Apostila Probabilidade e Estatistica

PROBABILIDADE
E

ESTATSTICA

Grfico 4.1. Produo de Arroz do Municpio X - 1984-1994
0
500
1000
1500
2000
2500
84 85 86 87 88 89 90 91 92 93 94
(1000 ton)

Luiz Roberto M. Bastos
2005
Probabilidade e Estatstica Luiz Roberto
SUMRIO

1 TEORIA DOS CONJUNTOS NUMRICOS ..................... 5
5
5
6
7
8
11
12
12
13
14
17
17
18
19
23
23
25
27
28
33
34
34
35
1.1 Introduo .......................................
1.2 Smbolos .........................................
1.3 Noes sobre Conjuntos ...........................
1.4 Conjunto dos Nmeros Naturais (N) ................
1.5 Conjunto dos Nmeros Inteiros (Z) ................
1.6 Representao decimal das fraes ................
1.7 Conjunto dos Nmeros Irracionais .................
1.8 Conjunto dos Nmeros Reais (R) ...................
1.9 Intervalos .......................................
1.10 Problemas com nmero finito de elementos .........
2 ANLISE COMBINATRIA ...............................
2.1 Introduo .......................................
2.2 Fatorial de um nmero natural ....................
2.3 Princpio fundamental da contagem - PFC ..........
2.4 Arranjos simples .................................
2.5 Clculo do nmero de arranjos ....................
2.6 Permutaes simples ..............................
2.7 Permutaes com elementos repetidos ..............
2.8 Combinaes simples ..............................
2.9 Exerccios .......................................
3 PROBABILIDADE .......................................
3.1 Experimento aleatrio ............................
3.2 Espao amostral ..................................
2
36
36
38
38
43
45
46
48
48
49
50
52
52
52
53
54
55
56
56
57
58
58
59
59
60
61
3.3 Evento ...........................................
3.4 Probabilidade de um Evento .......................
3.5 Evento complementar ..............................
3.6 Probabilidades em espaos amostrais equiprovveis
3.7 Probabilidade da unio de dois eventos ...........
3.8 Experincia Composta .............................
3.9 Probabilidade condicional ........................
4 ESTATSTICA BSICA ..................................
4.1 Conceitos fundamentais ...........................
4.2 Diviso da estatstica ...........................
4.3 Populao ........................................
4.4 Amostragem .......................................
4.5 Amostra ..........................................
4.6 Censo ............................................
4.7 Tipos de variveis ...............................
4.8 Definio do problema ............................
4.9 Definio dos objetivos (geral e especfico) .....
4.10 Planejamento ......................................
4.11 Coleta dos dados ..................................
4.12 Crtica dos dados .................................
4.13 Apurao (armazenamento) dos dados ................
4.14 Exposio ou apresentao dos dados ...............
4.15 Anlise e interpretao dos dados .................
4.16 Regras de arredondamento ..........................
4.17 Srie temporal, histrica ou cronolgica ..........
4.18 Grficos estatsticos .............................
3
62
62
63
65
66
67
68
69
74
75
76
79
79
81
82
83
84
88
88
88
91
4.19 Principais tipos de grficos ......................
4.19.1 Grficos em curvas ou em linhas ...................
4.19.2 Grficos em colunas ...............................
4.19.3 Grficos em barras ...............................
4.19.4 Grfico em colunas mltiplas (agrupadas) .........
4.19.5 Grfico em barras mltiplas (agrupadas) ..........
4.19.6 Grfico em setores ...............................
4.20 Distribuio de freqncias ......................
4.21 Distribuies cumulativas ........................
4.22 Medidas de posio (ou de tendncia central) .....
4.22.1 Mdia aritmtica .................................
4.22.2 Esperana matemtica ............................
4.22.3 Moda (mo) .......................................
4.22.4 Mediana (md) ....................................
4.22.5 Medidas de disperso (medidas de variabilidade) .
4.22.6 Varincia .......................................
4.22.7 Desvio-padro ...................................
4.23 Distribuies discretas de probabilidade ........
4.23.1 Distribuio de bernoulli .....................
4.23.2 Distribuio binomial ...........................
BIBLIOGRAFIA ...........................................

4
1 TEORIA DOS CONJUNTOS NUMRICOS

1.1 Introduo

Conjuntos numricos so certos conjuntos cujos elementos so nmeros
que guardam entre si alguma caracterstica comum. Tais conjuntos possuem
elementos perfeitamente caracterizados e, dentre eles, o conjunto dos nmeros
naturais, dos inteiros, dos racionais, dos irracionais e, por fim, o dos
nmeros reais.
O conjunto dos nmeros naturais surgiu da necessidade de se contarem os
objetos; os outros foram surgindo com ampliaes do conjunto dos nmeros
naturais.
Para se trabalhar com conjuntos, so adotados smbolos que representam
os relacionamentos entre eles.

1.2 Smbolos

: pertence
: existe
: no pertence : no existe
: est contido
: para todo (ou qualquer que seja)
: no est contido
: conjunto vazio N
: contm N: conjunto dos nmeros naturais
: no contm Z : conjunto dos nmeros inteiros
I : tal que Q: conjunto dos nmeros racionais
: implica que
Q'= I: conjunto dos nmeros irracionais
: se, e somente se
R: conjunto dos nmeros reais
: pertence
: existe
: ou : e

Smbolos sobre Operaes

: A interseco B
a > b: a maior que b
: A unio B : a maior ou igual a b
a - b: diferena de a com b
: a e b
a < b: a menor que b
: a ou b
: a menor ou igual a b
: Diferente
5
1.3 Noes sobre Conjuntos

Conjunto vazio: um conjunto que no possui elementos. O conjunto
vazio representado por ou { }.

Subconjuntos: quando todos os elementos de um conjunto A qualquer
pertencem a um outro conjunto B, diz-se, ento, que A um subconjunto de B,
ou seja A B.

Obs.: Todo o conjunto A subconjunto dele prprio, ou seja ;
- O conjunto vazio, por conveno, subconjunto de qualquer conjunto,
ou seja

Unio de Conjuntos: dados os conjuntos A e B, define-se como unio dos
conjuntos A e B ao conjunto representado por , formado por todos os
elementos pertencentes a A ou B, ou seja: .

Interseco de Conjuntos: dados os conjuntos A e B, define-se como
interseco dos conjuntos A e B ao conjunto representado por , formado
por todos os elementos pertencentes a A e B, simultaneamente, ou seja:

Diferena de Conjuntos: dados os conjuntos A e B, define-se como
diferena entre A e B (nesta ordem) ao conjunto representado por A-B, formado
por todos os elementos pertencentes a A, mas que no pertencem a B, ou seja

6
1.4 Conjunto dos Nmeros Naturais (N)

N o conjunto dos nmeros naturais:

N = {0, 1, 2, 3, 4, 5, ..., n, ...}

Onde n representa o elemento genrico do conjunto.
Sempre que possvel, procuraremos destacar o elemento genrico do
conjunto em questo.
Quando houver ... ao final dos elementos de um conjunto, trata-se de
um conjunto de infinitos elementos, como acontece com N.
O conjunto N pode ser representado geometricamente por meio de uma reta
numerada; escolhemos sobre essa reta um ponto de origem (correspondente ao
nmero zero), uma medida unitria e uma orientao (geralmente para a
direita).

unidade

O conjunto dos nmeros naturais possui alguns subconjuntos importantes:
1 O conjunto dos nmeros naturais no nulos

N
*
={1, 2, 3, 4, 5, ..., n, ...}

N
*
= N - {0}
Utilizamos o * (asterisco) direita do nome do conjunto do qual se
quer suprimir o elemento zero.

2 O conjunto dos nmeros naturais pares:

N
p
={0, 2, 4, 6, ..., 2n, ...} n N

3 O conjunto dos nmeros naturais mpares:

N
i
={1, 3, 5, 7, ..., 2n+1, ...} n N
7
4 O conjunto dos nmeros primos:

P
i
={2, 3, 5, 7, 11, 13 ...}

No conjunto dos nmeros naturais esto definidas duas operaes: adio
e multiplicao. Note que adicionando ou multiplicando dois elementos
quaisquer de N, a soma ou o produto pertence igualmente a N. Em smbolos,
temos:
m,n N, m + n N e m * n N
Essa caracterstica pode ser sintetizada na frase:
N fechado em relao adio e multiplicao.

1.5 Conjunto dos Nmeros Inteiros (Z)

Z={..., -3, -2, -1, 0, 1, 2, 3,...}

Todos os elementos de N pertencem tambm a Z, o que vale dizer que N
subconjunto de Z:
N Z ou Z N

Temos tambm outros subconjuntos de Z:

Z* = Z - {0} Z* = {..., -4, -3, -2, -1, 1, 2, 3, 4, ...}
Z
+
= {0,1,2,3,4,5,...} conjunto dos inteiros no negativos
Z
*
+
= {1,2,3,4,5,...} conjunto dos inteiros positivos
Z_ = {..., -4, -3, -2, -1, 0} conjunto dos inteiros no positivos
Z
*
= {..., -4, -3, -2, -1} conjunto dos inteiros negativos
__
Observe que Z
+
= N.

8
Nmeros Opostos

Dois nmeros inteiros so ditos opostos um do outro quando apresentam
soma zero; assim, os pontos que os representam distam igualmente da origem
(zero).
Considerando os nmeros inteiros ordenados sobre uma reta, podemos
tomar como exemplo o nmero 2.

O oposto de 2 2, e o oposto de 2 2, pois:
2 + (-2) = -2 + 2 = 0
2 unidades 2 unidades

No geral, dizemos que o oposto (ou simtrico) de a -a., e vice-versa;
particularmente, o oposto de zero o prprio zero.

Mdulo de um nmero inteiro
Damos o nome de mdulo, ou valor absoluto de a, distncia da origem
ao ponto que representa o nmero a.

Conjunto dos Nmeros Racionais (Q)

O conjunto Z fechado em relao s operaes adio, multiplicao e
subtrao, mas o mesmo no acontece diviso: embora
(-12):(+4) = -3 Z,
no existe nmero inteiro x para o qual se tenha x = (+4) : (-12). Por esse
motivo, fez-se uma ampliao do conjunto Z, da qual surgiu o conjunto dos
nmeros racionais.
O conjunto dos nmeros racionais inicialmente descrito como o
conjunto dos quocientes entre dois nmeros inteiros.
Os nmeros racionais so todos aqueles que podem ser colocados na forma
de frao (com o numerador e denominador Z), ou seja, o conjunto dos
nmeros racionais a unio do conjunto dos nmeros inteiros com as fraes
positivas e negativas.
9

,... ,...,
5
2
,
3
2
, 2 ,....
3
1
,
2
1
, 1 0, Q
q
p
=
I p e q inteiros e q 0

Utilizando o elemento genrico, podemos dizer que:

q
p
Q = I p Z e q Z*

Desta forma, podemos definir Q como o conjunto das fraes
q
p
; assim,
um nmero racional quando pode ser escrito como uma frao
q
p
, com p e q
inteiros e q 0.
Quando q = 1, temos
q
p
=
1
p
= p Z, de onde se conclui que Z
subconjunto de Q.
Assim, podemos construir o diagrama:

N Z Q

No conjunto Q destacamos os seguintes sub-conjuntos:
Q
*
: conjunto dos racionais no nulos
Q
+
: conjunto dos racionais no negativos
Q
*
: conjunto dos racionais positivos
+
Q : conjunto dos racionais no positivos
_
Q
*
: conjunto dos racionais negativos
_
O conjunto Q fechado para as operaes adio, subtrao,
multiplicao e diviso.
10
Exemplos:

3
3
2
2
1
1
1 )
3
9
2
6
1
3
3 )
= = =
=
b
a
Assim, podemos escrever:

} 0 e , com , | { = = q Z q Z p
q
p
x x Q

1.6 Representao decimal das fraes

q
p
Tome um nmero racional , tal que p no mltiplo de q.

Para escrev-lo na forma decimal, basta efetuar a diviso do numerador pelo
denominador. Nessa diviso podem ocorrer dois casos:

1) O nmero decimal obtido possui, aps a vrgula, um nmero finito de
algarismos (no nulos):
75 , 3
20
75
25 , 1
4
5
5 , 0
2
1
= = =

Tais nmeros racionais so chamados decimais exatos.

2) O nmero decimal obtido possui, aps a vrgula, infinitos algarismos (nem
todos nulos), que se repetem periodicamente:

3
1
= 0,333... = 0,3
7
9
= 0,777... = 0,7

22
1
= 0,0454545... = 0,045
66
167
= 2,5303030... = 0,530

11
Toda decimal exata ou peridica pode ser representada na forma de
nmero racional.

1.7 Conjunto dos Nmeros Irracionais (I)

Os nmeros irracionais so decimais infinitas no peridicas, ou seja,
os nmeros que no podem ser escritos na forma de frao (diviso de dois
inteiros).
Vejamos alguns exemplos:

1. O nmero 0,212112111... no dzima peridica, pois os algarismos
aps a vrgula no se repetem periodicamente.
2. O nmero 0,203040... tambm no comporta representao
fracionria, pois no dzima peridica.
3. Os nmeros
= 1,7320508
3
= 1,4142136 e
2
=3,1415926535... ,

por no apresentarem representao infinita peridica, tambm no so nmeros
racionais.

1.8 Conjunto dos Nmeros Reais (R)

Dados os conjuntos dos nmeros racionais (Q) e dos irracionais (I),
definimos o conjunto dos nmeros reais como:

R = Q I = {x | x racional ou x irracional}

O diagrama abaixo mostra a relao entre os conjuntos numricos:

R
I
12
Alm desses (N, Z, Q, I), o conjunto dos nmeros reais apresenta
noutros subconjuntos importantes:
R* = {x R I x 0} conjunto dos nmeros reais no nulos
R
+
= {x R I x 0} conjunto dos nmeros reais no negativos
R = {x
*
+
R I x > 0} conjunto dos nmeros reais positivos
R- = {x R I x 0} conjunto dos nmeros reais no positivos
R = {x
*
R I x < 0} conjunto dos nmeros reais negativos

Portanto, os nmeros naturais, inteiros, racionais e irracionais
so todos nmeros reais. Como subconjuntos importantes de I temos:
I* = I - {0}
I
+
= conjunto dos nmeros reais no negativos
I_ = conjunto dos nmeros reais no positivos

Entre dois nmeros inteiros existem infinitos nmeros reais. Ex:
Entre os nmeros 1 e 2 existem infinitos nmeros reais:
1,01 ; 1,001 ; 1,0001 ; 1,1 ; 1,2 ; 1,5 ; 1,99 ; 1,999 ; 1,9999 ...
Entre os nmeros 5 e 6 existem infinitos nmeros reais:
5,01 ; 5,02 ; 5,05 ; 5,1 ; 5,2 ; 5,5 ; 5,99 ; 5,999 ; 5,9999 ...

1.9 Intervalos

a) Intervalo Aberto:
]a,b[ = {x R I a < x < b}
3 5

b) Intervalo Fechado:
[a,b] = {x R I a x b} 3 5

c) Intervalo aberto direita:
[a,b[ = {x R I a x < b}
3 5

d) Intervalo aberto esquerda:
]a,b] = {x R I a < x b}
3 5
13

Existem ainda os intervalos infinitos:
e) ]-,a] = {x R I x a}
3
3
3

f) ]-,a[ = {x R I x < a}

g) [a, +[ = {x R I x a}

h) ]a, +[ = {x R I x > a}
3

1.10 Problemas com nmero finito de elementos

Exemplo 1
O Instituto de Meteorologia de Curitiba quis fazer um estudo de variao da
temperatura sombra e mediu-a de hora em hora, conforme a tabela abaixo:

Hora 0 1 2 3 4 5 6 7 8 9 10 11
Temperatura 7 6 5 4 3 2 2 3 5 7 12 15

Hora 12 13 14 15 16 17 18 19 20 21 22 23
Temperatura 18 18 20 20 20 18 15 13 11 9 8 7

Nesse exemplo, so medidas duas grandezas: a hora do dia e a correspondente
temperatura. A cada hora corresponde uma nica temperatura. Dizemos, por
isso, que a temperatura funo da hora. Como mesma temperatura podem
corresponder vrias horas, a hora no funo da temperatura.

Exemplo 2
Uma barraca na praia da Barra da Tijuca vende cocos e exibe a seguinte
tabela:

Nmeros de cocos 1 2 3 4 5 6 7 8 9 10
Preo (R$) 1,20 2,40 3,60 4,80 6,00 7,20 8,40 9,60 10,80 12,00

14
Nesse exemplo esto sendo medidas duas grandezas: o nmero de cocos e o
respectivo preo. A cada quantidade de cocos corresponde um nico preo.
Dizemos, por isso, que o preo funo do nmero de cocos comprados. Aqui
possvel at achar a frmula que estabelece a relao de interdependncia
entre o preo (y) e o nmero de cocos (x): y = 1,20 x.

Exemplo 3
Um pedreiro vai ladrilhar uma sala de 3 x 3 metros. Com ladrilhos quadrados,
todos iguais entre si. Se ele pode escolher ladrilhos com lados 10 cm, 12 cm,
15 cm, 20 cm, 25 cm e 30 cm, qual o nmero de ladrilhos que usar em cada
caso?
Para achar o nmero de ladrilhos (y), basta dividir a rea da sala (9m
2
) pela
rea do ladrilho (em m
2
). Se o lado mede x m
2
, ento a frmula que relaciona y
com x : y = 9/x
2
.

Medida do lado do ladrilho (x) 0,10 0,12 0,15 0,20 0,25 0,30
Nmero de ladrilhos (y) 900 625 400 225 144 100

Exerccios

1. A tabela abaixo indica o deslocamento de um mvel num dado intervalo
de tempo:

Intervalo de tempo (s) 0 1 2 3 4 5 6 7 8 9 10
Deslocamento (cm) 0 3 6 9 12 15 18 21 24 27 30

a) Qual o deslocamento do mvel num intervalo de 4 segundos?
b) Qual o intervalo de tempo correspondente a um deslocamento de 21 cm?
c) O deslocamento funo do intervalo de tempo?
d) Qual o deslocamento d num intervalo de tempo t? (supor velocidade do
mvel constante).

2. A tabela abaixo indica o custo de produo de certo nmero de peas de
automvel:

Nmero de peas 1 2 3 4 5 6
Custo (R$) 1 4 9 16 25 36

15
a) Qual o custo da produo de trs peas?
b) Qual o nmero de peas produzidas com R$25,00?
c) Qual o custo c da produo de n peas?
d) Com relao ao item anterior, qual o numero mximo de peas
produzidas com R$1.000,00?
3. O preo do servio executado por um pintor consiste em uma taxa fixa,
que de R$250,00, e mais uma quantia que depende da rea pintada. A
tabela seguinte mostra alguns oramentos apresentados pelo pintor:
rea pintada (m
2
) 5 10 15 20 30 40 80
Total a pagar (R$) 350 550 700 850 1.150 1.450 2.050

a) Como se exprime, matematicamente, o total a pagar (y) pela pintura de x
m
2
?
b) Qual o preo cobrado pela pintura de uma rea de 150 m
2
?
c) Qual a rea mxima que pode ser pintada dispondo-se de R$6.250,00?

4. O num erro de y pessoas (em milhares) que tomam conhecimento do
resultado de um jogo de futebol, aps x horas de sua realizao dado
por x y 10 = . Responda:
a) Quantas pessoas sabem o resultado do jogo aps 4 horas?
b) Quantas pessoas sabem o resultado do jogo aps um dia?
c) Aps quantas horas de sua realizao, 30 mil pessoas tomam
conhecimento do resultado do jogo?
5. A velocidade mdia de um automvel em uma estrada de 90 Km/h.
Responda:
a) Qual a distncia percorrida pelo automvel em uma hora?
b) Em quanto tempo o automvel percorre a distncia de 360 Km?
c) Qual a expresso matemtica que relaciona a distncia
percorrida (d) em funo do tempo (t)?
6. Um professor prope a sua turma um exerccio-desafio, comprometendo-se
a dividir um prmio de R$120,00 entre os acertadores. Seja x o nmero
de acertadores (x = 1, 2, ..., 40) e y a quantia recebida por cada
acertador (R$). Responda:
a) y funo de x? Por qu?
b) Quais os valores de y para x=2, x=8, x=20 e x=25?
c) Qual o valor mximo que y assume?
d) Qual a lei de correspondncia entre x e y?
16
2 ANLISE COMBINATRIA

2.1 Introduo:

A necessidade de calcular o nmero de possibilidades existentes nos
chamados jogos de azar levou ao desenvolvimento da Anlise Combinatria.
Trata-se de uma parte da Matemtica que estuda os mtodos de contagem. Esses
estudos foram iniciados j no sculo XVI, pelo matemtico italiano Niccollo
Fontana (1500-1557), conhecido como Tartaglia. Depois dele vieram os
franceses Pierre de Fermat (1601-1665) e Blaise Pascal (1623-1662).

Pascal

Fermat

Tartaglia

A Anlise Combinatria visa desenvolver mtodos que permitam contar - de
uma forma indireta - o nmero de elementos de um conjunto, estando esses
elementos agrupados sob certas condies.

Consideremos o seguinte problema:
Uma lanchonete oferece a seus clientes apenas dois tipos de sanduches:
hot dog e hambrger. Como sobremesa, h trs opes: sorvete, torta ou salada
de frutas.
Pergunta-se: quantas so as possibilidades de uma pessoa fazer uma refeio
incluindo um sanduche e uma sobremesa?
Podemos ter as seguintes refeies:

a) hot dog e sorvete
b) hot dog e torta
17
c) hot dog e salada de frutas
d) hambrger e sorvete
e) hambrger e torta
f) hambrger e salada de frutas
A determinao de tais possibilidades pode ser simplificada atravs de um
diagrama, em que, na 1 coluna, representaremos as possibilidades de escolha
do sanduche e, na 2 coluna, as possibilidades de escolha da sobremesa.
1 coluna 2 coluna
sorvete Refeio 1
hot dog torta Refeio 2
salada de frutas Refeio 3

sorvete Refeio 4
hambrger torta Refeio 5
salada de frutas Refeio 6

Este esquema conhecido como diagrama de rvore. Fazendo a leitura de todas
as ramificaes da rvore, obtemos as possveis refeies.
Notemos que fazer uma refeio completa representa uma ao constituda de
duas etapas sucessivas:
1 escolha do tipo de sanduche: h duas possibilidades de fazer tal
escolha.
2 escolha da sobremesa: para cada uma das possibilidades anteriores, h
trs maneiras de escolher a sobremesa.
Assim, a realizao da ao (duas etapas sucessivas) pode ser feita de 2 x 3
= 6 maneiras distintas que foram anteriormente indicadas.

2.2 Fatorial de um nmero natural

Para resolver problemas de Anlise Combinatria precisamos utilizar uma
ferramenta matemtica chamada Fatorial.
Seja n um nmero inteiro no negativo. Definimos o fatorial de n (indicado
pelo smbolo n!) como sendo:

n! = n . (n-1) . (n-2) . ... . 4 . 3 . 2 . 1 para n 2.
Se n = 1, ento 1! = 1.
Se n = 0, ento 0! = 1.

18
Exemplos:
a) 6! = 6 . 5! = 6 . 5 . 4 . 3 . 2 . 1 = 720
b) 4! = 4. 3! = 4 . 3 . 2 . 1 = 24
c) 7! = 7 . 6! = 7 . 6 . 5 . 4 . 3 . 2 . 1 = 5040
d) 10! = 10 . 9 . 8 . 7 . 6 . 5 . 4 . 3 . 2 . 1
e) 3! = 3 . 2 . 1 = 6
Perceba que 7! = 7 . 6 . 5 . 4!, ou que
6! = 6 . 5 . 4 . 3!, e assim sucessivamente.

Relao de correspondncia:
N! = n . (n 1)! , n N
*
e n 2

Exerccios:
1) efetuar:
! 6
! 8

2) efetuar:
! 6
) ! 7 ! 8 ( +

3) efetuar:
)! 1 (
)! 1 (
+
n
n

4) efetuar:
)! 3 (
)! 4 (
n
n

5) efetuar:
! 5
) ! 5 ! 6 (
+ 0!
6) efetuar:
)! 1 (
)! 2 (
+
+
n
n

7) efetuar:
! 11
) ! 9 ! 10 ( +

8) efetuar:
! 6
! 7
+
! 7
! 6
+
! 6
! 8

9) efetuar: 6! - 20
10) Resolva a equao: (n+2)! = 6n!
11) Resolva a equao:
)! 2 2 (
)! 2 (
n
n
= 12
2.3 Princpio fundamental da contagem - PFC

Suponhamos que uma ao seja constituda de duas etapas sucessivas. A
primeira etapa pode ser realizada de p maneiras distintas. Para cada uma
19
dessas possibilidades, a 2 etapa pode ser realizada de q maneiras distintas.
Ento, o nmero de possibilidades de se efetuar a ao completa dado por
p x q.
Esse princpio pode ser generalizado para aes constitudas de mais de
duas etapas sucessivas.
Se determinado acontecimento ocorre em etapas independentes, e se a
primeira etapa pode ocorrer de k
1
maneiras diferentes, a segunda de k
2

maneiras diferentes, e assim sucessivamente, ento o nmero total T de
maneiras de ocorrer o acontecimento, composto por n etapas, dado por:
T = k
1
. k
2
. k
3
. ... . k
n

Exemplo 1
No Brasil as placas dos veculos so confeccionadas usando-se 3 letras do
alfabeto e 4 algarismos. Qual o nmero mximo de veculos que poder ser
licenciado?
Imaginemos a seguinte situao: Placa ACD 2172.
Como o alfabeto possui 26 letras e nosso sistema numrico possui 10
algarismos (de 0 a 9), podemos concluir que: para a 1 posio, temos 26
alternativas, e como pode haver repetio, para a 2, e 3 tambm teremos 26
alternativas. Com relao aos algarismos, conclumos facilmente que temos 10
alternativas para cada um dos 4 lugares. Podemos ento afirmar que o nmero
total de veculos que podem ser licenciados ser igual a:
26 . 26 . 26 . 10 . 10 . 10 . 10 = 175.760.000.

Exemplo 2
No Brasil, antes da alterao do sistema de emplacamento de automveis, as
placas dos veculos eram confeccionadas usando-se 2 letras do alfabeto e 4
algarismos. Qual o nmero mximo de veculos que podia ser licenciado neste
sistema?
Imaginemos a seguinte situao: Placa AC 2172.
Como o alfabeto possui 26 letras e nosso sistema numrico possui 10
algarismos (de 0 a 9), podemos concluir que: para a 1 posio, temos 26
alternativas, e como pode haver repetio, para a 2, tambm teremos 26
alternativas. Com relao aos algarismos, conclumos facilmente que temos 10
alternativas para cada um dos 4 lugares. Podemos ento afirmar que o nmero
total de veculos que podem ser licenciados ser igual a:
26 . 26 . 10 . 10 . 10 . 10 = 6.760.000.
20
Percebe-se que a incluso de apenas uma letra faz com que sejam licenciados,
aproximadamente, mais 170.000.000 de veculos.

Exemplo 3
H quatro estradas ligando as cidades e A e B, e trs estradas ligando as
cidades B e C. De quantas maneiras distintas pode-se ir de A a C, passando
por B?
Fazer a viagem de A a C pode ser considerado uma ao constituda de duas
etapas sucessivas:
1 ir de A at B: teremos quatro possibilidades
2 ir de B a C: para cada uma das possibilidades anteriores, h trs
maneiras de chegar a C, a partir de B.
Assim, o resultado procurado 4 x 3 =12.

Exemplo 4
Com os algarismos 1, 2, 3, 4, 5 e 6, quantos nmeros de trs algarismos
distintos podemos formar?
Formar um nmero de trs algarismos pode ser considerado uma ao constituda
de trs etapas sucessivas:
1 escolha do algarismo das centenas: so seis possibilidades.
2 escolha do algarismo das dezenas: como no pode haver repetio de
algarismo, devemos ter um algarismo diferente do algarismo escolhido para a
centena. Assim, h cinco possibilidades.
3 escolha do algarismo das unidades: devemos ter um algarismo diferente dos
dois algarismos escolhidos para a centena e para a dezena. Assim, h quatro
possibilidades.
Pelo PFC, o resultado : 6 x 5 x 6 = 120 nmeros.

Exemplo 5
Uma prova consta de 10 questes do tipo V ou F. De quantas maneiras distintas
ela pode ser resolvida?
Resolver a prova representa uma ao constituda de 10 etapas sucessivas, que
correspondem resoluo das 10 questes propostas.
Para cada questo, h duas possibilidades de escolha de resposta: V ou F.

Logo, pelo PFC, o resultado : 2 x 2 x 2 ... x 2 = 2
10
= 1.024
possibilidades.
10 vezes

21
Exemplo 6

Quantos nmeros de trs algarismos podemos formar com os algarismos 0, 1, 2,
3, 4, 5, 6 e 7?
Algarismo das centenas: com exceo do zero, qualquer um dos algarismos dados
pode ser escolhido, havendo, portanto, sete possibilidades.
Algarismo das dezenas: no h restrio alguma, pois pode haver repetio de
algarismos. Assim, h oito possibilidades.
Algarismo das unidades: analogamente ao anterior, h oito possibilidades.
Logo, pelo PFC: 7 x 8 x 8 = 448.

Exemplo 7
Quantos nmeros mpares de trs algarismos distintos podemos formar com os
algarismos 0, 1, 2, 3, 4, 5, 6 e 7?
Algarismo das unidades: h quatro possibilidades (1, 3, 5 e 7).
Algarismo das centenas: h seis possibilidades devemos excluir o zero e o
algarismo escolhido para a unidade.
Algarismo das dezenas: h seis possibilidades devemos escolher algarismos
diferentes dos algarismos escolhidos para a centena e unidade.
Assim, pelo PFC, temos: 6 x 6 x 4 = 144 nmeros.
Todo problema de contagem pode, pelo menos teoricamente, ser resolvido pelo
PFC. Porm, na prtica, a resoluo de alguns desses problemas pode se tornar
muito complicada.
Dessa forma, estudaremos tcnicas de contagem de determinados agrupamentos
baseados no PFC as quais simplificaro a resoluo de muitos problemas.
Consideraremos sempre os agrupamentos simples: arranjos, permutaes e
combinaes.

Exemplo 8
Determine o nmero de anagramas da palavra MATEMTICA.(no considere o
acento).
Soluo:
Temos 10 elementos, com repetio. Observe que a letra M est repetida duas
vezes, a letra A trs , a letra T, duas vezes. Na frmula anterior, teremos:
n=10, a=2, b=3 e c=2. Sendo k o nmero procurado, podemos escrever: k= 10! /
(2!.3!.2!) = 151.200 anagramas

22
2.4 Arranjos simples

Dado um conjunto com n elementos distintos, chama-se arranjo dos n elementos,
tomados k a k, a qualquer seqncia ordenada de k elementos distintos
escolhidos entre os n existentes.
Temos um Arranjo quando os agrupamentos conseguidos ficam diferentes ao se
inverter a posio dos seus elementos.
Perceba que para formar centenas com algarismos distintos, utilizando apenas
os 5 primeiros algarismos mpares (1; 3; 5; 7; 9) teremos as seguintes
centenas: 135; 137; 139; 153, 157, e assim sucessivamente.
Se invertermos a posio dos elementos de qualquer uma destas centenas
conseguiremos outra centena diferente: 135 351.
Temos ento um ARRANJO de cinco elementos tomados de trs em trs.

Exemplo 1
Dado o conjunto A = (1, 2, 3, 4), vamos escrever todos os arranjos desses
quatro elementos tomados dois a dois.
(1, 2); (1, 3); (1, 4); (2, 1); (2, 3); (2, 4); (3, 1); (3, 2); (3, 4); (4,
1); (4, 2); (4, 3)
Notamos que (2, 3) (3, 2), isto , a troca na ordem dos elementos de um
possvel agrupamento gera um agrupamento diferente.

Exemplo 2
Um cofre possui um disco marcado com os dgitos 0,1,2,...,9. O segredo do
cofre marcado por uma seqncia de 3 dgitos distintos. Se uma pessoa
tentar abrir o cofre, quantas tentativas dever fazer(no mximo) para
conseguir abri-lo?
As seqncias sero do tipo xyz. Para a primeira posio teremos 10
alternativas, para a segunda, 9 e para a terceira, 8. Aplicando a frmula de
arranjos pelo PFC, chegaremos ao mesmo resultado: 10.9.8 = 720.
Observe que 720 = A
10,3

2.5 Clculo do nmero de arranjos

Seja um conjunto de n elementos distintos. Vamos encontrar uma expresso para
o nmero de arranjos dos n elementos tomados k a k (A
n,k
).
Escrever um arranjo de n elementos formados k a k significa escrever uma
seqncia ordenada de k elementos distintos (k n), escolhidos entre os n
23
disponveis. Assim, pelo PFC, a ao pedida consta de k etapas sucessivas,
que correspondem s escolhas dos k elementos.

1 etapa 2 etapa 3 etapa ... k-sima
etapa

(h n elementos (como os elementos
para serem escolhidos) devem ser distintos,
h n-1 possibilidades)
n n 1 n 2 n (k 1)

Desta forma, o nmero total de arranjos dos n elementos tomados k a k :
A
n,k
= n . (n 1) . (n 2) ... (n - k +1)

Multiplicando e dividindo a expresso acima por
(n k)! = (n k) (n k 1) ... 3 . 2 . 1 vem:
A
n,k
= n (n 1) (n 2) ... (n - k +1) .
1 . 2 . 3 )... 1 )( (
1 . 2 . 3 )... 1 )( (

k n k n
k n k n
,
Isto :

)! (
!
k n
n
A
n,k
= n k

Exemplo 3
Obter o valor de A
4,2
+ A
7,3.

Temos A
4,2
=
)! 2 4 (
! 4
=
! 2
! 4
=
! 2
! 2 . 3 . 4
= 12
A
7,3
=
)! 3 7 (
! 7
=
! 4
! 7
=
! 4
! 4 . 5 . 6 . 7
= 210

Exemplo 4
O quadrangular de um torneio mundial de basquete disputado por quatro
selees: Brasil, China, Holanda e Itlia. De quantas maneiras distintas
podemos ter os trs primeiros colocados?
Um possvel resultado do torneio Holanda (campe), Brasil (2) e Itlia
(3). Se trocarmos a ordem desses elementos, obtemos, entre outras, Brasil
24
(campeo), Itlia (2) e Holanda (3), que um resultado diferente do
anterior. Dessa forma, cada resultado do torneio um arranjo das quatro
equipes tomadas trs a trs.
Assim, o nmero de possibilidades :
A
n,k
=
)! (
!
k n
n
A
4,3
=
)! 3 4 (
! 4
=
! 1
! 4
= 24

Exemplo 5
A senha de um carto de banco formada por duas letras distintas seguidas
por uma seqncia de trs algarismos distintos. Quantas senhas poderiam ser
confeccionadas?
Como importa a ordem que so escolhidas as letras, o nmero de maneiras de
escolh-las dado por A
26,2
.
Analogamente, a seqncia de trs algarismos distintos pode ser escolhida de
A
10,3.

Pelo PFC, o nmero de senhas que podem ser confeccionas :
A
26,2 x
A
10,3
= 650 x 720 = 468.000.

Exemplo 6
Usando-se as 26 letras do alfabeto (A,B,C,D,...,Z), quantos arranjos
distintos com 3 letras podem ser montados?
A
n,k
=
)! (
!
k n
n
, n=26, k=3
Resposta: A =
! 23
! 26
=
! 23
23! . 24 . 25 . 26
= 26.25.24 = 15600

2.6 Permutaes simples

Permutaes simples de n elementos distintos so os agrupamentos formados com
todos os n elementos e que diferem uns dos outros pela ordem de seus
elementos.

De outro modo, podemos entender permutao simples como um caso especial de
arranjo, onde n = k, ou seja:
A
n,k
=
)! (
!
k n
n
=
! 0
! n
=
1
! n
= n!

Chega-se ento relao: P
n =
n!

25
Notemos que a permutao um caso particular de arranjo, pois, dado um
conjunto de n elementos distintos, selecionamos exatamente n elementos para
forma a seqncia ordenada.

Exemplo 1
Escrever todos os anagramas da palavra SOL.
Um anagrama da palavra SOL qualquer permutao das letras S, O, L de modo
que se forme uma palavra com ou sem sentido.
Assim, temos: SOL, SLO, OSL, OLS, LOS, LSO.

Exemplo 2
De quantas maneiras cinco pessoas, A, B, C, D e E podem ser dispostas em
fila indiana?
Cada maneira de compor a fila uma permutao das cinco pessoas, pois
qualquer fila obtida uma seqncia ordenada na qual comparecem sempre as
cinco pessoas.
Assim, o resultado esperado : P
5
= 5! = 120

Exemplo 3
Baseado no exemplo anterior, quantas filas podem ser compostas comeando por
A ou B?
A 1 posio da fila pode ser escolhidas de duas maneiras (pois tanto A como
B pode inici-la).
Definido o incio da fila, restaro sempre quatro lugares para serem
preenchidos pelas quatro pessoas restantes, num total de P
4
= 4! = 24
possibilidades.
Pelo PFC, o resultado : 2 x 24 = 48.

Exemplo 4
Oito pessoas, entre elas, Antonio e Pedro, vo posar para uma foto. De
quantas maneiras elas podem ser dispostas se Antonio e Pedro se recusarem-se
a ficar lado a lado?
Caso no houvesse a restrio mencionada, o nmero total de possibilidades
seria:
P
8
= 8! = 40.320.
Para determinar o nmero de possibilidades em que Antonio e Pedro aparecem
juntos, vamos consider-los uma s pessoa, que ir permutar com as seis
restantes, num total de:
26
P
7
= 7! = 5.040 maneiras.
Porm, para cada uma das possibilidades acima, Antonio e Pedro podem trocar
de lugar entre si, num total de:
P
2
= 2! = 2.
Desta forma, o nmero de possibilidades em que Antonio e Pedro aparecem
juntos : 2x 5.040 = 10.080.
A diferena 40.320 10.080 = 30.240 fornece o nmero de situaes em que
Antonio e Pedro no aparecem lado a lado.

Exemplo 5
Quantas possibilidades de agrupamentos h com os elementos A,B,C?
So possveis as seguintes permutaes: ABC, ACB, BAC, BCA, CAB e CBA.
De forma matemtica: P
3
= 3! = 3 . 2 . 1 = 6

Exemplo 6
Calcule o nmero de formas distintas de 5 pessoas ocuparem os lugares de um
banco retangular de cinco lugares.
P
5
= 5! = 5 . 4 . 3 . 2 . 1 = 120

Exemplo 7
Denomina-se ANAGRAMA o agrupamento formado pelas letras de uma palavra, que
podem ter ou no significado na linguagem comum. Os possveis anagramas da
palavra REI so: REI, RIE, ERI, EIR, IRE e IER. Calcule o nmero de anagramas
da palavra MUNDIAL.
P
7
= 7! = 7 . 6 . 5 . 4 . 3 . 2 . 1 = 5040

2.7 Permutaes com elementos repetidos

Se entre os n elementos de um conjunto, existem a elementos repetidos, b

elementos repetidos, c elementos repetidos e assim sucessivamente, o nmero
total de permutaes que podemos formar dado por:
P
n

(a,b,c)

=
! ! !
!
c b a
n

Exemplo 1
Determine o nmero de anagramas da palavra MATEMTICA.(no considere o
acento)
Temos 10 elementos, com repeties. A letra M est repetida duas vezes, a
27
letra A trs, a letra T, duas vezes. Na frmula anterior, teremos: n=10, a=2,
b=3 e c=2.
P = 10! / (2!.3!.2!) = 151200

Exemplo 2
Quantos anagramas podem ser formados com as letras da palavra MARIA?
Neste problema temos n = 5 (cinco letras) e a = 2 (a letra A se repete duas
vezes)
P = 5!/2! = 5.4.3 = 60

Exemplo 3
Quantos anagramas podem ser formados com as letras da palavra ARARA?
Neste problema temos n = 5 (cinco letras), a = 2 (a letra R se repete duas
vezes) e b = 3 (a letra A se repete trs vezes).
P = 5!/(3!.2!) = 5.4.3!/(3!.2) = 10

2.8 Combinaes simples

Dado um conjunto A com n elementos distintos, chama-se combinao dos n
elementos de A, tomados k a k, a qualquer subconjunto formado por k
elementos, isto , temos uma combinao quando os agrupamentos conseguidos
permanecem iguais ao se inverter a posio dos seus elementos.
Perceba que se houver cinco pessoas entre as quais desejamos formar grupos de
trs, o grupo formado por Joo, Pedro e Lus o mesmo grupo formado por
Lus, Pedro e Joo. Temos, ento, uma COMBINAO de cinco elementos em grupos
de trs.

Clculo do nmero de combinaes

Considere o seguinte problema:
Uma turma formada por 10 alunos. Deseja-se formar uma comisso de trs
alunos para representao discente na universidade. De quantas maneiras
podemos fazer tal escolha?
Calculemos inicialmente o nmero de triplas ordenadas de alunos:
A
10,3
=
! 7
! 10
= 720 seqncias ordenadas.
Suponhamos que A, B, C estejam entre os 10 alunos da turma. Essas 720
possibilidades incluem, entre outras, os seguintes arranjos:
28
(A,B,C), (A,C,B), (B,A,C), (B,C,A), (C,A,B) e (C,B,,A)

Em cada um desses casos que diferem entre si apenas pela ordem os alunos
A, B e C faro parte da comisso. Assim, os seis arranjos acima passam a ser
equivalentes entre si, correspondendo a uma nica combinao { , pois
determinam sempre a mesma comisso.
} C B A , ,
Desta forma, aos seis arranjos corresponde uma combinao; ento, para os 720
arranjos, teremos x combinaes:

Logo, x =
6
720
= 120 comisses
Nmero de permutaes da tripla (A,B,C)
Nmero de arranjos dos 10 alunos tomados trs a trs
6 arranjos 1 combinao

720 arranjos x combinaes

De modo geral, qualquer permutao de uma determinada seqncia ordenada d
origem e uma nica combinao.
Representando por C
n,k
o nmero total de combinaes de n elementos tomados k
a k (taxa k), temos:

)! ( !
!
k n k
n
k
k n,
P
A
ou , n k
C
n,k
=
C
n,k
=

Exemplo 1
Escrever todas as combinaes dos cinco elementos do conjunto
M = { tomados dois a dois. }
} }
} } } } } } }
u o i e a , , , ,
Devemos determinar todos os subconjuntos de M formados por dois elementos.
Lembremos que no importa a ordem dos elementos escolhidos: = { , por
exemplo.
{ e a, a e,
Assim, as combinaes pedidas so:
{ e a, , { , { }, { }, { , { , { , { , { , { } i a, o a, u a, i e, o e, u e, o i, u i, u o,

29
Exemplo 2
Cinco alunos Pedro, Lus, Jos, Abel e Mrcio participam de um concurso
que sero sorteadas trs bicicletas. Quais os possveis resultados do
concurso?
Sortear o mesmo que sortear { }, pois
nas duas situaes, esses alunos ganharo as bicicletas.
{ Mrcio Jos Pedro , , } Pedro Mrcio Jos , ,
Desta forma, cada resultado do sorteio uma combinao dos cinco alunos
tomados trs a trs.
Os possveis resultados do concurso so:
{ } M J P , ,
{ } M A J , ,
, , , , , , , ,
,
{ } A J P , ,
{ } M A L , ,
{ } A M P , , { } J L P , , { } M L P , , { } A L P , , { } A J L , , { } M J L , ,

Exemplo 3
Uma prova consta de 15 questes das quais o aluno deve resolver 10. De
quantas formas ele poder escolher as 10 questes?
Observe que a ordem das questes no muda o teste. Logo, podemos concluir que
trata-se de um problema de combinao de 15 elementos com taxa 10.
Aplicando simplesmente a frmula chegaremos a:
C
15,10
= 15! / [(15-10)! . 10!] = 15! / (5! . 10!) = 15.14.13.12.11.10! /
5.4.3.2.1.10! = 3003

Tanto arranjo como combinao so agrupamentos de k elementos
escolhidos a partir de um conjunto de n elementos. A diferena que,
no arranjo, se mudarmos a ordem dos elementos de certo agrupamento,
obteremos um novo agrupamento; na combinao, mudando a ordem dos
elementos de certo agrupamento, obtemos o mesmo agrupamento.
Exemplo 3
Uma prova consta de 15 questes das quais o aluno deve resolver 10. De
quantas formas ele poder escolher as 10 questes?
Observe que a ordem das questes no muda o teste. Logo, podemos concluir que
trata-se de um problema de combinao de 15 elementos com taxa 10.
C
15,10
=
! 10 )!. 10 15 (
15!
=
! 10 !. 5
15!
=
10! 5.4.3.2.1.
2.11.10! 15.14.13.1
= 3003

30
Exemplo 4
Um coquetel preparado com trs bebidas distintas. Se existem 7 bebidas
distintas, quantos coquetis diferentes podem ser preparados?

C
7,3
=
! 3 )!. 3 7 (
7!
=
! 3 !. 4
7!
=
1 . 2 . 3 !. 4
7.6.5.4!
= 35

Exemplo 5
Sobre uma circunferncia so marcados 9 pontos, dois a dois distintos.
Quantas retas podem ser construdas passando por estes 9 pontos?
C
9,2
=
! 2 )!. 2 9 (
9!
=
! 2 !. 7
9!
=
1 . 2 !. 7
9.8.7!
= 36

Exemplo 6
Uma pizzaria oferece 15 sabores de pizzas diferentes.
a) De quantas maneiras se pode escolher trs desses sabores?
b) Suponha que uma famlia sempre opte por mussarela. Como podero ser
escolhidos os outros dois sabores?
Resp. a)
Escolher as pizzas { o mesmo que escolher as pizzas { }.
Assim, cada possvel escolha uma combinao das 15 pizzas tomadas trs a
trs:
} 3 , 2 , 1 P P P 1 , 2 , 3 P P P
C
15,3
=
! 12 ! 3
15!
=
3.2.1.12!
2! 15.14.13.1
= 455
Resp. b)
Como um dos sabores j foi definido, os outros dois sabores sero escolhidos
entre os 14 restantes.
C
14,2
=
! 2 !
14!
12
=
12!.2.1
14.13.12!
= 91

Exemplo 7
Uma turma tem 15 alunos, sendo 9 meninos e 6 meninas.
a) Quantas comisses de dois meninos e duas meninas podem ser formadas?
O nmero de escolher os meninos C
9,2.
O nmero de escolher as meninas C
6,2.
Pelo PFC, temos: C
9,2
x

C
6,2 = 36 x 15 =
540

31

b) Quantas comisses de quatro pessoas tm pelo menos um menino?
O nmero total de comisses de quatro pessoas, sem nenhuma restrio,
C
15,4
.
O nmero de comisses onde no aparecem meninos C
6,4
, pois as vagas sero
preenchidas pelas meninas.
Assim, o nmero de comisses onde h pelo menos um menino :
C
15,4
C
6,4
= 1.365 15 = 1.350

Exemplo 8

Marcam-se cinco pontos sobre uma reta r. Sobre outra reta s, paralela a r,
marcam-se quatro pontos. Quantos tringulos podem ser formados com vrtices
em trs quaisquer desses pontos?
Observando a figura, vemos que para construir um tringulo no importa a
ordem dos pontos escolhidos, pois, por exemplo, { } e { determinam
o mesmo tringulo.
C B A , , } A C B , ,

C
B
A

Por outro lado, podemos construir um tringulo se escolhermos:
1 caso: dois pontos de r e um ponto de s

Pelo PFC, h 10 x 4 = 40 possibilidades.

2 caso: um ponto de r e dois pontos de s
C
4,1
= 4 possibilidades C
5,2
= 10 possibilidades
C
5,1
= 5 possibilidades C
4,2
= 6 possibilidades
Pelo PFC, h 5 x 6 = 430 possibilidades.
Dessa forma, o nmero total de tringulos que podem ser construdos :
40 + 30 = 70.

32

Exemplo 9

Um salo tem 6 portas. De quantos modos distintos esse salo pode estar
aberto?
Para a primeira porta temos duas opes: aberta ou fechada
Para a segunda porta temos tambm, duas opes, e assim sucessivamente.
Para as seis portas, teremos ento, pelo PFC:
N = 2.2.2.2.2.2 = 64
Lembrando que uma dessas opes corresponde a todas as duas portas fechadas,
teremos ento que o nmero procurado igual a 64 - 1 = 63.
Resposta: o salo pode estar aberto de 63 modos possveis.

2.9 Exerccios
01 - Um coquetel preparado com duas ou mais bebidas distintas. Se existem 7
bebidas distintas, quantos coquetis diferentes podem ser preparados?
Resp: 120
02 - Sobre uma circunferncia so marcados 9 pontos distintos. Quantos
tringulos podem ser construdos com vrtices nos 9 pontos marcados?
Resp: 84
03 - Uma famlia com 5 pessoas possui um automvel de 5 lugares. Sabendo que
somente 2 pessoas sabem dirigir, de quantos modos podero se acomodar para
uma viagem?
Resp: 48
33
3 PROBABILIDADE

Todas as vezes que se estudam fenmenos de observao, cumpre-se
distinguir o prprio fenmeno e o modelo matemtico que melhor o explique.
Os fenmenos estudados pela Estatstica so fenmenos cujos resultados,
mesmo em condies normais de experimentao variam de uma observao para
outra.
Para a explicao desses fenmenos fenmenos aleatrios
adota-se um modelo matemtico probabilstico. Nesse caso, o modelo
utilizado ser o CLCULO DAS PROBABILIDADES.

3.1 Experimento aleatrio

Todo experimento que, repetido em condies idnticas, pode apresentar
diferentes resultados, recebe o nome de experimento aleatrio. A
variabilidade de resultados deve-se ao acaso.
A fim de se entender melhor a caracterizao desses experimentos,
convm observar o que h de comum nos seguintes experimentos:
E1: Retirar uma carta de um baralho com 52 cartas e observar seu naipe.
E2: Jogar uma moeda 10 vezes e observar o nmero de coroas obtidas.
E3: Retirar com ou sem reposio, bolas de uma urna que contm 5 bolas
brancas e seis pretas.
E4: Jogar um dado e observar o nmero mostrado na face de cima.
E5: Contar o nmero de peas defeituosas da produo diria da mquina A.

A anlise desses experimentos revela:
a) Cada experimento poder ser repetido indefinidamente sob as mesmas
condies.
b) No se conhece um particular valor do experimento a priori , porm
pode-se descrever todos os possveis resultados as possibilidades.

34
c) Quando o experimento for repetido um grande nmero de vezes surgir uma
regularidade, isto , haver uma estabilidade da frao f = r/n
(freqncia relativa), onde n o nmero de repeties e r o nmero de
sucessos.

3.2 Espao amostral

Para cada experimento aleatrio E, define-se espao amostral o conjunto
de todos os resultados possveis desse experimento.
Consideremos um experimento aleatrio. O conjunto de todos os possveis
resultados desse experimento chamado espao amostral e indicado por
(letra grega que se l: omega).
Indicaremos o nmero de elementos de um espao amostral por n().

Exemplo 1
a) E = Jogar um dado e observar o nmero mostrado na face de cima
= {1, 2, 3, 4, 5, 6}
b) E = jogar duas moedas e observar os resultados.
= {(C,C), (C,K), (K,C), (K,K)} onde C = cara e K = coroa.

Exemplo 2
Lanamos uma moeda honesta e observamos a face voltada para cima:
Temos:
= {K,C}, onde K: cara; e C: coroa; n() = 2.
Chamamos cada um dos resultados possveis de ponto amostral.

Exemplo 3
Uma urna contm cinco bolas vermelhas e quatro brancas. Duas bolas so
extradas, ao acaso, sucessivamente e sem reposio. Observamos a seqncia
de cores das bolas sorteadas.
Para determinar , vamos construir um diagrama de rvore:

1 extrao 2 extrao

vermelha vermelha

branca

Vermelha

branca branca

35
Indicando vermelha por V e branca por B, temos:

= { } n() = 4. ) , ( ), , ( ), , ( ), , ( B B V B B V V V

Cada par acima um dos pontos amostrais de .

3.3 Evento

Evento um conjunto de resultados do experimento, em termos de
conjuntos, um subconjunto de . Em particular, e (conjunto vazio) so
eventos. dito o evento certo e o evento impossvel.
Usando as operaes em conjunto, podemos formar novos eventos:

A U B o evento que ocorre se A ocorre ou B ocorre ou ambos ocorrem.

A I B o evento que ocorre se A e B ocorrem.

o evento que ocorre se A no ocorre.

Exemplo 1

a) Seja o experimento E: jogar trs moedas e observar os resultados:

= {(c,c,c), (c,c,k), (c,k,c), (k,c,c), (k,k,k), (k,k,c), (k,c,k),
(c,k,k)}

Seja E1 o evento: ocorrer pelo menos duas caras. Ento,

E1 = {(c,c,c),(c,c,k), (c,k,c), (k,c,c)}

b) Seja o evento E2: lanar um dado e observar o nmero de cima.
Ento,
E2 = = {1, 2, 3, 4, 5, 6} um evento certo.
E3: ocorrncia de nmero maior que 8.
E3 = um evento impossvel.

Seja E4: ocorrer mltiplo de 2.
Ento E4 = {2, 4, 6}; observe que E4 .
Seja E5: ocorrer nmero mpar.
Ento E5 = {1, 3, 5}; observe que E5 .

3.4 Probabilidade de um Evento

Agora podemos quantificar o grau de confiana de qualquer evento.
36
Atribumos a cada evento um nmero obtido da soma das imagens de cada
um de seus elementos na relao de freqncia. Este nmero chama-se
probabilidade do evento. Observe como se resolve o seguinte caso.

Exemplo:

O experimento consiste em extrair uma bola do interior de uma caixa e
observar sua cor. H um total de nove bolas na caixa: duas brancas, trs
vermelhas e quatro pretas.

Qual ser a probabilidade de tirar uma bola que no seja preta?
Para solucionar esta questo, preparamos o esquema da figura acima:
O espao amostral da figura acima :

Elemento Imagem
(B) branca 2/9
(V) vermelha 3/9
(P) preta 4/9

= {branca, vermelha, preta}

O evento tirar uma bola de cor diferente do preto, A = {B,V}, consta
de dois elementos.
Como foi dito na definio de probabilidade, atribumos a cada evento
um nmero obtido da soma das imagens de cada elemento na relao de
freqncia.
Portanto, se somarmos as imagens da bola branca, 2/9, e da vermelha,
3/9, que aparecem na relao de freqncia deste exemplo, vamos conhecer o
valor da probabilidade do evento A, indicado por P(A).
Assim,
p(A) =
9
2
+
9
3
=
9
5

Em alguns experimentos aleatrios, cada um dos resultados (eventos
elementares) tem a mesma freqncia relativa esperada.
37
Este o caso de lanar uma moeda ou um dado e comprovar o resultado.
Dizemos, ento, que o espao amostral equiprovvel, e que sua
probabilidade uniforme.

3.5 Evento complementar

Consideremos um evento E relativo a um espao amostral . Chamamos
evento complementar de indicado por E ao evento que ocorre quando se,
e somente se, E no ocorre.
Observe o seguinte diagrama:

Notemos que E I E = e E U E =

Exemplo 1
Uma urna contm 10 bolas numeradas de 1 a 10. Retira-se da urna, ao acaso,
uma bola. Se E o evento ocorre mltiplo de 3, ento E ser:

Temos: = {1, 2, 3, ..., 10} e E = {3, 6, 9}; logo:
E = {1, 2, 4, 5, 7, 8, 10} o evento no ocorre mltiplo de 3.
Notemos que E U E = .

3.6 Probabilidades em espaos amostrais equiprovveis

Consideremos o espao amostral formado por k pontos amostrais (ou eventos
elementares): = {a
1
, a
2
, a
3
, ..., a
k
}
Vamos associar cada um desses pontos amostrais um nmero real, p{a
i
}, ou
simplesmente p
i
, chamado probabilidade do evento {a
i
}, ou seja, probabilidade
de ocorrncia do ponto amostral a
i
, tal que:
(I) 0 p
i
1
(II) = 1 , isto , p
=
k
1
i
i
p
1
+ p
2
+ ... + p
k
= 1

38
Consideremos aqui os espaos amostrais equiprovveis, isto , aqueles cujos
pontos amostrais tm a mesma probabilidade de ocorrer. Assim, se denotarmos
por p a probabilidade de ocorrncia de cada um dos pontos amostrais de ,
temos, em (II):
p + p + p + ... + p = 1 k . p = 1 p =
k
1

K vezes

A probabilidade de ocorrncia de um evento E, formado por r pontos amostrais
E = {a
1
, a
2
, a
3
, ..., a
r
} , com r k, dada por:

P (E) = p
1
+ p
2
+ ... + p
r
p(E) =
k
1
+
k
1
+
k
1
+
k
1

p(E) =
k
r
= =
Nmero de elementos de E n(E)
Nmero de elementos de n()

Como E , temos que n(E)
n(). Assim:

n(E)

tal que
0 p(E)

1
n()
P(E) =

Essa definio de probabilidade intuitiva, isto , a probabilidade de
ocorrer determinado evento dada pala razo entre o nmero de casos
favorveis (ou nmero de caos que nos interessam) e o nmero de casos
possveis (ou nmero total de casos).

Assim:
=
Nmero de casos favorveis
Nmero de casos possveis n()
n(E)
p(E) =

Uma vez que o nmero de casos favorveis coincide com o nmero de
elementos do evento, e o nmero de casos possveis corresponde ao nmero de
elementos do espao amostral, podemos escrever:
p(A) =
k
f
, onde o evento A tem f elementos e k o nmero possvel de
elementos. Para ocorrer o evento A, o resultado deve ser algum desses f
elementos, que so os casos favorveis.
Assim, no exemplo do lanamento de um dado, se o evento A consiste em
obter um 5, o nmero de casos favorveis ser 1, pois num dado no-viciado
39
s existe um 5, e o nmero de casos possveis 6, portanto o espao
amostral : = {1,2,3,4,5,6}
Assim, a probabilidade do evento A ser: P (A) = 1/6
Quando dizemos que a probabilidade do evento A 1/6, isto no
significa que, se jogarmos o dado seis vezes, em uma delas sair, com toda a
certeza, o nmero 5. Pode ser que o nmero 5 no saia nenhuma vez, ou ele
pode sair mais de uma vez.
A probabilidade 1/6 indica apenas que, se repetirmos esse experimento
um nmero muito grande de vezes, o evento A vai ocorrer em aproximadamente
1/6 do total de jogadas.

Exemplo 1
Uma urna contm 15 bolas numeradas de 1 a 15. Uma bola extrada ao acaso.
Qual a probabilidade de ser sorteada uma bola com nmero maior ou igual a 11?
Temos: = {1, 2, 3, ..., 15}

Seja o evento E: o nmero da bola sorteada maior ou igual a 11.
Logo: E = {11, 12, 13, 14, 15}.

Assim, p(E) = =
15
=
5
3
1
= 33,3%
n(E)
n()

Exemplo 2
Um dado lanado e observa-se o nmero da face voltada para cima. Qual a
probabilidade desse nmero ser:
a) menor que 3? b) Maior ou igual a 3?

a) Temos = {1, 2, 3, 4, 5, 6}
E = {1, 2}. Ento, p(E) =
6
2
=
3
1

b) basta considerar o evento complementar: E
c
= {3, 4, 5, 6}.
Assim, p(E
c
) = =
6
4
=
3
2
.
n(E
c
)
n()

p(E) + p(E
c
) = 1
Note que

Exemplo 3
Uma moeda lanada trs vezes, sucessivamente. Qual a probabilidade de
observarmos: a) exatamente uma cara?; b) No mximo duas caras?
40
Vamos construir um diagrama de rvore onde na 1, 2 e 3 colunas,
respectivamente, representaremos os possveis resultados para o 1, 2 e 3
lanamentos.

K (K,K,K)
K
C (K,K,C)
K
K (K,C,K)
C
C (K,C,C)

K (C,K,K)
K
C (C,K,C)
C
K (C,C,K)
C
C (C,C,C)
K: cara

C: coroa

O espao amostral formado pelas oito seqncias indicadas.

a) O evento E
1
= {(K,C,C), (C,C,K), (C,K,C)}

Assim, p(E
1
) = =
8
3
= 37,5%
n(E
1
)
n()

b) As seqncias que nos interessam so aquelas que apresentam nenhuma,
uma ou duas caras. Assim, o evento pedido :
E
2
= {(C,C,C),(K,C,C),(C,K,C),(C,C,K),(K,K,C),(K,C,K),(C,K,K)}
Logo, p(e
2
) =
8
7
= 87,5%.
Exemplo 4
Uma turma tem 20 homens e 25 mulheres. Deseja-se formar uma comisso de cinco
alunos para representantes de turma. Qual a probabilidade de essa comisso
vir a ser formada exclusivamente por meninos?
O nmero de elementos de igual ao nmero de maneiras de se escolher uma
comisso qualquer de cinco pessoas, a partir dos 45 alunos. Como vimos, n()
= C
45,5
.
O evento que interessa aquele em que todos os alunos da comisso so
meninos. O nmero de comisses assim existentes C
20,5
.
Assim, a probabilidade pedida :

P(E) = = 0,0126 = 1,26%
C
20,5
C
45,5
41
Exemplo 5
Escolhe-se, ao acaso, um dos anagramas da palavra XADREZ. Qual a
probabilidade da palavra escolhida comear por XA?
O nmero de elementos de o nmero de permutaes da palavra XADREZ.
Ento, n() = P
6
= 6! = 720.
O evento E = palavra comea por XA:

X A __ __ __ __

Definidas as duas primeiras letras, h P = 4!
4
maneiras de se preencherem as lacunas restantes.

Assim, n(E) = 4! = 24.
Logo, a probabilidade pedida p(E) = =
720
24
= 3,33%
n(E)
n()

Exemplo 6
Numa comunidade residem 100 pessoas. Uma pesquisa sobre os hbitos
alimentares dessa comunidade revelou que:
25 pessoas consomem carnes e verduras
83 pessoas consomem verduras
39 pessoas consomem carnes
Uma pessoa da comunidade escolhida ao acaso. Qual a probabilidade de ela:
a) consumir exclusivamente carne?
b) Ter o hbito alimentar de no comer nem carne nem verdura?
Vamos construir um diagrama representando carne por C e verdura por V.

comunidade
V
25
C
58 14
3

1) H 25 pessoas na integrao de C e V.
2) Pessoas que consomem exclusivamente verduras: 83 25 = 58
3) Pessoas que consomem exclusivamente carnes: 39 25 = 14
4) Como 25 + 58 + 14 = 97, h 3 pessoas que no comem carnes nem verduras.
Assim, as probabilidades pedidas so:
a)
100
14
= 0,14 = 14% b)
100
3
= 0,03 = 3%

42
3.7 Probabilidade da unio de dois eventos

Sejam A e B eventos de um mesmo espao amostral . Vamos encontrar uma
expresso para a probabilidade de ocorrer o evento A ou o evento B, isto , a
probabilidade da ocorrncia do evento A U B.
Consideremos dois casos:

1) eventos mutuamente exclusivos

A I B =
Temos:
n(A U B) = n(A) + n(B)
Como n() 0, podemos escrever:

n(A U B) n(A) n(B)

n() n() n()
+

=
B
A

Da definio de probabilidade, segue:

P(A U B) = p(A) + p(B)

Nesse caso, A e B so chamados eventos mutuamente exclusivos.

2) eventos com ocorrncias simultneas: A I B

Da teoria dos conjuntos, temos:

n(A U B) = n(A) + n(B) n(A I B)

De modo anlogo ao primeiro caso:

p(A U B) = p(A) + p(B) p(A I B)

A B
A I B

O evento A I B representa a ocorrncia simultnea dos eventos A e B.

Exemplo 1
Uma urna contm 25 bolas numeradas de 1 a 25. Uma bola extrada ao acaso
dessa urna.
a) Qual a probabilidade de o nmero da bola sorteada ser mltiplo de 2
ou de 3?
Consideremos os eventos A, o nmero mltiplo de 2 e B, o nmero
mltiplo de 3. Queremos encontrar p(A U B). Temos:
43
A = {2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24} p(A) = =
25
12

n(A)
n()
B = {3, 6, 9, 12, 15, 18, 21, 24} p(B) = =
25
8

n(B)
n()
A I B = {6, 12, 18, 24}: o evento formado pelos mltiplos de 2 e 3 ao mesmo
tempo, isto , pelos mltiplos de 6. Temos: p(A I B) =
25
4
.
Como p(A U B) = p(A) + p(B) p(A I B)
Temos: p(A U B) =
25
12
+
25
8

25
4
=
25
16
= 0,64 = 64%.

b) Qual a probabilidade de o nmero da bola sorteada ser mltiplo de 5
ou de 7?
A = {5, 10, 15, 20, 25} p(A) =
25
5

B = {7, 14, 21} p(B) =
25
3

Como A I B = , temos:
p(A U B) = p(A) + p(B) p(A U B) =
25
5
+
25
3
=
25
8
= 0,32 = 32%.
Exemplo 2
A probabilidade de um guarda rodovirio aplicar quatro ou mais multas em um
dia de 63%; a probabilidade de ele aplicar quatro ou menos multas em um dia
de 56%. Qual a probabilidade de o guarda aplicar exatamente quatro
multas?
Consideremos os eventos:
A: quatro ou mais multas; p(A) = 0,63
B: quatro ou menos multas; p(B) = 0,56
Temos:
1) A B o evento guarda aplica exatamente quatro multas. Queremos
determinar p(A I B).
I
2) A B = (em um dia o guarda aplica menos de quatro multas, ou quatro
multas, ou mais de quatro multas).
U
44
Assim, p(A U B) = p() = 1 (pois A U B o evento certo). Da:
P(A U B) = p(A) + p(B) p(A I B)
1 = 0,63 + 0,56 - p(A I B) p(A I B) = 0,19 = 19%

Exemplo 3
Observe a roleta da figura abaixo e pense na probabilidade existente de sada
para cada nmero.

a) Qual a probabilidade de cada evento elementar?
P(1) = P(2) = P(4) = P(5) = P(6) = P(7) = 1/8 P(3) = 2/8
b) Qual a probabilidade de o nmero ser par? P({2,4,6}) = 3/8
c) Qual a probabilidade de dar o nmero 3? P(3) = 2/8 = 1/4

3.8 Experincia Composta
Tambm pode nos interessar o clculo da probabilidade de uma
experincia composta, ou seja, a realizao de dois ou mais experimentos
aleatrios simples.
Nesses casos, a freqncia relativa esperada para cada resultado
possvel do experimento obtida a partir do produto das freqncias
relativas esperadas de cada elemento que compe o referido resultado.

Exemplo:

Temos uma moeda e duas caixas cheias de bolas coloridas. Na caixa A
temos duas bolas vermelhas e cinco pretas, enquanto na B h quatro bolas
vermelhas e uma bola azul.
Imagine a seguinte experincia composta: lanamos uma moeda; se der
"cara", extramos uma bola da caixa A; e se der "coroa", uma bola da caixa B.
Em seguida, vamos representar por um diagrama em rvore os resultados
possveis da experincia composta.
Vamos Indicar tambm as freqncias relativas esperadas para cada
experincia parcial.
Como observamos no esquema da figura anterior, o espao amostral :
= {(cara, vermelha), (cara, preta), (coroa, vermelha), (coroa, azul)}
45

cara
coroa
5
1
5
4
7
5
7
2
vermelha
2
1
2
1
preta
vermelha
azul
O objetivo definir uma probabilidade para o conjunto , que
representa os resultados possveis da experincia composta.
A relao de freqncia obtida atribuindo-se a cada resultado o
produto das freqncias relativas esperadas, que aparecem em cada ramo
completo do diagrama em rvore da figura.
Desta maneira, comprovamos que a relao de freqncia, neste caso, a
seguinte:
Elemento Imagem
cara, vermelha 1/2 x 2/7 = 2/14
cara, preta 1/2 x 5/7 = 5/14
coroa, vermelha 1/2 x 4/7 = 4/14
coroa, azul 1/2 x 1/7 = 1/10

Agora podemos calcular a probabilidade de qualquer evento dessa
experincia composta.

3.9 Probabilidade condicional
Seja E: lanar um dado e o evento A = {sair o n 3}. Ento, P(A) =
6
1

Considere agora o evento B = {sair um nmero mpar} = {1, 3, 6}.
de grande importncia para o clculo das probabilidades se calcular
a probabilidade condicional. No exemplo, pode-se querer avaliar a
probabilidade do evento A condicionada ocorrncia do evento B. Em smbolos,
46
designa-se por P(A/B) e l-se: probabilidade do evento A condicionada
ocorrncia de B, ou melhor, probabilidade de A dado B.
Assim: P(A/B) = 1/3.

Obs: dada a ocorrncia de um evento, teremos a reduo do espao-amostra; no
caso, = {1, 2, 3, 4, 5, 6} foi reduzido para
`
= {1, 3, 5} e neste
espao-amostra reduzido que se avalia a probabilidade do vento.
Definio: Dados dois eventos, A e B, denota-se P(A/B) a probabilidade
condicionada do evento A, quando B tiver ocorrido, por:

com P(B) 0,
pois B j ocorreu
P(A B) I
P(B)
P(A/B) =

Vamos encontrar uma frmula para o clculo da probabilidade condicional:

P(A I B)
I
I
NCF (B)
NCF(A B)
=
NTC
NCF(B)
=
NCF(A B)
NTC
P(B)
NTC = Nmero
total de casos

P(A/B)
=

Desta maneira, para calcular a probabilidade de A dado B, basta contar o
nmero de casos favorveis ao evento A I B: [NCF(A I B)] e dividir pela
quantidade de casos favorveis ao evento B: [NCF(B)].

Exemplo: Dois dados so lanados. Consideremos os eventos:
A = {(X
1
, X
2
)/ X
1
+ X
2
= 10} e B = {(X
1
, X
2
)/ X
1
> X
2
}
Onde X
1
o resultado do dado 1 e X
2
o resultado do dado 2.
Calcular P(A); P(B); P(A/B); P(B/A)

Soluo
(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
=
NCF ao evento A
36
3

12
1
= P(A) = =
NTC

Obs: apenas o par
(6,4) favorvel
ao evento (A B). I

1
3
NCF a (A I B)
P(A/B) = =
NTC a B
47
4 ESTATSTICA BSICA

4.4 CONCEITOS FUNDAMENTAIS

A Estatstica pode ser encarada como uma cincia ou como um mtodo de
estudo. Duas concepes para a palavra ESTATSTICA:

a) no plural (estatsticas), indica qualquer coleo consistente de dados
numricos, reunidos com a finalidade de fornecer informaes acerca de uma
atividade qualquer. Por exemplo, as estatsticas demogrficas referem-se
aos dados numricos sobre nascimentos, falecimentos, matrimnios,
desquites, etc.

b) no singular (estatstica), indica um corpo de tcnicas, ou ainda uma
metodologia tcnica desenvolvida para a coleta, a classificao, a
apresentao, a anlise e a interpretao de dados quantitativos e a
utilizao desses dados para a tomada de decises.
Qualquer cincia experimental no pode prescindir das tcnicas proporcionadas
pela Estatstica, como por exemplo, a Fsica, a Biologia, a Administrao, a
Economia, etc. Todos esses ramos de atividade profissional tem necessidade de
um instrumental que se preocupa com o tratamento quantitativo dos fenmenos
de massa ou coletivos, cuja mensurao e anlise requerem um conjunto de
observaes de fenmeno ou particulares.

DEFINIO DE ESTATSTICA

Estatstica a cincia que se preocupa com a coleta, a organizao,
descrio (apresentao), anlise e interpretao de dados experimentais e
tem como objetivo fundamental o estudo de uma populao.
Este estudo pode ser feito de duas maneiras:
Investigando todos os elementos da populao ou
Por amostragem, ou seja, selecionando alguns elementos da populao.
48

Modelagem
Planejamento
Experimentao
Comparao e
identificao
das melhores
solues

Documentao
Apresentao
dos resultados
Implementao

Projeto
experimental

Experimentao

Anlise
estatstica
dos
resultados

Coleta de
dados

Traduo do
modelo

Verificao
e validao
do modelo

Formulao e
anlise do
Problema

Planejamento do
projeto

Formulao do
modelo
conceitual

Coleta de macro
informaes

Concluso

4.5 DIVISO DA ESTATSTICA

Estatstica
Inferencial
Estatstica
Descritiva
Mtodos
Estatsticos

Estatstica Descritiva: aquela que se preocupa com a coleta, organizao,
classificao,apresentao, interpretao e analise de dados referentes ao
fenmeno atravs de grficos e tabelas alm de calcular medidas que permita
descrever o fenmeno.

Estatstica Indutiva (Amostral ou Inferencial): a aquela que partindo de
uma amostra, estabelece hipteses, tira concluses sobre a populao de
origem e que formula previses fundamentando-se na teoria das probabilidades.
A estatstica indutiva cuida da anlise e interpretao dos dados.
O processo de generalizao do mtodo indutivo est associado a uma
margem de incerteza. Isto se deve ao fato de que a concluso que se pretende
obter para o conjunto de todos os indivduos analisados quanto a determinadas
caractersticas comuns baseia-se em uma parcela do total de observaes.
49

P Po op pu ul la a o o? ?
Envolve:
Estimao
Teste de Hiptese

Propsito:
Tomar Decises sobre as
caractersticas da Populao
P Po op pu ul la a o o
A Am mo os st tr ra a
E Es st ta at t s st ti ic ca a
A Am mo os st tr ra al l

( ( X X ) )
E Es st ti im ma at ti iv va as s & &
t te es st te es s

4.6 POPULAO

o conjunto, finito ou infinito, de indivduos ou objetos que
apresentam em comum determinadas caractersticas definidas, cujo
comportamento interessa analisar.
A populao estudada em termos de observaes de caractersticas nos
indivduos (animados ou inanimados) que sejam relevantes para o estudo, e no
em termos de pessoas ou objetos em si. O objetivo tirar concluses sobre o
fenmeno em estudo, a partir dos dados observados.
Como em qualquer estudo estatstico temos em mente estudar uma ou mais
caractersticas dos elementos de uma populao, importante definir bem
essas caractersticas de interesse para que seja delimitado os elementos que
pertencem populao e quais os que no pertencem.

50
Exemplos:
1. Estudar os filhos tidos, tipo de moradia, condies de trabalho, tipo de
sanitrio. Nmeros de quartos para dormir, estado civil, uso da terra, tempo
de trabalho, local de nascimento, tipo de cultivo, etc., dos agricultores do
Estado do Amazonas.
Populao: Todos os agricultores (proprietrios de terra ou no) plantadores
das culturas existentes no Estado do Amazonas.

2. Estudar a precipitao pluviomtrica anual (em mm) na cidade de Manaus.
Populao: Conjunto das informaes coletadas pela Estao Pluviomtrica,
durante o ano.

4. As alturas dos cidados do Amazonas constituem uma populao ou a
populao dos pesos desses cidados.

E Es st ta at t s st ti ic ca a I In nf fe er re en nc ci ia al l
( (P Pr ro ob ba ab bi il li id da ad de e) )
E Es st ta at t s st ti ic ca a
D De es sc cr ri it ti iv va a
A Am mo os st tr ra ag ge em m

Dados
Populao

Diviso Da Populao

- Populao Finita: apresenta um nmero limitado de elementos. possvel
enumerar todos os elementos componentes.

Exemplos:
1. Idade dos universitrios do Estado do Par.
Populao: Todos os universitrios do Estado do Par.

- Populao Infinita: apresenta um nmero ilimitado de elementos. No
possvel enumerar todos os elementos componentes.
Entretanto, tal definio existe apenas no campo terico, uma vez que,
na prtica, nunca encontraremos populaes com infinitos elementos, mas sim,
51
populaes com grande nmero de componentes; e nessas circunstncias, tais
populaes so tratadas como se fossem infinitas.

Exemplos:
1. Tipos de bactrias no corpo humano
Populao: Todas as bactrias existentes no corpo humano.

2. Comportamento das formigas de certa rea
Populao: Todas as formigas da rea em estudo.

4.4 AMOSTRAGEM
a coleta das informaes de parte da populao, chamada
amostra (representada por pela letra n), mediante mtodos adequados de
seleo destas unidades.

4.5 AMOSTRA
uma parte (um subconjunto finito) representativa de uma
populao selecionada segundo mtodos adequados.
O objetivo fazer inferncias, tirar concluses sobre populaes
com base nos resultados da amostra, para isso necessrio garantir que
amostra seja representativa, ou seja, a amostra deve conter as mesmas
caractersticas bsicas da populao, no que diz respeito ao fenmeno que
desejamos pesquisar.
O termo induo um processo de raciocnio em que, partindo-se do
conhecimento de uma parte, procura-se tirar concluses sobre a realidade no
todo.
Ao induzir estamos sujeitos a erros. Entretanto, a Estatstica
Indutiva, que obtm resultados sobre populaes a partir das amostras, diz
qual a preciso dos resultados e com que probabilidade se pode confiar nas
concluses obtidas.

4.6 CENSO

o exame completo de toda populao.
Quanto maior a amostra, mais precisas e confiveis devero ser as
indues feitas sobre a populao. Logo, os resultados mais perfeitos so
obtidos pelo Censo. Na prtica, esta concluso muitas vezes no acontece: o
emprego de amostras, com certo rigor tcnico, pode levar a resultados mais
52
confiveis ou at mesmo melhores do que os que seriam obtidos atravs de um
Censo.
As razes de se recorrer a amostras so: menor custo e tempo para
levantar dados; melhor investigao dos elementos observados.

4.7 TIPOS DE VARIVEIS

Varivel Qualitativa
Quando seus valores so expressos por atributos ou qualidade.

Exemplos:

1) Populao: Estudantes universitrios do Estado do Par.
Variveis: sexo, profisso, escolaridade, religio, meio onde vivem (rural,
urbano).

2) Populao: Populao dos bairros perifricos do municpio de Belm.
Variveis: tipo de casa, existncia de gua encanada (sim, no), bairro de
origem.

Variveis qualitativas que no so ordenveis recebem o nome de nominais.
Exemplo: religio, sexo, raa, cor.

Raa do AM - 2005
Raa Freqncia
Branca
Negra
Parda
Outra
Total
F

onte: Fictcia
Variveis qualitativas que so ordenveis recebem o nome de ordinais.
Exemplo: nvel de instruo, classe social.

Classe social do AM - 2005
Classe social Freqncia
Classe A
Classe B
Classe C
Classe D
Total
Fonte: Fictcia
53

Varivel Quantitativa

Quando seus valores so expressos por nmeros. Esses nmeros podem ser
obtidos por um processo de contagem ou medio.

Exemplos:

1) Populao: Todos os agricultores do Estado do Par.
Variveis: nmero de filhos tidos, extenso da rea plantada, altura, idade.

2) Populao: Populao dos bairros perifricos do municpio de Belm
Variveis: nmero de quartos, rea da casa em m
2
, nmero de moradores.

A VARIVEL QUANTITATIVA DIVIDE-SE EM:

a. Varivel Discreta: so aquelas que podem assumir apenas valores inteiros
em pontos da reta real. possvel enumerar todos os possveis valores da
varivel.
Exemplos:

. Populao: Universitrios do Estado do Par.
Variveis: nmero de filhos, nmero de quartos da casa, nmero de moradores,
nmero de irmos.

b. Varivel Contnua: so aquelas que podem assumir qualquer valor num certo
intervalo (contnuo) da reta real. No possvel enumerar todos os possveis
valores.

. Populao: Todos os agricultores do Estado do Par.
Variveis: idade, renda familiar; extenso da rea plantada (em m
2
) , peso e
altura das crianas agricultoras.

4.8 DEFINIO DO PROBLEMA

A primeira fase do trabalho estatstico consiste em uma definio ou
formulao correta do problema a ser estudado e a seguir escolher a natureza
dos dados. Alm de considerar detidamente o problema objeto de estudo o
54
analista dever examinar outros levantamentos realizados no mesmo campo e
anlogos, uma vez que parte da informao de que necessita pode, muitas
vezes, ser encontrada nesses ltimos. Saber exatamente aquilo que pretende
pesquisar o mesmo que definir de maneira correta o problema.

Por exemplo:

- os preos dos produtos agrcolas produzidos no Estado do Par so menores
do que queles originados de outros Estados?
- qual a natureza e o grau de relao que existe entre a distribuio da
pluviosidade e a colheita do produto x?
- estudar uma populao por sexo: dividi-se os dois grupos em masculino e
feminino;
- estudar a idade dos universitrios, por grupos de idade: distribui-se o
total de casos conhecidos pelos diversos grupos etrios pr-estabelecidos;
- Analisar a capacidade de germinao de certo tipo de cereal:
Calcular a mdia, a mediana e a moda do nmero de sementes germinadas, ou
seja, descrever com alguns valores resultados obtidos.
Representar graficamente os resultados.
Calcular a proporo de vasos com mais de trs sementes germinadas.

4.9 DEFINIO DOS OBJETIVOS (GERAL E ESPECFICO)

definir com exatido o que ser pesquisado.
recomendvel ter em vista um objetivo para o estudo, em lugar de
coletar o material e defin-lo no decorrer do trabalho ou s no fim deste.

Objetivos mais comuns em uma pesquisa:

. Dados pessoais: grau de instruo, religio, nacionalidade, dados
profissionais, familiares, econmicos, etc.
. Dados sobre comportamento: como se comportam segundo certas circunstncias.
Ex: possvel remanejamento da rea habitada.
. Opinies, expectativas, nveis de informao, angstias, esperanas,
aspiraes sobre certos assuntos.
. Dados sobre as condies habitacionais e de saneamento que avalie as
condies em que vivem e a qualidade de vida de certo grupo.
55
4.10 PLANEJAMENTO

Resultados / Concluses
Metodologia
de
estudo
Metodologia
Estatstica

Anlise e interpretao dos dados
Apresentao dos dados
Coleta e crtica e apurao dos dados
Planejamento da pesquisa
Definio do Problema / Objetivos

O problema est definido. Como resolv-lo? Se atravs de amostra, esta
deve ser significativa para que represente a populao.
O planejamento consiste em se determinar o procedimento necessrio para
resolver o problema e, em especial, como levantar informaes sobre o assunto
objeto de estudo. Que dados devero ser coletados? Como se deve obt-los?
preciso planejar o trabalho a ser realizado tendo em vista o objetivo que se
pretende atingir.
nesta fase que ser escolhido o tipo de levantamento a ser utilizado,
que podem ser:
a) levantamento censitrio, quando a contagem for completa, abrangendo todo o
universo;
b) levantamento por amostragem, quando a contagem for parcial.
Outros elementos importantes que devem ser tratados nessa fase so o
cronograma das atividades, atravs do qual so fixados os prazos para as
vrias fases, os custos envolvidos, o exame das informaes disponveis, o
delineamento da amostra, a forma como sero coletados os dados, os setores ou
reas de investigao, o grau de preciso exigido e outros.

4.11 COLETA DOS DADOS

Refere-se a obteno, reunio e registro sistemtico de dados, com o
objetivo determinado.
56
A escolha da fonte de obteno dos dados est diretamente relacionada
ao tipo do problema, objetivos do trabalho, escala de atuao e
disponibilidade de tempo e recursos.
a) Fontes primrias: o levantamento direto no campo atravs de mensuraes
diretas ou de entrevistas ou questionrios aplicados a sujeitos de interesse
para a pesquisa.
Vantagens: grau de detalhamento com respeito ao interesse dos quesitos
levantados; maior preciso das informaes obtidas.
b) Fontes secundrias: quando so publicados ou registrados por outra
organizao.
A coleta de dados secundrios se realiza atravs de documentos
cartogrficos (mapas, cartas, imagens e fotografias obtidas por sensor remoto
ou por fotogrametria e imagens de radar). Estas fontes de informao so de
extrema importncia.
Das fotografias areas em escalas reduzidas ou mais detalhadas, das
imagens de radares ou satlite e de cartas obtm-se informaes quanto ao uso
do solo, drenagem, estruturas virias e urbanas, povoamento rural, recursos
florsticos, minerais e pedolgicos, estrutura fundiria e de servios, dados
altimtricos, etc.
Vantagens: inclui um processo de reduo e agregao de informaes.
A coleta dos dados pode ser feita de forma direta ou indireta.

4.12 CRTICA DOS DADOS

A crtica dos dados deve ser feita com cuidado atravs de um trabalho
de reviso e correo, ao qual chamamos de crtica (consistncia), a fim de
no de incorrer em erros que possam afetar de maneira sensvel os resultados.
As perguntas dos questionrios uniformemente mal compreendidas, os
enganos evidentes, tais como somas erradas, omisses, trocas de respostas e
etc, so fceis de corrigir. necessrio, entretanto, que o crtico no faa
a correo por simples suposio sua, mas sim que tenha chegado a concluso
absoluta do engano.
Quelet dividiu a crtica em: externa e interna.
A crtica externa refere-se as imperfeies porventura existentes na
coleta dos dados, por deficincia do observador, por imperfeio do
instrumento de trabalho, por erro de registro nas fichas, impreciso nas
respostas aos quesitos propostos e outros fatores de erro que justificam um
57
verificao minuciosa dos dados coletados antes de iniciar a elaborao do
trabalho de anlise.
A crtica interna diz respeito a verificao da exatido das
informaes obtidas. mister examinar as respostas dadas, sanando
imperfeies e omisses, de forma que os dados respondam com preciso aos
quesitos formulados.
As informaes relativas a profisso no devem ser vagas como, por
exemplo: operrio, mas sim, oleiro, pedreiro, carpinteiro, etc., conforme o
caso.
O estado civil ser declarado: solteiro, casado, vivo ou desquitado.
Em resumo, os dados devem sofrer uma crtica criteriosa com o objetivo
de afastar os erros to comuns nessa natureza de trabalho. As informaes
inexatas ou omissas devem ser corrigidas. Os questionrios devem voltar a
fonte de origem sempre que se fizerem necessrio sua correo ou
complementao.

4.13 APURAO (ARMAZENAMENTO) DOS DADOS

um processo de apurao ou sumarizao que consiste em resumir os
dados atravs de sua contagem ou agrupamento. um trabalho de condensao e
de tabulao dos dados, que chegam ao analista de forma desorganizada.
Atravs da apurao, se tem a oportunidade de condensar os dados de
modo a obter um conjunto compacto de nmeros, o qual possibilita distinguir
melhor o comportamento do fenmeno na sua totalidade.
Os dados de fenmenos geogrficos podem ser organizados em mapas,
tabelas, matrizes, disquetes ou fitas.

4.14 EXPOSIO OU APRESENTAO DOS DADOS

H duas formas de apresentao que no se excluem mutuamente:

Apresentao Tabular

uma apresentao numrica dos dados. Consiste em dispor os dados em
linhas e colunas distribudos de modo ordenado, segundo algumas regras
prticas adotadas pelo Conselho Nacional de Estatstica. As tabelas tm a
vantagem de conseguir expor, sistematicamente em um s local, os resultados
58
sobre determinado assunto, de modo a se obter uma viso global mais rpida
daquilo que se pretende analisar.

Apresentao Grfica

Constitui uma apresentao geomtrica dos dados. Permite ao analista
obter uma viso rpida e clara do fenmeno e sua variao.

4.15 ANLISE E INTERPRETAO DOS DADOS

Nessa etapa, o interesse maior consiste em tirar concluses que
auxiliem o pesquisador a resolver seu problema. A anlise dos dados
estatsticos est ligada essencialmente ao clculo de medidas, cuja
finalidade principal descrever o fenmeno. Assim, o conjunto de dados a ser
analisado pode ser expresso por nmero-resumo, as estatsticas, que
evidenciam caractersticas particulares desse conjunto.

4.16 REGRAS DE ARREDONDAMENTO

De acordo com as Normas de Apresentao Tabular - 3 edio/1993 - da
Fundao IBGE, o arredondamento feito da seguinte maneira:
1. Se o nmero que vai ser arredondado for seguido de 0, 1, 2, 3 ou 4 ele
deve ficar inalterado.

Nmero a arredondar Arredondamento para Nmero arredondado
6,197 Inteiro 6
12,489 Inteiro 12
20,733 Dcimos 20,7
35,992 Centsimos 35,99

2. Se o nmero que vai ser arredondado for seguido de 5, 6, 7, 8 ou 9 ele
deve ser acrescido de uma unidade.

Nmero a arredondar Arredondamento para Nmero arredondado
15,504 Inteiro 16
21,671 Inteiro 22
16,571 Dcimos 16,6
17,578 Centsimos 17,58
215,500 Inteiros 216
216,500 inteiros 217
216,750 dcimos 216,8
216,705 centsimos 216,71

59
OBS: No faa arredondamento sucessivos
Ex.: 17,3452 passa a 17,3 e no para 17,35 , para 17,4.
Se houver necessidade de um novo arredondamento, voltar aos dados originais.

Tabela 3.1: Produo de Caf
Brasil - 1978-1983
Anos
Quantidade
(1000 ton)
1978
(1)
2535
1979 2666
1980 2122
1981 3760
1982 2007
1983 2500
Fonte: Fictcia
Nota: Produo destinada para o consumo interno.
(1) Parte exportada para a Argentina.

Denomina-se SRIE ESTATSTICA toda tabela que apresenta a distribuio
de um conjunto de dados estatsticos em funo da POCA, do LOCAL, ou da
ESPCIE (fenmeno).
Numa srie estatstica observa-se a existncia de trs elementos ou
fatores: o TEMPO, o ESPAO e a ESPCIE.
Conforme varie um desses elementos, a srie estatstica classifica-se
em TEMPORAL, GEOGRFICA e ESPECFICA.

4.17 SRIE TEMPORAL, HISTRICA OU CRONOLGICA

a srie cujos dados esto em correspondncia com o tempo, ou seja,
variam com o tempo.
Tabela 3.2: Produo Brasileira de Trigo
1988-1993
Anos
Quantidade
(1000 ton)
1988
(1)
2345
1989 2451
1990 2501
1991 2204
1992 2306
1993 2560
Fonte: IBGE
Nota: Produo voltada para o consumo interno.
(1) Parte da produo exportada.
. Elemento varivel: tempo (fator cronolgico)
. Elemento fixo: local (fator geogrfico) e o fenmeno (espcie)
60

4.18 GRFICOS ESTATSTICOS

A Estatstica Descritiva pode descrever os dados atravs de grficos.
A apresentao grfica um complemento importante da apresentao
tabular. A vantagem de um grfico sobre a tabela est em possibilitar uma
rpida impresso visual da distribuio dos valores ou das freqncias
observadas. Os grficos propiciam uma idia inicial mais satisfatria da
concentrao e disperso dos valores, uma vez que atravs deles os dados
estatsticos se apresentam em termos de grandezas visualmente interpretveis.

REQUISITOS FUNDAMENTAIS EM UM GRFICO:

a. Simplicidade: possibilitar a anlise rpida do fenmeno observado. Deve
conter apenas o essencial.
b. Clareza: possibilitar a leitura e interpretaes correta dos valores do
fenmeno.
c. Veracidade: deve expressar a verdade sobre o fenmeno observado.

TIPOS DE GRFICOS QUANTO A FORMA:

a. Diagramas: grficos geomtricos dispostos em duas dimenses. So mais
usados na representao de sries estatsticas.
b. Cartogramas: a representao sobre uma carta geogrfica, sendo muito
usado na Geografia, Histria e Demografia.
c. Estereogramas: representam volumes e so apresentados em trs dimenses.
d. Pictogramas: a representao grfica consta de figuras representativas do
fenmeno. Desperta logo a ateno do pblico.

CLASSIFICAO DOS GRFICOS QUANTO AO OBJETIVO

Grficos de informao

O objetivo proporcionar uma visualizao rpida e clara da
intensidade das categorias ou dos valores relativos ao fenmeno. So grficos
tipicamente expositivos, devendo ser o mais completo possvel, dispensando
comentrios explicativos.

61
Caractersticas:

- deve conter ttulo em letra de forma;
- as legendas podem ser omitidas, desde que as informaes presentes
possibilitem a interpretao do grfico.

Grficos de anlise

Estes grficos fornecem informaes importantes na fase de anlise dos
dados, sendo tambm informativos.
Os grficos de anlise, geralmente, vm acompanhado de uma tabela e um
texto onde se destacam os pontos principais revelados pelo grfico ou pela
tabela.

4.19 PRINCIPAIS TIPOS DE GRFICOS

4.19.1 GRFICOS EM CURVAS OU EM LINHAS

So usados para representar sries temporais, principalmente quando a
srie cobrir um grande nmero de perodos de tempo.

Considere a srie temporal:
Tabela 4.1
Produo de Arroz do Municpio X - 1984-1994
Anos
Quantidade
(1000 ton)
1984 816
1985 904
1986 1.203
1987 1.147
1988 1.239
1989 1.565
1990 1.620
1991 1.833
1992 1.910
1993 1.890
1994 1.903
Fonte: Fictcia

62
Grfico 4.1. Produo de Arroz do Municpio X - 1984-1994
0
500
1000
1500
2000
2500
84 85 86 87 88 89 90 91 92 93 94
(1000 ton)

4.19.2 GRFICOS EM COLUNAS

a representao de uma srie estatstica atravs de retngulos,
dispostos em colunas (na vertical) ou em retngulos (na horizontal). Este
tipo de grfico representa praticamente qualquer srie estatstica.
As regras para a construo so as mesmas do grfico em curvas.
As bases das colunas so iguais e as alturas so proporcionais aos
respectivos dados.
Exemplo: Tabela 4.2
Produo de Soja do Municpio X - 1991-1995
Anos
Quantidade
(ton.)
1991 117.579
1992 148.550
1993 175.384
1994 220.272
1995 265.626
Fonte: Secretaria Municipal de Agricultura

Para cada ano construda uma coluna, variando a altura (proporcional
a cada quantidade). As colunas so separadas uma das outras.
Observao: O espao entre as colunas pode variar de 1/3 a 2/3 do tamanho da
base da coluna.

63
0
50000
100000
150000
200000
250000
300000
T
o
n
e
l
a
d
a
s
1991 1992 1993 1994 1995
Grfico 4.2. Produo de Soja do Municpio X - 1991-1995

Uso do grfico em colunas para representar outras sries estatsticas

Tabela 4.3
reas (Km
2
) das Regies Fisiogrficas - Brasil - 1966
Regies Fisiogrficas rea
(Km
2
)
Norte 3.581.180
Nordeste 965.652
Sudeste 1.260.057
Sul 825.621
Centro-oeste 1.879.965
Brasil 8.511.965
Fonte: IBGE.

0
500.000
1.000.000
1.500.000
2.000.000
2.500.000
3.000.000
3.500.000
4.000.000 Km2
Norte Nordeste Sudeste Sul Centro-Oeste
Grafico 4.3. reas (Km2) das Regies Fisiogrficas - Brasil - 1966.

Obs: Na tabela as regies so apresentadas em ordem geogrficas. No grfico
as colunas so ordenadas pela altura, da maior para a menor, da esquerda para
a direita.

64
4.19.7 GRFICOS EM BARRAS

As alturas dos retngulos so iguais e arbitrrias e os comprimentos
so proporcionais aos respectivos dados.
As barras devem ser separadas uma das outras pelo mesmo espao de forma
que as inscries identifiquem as diferentes barras. O espao entre as barras
pode ser a metade () ou dois teros(2/3) de suas larguras.
As barras devem ser colocadas em ordem de grandeza de forma decrescente
para facilitar a comparao dos valores. A categoria outros (quando
existir) so representadas na barra inferior, mesmo que o seu comprimento
exceda o de alguma outra.

Outra representao grfica da Tabela 4.3:

0
5
0
0
.
0
0
0
1
.
0
0
0
.
0
0
0
1
.
5
0
0
.
0
0
0
2
.
0
0
0
.
0
0
0
2
.
5
0
0
.
0
0
0
3
.
0
0
0
.
0
0
0
3
.
5
0
0
.
0
0
0
4
.
0
0
0
.
0
0
0
Km2
Norte
Centro-Oeste
Sudeste
Nordeste
Sul
Grafico 4.4. reas (Km2) das Regies Fisiogrficas - Brasil - 1966.

Tabela 4.4 Matrcula no Ensino Superior, segundo os ramos de ensino -Brasil - 1995
Ramos de ensino Matrculas
Filosofia, Cincias e Letras 44.802
Direito 36.363
Engenharia 26.603
Administrao e Economia 24.027
Medicina 17.152
Odontologia 6.794
Agricultura 4.852
Servio Social 3.121
Arquitetura e Urbanismo 2.774
Farmcia 2.619
Demais ramos 11.002
Total 180.109
65
0
5
0
0
0
1
0
0
0
0
1
5
0
0
0
2
0
0
0
0
2
5
0
0
0
3
0
0
0
0
3
5
0
0
0
4
0
0
0
0
4
5
0
0
0
Matrculas
Filosofia, Cincias e Letras
Direito
Engenharia
Administrao e Econmia
Medicina
Odontologia
Agricultura
Servio Social
Arquitetura e Urbanismo
Farmcia
Demais ramos
Grafico 4.5. Matrcula efetiva no Ensino Superior, segundo os ramos de ensino - Brasil - 1999.

OBS: Quando a varivel em estudo for qualitativa e os nomes das categorias
for extenso ou as sries forem geogrficas ou especficas prefervel o
grfico em barras, devido a dificuldade em se escrever a legenda em baixo da
coluna.

4.19.8 GRFICO EM COLUNAS MLTIPLAS (AGRUPADAS)

um tipo de grfico til para estabelecer comparaes entre as
grandezas de cada categoria dos fenmenos estudados.
A modalidade de apresentao das colunas chamado de Grfico de
Colunas Remontadas. Ele proporciona economia de espaos sendo mais indicado
quando a srie apresenta um nmero significativo de categorias.

Exemplo:
Tabela 4.5 Entrada de migrantes em trs Estados do Brasil - 1992-1994
Nmero de migrantes
Anos

Total
Estados
Amap So Paulo Paran
1992 4.526 2.291 1.626 609
1993 4.633 2.456 1.585 592
1994 4.450 2.353 1.389 708
Fonte: Fictcia

66
0
500
1000
1500
2000
2500
Q
u
a
n
t
i
d
a
d
e
1992 1993 1994
Grfico 4.6. Entrada de migrantes em trs Estados do Brasil
1992-1994.
Amap So Paulo Paran

4.19.9 GRFICO EM BARRAS MLTIPLAS (AGRUPADAS)

til quando a varivel for qualitativa ou os dizeres das categorias a
serem escritos so extensos.
Exemplo:
Tabela 4.6
Importao de vinho e champanhe (BR) proveniente de vrias origens - 1994

Pases

Importao (1.000 dlares)
Vinho Champanhe
Portugal 220 15
Itlia 175 25
Frana 230 90
Argentina 50 5
Chile 75 20
Espanha 110 16

0 50 100 150 200 250
1000 dlares
Frana
Portugal
Itlia
Espanha
Chile
Argentina
Grfico 4.7. Importao Brasileira de vinho e champanhe proveniente de vrias origens -
1994.
Vinho Champanhe

67

4.19.10 GRFICO EM SETORES

a representao grfica de uma srie estatstica em um crculo de
raio qualquer, por meio de setores com ngulos centrais proporcionais s
ocorrncias.
utilizado quando se pretende comparar cada valor da srie com o
total.
O total da srie corresponde a 360 (total de graus de um arco de
circunferncia).
O grfico em setores representam valores absolutos ou porcentagens
complementares.
As sries geogrficas, especficas e as categorias em nvel nominal so
mais representadas em grficos de setores, desde que no apresentem muitas
parcelas (no mximo sete).
Cada parcela componente do total ser expressa em graus, calculada
atravs de uma regra de trs:
Total - 360
Parte - x
Exemplo:
Tabela 4.7
Produo Agrcola do Estado A - 1995
Produtos Quantidade (t)
Caf 400.000
Acar 200.000
Milho 100.000
Feijo 20.000
Total 720.000
Fonte: Fictcia

Grfico 4.8. Produo Agrcola do Estado A - 1995.
Caf
55%
Aucar
28%
Milho
14%
Feijo
3%

Outras maneiras de representar graficamente a Tabela 4.7:
68

0
50.000
100.000
150.000
200.000
250.000
300.000
350.000
400.000
Quantidade (t)
Caf Aucar Milho Feijo

0
5
0
.
0
0
0
1
0
0
.
0
0
0
1
5
0
.
0
0
0
2
0
0
.
0
0
0
2
5
0
.
0
0
0
3
0
0
.
0
0
0
3
5
0
.
0
0
0
4
0
0
.
0
0
0
Quantidade (t)
Caf
Aucar
Milho
Feijo

4.20 DISTRIBUIO DE FREQNCIAS

As tabelas estatsticas, geralmente, condensam informaes de fenmenos
que necessitam da coleta de grande quantidade de dados numricos. No caso das
distribuies de freqncias que um tipo de srie estatstica, os dados
referentes ao fenmeno objeto de estudo se repetem na maioria das vezes
sugerindo a apresentao em tabela onde apaream valores distintos um dos
outros.

DISTRIBUIO DE FREQNCIA PARA DADOS AGRUPADOS

a srie estatstica que condensa um conjunto de dados conforme as
freqncias ou repeties de seus valores. Os dados encontram-se dispostos em
classes ou categorias junto com as freqncias correspondentes. Os elementos
69
poca, local e fenmeno so fixos. O fenmeno apresenta-se atravs de
gradaes, ou seja, os dados esto agrupados de acordo com a intensidade ou
variao quantitativa gradual do fenmeno.

REPRESENTAO DOS DADOS AMOSTRAIS OU POPULACIONAIS

a. Dados brutos: so aqueles que no foram numericamente organizados, ou
seja, esto na forma com que foram coletados.
Tabela 4.1 - Nmero de filhos de um grupo de 50 casais
2 3 0 2 1 1 1 3 2 5
6 1 1 4 0 5 6 0 2
1 4 1 3 1 7 6 2 0 1
3 1 3 5 7 1 3 1 1 0
3 0 4 1 2 2 1 2 3 2
1

b. Rol: a organizao dos dados brutos em ordem de grandeza crescente ou
decrescente.

0 0 0 0 0 0 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 2 2 2 2 2 2 2 2
2 3 3 3 3 3 3 3 3 4
4 4 5 5 5 6 6 6 7 7

A simples observao dos dados brutos apresentados na Tabela 4.1 no
nos permite explicar o comportamento das variveis em estudo.
Um primeiro passo a ser dado, na obteno de informaes mais resumidas
e precisas a respeito do comportamento das variveis, a construo de
tabelas de freqncia.
Para cada varivel estudada, contamos o nmero de vezes que ocorre cada
uma das suas realizaes (ou valores). O nmero obtido chamado freqncia
absoluta e indicado por n
i
(cada realizao de uma varivel apresenta um
valor para n).
Considerando as realizaes da varivel nmero de filhos, temos os
seguintes valores de n
i
(conforme Tabela 4.2):

O filhos: 6 4 filhos: 3
1 filho: 16 5 filhos: 3
2 filhos: 9 6 filhos: 3
3 filhos: 8 7 filhos: 2

70

c. Distribuio de freqncias: a disposio dos valores com as respectivas
freqncias. O nmero de observaes ou repeties de um valor, em um
levantamento qualquer, chamado freqncia desse valor. Uma tabela de
freqncias aquela onde se procura fazer corresponder os valores observados
da varivel em estudo e as respectivas freqncias.
Freqncia absoluta (F
i
): a freqncia absoluta no uma medida muito
eficiente para a anlise dos dados, especialmente nos caso em que se deseja
comparar a distribuio de uma mesma varivel ao longo de populaes
diferentes (poderamos estar interessados em comparar o nmero de filhos em
vrios pases africanos). Assim, precisamos definir uma medida que leve em,
considerao o nmero total de observaes colhidas.
Freqncia relativa (fi): Para isso, definimos a freqncia relativa (f
i
)
como a razo entre a freqncia absoluta (F
i
) e o nmero total de observaes
n, isto :
f
i
=
n
Fi

Como F
i
n, segue que 0 f
i
1. Por esse motivo, comum
expressar f
i
em porcentagem.
Para expressar o resultado em termos percentuais, multiplica-se o
quociente obtido por 100.
Em % = f
i
=
n
Fi
. 100
Obs 1: a soma das freqncias relativas de uma tabela de freqncia sempre
igual a 1,00 : f
i
= 1,00.
Obs 2: a soma das freqncias relativas percentuais de uma tabela de
freqncia sempre igual a 100%.

c.1. Distribuio de freqncias para varivel discreta
Os dados no so agrupados em classes:
71

Varivel N
filhos (x
i
)
Freqncia
absoluta:
Numero de
casais (F
i
)
Freqncia
relativa (f
i
)
Porcentagem
0 6 6/50 = 0,12 12%
1 16 16/50 = 0,32 32%
2 9 9/50 = 0,18 18%
3 8 8/50 = 0,16 16%
4 3 3/50 = 0,06 6%
5 3 3/50 = 0,06 6%
6 3 3/50 = 0,06 6%
7 2 2/50 = 0,04 4%
Total ()
50 1,00 100%
Obs:
1. X: representa a varivel Nmero de filhos.
2. x
i
: representa os valores que a varivel assume.
3. F
i
: o nmero de vezes que cada valor aparece no conjunto de dados
(freqncia absoluta).
4. f
i
: representa a freqncia relativa
5. n
i
= n = 50 : tamanho da amostra (ou n de elementos observados).

c.2. Distribuio de freqncias para varivel contnua
Os dados da varivel so agrupados em classe (grupo de valores).
1. Dados brutos
Tabela 4.5 - Taxas municipais de urbanizao (em %) no Estado de AL - 2000
8 24 46 13 38 54 44 20 17 14
18 15 30 24 20 8 24 18 9 10
38 79 15 62 23 13 62 18 8 22
11 17 9 35 23 22 37 36 8 13
10 6 92 16 15 23 37 36 8 13
44 17 9 30 26 18 37 43 14 9
28 41 42 35 35 42 71 50 52 17
19 7 28 23 29 29 58 77 72 34
12 40 25 7 32 34 22 7 44 15
9 16 31 30

2. Rol

Tabela 4.6 - Rol das taxas municipais de urbanizao, em AL (em %) - 2000.
6 6 7 7 7 8 8 8 8 9
9 9 9 9 10 10 11 12 13 13
13 13 14 14 14 15 15 15 15 16
16 17 17 17 17 18 18 18 18 19
20 20 22 22 22 23 23 23 23 24
24 24 25 26 28 28 29 29 30 30
30 31 32 34 34 34 35 35 35 36
37 37 38 38 40 41 42 42 43 44
44 44 46 50 52 54 58 62 62 71
72 77 79 92

72

3. Distribuio de freqncias para dados agrupados em classes

Tabela 4.7 - Taxas municipais de urbanizao, no Estado de AL (em %) - 2000.

Taxas (em %)
Freqncia absoluta:
Nmero de municpios(F
i
)
6 --- 16 29
16 --- 26 24
26 --- 36 16
36 --- 46 13
46 --- 56 4
56 --- 66 3
66 --- 76 2
76 --- 86 2
86 --- 96 1
Total ()
94

Obs: recomenda-se agrupar os valores observados em classes, tanto para
variveis contnuas quanto para discretas. Assim, evita-se grande extenso da
tabela e a no interpretao dos valores de fenmeno.

ELEMENTOS DE UMA DISTRIBUIO DE FREQNCIA

a. Amplitude total (A
T
): a diferena entre o maior e o menor valor
observado no experimento.
No exemplo, tabela 4.6, A
T
= 92 - 6 = 86

b. Amplitude da classe (A
c
): a diferena entre o maior e o menor valor da
classe.
No exemplo, tabela 4.7, A
c
= 16 - 6 = 10 ou 36 26 = 10.
Devemos procurar construir classes de mesma amplitude para que no haja
comprometimento na anlise.

c. Classe: cada um dos grupos de valores do conjunto de valores observados,
ou seja, so os intervalos de variao da varivel.
Identifica-se uma classe pelos seus extremos ou pela ordem em que se
encontra na tabela.
6 --- 16 (1 classe); 86 --- 96 (7 classe)
Formas de expressar os limites das classes
20 -- 23: compreende todos os valores entre 20 e 23, inclusive os extremos.
20 ---- 23: compreende todos os valores entre 20 e 23, excluindo o 23.
20 ---- 23: compreende todos os valores entre 20 e 23, excluindo o 20.
20 ----- 23: compreende todos os valores entre 20 e 23, excluindo os extremos.
73
4.21 DISTRIBUIES CUMULATIVAS

Freqncia absoluta acumulada (F
ac
)

a soma das freqncias de valores inferiores ou iguais ao valor dado.

Exemplo:
x
i
F
i
F
ac
0 5 5
1 7 12
2 2 14

14

Se quisermos incluir a freqncia relativa (f
i
=
n
Fi
) nesta tabela:

x
i
F
i
F
ac
f
i
0 5 5 5/14
1 7 12 7/14 = 1/2
2 2 14 2/14 = 1/7

14 1

Pontos mdios das classes
a mdia aritmtica entre o limite superior e o limite inferior da classe.
Assim, se a classe for 10-12, teremos:
X
i
=
2
12 10 +
= 11

Histograma

a representao grfica de uma distribuio de freqncia por meio de
retngulos justapostos.

Polgono de freqncia
a representao grfica de uma distribuio de freqncia por meio de um
polgono.

74
F
i
Exemplo:
1 2 3 4 5 6 7 8 9 10 11 12

10

9

8

7

6

5

4

3

2

1
Idade

F
i
2-4 3
4-6 5
6-8 10
8-10 6
10-12 2

26

limite das classes

4.22 MEDIDAS DE POSIAO (ou DE TENDNCIA CENTRAL)

As distribuies de freqncias para variveis discretas e contnuas
descrevem os grupos que uma varivel pode assumir. possvel visualizar a
concentrao de valores de uma distribuio de freqncias. Se se localizam
no incio, no meio ou no final, ou se distribuem de forma igual.
As medidas de posio so chamadas de medidas de tendncia central,
devido tendncia dos dados observados se concentrarem em torno desses
valores centrais que se localizam em torno do centro de uma distribuio.
As medidas (nmero-resumo) mais usadas para representar um conjunto de
dados so a mdia, a moda e a mediana.

75
4.22.1 Mdia Aritmtica

Histograma

X
1,0 1,5 2,0 2,5 3,0 3,5 4,0
.3

.2

.1

.0
1 2 Obs.

Obs 1 2 3 4
1 1,0 1,5 2,0 2,5

2 1,5 2,0 2,5 3,0

3 2,0 2,5 3,0 3,5

4 2,5 3,0 3,5 4,0
1 16 6 M M d di ia as s a am mo os st tr ra ai is s D Di is st tr ri ib bu ui i o o a am mo os st tr ra al l
Mdia aritmtica para dados no-agrupados (ou dados simples)

Seja X uma varivel que assume os valores x
1
, x
2
, x
3
,..., x
n
. A mdia
aritmtica simples de X, representada por x, definida por:
+ + + +
=
n
xn ... x3 x2 x1
xi =
n
xi
n
i
=1
ou simplesmente X =
n
x

x
i
: so os valores que a varivel X assume
n: nmero de elementos da amostra observada

Exemplo: A produo leiteira diria da vaca V, durante uma semana, foi de 10,
15, 14, 13, 16, 19, e 18 litros. Determinar a produo mdia da semana (a
mdia aritmtica).

+ + + +
=
n
xn ... x3 x2 x1
xi =
7
18 19 16 13 14 15 10 + + + + + +
= 15 litros

Mdia aritmtica para dados agrupados
Se os valores da varivel forem agrupados em uma distribuio de
freqncias ser usada a mdia aritmtica dos valores x
1
, x
2
, x
3
,..., x
n

ponderadas pelas respectivas freqncias absolutas: F
1
, F
2
, F
3
,..., F
n
.

76

X =
n
xi
N
I
=1
Fi

ou
X =
n
i ix F

A frmula acima ser usada para as distribuies de freqncias sem classes e
com classes.

Mdia aritmtica para dados agrupados sem classes (Mdia aritmtica
ponderada)
Nmero de
filhos
(x
i
)
Numero
de casais
(F
i
)

F
i .
x
i

0 6
1 16
2 9
3 8
4 3
5 3
6 3
7 2
Total ()
50

X =
n
i ix F
=
50
117
= 2,34

X = 2,3 filhos

Os 50 casais possuem, em mdia 2,3 filhos.

Mdia aritmtica para dados agrupados com classes intervalares

(Dados com classes): Determinar a mdia aritmtica da Tabela 4.7

Tabela 4.7 - Taxas municipais de urbanizao, no Estado AL (em %) 1970.

Taxas (em %)

Nmero de
Municpios
(F
i
)

x
i

x
i
. F
i

6 --- 16 29
16 --- 26 24
26 --- 36 16
36 --- 46 13
46 --- 56 4
56 --- 66 3
66 --- 76 2
76 --- 86 2
86 --- 96 1
Total ()
94

X =
n
i ix F
= __________ X =

77
Propriedades da mdia aritmtica

1 propriedade

A soma algbrica dos desvios em relao mdia zero (nula).

d
i
= (x
i
- x)

= 0

; onde:

d
i
so as distncias ou afastamentos da mdia.

Em uma distribuio simtrica, a soma algbrica dos desvios em relao
mdia ser igual a zero; e tender a zero se a distribuio for assimtrica.

Idades (x
i
)

d
i
= x
i
- x

2 d
1
= 2 6 = -4
4 d
2
= 4 6 = -2
6 d
3
= 6 6 = 0
8 d
4
= 8 6 = +2
10 d = 10 6 = +4
5

0

X =
5
10 8 6 4 2 + + + +
= 6

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.
Somar o valor 2 aos dados da tabela e calcular a nova mdia
Idades (x
i
)

x
i
+ 2

2 2 + 2 = 4
4 4 + 2 = 6
6 6 + 2 = 8
8 8 + 2 = 10
10 10 + 2 = 12

40

A nova mdia ser:

X =
5
40
= 8.
N

o caso, a mdia aritmtica anterior ficou aumentada de 2.
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:
Multiplicar o valor 2 aos dados da tabela e calcular a nova mdia

Idades (x
i
)

x
i
x 2

2 2 x 2 = 4
4 4 x 2 = 8
6 6 x 2 = 12
8 8 x 2 = 16
10 10 x 2 = 20

60

78
A nova mdia :

X =
5
60
= 12. A mdia aritmtica ficou multiplicada por 2.

4.22.2 Esperana matemtica

E

sperana Matemtica ou Mdia de uma varivel aleatria discreta definida:
E[X] =
x
= = P(x

i
x
i
)

Exemplo: E = lanamento de um dado
X = ponto obtido: 1, 2, 3, 4, 5, 6

P(X) =
6
,
1
6
1
,
6
1
,
6
1
,
6
1
,
6
1

E(X) = 1 .
6
1
+ 2 .
6
1
+ 3 .
6
1
4 .
6
1
+ 5 .
6
1
+ 6 .
6
1
= 3,5

4.22.3 Moda (Mo)

Tambm chamada de norma, valor dominante ou valor tpico.
Define-se a moda como o valor que ocorre com maior freqncia em
conjunto de dados.
Exemplo: Se o salrio modal dos empregados de uma empresa igual a mil
reais, este o salrio recebido pela maioria dos empregados dessa empresa.
A moda utilizada quando os dados esto na escala nominal.

Exemplo: Sexo dos alunos Turma A Escola Z
Sexo Freqncia
Masculino 40
Feminino 60
Total 100
A moda sexo feminino porque tem maior freqncia.

Moda para dados no agrupados

Primeiramente os dados devem ser ordenados para , em seguida,
observar o valor que tem maior freqncia.

Exemplo: Calcular a moda dos seguintes conjuntos de dados:

79
1. X = (4, 5, 5, 6, 6, 6, 7, 7, 8, 8) Mo = 6 (o valor mais freqente)
Esse conjunto unimodal, pois apresenta apenas uma moda.

2. Y = (1, 2, 2, 2, 3, 4, 4, 4, 5, 5, 6) Mo = 2 e Mo = 4 (valores mais
freqentes)
Esse conjunto bimodal, pois apresenta duas modas.

3. Z = (1, 2, 2, 2, 3, 3, 3, 4, 4, 4, 5) Mo = 2, Mo = 3 e Mo = 4 (valores
mais freqentes)
Esse conjunto plurimodal, pois apresenta mais de duas modas.

4. W = (1, 2, 3, 4, 5, 6) Esse conjunto amodal porque no apresenta um
valor predominante.

Moda para dados agrupados sem classes
Basta observar, na tabela, o valor que apresenta maior freqncia.

1) Clculo da moda pelo ROL
Na Tabela 4.2, o resultado 1 aparece mais vezes Mo =1.

0 0 0 0 0 0 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 2 2 2 2 2 2 2 2
2 3 3 3 3 3 3 3 3 4
4 4 5 5 5 6 6 6 7 7

2) Clculo da moda pela distribuio de freqncias sem classes


Nmero de
filhos
(x
i
)
Numero de
casais
(f
i
)
0 6
1 16
2 9
3 8
4 3
5 3
6 3
7 2
Total ()
50

O valor 1 apresenta a maior freqncia.

Mo = 1

Esse resultado indica que casais com
um filho foi o resultado mais observado.

80
Moda para dados agrupados com classes

Tabela 4.7 Taxas municipais de urbanizao (em %) Alagoas, 1970.

Taxas(%) Nmero de
Municpios
(f
i
)
6 --- 16
16 --- 26
26 --- 36
36 --- 46
46 --- 56
56 --- 66
66 --- 76
76 --- 86
86 --- 96
29
24
16
13
4
3
2
2
1
Total ()
94
1 passo: Identifica-se a classe de maior freqncia:
A maior freqncia 29 (1 classe): 6 --- 16

2 passo: Aplica-se a frmula: Mo =
2
Ls Li +

Li: limite inferior da classe modal = 6
Ls: limite superior da classe modal = 16
Mo =
2
16 6 +
= 11

4.22.4 Mediana (Md)

uma medida de posio cujo nmero divide um conjunto de dados em duas
partes iguais. Por esse motivo, a mediana considerada uma medida
separatriz. Portanto, a mediana se localiza no centro de um conjunto de
nmeros ordenados segundo uma ordem de grandeza.

Mediana - para dados no agrupados

a) O nmero de valores
observados impar
Exemplo: Considere o conjunto de
dados:

X = (5, 2, 7, 10, 3, 4, 1)

1) Colocar os valores em ordem
crescente ou decrescente:

X = (1, 2, 3, 4, 5, 7, 10)

2) Determinar a ordem ou
posio (P) da Mediana por P =
2
1 n +
,
P =
2
1 7 +
= 4 ==> 4 posio.
4 posio o nmero 4.

Md = 4
b) O nmero de valores observados par
Exemplo: Considere o conjunto de dados:

X = (4, 3, 9, 8, 7, 2, 10, 6)

1) Colocar os valores em ordem crescente
ou decrescente:
X = (2, 3, 4, 6, 7, 8, 9, 10)

2) Determinar a ordem ou posio (P) da
Mediana: P =
2
n
e P =
2
n
+ 1 ,
P =
2
8
= 4 posio e P =
2
8
+ 1 = 5
posio
Os nmeros so 6 (4 posio) e 7 (5
posio). Tira-se a mdia aritmtica entre
os dois nmeros.

M
d
=
2
7 6 +
= 6,5

81

4.22.5 Medidas de disperso (Medidas de variabilidade)

So medidas utilizadas para medir o grau de variabilidade, ou disperso
dos valores observados em torno da mdia aritmtica. Servem para medir a
representatividade da mdia e proporcionam conhecer o nvel de homogeneidade
ou heterogeneidade dentro de cada grupo analisado.
Considere a seguinte situao:
Um empresrio deseja comparar a performance de dois empregados, com
base na produo diria de determinada pea, durante cinco dias:
Empregado A : 70, 71, 69, 70, 70 x = 70
Empregado B : 60, 80, 70, 62, 83 x = 71
A performance mdia do empregado A de 70 peas produzidas
diariamente, enquanto que a do empregado B de 71 peas. Com base na mdia
aritmtica, verifica-se que a performance de B melhor do que a de A. Porm,
observando bem os dados, percebe-se que a produo de A varia apenas de 69 a
71 peas, ao passo que a de B varia de 60 a 83 peas, o que revela que a
performance de A bem mais uniforme do que de B.
Qual o melhor empregado?

Amplitude total (A
T
)
a diferena entre o maior e o menor valor observado.

A
T
= x
max
x
min

Empregado A = 71 69 = 2
Empregado B = 83 60 = 23

Desvio mdio (D
M
)

Analisa todos os desvios ou distncias em relao a mdia aritmtica.

O clculo dos desvios feito por:

di = (xi X )

xi = valores observados
X = mdia aritmtica
A soma de todos os desvios em
relao a mdia aritmtica
igual a zero:
di = (xi X ) = 0

82

Clculo dos d
i
: Para eliminar a soma zero, coloca-se os
desvios em mdulo:
Empregado A
d
1
= 70 70 = 0
d
2
= 71 70 = +1
d
3
= 69 70 = 1
d
4
= 70 70 = 0
d
5
= 70 70 = 0
di = 0
Empregado B
d
1
= 60 71 = 11
d
2
= 80 71 = +9
d
3
= 70 71 = 1
d
4
= 62 71 = 9
d
5
= 83 71 = +12
di = 0
Empregado A
d
1
= | 0 | = 0
d
2
= |+1| = 1
d
3
= |1|= 1
d
4
= | 0 | = 0
d
5
= | 0 | = 0
Empregado B
d
1
= |11| = 11
d
2
= |+9 | = 9
d
3
= |1 | = 1
d
4
= |9 | = 9
d
5
= ,+12 , = 12

| di | = 2
, di , = 42

D

essa forma, possvel calcular a mdia dos desvios por:
D
M
=
n
di
| |
=
n
X xi
| |

Empregado A

D
M
=
5
2
= 0,4
Empregado B

D
M
=
5
42
= 8,4
Com freqncia absoluta (Fi):

D
M
=
n
Fi di
. | |
=
n
Fi . | X xi |

4.22.6 Varincia

Considera-se o quadrado de cada desvio, (xi X )
2
, evitando que di = 0.
Assim, a definio da varincia populacional dada por:

2
=
n
Fi
. (di)
2
= .
. ) - (xi
2
n
Fi X
Trata-se da mdia aritmtica dos quadrados

dos desvios.
2
indica a varincia populacional e l-se sigma ao quadrado.

X indica a mdia da populao.

Empregado A
d
1
= (0)
2
= 0
d
2
= (+1)
2
= 1
d
3
= (1)
2
= 1
d
4
= (0)
2
= 0
d
5
= (0)
2
= 0
(d
i
)
2
= 2
Empregado B
d
1
= (11)
2
= 121
d
2
= (+9)
2
= 81
d
3
= (1)
2
= 1
d
4
= (9)
2
= 81
d
5
= (+12)
2
= 144
(d
i
)
2
= 428
Empregado A
2
=
5
2
= 0,4
Empregado B
2
=
5
428
= 85,6

83
Para o caso do clculo da varincia amostral, conveniente o uso da
seguinte frmula:

S
2
= .
1 n
Fi . ) X - (xi
2

As diferenas entre as frmulas so: para o caso da varincia
populacional ( ), utiliza-se a mdia populacional (
2
X ) tendo como
denominador o tamanho da populao (n). Para o clculo da varincia amostral
(S
2
), utiliza-se a mdia amostral ( X ), tendo como denominador o tamanho da
mostra menos um (n-1). Assim, podemos usar as frmulas prticas para os
clculos das varincias:

2
=
( )
(
(
n
) xiFi (
Fi x
n
1
2
2
i S
2
=
( )
(
(
n
) xiFi (
Fi x
1 n
1
2
2
i

que foram obtidas por transformao nas respectivas frmulas originais.

4.22.7 Desvio-padro

a raiz quadrada da varincia.
Na frmula original para o clculo da varincia, observa-se que uma soma
de quadrados. Por exemplo, se a unidade original for metro (m) o resultado
ser metro ao quadrado (m
2
). Para retornar a unidade de medida original,
extrai-se a raiz quadrada da varincia, passando a chamar-se de desvio-
padro.
Desvio-padro populacional
=
Desvio-padro amostral
s =
2

Exemplo 1: Calcular o desvio-mdio, a varincia e o desvio padro da seguinte
distribuio amostral:

xi 5 7 8 9 11
Fi 2 3 5 4 2

s
2

1) Clculo do desvio mdio:
D
M
=
n
Fi . | X xi |

ou
n
Fi di
. | |
84

Primeiramente, precisa-se do valor da mdia:

xi Fi xi . Fi
5 2 10
7 3 21
8 5 40
9 4 36
11 2 22

16 129
X =
n
i ix F
=
16
129
= 8,06

Para o clculo do D
M
, so abertas novas colunas, assim:

xi Fi xi . Fi
| X xi |
|d
i
| F
i

5 2 10
| 5 - 8,06 |
6,12
7 3 21
| 7 - 8,06 |
3,18
8 5 40
| 8 - 8,06 |
0,30
9 4 36
| 9 - 8,06 |
3,76
11 2 22
| 11 - 8,06 |
5,88

16 129 19,24

Portanto, D
M
=
n
Fi di
. | |
=
16
24 , 19
= 1,20

2) Clculo da varincia amostral:

S
2
=
( )
(
(
n
) xiFi (
Fi x
1 n
1
2
2
i

Observe que o clculo ser facilitado, pois n = 16 e x
i
F
i
= 129.
Falta encontrar x
i
2

F
i
. Para isso, uma nova coluna considerada na tabela.

xi Fi xi . Fi x
i
2

F
i

5 2 10 10
7 3 21 147
8 5 40 320
9 4 36 324
11 2 22 242

16 129 1.083

Logo: S
2
=
( )
(
(
16
129
1083
1 16
1
2
= 2,86

Ento, a varincia amostral S
2
= 2,86.

85
3) Clculo do desvio padro amostral:

Como S =
2
S S = 86 , 2 = 1,69.
Resumindo: a distribuio possui uma mdia 8,06. Isto , seus valores esto
em torno de 8,06 a seu grau de concentrao de 1,2, medido pelo Desvio
Mdio, e de 1,69, medido pelo Desvio-Padro.

Exemplo 2: Dada a distribuio amostral abaixo, calcular a mdia, o desvio
mdio e o desvio padro.

Classes

2 ---- 4

4 ---- 6

6 ---- 8

8 ---- 10

10 ---- 12

Fi 2 4 7 4 3

A construo da tabela auxiliar para os clculos deve ser construda
medida que voc for necessitando dos resultados parciais; a ordem das colunas
no importante. Eis a tabela auxiliar:

Classes xi Fi xi . Fi
| X xi |
|d
i
| F
i
X
2
F
i

2 ---- 4

5

2

6

|3 - 7,2|= 4,2

8,4

18

4 ---- 6

7

4

20

|7 - 7,2|= 2,2

8,8

100

6 ---- 8

8

7

49

|8 - 7,2|= 0,2

1,4

343

8 ---- 10

9

4

36

|9 - 7,2|= 1,8

7,2

324

10 ---- 12

11

3

33

|11 - 7,2|= 3,8

11,4

363

16 129 37,2 1.148

X =
20
144
= 7,2 D
M
=
20
2 , 37
= 1,86
Logo: S
2
=
( )
(
(
20
144
1148
1 20
1
2
= 5,86

= 5,86 = 2,42
86
Exemplo 3: Clculo da varincia populacional. Determinar a varincia para a
srie:

xi 2 3 5 6 7
Fi 1 4 5 3 2

Soluo: A frmula prtica para calcular a varincia popu8lacional :
2
=
( )
(
(
n
) xiFi (
Fi x
n
1
2
2
i

Ser conveniente construir a seguinte tabela:

xi Fi xi . Fi X
2
F
i

2

1

2

4

3

4

12

36

5

5

25

125

6

3

18

108

7

2

14

98

15 71 371
2

=
( )
(
(
15
71
371
1
2
15
= 2,33

Desvio-padro populacional:

= 2,33 = 1,53

Exemplo 4: Clculo da varincia e do desvio-padro para a Tabela 4.4


N
filhos
(x
i
)
N
casais
(F
i
)

x
i
. F
i

xi
2

xi
2
. Fi
0 6
1 16
2 9
3 8
4 3
5 3
6 3
7 2

50 117
Varincia amostral:

S
2
=
( )
(
(
n
) xiFi (
Fi x
1 n
1
2
2
i

Desvio-padro:

s =
s
2

87
4.23 DISTRIBUIES DISCRETAS DE PROBABILIDADE

4.23.1 DISTRIBUIO DE BERNOULLI

Suponhamos a realizao de um experimento E, cujo resultado pode ser um
sucesso (se acontecer o evento que nos interessa) ou um fracasso (o evento
no se realiza).

Seja x a varivel aleatria: sucesso ou fracasso.

X x
1
= 1 (sucesso) ou x
2
= 0 (fracasso)

P(X) p (x
1
) = p p (x
2
) = 1 p = q

Diz-se que esta varivel, assim definida, tem uma distribuio de
Bernoulli. Suas principais caractersticas so:

Mdia:
(X)
=
x
1
0
i
P(X
i
) = 0 . p + 1 . p = p

Varincia: = E[(X
2
) ( X
1
- )
2
] = E(X
i
) -
2
2
) ( X

E[X
i
] = x P(X
2
1
0
2
i
i
) = 0
2
q + 1
2
p = p

= p p
2
) ( X
2
= p(1-p) = pq

4.23.2 DISTRIBUIO BINOMIAL

Trata-se de uma distribuio de probabilidade adequada aos experimentos que
apresentam apenas dois resultados (sucesso ou fracasso). Esse modelo
fundamenta-se nas seguintes hipteses:
H1: n provas independentes e do mesmo tipo so realizadas.
H2: cada prova admite dois resultados sucesso ou fracasso.
H3: a probabilidade de sucesso em cada prova p e de fracasso 1-p = q
Define-se a varivel Y como o nmero de sucessos das n provas.
Logo, Y pode tomar os valores 0, 1, 2, 3, ..., n.
Fazendo sucesso corresponder a 1 e fracasso a 0, ou seja, provas de
Bernoulli, tem-se:
Para Y = 0, uma seqncia de n zeros: 0000 ... 0. Logo:
P (Y=0) = q . q . q . q ... q = q
n

Para Y = 1, uma seqncia do tipo: 1000 ... 0; 0100 ... 0; 001000 ... 0;
88
Sero n seqncias, cada uma com um nico sucesso e n-1 fracassos:
P (Y-1) = n . p . q
n-1

Para Y = y, tem-se y sucessos e (n-y) fracassos, correspondendo s seqncias
com y algarismos 1 e n y zeros. Cada seqncia ter probabilidade p
y
q
n-y
e

como h seqncias distintas, tem-se: P (Y=y) = p
|
|
.
|
\
|
y
n
|
|
.
|
\
|
y
n
y
q
n-y

Que a expresso geral da distribuio Binomial.

Para Y = n, tem-se uma seqncia de n uns: 1111 ... 1, logo: P(Y=n) = p
n

O nome Binomial porque p
|
|
.
|
\
|
y
n
y
q
n-y
nada mais que o termo de grau y em p no
desenvolvimento do Binmio de Newton (p + q)
n
.

Mdia: De acordo com as hipteses, v-se que y a soma de n variveis do
tipo Bernoulli, da:

= n
(X)
= n . p ou seja
(Y)
= np

Varincia: Baseado no que foi feito acima, temos:

= n = n . p . p ou seja = npq
2
) (Y
2
) ( X
2
) (Y

Exemplo: Uma moeda no viciada lanada oito vezes. Encontre a
probabilidade:
a) dar cinco caras
b) pelo menos uma cara
c) no mximo duas caras.
d) Calcular a mdia e a varincia da distribuio.

Soluo: Sabe-se que: n = 8, p =
2
1
e q =
2
1
; Y nmero de caras
(sucessos).

a) P(Y=5) =

|
|
.
|
\
|
5
8
5
2
1
|
.
| |
\
5 8
2
1

|
.
|
\
|
= |
.
| |
32
7
\
= 0,22 = 22%
b) P(Y1) = 1 P(Y=0) = 1 -
8
2
1
|
.
| |
\
= |
.
| |
256
255
\
= 0,996 = 99,6%
89
c) P(Y2) = P(Y=0) + P(Y=1) + P(Y=2) =

8
2
1
|
.
|
\
|
+ 8 |
.
|
\
|
2
1
7
2
1
|
.
|
\
|
+
|
|
.
|
\
|
2
8
2
2
1
|
.
|
\
|
6
2
1
|
.
|
\
|
=

256
1
+
256
8
+
256
28
+
256
37
= 0,14 = 14%

A mdia ser: 9
(Y)
= n . p = 8 .
2
1
= 4
A varincia ser:
(
= n . p . q = 8 .
2
) Y
2
1
.
2
1
= 2

90
BIBLIOGRAFIA

FONSECA, Jairo Simon; MARTINS, G. A. Curso de Estatstica. So Paulo:
Atlas, 1996.

MARTINS, G. A. DONAIRE, D. Princpios de estatstica. So Paulo: Atlas,
1990.

TOLEDO, G. L; OVALLE, I(. I. Estatstica bsica. 2 ed. So Paulo:
Atlas, 1995.

IEZZI, G; DOLCE, O; DEGENSZAJN, D. M; PRIGO, R. Matemtica volume
nico. So Paulo: Atual Editora, 1999.

91

Apostila Probabilidade e Estatistica

Загружено:

Сведения о документе

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

Apostila Probabilidade e Estatistica

Загружено:

Авторское право:

Доступные форматы

PROBABILIDADE

R I x < 0} conjunto dos nmeros reais negativos

Trata-se da mdia aritmtica dos quadrados

Вам также может понравиться