas industrias capixabas... Resp:quantitativa contnua
Produo de caf no Brasil... Resp:quantitativa contnua
Nmero de defeitos em aparelhos de TV... Resp:quantitativa discreta
Comprimento dos pregos produzidos por uma empresa... Resp:quantitativa contnua
O ponto obtido em cada jogada de um dado... Resp:quantitativa discreta
7
2. AMOSTRAGEM
uma tcnica especial para recolher amostras, que garantem, tanto quanto possvel, o acaso na
escolha.
AMOSTRAGEM CASUAL OU ALEATRIA SIMPLES:
equivalente a um sorteio lotrico. Pode ser realizada numerando-se a populao de 1 a n e
sorteando-se, a seguir, por meio de um dispositivo aleatrio qualquer, x nmeros dessa seqncia, os
quais correspondero aos elementos pertencentes amostra.
Exemplo:
Vamos obter uma amostra, de 10%, representativa para a pesquisa da estatura de 90 alunos de uma
escola:
1 - numeramos os alunos de 1 a 90.
2 - escrevemos os nmeros dos alunos, de 1 a 90, em pedaos iguais de papel, colocamos na urna e
aps mistura retiramos, um a um, nove nmeros que formaro a amostra.
OBS: quando o nmero de elementos da amostra muito grande, esse tipo de sorteio torna-se muito
trabalhoso. Neste caso utiliza-se uma Tabela de nmeros aleatrios, construda de modo que os
algarismos de 0 a 9 so distribudos ao acaso nas linhas e colunas.
AMOSTRAGEM PROPORCIONAL ESTRATIFICADA:
Quando a populao se divide em estratos (subpopulaes), convm que o sorteio dos elementos
da amostra leve em considerao tais estratos, da obtemos os elementos da amostra proporcional ao
nmero de elementos desses estratos.
Exemplo:
Vamos obter uma amostra proporcional estratificada, de 10%, do exemplo anterior, supondo, que, dos 90
alunos, 54 sejam meninos e 36 sejam meninas. So portanto dois estratos (sexo masculino e sexo
feminino). Logo, temos:
SEXO POPULACO 10 % AMOSTRA
MASC. 54 5,4 5
FEMIN. 36 3,6 4
Total 90 9,0 9
Numeramos ento os alunos de 01 a 90, sendo 01 a 54 meninos e 55 a 90, meninas e procedemos o
sorteio casual com urna ou tabela de nmeros aleatrios.
AMOSTRAGEM SISTEMTICA:
Quando os elementos da populao j se acham ordenados, no h necessidade de construir o
sistema de referncia. So exemplos os pronturios mdicos de um hospital, os prdios de uma rua, etc.
Nestes casos, a seleo dos elementos que constituiro a amostra pode ser feita por um sistema imposto
pelo pesquisador.
Exemplo:
Suponhamos uma rua com 900 casas, das quais desejamos obter uma amostra formada por 50 casas
para uma pesquisa de opinio. Podemos, neste caso, usar o seguinte procedimento: como 900/50 = 18,
escolhemos por sorteio casual um nmero de 01 a 18, o qual indicaria o primeiro elemento sorteado para
8
a amostra; os demais elementos seriam periodicamente considerados de 18 em 18. Assim, suponhamos
que o nmero sorteado fosse 4 a amostra seria: 4 casa, 22 casa, 40 casa, 58 casa, 76 casa, etc.
EXERCCIOS:
1) Uma escola de 1 grau abriga 124 alunos. Obtenha uma amostra representativa correspondente a
15% da populao, utilizando a partir do incio da 5 linha da Tabela de nmeros aleatrios.
2) Tenho 80 lmpadas numeradas numa caixa. Como obtemos uma amostra de 12 lmpadas?
3) Uma populao encontra-se dividida em trs estratos, com tamanhos, respectivamente, n1= 40,
n2 = 100 e n3 = 60. Sabendo que, ao realizar uma amostragem estratificada proporcional, 9
elementos da amostra foram retirados do 3 estrato, determine o nmero de elementos da
amostra.
4) Mostre como seria possvel retirar uma amostra de 32 elementos de uma populao ordenada
formada por 2.432 elementos. Na ordenao geral, qual dos elementos abaixo seria escolhido para
pertencer a amostra, sabendo-se que o elemento 1.420 a ela pertence?
1.648 , 290 , 725 , 2.025 ou 1.120
9
3. SRIES ESTATSTICAS
TABELA:
um quadro que resume um conjunto de dados dispostos segundo linhas e colunas de maneira
sistemtica.
De acordo com a Resoluo 886 do IBGE, nas casas ou clulas da tabela devemos colocar:
um trao horizontal ( - ) quando o valor zero;
trs pontos ( ... ) quando no temos os dados;
zero ( 0 ) quando o valor muito pequeno para ser expresso pela unidade utilizada;
um ponto de interrogao ( ? ) quando temos dvida quanto exatido de determinado valor.
Obs: O lado direito e esquerdo de uma tabela oficial deve ser aberto. "Salientamos que nestes
documentos as tabelas no sero abertas devido a limitaes do editor html".
SRIE ESTATSTICA:
qualquer tabela que apresenta a distribuio de um conjunto de dados estatsticos em funo da
poca, do local ou da espcie.
Sries Homgradas:
So aquelas em que a varivel descrita apresenta variao discreta ou descontnua. Podem ser do
tipo temporal, geogrfica ou especfica.
a) Srie Temporal:
Identifica-se pelo carter varivel do fator cronolgico. O local e a espcie (fenmeno) so
elementos fixos. Esta srie tambm chamada de histrica ou evolutiva.
ABC VECLULOS LTDA.
Vendas no 1 bimestre de 1996
PERODO UNIDADES VENDIDAS *
JAN/96 20
FEV/96 10
TOTAL 30
* Em mil unidades
b) Srie eogrfica:
Apresenta como elemento varivel o fator geogrfico. A poca e o fato (espcie) so elementos
fixos. Tambm chamada de espacial, territorial ou de localizao.
ABC VECLULOS LTDA.
PERODO UNIDADES VENDIDAS *
So Paulo 13
Rio de Janeiro 17
TOTAL 30
* Em mil unidades
10
c) Srie !specfica:
O carter varivel apenas o fato ou espcie. Tambm chamada de srie categrica.
ABC VECLULOS LTDA.
MARCA UNIDADES VENDIDAS *
FA! 18
"# 12
TOTAL 30
* Em mil unidades
SRIES CONJUGADAS:
Tambm chamadas de tabelas de dupla entrada. So apropriadas apresentao de duas ou mais
sries de maneira conjugada, havendo duas ordens de classificao: uma horizontal e outra vertical. O
exemplo abaixo de uma srie geogrfica-temporal.
ABC VECLULOS LTDA.
FILIAIS Janeiro/96 Fevereiro/96
So Paulo 10 3
Rio de Janeiro 12 5
TOTAL 22 8
* Em mil unidades
Obs: as sries hetergradas sero estudas em captulo especial (distribuio de freqncias).
11
4. GRFICOS ESTATSTICOS
So representaes visuais dos dados estatsticos que devem corresponder, mas nunca substituir as
tabelas estatsticas.
Caractersticas:
Uso de escalas, sistema de coordenadas, simplicidade, clareza e veracidade.
Grficos de informao:
So grficos destinados principalmente ao pblico em geral, objetivando proporcionar uma
visualizao rpida e clara. So grficos tipicamente expositivos, dispensando comentrios explicativos
adicionais. As legendas podem ser omitidas, desde que as informaes desejadas estejam presentes.
Grficos de anlise:
So grficos que prestam-se melhor ao trabalho estatstico, fornecendo elementos teis fase de
anlise dos dados, sem deixar de ser tambm informativos. Os grficos de anlise freqentemente vm
acompanhados de uma tabela estatstica. Inclui-se, muitas vezes um texto explicativo, chamando a
ateno do leitor para os pontos principais revelados pelo grfico.
Uso indevido de Grficos:
Podem trazer uma idia falsa dos dados que esto sendo analisados, chegando mesmo a confundir o
leitor. Trata-se, na realidade, de um problema de construo de escalas.
Classificao dos grficos:
Diagramas
Estereogramas
Pictogramas
Cartogramas.
1 - Diagramas:
So grficos geomtricos dispostos em duas dimenses. So os mais usados na representao de
sries estatsticas.
Eles podem ser:
1.1- Grficos em barras horizontais.
1.2- Grficos em barras verticais (colunas).
12
Quando as legendas no so breves usa-se de preferncia os grficos em barras verticais. Nesses
grficos os retngulos tm a mesma base e as alturas so proporcionais aos respectivos dados. A ordem a
ser observada a cronolgica, se a srie for histrica, e a decrescente, se for geogrfica ou categrica.
1.3- Grficos em barras compostas.
1.4- Grficos em colunas superpostas.
Eles diferem dos grficos em barras ou colunas convencionais apenas pelo fato de apresentar cada
barra ou coluna segmentada em partes componentes. Servem para representar comparativamente dois ou
mais atributos.
1.5- Grficos em linhas ou lineares.
13
So freqentemente usados para representao de sries cronolgicas com um grande nmero de
perodos de tempo. As linhas so mais eficientes do que as colunas, quando existem intensas flutuaes
nas sries ou quando h necessidade de se representarem vrias sries em um mesmo grfico.
Quando representamos, em um mesmo sistema de coordenadas, a variao de dois fenmenos, a parte
interna da figura formada pelos grficos desses fenmeno denominada de rea de e"cesso#
1.5- Grficos em setores.
Este grfico construdo com base em um crculo, e empregado sempre que desejamos ressaltar a
participao do dado no total. O 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. O grfico em setores s deve ser empregado quando h, no mximo, sete dados.
Obs: As sries temporais geralmente no so representadas por este tipo de grfico.
2 - Estereogramas:
So grficos geomtricos dispostos em trs dimenses, pois representam volume. So usados nas
representaes grficas das tabelas de dupla entrada. Em alguns casos este tipo de grfico fica difcil de
ser interpretado dada a pequena preciso que oferecem.
14
3 - Pictogramas:
So construdos a partir de figuras representativas da intensidade do fenmeno. Este tipo de grfico
tem a vantagem de despertar a ateno do pblico leigo, pois sua forma atraente e sugestiva. Os
smbolos devem ser auto-explicativos. A desvantagem dos pictogramas que apenas mostram uma viso
geral do fenmeno, e no de detalhes minuciosos. Veja o exemplo abaixo:
15
4- Cartogramas:
So ilustraes relativas a cartas geogrficas (mapas). O objetivo desse grfico o de figurar os
dados estatsticos diretamente relacionados com reas geogrficas ou polticas.
Exemplo 1:
DENSIDADE POPULACIONAL PROJETADA
DA REGIO SUL DO BRASIL - 1994
menos de 34,0 hab/km
2
2
2
Exemplo 2:
16
5. DISTRIBUIO DE FREQUNCIA
um tipo de tabela que condensa uma coleo de dados conforme as freqncias (repeties de
seus valores).
Tabela primitiva ou dados brutos:
uma tabela ou relao de elementos que no foram numericamente organizados. difcil
formarmos uma idia exata do comportamento do grupo como um todo, a partir de dados no ordenados.
Exemplo:
45, 41, 42, 41, 42 43, 44, 41 ,50, 46, 50, 46, 60, 54, 52, 58, 57, 58, 60, 51
ROL:
a tabela obtida aps a ordenao dos dados (crescente ou decrescente).
Exemplo:
41, 41, 41, 42, 42 43, 44, 45 ,46, 46, 50, 50, 51, 52, 54, 57, 58, 58, 60, 60
Distribuio de freqncia sem intervalos de classe:
a simples condensao dos dados conforme as repeties de seu valores. Para um ROL de
tamanho razovel esta distribuio de freqncia inconveniente, j que exige muito espao. Veja
exemplo abaixo:
Tabela 1
Dados Freqncia
41 3
42 2
43 1
44 1
45 1
46 2
50 2
51 1
52 1
54 1
57 1
58 2
60 2
Total 20
Distribuio de freqncia com intervalos de classe:
Quando o tamanho da amostra elevado mais racional efetuar o agrupamento dos valores em
vrios intervalos de classe.
Tabela 1.1
Classes Freqncias
41 45
7
45 49
3
49 53
4
53 57
1
17
57 61
5
Total 20
ELEMENTOS DE UMA DISTRIBUIO DE FREQUNCIA (com intervalos de classe):
CLASSE:
So os intervalos de variao da varivel e simbolizada por i e o nmero total de classes
simbolizada por $.
Exemplo:
Na tabela anterior $ = 5 e 49 53 a 3 classe, onde i=3.
LIMITES DE CLASSE:
So os extremos de cada classe. O menor nmero o limite inferior de classe (li) e o maior nmero,
limite superior de classe(Li).
Exemplo:
Em 49 53 l3 = 49 e L3 = 53. O smbolo representa um intervalo fechado esquerda e aberto direita.
O dado 53 do ROL no pertence a classe 3 e sim a classe 4 representada por 53 57.
AMPLITUDE DO INTERVALO DE CLASSE:
obtida atravs da diferena entre o limite superior e inferior da classe e simbolizada por
h
i
% &
i
' l
i
.
Exemplo:
Na tabela anterior h
i
= 53 - 49 = 4. Obs: Na distribuio de freqncia com classe o h
i
ser igual em
todas as classes#
AMPLITUDE TOTAL DA DISTRIBUIO:
a diferena entre o limite superior da ltima classe e o limite inferior da primeira classe.
(T % &
)ma"*
' l
)min*
.
Exemplo:
Na tabela anterior (T = 61 - 41= 20.
AMPLITUDE TOTAL DA AMOSTRA (ROL):
a diferena entre o valor mximo e o valor mnimo da amostra (ROL).
Onde:
(( % +
ma"
' +
min
.
Em nosso exemplo:
AA = 60 - 41 = 19.
Obs: (T sempre ser maior ou igual que ((.
PONTO MDIO DE CLASSE:
18
o ponto que divide o intervalo de classe em duas partes iguais.
Exemplo:
Em 49 53 o ponto mdio x3 = = 51, ou seja x3 = .
MTODO PRTICO PARA CONSTRUO DE UMA DIST. DE FREQUNCIAS COM CLASSE:
1 - Organize os dados brutos em um ROL.
2 - Calcule a amplitude amostral ((.
No nosso exemplo: (( =60 - 41 =19
3 - Calcule o nmero de classes atravs da "Regra de Sturges":
n I = n de classes
3 5 3
6 11 4
12 22 5
23 46 6
47 90 7
91 181 8
182 362 9
Obs: Qualquer regra para determinao do n de classes da tabela no nos levam a uma deciso final;
esta vai depender, na realidade de um julgamento pessoal, que deve estar ligado natureza dos dados.
No nosso exemplo: n = 20 dados, ento ,a princpio, a regra sugere a adoo de 5 classes.
4 - Decidido o n de classes, calcule ento a amplitude do intervalo de classe h .
No nosso exemplo: = = 3,8 . Obs:Como h um valor ligeiramente superior para haver folga na
ltima classe. Utilizaremos ento h = 4
5 - Temos ento o menor n da amostra, o n de classes e a amplitude do intervalo. Podemos montar a
tabela, com o cuidado para no aparecer classes com freqncia = 0 (zero).
No nosso exemplo: o menor n da amostra = 41 + h = 45, logo a primeira classe ser representada por
41 45. As classes seguintes respeitaro o mesmo procedimento.
O primeiro elemento das classes seguintes sempre sero formadas pelo ltimo elemento da classe
anterior.
REPRESENTAO GRFICA DE UMA DISTRIBUIO
19
Histograma, Polgono de freqncia e Polgono de freqncia acumulada
Em todos os grficos acima utilizamos o primeiro quadrante do sistema de eixos coordenados
cartesianos ortogonais. Na linha horizontal (eixo das abscissas) colocamos os valores da varivel e na
linha vertical (eixo das ordenadas), as freqncias.
Histograma:
formado por um conjunto de retngulos justapostos, cujas bases se localizam sobre o eixo
horizontal, de tal modo que seus pontos mdios coincidam com os pontos mdios dos intervalos de classe.
A rea de um histograma proporcional soma das freqncias simples ou absolutas.
freqncias simples ou absolutas:
So os valores que realmente representam o nmero de dados de cada classe. A soma das
freqncias simples igual ao nmero total dos dados da distribuio.
freqncias relativas:
So os valores das razes entre as freqncias absolutas de cada classe e a freqncia total da
distribuio. A soma das freqncias relativas igual a 1 (100 %).
Polgono de freqncia:
um grfico em linha, sendo as freqncias marcadas sobre perpendiculares ao eixo horizontal,
levantadas pelos pontos mdios dos intervalos de classe. Para realmente obtermos um polgono (linha
fechada), devemos completar a figura, ligando os extremos da linha obtida aos pontos mdios da classe
anterior primeira e da posterior ltima, da distribuio.
Polgono de freqncia acumulada:
traado marcando-se as freqncias acumuladas sobre perpendiculares ao eixo horizontal,
levantadas nos pontos correspondentes aos limites superiores dos intervalos de classe.
freqncia simples acumulada de uma classe:
o total das freqncias de todos os valores inferiores ao limite superior do intervalo de uma
determinada classe.
freqncia relativa acumulada de um classe:
a freqncia acumulada da classe, dividida pela freqncia total da distribuio.
tabela 1.2
CLASSE fi xi fri Fi Fri
50 54 4 52 0,100 4 0,100
54 58 9 56 0,225 13 0,325
58 62 11 60 0,275 24 0,600
62 66 8 64 0,200 32 0,800
66 70 5 68 0,125 37 0,925
70 74 3 72 0,075 40 1,000
Total 40 XXXXX 1,000 XXXXX XXXXX
Exerccio: (Com base na tabela acima)
Sendo fi = freq. simples; xi = ponto mdio de classe; fri = freq. simples acumulada; Fi = freq. relativa e Fri
= freq. relativa acumulada. Construa o histograma, polgono de freqncia e polgono de freq. acumulada:
20
Obs: uma distribuio de freqncia sem intervalos de classe representada graficamente por um
diagrama onde cada valor da varivel representado por um segmento de reta vertical e de comprimento
proporcional respectiva freqncia.
.
A Curva de freqncia ( Curva polida):
Enquanto o polgono de freqncia nos d a imagem real do fenmeno estudado, a curva de
freqncia nos d a imagem tendencial. O polimento (geometricamente, corresponde eliminao dos
vrtices da linha poligonal) de um polgono de freqncia nos mostra o que seria tal polgono com um
nmero maior de dados em amostras mais amplas.
Consegue-se isso com o emprego de uma frmula bastante simples:
onde:
fci = freqncia calculada da classe considerada (freq. polida)
fi = freqncia simples da classe considerada
fant = freqncia simples da classe anterior da classe considerada
fpost = freqncia simples da classe posterior da classe considerada
Exerccio:
Com base na tabela anterior, construa o grfico da curva polida a partir das freqncias calculadas:
21
6. MEDIDAS DE POSIO
Introduo
So as estatsticas que representam uma srie de dados orientando-nos quanto posio da
distribuio em relao ao eixo horizontal do grfico da curva de freqncia.
As medidas de posies mais importantes so as medidas de tendncia central ou promdias
(verifica-se uma tendncia dos dados observados a se agruparem em torno dos valores centrais).
As medidas de tendncia central mais utilizadas so: mdia aritmtica, moda e mediana. Outros
promdios menos usados so as mdias: geomtrica, harmnica, quadrtica, cbica e biquadrtica.
As outras medidas de posio so as separatrizes, que englobam: a prpria mediana, os decis, os
quartis e os percentis.
MDIA ARITMTICA =
igual ao quociente entre a soma dos valores do conjunto e o nmero total dos valores.
i
i i
f
f x
x
onde xi so os valores da varivel e (

i
f = n) que equivale ao nmero de valores.
Dados no-agrupados
Quando desejamos conhecer a mdia dos dados no-agrupados em tabelas de freqncias,
determinamos a mdia aritmtica simples.
Exemplo:
Sabendo-se que a venda diria de arroz tipo A, durante uma semana, foi de 10, 14, 13, 15, 16, 18 e 12
kilos, temos, para venda mdia diria na semana de:
= = 14 kilos
Desvio em relao mdia
a diferena entre cada elemento de um conjunto de valores e a mdia aritmtica, ou seja:
di = xi -
No exemplo anterior temos sete desvios:...
d1 = 10 - 14 = - 4
d2 = 14 - 14 = 0
d3 = 13 - 14 = - 1
d4 = 15 - 14 = 1
d5 = 16 - 14 = 2
d6= 18 - 14 = 4
22
d7= 12 - 14 = -2
Propriedades da mdia
1 propriedade: A soma algbrica dos desvios em relao mdia nula.
No exemplo anterior : d1+d2+d3+d4+d5+d6+d7 = 0
2 propriedade: Somando-se (ou subtraindo-se) uma constante (c) a todos os valores de uma
varivel, a mdia do conjunto fica aumentada ( ou diminuda) dessa constante.
Se no exemplo original somarmos a constante 2 a cada um dos valores da varivel temos:
Y = = 16 kilos ou Y = . + 2 = 14 + 2 = 16 kilos
3 propriedade: Multiplicando-se (ou dividindo-se) todos os valores de uma varivel por uma
constante (c), a mdia do conjunto fica multiplicada ( ou dividida) por essa constante.
Se no exemplo original multiplicarmos a constante 3 a cada um dos valores da varivel temos:
Y = = 42 kilos ou Y = . 3 = 14 . 3 = 42 kilos
Dados agrupados:
Sem intervalos de classe
Consideremos a distribuio relativa a 34 famlias de quatro filhos, tomando para varivel o nmero
de filhos do sexo masculino. Calcularemos a quantidade mdia de meninos por famlia:
N de meninos freqncia = fi
0 2
1 6
2 10
3 12
4 4
Total 34
Como as freqncias so nmeros indicadores da intensidade de cada valor da varivel, elas
funcionam como fatores de ponderao, o que nos leva a calcular a mdia aritmtica ponderada, dada
pela frmula:
i
i i
f
f x
x
xi fi. xi.fi .
0 2 0
1 6 6
2 10 20
3 12 36
4 4 16
total 34 78
23
onde = 2,3 meninos por famlia
Com intervalos de classe
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 por meio da frmula:
i
i i
f
f x
x
onde xi o ponto mdio da classe.

Exemplo:
Calcular a estatura mdia de bebs conforme a tabela abaixo.
tabela 1.3
CLASSE fi xi xi.fi.
50 54 4 52 208
54 58 9 56 504
58 62 11 60 660
62 66 8 64 512
66 70 5 68 340
70 74 3 72 216
Total 40 XXXXX 2.440
Aplicando a frmula acima temos: .= 61. logo... = 61 cm
Mdia Geomtrica
a raiz n-sima do produto de todos eles.
Mdia Geomtrica Simples:
ou
Exemplo:
Calcular a mdia geomtrica dos seguintes conjuntos de nmeros:E
a) { 10, 60, 360 } no excel : =(10*60*360)^(1/3) R: 60
b) { 2, 2, 2 } no excel : =(2*2*2)^(1/3) R: 2
c) { 1, 4, 16, 64 } no excel : =(1*4*16*64)^(1/4) R: 8
Mdia Geomtrica Ponderada :
24
ou
Exemplo:
Calcular a mdia geomtrica dos valores da tabela abaixo:
xi fi
1 2
3 4
9 2
27 1
total 9
No excel = (1^2*3^4*9^2*27^1)^(1/9) R: 3,8296
Propriedades da Mdia Geomtrica
1 propriedade:
O produto dos quocientes de cada valor de um conjunto de nmeros pela mdia geomtrica do
conjunto = 1.
Exemplo:
Comprovar a 1 propriedade da mdia geomtrica com os dados {10, 60, 360}
= 60... onde... x x = 1
2 propriedade:
Sries que apresentam o mesmo nmero de elementos com o mesmo produto tm a mesma mdia
geomtrica.
Exemplo:
Comprovar a 2 propriedade da mdia geomtrica com os dados:
a = {8 e 12,5}.........b = {2 e 50}
= 10
= 10
3 propriedade:
A mdia geomtrica menor ou igual a mdia aritmtica.
25
A desigualdade < ..sempre se verifica, quando os valores da srie forem positivos e nem todos iguais.
Se entre eles houver um ou mais zeros, a mdia geomtrica ser nula.
A igualdade = .s ocorrer quando todos os valores da srie forem iguais.
4 propriedade:
Quanto maior a diferena entre os valores originais maior ser diferena entre as mdias aritmtica
e geomtrica. Veja na tabela abaixo:
conjunto mdia aritmtica mdia geomtrica
X = {2, 2} 2 2
Y = {14, 16} 15 14,97
W = {8, 12} 10 9,8
Z = {2, 50} 26 10
Aplicaes da Mdia Geomtrica
a) Mdia de Relaes
Empresa Capital lquido Dvida Capital lquido/Dvida
A 2.500 1.000 2,5
B 1.000 2.000 0,5
= no excel =(2,5*0,5)^(1/2)........R: 1,1180
Obs: Se, para uma determinada empresa, se deseja estabelecer uma relao do tipo capital/dvida que
seja independente da dvida ou do capital das diferentes empresas envolvidas, recomendvel o uso da
mdia geomtrica. Se o que se deseja saber a relao capital/dvida de um certo nmero de
empresas, aps a consolidao, a cifra correta ser obtida atravs da mdia aritmtica.
b) Mdia em distribuies assimtricas ( veremos em captulo especial )
c) Mdia de taxas de variao
Exemplo:
Suponhamos que um indivduo tenha aplicado um capital de R$ 500,00 em 1995. Aps um ano de
aplicao, essa importncia chegou a R$ 650,00. Reaplicando essa ltima quantia, ao final de mais um
ano seu montante situava-se em R$ 910,00. Qual a taxa mdia de aumento de capital?
Perodo Taxa
1995 a 1996 = 1,3
1996 a 1997 = 1,4
A taxa mdia ser no excel=(1,3*1,4)^(1/2) ou a raiz quadrada do produto de 1,3 e 1,4.
Resposta: 1,3491
26
MDIA HARMNICA
o inverso da mdia aritmtica dos inversos.
Mdia Harmnica Simples:.(para dados no agrupados)
ou
Exemplo:
Calcular a mdia harmnica simples dos seguintes conjuntos de nmeros:
a) {10, 60, 360}
Resp:
b) {2, 2, 2, 2}
Resp:
Mdia Harmnica Ponderada
(para dados agrupados em tabelas de freqncias)
Exemplo:
Calcular a mdia harmnica dos valores da tabela abaixo:
classes fi xi
1 3 2 2 = 1,00
3 5 4 4 = 1,00
5 7 8 6 = 1,33
7 9 4 8 = 0,50
9 11 2 10 = 0,20
27
total 20 xxxxxxxx 4,03
Resposta:
Propriedades da mdia harmnica
A mdia harmnica menor que a mdia geomtrica para valores da varivel diferentes de zero.
< e por extenso de raciocnio podemos escrever:
< <
OBS: A mdia harmnica no aceita valores iguais a zero como dados de uma srie.
A igualdade = = s ocorrer quando todos os valores da srie forem iguais.
OBS: Quando os valores da varivel no forem muito diferentes, verifica-se aproximadamente a seguinte
relao:
Demonstraremos a relao acima com os seguintes dados:
z = { 10,1 ; 10,1 ; 10,2 ; 10,4 ; 10,5 }
Mdia aritmtica = = 10,2600
Mdia geomtrica = 10,2587
Mdia harmnica = = 10,2574
Comprovando a relao: 10,2600 + = 10,2587 = mdia geomtrica
MDIA QUADRTICA
a raiz quadrada da mdia aritmtica dos quadrados
28
Mdia Quadrtica Simples
(para dados no agrupados)
Exemplo:
Calcular a mdia quadrtica simples do seguinte conjunto de nmeros:
a = { 2 , 3 , 4 , 5 } ....Resp: 3,67
Mdia Quadrtica Ponderada
Quando os valores da varivel estiverem dispostos em uma tabela de freqncias, a mdia
quadrtica ser determinada pela seguinte expresso:
Exemplo:
Calcular a mdia quadrtica dos valores da tabela abaixo:
classes fi xi xi
2
xi
2
.fi
2 4 5 3 9 45
4 6 10 5 25 250
6 8 12 7 49 588
8 10 10 9 81 810
10 12 5 11 121 605
total 42 2298
No excel ....=( 2298/42 )^(1/2) ....Resp: 7,40
ou aplica-se a raiz quadrada sobre 2298/42
OBS:
Sempre que os valores de X forem positivos e pelo menos um dado diferente vlida a seguinte
relao: > > >
A igualdade entre as mdias acima se verifica quando os valores da varivel forem iguais
(constantes)
A mdia quadrtica largamente utilizada em Estatstica, principalmente quando se pretende
calcular a mdia de desvios ( x - .) , em vez de a mdia dos valores originais. Neste caso, a mdia
quadrtica denominada desvio-padro, que uma importante medida de disperso.
MODA
o valor que ocorre com maior freqncia em uma srie de valores.
Mo o smbolo da moda.
Desse modo, o salrio modal dos empregados de uma fbrica o salrio mais comum, isto , o
salrio recebido pelo maior nmero de empregdos dessa fbrica.
29
A Moda quando os dados no esto agrupados
A moda facilmente reconhecida: basta, de acordo com definio, procurar o valor que mais se
repete.
Exemplo:
Na srie {7, 8, 9, 10, 10, 10, 11, 12} a moda igual a 10.
H sries nas quais no exista valor modal, isto , nas quais nenhum valor aparea mais vezes que
outros.
Exemplo:
{ 3, 5, 8, 10, 12} no apresenta moda. A srie amodal.
.Em outros casos, pode haver dois ou mais valores de concentrao. Dizemos, ento, que a srie
tem dois ou mais valores modais.
Exemplo:
{ 2, 3, 4, 4, 4, 5, 6, 7, 7, 7, 8, 9} apresenta duas modas: 4 e 7. A srie bimodal.
A Moda quando os dados esto agrupados
a) Sem intervalos de classe
Uma vez agrupados os dados, possvel determinar imediatamente a moda: basta fixar o valor da
varivel de maior freqncia.
Exemplo:
Qual a temperatura mais comum medida no ms abaixo:
Temperaturas freqncia
0 C 3
1 C 9
2 C 12
3 C 6
Resp: 2 C a temperatura modal, pois a de maior freqncia.
b) Com intervalos de classe
A classe que apresenta a maior freqncia denominada classe modal. Pela definio, podemos
afirmar que a moda, neste caso, o valor dominante que est compreendido entre os limites da classe
modal. O mtodo mais simples para o clculo da moda consiste em tomar o ponto mdio da classe modal.
Damos a esse valor a denominao de moda bruta.
o !
2
$ $ L l +
onde l* = limite inferior da classe modal e L*= limite superior da classe modal. Exemplo: Calcule a
estatura modal conforme a tabela abaixo.
Classes (em cm) freqncia
54 58 9
58 62 11
62 66 8
30
66 70 5
Resp: a classe modal 58 62, pois a de maior freqncia. l*=58 e L*=62
Mo = = 60 cm ( este valor estimado, pois no conhecemos o valor real da moda).
Mtodo mais elaborado pela frmula de CZUBER:
l*= limite inferior da classe modal e L*= limite superior da classe modal
d1= freqncia da classe modal - freqncia da classe anterior da classe modal
d2= freqncia da classe modal - freqncia da classe posterior da classe modal
h*= amplitude da classe modal
Obs: A moda utilizada quando desejamos obter uma medida rpida e aproximada de posio ou quando
a medida de posio deva ser o valor mais tpico da distribuio. J a mdia aritmtica a medida de
posio que possui a maior estabilidade.
MEDIANA
A mediana de um conjunto de valores, dispostos segundo uma ordem ( crescente ou decrescente),
o valor situado de tal forma no conjunto que o separa em dois subconjuntos de mesmo nmero de
elementos.
Smbolo da mediana: Md
A mediana em dados no-agrupados
Dada uma srie de valores como, por exemplo: { 5, 2, 6, 13, 9, 15, 10 }
De acordo com a definio de mediana, o primeiro passo a ser dado o da ordenao (crescente ou
decrescente) dos valores: { 2, 5, 6, 9, 10, 13, 15 }
O valor que divide a srie acima em duas partes iguais igual a 9, logo a Md = 9.
Mtodo prtico para o clculo da Mediana
Se a srie dada tiver nmero mpar de termos:
O valor mediano ser o termo de ordem dado pela frmula:
Exemplo:
Calcule a mediana da srie { 1, 3, 0, 0, 2, 4, 1, 2, 5 }
1 - ordenar a srie { 0, 0, 1, 1, 2, 2, 3, 4, 5 }
n = 9 logo dado por = 5, ou seja, o 5 elemento da srie ordenada ser a mediana
A mediana ser o 5 elemento = 2
31
Se a srie dada tiver nmero par de termos:
O valor mediano ser o termo de ordem dado pela frmula:
Obs: ( ) e ) ) sero termos de ordem e devem ser substitudos pelo valor correspondente#
Exemplo:
Calcule a mediana da srie { 1, 3, 0, 0, 2, 4, 1, 3, 5, 6 }
ordenar a srie { 0, 0, 1, 1, 2, 3, 3, 4, 5, 6 }
n = 10 logo a frmula ficar:
ser na realidade
5 termo = 2
6 termo = 3
A mediana ser = ou seja, Md = 2,5 . A mediana no exemplo ser a mdia aritmtica do 5 e 6
termos da srie.
Notas:
Quando o nmero de elementos da srie estatstica for mpar, haver coincidncia da mediana com
um dos elementos da srie.
Quando o nmero de elementos da srie estatstica for par, nunca haver coincidncia da mediana
com um dos elementos da srie. A mediana ser sempre a mdia aritmtica dos 2 elementos centrais da
srie.
Em um srie a mediana, a mdia e a moda no tm, necessariamente, o mesmo valor.
A mediana, depende da posio e no dos valores dos elementos na srie ordenada. Essa uma da
diferenas marcantes entre mediana e mdia ( que se deixa influenciar, e muito, pelos valores
extremos). Vejamos:
Em {5, 7, 10, 13, 15} a mdia = 10 e a mediana = 10
Em {5, 7, 10, 13, 65} a mdia = 20 e a mediana = 10
isto , a mdia do segundo conjunto de valores maior do que a do primeiro, por influncia dos valores
extremos, ao passo que a mediana permanece a mesma.
A mediana em dados agrupados
a) Sem intervalos de classe
Neste caso, o bastante identificar a freqncia acumulada imediatamente superior metade da
soma das freqncias. A mediana ser aquele valor da varivel que corresponde a tal freqncia
acumulada.
Exemplo:
32
Conforme tabela abaixo:
Varivel xi freqncia fi freqncia acumulada
0 2 2
1 6 8
2 9 17
3 13 30
4 6 36
total 36
Quando o somatrio das freqncias for mpar o valor mediano ser o termo de ordem dado pela
frmula:
Como o somatrio das freqncias = 35 a frmula ficar: = 18 termo = 3
Quando o somatrio das freqncias for par o valor mediano ser o termo de ordem dado pela
frmula:
Exemplo:
Calcule Mediana da tabela abaixo:
Varivel xi freqncia fi freqncia acumulada
12 1 1
14 2 3
15 1 4
16 2 6
17 1 7
20 1 8
total 8
Aplicando frmula acima teremos:
= = = 15,5
b) Com intervalos de classe
1) Devemos seguir os seguintes passos:
2) Determinamos as freqncias acumuladas;
33
3%Calculamos ;
4%Marcamos a classe correspondente freqncia acumulada imediatamente superior .
Tal classe ser a classe mediana;
5) Calculamos a Mediana pela seguinte frmula: Md
i
f
h Fant
fi
l
&
2
$

,
_
+
.
l* = o limite inferior da classe mediana.
Fant = a freqncia acumulada da classe anterior classe mediana.
fi= a freqncia simples da classe mediana.
h = a amplitude do intervalo da classe mediana.
Exemplo:
classes freqncia = fi freqncia acumulada
50 54 4 4
54 58 9 13
58 62 11 24
62 66 8 32
66 70 5 37
70 74 3 40
total 40
= =.20
logo.a classe mediana ser 58 62
l* = 58........... Fant = 13........... f* = 11........... h* = 4
Substituindo esses valores na frmula, obtemos:
Md = = = 60,54
OBS: Esta mediana estimada, pois no temos os 40 valores da distribuio.
Emprego da Mediana
Quando desejamos obter o ponto que divide a distribuio em duas partes iguais.
34
Quando h valores extremos que afetam de maneira acentuada a mdia aritmtica.
Quando a varivel em estudo salrio.
SEPARATRIZES
Alm das medidas de posio que estudamos, h outras que, consideradas individualmente, no so
medidas de tendncia central, mas esto ligadas mediana relativamente sua caracterstica de separar
a srie em duas partes que apresentam o mesmo nmero de valores.
Essas medidas - os quartis, os decis e os percentis - so, juntamente com a mediana, conhecidas
pelo nome genrico de separatrizes.
QUARTIS
Denominamos quartis os valores de uma srie que a dividem em quatro partes iguais.
Precisamos portanto de 3 quartis (Q1 , Q2 e Q3) para dividir a srie em quatro partes iguais.
Obs: O quartil 2 (Q2) sempre ser igual a mediana da srie.
Quartis em dados no agrupados
O mtodo mais prtico utilizar o princpio do clculo da mediana para os 3 quartis. Na realidade
sero calculadas " 3 medianas " em uma mesma srie.
Exemplo 1:
Calcule os quartis da srie: {5, 2, 6, 9, 10, 13, 15}
O primeiro passo a ser dado o da ordenao (crescente ou decrescente) dos valores:
{2, 5, 6, 9, 10, 13, 15}
O valor que divide a srie acima em duas partes iguais igual a 9, logo a Md = 9 que ser = Q2.
Temos agora {2, 5, 6} e {10, 13, 15} como sendo os dois grupos de valores iguais proporcionados pela
mediana (quartil 2). Para o clculo do quartil 1 e 3 basta calcular as medianas das partes iguais
provenientes da verdadeira Mediana da srie (quartil 2).
Logo em {2, 5, 6} a mediana = 5 . Ou seja: ser o quartil 1
em {10, 13, 15} a mediana =13 . Ou seja: ser o quartil 3
Exemplo 2:
Calcule os quartis da srie: {1, 1, 2, 3, 5, 5, 6, 7, 9, 9, 10, 13}
A srie j est ordenada, ento calcularemos o Quartil 2 = Md = = 5,5
O quartil 1 ser a mediana da srie esquerda de Md : {1, 1, 2, 3, 5, 5}
Q1 = = 2,5
O quartil 3 ser a mediana da srie direita de Md : {6, 7, 9, 9, 10, 13 }
Q3 = = 9
Quartis para dados agrupados em classes
Usamos a mesma tcnica do clculo da mediana, bastando substituir, na frmula da mediana,
por sendo k o nmero de ordem do quartil.
35
Assim, temos:
Q1 =
Q2 = .
Q3 = .
Exemplo3:
Calcule os quartis da tabela abaixo:
classes freqncia = fi freqncia acumulada
50 54 4 4
54 58 9 13
58 62 11 24
62 66 8 32
66 70 5 37
70 74 3 40
total 40
O quartil 2 = Md , logo:
= =.20........... logo.a classe mediana ser 58 62
l* = 58...........Fant = 13...........f* = 11...........h* = 4
Substituindo esses valores na frmula, obtemos:
Md = = = 60,54
O quartil 1 :
36
= 10
Q1 = = = 56,66
O quartil 3:
= 30
Q3 = = 62 = 65
DECIS
A definio dos decis obedece ao mesmo princpio dos quartis, com a modificao da porcentagem
de valores que ficam aqum e alm do decil que se pretende calcular. A frmula bsica ser : onde k
o nmero de ordem do decil a ser calculado. Indicamos os decis : D1, D2, ... , D9. Deste modo
precisamos de 9 decis para dividirmos uma srie em 10 partes iguais.
De especial interesse o quinto decil, que divide o conjunto em duas partes iguais. Assim sendo,o
quinto decil igual ao segundo quartil, que por sua vez igual mediana.
Para D5 temos :

Exemplo:
Calcule o 3 decil da tabela anterior com classes.
k= 3 onde = = 12.
Este resultado corresponde a 2 classe.
D3 = 54 = 54+3,55= 57,55
37
PERCENTIL ou CENTIL
Denominamos percentis ou centis como sendo os noventa e nove valores que separam uma srie em
100 partes iguais. Indicamos: P1, P2, ... , P99. evidente que P50 = Md ; P25 = Q1 e P75 = Q3.
O clculo de um centil segue a mesma tcnica do clculo da mediana, porm a frmula ser:
onde k o nmero de ordem do centil a ser calculado.
Exemplo:
Calcule o 8 centil da tabela anterior com classes .
k= 8 onde = = 3,2.
Este resultado corresponde a 1 classe.
P8 = 50 = 50+3,2= 53,2
38
7. DISPERSO OU VARIABILIDADE
a maior ou menor diversificao dos valores de uma varivel em torno de um valor de tendncia
central ( mdia ou mediana ) tomado como ponto de comparao.
A mdia - ainda que considerada como um nmero que tem a faculdade de representar uma srie de
valores - no pode, por si mesma, destacar o grau de homogeneidade ou heterogeneidade que existe
entre os valores que compem o conjunto.
Consideremos os seguintes conjuntos de valores das variveis X, Y e Z:
X = {70, 70, 70, 70, 70}
Y = {68, 69, 70 ,71 ,72}
Z = {5, 15, 50, 120, 160}
Observamos ento que os trs conjuntos apresentam a mesma mdia aritmtica = = 70
Entretanto, fcil notar que o conjunto X mais homogneo que os conjuntos Y e Z, j que todos os
valores so iguais mdia. O conjunto Y, por sua vez, mais homogneo que o conjunto Z, pois h
menor diversificao entre cada um de seus valores e a mdia representativa.
Conclumos ento que o conjunto X apresenta disperso nula e que o conjunto Y apresenta uma
disperso menor que o conjunto Z.
MEDIDAS DE DISPERSO ABSOLUTA
Amplitude total : a nica medida de disperso que no tem na mdia o ponto de referncia.
Quando os dados no esto agrupados a amplitude total a diferena entre o maior e o menor valor
observado:
AT = Xmximo - Xmnimo
Exemplo:
Para os valores 40, 45, 48, 62 e 70 a amplitude total ser: AT = 70 - 40 = 30
Quando os dados esto agrupados sem intervalos de classe ainda temos : AT = Xmximo - Xmnimo
Exemplo:
xi fi
0 2
1 6
3 5
4 3
AT = 4 - 0 = 4
Com intervalos de classe a amplitude total a diferena entre o limite superior da ltima classe
e o limite inferior da primeira classe.
Ento AT = Lmximo - lmnimo
Exemplo:
Classes fi
4 6 6
6 8 2
8 10 3
39
AT = 10 - 4 = 6
A amplitude total tem o inconveniente e s levar em conta os dois valores extremos da srie,
descuidando do conjunto de valores intermedirios. Faz-se uso da amplitude total quando se quer
determinar a amplitude da temperatura em um dia, no controle de qualidade ou como uma medida
de clculo rpido sem muita exatido.
Desvio quartil
Tambm chamado de amplitude semi-interquatlica e baseada nos quartis.
Smbolo: Dq e a Frmula: Dq =
Observaes:
1.O desvio quartil apresenta como vantagem o fato de ser uma medida fcil de calcular e de
interpretar. Alm do mais, no afetado pelos valores extremos, grandes ou pequenos, sendo
recomendado, por conseguinte, quando entre os dados figurem valores extremos que no se
consideram representativos.
2.O desvio quartil dever ser usado preferencialmente quando a medida de tendncia central for a
mediana.
3.Trata-se de uma medida insensvel distribuio dos itens menores que Q1, entre Q1 e Q3 e
maiores que Q3.
Exemplo:
Para os valores 40, 45, 48, 62 e 70 o desvio quartil ser:
Q1 = = 42,5

Q3 = = 66

Dq = = 11,75
Desvio mdio absoluto
Para dados brutos
a mdia aritmtica dos valores absolutos dos desvios tomados em relao a uma das seguintes
medidas de tendncia central: mdia ou mediana. Smbolo = Dm
Frmula : para a Mdia =
40
Frmula : para a Mediana =
As barras verticais indicam que so tomados os valores absolutos, prescindindo do sinal dos desvios.
Exemplo: Calcular o desvio mdio do conjunto de nmeros {-4 , -3, -2, 3, 5}
= -0,2 e Md = -2
Tabela auxiliar para clculo do desvio mdio
xi
xi - |xi - | xi - Md |xi - Md|
- 4 (- 4) - (-0,2) = -3,8 3,8 (- 4) - (-2) = - 2 2
- 3 (- 3) - (-0,2) = -2,8 2,8 (- 3) - (-2) = - 1 1
- 2 (- 2) - (-0,2) = -1,8 1,8 (- 2) - (-2) = 0 0
3 3 - (-0,2) = 3,2 3,2 3 - (-2) = 5 5
5 5 - (-0,2) = 5,2 5,2 5 - (-2) = 7 7
Total 16,8 E = 15
Pela Mdia : Dm = = 3,36 Pela Mediana : Dm = = 3
Desvio mdio para Dados Tabulados
Se os valores vierem dispostos em uma tabela de freqncias, agrupados ou no em classes, sero
usadas as seguintes frmulas:
Clculo pela mdia: Dm =
Clculo pela mediana: Dm =
Exemplo de clculo pela mdia:
xi fi xi. fi
xi - | xi - | | xi - |.fi
3 2 6 4,7 - 1,7 1,7 3,4
4 2 8 4,7 - 0,7 0,7 1,4
5 3 15 4,7 0,3 0,3 0,9
6 3 18 4,7 1,3 1,3 3,9
Total 10 47 E = 9,6
41
Dm = = 0,96
Para o clculo do Desvio mdio pela mediana segue-se o mesmo raciocnio.
xi fi Md - Md |xi - Md| | xi - Md|.fi
3 2 5 - 2 2 4
4 2 5 - 1 1 2
5 3 5 0 0 0
6 3 5 1 1 1
Total 10 Total 7
Dm = = 0,70
Obs: Apesar de o desvio mdio expressar aceitavelmente a disperso de uma amostra, no to
freqentemente empregado como o desvio-padro. O desvio mdio despreza o fato de alguns desvios
serem negativos e outros positivos, pois essa medida os trata como se fossem todos positivos. Todavia
ser preferido o uso do desvio mdio em lugar do desvio-padro, quando esse for indevidamente
influenciado pelos desvios extremos.
DESVIO PADRO
a medida de disperso mais geralmente empregada, pois leva em considerao a totalidade dos
valores da varivel em estudo. um indicador de variabilidade bastante estvel. O desvio padro baseia-
se nos desvios em torno da mdia aritmtica e a sua frmula bsica pode ser traduzida como : a raiz
quadrada da mdia aritmtica dos quadrados dos desvios e representada por S .
A frmula acima empregada quando tratamos de uma populao de dados no-agrupados.
Exemplo:
Calcular o desvio padro da populao representada por -4, -3, -2, 3, 5
xi
xi - (xi - )
2
- 4 - 0,2 - 3,8 14,44
- 3 - 0,2 - 2,8 7,84
- 2 - 0,2 - 1,8 3,24
3 - 0,2 3,2 10,24
5 - 0,2 5,2 27,04
Total 62,8
42
Sabemos que n = 5 e = 12,56.
A raiz quadrada de 12,56 o desvio padro = 3,54
Obs: Quando nosso interesse no se restringe descrio dos dados mas, partindo da amostra, visamos
tirar inferncias vlidas para a respectiva populao, convm efetuar uma modificao, que consiste em
usar o divisor n - 1 em lugar de n. A frmula ficar ento:
Se os dados - 4 , -3 , -2 , 3 , 5 representassem uma amostra o desvio padro amostral seria:
= 3,96
O desvio padro goza de algumas propriedades, dentre as quais destacamos:
1 = Somando-se (ou subtraindo-se) uma constante a todos os valores de uma varivel, o desvio
padro no se altera.
2 = Multiplicando-se (ou dividindo-se) todos os valores de uma varivel por uma constante (diferente de
zero), o desvio padro fica multiplicado ( ou dividido) por essa constante.
Quando os dados esto agrupados (temos a presena de freqncias) a frmula do desvio padro
ficar:
ou
quando se trata de uma amostra
Exemplo:
Calcule o desvio padro populacional da tabela abaixo:
xi fi xi.fi
0 2 0 2,1 -2,1 4,41 8,82
1 6 6 2,1 -1,1 1,21 7,26
2 12 24 2,1 -0,1 0,01 0,12
3 7 21 2,1 0,9 0,81 5,67
4 3 12 2,1 1,9 3,61 10,83
Total 30 63 Total 32,70
43
Sabemos que = 30 e = 1,09.
A raiz quadrada de 1,09 o desvio padro = 1,044
Se considerarmos os dados como sendo de uma amostra o desvio padro seria:
= 1,062
Obs: Nas tabelas de freqncias com intervalos de classe a frmula a ser utilizada a mesma do
exemplo anterior.
VARINCIA
o desvio padro elevado ao quadrado e simbolizado por S2
A varincia uma medida que tem pouca utilidade como estatstica descritiva, porm
extremamente importante na inferncia estatstica e em combinaes de amostras.
EXERCCIOS
1) Considere os seguintes conjuntos de nmeros:
A = { 10, 20, 30, 40, 50 } B = { 100, 200, 300, 400, 500 }
2) Que relao existe entre os desvios padres dos dois conjuntos de nmeros ?
3) Dados os conjuntos de nmeros:
A = { 220, 230, 240, 250, 260 } B = { 20, 30, 40, 50, 60 }
4) Que relao existe entre os desvios padres dos dois conjuntos de nmeros ?
5) Dados os conjuntos de nmeros:
A = { -2, -1, 0, 1, 2 } B = { 220, 225, 230, 235, 240 }
6) Podemos afirmar, de acordo com as propriedades do desvio padro, que o desvio padro de B
igual:
a) ao desvio padro de A;
b) ao desvio padro de A, multiplicado pela constante 5;
c) ao desvio padro de A, multiplicado pela constante 5, e esse resultado somado a 230;
d) ao desvio padro de A mais a constante 230.
MEDIDAS DE DISPERSO RELATIVA
CVP: Coeficiente de Variao de Pearson
Na estatstica descritiva o desvio padro por si s tem grandes limitaes. Assim, um desvio padro
de 2 unidades pode ser considerado pequeno para uma srie de valores cujo valor mdio 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 ou
variabilidade, quando expressas em unidades diferentes.
Para contornar essas dificuldades e limitaes, podemos caracterizar a disperso ou variabilidade dos
dados em termos relativos a seu valor mdio, medida essa denominada de CVP: Coeficiente de
Variao de Pearson ( a razo entre o desvio padro e a mdia referentes a dados de uma
mesma srie).
44
A frmula do CVP =
(o resultado neste caso expresso em percentual, entretanto pode ser expresso tambm atravs de um
fator decimal, desprezando assim o valor 100 da frmula).
Exemplo:
Tomemos os resultados das estaturas e dos pesos de um mesmo grupo de indivduos:
Discriminao M D I A DESVIO PADRO
ESTATURAS 175 cm 5,0 cm
PESOS 68 kg 2,0 kg
Qual das medidas (Estatura ou Peso) possui maior homogeneidade ?
Resposta: Teremos que calcular o CVP da Estatura e o CVP do Peso. O resultado menor ser o de maior
homogeneidade ( menor disperso ou variabilidade).
CVPestatura = = 2,85 %
CVPpeso = = 2,94 %.
Logo, nesse grupo de indivduos, as estaturas apresentam menor grau de disperso que os pesos.
CVT: Coeficiente de Variao de Thorndike
igual ao quociente entre o desvio padro e a mediana.
CVT = ou CVT = quando queremos o resultado em %.
CVQ: Coeficiente Quartlico de Variao
Esse coeficiente definido pela seguinte expresso:
CVQ = ou para resultado em %.
Desvio quartil Reduzido
Dqr = ou para resultado em %.
45
EXERCCIOS
1) A renda mdia mensal na localidade A de R$ 750,00 e na localidade B de R$ 500,00. Os
desvios padres so R$ 100,00 e R$ 80,00. Faa uma anlise comparativa quanto ao grau de
homogeneidade da renda nestas duas localidades:
2) O risco de uma ao de uma empresa pode ser devidamente avaliado atravs da variabilidade dos
retornos esperados. Portanto, a comparao das distribuies probabilsticas dos retornos, relativas
a cada ao individual, possibilita a quem toma decises perceber os diferentes graus de risco.
Analise, abaixo, os dados estatsticos relativos aos retornos de 5 aes e diga qual a menos
arriscada :
Discriminao Ao A Ao B Ao C Ao D Ao E
Valor esperado 15 % 12 % 5 % 10 % 4 %
Desvio padro 6 % 6,6 % 2,5 % 3 % 2,6 %
Coeficiente de variao 0,40 0,55 0,50 0,30 0,65
3) Um grupo de 85 moas tem estatura mdia 160,6 cm, com um desvio padro igual a 5,97 cm.
Outro grupo de 125 moas tem uma estatura mdia de 161,9 cm, sendo o desvio padro igual a
6,01 cm. Qual o coeficiente de variao de cada um dos grupos ? Qual o grupo mais homogneo?
4) Um grupo de 196 famlias tem renda mdia de 163,8 dlares, com um coeficiente de variao de
3,3%. Qual o desvio padro da renda desse grupo?
5) Uma distribuio apresenta as seguintes estatsticas: S = 1,5 e CVP = 2,9 % . Determine a mdia
da distribuio:
6) Numa pequena cidade, 65 famlias tem a renda mdia de 57,5 dlares e o desvio padro de 5,98
dlares. A variabilidade relativa das famlias foi de:
a) 0,104 dlares b) 10,4 dlares c) 0,104 % d) 10,4 % e) 0,104 famlias
46
8. MEDIDAS DE ASSIMETRIA
Introduo:
Uma distribuio com classes simtrica quando : Mdia = Mediana = Moda
Uma distribuio com classes :
Assimtrica esquerda ou negativa quando: Mdia < Mediana < Moda
Assimtrica direita ou positiva quando: Mdia > Mediana > Moda
Exerccio:
1) Determine os tipos de assimetria das distribuies abaixo:

Distribuio A Distribuio B Distribuio C
Classes fi Classes fi Classes fi
2 6 6 2 6 6 2 6 6
6 10 12 6 10 12 6 10 30
10 14 24 10 14 24 10 14 24
14 18 12 14 18 30 14 18 12
18 22 6 18 22 6 18 22 6
Total = 60 Total = 78 Total = 78
2) Demonstre graficamente as os resultados obtidos no exerccio anterior:
Coeficiente de assimetria
A medida anterior, por ser absoluta, apresenta a mesma deficincia do desvio padro, isto , no
permite a possibilidade de comparao entre as medidas de duas distribuies. Por esse motivo, daremos
preferncia ao coeficiente de assimetria de Person:
( )
s
Md x
As

3
Escalas de assimetria:
| As | < 0,15 assimetria pequena
0,15 < | As | < 1 assimetria moderada
| As | > 1 assimetria elevada
Obs:
Suponhamos As = -0,49 assimetria considerada moderada e negativa.
Suponhamos As = 0,75 a assimetria considerada moderada e positiva.
Exerccio:
1) Considerando as distribuies anteriores A , B e C , calcule os coeficientes de assimetria e faa a
anlise dos resultados obtidos:
47
9. MEDIDAS DE CURTOSE
Introduo:
Denominamos curtose o grau de achatamento de uma distribuio em relao a uma distribuio
padro, denominada curva normal (curva correspondente a uma distribuio terica de probabilidade).
Quando a distribuio apresenta uma curva de freqncia mais fechada que a normal (ou mais
aguda ou afilada em sua parte superior), ela recebe o nome de leptocrtica.
Quando a distribuio apresenta uma curva de freqncia mais aberta que a normal (ou mais
achatada em sua parte superior), ela recebe o nome de platicrtica.
A curva normal, que a nossa base referencial, recebe o nome de mesocrtica.
Coeficiente de curtose
( )
10 90
1 3
2 P P
Q Q
C
Este coeficiente conhecido como percentlico de curtose.

Relativamente a curva normal, temos:
C1 = 0,263 curva mesocrtica
C1 < 0,263 curva leptocrtica
C1 > 0,263 curva platicrtica
Obs:
Este coeficiente est dentro do programa excel (nas funes estatsticas automticas).
O coeficiente abaixo ser utilizado em nossas anlises:
onde S desvio padro
C2 = 3 curva mesocrtica
C2 > 3 curva leptocrtica
C2 < 3 curva platicrtica
48
10. PROBABILIDADE
Introduo:
O clculo das probabilidades pertence ao campo da Matemtica, entretanto a maioria dos fenmenos
de que trata a Estatstica so de natureza aleatria ou probabilstica. O conhecimento dos aspectos
fundamentais do clculo da probabilidades uma necessidade essencial para o estudo da Estatstica
Indutiva ou Inferencial.
Experimento Aleatrio
So fenmenos que, mesmo repetido vrias vezes sob condies semelhantes, apresentam
resultados imprevisveis. O resultado final depende do acaso.
Exemplo:
Da afirmao " provvel que o meu time ganhe a partida hoje" pode resultar:
que ele ganhe;
que ele perca;
que ele empate.
Este resultado final pode ter trs possibilidades.
Espao Amostral
o conjunto universo ou o conjunto de resultados possveis de um experimento aleatrio.
Exemplo:
No experimento aleatrio "lanamento de uma moeda" temos o espao amostral {cara, coroa}.
No experimento aleatrio "lanamento de um dado" temos o espao amostral {1, 2, 3, 4, 5, 6}.
No experimento aleatrio "dois lanamentos sucessivos de uma moeda" temos o espao amostral:
{(ca,ca) , (co,co) , (ca,co) , (co,ca)}
Obs:
Cada elemento do espao amostral que corresponde a um resultado recebe o nome de ponto amostral.
No primeiro exemplo:
Cara pertence ao espao amostral {cara, coroa}.
Eventos
qualquer subconjunto do espao amostral de um experimento aleatrio.
Se considerarmos S como espao amostral e E como evento: Assim, qualquer que seja E, se E S
(E est contido em S), ento E um evento de S.
Se E = S , E chamado de evento certo.
Se E S e E um conjunto unitrio, E chamado de evento elementar.
Se E = , E chamado de evento impossvel.
49
Exerccio:
1) No lanamento de um dado temos S = {1,2,3,4,5,6}. Formule os eventos definidos pelas
sentenas:
a%Obter um nmero par na face superior do dado: A = {2,4,6} onde A C S.
b) Obter um nmero menor ou igual a 6 na face superior: B = {1,2,3,4,5,6}, onde B = S, logo B
um evento certo de S.
c)Obter o nmero 4 na face superior : C = {4}, logo C um evento elementar de S.
d) Obter um nmero maior que 6 na face superior : D = , logo D um evento impossvel de S.
2) No lanamento de duas moedas (uma de 10 centavos e outra de 5 centavos)
a) Qual o espao amostral ?
b) Formule os eventos definidos pelas sentenas:
Obter uma cara.
Obter pelo menos uma cara.
Obter apenas um cara.
Obter no mximo duas caras.
Obter uma cara e uma coroa.
Obter uma cara ou uma coroa.
Conceito de Probabilidade
Chamamos de probabilidade de um evento A (sendo que A est contido no Espao amostral) o
nmero real P(A), tal que:
OBS: Quando todos os elementos do Espao amostral tem a mesma chance de acontecer, o espao
amostral chamado de conjunto equiprovvel.
Exemplos:
1) No lanamento de uma moeda qual a probabilidade de obter cara em um evento A?
S = { ca, co } = 2 A = {ca} = 1 P(A) = = 0,5 = 50%
2) No lanamento de um dado qual a probabilidade de obter um nmero par em um evento A ?
S = { 1,2,3,4,5,6 } = 6 A = { 2,4,6 } = 3 P(A) = = 0,5 = 50%
3) No lanamento de um dado qual a probabilidade de obter um nmero menor ou igual a 6 em um
evento A ?
S = { 1,2,3,4,5,6 } = 6 A = { 1,2,3,4,5,6 } = 6 P(A) = = 1,0 = 100%
Obs: a probabilidade de todo evento certo = 1 ou 100%.
4) No lanamento de um dado qual a probabilidade de obter um nmero maior que 6 em um evento A
?
S = { 1,2,3,4,5,6 } = 6 A = { } = 0 P(A) = = 0 = 0%
50
Obs: a probabilidade de todo evento impossvel = 0 ou 0%
Eventos Complementares
Sabemos que um evento pode ocorrer ou no. Sendo p 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:
p + q = 1
Obs:
Numa distribuio de probabilidades o somatrio das probabilidades atribudas a cada evento elementar
igual a 1 onde p1 + p2 + p3 + ... + pn = 1.
Exemplos:
1%Sabemos que a probabilidade de tirar o n 4 no lanamento de um dado p = . logo, a
probabilidade de no tirar o n 4 no lanamento de um dado :
q = 1 - p ou q = 1 - = .
2%Calcular a probabilidade de um piloto de automveis vencer uma dada corrida, onde as suas
"chances", segundo os entendidos, so de "3 para 2". Calcule tambm a probabilidade dele perder:
O termo "3 para 2" significa : De cada 5 corridas ele ganha 3 e perde 2. Ento p = (ganhar) e q
= (perder).
Exerccios:
1) Uma dado foi fabricado de tal forma que num lanamento a probabilidade de ocorrer um nmero
par o dobro da probabilidade de ocorrer nmero mpar na face superior, sendo que os trs
nmeros pares ocorrem com igual probabilidade, bem como os trs nmeros mpares. Determine a
probabilidade de ocorrncia de cada evento elementar:
2%Seja S = {a,b,c,d} . Consideremos a seguinte distribuio de probabilidades: P(a) = ; P(b) = ; P(c)
= e P(d) = x . Calcule o valor de x :
3) As chances de um time de futebol T ganhar o campeonato que est disputando so de "5 para 2".
Determinar a probabilidade de T ganhar e a probabilidade de T perder :
4) Trs cavalos C1,C2 e C3 disputam um preo, onde s se premiar o vencedor. Um conhecedor dos
3 cavalos afirma que as "chances" de C1 vencer so o dobro das de C2,e que C2 tem o triplo das
"chances" de C3. Calcule as probabilidades de cada cavalo vencer o preo:
Eventos Independentes
51
Quando a realizao ou no realizao de um dos eventos no afeta a probabilidade da realizao do
outro e vice-versa.
Exemplo:
Quando lanamos dois dados, o resultado obtido em um deles independe do resultado obtido no outro.
Ento qual seria a probabilidade de obtermos, simultaneamente, o n 4 no primeiro dado e o n 3 no
segundo dado ?
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 pela
frmula:
P(1 2) = P(1 e 2)= P(1) . P(2)
P1 = P(4 no dado 1) = P2 = P(3 no dado 2) =

P(total) = P(4 no dado 1) x P(3 no dado 2) = . =
Eventos Mutuamente Exclusivos
Dois ou mais eventos so mutuamente exclusivos quando a realizao de um exclui a realizao
do(s) outro(s). 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 um ou outro se realize igual
soma das probabilidades de que cada um deles se realize:
P(1 2) = P(1 ou 2) = P(1) + P(2)
Exemplo:
No lanamento de um dado qual a probabilidade de se tirar o n 3 ou o n 4?
Os dois eventos so mutuamente exclusivos ento: P = + = =
Obs:
Na probabilidade da unio de dois eventos A e B, quando h elementos comuns, devemos excluir as
probabilidades dos elementos comuns a A e B (elementos de A B ) para no serem computadas duas
vezes. Assim
52
P(A B) = P(A) + P(B) - P(A B)
Exemplo:
1) Retirando-se uma carta de um baralho de 52 cartas, qual a probabilidade da carta retirada ser ou
um S ou uma carta de COPAS ?
P(s U Copas) = P(S) + P(Copas) - P(S Copas) = + - =
Probabilidade Condicional
Se A e B so dois eventos, a probabilidade de B ocorrer , depois de A ter acontecido definida
por:
P ( ), ou seja, chamada probabilidade condicional de B. Neste caso os eventos so dependentes e
definidos pela frmula:
P (A e B ) = P (A) x P( )
Exemplo:
1) Duas cartas so retiradas de um baralho sem haver reposio. Qual a probabilidade de ambas
serem COPAS ?
P(Copas1 e Copas2) = P(Copas1) x P( ) = . = 0,0588 = 5,88 %
P(Copas1) =
P( ) =
Obs:
No exemplo anterior se a 1 carta retirada voltasse ao baralho o experimento seria do tipo com reposio
e seria um evento independente.
O resultado seria:
P(Copas1) x P(Copas2) = . = 0,625 = 6,25 %
Espao amostral do baralho de 52 cartas:
Carta pretas = 26
Paus = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei)
Espadas = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei)
53
Cartas vermelhas = 26
Ouros = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei)
Copas = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei)
EXERCCIOS:
1) Qual a probabilidade de sair o S de ouros quando retiramos 1 carta de um baralho de 52 cartas?
2) Qual a probabilidade de sair o um REI quando retiramos 1 carta de um baralho de 52 cartas ?
3) Em um lote de 12 peas, 4 s defeituosas. Sendo retirada uma pea, calcule: a) a probabilidade de
essa pea ser defeituosa. b) a probabilidade de essa pea no ser defeituosa.
4) 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 ?
5) Uma 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 1 , 2 e 3 urnas serem,
respectivamente, branca, preta e verde ?
6) 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 ?
7) Qual a probabilidade de sair uma figura (rei ou dama ou valete) quando retiramos uma carta de
um baralho de 52 carta ?
8) So dados dois baralhos de 52 cartas.Tiramos, ao mesmo tempo, uma carta do primeiro baralho e
uma carta do segundo. Qual a probabilidade de tirarmos uma DAMA e um REI, no
necessariamente nessa ordem ?
9) Duas cartas so retiradas de um baralho sem haver reposio. Qual a probabilidade de ambas
serem COPAS ou ESPADAS ?
10)Duas bolas so retiradas (sem reposio) de uma urna que contm 2 bolas brancas e 3 bolas
pretas. Qual a probabilidade de que a 1 seja branca e a 2 seja preta ?
11)Duas bolas so retiradas (com reposio) de uma urna que contm 2 bolas brancas e 3 bolas
pretas. Qual a probabilidade de que a 1 seja branca e a 2 seja preta ?
12)Duas bolas so retiradas (sem reposio) de uma urna que contm 2 bolas brancas e 3 bolas
pretas e 5 bolas verdes.
a) Qual a probabilidade de que ambas sejam verdes ?
b) Qual a probabilidade de que ambas sejam da mesma cor ?
TCNICAS DE CONTAGEM EM PROBABILIDADE
o uso das frmulas de anlise combinatria para o clculo do nmero de casos favorveis e o
nmero de casos possveis.
Arranjo com repetio (ARN,P)

AR 9,3 = 9 x 9 x 9 = 729
AR 9,2 = 9 x 9 = 81
Exemplo:
Se mil ttulos entram em sorteio com os nmeros de 000 a 999. Qual a probabilidade:
a% De sair nmeros com a dezena 24 = = = 0,01 ou 1%
'% De sair nmeros com a unidade 4 == = = 0,1 ou 10%
54
(% De sair nmeros com a centena 323 = = 0,001 ou 0,1%
Reviso de Fatorial:
0! = 1
1! = 1
2! = 2.1 = 2
3! = 3.2.1 = 6
4! = 4.3.2.1 = 24
5! = 5.4.3.2.1 = 120
Exemplos:
= = 20
= = = 1,2
Combinao (,
-./
= )
C15,3 = = = = 455
Exemplos:
1) Qual a probabilidade de tirarmos 5 cartas de espadas sem reposio de um baralho de 52 cartas?
Mtodo tradicional: P(5 espadas) = . . . . . = 0,0005...
Tcnica de contagem:
P(5 espadas) = = = 0,0005...
2) De 20 pessoas que se oferecem para doar sangue 15 possuem sangue tipo B. Qual a probabilidade
de, escolhendo-se 3 pessoas desse grupo todas as 3 escolhidas tenham sangue tipo B ?
P(3 sangue B) == = = 0,399
55
3) Qual a probabilidade de retirarmos 2 ases em uma amostra de 5 cartas retiradas de um baralho de
52 cartas ?
P (2 ases) = = 0,0399
4) Qual a probabilidade de retirarmos 4 ases em uma amostra de 13 cartas retiradas de um baralho
de 52 cartas ?
P (4 ases) = = = 0,0026
TEOREMA DA PROBABILIDADE TOTAL
Seja B1, B2, B3...BK um conjunto de eventos mutuamente exclusivos cuja unio forma o espao
amostral. Seja A outro evento no mesmo espao amostral, tal que P(A) > 0 .
Ento:
P(A) = P( A B1) + P( A B2) + P( A B3) + . . . + P( A BK)

P(A) = P(B1) . P( ) + P(B2) . P( ) + . . . P(BK) . P( )
Ento podemos escrever a frmula da probabilidade total como:
P(A) =
Exemplo:
Segundo especialistas esportivos, a probabilidade de que o Flamengo vena o prximo jogo estimada em
0,70 se no chover, e s de 0,50 se chover. Se os registros meteorolgicos anunciam uma probabilidade
de 0,40 de chover na data do jogo, qual ser ento a probabilidade desse time ganhar o prximo jogo ?
P(A) =
P(ganhar) = P(ganhar chuva ) + P(ganhar no chuva )
P(ganhar) = P(chuva) . P( ) + P(no chuva) . P( )
56
P(ganhar) = (0,40 . 0,50 ) + (0,60 . 0,70) = 0,20 + 0,42 = 0,62 ou 62%
TEOREMA DE BAYES
Sabemos que:
P(A) =
P(A Bi) = P(A) . P( ) logo P( ) = ento substituindo teremos:
P ( ) = que a frmula de Bayes
Exemplo:
Certo professor da FACECA das vezes vai trabalhar usando um fusca e usando um carro importado nas
demais vezes. Quando ele usa o fusca, 75% das vezes ele chega em casa antes das 23 horas e quando
usa o carro importado s chega em casa antes das 23 horas em 60% das vezes. Ontem o professor
chegou em casa aps s 23 horas. Qual a probabilidade de que ele, no dia de ontem, tenha usado o
fusca?
B1 = usar o fusca B2 = usar carro importado A = chegar em casa aps 23 horas
P(B1) = = 0,80 P(B2) = = 0,20
P( ) = 1 - 0,75 = 0,25 P( ) = 1 - 0,60 = 0,40
P ( ) =
P ( ) = =

57
P ( ) = = 0,7143 ou 71,43 %
Exerccio:
1%Certo aluno da FACECA das vezes vai estudar usando um fusca e usando um carro importado nas
demais vezes. Quando ele usa o fusca, 35% das vezes ele chega em casa depois das 23 horas e
quando usa o carro importado s chega em casa antes das 23 horas em 0,55 das vezes. Ontem o
aluno chegou em casa antes das 23 horas. Qual a probabilidade em percentual de que ele, no dia
de ontem, tenha usado o fusca ?
Resposta: 78 %
58
11. DISTRIBUIO DE PROBABILIDADES
Apresentaremos neste captulo trs modelos tericos de distribuio de probabilidade, aos quais um
experimento aleatrio estudado possa ser adaptado, o que permitir a soluo de grande nmero de
problemas prticos.
Varivel Aleatria
Suponhamos um espao amostral S e que a cada ponto amostral seja atribudo um nmero. Fica,
ento, definida uma funo chamada varivel aleatria.
Assim, se o espao amostral relativo ao "lanamento simultneo de duas moedas" S = {(ca,ca),
(ca,co), (co,ca), (co,co)} e se X representa o "nmero de caras" que aparecem, a cada ponto amostral
podemos associar um nmero para X, de acordo com a tabela abaixo:
Ponto Amostral X
(ca,ca) 2
(ca,co) 1
(co,ca) 1
(co,co) 0

Logo podemos escrever:
Nmero de caras (X) Probabilidade (X)
2
1
0
Total = 1
Exemplo prtico de uma distribuio de probabilidade:
Consideremos a distribuio de freqncias relativa ao nmero de acidentes dirios na Rodovia do
SOL durante o ms de nov/97:
Nmero de Acidentes
freqnci
a
0 22
1 5
2 2
3 1
Podemos ento escrever a tabela de distribuio de probabilidade:
Nmero de Acidentes (X) Probabilidade (X)
0 0,73
1 0,17
2 0,07
3 0,03
Total 1,00
59
Construmos acima uma tabela onde aparecem os valores de uma varivel aleatria X e as
probabilidades de X ocorrer que a tabela de distribuio de probabilidades.
Funes de probabilidades: f(X) = p(X= xi)
Ao definir a distribuio de probabilidade, estabelecemos uma correspondncia unvoca entre os
valores da varivel aleatria X e os valores da varivel P (probabilidade). Esta correspondncia define uma
funo onde os valores xi formam o domnio da funo e os valores pi o seu conjunto imagem. Assim, ao
lanarmos um dado, a varivel aleatria X, definida por "pontos de um dado", pode tomar os valores
1,2,3,4,5 e 6. Ento resulta a seguinte distribuio de probabilidade:
X P (X)
1
2
3
4
5
6
T o t a l = 1

Distribuio Binomial
Vamos imaginar fenmenos cujos resultados s podem ser de dois tipos, um dos quais considerado
como sucesso e o outro insucesso. Este fenmeno pode ser repetido tantas vezes quanto se queira (n
vezes), nas mesmas condies. As provas repetidas devem ser independentes, isto , o resultado de uma
no deve afetar os resultados das sucessivas. No decorrer do experimento, a probabilidade p do sucesso e
a probabilidade de q (q = 1 - p) do insucesso manter-se-o constantes. Nessas condies X uma
varivel aleatria discreta que segue uma distribuio binomial.
P(x) = a probabilidade de que o evento se realize k vezes em n provas.
p = a probabilidade de que o evento se realize em uma s prova = sucesso.
q = a probabilidade de que o evento no se realize no decurso dessa prova = insucesso.
OBS:
O nome binomial devido frmula, pois representa 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.
n = 5 x = 3 p = q = 1 - ( ) = P(x=3) =
60
Exerccios:
1) Dois times de futebol, A e B, jogam entre si 6 vezes. Encontre a probabilidade de o time A ganhar
4 jogos.
2) Determine a probabilidade de obtermos exatamente 3 caras em 6 lances de uma moeda.
3) Jogando-se um dado trs vezes, determine a probabilidade de se obter um mltiplo de 3 duas
vezes.
4) 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.
b) ganhar pelo menos um jogo.
5%A probabilidade de um atirador acertar o alvo . Se ele atirar 5 vezes, qual a probabilidade de
acertar exatamente 2 tiros ?
6) 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 ?
DISTRIBUIO NORMAL
Entre as distribuies tericas de varivel aleatria contnua, uma das mais empregadas a
distribuio Normal.
Muitas das variveis analisadas na pesquisa scio-econmica correspondem distribuio normal ou
dela se aproximam.
Propriedades da distribuio normal :
1 - A varivel aleatria X pode assumir todo e qualquer valor real.
2 - A representao grfica da distribuio normal uma curva em forma de sino, simtrica em
torno da mdia, que recebe o nome de curva normal ou de Gauss.
3 - A rea total limitada pela curva e pelo eixo das abscissas igual a 1, j que essa rea
corresponde probabilidade de a varivel aleatria X assumir qualquer valor real.
4 - A curva normal assinttica em relao ao eixo das abscissas, isto , aproxima-se
indefinidamente do eixo das abscissas sem, contudo, alcan-lo.
5 - Como a curva simtrica em torno da mdia, a probabilidade de ocorrer valor maior que a
mdia igual probabilidade de ocorrer valor menor do que a mdia, isto , ambas as
probabilidades so iguais a 0,5 ou 50%. Cada metade da curva representa 50% de probabilidade.
Quando temos em mos uma varivel aleatria com distribuio normal, nosso principal interesse
obter a probabilidade de essa varivel aleatria assumir um valor em um determinado intervalo. Vejamos
com proceder, por meio de um exemplo concreto.
Exemplo:
Seja X a varivel aleatria que representa os dimetros dos parafusos produzidos por certa mquina.
Vamos supor que essa varivel tenha distribuio normal com mdia = 2 cm e desvio padro = 0,04 cm.
Qual a probabilidade de um parafuso ter o dimetro com valor entre 2 e 2,05 cm?
P ( 2 < X < 2,05) = ?
Com o auxlio de uma distribuio normal reduzida, isto , uma distribuio normal de mdia = 0 e
desvio padro = 1. Resolveremos o problema atravs da varivel z , onde z = .
Utilizaremos tambm uma tabela normal reduzida, que nos d a probabilidade de z tomar qualquer
valor entre a mdia 0 e um dado valor z, isto : P ( 0 < Z < z)
61
Temos, ento, que se X uma varivel aleatria com distribuio normal de mdia e desvio
padro S, podemos escrever: P( < X < x ) = P (0 < Z < z)
No nosso problema queremos calcular P(2 < X < 2,05). para obter essa probabilidade, precisamos,
em primeiro lugar, calcular o valor de z que corresponde a x = 2,05
z = = 1,25
Utilizao da Tabela Z
Procuremos, agora, na tabela Z o valor de z = 1,25
Na primeira coluna encontramos o valor at uma casa decimal = 1,2. Em seguida, encontramos, na
primeira linha, o valor 5, que corresponde ao ltimo algarismo do nmero 1,25. Na interseco da linha e
coluna correspondentes encontramos o valor 0,3944, o que nos permite escrever:
P (0 < Z < 1,25 ) = 0,3944 ou 39,44 %, assim a probabilidade de um certo parafuso apresentar um
dimetro entre a mdia = 2cm e x = 2,05 cm de 39,44 %.
Exerccios:
1) Determine as probabilidades:
a) P(-1,25 < Z < 0) =
b) P(-0,5 < Z < 1,48) =
c) P(0,8 < Z < 1,23) =
d) P(-1,25 < Z < -1,20) =
e) P( Z < 0,92) =
f) P(Z > 0,6) =
2) Os salrios dos bancrios so distribudos normalmente, em torno da mdia R$ 10.000,00, com
desvio padro de R$ 800,00. Calcule a probabilidade de um bancrio ter o salrio situado entre R$
9.800,00 e R$ 10.400,00.
Devemos inicialmente calcular os valores z1 e z2,
Z1 = = -0,25 e z2 = = 0,5
P(9.800<X<10.400) = P(-0,25<z<0,5) =
P(-0,25<Z<0) + P(0<Z<0,5) =
0,0987 +0,1915 = 0,2902 ou 29,02%
3) Um teste padronizado de escolaridade tem distribuio normal com mdia = 100 e desvio padro =
10. Determine a probabilidade de um aluno submetido ao teste ter nota :
a) maior que 120
b) maior que 80
c) entre 85 e 115
d) maior que 100
62
12. Instrumental Matemtico
Arredondamento de dados
Muitas vezes, necessrio ou conveniente suprimir unidades inferiores s de determinada ordem.
Esta tcnica denominada arredondamento de dados.
De acordo com a resoluo 886/66 do IBGE, o arredondamento feito da seguinte maneira:
1) Quando o primeiro algarismo a ser abandonado 0,1,2,3 ou 4, fica inalterado o ltimo algarismo a
permanecer.
Exemplo:
53,24 passa a 53,2
44,03 passa a 44,0
2) Quando o primeiro algarismo a ser abandonado 6,7,8, ou 9, aumenta-se de uma unidade o
algarismo a permanecer.
Exemplo:
53,87 passa a 53,9
44,08 passa a 44,1
44,99 passa a 45,0
3) Quando o primeiro algarismo a ser abandonado 5, h duas solues:
a) Se ao 5 seguir em qualquer casa um algarismo diferente de zero, aumenta-se uma unidade ao
algarismo a permanecer.
Exemplo:
2,352 passa a 2,4
25,6501 passa a 25,7
76,250002 passa a 76,3
b) Se o 5 for o ltimo algarismo ou se ao 5 s se seguirem zeros, o ltimo algarismo a ser conservado
s ser aumentando de uma unidade se for mpar.
Exemplos:
24,75 passa a 24,8
24,65 passa a 24,6
24,75000 passa 24,8
24,6500 passa a 24,6
Obs:
No devemos nunca fazer arredondamento sucessivos. Exemplo: 17,3452 passa a 17,3 e no para 17,35
e depois para 17,4.
Compensao
Suponhamos os dados abaixo, aos quais aplicamos as regras do arredondamento:
25,32 + 17,85 + 10,44 + 31,17 = 84,78
25,3 + 17,8 + 10,4 + 31,2 = 84,7
Verificamos que houve uma pequena discordncia: a soma exatamente 84,7 quando, pelo
arredondamento, deveria ser 84,8. entretanto, para a apresentao dos resultados, necessrio que
desaparea tal diferena, o que possvel pela prtica do que denominamos compensao, conservando
o mesmo nmero de casas decimais.
Usamos "descarregar" a diferena na(s) maior(es) parcela(s). Veja:
25,3 + 17,8 + 10,4 + 31,3 = 84,8
Obs:
Se a maior parcela igual ou maior que o dobro de qualquer outra parcela, "descarregamos" a diferena
apenas na maior parcela.
63
Exerccios:
1) Arredonde cada uma dos numerais abaixo, conforme a preciso pedida:
a) Para o dcimo mais prximo:
23,40 =
234,7832 =
45,09 =
48,85002 =
120,4500 =
b) Para o centsimo mais prximo:
46,727 =
123,842 =
45,65 =
28,255 =
37,485 =
c)Para a unidade mais prxima:
46,727 =
123,842 =
45,65 =
28,255 =
37,485 =
d) Para a dezena mais prxima:
42,3 =
123,842 =
295 =
2995,000 =
59 =
2) Arredonde para o centsimo mais prximo e compense, se necessrio:
0,060 + 0,119 + 0,223 + 0,313 + 0,164 + 0,091 + 0,030 = 1,000
3) Arredonde para a unidade mais prxima e compense, se necessrio:
4,0 + 7,6 + 12,4 + 27,4 + 11,4 + 8,0 = 70,8
64
13. Anlise de varincia
A anlise de varincia um teste estatstico amplamente difundido entre os analistas, e visa
fundamentalmente verificar se existe uma diferena significativa entre as mdias e se os fatores exercem
influncia em alguma varivel dependente.
Os fatores propostos podem ser de origem qualitativa ou quantitativa, mas a varivel dependente
necessariamente dever ser contnua.
Haja visto que trata-se de um teste bastante difundido e inmeros bons softwares estatsticos e
planilhas eletrnicas possuem o recurso disponvel, no haver aprofundamento desta tcnica neste
captulo, sendo recomendada literatura especializada.
A principal aplicao da ANOVA (analise of variante) a comparao de mdias oriundas de grupos
diferentes, tambm chamados tratamentos, como por exemplo mdias histricas de questes de
satisfao, empresas que operam simultaneamente com diferentes rendimentos, entre muitas outras
aplicaes.
Existem dois mtodos para calcular-se a varincia: dentro de grupos (MQG) e a varincia das mdias
(MQR).
Em uma Anova, calcula-se esses dois componentes de varincia. Se a varincia calculada usando a
mdia (MQR) for maior do que a calculada (MQG) usando os dados pertencentes a cada grupo individual,
isso pode indicar que existe uma diferena significativa entre os grupos.
Existem dois tipos de problemas a serem resolvidos atravs da Anova: a nveis fixos ou a nveis
aleatrios. A aleatoriedade determinada a questo do problema.
Na grande maioria dos casos trata-se de nveis fixos, afinal o segundo tipo de problema (aleatrio)
somente surgir quando ocorrer um estudo envolvendo uma escolha aleatria de fatores (em 10 lotes de
produo, escolhe-se apenas 5, entre 15 mquinas de um total de 20, por exemplo).
Tabela de Anlise de Varincia ou tabela ANOVA.

Fonte de Variao SQ GDL MQ Teste F
Entre Grupos SQG K - 1 MQG
Dentro dos Grupos SQR N-K MQR
Total SQT N-1

SQT = SQG + SQR (mede a variao geral de todas as observaes).
SQT a soma dos quadrados totais, decomposta em:
SQG soma dos quadrados dos grupos (tratamentos), associada exclusivamente a um efeito
dos grupos.
SQR soma dos quadrados dos resduos, devidos exclusivamente ao erro aleatrio, medida
dentro dos grupos.
MQG = Mdia quadrada dos grupos.
MQR = Mdia quadrada dos resduos (entre os grupos).
SQG e MQG: medem a variao total entre as mdias.
SQR e MQR: medem a variao das observaes de cada grupo.
f =
N-1 = (K-1) + (N-K)
SQT = SQG + SQR
MQG = SQG(K-1)
65
A hiptese nula sempre ser rejeitada quando f calculado for maior que o valor tabelado. Da mesma
forma, se MQG for maior que MQR, rejeita-se a hiptese nula.
Quadro 1
Fonte de variao SQ (soma dos quadrados) GDL (g.l) MQ (quadrados mdio) Teste F
Entre Grupos
Dentro dos grupos
Total
Se o teste f indicar diferenas significativas entre as mdias, e os nveis forem fixos, haver
interesse em identificar quais as mdias que diferem entre si.
Calcular o desvio padro das mdias.
onde nc a soma do nmero de cada varivel (grupo) dividido pelo nmero de variveis.
Calcular o limite de deciso (Ld)
3.Sx
Ordenar as mdias em ordem crescente ou decrescente e compara-las duas a duas. A diferena ser
significativa se for maior que Ld.
Se o teste f indicar diferenas significativas entre as mdias, e os nveis forem aleatrios, haver
interesse em identificar a estimativa dos componentes de variao.
O valor encontrado acima indicar a variabilidade total entre grupos, indicando se considerado
significativa ou no.
Exemplo (nveis fixos):
Um pesquisador realizou um estudo para verificar qual posto de trabalho gerava mais satisfao
para o funcionrio. Para isso, durante um ms, 10 funcionrios foram entrevistados. Ao final de um ms
os funcionrios responderam um questionrio gerando uma nota para o bem estar do funcionrio.
Postos
Funcionrios 1 2 3
1 7 5 8
2 8 6 9
3 7 7 8
4 8 6 9
5 9 5 8
6 7 6 8
7 8 7 9
8 6 5 10
9 7 6 8
10 6 6 9
66
RESUMO
Grupo Contagem Soma Mdia Varincia
1 10 73 7,3 0,9
2 10 59 5,9 0,544444
3 10 86 8,6 0,488889
ANOVA
Fonte da variao SQ gl MQ F valor-P F crtico
Entre grupos 36,46667 2 18,23 28,29 2,37E-07 3,35
Dentro dos grupos 17,4 27 0,64
Total 53,86667 29

Como f calculado maior do que o f tabelado, rejeita-se a hiptese nula em prol da hiptese
alternativa ao risco de 5%.
H diferenas significativas entre os grupos. Observa-se que MQG muito superior a MQR, indicando
uma forte varincia entre os grupos.
1) Calcular o desvio padro das mdias.
2) Calcular o limite de deciso (Ld)
3.Sx
3) Ordenar as mdias em ordem crescente ou decrescente e compar-las duas a duas.
5,9
7,3
8,6
x1 - x2 = - 1,4
x1 - x3= - 2,7
x2 - x3 = - 1,3
As trs diferenas so menores que o Ld, conclui-se portanto que as mdias diferem entre si.
67
1! Regresso Linear
Regresso Linear Simples (RLS)
Em inmeras problemticas, o pesquisador depara-se com duas varveis que proporcionam previso
de comportamentos futuros. Esta previso pode ser alcanada atravs de um estudo que envolve a
equao da reta de regresso, concebida atravs das variveis critrio (y, dependente ou de resposta) e a
independente (x, tambm conhecida como prognstico). Trata-se de uma realidade comum no universo
da pesquisa, envolvendo variveis como renda, idade, gastos, entre muitas outras.
Equao da reta:
Y = a1 + a2.x
Onde, y a varivel dependente e x a independente.
a1 o valore de y para x e a2. valor mdio de y por unidade x.
A relao linear entre as duas variveis medida pelo coeficiente de correlao (R).
R varia de -1 a 1, onde 1 a correlao perfeita e o oposto indica forte correlao negativa. Valores
prximos de zero indicam fraca correlao.
No exemplo abaixo, se existisse um R elevado poderia-se prever y para eventos futuros.

Y X
Gastos com combustvel Km rodados
Renda Pessoal Anos de estudo
Nmeros de defeitos de peas Horas de treinamentos em qualidade

O clculo de R uma operao bastante simples para softwares com funes estatsticas, sendo
desnecessrio o aprofundamento dos procedimentos de calculo.
Neste tipo de anlise importante determinar o quanto a linha de regresso representa os dados.
Neste caso, se faz necessrio calcular o R
2
de Pearson ou coeficiente de determinao.
Um R
2
igual a 0,80, tem-se que 80% da variabilidade decorre de x. Inversamente, pode-se dizer
que 20% da varincia de Y no atribuvel s diferenas em x.
Para obter-se o teste de hiptese, formula-se H0 e H1 da seguinte forma:
H0 :p = 0
H1: p = 0
O clculo de t realizado atravs da formula:
Sendo t calculado maior do que t tabelado, rejeita-se a hiptese nula.
Exemplo:
Um motorista deseja prever seus gastos com seu automvel em funo dos quilmetros que roda
por ms.

QUILMETROS GASTOS (R$)
3203 400
3203 400
2603 340
3105 400
1305 150
804 100
68
1604 200
2706 300
805 100
1903 200
3203 400
3702 450
3203 400
3203 400
803 100
803 100
1102 130
3202 400
1604 150
1603 200
3203 400
3702 450
3403 440

Estatstica de regresso
R mltiplo 0,993064678
R-Quadrado 0,986177454
R-quadrado ajustado 0,985519237
Erro padro 127,508336
Observaes 23
Observando a tabela acima, percebe-se uma forte correlao entre as variveis, onde R est muito
prximo de 1.
Quilmetros rodados explica 98% da varincia de gastos.

Regresso linear mltipla (RLM)
Muitos problemas de regresso envolvem mais de uma varivel regressora. Por exemplo: a
satisfao geral poder ser composta por diversas variveis independente tais como preo, prazo de
entrega, embalagem, entre outras.
Em virtude dos princpios da regresso mltipla serem anlogos da regresso simples, no se
abordar aqui as particularidades que envolvem a equao geral da equao da Regresso Mltipla:
y = 0 + x1 + 2x2 + ...+ kxk + Z.
Analogamente, a preocupao geral do analista nesta anlise, o R
2
que indica a variabilidade total
do modelo de regresso, e os Rs que variam de 1 a -1, indicando a variabilidade total, onde haver uma
relao entre a varivel de resposta e as regressoras.
O teste de hiptese baseia-se no j abordado valor do t, onde ocorre a situao do mesmo sendo
calculado e maior do que o tabelado, rejeita-se a hiptese nula.
Exemplo:
Variveis
Coeficient
e
Prazo de entrega 0,154
Envolvimento da equipe na soluo de problemas 0,135
Preo praticado -0,002
Trabalho de ps venda 0,134
Embalagem 0,065
69

Neste exemplo real, objetivava-se mensurar o grau de satisfao dos clientes de uma empresa
distribuidora de software, onde a varivel de resposta era a satisfao geral e as regressoras eram as
acima citadas (para um grupo de fatores).
Observa-se que pouca representatividade exercida por estas variveis, afinal os coeficientes pouco
se afastam de zero. No entanto o R
2
elevado (0,68), conferindo uma boa preciso no clculo.
70
15. NUMEROS INDICES
Os nmeros-ndices so medidas estatsticas freqentemente usadas por administradores,
economistas e engenheiros, para comparar grupos de variveis relacionadas entre si e obter um quadro
simples e resumido das mudanas significativas em reas relacionadas como preos de matrias-primas,
preos de produtos acabados, volume fsico de produto etc. Mediante o emprego de nmeros-ndices
possvel estabelecer comparaes entre:
a) variaes ocorridas ao longo do tempo.
b) diferenas entre lugares.
c) diferenas entre categorias semelhantes, tais como produtos, pessoas, organizaes etc.
grande a importncia dos nmeros-ndices para o administrador, especialmente quando a moeda
sofre uma desvalorizao constante e quando o processo de desenvolvimento econmico acarreta
mudanas continuas nos hbitos dos consumidores, provocando com isso modificaes qualitativas e
quantitativas na composio da produo nacional e de cada empresa individualmente. Assim, em
qualquer anlise, quer no mbito interno de uma empresa, ou mesmo fora dela, na qual o fator monetrio
se encontra presente, a utilizao de nmeros-ndices toma-se indispensvel, sob pena de o analista ser
conduzido a concluses totalmente falsas e prejudiciais empresa. Por exemplo, se uma empresa
aumenta seu faturamento de um perodo a outro, isso no quer dizer necessariamente que suas vendas
melhoraram em termos de unidades vendidas. Pode ter ocorrido que uma forte tendncia inflacionaria
tenha obrigado a empresa a aumentar acentuadamente. Os preos de seus produtos, fazendo gerar um
acrscimo no faturamento (em termos "nominais"), o qual, na realidade, no corresponde a uma melhora
de situao.
Fora dos problemas gerados por alteraes nos preos dos produtos, os nmeros-ndices so teis
tambm em outras reas de atuao da empresa como, por exemplo, no campo da pesquisa de mercado.
Neste caso, podem ser utilizados nas mensuraes do potencial de mercado, na analise da lucratividade
por produto, por canais de distribuio etc. Em suma, os nmeros-ndices so sempre teis quando nos
defrontamos com anlises comparativas.
Para o economista, o conhecimento de nmeros-ndices indispensvel igualmente como um
instrumento til ao exerccio profissional, quer seus problemas estejam voltados para a microeconomia
quer para a macroeconomia. No primeiro caso, poder-se-ia citar, por exemplo, a necessidade de se saber
at que ponto o preo de determinado produto aumentou com relao aos preos dos demais produtos em
um mesmo mercado. Se, por outro lado, o problema for quantificar a inflao, serem preciso medir o
crescimento dos preos dos vrios produtos como um todo, atravs do ndice geral de preos.
Sob os aspectos acima considerados, pode-se vislumbrar a noo de agregado subjacente ao
conceito de nmero-ndice. Por essa razo, costuma-se conceber o nmero-ndice como uma medida
utilizada para proporcionar uma expresso quantitativa global a um conjunto de medidas que no podem
ser simplesmente adicionadas em virtude de apresentarem individualmente diferentes graus de
importncia.
Cada nmero-ndice de uma srie ( de nmeros) costuma vir expresso em termos percentuais. Os
ndices mais empregados medem, em geral, variaes ao longo do tempo e exatamente nesse sentido que
iremos trata-los neste capitulo. Alm disso, limitaremos o estudo s suas principais aplicaes no campo
de administrao e de economia, as quais se situam no mbito das variaes de preos e de quantidades.
CONCEITO DE RELATIVO
A quantidade total de dinheiro gasto cada ano, em relao a certo ano base, varia de um ano para
outro devido as variaes no nmero de unidades compradas dos diferentes artigos e igualmente devido a
mudanas nos preos unitrios de tais artigos. Temos, portanto, trs variveis em jogo: preo, quantidade
e valor, sendo este ltimo o resultado do produto do preo pela quantidade.
Relativo (Relao) de Preo
71
Trata-se do nmero-ndice mais simples. Relacionando-se o preo de um produto numa poca
(chamada poca atual ou poca dada) com o de uma poca o (chamada bsica ou simplesmente base)
teremos um relativo de preo. Fazendo-se Pt = preo numa poca atual e Po = preo na poca-base,
definiremos relativo de preo pela seguinte quantidade:
relativo de preo, bastar multiplicarmos o quociente acima por 100.
Exemplo:
O preo de determinando artigo em 1979 foi R$1,20 e em 1980 subiu para R$1,38. Tomando-se por base
o ano 1979, determinar o preo relativo em 1980.
Soluo
O ano considerado base corresponder sempre ao ndice igual a 100. Os demais apresentaro, portanto,
valores que flutua no em torno de 100.
Ento:
ou 115% ou simplesmente 115.
Esse resultado indica que em 1980 houve um aumento de 15% no preo do artigo com relao ao preo
do mesmo artigo em 1979.
Se tivssemos p 1980 = 112 e P1979 = 120, o relativo de preo seria:
ou 93% ou 93.
Em 1980 0 artigo em questo apresentou um preo de 7% inferior ao de 1979.
Relativo (Relao) de Quantidade
Assim como podemos comparar os preos de bens, podemos tambm faz-lo em re1ao a
quantidades, quer sejam elas quantidades produzidas, vendidas ou consumidas. Se fizermos q t=
quantidade de um produto na poca atual (poca t) qo

= quantidade desse mesmo produto na poca 0
(bsica), a quantidade relativa ser o seguinte quociente:
que representa a variao da quantidade na poca t com re1ao a uma poca 0 (base).
Exemplo:
Uma empresa produziu 45 toneladas de ao em 1979 e 68 toneladas em 1980. A quantidade relativa ser,
tomando-se o ano de 1979 como base:
ou 151% ou simplesmente 151.
No ano de 1980 esta empresa aumentou sua produo de 51% em relao a 1979.
Relativo (Relao) de Valor
Se p for o preo de determinado artigo em certa poca e q a quantidade produzida ou consumida
desse mesmo artigo na mesma poca, ento, o produto p x q ser denominado valor total de produo ou
72
de consumo. Sendo p t e q t respectivamente, o preo e a quantidade de um artigo na poca atual (t) e po
e qo, o preo e a quantidade do mesmo artigo na poca bsica (0), definimos como total o valor relativo
ou simplesmente valor relativo o quociente:
O fato de conhecido como propriedade da reversibilidade dos fatores ou como critrio da
decomposio das causas.
Exemplo:
Uma empresa vendeu, em 1970, 1000 unidades de um artigo ao preo unitrio de Cr$ 500,00. Em 1971
vendeu 2000 unidades do mesmo artigo ao preo unitrio de Cr$ 600,00.O valor relativo da venda em
1971 foi:
Em 1971, o valor das vendas foi 140% superior ao de 1970, alguns ndices agregados no
satisfazem a essa propriedade.
EMPREGO DE NDICES (AGREGATIVOS) PONDERADOS
Como vimos, os ndices simples apresentam algumas desvantagens, em especial se refere
inexistncia de pesos diferentes para cada utilidade que os compe de acordo com sua importncia
relativa. No caso dos ndices ponderados, alm da frmula a ser usada para interpretar as variaes de
preo e de quantidade dos bens, h o problema do critrio para a fixao dos pesos relativos de cada um
deles. A ponderao proposta pelos mtodos mais usados baseia-se na participao de cada bem no valor
transacionado total e feita, em geral, segundo dois critrios: peso fixo na poca bsica ou peso varivel
na poca atual.
ndice de Laspeyres ou Mtodo da poca Bsica
O ndice de Laspeyres constitui uma mdia ponderada de relativos, sendo os fatores de ponderao
determinados a partir de preos e de qualidades da poca bsica por conseguinte, no ndice de Laspeyres,
a base de ponderao a poca bsica, dai a denominao mtodo da poca bsica.
O ndice de Laspeyres de Preo e definido pela seguinte expresso:
O ndice de preo, segundo o critrio de Laspeyres, indica que o valor das quantidades dos bens na
poca bsica, aos preos do ano dado ( ), igual a Lpo,t

por cento do valor das mesmas quantidades
aos preos do ano-base; ou o valor das quantidades do ano-base variaram (Lpo,t - 100)% como resultado
de 174 variaes de preo no perodo considerado. Se, por exemplo, Lp78,80

= 1,40, diremos que o valor
das quantidades do ano-base aumentou 40% como resultado do aumento de preos entre 78 e 80 que se
compara, portanto, o dispndio terico na poca atual com o dispndio real na poca bsica para se
manter a mesma estrutura de compra ou de consumo da poca bsica.
Pode-se observar, na expresso 21, que as quantidades da poca bsica figuram como fatores de
ponderao dos preos em duas pocas. Trata-se, portanto, de um ndice em que as quantidades (pesos)
so fixas na poca bsica. Isso no o mesmo que dizer que a ponderao fixa, o que se ocorre quando
os pesos independerem da base de comparao. No caso do ndice de Laspeyres, os pesos variam ao
73
mudar a poca bsica, o que o caracteriza como um ndice agregativo ponderado, com ponderao
referida a poca bsica.
O ndice de Laspeyres apresenta uma tendncia para exagerar a alta, em virtude de considerar as
quantidades da poca atual iguais s da poca bsica.
a) ndice de Quantidade
Smbolo: Lp'o,t
O ndice de quantidade, pelo mtodo de Laspeyres obtm-se permutando p e q na expresso 21.
Neste caso, os preos da poca bsica so considerados os fatores de ponderao. O ndice
agregativo de quantidade procura responder a seguinte que so: se em cada uma de duas pocas forem
adquiridas quantidades diferentes de determinadas mercadorias, mas aos mesmos preos (fixos na poca
bsica, no caso do ndice de Laspeyres), quanto se gastara na poca atual em relao ao que se gastou na
poca bsica? Enquanto no ndice de preo a diferena da importncia gasta devia-se variao nos
preos, no de quantidade ela se deve s variaes nas quantidades adquiridas, uma vez que os preos
permanecem constantes.
ndice de Paasche ou Mtodo da poca Atual
O ndice agregativo proposto por Paasche , na sua frmu1a original, uma mdia harmnica
ponderada de relativos, sendo os pesos calculados com base nos preos e nas quantidades dos bens na
poca atual. A base de ponderao no por wt representa, ento, a participao percentual do dispndio
com o componente i na poca atual em re1ao ao dispndio total da mesma poca simbolicamente.
a) ndice de Preo
Smbolo: Po,t
O ndice de preos, segundo o mtodo proposto por Paasche, definido pela expresso:
Substituindo wt pela expresso dada acima e lembrando que
chegaremos a uma expresso mais simples.
O ndice de preo de Paasche indica que o valor das quantidades dos bens adquiridos na poca atual,
aos preos dessa mesma poca, igual a Po,t por cento do valor dessas quantidades aos preos da poca
bsica; ou o valor das quantidades da poca atual variou (Po,t - 100)% como resultado do aumento de
preos no perodo considerado. Esse ndice mede, portanto, a relao entre o dispndio monetrio
necessrio para adquirir bens nas quantidades e sistemas de preos da poca atual e o dispndio dado
pelas quantidades da poca atual aos preos vigentes na poca bsica.
Observando a expresso acima pode-se ver que os fatores de ponderao so as quantidades da
poca atual. Como a poca atual varivel, os pesos, no ndice de Paasche, mudam quando as pocas
atuais mudarem, o que o caracteriza.
Como um ndice agregativo com ponderaes variveis. O ndice de Paasche reala a baixa porque a
ponderao determinada pela poca atual.
74
Uma sria limitao ao uso do ndice de preo de Paasche reside no fato de os pesos variarem em
cada perodo, o que onera substancialmente a pesquisa, no caso de ser difcil estimar as quantidades na
poca atual. Esse fato torna proibitivo o emprego do ndice de Paasche quando se deseja montar um
ndice ponderado para se fazerem comparaes semanais, mensais ou mesmo trimestrais.
b) ndice de Quantidade
Smbolo: P'o,t
O ndice de Paasche de quantidade definido por:
ndice do Fischer (ndice Ideal)
O ndice de Fischer, tambm conhecido corno forma ideal, a mdia geomtrica dos nmeros-ndices
de Laspeyres e de Paasche. Sob o aspecto da ponderao, esse ndice envolve os dois sistemas
anteriormente adotados. A proposta de Fischer fundamenta-se no fato de os ndices que o compem no
atenderem ao critrio de decomposio das causas, alm de um deles tender a superestimar e o outro a
subestimar o verdadeiro valor do ndice. Esse verdadeiro valor tender a ser um nmero superior ao
fornecido pela frmula de Paasche e inferior ao apresentado pela frmula de Laspeyres, o que acontece
com a mdia geomtrica entre esses dois ndices. Entretanto, o ndice de Fischer, apesar de ser chamado
de ideal, nisso pode ser considerado "perfeito". A necessidade de modificar pesos, em dada poca
comparada, em decorrncia do clculo do ndice de Paasche, constitui uma restrio no desprezvel ao
seu emprego. Alm disso, no parece ser possvel determinar especificamente o que o ndice de Fischer
mede, bem como estabelecer o verdadeiro valor de um ndice perfeito, o qual serviria de elemento de
referncia.
a) ndice de Preo
Smbolo: Io,t
ndice de Quantidade
Smbolo: I'o,t
75
EXERCCIOS
1) Dados:
1977 1978 1979
PRODUTO P Q P Q P Q
A 2 4 3 6 6 12
B 1 6 2 4 4 4
C 4 4 1 8 5 16
D 3 6 6 4 6 4
Dados: fictcios
a) Obter um ndice de Laspeyres e de Paasche de preo, com base em 1977, para o perodo 77/79.
b) Obter um ndice de Laspeyres de Preo, base mvel, para o perodo 77/79
Respostas:
a) L 77,78= 133,33 b) L 77,78= 133,33
L 77,79= 216,67 L 78,79= 200,00
P 77,78= 96,67 P 77,79= 184,64
2) Conjugue as duas sries seguintes de nmeros-ndices, usando 1958 como poca-base.
NDICE DE PREOS DAS EXPORTAES
LATINO-AMERICANAS
ANO SRIE ANTIGA SRIE NOVA
1953 118 154
1954 115 147
1955 105 123
1956 100 111
1957 96 103
1958 90 100
1959 95 104
1960 95 105
1961 93 102
1962 91 99
1963 94 103
dados: fictcios
76
16. Formulas:
"e#ra de $tur#es (%etermina&'o do n(mero de classes de uma distribui&'o)
n i
3 a 5 3
6 a )) 4
)* a ** 5
*3 a 46 6
4+ a 90 +
9) a )8) 8
)8* a 36* 9
,-rmula .ara determinar a am.litude do intervalo/
h !
i
AA
0dia/

i
i i
f
f x
x
oda/
1om intervalo de classe/ o !
2
L l +
ediana/
Md =
$
$ &
2
$
f
h F
f
l
ant
i
1
]
1
+
2uartil
Q 1 =
$
$ &
4
$
f
h F
f
l
ant
i
1
]
1
+
Q 3 =
$
$ &
4
3
$
f
h F
f
l
ant
i
1
]
1
+
3ercentil
P 20 =
$
$ &
100
20
$
f
h F
f
l
ant
i
1
]
1
+
%esvio .adr'o/
s =
2
2
,
_
i
i i
i
i i
f
x f
f
x f
1oe4iciente de varia&'o
15 ! 100 &
x
s
6ssimetria e 1urtose
77
6s !
( )
s
Md x 3
1 !
( )
10 90
1 3
2 P P
Q Q
%istribui&'o 7inomial
3 ( 8 ! 9) !
k n k
q p
k
n

,
_
& &
1oe4iciente de correla&'o/
[ ] [ ]
2 2 2 2
% ) & % )
% %&) )
i i i i
i i i i
y y n x x n
y x y x n
r

A"#$%a&en%o 'a re%a(

2 2
% )
&
i i
i i i i
x x n
y x y x n
a

x a y b &
78
17. Tabelas:
TABELA DE NMEROS ALEATRIOS
2 5 9 0 0 9 1 3 2 7 0 3 0 6 8 9 0 7 6 2 2 7 0 5 8 1 9 4 5 0 8 0 4 6 5 6 0 6 1 6 8 8 3 9 1 7 2 8 4 7
4 1 1 6 2 9 9 6 8 3 3 1 4 3 3 8 7 9 9 5 3 6 0 9 6 9 6 9 2 6 1 7 7 3 4 6 1 7 2 7 1 1 7 5 3 7 7 1 7 6
4 9 0 2 7 7 6 3 9 9 9 1 9 6 0 1 7 9 7 0 6 6 5 3 7 7 6 7 3 2 4 2 0 5 1 6 1 9 7 0 4 7 6 8 9 1 7 3 5 3
0 4 5 3 2 2 1 3 8 4 9 7 4 3 3 9 1 8 7 8 0 9 6 5 8 4 8 5 5 4 2 7 7 1 7 6 2 3 8 1 4 5 8 1 9 5 5 3 2 1
6 6 2 1 6 8 1 4 6 2 1 0 2 4 1 7 6 0 0 3 4 4 0 1 7 3 7 5 1 1 3 4 3 2 8 6 6 5 3 8 6 2 5 9 8 9 9 4 7 9
4 6 2 4 9 7 6 0 6 1 8 9 7 6 5 9 7 7 5 7 5 2 5 9 0 9 2 5 6 5 4 5 4 9 2 9 6 6 7 7 0 6 4 5 4 2 9 4 6 9
9 6 2 8 3 3 3 4 8 2 8 6 6 9 7 8 5 0 0 5 1 4 0 2 1 1 1 4 3 5 6 8 2 5 6 6 8 6 0 7 3 9 6 3 5 9 0 0 1 1
5 0 3 3 9 2 5 1 9 8 3 8 6 9 6 6 6 3 7 3 3 3 1 2 4 8 5 7 9 3 0 6 9 2 4 5 8 5 6 7 2 3 9 4 6 2 7 7 7 4
3 1 1 9 3 5 7 0 3 4 5 5 1 4 1 8 9 9 4 5 0 0 7 8 6 1 0 5 5 6 4 6 3 2 9 2 1 8 0 4 0 8 7 4 9 4 0 7 6 0
7 8 6 1 0 9 3 4 1 7 5 9 8 7 1 2 5 8 3 1 9 0 1 4 5 2 6 4 2 8 4 8 6 4 8 2 9 7 0 1 3 7 1 0 3 7 2 9 4 4
8 5 4 5 6 0 8 4 4 9 1 0 7 4 5 4 8 5 6 8 2 9 8 2 7 7 0 0 1 0 0 5 6 7 5 4 1 4 5 9 2 4 7 8 0 9 5 7 9 9
8 6 5 6 1 1 2 2 9 5 0 2 5 2 6 6 9 7 9 7 4 4 1 5 2 8 6 4 8 6 4 3 4 6 9 1 7 3 3 4 5 9 0 8 6 7 3 4 5 0
5 3 1 4 1 2 5 5 8 5 3 9 6 1 7 9 8 6 9 4 2 1 2 9 7 5 9 6 0 5 4 5 8 4 6 8 0 3 5 9 5 3 7 3 0 1 4 1 9 9
2 9 9 8 8 7 4 7 4 1 6 6 1 9 6 1 2 4 7 0 3 6 8 1 4 3 2 3 0 3 4 8 9 0 6 4 1 8 7 5 8 9 9 8 6 6 5 7 2 1
7 8 6 1 0 9 3 4 1 7 5 9 8 7 1 2 5 8 3 1 9 0 1 4 5 2 6 4 2 8 4 8 6 4 8 2 9 7 0 1 3 7 1 0 3 7 2 9 4 4
5 0 3 3 9 2 5 1 9 8 3 8 6 9 6 6 6 3 7 3 3 3 1 2 4 8 5 7 9 3 0 6 9 2 4 5 8 5 6 7 2 3 9 4 6 2 7 7 7 4
3 1 1 9 3 5 7 0 3 4 5 5 1 4 1 8 9 9 4 5 0 0 7 8 6 1 0 5 5 6 4 6 3 2 9 2 1 8 0 4 0 8 7 4 9 4 0 7 6 0
7 8 6 1 0 9 3 4 1 7 5 9 8 7 1 2 5 8 3 1 9 0 1 4 5 2 6 4 2 8 4 8 6 4 8 2 9 7 0 1 3 7 1 0 3 7 2 9 4 4
8 5 4 5 6 0 8 4 4 9 1 0 7 4 5 4 8 5 6 8 2 9 8 2 7 7 0 0 1 0 0 5 6 7 5 4 1 4 5 9 2 4 7 8 0 9 5 7 9 9
8 6 5 6 1 1 2 2 9 5 0 2 5 2 6 6 9 7 9 7 4 4 1 5 2 8 6 4 8 6 4 3 4 6 9 1 7 3 3 4 5 9 0 8 6 7 3 4 5 0
5 4 3 9 4 2 0 4 7 5 0 1 0 5 8 6 1 1 7 2 7 1 2 0 8 3 1 8 6 5 4 8 1 6 8 9 1 9 9 2 6 9 3 0 4 0 6 9 9 7
0 7 2 9 3 5 0 9 2 9 3 5 0 0 6 5 8 3 5 2 5 8 3 0 4 6 1 6 2 7 8 6 8 6 1 2 0 6 4 5 8 5 6 4 1 1 9 2 0 2
4 6 2 4 9 7 6 0 6 1 8 9 7 6 5 9 7 7 5 7 5 2 5 9 0 9 2 5 6 5 4 5 4 9 2 9 6 6 7 7 0 6 4 5 4 2 9 4 6 9
9 6 2 8 3 3 3 4 8 2 8 6 6 9 7 8 5 0 0 5 1 4 0 2 1 1 1 4 3 5 6 8 2 5 6 6 8 6 0 7 3 9 6 3 5 9 0 0 1 1
5 0 3 3 9 2 5 1 9 8 3 8 6 9 6 6 6 3 7 3 3 3 1 2 4 8 5 7 9 3 0 6 9 2 4 5 8 5 6 7 2 3 9 4 6 2 7 7 7 4
3 1 1 9 3 5 7 0 3 4 5 5 1 4 1 8 9 9 4 5 0 0 7 8 6 1 0 5 5 6 4 6 3 2 9 2 1 8 0 4 0 8 7 4 9 5 5 2 6 0
5 4 1 4 5 9 2 4 7 8 0 9 5 7 9 9 8 6 9 4 2 1 2 9 7 5 9 6 0 5 4 5 8 4 8 3 3 1 4 3 3 8 7 9 9 0 0 5 8 8
9 1 7 3 3 4 5 9 0 8 6 7 3 4 5 0 2 4 7 0 3 6 8 1 4 3 2 3 0 3 4 8 9 0 9 9 9 1 9 6 0 1 7 9 7 0 0 0 7 7
8 9 1 9 9 2 6 9 3 0 4 0 6 9 9 7 5 8 3 1 9 0 1 4 5 2 6 4 2 8 4 8 6 4 8 4 9 7 4 3 3 9 1 8 7 7 7 6 2 4
1 2 0 6 4 5 8 5 6 4 1 1 9 2 0 2 6 3 7 3 3 3 1 2 4 8 5 7 0 6 4 5 0 6 4 5 4 2 9 4 6 9 5 4 1 4 5 9 9 3
2 9 6 6 7 7 0 6 4 5 4 2 9 4 6 9 5 4 1 4 5 9 2 4 7 8 0 9 3 9 6 3 3 9 6 3 5 9 0 0 1 1 9 1 7 3 3 4 1 3
9 2 1 8 0 4 0 8 7 4 9 4 0 7 5 2 6 2 0 6 4 5 8 5 6 4 1 1 0 0 3 4 0 0 3 4 4 0 7 9 0 5 8 9 6 6 7 7 5 8
0 2 4 1 7 6 0 0 3 4 4 0 7 9 0 5 8 9 6 6 7 7 0 6 4 5 4 2 7 5 7 5 7 5 7 5 2 5 7 9 0 0 6 6 8 6 0 7 0 7
9 7 6 5 9 7 7 5 7 5 2 5 7 9 0 0 6 6 8 6 0 7 3 9 6 3 5 9 0 0 5 5 0 0 5 5 2 6 5 2 6 5 2 6 5 2 6 5 5 5
6 6 9 7 8 5 0 0 5 5 2 6 5 2 6 5 2 6 5 2 6 5 2 6 5 2 6 5 2 6 7 4 1 2 0 6 4 5 8 5 6 4 1 1 9 2 0 2 9 8
8 6 9 6 6 6 3 7 3 3 3 1 6 0 6 9 7 2 4 1 7 6 0 0 3 4 4 0 2 4 1 7 6 0 0 3 4 4 0 6 4 5 4 2 9 4 6 0 9 7
0 2 4 1 7 6 0 0 3 4 4 0 7 7 6 9 6 7 6 5 9 7 7 5 7 5 2 9 7 6 5 9 7 7 5 7 5 2 5 9 6 3 5 9 0 0 1 3 4 4
9 7 6 5 9 7 7 5 7 5 2 5 1 8 1 4 1 6 9 7 8 5 0 0 5 1 4 6 6 9 7 8 5 0 0 5 1 4 0 8 9 4 6 2 7 7 7 2 7 3
6 6 9 7 8 5 0 0 5 1 4 0 9 9 5 7 9 6 9 6 6 6 3 7 3 3 3 8 6 9 6 6 6 3 7 3 3 3 1 8 7 4 9 4 0 7 6 0 4 9
8 6 9 6 6 6 3 7 3 3 3 1 7 6 3 4 5 4 4 0 8 9 9 4 5 0 0 5 1 4 1 8 9 9 4 5 0 0 7 1 4 3 3 8 7 9 9 0 5 6
5 1 4 1 8 9 9 4 5 0 0 7 9 7 7 5 7 5 2 5 2 5 8 3 1 9 0 9 8 7 1 2 5 8 3 1 9 0 1 1 9 6 0 1 7 9 7 7 0 6
9 8 7 1 2 5 8 3 1 9 0 1 8 5 0 0 5 1 4 0 4 8 5 6 8 2 9 0 7 4 5 4 8 5 6 8 2 9 8 7 4 3 3 9 1 8 7 0 7 6
0 7 4 5 4 8 5 6 8 2 9 8 6 6 3 7 3 3 3 1 7 3 3 3 1 2 4 8 5 7 9 3 0 6 9 2 6 2 1 0 2 4 1 7 6 0 0 3 4 5
2 4 7 0 3 6 8 1 5 1 4 1 8 9 9 4 5 0 0 5 2 6 5 2 6 5 2 6 5 2 6 5 2 6 5 2 6 5 3 3 3 1 2 4 8 5 7 0 3 4
5 8 3 1 9 0 1 4 9 8 7 1 2 5 8 3 1 9 0 0 7 9 0 5 8 9 4 3 3 8 7 9 9 0 7 9 0 5 4 5 9 2 4 7 8 0 9 7 6 5
1 4 5 9 2 4 7 8 0 7 4 5 4 8 5 6 8 2 9 8 2 9 7 5 9 6 0 5 4 5 8 4 8 3 3 1 4 3 3 3 4 5 9 0 8 6 7 0 5 7
9 3 2 5 0 1 1 7 9 5 5 6 2 3 8 5 9 0 6 2 2 7 2 4 8 0 2 2 0 7 9 4 5 2 8 0 0 2 9 9 2 6 9 3 0 4 0 3 0 1
79
REA SUBTENDIDA PELA CURVA NORMAL REDUZIDA DE 0 A Z
Z 0 1 2 3 4 5 6 7 8 9
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,3980 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0754
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2057 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2258 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2518 0,2549
0,7 0,2580 0,2612 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2996 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4669 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
3,1 0,4990 0,4991 0,4991 0,4991 0,4992 0,4992 0,4992 0,4992 0,4993 0,4993
3,2 0,4993 0,4993 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0,4995 0,4995
3,3 0,4995 0,4995 0,4995 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4997
3,4 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4998
3,5 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998
3,6 0,4998 0,4998 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,7 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,8 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,9 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000

Estatistica Descritiva Livro

Загружено:

Сведения о документе

Исходное описание:

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Estatistica Descritiva Livro

Загружено:

Авторское право:

Доступные форматы

1

onde xi so os valores da varivel e (

onde xi o ponto mdio da classe.

Este coeficiente conhecido como percentlico de curtose.

A"#$%a&en%o 'a re%a(

Вам также может понравиться