Вы находитесь на странице: 1из 115

A SARAIVA tem

livros profissionais,
feitos por profissionais
mas a diditica
epara estudantes.

AntOnio Arnot Crespo

~&ftffitt

fiffi

I
I

PER TENC E

BIBLIOTECA

MART IN LUTHER PORTO VELHO RO

'

Antonio Arnot Crespo

Licenciado em Matematica
Bacharel em Ciencias Econ6micas
Licenciado em Pedagog ia
Professor de Matematica da rede publ ica de ensino do estado de Sao Paulo

lda,idlca
':~
' LIBER
u'LiU

lllllllllllllllllllllllllllll
0028637027

182 edi~ao - 2002


3'! tiragem - 2004

Por raz6es praticas, suprimimos os centavos.

II

( \ , . Editora_

Sara1va

ApresentaQio

ISBN 85-02-02056-0
ISBN 85-02-02055-2 (Livro do Professor)

Minhas homenagens:
A minha mae, Nuta, que me deu a vida
A minha esposa, Netinha, que me deu

com AMOR.
AMOR para a vida, IN CENTIVO

para a luta e FILHOS para a alegria.


Aos meus filhos, Antonio Arnot, Alvaro Eduardo e Ana Maria, que me dao
ALEGR IA e AMOR.

Supervisao editorial: Jose Lino Fruet


Editor: Ronalda A. Duarte Rocha
Ebe Christina Spadaccin i
Copy-desk: Olivia Maria Neto
Prepara-rao de original: Andrea Cristina Filatro
Revisao: Fernanda Almeida Umile (supervisao)
Ana Maria Cortazzo Silva, Ana Paula Piccoli,
Aparecida Maradei, Cecilia Beatriz A . Teixeira
Edi-rao de arte : Nair de Medeiros Barbosa
Supervisao de arte: Joao Batista Ribeiro Filho
Pagina-rao e arte-final eletronica: Tavares Servigos de Pre -impressao SIC Ltda .
Capa: Sergio Palmira
lmp re.H o 11a Grcijica da AVE 1\'IARIA

Dados lnternacionais de Cataloga~lio na Publica~lio (CIP)


(Camara Brasileira do Livro, SP, Brasil)
Crespo, Antonio Arnot
Estatistica facil/ Antonio Arnot Crespo. -17. ed .- Sao Paulo Sara iva, 2002.
ISBN 85-02-02056-0 (livro do aluno)
ISBN 85-02-02055-2 (livro do professor)
1. Estatistica (Ensino medio) 2. Estatistica (Ensino medio) I. Titulo .

Problemas, exercicios etc.

CDD-310.7
-310.76

02-1916
indices para catalogo sistematico:
1. Estatistica: Estudo e ensino 310.7
2. Exercicios : Estatistica 310.76

BIBLIOTECA
Ma rtin L uther Port o V:;l ho-RO

['\,.Editor~
~
Sara1va

Reg

.3dog i .l
---

-~------ --

Data: J_lLCZ!_LQ;I_ cx__j_

2o

Av. Marques de Sao Vicente, 1697- CEP 01139-904- Barra Funda- Sao Paulo-SP
Tel.: PABX (0**11) 3613-3000- Fax: (0**11) 3611 -3308- Televendas: (0**11) 3613-3344
Fax Vendas: (0**11) 3611-3268- Atendimento ao Professor: (0**11) 3613-3030
Enderego Internet: www.editorasaraiva.com.br- E-mail: atendprof.didatico@editorasaraiva.com .br

Este livro e o resultado de varios anos de estudo dirigidos ao ensino de


Estatistica e destina-se a clientela dos cursos profissionalizantes do 2Qgrau
(Secretariado, Contabilidade, Administra~ao, Forma~ao Especifica de Magisterio para o 1Q grau etc.) e, tam bern, aos alunos de cursos superiores que necessitam de um estudo introdut6rio de Estatistica.
Preocupou-nos apresentar todos os t6picos exigidos pelo programa estabelecido para os cursos profissionalizantes da rede de ensino particular e oficial, de uma forma acessivel ao aluno, dentro de urn esquema de ensino objetivo e pratico.
Por essa razao, as caracterfsticas deste livro sao eminentemente didaticas. Foram evitadas demonstra~oes, sendo apresentados comentarios e analises objetivas dos ass unto s. 0 estudo e comp lementado por exercfcios em
abundancia, onde procuramos trabalhar com situa~oes praticas.
Ap6s ampla reformula~ao, que promoveu a atu a li za~ao do texto e a inclusao e redistribui~ao de alguns assuntos, a estrutura da obra ficou assim:
Nos oito primeiros capftulos desenvolvemos os t6picos. de Estatistica
Descritiva, dando um especial destaque a Distribui~ao de Freqi.iencia.
No capitulo 9 enfocamos o estudo de Probabilidades, de forma elementar, enfatizando o uso do raciocfnio. No capitulo 10 entreabrimos a
porta para um primeiro contato com os dois principais modelos te6ricos de Distribui~ao de Probabilidade: Distribui~ao Binomial e Distribui~ao Normal.
No capitulo 11 apresentamos um estudo elementar de Correla~ao eRegressao, que nos ajudara a compreender e medir a rela~ao entre variaveis. Os Numeros-indices, de interesse permanente no aspecto econ6mico de nosso dia-a-dia, passaram por uma revisao, na qual procuramos dar enfase a realidade pratica de sua forma~ao e de seu emprego
(capitulo 12).
Finalmente, o Apendice- Instrumental Matematico , a ser consultado de acordo com as necessidades de cada aluno, foi complementado.
Os exercfcios, sempre colocado~ em pontos estrategicos de cada capitulo, estao divididos em tres se~oes:
Exercicios resolvidos - exemplos para a fixa~ao da materia estudada;
Resolva - exercfcios de aprendizagem imediata, algumas vezes com
o raciocfnio ja encaminhado;
Exercicios - seqUencia graduada de exercfcios propostos.
No fina l do livro, apresentamos uma coletanea de questoes objetivas,
que poderao ser usadas nas verifica~oes de aprendizagem .
Todos os exercfcios deverao ser resolvidos num caderno a parte. As respastas estao no final do livro.

Consideramos a Matematica, a Musica e a Estatfstica linguagens universais; lembramos que, "embora uma nova linguagem parec;:a urn enigma antes
de ser conquistada, e urn poder, em seguida". Nosso desejo e que aqueles que
fizerem uso deste livro conquistem a linguagem estatfstica, utilizando-a proveitosamente.
Aproveitamos para agradecer a todos aqueles que confiaram em nosso
trabalho, utilizando este livro, e, em especial, aqueles que, fazendo suas crfticas, deram-nos a oportunidade de melhoni-lo.
. Continuamos a acolher os pareceres e sugest6es para o aperfeic;:oamento
deste trabalho.

o autor

CAPiTULO 1

A NATUREZA DA ESTATiSTICA ....................... 11

1. Panoran1a hist6rico ............................ :.................................................


2. Metoda estatfstico ...............................................................................
2.1. 0 metoda cientffico.. ...... ................ ............ ...... .. .... .. ..... ........ ......
2.2. 0 metoda experimental...............................................................
2.3. 0 metoda estatfstico ....................................................................
3. A Estatfstica .. ................................................................................ .... .. .
4. Fases do metoda estatfstico .................. .... .............................. ...........
4.1. Coleta de dados .. .......................... .... ...................... .. .. ................ .
4.2. Crftica dos dados .... .. .... .. ...... .. .......................................... .... .. .... .
4.3. Apurac;:ao dos dados ....................................................................
4.4. Exposic;:ao ou apresentac;:ao dos dados .......................................
4.5. Analise dos resultados.... .. ...................... .............. .......................
5. A Estatfstica nas empresas .................................................................
EXERCICIOS ........ ....... ..... ...... ........... ......................................... ............

C:APiTULO 2

POPULAQAO E AMOSTRA.... .. ........ .......... ............ 17

1. Variaveis .......................................................... ..................... ................


EXERCICIO ........................................... .. ................. .. .............. .... ... .. ..... .
2. Populac;:ao e amostra .. ... .. .. .... .... .. ...... .. ... ..... .. .. ... .. .. .. ..... .... ... ... .. ... .. .. ...
3. Amos trag em .. .. .. .. .. ..... .. .... .. .. .. .. .. .. .. .. .. .. .. .. .. .. .... .. .. .. .. ... ... .. ..... ... ... .. .. .... .
3.1. Amostragem casual ou aleat6ria simples ........................... .... ...
3.2. Amostragem proporcional estratificada ........................... ..... .. .. .
3.3. Amostragem sistematica .............................................................
EXERCICIOS

CAPiTULO 3

11
12
12
12
12
13
14
14
14
14
15
15
15
16

17
18
19
20
20
21
23
23

SERIES ESTATiSTICAS .............. ...... .. .. .. .. ... .. .. .. .. .. 25

1. Tabelas .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ... .. .. .. ... .. .. .. .. .. .. .. .. .. .. .. .... .. .. ... .. .. ... .. .. .. ..


2. Series estatfsticas .. .... .. ........... .... ..................... .. .. ...................... .. ........
2.1. Series hist6ricas, cronol6gicas, temporais ou march as ...... ......
2.2. Series geograficas, espaciais, territoriais ou de localizac;:ao ....
2.3. Series especfficas ou categ6ricas .......................... .. ...................
3. Series conjugadas. Tabela de dupla entrada .....................................
4. Distribuic;:ao de freqiiencia ........ ............................. .............................
EXERCICIOS ...... .... ..... .. ... .... ..... ...... ............. .... ......... .. ... ..... ... ... ... .... .. ... .

25
26
27
27
27
28
29
29

5. Dados absolutos e dados relativos .....................................................


5 .1. As percentagens .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .
5.2 . Os indices. Indices economicos .. ........................ .... .... ...... .........
5.3 . Os coeficientes ........................................ .. .......... ............ .............
5.4. As taxas ......... ...............................................................................
EXERCICIOS ...... ..... .......... ... . .. .. .. .. ..... .. . ... ... . . .. .. .. .. .. ... ... . .. .. .. .. ... .. .. .. .. .. .. .

CAPiTULO 4

GRAFICOS ESTATiSTICOS

1. Grafico estatistico ............................. ........ ................ .... .. ......... ...... .....


2. Diagramas ... ............... ... ........................................... ...... .. .. .. ...... ..........
2.1. Grafico em linha ou em curva ...................................................
2.2. Grafico em colunas ou em barras .................................... .. ........
2.3. Grafico em colunas ou em barras multiplas .......... .. ................ .
2.4. Grafico em setores .... ................ .. .. .. .. ........ .. .................... .............
3 . Gnifico polqr .. ... ...... ......... ............ ...... .. ...................... .... .................. :.. .
4. Cartograma ....................... .... .. ...... ..... ................. .... ....................... .......
5 . Pictograma ... ... ... .. .. . ... .. ... .. ... .. .. .. ... .. .. . ..... .. . .. .. .. .. .. .. .. .. .. .. .. .. ..... ...... .. .. .. .
EXERCICIOS .. ...... .... .. .. ..... .. .. .. .. .. .. ...... .. .. ... .. . .. .. .... .. ...... .. .. .. .... ... .. .. .. .. ... .

CAPiTULO 5

38
38
38
39
41
43
43
45
46
48
51

DISTRIBUIQAO DE FREQUENCIA .. .. .... .. .. ....... 54

1. Tabela primitiva . Rol ................ .. .. ................................................ ......


2. Distribui~ao de freqi.iencia ...... ................................ ............................
3. Elementos de urna distribui~ao de freqiiencia .. .. ..............................
3.1. Classe .... ............. ... ......................... ...............................................
3.2. Limites declasse .................... .... .. ................ .................. .. .. .. .. .....
3.3. Amplitude de um intervalo declasse .............. .......... ...... ..........
3.4. Amplitude total da distribui~ao .......................................... .... ....
3.5. Amplitude amostral .. ..... ......... .................. ... .... .............. .. .. ...... ....
3 .6. Ponto media de uma classe ...................... .. ................................
3.7. Freqiiencia simples ou absoluta .............................. .. .... .... .. .... ...
4. Numero de classes. lntervalos declasse ........ .. .................... .............
5. Tipos de freqi.iencias .......... .................. ... ... ........ .... .... ......... ...... .. ........
6. Distribui~ao de freqi.iencia sem intervalos de classe .............. .........
EXERCICIOS ..... .. .. .. .. ... .. .. .. .. .. . ... .. . ... .... . ... ... . .. . .. ... .. .. .. .. .. .. .. .. ... .. ... .. .. .. . ...
7. Representa~ao grafica de uma distribui~ao .............. .......... ............ ..
7 .1. Histograma .................... .... .. .... .. ...... .. .... .................... ............ .......
7.2. Polfgono de freqliencia .. .. ............................................................
7.3. Polfgono de freqi.iencia acumulada .... .... ...... .......... ....................
8. A curva de freqLiencia .................... .. ...... .. .......... .. ............ .. .................
8 .1 . A curva de freqiiencia. Curva polida........ .. .................. ........ .....
8.2. As formas das curvas de freqi.iencia ...... .. ...... .. .... ........ .. ............
8.2.1 .
8.2.2.
8.2.3.
8.2.4.

31
31
34
34
35
36

Curvas em forma de sino .................... .... .... .. .. .... .............. .... ....
Curvas em forma de jota .......... .. .. .. ...................................... .. ...
Cu rvas em fomw de U .. .. .... .. ........ .. ...... .. .... .. ............................
D istribui ~iio retangular .... .... .. .. .... ........... .. ... ........ ....... ..............

EXERCICIOS ... ................ ...... .......... ... ... .................. .. ..................... ........

54
55
57
57
57
58
58
59
59
59
61
63
65
66
69
69
70
71
72
72
74
74
75
75
75
76

CAPiTULO 6
1.

MEDIDAS DE POSIQAO .......................................... 79

Introdu~ao

.. .. .. .... .. .. .. .. .. . .. .. ....... . ... ...... ....... ... ..... . .. .. .. .... . .. ... ... ... .. . .. .. ... .. 79

2 . Media aritmetica (x) .. .. .. .. .. .. .. .. .................. ...... ..................... ..... ........ .


2.1. Dados nao-agrupados ....... ................ ........ .............. ... .. .. .. ... . .. ......
2.2. Desvio em rela~ao a media....... ................ ....... .. ... ........... ......... ..
2.3. Propriedades da media ... .................... .............. ..... ....... .. ... ..........
2.4. Dados agrupados ........................ .. .................. ................... .... ...... .
2.4.1. Sem intervalos de classe ......................................... .................
2.4.2. Com intervalos de classe ......................... ......... .......................
2.4.3. Processo breve .... .................. ....................................... .. ....... ..

2.5 . Empre go da media.......................................................................

80
80
80
81
82
82
84
86
89

3. A moda (Mo) ............... ......... ......... ................. .............. ... ........... ......... 89
3.1. Dados nao-agrupados .................................................................. 89
3.2. Dados agrupados .......................................................... ................ 89
3.2. I . Sem intervalos de classe .......................................................... 89
3.2.2. Com interva los de classe .................................. .... ............ ....... 90
3.3. As expressoes gn'ificas da moda ................................................ 92
3.4. Emprego da moda .. ........... ........................................................... 92
4. A median a (Md).. ...... .... ...... ... .. .. . .. .. .. .. .... .. .. .. .. .. . .. .. ... . .. .. .. .. .. ... .. .. .. .. ... . 93
4.1. Dados nao-agrupados ............................................................ .. .... 93
4.2. Dados agrupados ... ........ .............. .... .................. .......................... . 94
4.2.1. Sem intervalos de classe .......................................................... 95
4.2.2. Com intervalos de classe ...... .... .... ....... .... .. .... ........... ..... .. ... ... .. 97
4.3. Emprego da mediana ............... ........ ................................... ....... ... 100
5.

Posi~ao

relativa da media, mediana e moda ........ .... ......... ..... ....... ... 100

6. As separatrizes .............................................................. .... ....... ............ 100


6.1. Os quartis .......... ........... ..... .. .... ..... .. .. ........ ..... .......... ........... .. ........ 101
6.2. Os percentis ................................................................................ .. 103
EXERCICIOS .......................................................................................... 105

CAPiTULO 7

MEDIDAS DE DISPERSAO OU DE
VARIABILIDADE .................................................. .... 108

1. Dispersao ou variabilidade ................................................................. 108


2 . Amplitude total ... ............ .... ... .. ..................... ..... ........... ....................... 109
2.1. Dados nao-agrupados ......... ...... .................... ........ .. .......... ..... ...... 109
2.2. Dados agrupados .. ................................... ........... ..... ..................... 110
2.2. I. Sem intervalos de classe ........................................ .................. 110
2.2.2. Com intervalos de classe .............. .......... ........ .... ........ ............. 1l 0
3. Variancia. Desvio padrao ...... ....................... ........................... ............ 111
3 .1 . Introdu~ao ................................................. .. ................ ...... ....... ... .. 111
3.2. Dados nao-agrupados .............................................. .. ....... ......... .. 113
3 .3. Dados agrupados .................. ........ ............ ........ .... ..... .. .. ............... 114
3.3.1. Sem intervalos de cia sse .......................................................... 114
3.3.2. Com intervalos declasse ...................... .. ................ ..... ....... .. .. . 116
3.4. Processo breve ........................ .. ................. .. ........................... .. ... 116

4. Coeficiente de variar;ao .... ........ ....... .......... ................ ..................... .. .. 119


EXERCICIOS 120

CAPITULO 8

MEDIDAS DE ASSIMETBIA. MEDIDAS DE


CUBTOSE ...... ............. .... ....... ..... ...... .............................
1. Assimetria ..... ...... ........... ...... ........................................................... .....
1.1. Introdur;ao .... ......... ... ... ........ ..... ...... .. .. ................. .... ........ ..............
1.2. Coeficiente de assimetria .... ............. ................. ........ ...... ........ ....
EXERCICIOS .. ...... ...... .... ..... ...... ........ ..... .......................................... ......
2. Curtose .............................................. ..... .................. ..........................
2.1. Introdur;ao ..... ..... ....... .... ..... .................. .........................................
2.2. Coeficiente de curtose .................................................................
EXERCICIOS .... ... ............. ... ............................... .. ............... :..................

122
122
122
124
124
125
125
125
126

CAPITULO 9 PBOBABILIDADE .....................................................


1. Introdur;ao ......................................................................... ............... ....
2. Experimento aleat6rio .........................................................................
3. Espar;o amostral ...................................................................................
4. Eventos .................................................................................................
5. Probabilidade ....................................... .............................................. ..
6. Eventos complementares .......................................... ..........................
7. Eventos independentes ................................. .................................... ...
8. Eventos mutuamente exclusivos ........................................................
EXERCICIOS ..........................................................................................

127
127
127
127
128
129
130
131
132
135

CAPITULO 10 DISTBIBUIQOES BINOMIAL E NORMAL ..


1. Varia vel aleat6ria .................................................................................
2. Distribuir;ao de probabilidade ............................................................
3. Distribuir;ao binomial ............................................................. ......... ...
EXERCICIOS ........... ...... .... ...... ;........................................ .... ... ... ......... ...
4. Distribuir;ao normal. Curva normal ...................................... .............
EXERCICIOS ........ .. ..................................... .. .........................................

137
137
137
140
142
142
147

CAPITULO 11 COBB ELAQ- .......................... 148


AO E BEGBESSAO
1. Introdur;ao ...... ......................................................... ............................. 148
2. Correlar;ao ....... .... ..... ................. ............................. ............................. . 148
2.1. Relar;ao funcional e relar;ao estatfstica ...................................... 148
2.2. Diagrama de dispersao ................................................................ 149
2.3. Cone1ar;ao linear ................................................. ........................ . 150
2.4. Coeficiente de corre1ar;ao linear ................................................. 151
3. Regressao ......................... .................................................................... 154
3.1. Ajustamento da reta ..................................................................... 154
3.2. Interpolar;ao e extrapolar;ao ............ ............................................ 156
EXERCICIOS ... ..... ... ............. ... ... ..... .. ...................... .. ............................. 158

CAPITULO 12 NUMEBOS-INDICES .................... .............. .. ... ......


1. Introdur;ao ........ ... ........................... .................... .................... ..............
2. Numeros-fndices ..... ................................................................... ..........
3. Relativos de prer;os ...... .. ............ .......... ...... ..... .. ................ ....... ...........
4. Elos de relati vos ..................................................................................
5. Relativos em cadeia .. .......... ........................ ....... ............. .. ..................
EXERCICIO .. ...... ...... ... ...... ......................... .. ........ .. ... .... ... .......................
6. Indices agregativos ..............................................................................
6 .1. ~ndice agregati vo simples ..................................... ..... ........... ......
6.2. Indice agregativo ponderado .......................................................

160
160
161
162
163
163
164
165
165
165
6.2.1. Formula de Laspeyres ou metoda da ipoca-base ........................ 166
6.3. Indices de prer;os ......................................................................... 167
6.3.1. fndi ce de custo de vida ............................................. ............... 167
6.3.2. 1PC - fndi ce de Prer;os ao Conswnidor .................................... 168
6.3.3 . ICB- fndice da Cesta Bdsica ............................... .. .. .............. 168
6.3.4 . IGP - fndice Cera/ de Prer;os .......................... .. ..................... 168
6.3.5. !PC da FIPE ..................................................................... ...... 168
7. Deflacionamento de dados ................................................................. 168
EXERCICIOS ................................................................................... ....... 171

APENDICE
INSTRUMENTAL MATEMATICO .............. ......... 173
1. Numeros aproximados e arredondamento de dados ......................... 173
1.1. Numeros aproximados ................................................................. 173
1.2. Arredondamento de dados ........................................ .. ................ 173
1. 3. Compensar;ao ........................... ........................ ............................ 17 5
EXERCICIOS ............................. ............................................................. 175
2. Frar;oes ............................................... ...... ....... ..................................... 176
2. 1. Conceito ........................................................ .. .. .. .. ..... ."... ............... 176
2.2. Frar;oes propria, impr6pria e aparente .... ......... .. ........................ 176
2.3. Frar;oes equivalentes ............. ............. ............. .. ........................... 177
2.4. Simplificar;ao de frar;oes ......................................... .. .................. 177
2.5. Frar;ao irredutfvel ............................... ..................... ..................... 177
2.6. Redur;ao de frar;6es ao mesmo denominador ........ .. .................. 178
2. 7. Comparar;ao de frar;6es ............................................................... 178
2.8. Operar;6es com frar;6es ...................... .......................................... 179
2.8. 1. Adir;iio e subtra~iio .................................................................. 179
2.8.2. Multiplicar;iio .......... .............................................. ..... .. ........... 179
2.8.3. Divisiio ... ....................... .. ............................ ............ .... .... ..... .. 180
2.8.4. Potenciar;ao ............................................................................ 180
EXERCICIOS .......................................................................................... 180
2.9 . Frar;oes decimais ........................................... .. ............... .. .. .. ........ 181
EXERCICIOS .................... .. ................................. .. ................................. 182
3. Raz6es .......................... .............. ................. .. ............. .. .. .. ............. ....... 182
3.1. Razao de dais numeros .................................. :.... ........ ........... ..... 182
3.2. Razao de duas grandezas ....................................... ..................... 183

4. Percentagem ........... .... ... ...... ................. ................... .... .................. ..... .. 183
4.1. Conceito .............. ........... .......................... .... .... .. ..... .. ....... .... ..... .... 183
EXERCICIOS ... ............................................. ...... .......... ............ ........ ..... . 185

A Natureza
da Estatistica

Todas as ciencias tern suas rafzes na hist6ria do homem.


A Matematica, que e considerada "a ciencia que une a clareza do raciocfnio a sfntese da linguagem", originou-se do convfvio social, das trocas , da
contagem, com carater pratico, utilitario , empfrico.
A Estatfstica, ramo da Matematica Aplicada, teve origem semelhante.
Desde a Antiguidade, varios povos ja registravam o numero de habitantes, de nascimentos, de 6bitos, faziam estimativas das riquezas individual e
social, distribufam eqtiitativamente te1-ras ao povo, cobravam impostos e realizavam inqueritos quantitativos por processos que, hoje, chamarfamos de "estatfsticas" .
Na Idade Media colhiam-se informa~6es, geralmente com finalidades tributarias ou belicas.
A partir do seculo XVI come~aram a surgir as primeiras analises sistematicas de fatos sociais, como batizados , casamentos, funerais, originando as
primeiras tabuas e tabelas e os primeiros numeros relativos.
No seculo XVIII o estudo de tais fatos foi adquirindo, aos poucos , fei~ao
verdadeiramente cientffica. Godofredo Achenwall batizou a nova ciencia (ou
metodo) com o nome de Estatistica, determinando o seu objetivo e suas rela~6es com as ciencias.
As tabelas tornaram-se mais completas, surgiram as representa~6es graficas e o calculo das probabilidades , e a Estatfstica deixou de ser simples cataloga~ao de dados numericos coletivos para se tornar o estudo de como chegar
(popula~ao*),

partindo da

observa~ao

de partes

Atualmente, o publico leigo (leitor de jornais e revistas) posiciona-se em


dois extremos divergentes e igualmente erroneos quanto a validade das conclus6es estatfsticas: ou ere em sua infalibilidade ou afirma que elas nada provam. Os que assim pensam ignoram os objetivos , o campo e o rigor do metodo estatfstico; ignoram a Estatfstica, quer te6rica quer pratica, ou a conhecem
muito superficialmente.
* Capitulo 2.

6 . Media aritmetica .................................... .................. ... .... ...... ....... ........


6.1. Media aritmetica simples ................: .............................. .. .. .... .....
6.2. Media aritmetica ponderada .. .. .............................. .. ...... .... ..........
EXERCICIOS ........ ....... ...... .. ........... ......................... ..... .. .. .. .... .... .. ........ ..

188
188
189
190

7. Fatorial ........................................... .................... ........ .. ...... .. ..... ........... 190


EXERCICIO ........ .. .............. .... ............. .. ..... .. ........ ...... .. .. ..... .. ...... .. .......... 191

1 PANORAMA HISTORICO

a conclusoes sobre o todo


desse todo (amostras*).

5. SeqUencia. Somat6rio .......... ........ ..... ... ...................... ........................ . 186


5.1. SeqUencia ou sucessao ........ .. .. .. ...... .... ...................... .... .............. 186
5 .2 . Somat6rio ............................ ... ............................ .. .......... .............. 186
EXERCICIOS ............... .. ......... ... ...... ................. ....... ... ... .... ... ....... .. ......... 188

8. Coeficientes binomiais ............ .. .... .... ...... .... .................... .. ...... .. ........ .. 191
8. 1. Coefic ientes binomiais complementares .............. .. .................... 192
EXERCICIO .. .. ......... .. ... ... .. .. ... ................................... ... ...................... 193
9. Bin6mio de NewLon .. .................... .. .... .. .................. .. .......................... 193
EXERCICIOS .. .. ............ .. .. .... ...... .. .................... .. .. ............... ............... 194
I 0.

F u n~ao

........ .... ............................ .... .. ... .. ... .. .............. .. ...... ... .......... .. ..... 195
10 .1. Defini~ao .. .............. .. .. ... .. ... .. ................................. .. ................... 195
10.2. Grafico de uma fun~ao ........ .. ...... .... .. .. .... .. .... .... ...... .. .......... .. ... 195
10.3. Fu n~ao do 1 gra u .......................... .... ............ .... .... ...... .......... .. . 198
10.4. Grafico da fu n~ao do 1 grau .......................... .... .... ...... .. .. ....... 198
10.5. Equa~ao da reta que passa por dois pontos dados ...... .. ...... .. . 199
EXERCICIOS ....... ..... ..... .. ..... ............ ....... ............................ .... .... .. ........... 199
10.6. Pontos notaveis .. .. ................................ .. .... .. ...... ...... .................. 200
70.6. 7. Ponto e111 que a reta coria o eixo dos x .. .. .... .. .......... .. ...... .. ... 200
10.6.2. Ponto e111 que a reta corta o ei.ro dos y ...................... .. .. .. .... . 200
10.7 . Significado dos coeficientes ..................................................... 200
10.7. 1. Coejlc ien te b .. .. .. .. .......... .. ................................................ .. 200
10.7.2. Coej/cien le a ...................................... ... .... ... .. ....... .. ........... 201
COLETANEA DE QUESTOES OBJETIVAS ........ .. .... .... ............................. 202
RESPOSTAS ... .. ............... .... .... ............................................ ............................. 210
Anexo I - Tabela de numeros aleat6rios .. .. .. .. .. .................. .. ...................... . 223
Anexo II - Area subtendida pela curva normal reduzida de 0 a Z ............. 224

12

ESTATiSTICA FACIL

Na era da energia nuclear, os estudos estatfsticos tern avanyado rapidamente e, com seus processos e tecnicas, tern contribufdo para a organizayao
dos neg6cios e recursos do mundo moderno.

2 METODO ESTATISTICO

2.1. 0 metodo cientifico


Muitos dos conhecimentos que temos foram obtidos na Antiguidade por
acaso e, outros, por necessidades praticas, sem aplicayao de urn metodo.
Atualmente, quase todo acrescimo de conhecimento resulta da observayao e do estudo . Se bern que muito desse conhecimento possa ter sido observado inicialmente por acaso, a verdade e que desenvolvemos processos cientfficos para seu estudo e para adquirirmos tais conhecimentos.
Podemos dizer, entao, que:
Metodo e urn conjunto de meios dispostos convenientemente para
se chegar a urn fim que se deseja.
Dos metodos cientificos, vamos destacar o metodo experimental e o
estatistico.

2.2. 0 metodo experimental


0 metodo experimental consiste em manter constantes todas as
causas (fatores), menos wna, e varim esta causa de modo que o pesquisador possa descobrir seus efeitos, caso existam.

E:

o metodo preferido no estudo da Fisica, da Qufmica etc.

2.3. 0 metodo estatistico


Muitas vezes temos necessidade de descobrir fatos em urn campo em que
o metodo experimental nao se aplica (nas ciencias sociais), ja que os varios
fatores que afetam o fenomeno em estudo nao podem permanecer constantes
enquanto fazemos variar a causa que, naquele momento , nos interessa.
Como exemplo, podemos citar a determinayao das causas que definem o
preyo de uma mercadoria. Para aplicarmos o metodo experimental, terfamos
de fazer variar a quantidade da mercadoria e verificar se tal fato iria influenciar
seu preyo.

Cap. 1 - A Natureza da Estatistica

13

Porem, seria necessaria que nao houvesse alterayao nos outros fatores .
Assim, deveria existir, no momento da pesquisa, uma uniformidade dos salarios, o gosto dos consumidores deveria permanecer constante, seria necessaria
a fixayao do nfvel geral dos preyos das outras necessidades etc. Mas isso tudo
e impossfvel.
Nesses casos, lanyamos mao de outro metodo, embora mais dificil e
menos preciso, denominado metodo estatfstico.

0 metodo estatistico, diante da impossibilidade de manter as causas constantes, admite todas essas causas presentes variando-as, registrando essas variay6es e procurando determinar, no resultado final, que influencias cabem a cada uma delas.

3 A ESTATISTICA
Exprimindo por meio de numeros as observay6es que se fazem de elementos com, pelo menos, uma caracterfstica comum (por exemplo: os alunos
do sexo masculino de uma comunidade), obtemos os chamados dados referentes a esses elementos.
Podemos dizer, entao, que:

A Estatistica e uma parte da Matematica Aplicada que fornece


metodos para a coleta, organizayaO, descriyao, analise e interpretayaO de
dados e para a utilizayao dos mesmos na tomada de decisoes .

A coleta, a organiza~ao e a descri~ao dos dados estao a cargo da Estatistica Descritiva, enquanto a analise e a interpreta~ao desses dados ficam a
cargo da Estatistica Indutiva ou Inferencial.
Em geral, as pessoas , quando se referem ao termo estatfstica, o fazem no
sentido da organizayao e descriyao dos dados (estatistica do Ministerio da
Educayao, estatfstica dos acidentes de trafego etc .), desconhecendo que o aspecto essencial da Estatistica e o de proporcionar metodos inferenciais, que
permitam conclusoes que transcendam os dados obtidos inicialmente.
Assim, a analise e a interpretayaO dos dados estatisticos tornam possivel
o diagn6stico de uma empresa (por exemplo, de uma escola), o conhecimento
de seus problemas (condiy6es de funcionamento, produtividade), a formulayao
de soluy6es apropriadas e urn planejamento objetivo de ayao.

14

ESTATiSTICA FACIL

4 FASES DO METODO ESTATISTICO


Podemos distinguir no metodo estatfstico as seguintes fases:

Cap. 1 - A Natureza da Estatistica

15

4.3. Apura9io dos dados


Nada mais e do que a soma eo processamento dos dados obtidos e a disposi9ao mediante criterios de classifica9ao. Pode ser manual, eletromecanica
ou eletronica.

4.1. Coleta de dados

Ap6s cuidadoso planejamento e a devida determina9ao das caracterfsticas mensuniveis do fen6meno coletivamente tfpico * que se quer pesquisar,
damos infcio a coleta dos dados numericos necessarios a sua descri9a0.
A coleta pode ser direta e indireta.
A coleta e direta quando feita sobre elementos informativos de registro
obrigat6rio (nascimentos , casamentos e 6bitos, importa9ao e exporta9ao de
mercadorias), elementos pertinentes aos prontuarios dos alunos de uma escola
ou, ainda, quando os dados sao coletados pelo proprio pesquisador atraves de
inqueritos e questionarios, como e o caso das notas de verifica9ao e de exames,
do censo demografico etc.
A coleta direta de dados pode ser classificada relativamente ao fator tempo em:
a. continua (registro)- quando feita continuamente, tal como a de nascimentos e 6bitos e a de freqi.iencia dos alunos as aulas;
b. peri6dica - quando feita em intervalos constantes de tempo, como
os censos (de 10 em 10 anos) e as avalia96es mensais dos alunos ;
c. ocasional- quando feita extemporaneamente, a fim de atender a uma
conjuntura ou a uma emergencia, como no caso de epidemias que assolam ou dizimam rebanhos inteiros.
A coleta se diz indireta quando e inferida de elementos conhecidos (coleta direta) e/ou do conhecimento de outros fen6menos relacionados com o
fen6meno estudado. Como exemplo, podemos citar a pesquisa sobre a mortalidade infantil, que e feita atraves de dados colhidos por uma coleta direta.

4.2. Critica dos dados


Obtidos OS dados , eles devem ser cuidadosamente criticados, a procura
de possfveis falhas e imperfei96es, a fim de nao incorrermos em erros grosseiros ou de certo vulto, que possam influir sensivelmente nos resultados .
A crftica e externa quando visa as causas dos erros por parte do informante, por distra9a0 OU rna interpreta9a0 das perguntas que Jhe foram feit{ls; e
interna quando visa observar os elementos originais dos dados da coleta.

4.4. Exposi9io ou apresenta9io dos dados


Por mais diversa que seja a finaliclade que se tenha em vista, os dados
devem ser apresentados sob forma adequada (tabelas ou graficos*), tornando
mais facil o exame daquilo que esta sendo objeto de tratamento estatfstico e
ulterior obten9ao de medidas tfpicas* *.

4.5. Anilise dos resultados


Como ja dissemos , 0 objeti YO ultimo da Estatfstica e tirar conclus6es
sobre .o todo (popula9ao) a partir de informa96es fornecidas por parte representatrva do todo (amostra). Assim, realizadas as fases anteriores (Estatistica
Descritiva), fazemos uma analise dos resultados obtidos, atraves dos metodos
da Estatistica Indutiva ou Inferencial, que tem por base a indu9ao ou inferencia, e tiramos desses resultados conclus6es e previs6es.

5 A ESTATISTICA NAS EMPRESAS


No mundo atual, a empresa e uma das vigas-mestras da Economia dos
povos.
A dire9ao de uma empresa, de qualquer tipo, incluindo as estatais e governamentais, exige de seu administrador a importante tarefa de tomar decisoes, e o conhecimento e o uso da Estatfstica facilitarao seu trfplice trabalho
de organizar, dirigir e controlar a empresa.
- Por meio de sondagem, de coleta de dados e de recenseamento de opinwes, podemos conhecer a realidade geografica e social, os recursos naturais ,
humanos e financeiros disponfveis, as expectativas da comunidade sobre a
empresa, e estabelecer suas metas, seus objetivos com maior possibilidade de
serem alcan9ados a curto, medio ou Iongo prazos.
A Estatfstica ajudara em tal trabalho, como tambem na sele9aQ e Qrganiza9ao da estrategia a ser adotada no empreendimento e, ainda~a escolha das
tecnicas de verificac;ao e avaliac;ao cia quanticlade e da qualiclade do produto e
mesmo dos possfveis lucros e/ou perdas.

* Fenomeno coletivamente tlpico e aquele que nao apresenta regularidade na

observa~ao de casos iso lados, mas na ma ssa de observa~oes. ( R OCHA, Marcos Vinfcius da. Curso de Estatfslica. 3 ed . Rio de Janeiro , Funda~ao IBGE, 1975.)

* Capftulos 3 e 4.
** Capitulo 6.

16

ESTATiSTICA FACIL

Tudo isso que se penso u, que se planejou , precisa ficar registrado, documentado para evitar esquecimentos, a fim de garantir o hom uso do tempo,
da energia e do material e, ainda, para um controle eficiente do trabalho.
0 esquema do planejamento e o plano, que pode ser resumido, com auxflio da Estatfstica, em tabelas e grlificos, que facilitadio a compreensao visual
dos dlculos matematico-estatfsticos que lhes deram origem.
0 homem de hoje, em suas multiplas atividades, lanc;:a mao de processos
e tecnicas estatfsticos , e s6 estudando-os evitaremos o erro das generalizac;:6es
apressadas a respeito de tabelas e graficos apresentados em jornais, revistas e
televisao, freqtientemente cometido quando se conhece apenas "por cima" urn
pouco de Estatfstica.

1 V.ARI.AVEIS

2
3
1

Complete:
0 metodo experimental e o mais usado por ciencias como:

A cada fenomeno COlTesponde um numero de resultados possiveis. Assim, por exemplo:


para o fenomeno "sexo" sao dois os resultados possfveis: sexo masculino e sexo feminino;
I

As ciencias humanas e sociais, para obterem os dados que buscam, lanr;am mao de que metodo?
0 que e Estatfstica?

Cite as fases do metodo estatfstico.

Para voce, o que e coletar dados?

Para que serve a crftica dos dados?

0 que e apurar dados?

Como podem ser apresentados ou expostos os dados?

As conclus6es, as inferencias pertencem a que parte da Estatfstica?

10 Cite tres ou mais atividades do planejamento empresarial em que a Estatfstica se faz necessaria.

11

0 metodo estatfstico tem como um de seus fins:


a.
b.
c.
d.
e.

estudar os fen6menos estatfsticos.


estudar qualidades concretas dos indivfduos que formam grupos.
determinar qualidades abstratas dos indivfduos que formam grupos.
determinar qualidades abstratas de grupos de indivfduos.
estudar fen6menos numericos.

para o fenomeno "numero de filhos" ha urn numero de resultados


possfveis expresso atraves dos numeros naturais:
0, 1, 2, 3, ... , n;

para o fenomeno "estatura" temos uma situac;:ao diferente, pois os


resultados podem tomar urn numero infinito de valores numericos
dentro de um deterrninado intervalo.
Variavel e, convencionalmente, o conjunto de resultados possiveis
de urn fenomeno.

Os exemplos acima nos dizem que uma variavel pode ser:


a. qualitativa - quando seus valores sao expressos por atributos: sexo
(masculino - feminino), cor da pele (branca, preta, amarela, vermelha, pard a) etc.;
b. quantitativa -quando seus valores sao expressos em numeros (salarios dos operarios, idade dos alunos de uma escola etc.). Uma variavel
quantitativa que pode assumir, teoricamente, qualquer valor entre dois
limites recebe o nome de variavel continua; uma variavel que s6 pode
assumir valores pertencentes a um conjunto enumeravel recebe o nome
de variavel discreta.

* Consulte o

Apendice - Instrumental Matem:itico, para uma revi sao dos assuntos Arredondamento
de Dados (p. 173) e Compensa~ao (p. 175).

18

ESTATlSTICA FACIL

Assim, o numero de alunos de uma escola pode assumir qualquer urn dos
val ores do conjunto IN = { 1, 2, 3, ... , 58, ... } , mas nunca val ores como 2,5 ou
3,78 ou 4,325 etc. Logo, e uma variavel discreta . Ja o peso desses alunos e
uma variavel continua, pois um dos alunos tanto pode pesar 72 kg, como 72,5 kg,
como 72,54 kg etc., dependendo esse valor da precisao da medida.

f. P.: casais residentes em uma cidade.


V.: sexo dos fi lhos.

De modo geral, as medi-;;oes dao origem a variaveis contfnuas e as contagens ou enumera-;;oes, a variaveis discretas.

h. P.: segmentos de reta.


V.: compr i mento.

Designamos as variaveis por letras latinas, em geral, as ultimas:


X,

y,

Por exemplo, sejam 2, 3, 5 e 8 todos os resultados possfveis de um dado


fenomei;J.o. Fazendo uso da Ietra x para indicar a variavel relativa ao fenomeno
considerado, temos:
X E

Cap. 2 - Populac;:co e Amostra

19

e. P.: pregos produzidos por uma maquina.


V.: comprimento.

g. P.: propr iedades agrfco las do Brasil.


V.: produ<;:ao de algodao.

i. P.: bibliotecas da cidade de Sao Paulo.


V.: numero de vo lumes.
j. P.: aparelhos produzidos em uma linha de montagem.
V.: numero de defeitos por unidade.

I. P.: industrias de uma cidade .


V.: fnd ice de li quidez.

{2 , 3, 5, 8}

2 POPULAQAO E AMOSTRA

RESOLVA
1 Classifique as variaveis em qualitativas ou quantitativas (contfnuas ou descontfnuas ):

a. Universo: alunos de uma escola.


Variave l: cor dos cabe los- ... .
b. Universo: casa is residentes em uma cidade.
Variavel: numero de filhos - ....
c. Un iverso: as jogadas de um dado.
Variavel: o ponto obtido em cada jogada -

....

d. Universo: pe<;:as produzidas por certa maquina.


Variavel: numero de pe<;:as produzidas por hora- ....
e. Universo: pe<;:as produzidas por certa maquina.
Variavel: diametro externo - ....

EXERCICIO
1 Diga quais das variaveis abaixo sao discretas e quais sao contfnuas:

a. Popula<;:ao: alunos de uma cidade.


Variave l: cor dos olhos.
b. P.:
V.:
c. P.:
V.:
d. P.:
V.:

esta<;:ao meteorol6gica de uma cidade.


precipita<;:ao pluviometr ica, durante um ano.
Bolsa de Va lores de Sao Pau lo.
numero de a<;:6es negoc iadas.
funcionarios de uma empresa .
salarios.

Ao conjunto de entes portadores de, pelo menos, uma caracterfstica


comum denominamos popula-;;ao estatistica ou universo estatistico.
Assim , os estudantes , por exemplo, constituem uma popula<;:ao, pois apresentam pelo menos uma caracteristica comum: sao os que estudam.
Como em qualquer estudo estatistico temos em mente pesq uisar uma ou
mais caracteristicas dos elementos de alguma popula<;:ao, esta caracteristica deve estar perfeitamente definida. E isto se da quando, considerado um elemento
qualquer, podemos afirmar, sem ambigi.iidade, se esse elemento pertence ou
nao a popula<;:ao. E necessaria, pois, existir um criterio de constitui<;:ao da popula<;:ao, valido para qualquer pessoa, no tempo ou no espa<;:o.
Por isso, quando pretendemos fazer uma pesquisa entre os alunos das
escolas de 1Q grau, precisamos definir quais sao os a1unos que formam o universo: os que atualmente ocupam as carteiras das escolas, ou devemos incluir
tambem os que ja passaram pela escola? E claro que a solu<;:ao do problema
vai depender de cada caso em particular.
Na maioria das vezes, por impossibi1idade ou inviabilidade economica ou
temporal , limitamos as observa<;:6es referentes a uma determinada pesquisa a
apenas uma parte da popula<;:ao. A essa parte proveniente da popula<;:ao em
estudo denominamos amostra.
Uma amostra e urn subconjunto finito de uma popula<;:ao.
Como vimos no capitulo anterior, a Estatistica Indu ti va tem por objetivo
tirar conclus6es sobre as popula<;:6es, com base em resultados verificados em
amostras retiradas dessa popula<;:ao.

20

ESTATfSTICA FACIL

Cap. 2- Populac;ao e Amostra

Mas, para as inferencias serem corretas, e necessaria garantir que a amostra seja representativa da popula9ao, isto e, a amostra deve possuir as mesmas caracterfsticas basicas da popula9ao, no que diz respeito ao fenomeno que
desejamos pesquisar. E preciso, pois, que a amostra ou as amostras que vao
ser usadas sejam obtidas por processos adequados.
Ha casos, como o de pesquisas sociais, economicas e de opiniao, em que
os problemas de amostragem sao de extrema complexidade. Mas existem tambern casos em que os problemas de amostragem sao bern mais face.is. Como
exemplo, podemos citar a retirada de amostras para controle de quahdade dos
produtos ou materiais de determinada industria.

dois, tres ou mais algari smos, conforme nossa necessidade. Os numeros assim
obtidos irao indicar os elementos da amostra.
A leitura da tabela pode ser feita horizontalmente (da direita para a esquerda ou vice-versa), verticalmente (de cima para baixo ou vice-versa), diagonalmente (no sentido ascendente ou descendente) ou formando o desenho de
uma letra qualquer. A opc;ao, porern, deve ser feita antes de iniciado o processo.
Assim, para o nosso exernplo, considerando a 181! linha, tomamos os
numeros de dois algarismos (tantos algarismos quantos formam 0 maior numero da populac;ao), obtendo:
61

3 AMOSTRAGEM
'I

Existe uma tecnica especial - amostragem - para recolher amostras,


que garante, tanto quanto possfvel, o acaso na escolha.
Dessa forma, cada elemento da popula9ao passa a ter a mesma chance de
ser escolhido, 0 que garante a amostra 0 carater de representatividade, e isto e
muito importante, pois, como vimos, nossas c6nclus6es relativas a populac;ao
vao estar baseadas nos resultados obtidos nas amostras dessa populac;ao.
Daremos, a seguir, tres das principais tecnicas de amostragem.

3.1. Amostragem casual ou aleatoria simples


Este tipo de amostragem e equivalente a urn sorteio loterico.
Na pratica, a amostragem casual ou aleat6ria simples P?de ser re~liza
da numerando-se a popula9ao de 1 a n e sorteando-se, a segmr, por meiO de
urn dispositivo aleat6rio qualquer, k numeros dessa seqUencia, os quais
corresponderao aos elementos pertencentes a amostra.

Exemplo:
Vamos obter uma arnostra representativa para a pesquisa da estatura de
noventa alunos de uma escola:
a. Numeramos os alunos de 01 a 90.
b. Escrevemos os numeros, de 01 a 90, em pedac;os iguais de urn mesrno
papel, colocando-os dentro de uma caixa. Agitamos sernpre a caixa para
misturar bern os pedac;os de papel e retiramos, urn a urn, nove m!meros que formarao a amostra. Neste caso , 10% da populac;ao.
Quando 0 numero de elementos da amostra e grande, esse tipo de sorteio
torna-se rnuito trabalhoso. A fim de facilita-lo, foi elaborada uma tabela Tabela de Numeros Aleat6rios - , construfda de modo que os dez algarismos (0 a 9) sao distribufdos ao acaso nas linhas e colunas (Anexo I, p. 223).
Para obtermos os elementos da amostra usando a tabela, sorteamos urn
algarisrno qualquer da mesma, a partir do qual iremos considerar nurneros de

21

02 01

81

73 92 60 66 73 58 53 34

Evidentemente, o numeral 92 sera desprezado, pois nao consta da populac;ao , como sera tambem abandonado urn numeral que ja tenha aparecido.
Temos, entao:
61

02 01

81

73 60 66 58 53

Medindo as alturas dos alunos correspondentes aos numeros sorteados,


obteremos urna arnostra das estaturas dos noventa alunos.

3.2. Amostragem proporcional estratificada


Muitas vezes a populac;ao se divide em subpopulac;6es - estratos.
Como e provavel que a variavel em estudo apresente, de estrato em estrato, urn comportamento heterogeneo e, dentro de cada estrato, urn comportarnento homogeneo, convem que o sorteio dos elementos da amostra leve em
considerac;ao tais estratos.
E exatarnente isso que fazemos quando empregamos a amostragem proporcional estratificada, que, alem de considerar a existencia dos estratos,
obtem os elementos da amostra proporcional ao numero de elementos dos mesmos.
Exemplo:
Supondo , no exemplo anterior, que, dos noventa alunos, 54 sejarn meninos e 36 sejam rneninas, varnos obter a arnostra proporcional estratificada.
Sao, portanto, dois estratos (sexo masculino e sexo feminino) e queremos uma amostra de 10% da populac;ao. Logo, temos:

a.

SEXO

POPULACAO

54

36

Total

90

AMOSTRA

10%
10 X 54
100
10 X 36
100
10 X 90
100

= 5,4

= 3,6

= 9,0

22

ESTATISTICA FACIL

b. Numeramos os alunos de 01 a 90, sendo que de 01 a 54 correspondem


meninos e de 55 a 90, meninas . Tomando na Tabela de Numeros Aleat6rios a primeira e a segunda colunas da esquerda, de cima para baixo,
obtemos OS seguintes numeros:
57 28

Jt2

90 80

22

56 79

53

18 p-3 03

27

05

40

Temos, ent'io:
28

22 53

18 03 -

57

90 80 56 -

para os meninos;

para as meninas .

Cap. 2 - Populac;;ao e Amostra

23

Logo:
SERIES

POPULA9AO

CALCULO
PROPORCIONAL

AMOSTRA

Jil

35

35 X 40
= 5,6
250

2 il
3il
4il
5il
6il

....
....

. ...
. ...

28

....

.. ..
....

....

....

....

7il

....

8il

....

Total

250

31 X 40
250

... .
... .
....

=lf;9

c:,
...

....

. ...

40

3.3. Amostragem sistematica

1 Pesqu isa -peso dos colegas de sua classe {inc luindo voce).
Am astra - correspondente a 30% da popu lar,:ao.
SugesUio - far,:a usa da caderneta de seu professor e da Tabela dos Numeros A leat6r ios (5.!! e 6.!! co lunas, de baixo para cima).

2 Pesqu isa -

estatura dos alu nos das 1l!li series de sua escola.


Am astra - 15% da popu lar,:ao.
Sugestao -use a Tabe la de Numeros A leat6rios {25.!! linha, da esquerda para a direita) .

SERIES

POPULA9AO

15%

AMOSTRA

A
8

3 Em uma escola existem 250 alunos, sendo 35 na 1.!! serie, 32 na 2.!!, 30 na 3.!!,
28 na 4.!!, 35 na 5.!!, 32 na 6.!!, 31 na 7.!! e 27 na 8.!!. Obtenha uma amostra de 40
alunos e preencha o quadro da pagina seguinte.

Como, neste caso, foi dado o numero de elementos da amostra, devemos,


entiio, ca lcular o numero de elementos de cada estrato proporcionalmente

ao numero de elementos da amostra. Assim, para a J!! serie, temos:


250 40

1 35

1-

35 X 40
___,. X __ - =
250

5,6 =>

X =

Quando os elementos da popula<;ao ja se acham ordenados, nao ha necessidade de construir o sistema de referencia. Sao exemplos os prontuarios medicos de urn hospital, os predios de uma rua, as linhas de produ<;ao etc. Nestes
casos, a sele<;ao dos elementos que constituirao a amostra pode ser feita por
urn sistema imposto pelo pesquisador. A esse tipo de amostragem denominamos sistematica.
Assim, no caso de uma linha de produ<;ao, podemos, a cada dez itens
produzidos, retirar urn para pertencer a uma amostra da produ<;ao diaria. Neste
caso, estarfamos fixando o tamanho da amostra em 10% da popula<;ao.

Exemplo:
Suponhamos uma rua contendo novecentos predios, dos quais desejamos
obter uma amostra formada de cinqtienta predios. Podemos, oeste caso, usar o
seguinte procedimento: como 900 = 18, escolhemos por sorteio casual urn nu50
mero de 1 a 18 (inclusive) , o qual indicaria o primeiro elemento sorteado para a
amostra; os demais elementos seriam periodicamente considerados de 18 em 18.
Assim, se o numero sorteado fosse o 4, tomarfamos, pelo lado direito da rua, o
4Q predio, o 22Q, o 40Q etc., ate voltarmos ao inicio da rua, pelo lado esquerdo.

EXERCiCIOS
1 Uma escola de 1Q grau abriga 124 alunos. Obtenha uma amostra representativa correspondendo a 15% da popu lar,:ao.
Sugestao: use a 8.!!, 9.!! e 10.!! colunas, a partir da 1.!! linha, da Tabe la de Numeros Aleat6rios {de cima para baixo ).

24

ESTATfSTICA FACIL

2 Em uma escola ha oitenta alunos. Obtenha uma amostra de doze alunos.


Sugestao: decida, juntamente com a classe e seu professor, o uso da Tabela
de Numeros Aleat6r ios.

e formada par 140 notaslresultantes da aplicac;:ao de um


teste de inteligencia:

3 Uma populac;:ao

62 129 95 123 81 93 105 95 96 80 87 110 139 75


123 60 72 86 108 120 57 113 65 108 90 137 74 106
109 84 121 60 128 100 72 119 103 128 80 99 149 85
77 91 51 100 63 107 76 82 110 63 131 65 114 103
104 107 63 117 116 86 115 62 122 92102113 74 78
69 116 82 95 72 121 52 80 100 85 117 85 102 106
94 84 123 42 90 91 81 116 73 79 98 82 69 102
100 79 101 98 110 95 67 77 91 95 74 90 134 94
79 92 73 83 74 125 101 82 71 75 101 102 78 108
125 56 86 98 106 72 117 89 99 86 82 57 106 90
Obtenha uma amostra formada de 26 elementos, tomando, in icia lmente, a
11! li nha da esquerda para a direita.
4 0 diretor de uma escola, na qual estao matriculados 280 meninos e 320
meninas, desejoso de conhecer as condic;:oes de vida extra-esco lar de seus
alunos e nao dispondo de tempo para entrevistar todas as fam fl ias, reso lveu fazer um levantamento, por amostragem, em 10% dessa clientela. Obtenha, para esse d i retor, os elementos componentes da amostra.

1 TABELAS
Urn dos objetivos da Estatfstica e sintetizar OS valores que uma ou mais
variaveis podem assumir, para que tenhamos uma visao global da variac;:ao dessa ou dessas variaveis. E isso ela consegue, inicialmente, apresentando esses
valores em tabelas e graficos, que irao nos fornecer rapidas e seguras informac;:6es a respeito das variaveis em estudo, permitindo-nos determinac;:6es administrativas e pedag6gicas mais coerentes e cientfficas.

5 Uma cidade X apresenta o seguinte quadro relative as suas escolas de


12 grau:

ESCOLAS

Tabela e um quadro que resume urn conjunto de observac;:6es.

N 2 DE ESTUDANTES
MASCULINO

FEMININO

80
102
110
134
150
300

95
120
92
228
130
290

Total

876

955

c
D
E

Uma tabela comp6e-se de:


a. corpo - conjunto de linhas e colunas que contem informac;:6es sobre
a variavel em estudo ;
b. cabe~alho colunas;

c. coluna indicadora linhas;

f. titulo - conjunto de informac;:6es, as mais completas possfveis, respondendo as perguntas: 0 que?, Quando?, Onde?, localizado no topo
da tabela.

6 Uma populac;:ao encontra-se div idida em tres estratos, com tamanhos, respectivamente, n 1 = 40, n 2 = 100 e n 3 = 60. Sabendo que, ao ser rea lizada uma
amostragem estrat if icada proporcional, nove e lementos da amostra foram
retirados do 3 2 estrato, determine o numero tota l de elementos da amostra.

1.648 2 , 290 2 , 725 2 , 2.025 2 , 1.120 2 .

parte da tabela que especifica o conteudo das

d. linhas- retas imaginarias que facilitam a leitura, no sentido horizontal, de dados que se inscrevem nos seus cruzamentos com as colunas;
e. casa ou celula - espac;:o destinado a urn s6 numero;

Obtenha uma amostra proporciona l estratificada de 120 estudantes.

7 Mo.s tre como seria possfve l retirar uma amostra de 32 elementos de uma
popu lac;:ao ordenada formada por 2.432 elementos.
Na ordenac;:ao geral, qual dos elementos abaixo seria escolhido para pertencer a amostra, sabendo-se que o elemento de ordem 1.420 a ela pertence?

parte superior da tabela que especifica o conteudo das

Ha ainda a considerar os elementos complementares da tabela, que sao a


fonte, as notas e as chamadas, colocados, de preferencia, no seu rodape.

Consulte o Apendice - Instrumental Matematico, para um a revi siio dos assuntos Frac;iies (p. 176),
Raziies (p. 182) e Percentagem (p. 183).

26

ESTATISTICA FACIL

Exemplo:

CABEc;:ALHO

PRODU~AO DE CAFE - - - - - TiTULO


BRASIL - 1991-1995
_

CO LUNA
INDICADORA
CORPO - - - +

RODAPE

-----+

ANOS
1991
1992
1993
1994
1995

- - - - CABEc;:ALHO

PRODU~AO

(1 .000 t)
12.5351

COLUNA
NUMERICA

Cap. 3 - Series Estatfsticas

Des~revem os valores da variavel, em determinado local, discriminados


segundo mtervalos de tempo variaveis.

Exemplo:
PRE~O DO ACEM NO VAREJO
SAO PAULO- 1989-94

2.666?--2.122
LINHAS
3.750
2.007

ANOS

PRE~O MEDIO
(US$)

1989
1990
1991
1992
1993
1994

FONTE: IBGE .

De acordo com a Resoluc;:ao 886 da Fundac;:ao IBGE, nas casas ou


celulas devemos colocar:

2,24
2,73
2,12
1,89
2, 0 4
2,62

FONTE: APA.

2.2. Series geogrificas, espaciais


territoriais ou de localiza9io'
Descrevem os valores da variavel, em determinado instante, di scri minados segundo regi6es.

Exemplo:
DURA~AO MEDIA DOS
ESTUDOS SUPERIORES
1994

2 SERIES ESTATISTICAS
Denorninamos serie estatistica toda tabela que apresenta a distribuic;:ao de urn conjunto de dados estatfsticos em func;:ao da epoca, do local
ou da especie.

27

2.1. Series historicas, cronologicas


. ou marchas
'
t emporaJ.s

CASA OU CELULA

urn trac;:o horizontal (-) quando o valor e zero, nao s6 quanto a


natureza das coisas, como quanto ao resultado do inquerito ;
tres pontos ( ... ) quando nao temos OS dados;
urn ponto de interrogac;:ao (?) quando temos duvida quanto a exatidao de determinado valor;
zero (0) quando o valor e muito pequeno para ser expresso pela
unidade utilizada. Se os valores sao expressos em numerais decimais, precisamos acrescentar a parte decimal urn numero correspondente de zeros (0,0; 0,00; 0,000; ... ).

PAiSES
lta l ia
Alemanha
Franga
Holanda
lnglaterra

NUMERO
DE ANOS
7,5
7,0
7,0
5,9
Menos de 4

FONTE: Rev ista Veja.

Daf, podemos inferir que numa serie estatfstica observamos a existencia


de tres elementos ou fatores: o tempo, o espa~o e a especie.

2.3. Series especificas ou categoricas

Conforme varie urn dos elementos da serie, podemos classifica-la em


hist6rica, geografica e especifica.

. Descrevem os valores da variavel, em determinado tempo e local , discrimmados segundo especificac;:oes ou categorias.

28

ESTATfSTICA FACIL
Cap. 3 - Series Estatisticas

Exemplo:

29

_ Po~~m existir, se bern que mais raramente, pela dificuldade de represensenes compostas de tres ou mais entradas.

ta~ao,

REBANHOS BRASILEIROS
1992
ESPECIES

QUANTI DADE
(1.000 cabe~as)

4 DISTRIBUIQAO DE FREQUENCIA

154.440 ,8
1.423,3
549,5
47 , 1
208 ,5
34.532,2
19.955,9
12 .159,6
6,1

Bovinos
Buba li nos
Equinos
Asin inos
Muares
Sufnos
Ovinos
Capri nos
Coe lh os

P~r se tratar de urn conceito estatfstico de suma importancia, merecera


no Caprtulo 5 urn tratamento especial.

Exemplo:
ESTATURAS DE 100 ALUNOS
DA ESCOLA X - 1995
ESTATURAS
(em)

FONTE: IBGE.

140 1145 1150 1155 1160 1165 1170 1-

3 SERIES CONJUGADAS
TABELA DE DUPLA ENTRADA
Muitas vezes temos necessidade de apresentar, em uma unica tabela, a
de valores de mais de uma variavel, isto e, fazer uma conjuga~ao de
duas ou mais series.

145
150
155
160
165
170
175

Total

varia~ao

NQDE
ALUNOS

2
5
11
39
32
10

100

Dados fictic ios.

Conjugando duas series em uma unica tabela, obtemos uma tabela de


dupla entrada. Em uma tabela desse tipo ficam criadas duas ordens de classifica~ao: uma horizontal (linha) e uma vertical (coluna).

Exemplo:

TERMINAlS TELEFONICOS EM SERVICO


1991-93
REGIOES
Norte
Nordeste
Sudeste
Su i
Ce ntro-Oeste
FONTE: Ministerio das

1991

342.938
1.287 .813
6.234.501
1.497.315
713.357

1992

1993

375.658
403.494
1.379.101 1.486.649
6.729.467 7.231.634
1.608.989 1.746.232
778.925
884.822

1 Classifique as series:

a.

b.

PRODUCAO DE
BORRACHA NATURAL
1991-93

AVICULTURA BRASILEIRA
1992

Comunica~oes.

A conjuga~ao, no exemplo dado, foi serie geografica-serie hist6rica, que


da origem a serie geografico-hist6rica ou geografico-temporal.

ANOS

TONELADAS

ESPECIES

NUMERO
(1.000 cabe~as)

1991
1992
1993

29 .543
30.712
40.663

Ga linhas
Ga los, frangos, frangas e pintos
Codornas

204.160
435.465

FONTE: IBGE.

FONTE: IBGE.

2.488

30

ESTATiSTICA FACIL

d.
AQUECIMENTO DE UM MOTOR
DE AVIAO DE MARCA X

c.
VACINA<;AO CONTRA A
POLIOMIELITE - 1993
REGIOES

QUANTI DADE
211 .2 09
631. 040
1. 11 9.708
418. 785
185 .823

N orte
Nordeste
Sudeste
S ui
Ce ntro-Oeste

TEMPERATURA

MINUTOS

(oC)

20
27
34
41
49
56
63

0
1

2
3
4

FONTE: Ministerio da Saude.

5
6
Dados f icticios.

Cap. 3 - Series Estatisticas

31

4 Verificou-se, em 1993, o seguinte movimento de importa~ao de mercadorias:


14.839.804 t, oriundas da Arabia Saudita, no valor de US$ 1.469.104.000;
10.547.889 t, dos Estados Unidos, no valor de US$ 6.034.946.000; e 561 .024 t,
do Japao, no valor de US$ 1.518.843.000. Confeccione a serie correspondente
e classifique-a, sabendo que os dados acima foram fornecidos pelo Ministerio da Fazenda.

5 DADOS ABSOLUTOS E DADOS RELATIVOS


Os dados estatfsticos resultantes da coleta direta da fonte, sem outra
manipula<;ao senao a contagem ou medida, sao chamados dados absolutos.

e.
PRODU<;AO BRASILEIRA DE A<;O BRUTO
1991-93
QUANTIDADE (1.000 t)
PROCESSOS
Ox ige ni o basic o
Forno eletrico
EOF

1991

1992

1993

17.934
4.274
409

18.849
4.637
448

19.698
5.065
444

A Ieitura dos dados absolutos e sempre enfadonha e inexpressiva ; embora esses dados traduzam um resultado exato e fiel , nao tern a virtude de ressaltar de imediato as suas conclus6es numericas. Daf o uso imprescindfvel que
faz a Estatfstica dos dados relati vos.

Dados relativos sao o resultado de compara<;6es por quociente (raz6es) que se estabelecem entre dados absolutos e tern por finalidade real<;ar ou facilitar as compara<;6es entre quantidades.

FONTE: lnstituto Brasi leiro de Siderurgia.

f.
EXPORTA<;AO BRASILEIRA
1985-1990-1995
IMPORTADORES

1985
%

1990
%

1995
%

America Lati na
EUA e Canada
Europa
Asia e Ocean ia
Afr ica e Oriente Media

13,0
28,2
33,9
10,9
14,0

13,4
26,3
35,2
17,7
8,8

25,6
22,2
20,7
15,4
5,5

Traduzem-se os dados relativos , em geral, por meio de percentagens,


indices, coeficientes e taxas.

5.1. As percentagens
Consideremos a serie:

FONTES : M ICe SECEX.

2 Procure exemplos de ser ies estatfsticas em jornais e revistas e copie-os, classificando essas ser ies.
3 Pesquise, junt o a secretar ia de sua esco la, os dados necessarios ao preenchimento da t abe la abaixo :
MATRiCULAS NA ESCOLA ... EM 19 ...
SEXO
SERIES

MASCULINO

FEMININO

MATRiCULAS NAS ESCOLAS


DA CIDADE A - 1995
CATEGORIAS

NUMERO DE ALUNOS

1Q grau
2Q grau
3Q grau

19.286
1.681
234

Total

21.201

Dados ficticios.

32

ESTATiSTICA FACIL

Calculemos as percentagens dos alunos de cada grau:


1Q grau

2Q grau

100
19 286

X
21.201

~ 1.681 X 100

90,96

Cap. 3 - Series Estatisticas

tal tarefa fica bastante facilitada. Assim, acrescentando na tabela anterior as


colunas correspondentes as percentagens, obtemos:

91,0

MATRiCULAS NAS ESCOLAS


DAS CIDADES A E B - 1995

= 7,92 = 7,9

21.201

CATEGORIAS
3Q grau ~

234 X 100
21.201

33

= 1,10 = 1,1

Com esses dados, podemos formar uma nova coluna na serie em estudo:

CIDADE A
NQ DE ALUNOS

CIDADE B

NQ DE ALUNOS

1Q grau
2Q grau
3Q grau

19.286
1.681
234

91,0
7,9

Total

21.201

1 '1

38.66 0
3.399
424

91,0
8,0
1,0

100,0

42.483

100,0

MATRiCULAS NAS ESCOLAS


DA CIDADE A- 1995
CATEGORIAS

NQ DE ALUNOS

1Q g rau
2Q grau
3Q grau

19.286
1.681
234

91,0
7,9

Total

1 '1
100,0

21.201

Os valores dessa nova coluna nos dizem que, de cada 100 alunos da cidade A, 91 esUio matriculados no 1Q grau, 8, aproximadamente, no 2Q grau e 1
no 3Q grau.
0 emprego da percentagem e de grande valia quando e nosso intuito destacar a participa~ao da parte no todo.

o que nos permite dizer que, comparativamente, contam, praticamente, com o


mesmo numero de alunos em cada grau.
NOTAS:
Do mesmo modo que tomamos 100 para base de comparayao, tambem podemos
tomar outro numero qualquer, entre OS quais destacamos 0 numero 1. E claro que,
supondo o total igual a 1, os dados relativos das parcelas serao todos menores
que 1.
Em geral, quando usamos 100 para base, os dados sao arredondados ate a primeira
casa decimal; e quando tomamos 1 por base, sao arredondados ate a terceira casa
decimal.

Consideremos, agora, a serie:

MATRiCULAS NAS ESCOLAS


DAS CIDADES A E B- 1995
NQ DE ALUNOS

CATEGORIAS
CIDADE A

CIDADE B

1Q grau
2Q grau
3Q grau

19.286
1.681
234

38.660
3.399
424

Total

21.201

42.483

Dados fictfcios.

1 Complete a tabela abaixo:

ESCOLAS

DADOS RELATIVOS
POR 1

POR 100

175

0,098

9,8

222

.. ..
....
.. ..
.. ..
....

....
....
....
....
....

Qual das cidades tern, comparativamente, maior mimero de alunos em


cada grau?
Como o numero total de alunos e diferente nas duas cidades, nao e facil
concluir a respeito usando os dados absolutos. Porem, usando as percentagens,

Nf!DE
ALUNOS

202

362

280
540

Total

1.781

1,000

100,0

Ca lcu l os:
A ----) 175 X 1 = 0,098
1.781

PERTENCE

BIBLWTECA

MART IN lUTHER PORTO VELHO RO

34

Cap. 3 - Series Estalisticas

ESTATiSTICA FACIL

Os indices sao raz6es entre duas grandezas tais que uma nao inclui
a outra.
Sao exemplos de fndices:
'
diametro transversa do cranio
X 100
Indice cefalico =
.
.
d
diametro longttudma1 o cramo
A

Quociente intelectual

idade mental
idade cronol6gica

= --------

As taxas sao os coeficientes multiplicados por uma potencia de 10


(10, 100, 1.000 etc.) para tornar o resu1tado mais inteligfvel.

100
Sao exemplos de taxas:
Taxa de mortalidade = coeficiente de mortalidade x 1.000
Taxa de natalidade = coeficiente de natalidade x 1.000

indices economicos:

Taxa de evasao escolar = coeficiente de evasao escolar x 100

Produr;ao per capita


Consumo per capita
Renda per capita

numero de alunos em recuperar;ao

5.4. As taxas

popular;ao
superffcie

Densidade demografica =

numero de alunos recuperados

Coeficiente de recuperar;ao
escolar

5.2. Os indices. indices economicos

35

valor total da produr;ao


popular;ao

consumo do bern
popular;ao

rend a
popular;ao

=-----

Receita per capita

EXERCICIO RESOLVIDO
1 0 Estado A apresentou 733.986 matriculas na 1.!! serie, no inicio do ano de
1994, e 683.816 no fim do ano. 0 Estado B apresentou, respectivamente,
436 .1 27 e 412 .457 matriculas. Qual o Estado que apresentou maior evasao
escolar?

receita

=----popular;ao

5.3. Os coeficientes
Os coeficientes sao raz6es entre o numero de ocorrencias e o numero total (numero de ocorrencias e numero de nao-ocorrencias).

--7

TEE=

733 986
683 876

733.986

X 700

0,0683 X 100

6,83

6,8%

--7

TEE=

436 127
412 457

436.127

X 700

0,0542 X 100

5,42

5,4%

0 Estado que apresentou maior evasao escolar foi A.

Sao exemplos de coeficientes:


Coeficiente de natalidade

RESOLVA

numero de nascimentos
popular;ao total

=- - - - - - - - - -

Coeficiente de mortalidade

numero de 6bitos
popular;ao total

TEE = _ _
n_-'-d-'-e_e.:_v---'a---'d_i-'--d-"-o-"-s- X 700
nQ matrfcula inicial

Coeficientes educacionais:
Coeficiente de evasao escolar
Coeficiente de aproveitamento
escolar

1 Uma escola registrou em man;:o, na 1.!! serie, a matricula de 40 alunos e a


matricula efetiva, em dezembro, de 35 alunos . A taxa de evasao foi de:

numero de alunos evadidos


inicial de matriculas

= numero
=

numero de alunos aprovados


numero final de matriculas

40

40

35

X 700

= . :. :. :.:___

100

12,5%

2 Calcule a taxa de aprovagao de um professor de uma classe de 45 aluno s,


sabendo que obtiveram aprovagao 36 alunos.
TAE

n de aprovar;ao
nQ matrfcula final

100

= _._00_. x 0000 =

80%

37

Cap. 3- Series Estatisticas

36

ESTATiSTICA FACIL

a.
b.
c.
d.

Complete-a com uma coluna de taxas percentuais.


Como se distribuem as receitas em rela<;:ao ao total?
Qual o desenvolvimento das receitas de um mes para o outro?
Qual o desenvolvimento das receitas em rela<;:ao ao mes de janeiro?

4 Sao Paulo tinha, em 1992, uma popula<;:ao de 32.182,7 mil habitantes. Sabendo que sua area terrestre e de 248.256 km 2 , ca lcule a sua densidade

1 Considere a serie estatfstica:

demografica.

SERIES

ALUNOS
MATRICULADOS

1.!!
2.!!
3.!!
4.!!

546
328
280
120

IBG EI:

Calcule:

Complete-a, determinan d o as percen t agens com uma casa decimal e fazendo a compensa<;:ao, se necessaria.

2 Uma escola apresentava, no final do ana, o seguinte quadro:

MATRiCULAS
SERIES

MARCO

Total

NOVEMBRO

480
458
436
420

475
456
430
420

1.794

1.781

1.!!
2.!!
3.!!
4.!!

a. Calcule a taxa de evasao por serie.


b. Calcule a taxa de evasao da escola.

3 Considere a tabela abaixo:


EVOLUCAO DAS RECEITAS DO
CAFE INDUSTRIALIZADO
JAN. /ABR.- 1994
MESES
Janeiro
Fevereiro
Mar<;: a
Abril

Total
Dados fictfcios.

popula<;:ao: 15.957,6 mil habitantes;


superffcie: 586.624 km 2 ;
nascimentos: 292 .036;
6bitos: 99.281.

1.274

Total

5 Considerando que Minas Gerais, em 1992, apresentou (dados fornecidos pelo

VALOR
{U S$ milhoesl

33,3
54,1
44,5
52,9
184,8

a. o fndice da densidade demografica;


b. a taxa de natalidade;
c. a taxa de mortalidade.

6 Uma frota de 40 caminh6es, transportando, cada um, 8 toneladas, dirige-se


a duas cidades A e B. Na cidade A sao descarregados 65% desses caminhoes,
par 7 homens, trabalhando 7 horas. Os caminh6es restantes seguem para a
cidade B, onde 4 homens gastam 5 horas para o seu descarregamento. Em
que cidade se obteve melhor produtividade?

7 Um professor preencheu um quadro, enviado pela D.E., com os seguintes


dados:
PROMOVI
TOTAL GERAL
NQ DE
NQ DE
RETIDOS
SERlE E
DOS SEM
EM RECU- RECUPE NAORECU
ALUNOS ALUNOS
SEM RECU
TURMA
RECUPE
PERACAO RADOS PERADOS PROMO RETIDOS
30.03
30.11
PERACAO
VIDOS
RACAO

1Q B
1Q c
1Q E
1Q F

49
49
47
47

44
42
35
40

35
42
27
33

03
00
00
06

06
00
08
01

05
00
03
00

01
00
05
01

40
42
30
33

04
00
05
07

Total

192

161

137

09

15

08

07

145

16

Calcule:
a.
b.
c.
d.
e.
f.
g.
h.
i.

a
a
a
a
a
a
a
a
a

taxa
taxa
taxa
taxa
taxa
taxa
taxa
taxa
taxa

de
de
de
de
de
de
de
de
de

evasao, par classe;


eva sao tot a I;
aprova<;:ao, par classe;
aprova<;:ao geral;
recupera<;:ao, par classe;
recupera<;:ao geral;
reprova<;:ao na recupera<;:ao geral;
aprova<;:ao, sem a recupera<;:ao;
retidos, sem a recupera<;:ao.

Cap. 4- Graficos Estatfsticos

39

Dentre os principais diagramas, destacamos:

2.1. Grifico em linha ou em curva

Grificos Estatisticos
l GRAFICO ESTATISTICO

Este tipo de grafico se utiliza da linha poligonal para representar a serie


estatfstica.
0 grafico em linha constitui uma aplica9ao do processo de representayao das funy6es num sistema de coordenadas cartesianas.
Como sabemos, nesse sistema fazemos uso de duas retas perpendiculares; as retas sao os eixos coordenados e o ponto de intersec9ao , a origem. 0
eixo horizontal e denominado eixo das abscissas (ou eixo dos x) e 0 vertical,
eixo das ordenadas (ou eixo dos y).

0 gnifico estatistico e uma forma de apresentayao dos dados estatfsticos, cujo objetivo e o de produzir, no investigador ou no publico em
geral, uma impressao mais nipida e viva do fenomeno em estudo, ja que
OS graficos falam mais rapido a compreensao que as Series.

Para tornar bern clara a explanayao, consideremos a seguinte serie:

Para tornarmos possfvel uma representa9ao grafica, estabelecemos uma


correspondencia entre os termos da serie e determinada figura geometrica, de
tal modo que cada elemento da serie seja representado por uma figura proporcional.

PRODUc;:Ao BRASILEIRA
DE OLEO DE DENDE
1987-92

A representa9ao grafica de urn fenomeno deve obedecer a certos requisitos fundamentais para ser realmente util:

a. Simplicidade - o grafico deve ser destitufdo de detalhes de importancia secundaria, assim como de tra9os desnecessarios que possam
levar o observador a uma analise morosa ou com erros.
b. Clareza - o grafico deve possibilitar uma correta interpretayao dos
valores representativos do fenomeno em estudo.
c. Veracidade em estudo .

ANOS

QUANTI DADE
(1.000 t)

1987
1988
1989
1990
1991
1992

39,3
39,1
53,9
65,1
69,1
59,5

FONTE: Agropalma.

o grafico deve expressar a verdade sobre o fenomeno

Os principais tipos de graficos sao os diagramas, os cartogramas e os


pictogramas.
Vamos tomar os anos como abscissas e as quantidades como ordenadas.

2 DIAGRAMAS
Os diagramas sao graficos geometricos de, no maximo, duas dimens6es; para sua constru9ao, em geral, fazemos uso do sistema cartesiano.

Assim, urn ano dado (x) e a respectiva quantidade (y) formam urn par
ordenado (x, y), que pode ser representado num sistema cartesiano.
Determinados , graficamente, todos os pontos da serie, usando as coordenadas , li gamos todos esses pontos, dois a dois, por segmentos de reta, o que
ira nos dar uma poligonal, que e o grafico em Iinha ou em curva correspondente a serie em estudo (Figura 4.1).

40

Cap. 4 - Gralicos Estatisticos

ESTAT[STICA FACIL

Quando representamos , em urn mesmo sistema de coordenadas, a variavao de dois


fen6menos, a parte interna da figura formada pelos gnificos desses fen6menos e
denominada area de excesso:

PRODUCAO BRASILEIRA
DE OLEO DE DENDE
1987-92

mil
toneladas

---

70

60
50

40

41

~
e x portacao

1'-- ........
G)

30

,"'

r-:: ><.

20

.....

-r01 n

importac;ao
area de excesso de importacao

area de exce ss o de exportac;ao

""

10

FIGURA 4.6

1987

88

90

89

92

91

FONTE: Agropalma.
FIGURA 4.1

NOTAS :
No exemplo dado, o zero foi indicado no eixo vertical, mas , por raz6es 6bvias,
nao foi indicado no eixo horizontal. Observe que o zero, de modo geral , de veni
ser indicado sempre que poss fvel, especialmente no eixo vertical. Se, por alguma
razao , for impossivel tal indicavao e se essa omissao puder levar o observador a
conclus6es err6neas, e prudente chamar a atenvao para a omissao por urn dos meios indicados nas Figuras 4.2, 4.3 e 4.4:
R$

R$

R$

100

100

99

_..........

98

""
oo---rFJ

97

96

100

_...

99
98
97

98
97

96

1--

99

~/

E a representa<;:ao de uma serie por meio de retangulos, dispostos verticalmente (em colunas) ou horizontalmente (em barras) .
Quando em colunas, os retangulos tem a mesma base e as alturas sao
proporcionais aos respectivos dados.
Quando em barras, os retangulos tern a mesma altura e os comprimentos
sao proporcionais aos respectivos dados.
Assirn estamos assegurando a proporcionalidade entre as areas dos retangulos e os dados estatfsticos.
Exemplos:

96
~

1986 87 88 89 90

2.2. Grifico em colunas ou em barras

a. Gnifico em colunas

1986 87 88 89 90

1986 87 88 89 90
FIGURA 4.2

FIGURA 4.3

FIGURA 4.4

Com o intuito de melhorar o aspecto vis ual, podemos sombrear ou hachurar o gnifico . Assim , o grafico da Figura 4.3 toma o seguinte aspecto :

PRODUCAO BRASILEIRA
DE CARVAO MINERAL BRUTO
1989-92

R$

100

ANOS

99
98
97
96
FIGURA 4.5

1986 87 88 89 90

1989
1990
1991
1992

QUANTI DADE
PRODUZIDA
(1.000 t)
18.196
11 .168
10.468
9.241

FONTE: Mini ste rio d a Agricultura.

42

Cap. 4 - Graficos Estatfsticos

ESTATiSTICA FACIL

PRODUCAO BRASILEIRA DE
mil
CARVAO MINERAL BRUTO
toneladas
1989-92
20.000 .---------___:_==--=:.=..._~-------,

15.000 -

10 .000 -

43

NOTAS:
Sem pre que os dizeres a serem in scritos sao extensos, devemos dar preferencia ao
gnifico em barras (series geograficas e especfficas) . Porem, se ainda assim prefe. rirmos o gnifico em colun as, os dizeres deverao ser di spostos de baixo para cima,
nunca ao contrario.
o A ordem a ser observada e a cronologica, se a serie for hist6rica, e a decrescente,
se for geografica ou categ6rica.
o A distancia entre as colunas (ou biu-ras), por quest6es es tetica s, nao devera ser
menor que a metade nem maior que os dois t er~os da largura (ou da altura) dos
retan gulos.
o

2o3o Grifico em colunas ou em barras mwtiplas

5.000

Este tipo de grafico e geralmente empregado quando queremos representar, simultaneamente, dais ou mais fenomenos estudados com o prop6sito de
comparac;ao .
Exemplo:

FONTE: Ministerio da Agricultura.


FIGURA 4.7

BALANCA COMERCIAL DO BRASIL


1989-93

b. Grafico em barras
EXPO,RTACOES BRASILEIRAS
MARCO - 1995
ESTADOS

VALOR
(US$ milhoes)

Sao Pau lo
Minas Gerais
Rio Grande do Sui
Espirito Santo
Parana
Santa Catarina

1.344
542
332
285
250
202

VALOR (US$ 1.000.000)

ESPECIFICACOES
Exporta~ao

(FOB)

l mporta~ao

1989

1990

1991

1992

1993

34.383
18.263

31 .414
20.661

31.620
21.041

35.793
20.554

38 .783
25.711

FONTE: Ministerio da Fazenda.

BALANCA COMERCIAL
US$ milh ao
BRASIL - 1989-93
40.000 .-----------------------~
-

FONTE: SECEX.
30.000

~-

EXPORTACOES BRASILEIRAS
MARCO- 1995

Sao Paulo
Minas
Gerais
Rio Grande
do Sui

10.000

1989

1990

FONTE: Min isterio da Fazenda.

Parana

t=J
0

1991

D exportaviio

1992

1993

importavao

FIGURA 4.9

FONTE: SECEX.

~-

Espfrito
Santo

Santa
Catarina

20.000

1.000
500
milh6es d61ares
FIGURA 4.8

2o4o Grifico em setores


1.500

Este grafico e construfdo com base em urn drculo, e e empregado sempre que desejamos ressaltar a participac;ao do dado no total.

44

ESTATiSTICA FACIL

Cap. 4 - Graficos Estatfsticos

0 total e representado pelo drculo , que fica dividido em tantos setores


quantas sao as partes .
Os setores sao tais que suas areas sao respectivamente proporcionais aos
dados da serie.
Obtemos cada setor por meio de uma regra de tres simples e direta, lembrando que 0 total da serie corresponde a 360.

Exemplo:

45

NOTAS:
0 gnlfico em setores s6 deve ser empregado quando ha, no maximo , sete dados.
Se a serie ja apresenta os dados percentuais, obtemos os respecti vos val ores em
graus multiplicando o valor percentual por 3,6.

3 GRAFICO POLAR

Dada a serie:

E: o gratico ideal para representar series temporais ciclicas, isto e, series


temporais que apresentam em seu desenvolvimento determinada periodicidade, como, por exemplo, a variac;:ao da precipitac;:ao pluviometrica ao Iongo do
ano ou da temperatura ao Iongo do dia, a arrecadac;:ao da Zona Azul durante a
semana, o consumo de energia eletrica durante o mes ou o ano, o numero de
passageiros de uma linha de onibus ao Iongo da semana etc.

REBANHO SUiNO DO
SUDESTE DO BRASIL
1992
ESTADOS

QUANTIDADE
(mil cabeffas)

Minas Gerais
Espirito Santo
Rio de Janeiro
Sao Pau lo

3.363,7
430,4
308,5
2.035,9

Total

6.138,5

0 grafico polar faz uso do sistema de coordenadas polares.

Exemplo:
Dada a serie:

FONTE: IBGE.

PRECIPITA<;:AO PLUVIOMETRICA
RECIFE- 1993

temos:
16.138,5 - 36001 ~ x, = 197,2
3.363,7- x,
X2

= 25,2

18,0

= 119,3

X3 =

X4

=> x, =

MESES

19JC

Janeiro
Fevereiro

x 2 = 25
x 3 = 18
x 4 = 120

Mar~o

Com esses dados (valores em graus) , marcamos num drculo de raio arbitrario, com urn transferidor, os arcos correspondentes, obtendo o grafico:
REBANHO SUiNO DO
SUDESTE DO BRASIL
1992

M inas Gerais

Espfrito Santo

U
U
FONTE: IBGE .
FIGURA 4.10

Rio de Janeiro
Sao Paulo

Abril
Maio
Junho
Julho
Agosto
Setembro
Outubro
Novembro
Dezembro

MILiMETROS

49,6
93,1
63,6
135,3
214,7
277,9
183,6
161,3
49,2
40,8
28,6
33,3

FONTE: Min isterio da Agricultura.

trac;:amos uma circunferencia de raio arbitrario (em particular, damos preferencia ao raio de comprimento proporcional a media dos valores da serie);
construfmos uma semi-reta (de preferencia na horizontal) partindo de 0
(p61o) e com uma escala (eixo polar);
dividimos a circunferencia em tantos arcos quantas forem as unidades temporais;
trac;:amos, a partir do centro 0 (p6lo), semi-retas passando pelos pontos de
divisao;

46

Cap. 4 - Graficos Estatfsticos

ESTATiSTICA FACIL

marcamos os valores correspondentes da variavel, iniciando pela serni-reta


horizontal (eixo polar);
ligamos os pontos encontrados com segmentos de reta;
se pretendemos fechar a poligonal obtida, empregamos uma linha interrom-

Exemplo:
Dada a serie:
POPULA(:AO PROJETADA DA REGIAO SUL DO BRASIL -

pida.
Assim , para o nosso exemplo, temos:
PRECIPITA<;:AO PLUVIOMETRICA
RECIFE- 1993

47

1994

ESTADOS

POPULA(:AO
(h ab .)

AREA
(km 2 )

DENSIDADE

Parana
Santa Catarina
Rio Grande do Sui

8 .651.100
4.767.800
9.475.900

199.324
95 .3 18
280.674

43,4
50,0
33,8

OUT.

FONTE: IBGE.

obtemos os seguintes cartogramas:


300

POPULACAO PROJETADA DA REGIAO SUL


BRAS IL - 1994

DENSIDADE POPULACIONAL PROJETADA


DA REGIAO SUL DO BRASIL- 1994

FONTE: Ministerio d a Agricultura.


FIGURA 4.1 1


4 CARTOGBAlVIA
0 cartograma

e a representar;ao

sobre uma carta geografica.

Este grafico e empregado qu ando 0 objetivo e 0 de figurar OS dados estatfsti cos diretamente relacionados com areas geograficas ou polfticas.
Distinguimos duas aplicar;oes :
a. Representar dados absolutos (popular;ao)- neste caso, lanr;amos mao,
em geral, dos pontos, em numero proporcional aos dados (Figura
4.12).
b. Representar dados relativos (densidade)- neste caso, lanr;amos mao,
em geral, de hachuras ou cores (Figura 4.13).

400.000 habitantes

FIGURA 4.12

D
D
D

menos de 34,0 hab/k m 2


menos de 44,0 hab/k m 2
menos de 51,0 hab/ km 2

FIGURA 4.13

NOTA:
Quando os num eros abso lutos a serem representados forem muito grandes, no Lu ga r de pontos podemos e mpregar hachura s.

48

ESTATfSTICA FACIL

Cap. 4- Graficos Estatisticos

5 PICTOGRAMA
0 pictograma constitui urn dos processos gnificos que melhor fala
ao publico, pela sua forma ao mesmo tempo atraente e sugestiva. A representa9ao grafica consta de figuras.

Exemplo:

Na verdade, o gnifico referente a Figura 4.14 e essencialmente urn grafico em barras; porem, as figuras o tornam mais atrativo, o que, provavelmente,
despertan'i a aten9ao do leitor para o seu exame.
Na confec9ao de graficos pict6ricos temos que utilizar muita criatividade,
procurando obter uma otimiza9ao na uniao da arte com a tecnica. Eis alguns
exemplos:
Famflias
numerosas e famflias
pequenas

Para a serie:

NUmero m8dio de pessoas


por domicilio

ANOS

" \

1960
1970
1980
1990

~~G'~

<'>~~ ~.

HABITANTES
(mil hares)

<'&" 1>'4 ~
~~ ''<"&

~~~

70.070,4
93.139,0
118.562,5
155.822,4

w
c,o)

1;

'~?>

~~

POPULACAO DO BRASIL
1960-90

"W
'5o

~ ~

\ (/.

"'

<3-%,_ .......
l.2 Dina '"""" '.ll.~

""l!:a.Suec;.,

Sozinhos ou em comunidade

~ ~Em 1993 hav1a 35,1 m1lhoes de dom1cihos na Alemanha Compunham se de

lie
,
' ...

FONTE : IBGE.

,
.. _

'" """"m'"""'
22%

Mulheres v1vendo sozmhas

14%

Casais com 1 filho


Casais com 2 filhos

12%

temos a seguinte representa9ao pict6rica:

l o/o

Homens v1vendo sozmhos


Pa1 ou mae com filhos

S%

Casas co m 3 fllhos ou mais

4%
8%

do)mlaJII~Iot..l .......

Outros domicfllos
IC.S.O.r>ioc.no6g..
.S.w-.. la~flc.J

FONTES: N~Oes Unidas, lnstituto Naclonal de Estatlsticas.

GrMICO: Chrisloph Blumrich

Doutschland, ago. 1993.

POPULACAO DO BRASIL
1960-90

FIGURA 4.15

ALTA VELOCIDADE
Alcool conqulatou rapidamente participa~6o no consumo de combustlveis
(Consumo aparente em mil hiles de litrosl

1960

1970

1980

2,4

1,3

At cool
1,6

0,6

Anidro

1990
82
83
84
85
86
87
FONTE: Datagro - Sao Paulo.

Cada simbolo representa 20.000.000 de habitantes.


FIGURA 4.14

49

88

89
90
jan. a mar.

FONTE: IBGE.

91

92

93

G/obo Rural, jul. 1993.


FIGURA 4.16

50

ESTAT[STICA FACIL

Cap. 4 - Graficos Estatfsticos

POPULACOES CARCERARIAS NO MUNDO


A cada 100 mil habitantes
FONTE: Ministerio da Saude.
519

R
TEM MAIS
DETENTOS

EUA

558
368
Africa do Sui
presos para cada 100 mil
habitantes e a taxa de
apris ionamento na Russia, a
maier do mundo.
FIGURA 4.2 0

117

111

Hungria Canada

111
China

EXERCiCIOS
1 Represente a serie abaixo usando o grafico em linha:
Fo lha deS. Paulo, set. 1994.

COMERCIO EXTERIOR
BRASIL- 1984-93

FIGURA 4.17

ANOS

lncidimcia
dos tipos
femininos
de cancer
no Brasil

0 prec;o na entressafra
0 pre~o da arroba de carn e
bovina em julho, o primeiro
mes de entressafra,
nos Ultimos se re

anos-em

53,2 %

34,7 %
0

do/ares

a:
UJ
2
UJ
a:

18,78

1697

1986

1!;87

0..

....

FONTE : Etac Consultoria Agropecuaria.

Veja, 10 out. 1992.


FIGURA 4.18

FIGURA 4.19

1984
1985
1986
1987
1988
1989
1990
1991
1992
1993

OUANTIDADE (1.000 t)
EXPORTACAO

IMPORTACAO

141.737
146.351
133.832
142.378
169.666
177.033
168.095
165.97 4
167.295
182.561

53.988
48.870
60.597
61.975
58.085
57.293
57.184
63.278
68.059
77.813

FONTE: M in. Industria, Comercio e Turismo.

51

Cap. 5 - Distribuh;:ao de Freqiiencia

55

TABELA 5.2
ESTATURAS DE 40 ALUNOS DO COLEGIO A

150
151
152
153

154
155
155
155

155
156
156
156

157
158
158
160

160
160
160
160

161
161
161
161

162
162
163
163

164
164
164
165

166
167
168
168

169
170
172
173

Agora, podemos saber, com relativa facilidade, qual a menor estatura


(150 em) e qual a maior (173 em); que a amplitude de variayao foi de
173 - 150 = 23 em; e, ainda, a ordem que urn valor particular da variavel ocupa
no conjunto. Com urn exame mais acurado , vemos que ha uma concentrayao
das estaturas em algum valor entre 160 em e 165 em e, mais ainda, que ha
poucos valores abaixo de 155 em e acima de 170 em.

1 TABELA PRIMITIVA
ROL
Vamos considerar, neste capftulo, em particular, a forma pela qual podemos descrever os dados estatfsticos resultantes de variaveis quantitativas, como
e o caso de notas obtidas pelos alunos de uma classe, estaturas de urn conjunto de pessoas, salarios recebidos pelos operarios de uma fabrica etc.
Suponhamos termos feito uma coleta de dados relativos as estaturas de
quarenta alunos, que comp6em uma amostra dos alunos de urn colegio A, resultando a seguinte tabela de valores:

2 DISTRIBUIQ.iO DE FREQUENCIA
No exemplo que trabalhamos, a variavel em questao, estatura, sera observada e estudada muito mais facilmente quando dispusermos valores ordenados em uma coluna e colocarmos, ao lado de cada valor, o numero de vezes
que aparece repetido.
Denominamos freqiiencia o numero de alunos que fica relacionado a urn
deterrninado valor da variavel. Obtemos, assim, uma tabela que recebe o nome
de distribui~ao de freqiiencia:

TABELA 5.1
ESTATURAS DE 40 ALUNOS DO COLEGIO A

166
162
155
154

160
161
152
161

161
168
163
156

150
163
160
172

162
156
155
153

160
173
155
157

165
160
169
156

167
155
151
158

164
164
170
158

TABELA 5.3*

160
168
164
161

ESTAT.
(em)

150
151
152
153
154
155
156
157

A esse tipo de tabela, cujos elementos nao foram numericamente organizados, denominamos tabela primitiva.
Partindo dos dados acima - tabela primitiva - e diffcil averiguar em
torno de que valor tendem a se concentrar as estaturas, qual a menor ou qual
a maior estatura ou, ainda, quantos alunos se acham abaixo ou acima de uma
dada estatura .
Assim, conhecidos os valores de uma variavel, e diffcil formarmos uma
ideia exata do comportamento do grupo como urn todo, a partir dos dados naoordenados.
A maneira mais simples de organizar os dados e atraves de uma certa ordena((ao (crescente ou descrescente). A tabela obtida ap6s a ordena((ao do s
dados recebe o nome de rol.

FREQ.

1
1
1
1
4
3
1

ESTAT.
(em)

158
160
161
162
163
164
165
166

FREQ.

2
5
4
2
2
3
1
1

ESTAT.
(em)

FREQ.

167
168
169
170
172
173

1
2

Total

40

Mas o processo dado e ainda incoveniente, ja que exige muito espa((o,


mesmo quando 0 numero de valores da variavel (n) e de tamanho razoavel.
Sendo possfvel , a solu((ao mai s aceitavel, pela propria natureza da variavel
continua, e 0 agrupamento dos valores em varios intervalos.
*

A tabela foi tripartida para nao ocupar muito

espa~o .

56

Cap. 5- Distribuic;;ao de Frequencia

ESTATfSTICA FACIL

TABELA 5.5

Assim, se urn dos intervalos for, por exemplo, 154 1- 158*, em vez de
dizermos que a estatura de 1 aluno e de 154 em; de 4 alunos, 155 em; de 3
alunos, 156 em; e de 1 aluno, 157 em, diremos que 9 alunos tern estaturas entre
154, inclusive, e 158 em.
Oeste modo, estaremos agrupando os valores da variavel em intervalos,
sendo que, em Estatfstica, preferimos chamar os intervalos de classes.

ESTATURAS
(em)

150t-154
1541- 158
158 1- 162
162 1- 166
166!-170
170t-174

Chamando de freqiiencia de uma classe o numero de valores da variavel pertencentes a classe, os dados da Tabela 5.3 podem ser dispostos como na
Tabela 5.4, denominada distribui<;ao de freqiiencia com intervalos declasse:

ESTATURAS DE 40 ALUNOS
DO COLEGIO A
(em)

TABULACAO

D
00
001
0C
0

Total

FREQUENCIA
4
9
11
8
5
3
40

Quando os dados estao organizados em uma distribuic;:ao de freqUencia, sao


comumente denominados dados agrupados.

TABELA 5.4

ESTATURAS

57

3 ELEME~QS DE UMA DISTRIBUIQAO


DE FREQUENCIA

FREOUENCIA
4

150t-154
154 t- 158
158 t- 162
162 t- 166
166 t- 170
170 t- 174

11
8
5
3

Total

40

3.1. Classe
Classes de rfeqiiencia ou, simplesmente, classes sao intervalos de
varia<;ao da variavel.
As classes sao representadas simbolicamente por i, sendo i = 1, 2, 3, ... , k
(onde k e 0 numero total de classes da distribui<;ao).

Ao agruparmos os valores da variavel em classes, ganhamos em simplicidade mas perdemos em pormenores . Assim, na Tabela 5.3 podemos verificar, facilmente , que quatro alunos tern 161 em de altura e que nao existe nenhum aluno com 171 em de altura. Ja na Tabela 5.4 nao podemos ver se algum aluno tern a estatura de 159 em. No entanto, sabemos, com seguran<;a,
que onze alunos tern estatura compreendida entre 158 e 162 em.
0 que pretendemos com a constru<;ao dessa nova tabela e real<;ar o que
ha de essencial nos dados e, tambem, tornar possfvel o uso de tecnicas analfticas para sua total descri<;ao, ate porque a Estatfstica tern por finalidad~ especffica analisar o conjunto de valores, desinteressando-se por casos isolados.

NOTAS:

Se nosso intuito e, desde o infcio, a obtenc;:ao de uma distribuic;:ao de freqUencia


com intervalos declasse , basta, a partir da Tabela 5.1, fazermos uma tabula~ao,
como segue, onde cada trac;:o corresponde a um valor:
(

!54 1- 158

e Ulll

interva[O fechado

a esquerda

e abertO it direita , tal que : 154 ,;;

< 158.

Assim, em nosso exemplo, o intervalo 154 1- 158 define a segunda classe


(i = 2). Como a distribui<;ao e formada de seis classes, podemos afirmar que
k = 6.

3.2. Limites de classe


Denominamos limites de classe os extremos de cada classe.
0 menor numero e o limite inferior da classe (Q) e o maior numero, o
limite superior da classe (LJ
Na segunda classe, por exemplo, temos:
Q2 = 154
e L2 = 158
NOTA:
Os intervalos de classe devem ser escritos, de acordo com a Resoluc;:ao 886/66 do
IBGE, em termos de desta quantidade ate menos aquela, empregando, para isso ,
o sfmbolo 1- (inclusao de Q; e exclusao de LJ Assim, o indivfduo com uma estatura
de 158 em esta inclufdo na terceira classe (i = 3) e nao na segunda.

Cap. 5 - Distribuic;:ao de Frequencia

58

59

ESTATiSTICA FACIL

3.3. Amplitude de um intervalo de classe


Amplitude de urn intervalo de classe ou, simplesmente, intervalo
de classe e a medida do intervalo que define a classe.

3.5. Amplitude amostral


Amplitude amostral (AA) e a diferens;a entre o valor maximo e o
valor minima da amostra:
AA = x(max.) - x(mfn.)

Ela e obtida pela diferens;a entre os limites superior e inferior dessa clasEm nosso exemplo, temos:

se e indicada por hi. Assim:

AA = 173 - 150 = 23

AA = 23 em

Observe que a amplitude total da distribuis;ao jamais coincide com a


amplitude amostral.
Na distribuis;ao da Tabela 5.4, temos:
h = L - Q ~ h = 158 - 154 = 4 ~ h 2 = 4 em
2

3.4. Amplitude total da distribuiqio


Amplitude total da distribuic;ao (AT) e a diferens;a entre o limite
superior da ultima classe (limite superior maximo) e 0 limite inferior
da primeira classe (limite inferior minimo):
AT = L(max.) -

3.6. Ponto medio de uma"classe


Ponto medio de uma classe (xi) e, como o proprio nome indica, o
ponto que divide o intervalo de classe em duas partes iguais.

Para obtermos o ponto medio de uma classe, calculamos a semi-soma dos


limites da classe (media aritmetica):

~
~

(mfn.)

Em nosso exemplo, temos :

Assim, o ponto medio da seg unda classe, em nosso exemplo , e:

AT= 174- 150 = 24 ~AT= 24 em

Q + L
= - 2- -2

~ X2

154 + 158

= 156

x 2 = 156 em

NOTA:
NOTA:
E evidente que, se as classes possuem o mesmo intervalo, verificamos a rela9ao:

0 ponto med io de uma c lasse e

valor qu e a representa.

3. 7. Freqiiencia simples ou absoluta


Em nosso exemplo:

Freqtiencia simples ou freqtiencia absoluta ou, simplesmente, freqtiencia de uma classe Oll de um valor individual e 0 numero de observac;,;6es correspondentes a essa classe ou a esse valor.

62

Cap. 5 - Distribuic;oo de Freqi.imcia

ESTATiSTICA FACIL

Quando o resultado nao e exato, devemos arredonda-lo para mais.


Outro problema que surge e a escolha dos limites dos intervalos, OS quais
deverao ser tais que forneqam , na medida do possivel, para pontos medios,
numeros que facilitem OS calculos - numeros naturais.
Em nosso exemplo, temos:
para n

= 40, pe la tabe la 5.7, i = 6

S TIPOS DE FREQUENCIAS
Freqiiencias simples ou absolutas (f;) sao os valores que realmente representam 0 numero de dados de cada classe.

Como vimos, a soma das freqtiencias simples e igual ao numero total dos
dados:

Logo:
h

63

173- 150 = 23 = 3,8 = 4,

isto e, seis classes de intervalos iguais a 4.

Freqiiencias relativas (fr;) sao os valores das raz6es entre as freqtiencias simples e a freqtiencia total:
fr. = 1

f.1
L. f.
I

Logo, a freqtiencia relativa da terceira classe, em nosso exemplo (Tabela


1 As notas otft idas po r 50 alun os de u m a classe foram:

1
2
2
2
<2
a. Co m p lete a

.2 .3 .4
3 -'3 4
3 .4 !l
3 4 5
3 .4 5

d i str i b ui ~tao

5
5
.5

6
6
6
6
6

.6
.6
6
6
7

1 7
'l 8
7 8
7 8
7 B

9
9

e:
fr 3 = -

\-

f3

L. f;

11
fr 3 = - = 0,275
40

fr 3 = 0,275

Evidentemente:
L. fr.I = 1 ou 100%

de freqi.iencia abaixo:
NOTAS

X;

f;

1
2

01- 2
21-4
4 1- 6
61- 8
81- 10

....
....
.. ..
.. ..

....
....
....
....

4
5

5.6),

8
8

3
~

5
5

NOTA:
0 prop6sito das freqUencias relati vas
parar;oes .

e o de permitir a analise ou

facilitar as com-

Freqiiencia acumulada (F;) e o total das freqiiencias de todos os


valores inferiores ao limite superior do intervalo de uma dada classe:

.I: f; = 50

ou
b. Agora, responda :
1.
2.
3.
4.
5.
6.

Qua l
Qua l
Qua l
Qua l
Qua l
Qua l

a
a
o
o
o
a

amp litude amostra l?


amp lit ude da d i str i bu i ~tao?
numero de classes da d i stribui~tao?
limite inferior da quarta c lasse?
lim ite super ior da classe de ordem 27
amp litude do segu ndo intervalo de classe?

Fk

L. f; (i = 1, 2, ... , k)

Assim, no exemplo apresentado no infcio deste capitulo, a freqliencia


acumulada correspondente a terceira classe e:
3

F3 = ; ~ f; = f, + f 2 + f 3 ~ F3 = 4 + 9 + 11 ~ F3 = 2 4,
1

c. Comp lete:

1. h3 = .. ..
2. n

3. Q, = .. ..
4. L3 = ... .

5. X2 = .. ..
6. f5 = .. ..

o que significa existirem 24 alunos com estatura inferior a 162 em (limi te


superior do intervalo da terceira classe).

64

ESTATiSTICA FACIL

Cap. 5 - Dislribuicrao de Frequencia

65

d. Quantos alunos tern estatura nao-inferior a 158 em? 0 numero de alunos e dado por:

Freqiiencia acumulada relativa (Fr;) de uma classe e a freqtiencia


acumulada da classe, dividida pela freqtiencia total da distribuic;:ao:

i~3

F.
Fr. = - 1L f.
1

fi

f3

f4

f5

f6

= 11 + 8 + 5 + 3 = 27

Ou entao:
Assim, para a terceira classe, temos:
6

F3
Fr 3 = - L f.I

24
Fr 3 = = 0,600
40

L 1 f.F2 = n- F2 = 40- 13 = 27
I

j =

Fr 3 = 0,600

Co'tlsiderando a Tabela 5.4, podemos montara seguinte tabela com as freqtiencias estudadas:
~ .)..l(
a .I
f'
~i r)
11'1",~" (~~~ v ,, l)>q
1

1'

(!)

ESTATURAS

(em)

1
2
3
4
5
6

150f- 154
154f-158
158 f- 162
162 f- 166
166 f- 170
170 f- 174

TABELA

gd+-..___

.:111 8
5
3

Q'D~ ,ry

5-~

xJ -152
156
160
164
168
172

L=

If

fr.

---:;'")

........_

0,100
0,225
0,275
0,200
0,125
-2)0,075__.

F.I

- ~~

--

~
_M
...
"-.,;/

v'
u'/'

~\

<A

Yr~ (>~'-~ 'J '-~'~.c."'S--.;


.,.,..1 ~ ~tv

Fr.I '

0,100
0,325
0,600
0,800
0,925
1,000

6 DISTRIBUIQAO DE FREQUENCIA SEM


INTERVALOSDECLASSE
Quando se trata de variavel discreta de variac;:ao relativamente pequena,
cada valor pode ser tornado como urn intervalo de classe (intervalo degenerado) e, nesse caso, a distribuic;:ao e chamada distribuic;ao sem intervalos de
classe, tomando a seguinte forma:

TABELA 5.9

- -L = 1,000

0 conhecimento dos varios tipos de freqtiencia ajuda-nos a responder a


muitas questoes com relativa facilidade, como as seguintes:
a. Quantos alunos tern estatura entre 154 em, inclusive, e 158 em?
Esses sao os valores da variavel que formam a segunda classe. Como
f2 = 9, a resposta e: 9 alunos.
b. Qual a percentagem de alunos cujas estaturas sao inferiores a 154 em?
Esses valores sao OS que formam a primeira classe. Como fr, = 0,100,
obtemos a resposta multiplicando a freqtiencia relativa por 100:

Lf.=n
I

Exemplo:
Seja x a variavel "numero de comodos das casas ocupadas par vinte famflias entrevistadas":

0,100 X 100 = 10

Logo, a percentagem de alunos

e 10%.

c. Quantos alunos tern estatura abaixo de 162 em?


E evidente que as estaturas consideradas sao aquelas que formam as
classes de ordem 1, 2 e 3. Assim, o numero de alunos e dado par:
3

f,

f2

+ f3 = i ~ 1

f;

= F3 = 24

Portanto, 24 alunos tern estatura abaixo de 162 em.

TABELA 5.10

x;

f.I

1
2
3
4
5
6

2
3
4
5
6
7

4
7
5
2
1
1
L

= 20

66

ESTATiSTICA FACIL

Completada com

OS

6
TABELA 5 11
X.

f.I

fr.I

F.I

1
2
3
4
5
6

2
3
4
5
6
7

4
7
5
2
1
1

0,20
0,35
0,25
0,10
0,05
0,05

4
11
16
18
19
20

= 20

5
2
5

Fr.I

67

2 Os resultados do langamento de um dado 50 vezes foram os seguintes:

varios tipos de freqtiencia, temos:

Cap. 5 - Distribui9Cio de Frequencia

0,20
0,55
0,80
0,90
0,95
'r
1,00

5
6
4
2
6

2
3
3
5
2

6
3

4
5
3
5
6

2
4

3
1
5

6
3
4
3
5

2
6
4
6
2

6
3
2

5
4
6

3 /

Forme uma distribuigao de frequencia sem intervalos de classe.

Considerando as notas de um teste de inteligencia aplicado a 100 alunos:

64 @
73 95
@ 86
86 84
80
82 90
68 96
71 73
95 94
94 '5)

= 1,00

NOTA:

66 82 ~
82 89 73
78) 101 85
86 ~
92 102 73
83 81 85
86 70 72
63 105 \
88 62 91
67 95 108

Se a variavel toma numerosos valores distintos , comum trata-la como uma variavel continua, formando intervalos de classe de amplitude diferente de urn.
Esse tratamento (arbitrario) abrevia o trabalho, mas acarreta alguma perda de precisao.

103 (fa) 86 103


92 85 80 81
98 (i~ 73 90
83 103 86 84
87 70 85 17Sl
72 81 96 81
~ 84 99 81
98
8 (18) 83
83 98 93 83
98 71 92 72

87
90
86
85
93
85
89
96
(76l
73

Forme uma distr ibui gao de frequencia.

4 A tabela abaixo apresenta as vendas diarias de um determinado aparelho


eletrico, durante um mes, por uma firma comercial:

14
12
12
15

1 Complete a distribuigao abaixo, determinando as frequenc ias simp les:

X;

f;

F;

1
2
3
4

2
3
4

....
.. ..
.. ..
.. ..
....

2
9
21
29
34

5
6

I;=

12
14
14
13

11
13
10
16

13
14
13
17

14
11
15
14

13
12
11
14

Forme uma distribuigao de frequencia sem intervalos de c lasse .

5 Complete a tabela abaixo:

34

CLASSES

1
2
3
4
5

I
/

f.,

fr.,

F.

Fr.I

4
10
14
9
3

~/. ~ .
n' I'
1\. ~.s

'I

o,.....a 3

.. ..
....
....
....

....
....
....
....

I = 40

I = 1,00

Of-8
8 f- 16
16 f- 24
24 f- 32
32 f- 40

....
....

6 Dada a distribuigao de frequencia:


1 Conhecidas as notas de 50 alunos:

8.4
b(
' 59
67
65

68
7)
80
41
94

33
81
41
78
66

1-

. 52
91
1
50
1
156
48

47
65
I 53
94
39

"W 68 61

55
65
35
69

57
7,6
45
89

35
85
55
98

7t3 }1
85 88
73 1 60
64 74
42 54 ~

obtenha a distribuigao de frequencia, tendo 30 para limi te inferior da primeira classe e 10 para intervalo de classe.

f.

12

10

determine:

a. I f 1;
b. as frequencias relativas;
c. as frequencias acumuladas;
d. as frequencias relativas acumu lada s.

?7
)

r
68

Cap. 5 - Dislribuic;:ao de Flequencia

b.

7 A tabela abaixo apresenta u~a distribuir,;ao de freq(H\ncia das areas de 400


lotes:
300 1- 400 1- 500 1- 600 1- 700 1- 800 1- 900 1- J.,Q._OO 1- 1.100 1- 1.200
NQ DE

14

LOTES

58

46

22

48

62

68

76

Com referencia a essa tabela, determine:


a. a
b. o
c. o
d. 0
e. a
f. a
g. a
h. a
i. 0
j. o
I. a
m. a
n. a

amplitude total;
lil]lite superior da quinta classe;
limite inferior da oitava classe;
pon.to media da setima classe;
amplitude do intervale da segunda classe;
frequencia da quarta classe;
frequencia relativa da sexta classe;
frequencia acumulada da quinta classe;
2
numero de lotes cuja area nao atinge 700 m ;
2
numero de lotes cuja area atinge e ultrapassa 800 m ;
2
percentagem dos lotes cuja area nao atinge 600 m ;

2
percentagem dos lotes cuja area seja maior ou igu~l .a 900 m ; .19 1 0s. I
percentagem dos lotes cuja area e de 500 m 2 , no mm1mo, mas mfenor

NQ MOTORISTAS

Determine:
a. o numero
b. o numero
c. o numero
d. 0 numero

de
de
de
de

20

motoristas
motoristas
motoristas
motoristas

que
que
que
que

10

16

nao sofreram nenhum acidente;


sofreram pelo menos 4 acidentes;
sofreram menos de 3 acidentes;
sofreram no mfnimo 3 e no maximo 5 aci-

dentes;
e. a percentagem dos motoristas que sofreram no maximo 2 acidentes.

9 Complete os dados que faltam na distribuir,;ao de frequencia:

a.
i
1
2
3
4
5
6
7
8

X.

0
1
2
3
4
5
6
7

f.I
1

....
4

...r:
3
2

F.

0,05
0,15

-1

. .I ..
20

~I

Q .5
Q,~ .QS

L=

1,00

1
. ;! .

5
7

..9..

(,'(_

fr.I

!-J. .

1.6

30

27
15

?7..

/? J..... /4

13

10

72
83
93

141-16

.1.5.

:?:

/':'.9

12

0,04
">., {! .;;
0,18
0,27

11
c 4.11
0,10
0,07

= !.C!<?

r--

13
~

4
8

p.

1---

....._

F.I

= ) ..

As larguras dos retangulos sao iguais as amplitudes dos intervalos de


classe.
As alturas dos retangulos devem ser proporcionais as freqi.iencias das classes, sendo a amplitude dos intervalos igual. Isso nos permite tamar as alturas
numericamente iguais as freqi.iencias .
A distribuis;ao da Tabela 5.6 (p. 60) corresponde o seguinte histograma:

f.I

0 histograma e formado por urn conjunto de retangulos justapostos,


cujas bases se localizam sabre o eixo horizontal, de tal modo que seus
pontos medias coincidam COm OS pontOS medias dos intervalos de classe.

0,25
0 ,15

01-2
21-4
41-6
(, .1: .. 8
8 1- 10
10 1- 12

7 .1. Histograma

.c

0 .,.

..t1 ..
L=

fr.I

1
2
3
4
5
6
7
8

X.

Uma distribuic;ao de freqi.iencia pode ser representada graficamente pelo


histograma, pelo poligono de freqiiencia e pelo poligono de freqiiencia acumulada*.
Construfmos qualquer urn dos gn1ficos mencionados utilizando o primeiro quadrante do sistema de eixos coordenados cartesianos ortogonais. Na linha horizontal (eixo das abscissas) colocamos os valores da variavel e na linha vertical (eixo das ordenadas), as freqi.iencias.

A distribuir,;ao abaixo indica o numero de acidentes ocorridos com 70 motoristas de uma empresa de 6nibus:

CLASSES

7 BEPBESENTAQ.i.O GRilFICADE UMADISTBIBUIQ.i.O

o. a classe do 72Q lote; 3


p. ate que classe estao inclufdos 60% dos lotes.

NQ ACIDENTES

a 1.000 m 2;

69

ESTATiSTICA FACIL

18
19

.R

150

158
FIGURA 5.1

Algun s autores preferem designa-lo por ogiva de Galton.

166

174

70

ESTATfSTICA FACIL

71

Cap. 5 - Distribuiyoo de FreqUemc ia

NOTAS:

7 .3. Poligono de freqiiencia acumulada

0 histograma goza de uma propriedade da qu al faremos consideravel uso: a area


de urn histograma e proporcional a soma das freqiiencias.
No caso de usarmos as freqi.iencias rel ativas, obtemos urn gratico de area unitaria.
... . Quando queremos comparar duas distribuic;:6es, 0 ideal e faze-lo pelo histograma
de freqi.iencias relativas.

0 poligono de freqtiencia acumulada e trac;:ado marcando-se as


frequencias acumuladas sobre perpendiculares ao eixo horizontal, levantadas nos pontos correspondentes aos limites superiores dos intervalos de
classe.

7 .2. Poligono de freqiiencia


Assim, a distribuic;:ao da Tabela 5.6 corresponde o seguinte polfgono de
freqiiencia acumulada:

0 poligono de freqtiencia e um gnifico em linha, sendo as freqiiencias marcadas sobre perpendiculares ao eixo horizontal, levantadas pelos
pontos medios dos intervalos de classe.
Para realmente obtermos um poligono (linha fechada) , devemos completar a figura, ligando OS extremOS da linha obtida aos pontOS medios da classe
anterior a primeira e da posterior a ultima, da distribuic;:ao.
A distribuic;:ao da Tabela 5.6 corresponde o seguinte poligono de freqtienc1a:

v~

12
9
6

3
0

/
v

148 152

40
30
20

-v

10

"'

150 154

~'....

"'

FIGURA 5.2

158 162 166 170 17 4

FIGURA 5.4

156 160 164 168 172

NOTA :

176

No caso de termos uma variavel essencialmente positiva, cuja distribuic;:ao se inicie no valor zero, devemos considerar um intervalo anterior localizado no semieixo negativo. Porem, consideraremos apenas a parte positiva do segmento que liga
0 ponto medio desse intervalo com a freqi.iencia do intervalo 0 f- . ...

Uma distribuic;:ao de freqtiencia sem intervalos de classe e representada


graficamente por urn diagrama onde cada valor da variavel e representado por
um segmento de reta vertical e de comprimento proporcional a respectiva freqtiencia. Assim, para a distribuic;:ao da Tabela 5.13, temos:

Exemplo:

fi

TABELA 5.13
TABELA 512

i
1
2
3
4
5

CLASSES
Or-2
2r-4
4r-6
6r-8
8 f- 10

f .I
1
2
4
3
1

I=

,
0

11

FIGURA 5. 3

10

12

X.I

f.I

F.I

1
2

7
5

4
11
16
18
19
20

2
1
1

I=

20

8
6
4

2
0

I IT
2

FIGURA 5.5

T T
6

X;

72

73

Cap. 5- Distribuic;:oo de Freqiiencia

ESTATiSTICA FACIL

Tambem podemos representar a distribui~ao pelo grafico da freqtiencia


acumulada, o qual se apresentani com pontos de descontinuidade nos valores
observados da variavel:
fr
20
15
10
5

r---"

r--

____j

0
2

onde:
fci e a freqtiencia calculada da classe considerada
f; e a freqtiencia simples da classe considerada; '
f i - l e a frequenc ia simples da classe anterior a classe considerada
fi +I e a freqtiencia SimpleS da Classe pOSterior a classe COnSiderad~.
Quando fazemos uso da curva polida, convem mostrar as freqtien~ias realmente ob.servadas por meio de pontos ou pequenos cfrculos, de modo que
qu~lquer mtere.ssado possa, por si mesmo, julgar ate que ponto os dados originals foram pol!dos.
Para a distribui~ao da Tabela 5.6, temos:

Xj

FIGURA 5.6

fc, =

8 A CUBVA DE FREQUENCIA

fc 2 =

8.1. A curva de freqiiencia. Curva polida

fc 3 =

Como, em geral, os dados coletados pertencem a uma amostra extrafda


de uma popula~ao, podemos imaginar as amostras tornando-se cada vez mais
amplas e a amplitude das classes ficando cada vez menor, o que nos permite
concluir que a linha poligonal (contorno do polfgono de freqtiencia) tende a se
transformar numa curva - a curva de freqiiencia - , mostrando , de modo
mais evidente, a verdadeira natureza da distribui~ao da popula~ao.
Podemos dizer, entao, que, enquanto o polfgono de freqtiencia nos da a
imagem real do fenomeno estudado, a curva de freqtiencia nos da a imagem

tendencial.
Assim, apos o tra~ado de um polfgono de freqtiencia, e desejavel , muitas
vezes, que se lhe fa~a um polimento, de modo a mostrar o que seria tal polfgono com um numero maior de dados.
Esse procedimento, e clara, nao nos dara uma certeza absoluta de que a
curva obtida - curva polida - seja tal qual a curva resultante de urn grande
numero de dados. Porem, podemos afirmar que ela assemelha-se mais a curva
de freqtiencia do que ao polfgono de freqtiencia obtido de uma amostra
limitada.
0 poJimentO , geometricamente, COtTesponde a eJimina~ao dos vertices da
linha poligonal. Consegue-se isso com o emprego de uma formula bastante
simples, a qual, a partir das freqUencias reais, nos fornece novas freqtiencias
- freqiiencias calculadas - que se localizarao, como no polfgono de freqtiencia, nos pontos medios.
A formula que nos da a freqiiencia calculada (fc;) e:
fi - 1 + 2fi + fi + 1
fc . = - - - - - '
4

0+2 X4+9
4

17

=4=

4+2X9+11

33

9+2X11+8

39

fc 4 =

4,25

8,25

fc 5 =

9,75

fc 6 =

11+2X8+5

32

= -=

21
4

5+2X3+0

11

8+2X5+3

=- =

TABELA 5 14

ESTATURAS

f.

fc.

4
9
11
8
5
3

4,2
8,2
9,8
8,0
5,2
2,8

(em)

'

150 1- 154
1541-158
1581- 162
162 1- 166
1661- 170
170 1- 174

1
2
3
4
5
6

'

I:= 40

146

150

154

158

162

166

FIGURA 5.7

170

I<

174

178

classes

5 25
'
2,75

74

ESTATiSTICA FACIL

8.2. As formas das curvas de freqiiencia


As cmvas de freqiH~ncia assumem as seg uintes formas caracteristicas:

8.2.1. Curvas em forma de sino


As curvas em forma de sino caracterizam-se pelo fato de apresentarem urn valor maximo na regiao central.
Sao muitos os fenomenos que oferecem distribuic;oes em forma de sino:
a estatura de adultos , o peso de adultos, a inteligencia medida em testes mentais, os prec;os relativos.
Distinguimos a curva em forma de sino simetrica e a assimetrica.

Cap. 5- Dislribuioo de Freqiiencia

75

8.2.2. Curvas em forma de jota


As curvas em forma de jota sao relativas a distribuic;6es extremamente assimetricas, caracterizadas por apresentarem o ponto de ordenada
maxima em uma das extremidades.
Sao curvas comuns aos fenomenos economicos e financeiros: distribuic;ao de vencimentos ou rendas pessoais (Figuras 5.11 e 5.12).

curva em
jot a

curva em
jota invertido

Curva simetrica
Esta curva caracteriza-se por apresentar o valor maximo no ponto central e
os pontos eqtiidistantes desse ponto terem a mesma freqtiencia (Figura 5.8).
FIGURA 5.11

FIGURA 5.12

8.2.3. Curvas em forma de U


As curvas em forma de U sao caracterizadas por apresentarem ordenadas maximas em ambas as extremidades.
FIGURA 5.8

Curva assimetrica
Na pratica, nao encontramos distribuic;oes perfeitamente simetricas. As distribuic;oes obtidas de medic;oes reais sao mais ou menos assimetricas, em
relac;ao a freqtiencia maxima. Assim, as curvas correspondentes a tais distribuic;oes apresentam a cauda de urn lado da ordenada maxima mais longa do
que do outro. Se a cauda mais alongada fica a direita, a curva e chamada
assimetrica positiva ou enviesada a direita (Figura 5.9). Sea cauda se alonga a esquerda, a curva e chamada assimetrica negativa ou enviesada a esquerda (Figura 5.10).

Como exemplo de distribuic;ao que da origem a esse tipo de curva podemos citar a de mortalidade por idade (Figura 5.13).
f

FIGURA 5.13

8.2.4. DistribuiQao retangular

FIGURA 5.9

FIGURA 5.10

Essa distribuic;ao , muito rara na verdade, apresenta todas as classes com


a mesma freqliencia. Tal distribuic;ao seria representada por urn histograma em

76

ESTAT[STICA FACIL

Cap. 5 -

Distribui<rao de Frequmcia

77

2 Confeccione o gratico da distribuic;:ao:

que todas as colunas teriam a mesma altura (Figura 5.14) ou porum polfgono
de freqi.iencia reduzido a um segmento de reta hori zontal (Figura 5.15) .

300 1- 400 1- 500 1- 600 1- 700 1- 800 1- 900 1- 1.000 1- 1.100 1- 1.200

N2 DE
LOTES

14

46

58

76

68

62

48

22

3 Confeccione a curva polida relativa a distribuic;:ao de freqi.iencia:

FIGURA 5.15

FIGURA 5.14

CLASSES

f.

1
2
3
4
5
6

4t-8
8 1- 12
12 1- 16
16 1- 20
20 1- 24
24 1- 28

2
5
9
6
2
1

I: = 25

1 Considerando as distribuic;:oes de freqi.iencia segu intes, confeccione, para


cada uma:
a. o histograma;
b. o poligono de freqi.iencia;
c. o poligono de freqi.iencia acumulada.

I.

i
1
2
3
4
5

PESOS
40
44
48
52
56

11111-

II.

f.I

(k g )

2
5
9
6
4

44
48
52
56
60

i
1
2
3
4
5

ESTATURAS
(em)

150 11561162 1168 117 4 1-

I: = 26

156
162
168
17 4
180

f_

1
5
8
13
3

I: = 30

4 Examinando o histograma abaixo, que corresponde as notas relativas a aplicac;:ao de um teste de inteligencia a um grupo de alunos, responda :
a. Qual e 0 intervalo de classe que tem maior freqi.iencia?
b. Qual a amplitude total da distribuic;:ao?
c. Qual o numero total de alunos?
d. Qual e a freqi.iencia do intervalo de classe 110 1- 120?
e. Quais os dois intervalo s de classe que tem, dois a dois, a mesma freqi.iencia?
f. Quais sao OS dois inte rvalo s de classe tais que a freqi.iencia de um e 0
dobro da freqi.iencia do outro?
g. Quantos alunos receberam notas de teste entre 90 (inclusive) e 110?
h. Quantos alunos receberam notas nao- inferiores a 100?

20

15
10

Ill.

i
1
2
3
4
5
6
7

SALARIOS
(R$)
500
700
900
1. 100
1.300
1.500
1.700

1- 700
1- 900
1- 1.100
1- 1.300
1- 1.500
1- 1.7 00
1- 1.9 00

f.

8
20
7
5
2
1
1

I: = 44

20

40

60

80 100 120' 140 160

5 Cite o tipo de curva correspondente a cada distribuic;:ao a seguir:


a. Numero de mulheres de 15 a 30 anos, em uma dada populac;:ao, casadas,
classificadas segundo o numero de vezes que hajam contraido matrimonio.
b. Notas de alunos que cursam a ultima serie do 2 2 grau, em uma dada populac;:ao.
c. Coeficientes de mortalidade por acidente, por grupo de idade.

78

ESTATfSTICA FACIL

d. Tempo de estacionamento de vefculos motorizados em uma area de congestionamento.


e. Numero de homens capacitados, por grupo de idade, que estao desempregados em uma determinada epoca.

6 Conhecidas as notas de 50 aluno s:


65
52
33
85
68
35
50
81
35
71
55
91
41
61
80
69
48
78
55
41
73
66
66
98
94

77
64
73
85
42

84
74
59
67
65

65
47
53
39
94

74
54
77
60
88

57
68
45
76
89

determine:
a. a distribuic;:ao de frequencia comec;:ando por 30 e adotando o intervalo de
classe de amplitude igual a 10;
b. as frequencias acumuladas;
c. as frequencias relativas;
d. o histograma e o polfgono de frequencia.

7 A tabela abaixo apresenta os coeficientes


balanc;:o em 50 industrias:
2,3
7,4 10,0 11,8
3,9
5,0
0,4
2,3
2,9
18,8
8,5
5,6
4,4 10,6
4,5
2,7
16,2
2,7
3,2
7' 1
6,3
6,9
5,3 12,9
4,8

de liquidez obtidos da analise de


4,5
9,0
2,4
9,5
7,5

10,5
5,5
17,8
13,1
2,6

Medidasde

8,4
9,2
11,6
3,8
3,3

15,6
12,4
0,8
6,3
4,6

7,6
8,7
4,4
7,9
16,0

a. Forme com esses dados uma distribuic;:ao com intervalos declasse iguais
a 3, tais que OS limites inferiores sejam multiplos de 3.
b. Confeccione o histograma e o polfgono de frequencia correspondentes.
8 Um grau de nebulosidade, registrado em decimos, ocorre de acordo com a
distribuic;:ao abaixo:
NEBUL.

Construa o histograma correspondente.

9 Considerando a distribuic;:ao abaixo:

t,
confeccione:
a. o histograma;
b. o polfgono de frequencia;
c. a curva polida, indicando as frequencias reais por meio de pequenos cfrculos.

1 INTRODUQ.AO
0 estudo que fizemos sabre distribui<;:6es de frequencia, ate agora, permite-nos descrever, de modo geral, os grupos dos valores que uma variavel
pode assumir. Dessa forma , podemos localizar a maior concentra~ao de valores de uma dada distribui<;:ao, isto e, se ela se localiza no infcio, no meio ou
no final , ou, ainda, se ha uma distribui<;:ao por igual.
Porem, para ressaltar as tendencias caracteristicas de cada distribui<;:ao,
isoladamente, ou em confronto com outras, necessitamos introduzir conceitos
que se expressem atraves de mimeros, que nos permitam traduzir essas tendencias. Esses conceitos sao denominados elementos tipicos da distribui~ao
e sao as:
a. medidas de posi<;:ao;
b. medidas de variabilidade ou dispersao;
c. medidas de assimetria;
d. medidas de curtose.
Dentre os elementos tfpicos, destacamos, oeste capitulo, as medidas de
posi~ao estatfsticas que representam uma serie de dados orientando-nos
quanta a posi<;:ao da distribui<;:ao em rela<;:ao ao eixo horizontal (eixo das
abscissas).
As medidas de posi<;:ao mais importantes sao as medidas de tendencia
ce~tral, que recebem tal denomina<;:ao pelo fato de os dados observados tenderem, em geral, a se agrupar em torno dos valores centrais. Dentre as medidas de tendencia central, destacamos:
a. a media aritmetica;
b. a mediana;
c. a moda.
As outras medidas de posi<;:ao sao as separatrizes, que englobam:
a. a propria mediana;
b. os quartis;
c. os percentis.
*

Consulte o Apendice (p. 188).

Instrumental Matematico, para uma revisao do assunto Media Aritmetica

80

ESTATfSTICA FACIL

Cap. 6 - Medidas de Posic;:co

2 MEDIA ARITMETICA ( x)

81

Designando o des vio por d., temos:


I

Em urn conjunto de dados, podemos definir varios tipos de medias. Porem,


em nossos estudos iremos nos lirnitar a mais importante: a media aritmetica.

Media aritmetica e o quociente da divisao da soma dos valores da


variavel pelo numero deles:

Para o exemplo dado, temos:


d,

d2 =
-

LX;

X=-

x,X2 -

x
x

=}

d,

=}

10 - 14

-4

= X5

d 2 = 14 - 14 = 0

d 6 = x6

13 - 1 4

d 7 = x7

d3 = XJ -

X =}

d3 =

d4 = x4

d 4 = 15 - 14 = 1

=}

d5

-1

x
x
x

=}

d5

=}

d 6 = 18 - 14 = 4

=}

d 7 = 12 - 14 = -2

16 - 14

sendo:

2.3. Propriedades da media

xa

media aritmetica;
x; os valores da variavel;
n 0 numero de valores.

1!! propriedade
A soma algebrica dos desvios tornados em relac;:ao

2.1. Dados nio-agrupados


Quando desejamos conhecer a media dos dados nao-agrupados, determinamos a media aritmetica simples .

a media

e nula:

~
~
No exemplo anterior, temos:

Exemplo:
7

i~1 di = (- 4) + 0 + (- 1) + 1 + 2 + 4 + (- 2)

Sabendo-se que a produc;:ao leiteira diaria da vaca A, durante uma semana, foi de 10, 14, 13, 15, 16, 18 e 12 litros, temos, para produc;:ao media da
semana:

x = 10 + 1-4 + 13 + 15 + 16 + 18 + 12
7

98
7

14

14 li tros

As vezes, a media pode ser urn numero diferente de todos OS da serie de


dados que ela representa. E o que acontece quando temos os valores 2, 4, 8 e
9, para OS quais a mediae 5. Esse sera 0 numero representativo dessa serie de
valores, embora nao esteja representado nos dados originais. Neste caso, costumamos dizer que a media nao tern existencia concreta.

= 0 =>

=> i :E
= 1

d. = 0
I

2!! propriedade

amedia

Denorninamos desvio em rela~ao a media a diferenc;:a entre cada


elemento de urn conjunto de valores e a media aritmetica.

Y;

= x; c

=}

y=

Somando 2 a cada um dos valores da variavel do exemplo dado, temos:


fI
\)
J
'
I
\_ Y,

2.2. Desvio em relaQiO

7) + 7

Somando-se (ou subtraindo-se) uma constante (c) de todos os valores de


uma variavel, a media do conjunto fica aumentada (ou dirninufda) dessa constante:

Logo :

x=

= (-

12, Y2

16, y 3

15, Y4

17, y 5

18, y 6

20 e y 7

Daf:
7

:E Y,
i =1

= 12 + 16 + 15 + 17 + 18 + 20 + 14 = 112

14

82

ESTATiSTICA FACIL

~ y=

16

14

~ y =X+

83

Neste caso, como as freqUencias sao numeros indicadores da intensidade


de cada valor da variavel, elas funcionam como fatores de ponderaqao, o que
nos leva a calcular a !]ld~a aritmetica J!_Ondercada, dada pela formula:

Como n = 7, vern:
y =

Cap. 6 - Medidas de Posic;;ao

3!! propriedade

L x.f.

I I

X=--

Multiplicando-se (ou dividindo-se) todos os valores de uma variavel por


uma constante (c), a media do conjunto fica multiplicada (ou dividida) por essa
constante:
Y;

= x;

X c ~

y = xX

v=

ou

X.

-'-~v=

L fi

0 modo mais pratico de obtenqao da media ponderada e abrir, na tabela,


uma coluna correspondente aos produtos x.f:
I

TABELA 6.2

Multiplicando por 3 cada urn dos valores da variavel do exemplo dado,


obtemos:
Y1

30, y 2

42, y 3

39, y 4

45, y 5

48, y 6

54 e y 7

X.

f.I

x.f.
I I

2
6
10
12
4

0
6
20
36
16

L = 34

L = 78

36

2
3
4

Daf:
7

L Y;

i= 1

Como n

= 7,

y =

30

42

39

45

48

54

36

294

temos:

294
-7

42

\
I

Temos, entao:
~

-y

42

14 X 3

-y

- X
=X

Logo:

2.4. Dados agrupados

-X

2.4.1. Sem intervalos de classe

Consideremos ~ relativa. a 34 farnilias de quatro filhos, tomando para variavel o numero de filhos do sexo masculino:

L X;f;
L f.

78
34

= - - ~ X =- =

2, 29

~ X =

2, 3

isto e:

x=

TABELA 6.1

2,3 meninos

NQ DE
MENINOS
0
1
2
3
4

2
6
10
12
4

NOTA:

Sendo x uma variavel discreta, como interpretar o resultado obtido, 2 meninos e 3


decimos de menino?
0 valor medio 2,3 meninos sugere, neste caso, que o maior numero de famflias
tem 2 meninos e 2 meninas, sendo, porem , a tendencia gera l de uma leve superioridade numerica em relar;:ao ao numero de meninos.

84

Cap . 6 - Medidas d e Posi900

ESTATiSTICA FACIL

85

Pela mesma razao do caso anteri or, vamos, inicialmente, abrir uma coluna para OS pontos medias e outra para OS produtos xf:
I

TA BELA 6 4
1 Complete o esquema para o calculo da media aritmetica da distribuic;;ao :

Como:

f.

L f;

2
4
6

2
3
4
5
6

= .... ,

X/; = ....

f.I

(em)

1
2
3
4
5
6

Temos:

X.

ESTATURAS

150 I- 154
154r-158
158 I- 162
162 I- 166
166r-170
170 I- 174

x .f.
I I

X.I

608
1.404
1.760
1.312
840
516

152
156
160
164
168
172

4
9
11
8
5
3

1:;::: 40

1: ;::: 6.440

e
I; X/;
X=--,
I; f;

3
1

Como, neste caso:


..,

temos:

<-

f
x; ;

= 6 .440 L f. = 40
1

L x.f.
e x = - -1- 1 I
L f.
I

I; = .. ..

X=-= .... =>X=3,4

I;= ....

temos:

x=

2.4.2. Com intervalos de classe

6 440
= 161

40

x=

161 em

Neste caso, convencionamos que todos os valores incluidos em urn determinado intervalo de classe coincidem com o seu ponto medio, e deterrninamos a media aritmetica ponderada por meio da formula:
_

1: x.f

X=--~-~

1 Complete o esquema para o calculo da media aritmetica da distribuic;;ao de


freqi.iencia:

1: f;
onde xi e

CUSTO
(R$)

ponto media da classe.

Consideremos a distribui<;ao:

f .I

1
2
3
4
5
6

ESTATURAS
(em)

150
154
158
162
166
170

IIIIII-

154
158
162
166
170
174

10

11

16

13

Temos:

TABELA 6.3

450 I- 550 I- 650 I- 750 I- 850 I- 950 I- 1.050 I- 1.150

4
9
11
8
5
3

1: ;::: 40

X.

f.
I

x.f.
I I

500

4.000

f .I
2

3
4
5
6
7

10
11
16
13
5

X=....:....:...:.= ... .,
don de:

1.100
I;= ... .

Logo:

I;= ....

R$ 755

86

ESTATiSTICA FACIL

Cap. 6- Medidas de Posi9Cio

= 160,

:L y.f

= 10,

Temos, entao, x0

Como intuito de eliminarmos o grande numero de calculos que as vezes


se apresentam na determina9a0 da media, empregamos 0 que denominamos
processo breve (em oposi9ao ao processo usado anteriormente - pr ocesso
Iongo), baseado em uma mudan9a da variavel x par outra y, tal que:

Substituindo esses valores na formula:

y.

0
=-~--

(L Y;f;) X h)
+ ---'--'---'-----

= X

Assim, para a distribui9ao da Tabela 6.3, tomando para o valor de x0 o


ponto media de maior frequencia (se bern que podemos tamar qualquer dos
valores do ponto media) , isto e:
xo = 160
como h = 4, temos para valores da nova variavel:

Y2

y3 =

e h

= 4.

(L Y;f;) h
L f.I

152- 160
4

156 - 160
4

160 - 160
4

~ = _2

y
4

-4
4

__Q_

-1
Ys

y6 =

X --

160 + 10X4 = 160 + 1


40

==}

= 161,

don de:

x = 161

em

NOTAS:

L f.

vern:

onde x 0 e uma constante arbitraria escolhida convenientemente dentre os pontos medias da distribui9a0 - de preferencia 0 de maior frequencia.
Fazendo essa mudan9a de variavel, de acordo com a segunda e a terceira
propriedades da media, ela resulta diminufda de x0 e dividida par h ; mas isso
pode ser compensado somando x 0 a media da nova variavel e, ao mesmo tern-
po, multiplicando-a par h. Resulta, entao, a formula modificada:

X.- X

Y,

= 40

:L f.

2.4.3. Processo breve

0 processo breve, com a nova vari avel definida por n6s , s6 pode ser usado em
distribuiy5es que apresentam intervalos de classe de mesma amplitude.
0 processo breve pode, tambem, ser aplicado para as distribuiy5es sem intervalos
de classe, bastando fazer h = 1.

Fases para o calculo da media pelo processo breve:

164- 160
4

168 - 160
4

172 - 160
4

li!) Abrimos uma coluna para os valores xI..


2i!) Escolbemos urn dos pontos medias (de preferencia o de maior fre-

~= 1

~= 2

= 3

Vamos, entao, calcular a media da distribui9ao da Tabela 6.3 pelo processo breve.
Come9amos par completar a tabela dada com as colunas correspondentes
aos pontos medias (x.),
aos valores da nova variavel (y.)I e aos produtos y.f.:
I
I I

quencia) para o valor de x0 .


3i!) Abrimos uma coluna para os valores de y . e escrevemos zero na linha correspondente a classe onde se encontra o valor de x0 ; a sequencia - 1, -2, - 3, ... , logo acima do zero, e a sequencia 1, 2, 3, ... , logo
abaixo.
4i!) Abrimos uma coluna para os valores do produto yf., conservando os
sinais + ou - , e, em seguida, somamos algebric~~ente esses produtos .
Si!) Aplicamos a formula.

TABELA 6.5
i

ESTATURAS

f.

150
154
158
162
166
170

xo

ffffff-

154
158
162
166
170
174

= 160

X.

(em)

1
2
3
4
5
6

87

152
156
160
164
168
172

4
9
11
8
5
3

:L

40

Y;f;

Y;
-2
-1
0
1
2
3

-8
-9
0
8
10
9

:L

-17

1 Calcule a media aritmetica, pelo processo breve, da distribuiyao:


27
10

CUSTOS
(R$)

f.
'

450

f-

550

f-

10

650

f-

11

750

f-

16

850

f-

13

950

f-

1.050 1- 1.150

88

ESTAT[STICA FACIL

Cap. 6 - Medidas de Posi<;Cio

2.5. Emprego da media

Te m os:

f.I

X.

1
2
3
4
5
6
7

500
600
700

Y;

70
11
16
13
5
1

BOO
900
1. 000
1. 100
L

A media e utilizada quando:


a. desejamos obter a medida de posir;ao que possui a maior estabilidade;
b. houver necessidade de urn tratamento algebrico ulterior.

Y/;

-3
-2
-1
0
1
2
3

x 0 =BOO

-24
-20
-71
0
73
70
3

= 64

-55

3 AMODA(Mo)
26

= -29

Com o:

89

Desse modo, o salario modal dos empregados de uma industria eo salario mais comum , isto e, o salario recebido pelo maior numero de empregados
dessa industria .

100

ve m:

x = BOO

x=

Denominamos moda o valor que ocorre com maior freqtiencia em


uma serie de valores.

+ (-

R$ 755

29 100
)
64

ea

= BOO - 2 900 = BOO - 45,37 = 754,69


64

resposta.

3.1. Dados nio-agrupados


Quando lidamos com valores nao-agrupados , a moda e facilmente reconhecida: basta, de acordo com a definir;ao, procurar.o valor que mais se repete.
A serie de dados:
7, 8, 9, 10, 10, 10 , 11, 12 , 13, 15

1 Complete o esq uem a para o ca lcul o da m edi a aritmet ica da distri bu ic;:ao:
CLASSES

30

f-

50

f-

70

f-

12

90

f-

110

f-

130

3, 5, 8, 10, 12, 13,

10

Tem os:

f.I
1

Y;

Y/;

40

temos duas modas: 4 e 7 (bimodal).

12
2
L

= ....

3.2. Dados agrupados


L

Como :
= ....

= .... + .. ..

vem :
X .

que nao apresenta moda (amodal).


Em outros casos, ao contrario, pode haver dois ou mais valores de concentrar;ao. Dizemos, entao, que a serie tern dois ou mais valores modais. Na
serie:
2, 3, 4, 4, 4, 5, 6, 7 , 7, 7, 8, 9

2
3
4
5

tern moda igual a 10.


Podemos , entretanto, encontrar series nas quais nao exista valor modal,
isto e, nas quais nenhum valor aparer;a mais vezes que outros . E o caso da
serie:

= .... + .... = .... ~ X = B4,3

= ....

3.2.1. Sem intervalos de classe


Um vez agrupados OS dados, e possfvel determinar imediatamente a moda :
basta fixar o valor da variavel de maior freqi.iencia.
Na distribuir;ao da Tabela 6.1 , a freqiH~ncia maxima (12) corresponde o
v.alor 3 da variavel. Logo:
Mo = 3

90

Cap. 6 - Medidas d e Posi9Cio

ESTATiSTICA FACIL

91

na qual :

3.2.2. Com intervalos de classe

Q* e

A classe que apresenta a maior freqii encia e denominada classe modal.


Pela definiyao , podemos afirmar que a moda, neste caso, e o valor dominante
que esta compreendido entre os limites da classe modal.
0 metodo mais simples para 0 calculo da moda consiste em tomar 0 ponto
medio da classe modal.
Damos a esse valor a denominayao de moda br uta.
Temos, entao:
~ * + L*
Mo=--2

0 limite inferior da classe modal;


h* e a amplitude da classe modal;
D 1 = f* - f(an t);
D 2 = f* - f(post),

sendo :
r~

a freqi.iencia simples da classe modal;


f(ant) a freqi.iencia simples da classe anterior a classe modal;
f(post) a freqi.iencia simples da classe posterior a classe modal.
Assim, para a distribuic;:ao da Tabela 6.6, temos:
D,

on de:

11 - 9

02

11 - 8

donde:
~* e 0 limite inferior da classe modal ;
L* e o limite superior da classe modal.

Mo -- 158 + -

Assim, para a distribuiyao:

150
154
158
162
166
170

ffffff-

154
158
162
166
170
174

f.I

(em)

1
2
3
4
5
6

4
9
11
8
5
3

f-

1 Complete o esquema para o calculo da moda da distribuic;:ao de freqi.iencia:

= 3,

~*

1
2
3
4
5
6
7

= 158 e L* = 162.

Como:
~ * + L*

vern:
Mo

CUSTOS
(R$)

L = 40

Mo=--

450
550
650
750
850
950
1.050

A c/asse modal

Logo:

ea

de ordem ...

Logo:

Mo = 160 em

P*

NOTA:
Ha, para o calculo da moda, outros metodos mais elaborados, como, por exemplo,
o que faz uso da formula de Czuber:
Mo =

~*

0
+ - --'-1 - x h*
D, + 0 2

fffffff-

550
650
750
850
950
1.050
1.150

f.I

8
10
11
16
13
5
1
L =.64

= 158 + 162 = 320 = 160


2

159,6

Mo = 159 ,6 em

ESTATURAS

temos que a classe modale i

Logo:
TABELA 6.6

2
2
4
- - X 4 -- 158 + - -X- = 158 + -8= 15 8 + 1,6
2+3
2+3
5

= ...

e L*

= ...

Temos, pais:

Mo=
isto

.. .. + .. ..
2

e:
Mo

R$ BOO

92

ESTATiSTICA FACIL

Cap. 6- Medidas de Posic;co

3.3. As expressoes grificas da moda

93

4 A MEDIANA (Md)

Na curva de freqi.iencia, a moda e o valor que cat-responde, no eixo das


abscissas, ao ponto de ordenada maxima. Assim, podemos ter:

A mediana e outra medida de posic;:ao definida como o numero que


se encontra no centro de uma serie de numeros, estando estes dispostos
segundo uma ordem. Em outras palavras, a mediana de urn conjunto de
valores, ordenados segundo uma ordem de grandeza, eo valor situado de
tal forma no conjunto que o separa em dois subconjuntos de mesmo numero de elementos .

4.1. Dados nao-agrupados


Dada uma serie de valores, como, por exemplo:
CURVA NAO-MODAL

Mo
CURVA MODAL

5, 13, 10, 2, 18, 15, 6, 16, 9,

CURVA AMODAL

de acordo com a definic;:ao de mediana, o primeiro passo a ser dado e o da


ordenac;:ao (crescente ou decrescente) dos valores:
2, 5, 6, 9,

@,

13, 15, 16, 18

Em seguida, tomamos aquele valor central que apresenta o mesmo numero de elementos a direita e a esquerda. Em nosso exemplo, esse valor e o
10, ja que, nessa serie, ha quatro elementos acima dele e quatro abaixo.
Temos, entao :
Md = 10
CURVA ANTIMODAL

Mo 1
Mo 2
CURVA BIMODAL

Se, porem, a serie dada tiver um numero par de termos , a mediana sera,
por definic;:ao , qualquer dos numeros compreendidos entre os dois valores centrais da serie. Convencionou-se utilizar o ponto medio.
Assim, a serie de valores:

2, 6, 7, 10, 12, 13, 18, 21

tem para mediana a media aritmetica entre 10 e 12.


Logo:
Md

10 + 12

2
Mo 1

Mo 2

Mo 3

CURVA TRIMODAL

= ~ = 11
2

donde:
Md = 11

3.4. Emprego da moda


A moda e utilizada:
a. quando desejamos obter uma medida rapida e aproximada de posic;:ao;
b. quando a medida de posic;:ao deve ser o valor mais tfpico da distribuic;:ao.

Verificamos que, estando ordenados os valores de uma serie e sendo n o


numero de elementos da serie, 0 valor mediano sera:
-

n+l
,
o termo d e ord em - - , se n f or 1mpar;
2

' d os termos d e or demn e n- + 1, se n f or par.


- a me' d'1a antmet1ca

94

ESTATfSTICA FACIL

Poden{os comprovar tal fato nas series dadas:


1
-para 11 = 9, temos 9 +
= 5. Logo, a mediana e o 5 2 termo da serie,
2
isto e :
Md

JL

= 4 e

JL
2

+ 1 = 5. Logo, a mediana e a media

aritmetica do 4 2 e 5 2 termos da serie, isto e:


=

10 + 12

22

11

Logo:

Para o caso de uma distribuir.:ao , porem , a ordem , a partir de qualquer


urn dos extremos , e dada por:

4.2.1. Sem intervalos de classe


Neste caso, e o bastante identificar a freqliencia acumulada imediatamente superior a metade da soma das freqliencias. A mediana sera aquele valor da
variavel que corresponde a tal freqliencia acumulada.
Tomemos a distribuir.:ao relativa a Tabela 6.1 , completando-a com a coluna correspondente a freqtiencia acumulada:
TABELA 6.7

Md = 11

'

NOTAS:

Nl! DE
MEN I NOS

f.I

F.I

0
1
2
3
4

2
6
10
12
4

2
8
18
30
34

o0
o

95

10

-para 11 = 8, temos

Md

Cap. 6 - Medidas de Posi9Cio

valor da mediana pode coincidir ou nao com urn elemento da serie, como vimos. Q(\ando o numero de elementos da serie e fmpar, ha coincidencia. 0 mesmo
nao acontece, porem, quando esse numero e par.
A mediana e a media aritmetica nao tern, necessariamente, o mesmo valor. Na
primeira serie apresentada, por exemplo, temos:

x = 10,4 e

'E = 34

Md = 10

Sen do:
o

A mediana, como vimos, depende da posi~ao e nao dos valores dos elementos na
serie ordenada. Essa e uma das diferen~as marcantes entre a mediana e a media
(que se deixa influenciar, e muito , pelos valores extremos). Esta propriedade da
mediana pode ser constatada atraves dos exemplos a seguir:
5, 7, 10, 13, 15 =>
5, 7, 10, 13, 65 =>

x = 10
x = 20

e Md
e Md

= 10
= 10

isto e, a media do segundo conjunto de valores e maior do que a do primeiro, por


influencia dos valores extremos, ao passo que a mediana permanece a mesma.
A mediana e designada, muitas vezes , por valor mediano.

~= ~=
2

17

a menor freqtiencia acumulada que supera esse valor e 18, que corresponde ao
valor 2 da variavel, sendo este o valor mediano. Logo:
Md

= 2 meninos

NOTA:
o

No caso de existir uma freqiiencia acumulada (F) , tal que:


F. = 'E fi'

4o2o Dados agrupados


Se os dados se agrupam em uma distribuir.:ao de freqlie11cia, o calculo da
media11a se processa de modo muito semelhante aquele dos dados nao-agrupados, implica11do, porem, a determinar.:ao 1previa das freqliencias acumuladas.
Ainda aqui, temos que deterrni11ar urn valor tal que divida a distribuir.:ao em
dois grupos que co11tenham o mesmo numero de elementos.

a mediana sera dada por:


Md = xi+ xi+, '
2

isto e, a mediana sera a media aritmetica entre o valor da variavel correspondente


a essa freqtiencia acumulada e o seguinte.

96

ESTATiSTICA FACIL

Cap. 6 - Medidas de Posicrao

Exemplo:

97

4.2.2. Com intervalos de classe


TABELA 6.8

Neste caso, o problema consiste em determinar o ponto do intervalo em


que est<'i compreendida a mediana.
Para tanto, temos inicialmente que determinar a classe na qual se acha a
mediana - classe mediana. Tal classe sera, evidentemente, aquela correspon-

Temos:

X.I

f.I

F.I

12
14
15
16
17
20

1
2
1
2
1
1

1
3
4
6
7
8

L.=8

~
= 4 = F3
2
Logo:
Md=

15

+
2

16

=12_=155

donde:
Md = 15 5
1

a freqliencia acumulada

imediatamente superior a 1: fi .
2
Feito isto, um problema de interpolac;ao * resolve a questao, admitindose, agora, que os valores se distribuam uniformemente em todo o intervalo de
classe.
Assim, considerando a distribuic;ao da Tabela 6.3, acrescida das freqliencias acumuladas:
dente

TABELA 6.9
ESTATURAS
(em)

1 Complete o esquema para o calculo da mediana das distribuil(6es:


a. x i

fi

I2
3

8 10

7 12 8

Temos:
X.I

f.I

F.I

....

4
6
8

70

12
8

....

10

....

L;f;=-=

vem:

Md

= ....

f.I

F.I

I;= ....

f-

classe mediana

~
2

= 20

= _}___ X 4
11

Md = 158 + _}___ X 4 = 158 + ~ = 158 + 2,54 = 160,54


11
11

vem:

isto

e a mediana sera dada por:

20- 13 X 4
11

L;f;=-

4
13
24
32
37
40

Como ha 24 valores inclufdos nas tres primeiras classes da distribuic;ao e


como pretendemos determinar o valor que ocupa o 20Q Iugar, a partir do infcio
da serie, vemos que este deve estar localizado na terceira classe (i = 3), supondo que as freqliencias dessas classes estejam uniformemente distribufdas.
Como ha 11 elementos nessa classe e o intervalo de classe e igual a 4,
devemos tomar, a partir do limite inferior, a distancia:

Como:
I

4
9
11
8
5
3

temos:

Temos :
X.

154
158
162
166
170
174

F.I

L. = 40

30

I0

rrrrrr-

Como:

I;= ....

b. xi
f .I

150
154
158
162
166
170

1
2
3
4
5
6

f.I

Md

=_:_:_:_:_

Md

= ....

Logo:

e:

Md = 160,5 em

lnterpola<;iio

ea

in se r~ao

de uma detenninada quantidade de va lores entre dois numeros dados.

98

ESTATiSTICA FACIL

/
Na pratica, executamos os seguintes passos:

classe mediana -

t'L} -

F(ant)] h*

550
650
750
850
950
1.050
1.150

f.I

F.I

8
18

....
....
....

. ...
. ...
....

... .

.. ..
... .

....

....
'E

0000

f*

a classe mediana;

'E f;
2

r* =

0000,

Md =

e a de ordem 3.

F(ant) =

0000,

f* =

0000

e h* =

0000

Logo:

= ~ = 20

Logo, a classe mediana

450 f550 f650 f750 f850 f950 f1.050 f-

-=-----------=--

Tomando como exemplo a distribuic;ao anterior, temos :

(R$)

1
2
3
4
5
6
7

e, em seguida, empre-

na qual:
~* e 0 limite inferior da classe mediana;
F (ant) e a freqiiencia acumulada da classe anterior
f* e a frequencia simples da classe mediana;
h* e a amplitude do intervalo da classe mediana.

I: f;

CUSTOS

.--------------------,

Md = c* +

99

Temos:

12 ) Determinamos as freqiiencias acumuladas.


1:f
22 ) Calculamos - - ' .
2
32 ) Marcamos a classe correspondente a frequencia acumulada imediatamente superior a 1: f; 2
gamos a formula:

Cap. 6- Medidas de PosiyCio

isto

Entao:

0000

0000

0000,0000

0000

+ ___:_:_:_:_

00 00

00 00

00 0 0 ,

e:

Md = R$ 769

I'*= 158, F(ant) = 13, f* = 11 e h* = 4

Substituindo esses valores na formula, obtemos:


NOTA:
Md = 158 + (

isto

20

13 4
) = 158 + ~ = 158 + 2,54 = 160,54,
11
11

No caso de existir uma

freqi.ii~ncia acumulada exatamente igual a

I: f; , a media2

na sera o limite superior da classe correspondente.

e:
Exemplo:
Md = 160,5 em

1 Comp lete o esquema para o calculo da mediana da distribuigao de freqi..ienc ia:

CUSTOS
(R$)

450

1-

550

1-

10

650

1-

11

750

1-

16

850

1-

13

950

1-

1.050

1-

1.150

1
2
3
4
5
6

TABELA 6.1 0
CLASSES
fi
0
10
20
30
40
50

f-

1ffff-

10
20
30
40
50
60

1
3
9
7
4
2
I:= 26

F.

1
4
13 f20
24
26

Temos:

~ =~ =
2

13

Logo:
Md = L *

=}

Md = 30

100

Cop. 6- Medidos de Posi<(CiO

ESTATiSTICA FACil

4.3. Emprego da mediana


Empregamos a medi ana quando:
a. desejamos obter o ponto que divide a distribui9ao em partes iguais ;
b. ha valores extremos que afetam de uma maneira acentuada a media ;
c. a variavel em estudo e salario.

5 POSIQAO BELATIVA DA MEDIA, MEDIANA E MODA

Assim, alem das medidas de posi9ao que estudamos, ha outras que, consideradas individualmente, nao sao medidas de tendencia central, mas estao ligadas a mediana relativamente a sua segunda caracteristica, ja que se
baseiam em sua posi9ao na serie. Essas medidas - os quartis, os percentis e
os decis - sao, juntamente com a mediana, conhecidas pelo nome generico
de separatrizes.

6.1. Os quartis

Quando uma distribui9ao e simetrica, as tres medidas coincidem. Porem,


a assimetria torna-as diferentes e essa diferen9a e tanto maior quanto maior e
a assimetria. Assim, em uma distribui9ao em forma de sino, temos:
x = Md = Mo, no caso da curva simetrica;
Mo < Md < x, no caso da curva assimetrica positiva;
x < Md < Mo, no caso da curva assimetrica negativa.

x=

101

Denorninamos quartis os valores de uma serie que a dividem em


quatro partes iguais .
Ha, portanto, tres qumtis:

a. 0 primeiro quartil (Q 1) - Valor Situado de tal IDOdO na Serie que Uma


quarta parte (25 o/o) dos dados e men or que ele e as tres quartas partes
restantes (7 5 o/o) sao maiores.
b. 0 segundo quartil (Q 2) - evidentemente, coincide com a mediana
(Q 2 = Md).
c. 0 terceiro quartil (Q 3) - valor situado de tal modo que as tres quartas partes (75 o/o) dos termos sao men ores que ele e uma quarta parte
(25 o/o) e maior.

Md = Mo

Quando os dados sao agrupados, para determinar os quartis usamos a


mesma tecnica do calculo da mediana, bastando substituir, na formula da meMODA - - - - -

diana, L fi por:
2
t

M EDIANA

sendo k o numero de ordem do quartil.


Assim, temos:
Mo < Md <

x<

Md < Mo
[

o,

~ f;

F(ant~ h *

Q*+~----~-

f*

6 AS SEPARATRIZES
Como vimos, a mediana caracteriza uma serie de valores devido a sua
posi9ao central. No entanto, ela apresenta uma outra caracteristica, tao importante quan~o a primeira: ela separa a serie em dois grupos que apresentam
o mesmo numero de valores.

F(ant~

3
: f; h*
[
Q = Q* +;__ _ _ _ _~J_
3
f*

102

ESTATiSTICA FACIL

Exemplo:

TABELA 6.11
ESTATURAS

f.I

F.I

4
9
11
8
5
3

4
13
24
32
37
40

(em)

150
154
158
162
166
170

ffffff-

154
158
162
166
170
174
:E

CUSTOS

f-

f-

(0, )

(03)

= 40

Temos:

Temos:

o,

4
(10 - 4) 4

r*

24

24
162 + - =
8

= 154 + - =

= 154 + 2,66 = 156,66

= 162 + 3 = 165

03

0 1 = 156,7 em

= .... ,

30

0 = 162 + (30 - 24) 4


3
8

~
~
~
~
~
~

550
650
750
850
950
1.050
1.150

FI

8
10
11
16
13
5
1

8
18
29
45
58
63
64

f-

(0,)

f-

(0)

Terceiro quartil
k = 3 ~ 31: f; =

I:f;_.:.:.:..:__
- ....

F(ant)

= .... ,

(. ... -

3 X 40
4

= 10

= 154 + - - - -

Primeiro quartil

Primeiro quartil

450
550
650
750
850
950
1. 050

f.I

I:= 64

Terceiro quartil

40

(R$)

1
2
3
4
5
6

k --1

103

Temos:

~ =

Cap. 6 - Medidas de Posic;:oo

f*

3 X ....

= ... ., h * = ....

r*

= .... , F(ant) = .... , f * = .... , h * = ....

.... ) ....

( .... -

.... X ....

+----

= ....

= ....

+ ....

= ... .

+ ....

= ... .

03

.... ) ....

.... X ....

= .. ..

0 1 = R$ 630

= ....

R$ 873

6.2. Os percentis

165 em

Denominamos percentis os noventa e nove valores que separam uma


serie em 100 partes iguais.
Indicamos:

E evidente

que:

P5o = Md, P25

1 Complete OS esquemas para


distribuir;:ao de freqi.ieneia:

ealeulo do primeiro e do tereeiro quartis da

03

~ f;

sera substitufda por:

CUSTOS
f.I

0, e P75

0 calculo de um percentil segue a me.s ma tecnica do calculo da mediana,


porem, a formula

(R $ )

450

f-

550

f-

10

650

f-

11

750

f-

16

850

f-

13

950

f-

1.050

f-

1.150

fkifl

sendo k o numero de ordem do percentil.

104

ESTATfSTICA FACIL

Cap . 6 - Medidas de Posi<;:Cio

Assim, para o 27Q percentil, temos:

= 27

~ p

2
TL f; - F(ant )] h*
[ 100
Q* + -=--------=---f*

p 20

Considerando a Tabela 6.11 , temos, para o oitavo percentil:


isto
8 ~ 8L f;
100

8 X 40
100

20 X ... .
100

= _ .._..

= ....

100

r* = .... , F(ant) = .... , f * = .... , h * = ....

Exemplo:

20 => 201; f;
100

105

( .... -

= ....

= ....

= ... .

+ .. ..

.... ) ....

.... X ....

= ....

e:

3 ,2

P20

R$ 598

NOTA:

Logo:
PB = 150 + -

(__:
3 ':._2_-_0__:)_4_
4

12 8

150 +

Construindo o polfgono de freqi.i encia ac umul ada percentual , podemos determin ar,
geometricamente, as separatrizes :
=

150 + 3 2
'

153 2
'

donde:

40

P8

153,2 em

./

30

20

1 Complete o esquema para o ca lculo do vigesimo percentil da distribui<;:ao:

vr

10

CUSTOS
(R$ )

450

f-

f.

550

10

f-

650

750

f-

11

f-

16

850

950

f-

13

f-

1.050

f-

V!

Vi

I
I

I
I

y;-JA -:- -:- - ~ -t

1.150

5
0

90%

75%

I
I
I
I
I
I
I

1
7i

~ -

100%

50%

25%

--

10%

174

Temos:
i
7
2
3
4
5
6
7

CUSTOS
(R$ )

. 450
550
650
750
850
950
1.050

f-f-f-f-f-f-f--

550
650
750
850
950
7.050
7. 150

f.I

F.I

8
10
77
16
13
5
7

8
18
29
45
58
63
64

L= 64

P,.

o,

Md

03

P,.

f-- (?2o )

1 Considerando os conjuntos de dados:

a . 3, 5, 2, 6, 5, 9, 5, 2, 8, 6
c. 51 ,6; 48,7; 50,3; 49,5; 48,9
b. 20, 9, 7, 2, 12, 7, 20, 15, 7
d. 15, 18, 20, 13, 10, 16, 14
calcule:
I. a media;
II. a mediana;
Ill. a moda.

106

ESTATlSTICA FACIL

107

Cap. 6 - Medidas de Posi9co

2 Os salarios-hora de cinco funcionarios de uma companhia sao:

8 Calcule a media aritmetica das distribuiv6es de freqi.iencia abaixo:

;I

a.

R$ 75, R$ 90, R$ 83, R$ 142 e R$ 88 . .


Determine :
a. a media dos salarios-hora;
b. o salario-hora mediano.

Of-2
21-4
4 1- -6-

As notas de um candidato, em seis provas de um concurso, foram: 8,4; 9,1;


7 ,2; 6,8; 8,7 e 7 ,2.
Determine:

ESTATURAS

f)

NOTAS

150
158
166
(:_TT4
182

5
8
14
10
7

~ -

8 1- 10

f.I

(em)

11fff-

158
166
17 4
182
190

5
12
_1 8

~
8

L = 70

L = 44

a. a nota media;
b. a nota mediana;
c. a nota modal.
d.

c.

4 Considera.ndo a distribui<;:ao abaixo:


X.I

f.I

11

10

SA LARIOS
(R$)

500
00
9-oo
1.1 00
1.300
1.500
1.700

calcule:
a. a media;
b. a mediana;
c. a moda.

5 Em uma classe de 50 alunos, as notas obtidas formaram a

NOTAS
/I '

NQ DE
ALUNOS

6 10 13 8

8
5

fffffff-

700 900
1.1 oo
1.300
1.500
1.700
1.900

10

_1~

__0
15
3

145
151
157
163
169
175
181

1ff1f11-

a. a nota media;
b. a nota mediana;
c. a nota modal.

10
9
8
6
3
3

151
157
163
169
175
181
187

= 70

9 Calcule a mediana de cada uma das distribui<;:6es do exercfc io 8.


10 Calcule a moda de cada uma das distribuiv6es do exercfcio 8.

= 40

12 Calcule o 10Q, o 1Q, o 23Q, o 15Q e o 90Q percentis da distribui<;:ao b do exercfcio 8.


13 A curva de freqi.iencia acumulada serve para determinar:

6 Determine a media aritmetica de:

b.

11 Calcule o primeiro e o terceiro quar1is das distribuiv6es do exercfcio 8.

calcule :

a.

f.

(k g )

seguinte ~

PESOS .

f.

VALORES

50

60

80

90

OUANTIDADES

X.
I

50

58

66

f.I

20

50

30

7 Determine OS desvios em relayaO


11, 7, 4, 15.
Qual a soma dos desvios?

a.
b.
c.
d.
e.

a
a
a
a
o

lei do acaso.
media.
mediana.
moda.
desvio padrao.

14 Uma curva simetrica se caracteriza pelo seguinte atributo:

a media

dos seguintes dados: 6, 8, 5, 12,

a.
b.
c.
d.
e.

E assimetrica a esquerda .
A moda e maior que a mediana e a media.
A moda, a mediana e a media sao iguais.
0 desvio padrao e maior que a mediana e a moda.
Os decis sao equivalentes a media.

Cap. 7 - Medidas de Dispersao ou de Variabilidade

1 DISPERSAO OU VARIABILIDADE
Vimos anteriormente que urn conjunto de valores pode ser convenientemente sintetizado, par meio de procedimentos matematicos, em poucos valores
representativos- media aritmetica, mediana e moda. Tais valores podem servir de comparayao para dar a posiyao de qualquer elemento do conjunto .
No entanto, quando se trata de interpretar dados estatfsticos, mesmo aqueles ja convenientemente simplificados, e necessaria ter-se uma ideia retrospectiva de como se apresentavam esses mesmos dados nas tabelas.
Assim, nao e 0 bastante dar uma das medidas de posiyaO para caracterizar perfeitamente urn conjunto de valores, pais, mesmo sabendo, par exe~
plo, que a temperatura media de duas cidades e a mesma, e igual____.--a 24C,_ainda assim somas levados a pensar a respeito do clima dessas cidades. Em uma
delas podera a temperatura variar entre limites de muito calor e de muito frio
e haver, ainda, uma temperatura media de 24 C. A outra podeni ter uma variayao pequena de temperatura e possuir, portanto, no que se refere a temperatura, urn clima mais favoravel.
Vemos, entao, que a media - ainda que considerada como urn numero
que tern a faculdade de representar uma serie de valores - nao pode, par si
mesma, destacar o grau de homogeneidade ou heterogeneidade que existe entre os valores que comp6em o conjunto.
Consideremos os seguintes conjuntos de valores das variaveis x, y e z:
X: 70, 70, 70, 70, 70.
Y: 68, 69, 70, 71, 72.
Z: 5, 15, 50, 120, 160 .

Calculando a media aritmetica de cada urn desses conjuntos, obtenios:


( x = .E

X;

=}

x = 350

= 70

.E Y;
350
Y =-n- =} Y = 5 = 70

z = 2: Z;
n

=}

z = 350

= 70

Vemos, entao, que os tres conjuntos apresentam a mesma media aritmetica: 70.

109

Entretanto, e facil notar que 0 conjunto X e mais homogeneo que OS


conjuntos y e Z, ja que todos OS valores sao iguais a media .
0 conjunto Y, por sua vez, e mais homogeneo que o conjunto Z, pais ha
menor diversificayao entre cada urn de seus valores e a media representativa .
Chamando de dispersao ou variabilidade a maior ou menor diversificayao dos valores de uma variavel em torno de urn valor de tendencia central
tornado como ponto de comparayao, podemos dizer que o conjunto X apresenta dispersao ou variabilidade nula e que o conjunto Y apresenta uma dispersao ou variabilidade menor que o conjunto Z.
Portanto, para qualificar os valores de uma dada variavel, ressaltando a
maior ou menor dispersao ou variabilidade entre esses valores e a sua medida
de posiyao, a Estatfstica recorre as.-med-idas-de_dispersao ou de '\lar.iabili.dade..
Dessas medidas, estud aremos a amplitude total, a varHincia , o desvio
padrao e o coeficiente-d{l-variac;ao.

2 AMPLITUDE TOTAL

2.1. Dados nio-agrupados


A amplitude total e a diferenya entre o maior e o menor valor ob-\
servado:
AT

x(max.) - x(min.)

Exemplo:
Para os valores:
40, 45, 48, 52, 54, 62 e 70

temos:
AT = 70 - 40 = 30

Logo:
AT= 30

Quando dizemos que a ampl itude total dos valores e 30, estamos afirmando alguma coisa do grau de sua co ncentrayao . E evidente que, quanta maior a
amplitude total, maior a dispersao ou variabilidade dos valores da variavel._
Relativamente aos tres conju ntos de va lores mencionados no infcio deste
capitulo, temos:
AT. = 70- 70 = 0, (dispersao nula)
AT y = 72- 68 = 4
AT, = 160 - 5= 155

11 0

ESTATiSTICA FACIL

Cap. 7- Medidas de Dispersao ou de Variabilidade

111

temos:

2.2. Dados agrupados

AT= 174- 150 = 24

2.2.1. Sem intervalos de classe


Logo:

Neste caso, ainda temos:

AT= 24 em

AT = x (max. ) - x (mfn. )

Exemplo:
Considerando a tabela abaixo:
TABELA 7.1
0

12

A amplitude total tem o inconveniente de s6 levar em conta os dois valores extremos da serie, descuidando do conjunto de valores intermediarios, o
que quase sempre invalida a idoneidade do resultado . Ela e apenas uma indica<;:ao aproximada da dispersao ou variabilidade.
Faz-se uso da amplitude total quando se quer determinar a amplitude da
temperatura em urn dia ou no ano, no controle de qualidade ou como uma medicta de calculo rapido, e quando a compreensao popular e mais importante que
a exatidao e a estabilidade.

temos:

3 VARIANCIA
DESVIO PADRAO

AT= 4- 0 = 4

Logo:

3.1. IntroduQio

AT= 4

2.2.2. Com intervalos de classe


Neste caso, a amplitude total e a diferen<;:a entre o limite superior da ul tima classe e o limite inferior da primeira classe:
AT= L(max.)- Q(mfn. )

Exemplo:

Como vimos, a amplitude total e instavel, por se deixar influenciar pelos


valores extremos, que sao, na sua maioria, devidos ao acaso.
A varHincia e o desvio padrao sao medidas que fogem a essa falha, pois
levam em considera<;:ao a totalidade dos valores da variavel em estudo, o que
faz delas indices de variabilidade bastante estaveis e, por isso mesmo, os mais
geralmente empregados.
A variancia baseia-se nos desvios em torno da media aritmetica, porem
determinando a media aritmetica dos quadrados dos desvios*. Assim, representando a variancia por s 2 , temos:

Considerando a distribui<;:ao abaixo:


TABELA 7.2

i
1
2
3
4
5
6

ESTATURAS
(em )

150
154
158
162
166
170

ffffff-

154
158
162
166
170
17 4

f.

'

Ou, lembrando que L f

4
9
11
8
5
3

:E = 40

'

= n:

Lembremos que .E d, = .E (x, - X:) = 0.

112

ESTATiSTICA FACIL

Cap. 7 - Medidas de Dispersao ou de Variabilidade

NOTA:
Quando nosso interesse nao se restringe a descric;:ao dos dados mas , partindo da
amostra , visamos tirar inferencias validas para a respectativa populac;:ao, convem
efetuar uma modificac;:ao, que consiste em usar o divisor n - 1 em Iugar de n .
Podemos, ainda, com o intuito de conservar a definic;:ao, calcular a variancia usan-

do o divisor n e, em seguida, multiplicar o resultado por _n_ .

n-1

Sendo a variancia calculada a partir dos quadrados dos desvios, ela e urn
numero em unidade quadrada em rela<;;ao a variavel em questao, o que, sob o
ponto de vista pratico, e urn inconveniente.
Por isso mesmo, imaginou-se uma nova medida que tern utilidade e interpreta<;;ao praticas, denominada desvio padrao, definida como a raiz quadrada da variancia e representada por s:

acontece com os quadrados , podendo os resultados do calculo ser menos exatos do que quando a formula @ e usada.
0 desvio padrao goza de algumas propriedades, dentre as quais destacamos:
ll!) Somando-se (ou subtraindo-se) uma constante a (de) todos os va-

lores de uma variavel, o desvio padrao nao se altera:


Y.I =

.E (x
_

X .I

=>

Sy

SX

2l!) Multiplicando-se todos os valores de uma varhivel por uma cons-

tante (diferente de zero), o desvio padrao fica multiplicado por


essa constante:
Y.I =

s = .JSi

Assim:

113

C X X.I

=>

Sy = C X S X

Essas propriedades nos permitem introduzir, no calculo do desvio padrao,


simplifica<;;6es uteis, como veremos mais adiante.
Para o calculo do desvio padrao , consideremos os seguintes casos:

- x)2

__!_I--

J1

NOTA:

Tanto o desvio padrao como a variancia sao usados como medidas de dispersao
ou variabilidade. 0 uso de uma ou de outra dependera da finalidade que se tenha
em vista.
A variancia e uma medida que tem ponca utilidade como estatfstica descritiva,
porem e extremamente importante na inferencia estatfstica e em combinac;:oes de
amostras .

Se bern que a formula dada para o calculo do desvio seja a que torna mais
facil a sua compreensao, ela nao e uma boa formula para fins de computa<;;ao,
pois, em geral, a media aritmetica (x) e urn numero fracionario, o que torna
pouco pratico 0 calculo das quantidades (xi - x) 2.
Podemos simplificar OS calculos fazendo uso da igualdade:

3.2. Dados nio-agrupados


Tomemos, como exemplo, o conjunto de valores da variavel x:
40 , 45, 48 , 52, 54, 62, 70

0 modo mais pratico para se obter o desvio padrao e formar uma tabela
com duas colunas: uma para x. e outra para . Assim:
I

TABELA 7.3

J1

Assim, substituindo L (xi - x:)2 por seu equivalente em


s=

j.E x2 -

CD. obtemos:

(.E x)2 '


n

que pode ser escrita do seguinte modo:

_J X~

S-

.E - _ ( .E X; )
n

xz

40
45
48
52
54
62
70

1.600
2.025
2.304
2.704
2.916
3.844
4.900

.E = 371

.E = 20.293

Como n = 7 , temos:

Nao apenas este metodo e usualmente mais pratico, como tambem mais
preciso. Quando a media nao e exata e tern de ser arredondada, cada desvio
fica afetado ligeiramente do erro , devido a esse arredondamento. 0 mesmo

X.

.E (x - x)2 = .E x2 - (.E x)2


I

s =

J _( ~ r=
3 1

J 2.899 _ 53

= J 2.899 - 2.809 = J90 = 9,486


Logo:
s = 9,49

114

ESTATiSTICA FACil

Cap. 7 - Medidas de Dispersao ou de Variabilidade

115

Consideremos, como exemplo, a di stribuic;:ao da Tabela 7 .1.

0 modo mais pnltico para se obter o desvio padrao e abrir, na tabela dada,
uma coluna para os produtos f;x; e outra para f;x;, lembrando que para obter
fx 2 basta multiplicar cada fx. pelo seu respectivo x . Assim:
I

1 Complete
variavel:

esquema para

calculo do desvio padrao, dados

OS

valores da
TABELA 7.4

8, 10, 11, 15, 16, 18


Temos:

64

f.I

f.x.
I
I

f.x2

0
1
2
3
4

2
6
12
7
3

0
6
24
21
12

0
6
48
63
48

1: = 30

1: = 63

1: = 165

I:= ....

I:= ....

= ....

X;

Logo:
Logo:

s =/165-

-)
- - (-.... )2.. ..
.... - J.. ..

s=

J.... - ....

=L
isto

30

(~)2
30

= ) 5,5- 4,41

~ = 1,044

Daf:

= .... ,

s = 1,04

e:
s

3,56

2 Comprove a primeira propriedade do desvio padrao somando 5 a cada valor


da variavel do exercfcio anterior.

3 Comprove a segunda propriedade do desvio padrao multiplicando por 2 cada

1 Complete o esquema para o calculo do desvio padrao da distribuic;;ao:

valor da variavel do exercfcio 1.

Temos:

3.3. Dados agrupados

X.I

3.3.1. Sem intervalos de classe


Como, neste caso, temos a presenc;:a de freqi.tencias, devemos leva-las em
considerac;:ao, resultando a formula:
s

_
L: _
f.x
1_1-

( L:

tx
n

__
1_1

)2

f.I

f.x_I

f.x2
I
I

l:= .. ..

l:= ....

l:= .. ..

2
3
4
5
6

116

Cap. 7 - Medidas de Dispersao ou de Variabilidade

ESTATiSTICA FACIL

Logo:

-j ..... . (...... )2 - j

S-

---

.... -

(.... )2

Assim , para a distribui9ao da Tabela 7 .2, temos, completando com as


colunas para x , y, fy . e fy 2 :

--

=J.... - .... = r. = .... ,


isto

TABELA 76

e:

1,24

1
2
3
4
5
6

3.3.2. Com intervalos de classe

fx 2 .
I

To memos como exemplo a distribui9ao da Tabela 7 .2.


Come9amos por abrir as colunas para \ (ponto medio), para fixi e para
Assim:
TABELA 7.5

1
2
3
4
5
6

ESTATURAS

f.I

(em)

150 I154 I158 I162 I166 I170 I-

152
156
160
164
168
172

z=

40

ESTATURAS
(em)

150 I154 I158 I162 I166 I170 I-

154
158
162
166
170
174

f.I

X.I

Y;

f;Y;

fiy~

4
9
11
8
5
3

152
156
160
164
168
172

-2
-1
0
1
2
3

-8
-9
0
8
10
9

16
9
0
8
20
27

z = 40

h =4

Z = 10

Z = 80

Logo:
f.x~
I I

f;x;

X.I

4
9
11
8
5
3

154
158
162
166
170
174

117

608
1.404
1.760
1.312
840
516

z=

6.440

92.416
219.024
281.600
215.168
141.120
88.752

z=

S=4

;so4o- (

10 ) =4v2-0,0625=4vl,9375=4H1,3919=5,5676
40

Daf:
s = 5,57 em

1.038.080

Logo:

NOTA:

=)

2
1.038.080 - ( 6 440 )
40
40

= J 25.952 - 25.921

J31 = 5,567

Daf:
s

5,57 em

3.4. Processo breve

Valem as mesmas observa<;:6es que fizemos para a media aritmetica (p. 87) .

Fases para o calculo do desvio padrao pelo processo breve:


1~)

Abrimos uma coluna para

2~)

Escolhemos urn dos pontos medios


qtiencia) para valor de x0 .

3~)

Abrimos uma coluna para os valores de y. e escrevemos zero na lin?a conespondente a clas~e onde se encontra o valor de x0 ; a sequenCia -1, -2, -3, ... , logo ac1ma de zero, e a seqi.iencia 1, 2, 3, ... , logo
abaixo.

4~)

Abrimos uma coluna para os valores do produto f.y., conservando os


sma1s + ou -, e, em seguida, somamos algebricamente esses produtos.

5~)

Abrimos uma coluna para os valores do produto f.y 2 , obtidos multiplicando cada fiyi pelo seu respectivo yi, e, em ~eguida, somamos
esses produtos.

6~)

Aplicamos a formula.

Baseados na mudan9a da varia vel x por outra y, tal que:


y.
I

X. -

0
=-~--,

e pelas mesmas razoes expostas para 0 calculo da media, podemos obter urn
processo breve de calculo, com a aplica9a0 da seguinte formula:

OS

valores xi (ponto medio).


(d~

preferencia o de maior fre-

118

ESTATfSTICA FACIL

Cap. 7 - Medidas de Dispersoo ou de Variabilidade

119

Logo:

s = /::.. 1 Caleule o desvio padrao da

distribui~ao,

isto

450

f-

550

f-

650

11

10

750

f-

850

f-

16

f-

950

13

1.050

f-

= ....

J.... - (... .)2

= ... .

J.. .. - ....

= ... .

r. =

= .... X .... = .... ,

pelo proeesso breve.

CUSTOS
(R$)

(~

f-

e:

1.150
"S =

21,88

Temos
i

f.I

BOO

8
10
11
16
13
5
1

'
500
600
700

1
2
3
4
5
6
7

900
1.000
1.100
h

Como h

X.

100

Y;

~Y/
72
40
11
0
13
20
9

f;Y;

-3
-2
-1
0
1
2
3

-24
-20
-11
0
13
10
3

-55

26

I= -29

I= 64

4 COEFICIENTE DE VARIAQ.i.O
0 desvio padrao por si s6 nao nos diz muita eoisa. Assim, urn desvio
padrao de duas unidades pode ser eonsiderado pequeno para uma serie de valores eujo valor medio e 200; no entanto, se a media for igual a 20, o mesmo
nao pode ser dito. Alem disso, o fato de o desvio padrao ser expresso na mesma unidade dos dados limita o seu emprego quando desejamos eomparar duas
ou mais series de valores, relativamente a sua dispersao ou variabilidade, quando expressas em unidades diferentes.
Para eontornar essas difieuldades e limitac;oes, podemos earaeterizar a
dispersao ou variabilidade dos dados em termos relativos a seu valor medio,
medida essa denominada coeficiente de varia~ao (CV):

I= 765

700, vem:

~-~--..,--

= 100 }

29 2
165
- () = 100
64
64

J 2,5781

- (0,4531 )2 =

= 100 )2,578 1 - 0,2052 = 100 ) 2,3729 = 100 X 1,54042 = 154,042 ~


~

R$ 154

CV =~X 100

Para a distribuic;ao da Tabela 7.6, onde X:= 161 em e s = 5,57 em, temos:
CV =
1 Complete o esquema para o ealeulo do desvio padrao da
proeesso breve:

CLASSES

30

f.I

f-

50

f-

70

f-

12

90

f-

10

110

f-

distribui~ao,

X 100 = 0,03459 X 100 = 3,459

Daf:

130

cv = 3,5%

Temos:

1
2
3
4
5

~~~~

pelo

Exemplo:
X I.

f.I

40

Y;

f;Y;

f;Yf

Tomemos os resultados das medidas das estaturas e dos pesos de urn


mesmo grupo de indivfduos:
s
ESTATURAS

h = ....

I= ... .

I= ... .

I= ....

PESOS

175 em

5,0 em

68 kg

2,0 kg

120

Cap. 7 - Medidas de Dispersao ou de Variabilidade

ESTATiSTICA FACIL

@ Calcule

Temos:

175

cvp =

o desvio padrao da distribui t;:a o:


CLASSES

CVE = - X

100 = 0,0285 X 100 = 2,85%

x 100

68

f.I
7

o,o294 x 100 = 2,94%

Se bern que, para qualificar a di spersao de uma di stribuisrao , sej a mai s proveito so
o coeficiente de variasrao, nao devemos dedu zir daf que a varianc ia e o desv io
padrao caresram de utilidade. Pelo contnirio , sao medidas muito utei s no tratamento de assuntos relativos
inferencia estatistica, como ja disse mos .

f-

f-

12

10

1-

21

14

f-

15

18

f-

22

Calcule os desvios padr6es das distribuit;:6es do exercicio 8, cap. 6, p. 107.

8 Sabendo que um conjunto de dados apresenta para media aritmetica e para


desvio padrao, respectivamente, 18,3 e 1,47, calcule o coeficiente de variat;:ao.

Logo, nesse grupo de indi viduos, os pesos apresentam maior grau de dispersao que as estaturas .
NOTA:

121

19 Em um exame final de Matematica, o grau medio de um grupo de 150 alunos foi 7,8 e o desvio padrao, 0,80. Em Estatistica, entretanto, o grau medio final foi 7,3 e o desvio padrao, 0,76. Em que disciplina foi maior a dispersao?
10 Medidas as estaturas de 1.017 individuos, obtivemos x = 162,2 em e
s = 8,01 em. 0 peso media desses mesmos individuos e 52 kg, com um
desvio padrao de 2,3 kg. Esses individuos apresentam maior variabilidade
em estatura ou em peso?
11 Um grupo de 85 mot;:as tem estatura media de 160,6 em, com um desvio
padrao igual a 5,97 em. Outro grupo de 125 mot;:as tem uma estatura media de 161,9 em, sendo o desvio padrao igual a 6,01 em. Quale o coefic iente
de variat;:ao de cada um dos grupos? Qual o grupo mais homogeneo?

~ {J)calcule

a amplitude total dos conjuntos de dados:

a. 1, 3, 5, 9
b. 26, 1.4, 1(5, 19, 2(1, 22, 20

c. 17,9; 22,5; 13,3; 16,8; 15,4; 14,2

U
uma distribuit;:ao apresenta as seguintes estatisticas : s
\ . ,_,) Determine a media da distribuit;:ao .

a.
2

f.I

b.
CLASSES
f.I
3 Calcule os desvios padr6es dos conjuntos de dados do exercicio 1.

4 Calcule os desvios padr6es das distribuit;:6es do exercicio 2.

5 Dada a distribuit;:ao relativa a 100 lant;:amentos de 5 moedas simultaneamente:


N 2 DE CARAS

FREOUENCIAS

calcule o desvio padrao.

d. -10, - 6, 2, 3, 7, 9, 10

2 Calcule a amplitude total das distribuit;:6es:


X.I

f ::\ Um grupo de cem estudantes tem uma estatura media de 163,8 em, com
um coeficiente de variat;:ao de 3,3%. Qual o desvio padrao desse grupo?

14

34

29

16

= 1,5 e CV = 2,9%.

123

Cap. 8 - Medidas de Assimetria - Medidas de Curtose

Exemplo:
DISTRIBUICAO A
PESOS
(kg )

f.I

2f-6
6 f- 10
10 f- 14
14 f- 18
18 f- 22

6
12
24
12
6

DISTRIBUICAO C

DISTRIBUICAO B
PESOS

f.

(kg)

21-6
6 1- 10
10 f- 14
14f- 18
18 f- 22

I: = 60

PESOS

f.

(kg)

2f-6
6 f- 10
10f- 14
14 f- 18
18 f- 22

6
12
24
30
6
I:= 78

6
30
24
12
6
I:= 78

1 ASSIMETRIA
Temos:

x = 12

A natureza da assimetria ja foi estudada no capitulo 6, item 5, quando


vimos que, sendo a distribuic;:ao simetrica, a media e a moda coincidem; sendo
a distribuic;:ao assimetrica esquerda ou negativa, a media e menor que a
moda; e sendo assimetrica a direita ou positiva, a media e maior q!le a moda:

= 12,9 kg
Md = 13,5 kg
Mo = 16 kg
= 4,20 kg
s

kg
Md = 12 kg
Mo = 12 kg
= 4,42 kg
s

1.1. IntroduQio

= 11,1 kg
Md = 10,5 kg
Mo = 8 kg
= 4,20 kg
s

Logo:
A. 12- 12 = 0
B. 12,9 - 16

c. 11,1

a distribuigao e simetrica.

= -3,1 kg

- 8 = 3,1 kg

a distribuigao e assimetrica negativa.

a distribuigao e assimetrica positiva.

Considerando os graficos das distribuic;:oes anteriores, temos:

x= Md =Mo
~----------------~-----------

moda

--------------~~

media na - - - - - - - - - - - - -1

Mo < Md <

m e dia --------~

30

30

24

24

24

18

18

18

12

12

12

x < Md < Mo

Baseando-nos nessas relac;:oes entre a media e a moda, podemos empregalas para deterrninar o tipo de assimetria. Assim , calc ulando o valor da diferenc;:a :

0
2

se :

x- Mo = 0
x- Mo < 0
x- Mo > 0

6 10 14 18 22

X= Md
~ assimetria nula ou distr ibui gao simetrica;
~

assimetria negativa ou
~ assimetria positiva ou

a esquerda;
a direita .

Mo

12
Md = 13,5

124

ESTATlSTICA FACIL

Cap. 8 - Medidas de Assimetria - Medidas de Curtose

1.2. Coeficiente de assimetria

125

4 Considerando a distribui9ao de frequencia relativa aos pesos de 100 operarios de uma fabrica:

A medida anterior, por ser absoluta, apresenta a mesma deficiencia do


desvio padrao , isto e, nao permite a possibilidade de comparac;:ao entre as
medidas de duas distribuic;:6es. Por esse motivo , daremos preferencia ao coeficiente de assimetria de Pearson, dado por:
As= 3(x- Md)

<I As I< 1, a

assimetria

(kg)

NQ DE
OPERARIOS

50

1-

58

10

1-

15

66

1-

74

25

1-

24

82

1-

16

90

1-

98

10

determine o grau de assimetria.

Se 0,15

PESOS

e considerada

moderada; se I As

I>

1,

e forte.
Exemplo:

2 CUBTOSE

2.1. IntroduQio

Considerando as distribuic;:6es A, B e C dadas anteriormente, temos:


As =
A

3(12- 12)
= 0
4,42

As = 3 ( 12 ,9 - 13 , 5 ) =- 0,429
B

4,20

As = 3 (11 , 1 - 10 , 5 ) = 0,429
c

Denominamos curtose o grau de achatamento de uma distribuic;:ao


em relac;:ao a uma distribuic;:ao padrao, denominada curva normal (curva
conespondente a uma distribuic;:ao teorica de probabilidade).

s1metna

4,20

assimetria negativa

Quando a distribuic;:ao apresenta uma curva de freqtiencia mais fechada


que a normal (ou mais aguda em sua parte superior), ela recebe o nome de

~ assimetria positiva

leptocurtica.
Quando a distribuic;:ao apresenta uma curva de freqtiencia mais aberta que
a normal (ou mais achatada na sua parte superior), ela e chamada platicurtica.
A curva normal, que e a nossa base referencial, recebe o nome de meso-

curtica.

1 Considere os seguintes resultados relatives a tres distribui96es de frequencia:

Mo

DISTRIBUif;OES
A

52
45
48

leptocurtica

52
50
46

Uma formula para a medida da curtose

x=

e:

48, 1,

3 Em uma distribui9ao de frequencia foram encontradas as seguintes medidas:


x = 33,18, Mo = 27,50, Md = 31,67 e s = 12,45.
a. Classifique o tipo de assimetria.
b. Calcule o coeficiente de assimetria.

mesocurtica

2.2. Coeficiente de curtose

Determine o tipo de assimetria de cada uma delas.

2 Uma distribui9ao de frequencia apresenta as seguintes medidas:


Md = 47,9 e s = 2, 12. Calcule o coeficiente de assimetria.

platicurtica

C=

Essa formula e conhecidda como coeficiente percentilico de curtose.


Relativamente a curva normal, temos:

c =0,263

126

ESTATiSTICA FACIL

Assim:
C = 0,263

=:}

eurva mesoeurtiea

C < 0,263

=:}

eurva leptoeurt iea

C > 0,263

=:}

eurva p lat ieurt iea

Exemplo:
Sabendo-se que uma

distribui~ao

apresenta as seguintes medidas:

0 1 = 24,4 em , 0 3 = 41 ,2 em, P10 = 20,2 em e P90 = 49,5 em ,

1 INTRODUQ.iO

temos:

c=

4 1,2 - 24 4
2(49,5 - 2 0,2)

16 8

58,6

0,2866

=:}

c=

Embora o d.lculo das probabilidades perten~a ao campo da Matematica,


sua inclusao neste livro se justifica pelo fato de a maioria dos fenomenos de
que trata a Estatfstica ser de natureza aleat6ria ou probabilistica. Conseqi.ientemente, o conhecimento dos aspectos fundamentais do calculo de probabilidades e uma necessidade essencial para o estudo da Estatistica lndutiva ou Inferencial.
Procuramos resumir aqui os conhecimentos que julgamos necessarios para
termos um ponto de apoio em nossos primeiros passos no caminho da Estatfstica Inferencial. Esses passos serao apresentados no capitulo seguinte, que trata da conceitua~ao de varhivel aleat6ria e das duas principais distribui~6es de
probabilidades de variaveis discretas e continuas.

0,287

Como:
0,287 > 0,263,

conclufmos que a

distribui~ao

e platicurtica, em rela~ao a normal.

2 EXPERIMENTO ALEATORIC
Em quase tudo, em maior ou menor grau, vislumbramos o acaso. Assim,
"e provavel que o meu time ganhe a partida de hoje" pode resultar:
a. que, apesar do favoritismo, ele perca;
b. que, como pensamos, ele ganhe;
c. que empate.
Como vimos, o resultado final depende do acaso. Fenomenos como esse
sao chamados fenomenos aleat6rios ou experimentos aleat6rios.

da
1 Considere as seguintes medidas, re lativas a tres distribuic;:oes de frequeneia:

DISTRIBUICOES

a,

03

P,o

p90

814
63 ,7
28,8

935
80,3
45,6

772
55,0
20,5

1.012
86,6
49,8

a. Caleule os respeetivos graus de eurtose.


b. Classifique eada uma das d istribuic;:6es em relac;:ao

a eurva

normal.

2 Determine o grau de eurtose e elassifique a distribuic;:ao em relac;:ao

afirma~ao

Experimentos ou fenomenos aleat6rios sao aqueles que, mesmo


repetidos varias vezes sob condi~6es semelhantes, apresentam resultados
imprevisfveis.

a eurva
3 ESPAQO AMOSTRAL

normal:

PESOS
(kg )

NQ DE
OPERARIOS

50 1- 58 1- 66 1- 7 4 1- 82 1- 90 1- 98
10

15

25

24

16

10

A cada experimento correspondem, em geral, varios resultados possfveis.


Assim, ao lan~armos uma moeda, ha dois resultados possfveis: ocorrer cara
ou ocorrer coroa. Ja ao lan~armos um dado ha seis resultados possfveis: 1, 2,
3, 4, 5 ou 6.

128

ESTATlSTICA FACIL

Cap. 9 - Probabilidade

Ao conjunto desses resultados possfveis damos o nome de


amostral ou conjunto universo, representado por S.

5 PROBABILIDADE

espa~o

Os dois experimentos citados anteriormente tern os seguintes espac;:os


amostrais:
-

l anvamento de uma m o eda: S = {Ca, Co};

lan9amento de um dado :

Dado urn experimento aleat6rio, sendo S o seu espac;:o amostral, vamos


admitir que todos os elementos de S tenham a mesma chance de acontecer, ou
seja, que S e urn conjunto eqiiiprovavel.

Chamamos de probabilidade de urn evento A(A C S) o numero


real P(A), tal que:

S = {1, 2, 3, 4, 5, 6}.

Do mesmo modo, como em dois lanc;:amentos sucessivos de uma moeda


podemos obter cara nos dois lanc;:amentos, ou cara no primeiro e coroa no
segundo, ou coroa no primeiro e cara no segundo, ou coroa nos dois lanc;:amentos, o espac;:o amostral e:
S

P(A) = n(A)
n(S)

onde:
n(A) e o numero de elementos de A;
n(S) e o numero de elementos de S.

= {( Ca, Ca ), (Ca, Co ), (Co , Ca ), (Co , Co )} .

Cada urn dos elementos de S que corresponde a urn resultado recebe o nome de ponto amostral. Assim:
2 E S

e um

129

Exemplos:

ponto amostra l de S.

a. Considerando o lanc;:amento de uma moeda e o evento A "obter cara",


temos:

4 EVENTOS

= {Ca,

S
A

Chamamos de evento qualquer subconjunto do espac;:o amostral S


de urn experimento aleat6rio.

= {Ca }

Co} ~ n(S)
~ n (A ) = 1

=2

Logo:
1

PIA)=-

Assim, qualquer que seja E, se E C S (E esta contido em S), entao E


urn evento de S.

Se E = S, E e charnado evento certo.


Se E C S e E e urn conjunto unitario, E e chamado evento elementar.
Se E = 0, E e chamado evento impossivel.
Exemplo:

0 resultado acima nos permite afirmar que, ao lanc;:armos uma moeda


equilibrada, temos 50% de chance de que aparec;:a cara na face superior.

,
b. Considerando o lanc;:amento de urn dado, vamos calcular:
-

No lanc;:amento de urn dado, on de S = { 1, 2, 3, 4, 5, 6}, temos:


A= {2, 4, 6} C S; logo, A e urn evento de S.
B = { 1, 2, 3, 4, 5, 6} C S; logo, B e urn evento certo de S (B = S) .
C = {4} C S; logo, C e urn evento elementar de S.
D = 0 C S; logo, D e urn evento impossfvel de S.
Urn evento e sempre definido por uma sentenc;:a. Assim, os eventos acima podem ser definidos pelas sentenc;:as:
"Obter
"Obter
"Obter
"Obter

urn numero
urn numero
o numero 4
urn numero

par na face superior."


menor ou igual a 6 na face superior."
na face superior."
maior que 6 na face superior."

a probabilidade do evento A "obter urn numero par na face superior".


Temos:
S = {1 , 2, 3, 4, 5, 6} ~ n (S ) = 6
A

= {2,

4, 6} ~ n (A)

=3

Logo:
P(A)

= ~ = __!_
6

a probabilidade do evento B "obter urn numero menor ou igual a 6 na


face superior" .
Temos:
S = {1, 2, 3, 4, 5, 6} ~ n (S) = 6
B = {1, 2, 3, 4, 5, 6} ~ n( B) = 6

130

ESTATiSTICA FACIL

Logo:

Assim, se a probabilidade de se realizar urn evento


6
P(B) =-= 1
6

lidade de que ele nao ocorra

= {4} ==>

n(C)

p=

Logo:
P(C) =

, a probabi-

e:

+.

e
Logo, a probabilidade de nao tirar o 4 no lan~amento de urn dado e:

Sabemos que a probabilidade de tirar o 4 no

=1

ep = ~

131

1
4
q=1-p => q = 1 - - = 5
5

a probabilidade do even to C "obter urn nurnero 4 na face superior".


Ternos:
S = {1, 2, 3, 4, 5, 6} ==> n(S) = 6

2__

lan~arnento

de urn dado

q=1--=-

Cap. 9 - Probabilidade

a probabilidade do evento D "obter urn nurnero maior que 6 na face


superior".
Ternos:

7 EVENTOS INDEPENDENTES

S = {1, 2, 3, 4, 5, 6} ==> n(S) = 6


D = 0 ==> n(D) = 0

Dizemos que dois eventos sao independentes quando a realiza~ao


ou a nao-realiza~ao de urn dos eventos nao afeta a probabilidade da realiza~ao do outro e vice-versa.

Logo:
0

P(D) =-= 0

Pelos exernplos que acabamos de ver, podernos concluir que, sendo


n(S) = n:
a. a probabilidade do even to certo e igual a l:
P(S) = 1

b. a probabilidade do evento impossivel

e igual

a zero:

P(0) = 0

c. a probabilidade de urn evento E qualquer (E C S)


P(E), tal que:

e urn numero real

Por exemplo, quando lan~amos dais dados, o resultado obtido em urn


deles independe do resultado obtido no outro.
Se dais eventos sao independentes, a probabilidade de que eles se realizern simultaneamente e igual ao produto das probabilidades de realizayao dos
dais eventos.
Assim, sendo p 1 a probabilidade de realiza~ao do primeiro evento e p 2 a
probabilidade de realiza~ao do segundo evento, a probabilidade de que tais
eventos se realizem simultanearnente e dada por:

IP

P(E) =

P,

Pzl

Exemplo:

0,;; P(E) ,;; 1

d. a probabilidade de urn evento elementar E qualquer


que n(E) = 1:

e,

lernbrando

_!_
n

Lan~arnos

dais dados. A probabilidade de obterrnos 1 no prirneiro dado

e:
1

P,

=B

A probabilidade de obtermos 5 no segundo dado

6 EVENTOS COMPLEMENTABES
Sabernos que urn evento pode ocorrer ou nao. Sendo p a probabilidade
de que ele ocorra (sucesso) e q a probabilidade de que ele nao ocorra (insucesso), para urn rnesrno evento existe sernpre a relayao:
p+q=1 =>q=1-p

e:

p2 =6

Logo, a probabilidade de obtermos, sirnultaneamente, 1 no prirneiro e 5


no segundo e:
1

p=-X-=6
6
36

132

ESTATiSTICA FACIL

Cap. 9- Probabilidade

133

b. a probabilidade de essa pec;:a nao ser defeituosa.

8 EVENTOS MUTUAMENTE EXCLUSIVOS

Sendo este evento e o anterior complementares, te mos:

Dizemos que dois ou mais eventos sao mutuamente exclusivos quando


a realizac;ao de urn exclui a realizac;ao do(s) outro(s).

p=1--1 =_l_

4 No lanc;:amento de dois dados, calcule a probabilidade de se obter so


a 5.

Assim, no lanc;amento de uma moeda, o evento "tirar cara" e o evento


"tirar coroa" sao mutuamente exclusivos, ja que, ao se realizar urn deles, o

formado pelos elementos (1, 4), (2, 3), (3, 2) e (4, 1). Como
O _evento
numero de elementos de S
36, temos:

outro nao se realiza.


Se dois eventos sao mutuamente exclusivos, a probabilidade de que urn
ou outro se realize e igual a soma das probabilidades de que cada urn deles se

4
1
P =- =36
9

realize:

ma 1gua 1

D~ do.is baralhos de 52 cartas retiram -se, simultaneamente, uma carta do


pnme.lro .baralho e uma carta do segundo. Qual a probabilidade de a carta
do pnme1ro baralho ser um rei e a do segundo ser o 5 de paus?

Temos :

Exemplo:
Lanc;amos urn dado. A probabilidade de se tirar o 3 ou
1

Pr=

o 5 e:

52

13

e
1

p =2
52

p=-+-=-=-,

Como esses dais acontecimentos sao independentes e simultaneos, vem:

pois, como vimos, os dois eventos sao mutuamente exclusivos.

1
1
1
p=-X-=-13
52
676
6 u_ma urna A contem: 3 bolas brancas, 4 pretas, 2 verdes; uma urna B contern: 5 bolas brancas, 2 pretas, 1 verde; uma urna
contem: 2 bolas bran ~as, 3 pretas, 4,verdes. Um.a bola e retirada de cada urna. Qual e a probabilldade de as . tres bolas ret1radas da primeira, segunda e terceira urnas serem, respect1vamente, branca, preta e verde?

Temos:
1 Qual a probabilidade de sair o as de ouros quando retiramos uma carta de

um baralho de 52 cartas?
Como s6 ha um as de ouros, o numero de elementos do evento
p =

e 1; logo :

1
52

ralho de 52 cartas?
Como ha 4 reis, o numero de elementos do evento

e 4; logo :

p=5i=13

3 Em um lote de 12 pec;:as, 4 sao defeituosas . Sendo retirada uma pec;:a, calcule:


a. a probabilidade de essa pec;:a ser defeituosa.
Temos:
4
1
P=-=12
3

4
9

Como os tres eventos sao independentes e simultaneos, vem:


P= -1-X_1_ X~

2 Qual a probabilidade de sair um rei quando retiramos uma carta de um ba-

= - = - ,p = -

1
27

7 D~ um bar.alho de 5~ .cartas retiram -se, ao acaso, duas cartas sem reposic;:ao. Qual e. a probabll1dade de a primeira carta ser o as de pause a segunda ser o re1 de paus?
A probabilidade de sair o as de paus na primeira carta

e:

p =1
52
Ap6s .a retira~a d~ primeira carta, restam 51 cartas no baralho, j a que a carta .rettrada n~o fat reposta . Assim, a probabilidade de a segunda carta ser 0
ret de paus e:
1
p =2
51

134

ESTATiSTICA FACIL

Como esses eventos sao independentes, temos:


__1_x_1_ _ _ 1_
p - 52
51 - 2. 652
8 Qual a probabilidade de sair uma figura quando retiramos uma carta de um
baralho de 52 cartas?
Temos:
4
1
1
1
P,= 52 =D,pd=J3,pv=1J
Como os eventos sao mutuamente exclusivos, vem:

A soma devera ser, entao, 10, 11 au 12.


Para que a soma seja 10, a probabilidade

(4, 6))

(5, 5)
(6, 4)

n(10) = 3

P 10 = -

NOTA:
Este problema pode ser resolvido, ainda, com o seguinte raciocinio: Como em
urn baralho temos 12 figuras (4 damas, 4 valetes, 4 reis), vern:
12

36

Para que a soma seja 12, a probabilidade


(6, 6)

e:

e:

2
~ n(11)=2~p11= 36

1
1
3
p =13+13+13=13

135

Para que a soma sej a 7 7, a probabilidade

(5, 6) }
(6, 5)

Cap. 9 - Probabilidade

n(12) = 7

e:

P 12 = 36

Como esses tres eventos sao mutuamente exc/usivos, temos:


3
2
7
6
p = 36 + 36 + 36 = 36 =

= 52 = 13

9 Qual a probabilidade de sair uma carta de copas ou de ouros quando retiramos uma carta de um baralho de 52 cartas?
Temos:
=

4 '

7
4

13
52

13

Pc = 52

Po

Como as eventos sao mutuamente exclusivos, vem:

P=4+4=4=2

10 No lan9amento de um dado, qual a probabilidade de se obter um numero


nao-inferior a 5?
A probabilidade de se ter um numero nao-inferior a 5
a probabilidade de
se obter 5 au 6. Assim:

7
7
2
7
P=6+6=6=3
11 Sao dados dois baralhos de 52 cartas. Tiramos, ao mesmo tempo, uma carta
do primeiro baralho e uma carta do segundo. Qual e a probabilidade de tirarmos uma dama e um rei, nao necessariamente nessa ordem?
A probabilidade de tirarmos uma dam a do primeiro baralho ( ;
do segundo (- : )
2

e, de

) e um rei

acordo com o problema 7:

p 1 = 52 X 52 =13 X 13

= 169

A probabilidade de tirarmos um rei do primeiro baralho e uma dama do


segundo

e:

_ 4 X
p2

52

4 _
52 -

169

Como esses dais eventos sao mutuamente exclusivos, temos:


p =

7
169 +

7
2
169 = 169

12 Dois dados sao lan9ados conjuntamente. Determine a probabilidade de a


soma ser 10 ou maior que 10.

1 Determine a probab ili dade de cada evento:


a. Um numero par aparece no lan9amento de um dado.
b. Uma figura aparece ao se extrair uma carta de um baralho de 52 cartas.
c. Uma carta de ouros aparece ao se extrair uma carta de um baralho de 52
cartas.
d. Uma s6 coroa aparece no lan9amento de tres moedas.
2 Um numero inteiro e escolhido aleatoriamente dentre os numeros 1, 2, 3,
... , 49, 50. Determine a probabilidade de:
a. o numero ser divisfvel por 5;
c. o numero ser divisfvel por 6 ou por 8;
b. o numero terminar em 3;
d. o numero ser divisfvel por 4 e por 6.
3 Dois dados sao lan 9ados simultaneamente. Determine a probabilidade de:
a. a soma ser menor que 4;
b. a soma ser 9;
c. o primeiro resultado ser maior que o segundo;
d. a soma ser menor ou igual a 5.
4 Uma moeda e lan 9ada duas vezes. Calcule a probabilidade de:
a. nao ocorrer cara nenhuma vez;
b. obter-se cara na primeira ou na segunda jogad a.
5 Um inteiro entre 3 e 11 sera escolhido ao acaso.
a. Qual e a probabilidade de que este numero seja fmpar?
b. Qual e a probabilidade de que este numero seja fmpar e divisfvel por 3?
6 Uma carta e retirada ao acaso de um baralho de 52 cartas. Qual a probabilidade de que a carta ret irada seja uma dama ou uma carta de copas?
7 No lan9amento de dois dados, qual e a probabilidade de se obter um par de
pontos iguai s?
8 Em um lote de 12 pe9as, 4 sao defeituosas. Sendo retiradas aleatoriamente
2 pe9as, calcule:
a. a probabilidade de ambas serem defeituosas;
b. a probabilidade de ambas nao serem defeituosas;
c. a probabilidade de ao menos uma ser defeituosa.

136

ESTATiSTIC'A FACIL

lan~amento de um dado, qual e a probabilidade de sair o numero 6 ou um


numero impar?
10 Duas cartas sao retiradas ao acaso de um baralho de 52 cartas. Calcule a probabilidade de se obterem:
a. dois valetes;
b. um valete e uma dama.
11 Um casa l planeja ter tres filhos. Determine a probabilidade de nascerem:
a. tres homens;
b. dois homens e uma mulher.

9 No

12

Uma moeda e lan~ada tres vezes. Calcule a probabilidade de obtermos:


a.
b.
c.
d.
e.
f.

13

Um dado e l an~ado duas vezes. Calcu le a probab ilid ade de:


a.
b.
c.
d.

14

sair
sair
nao
sair

um 6 no primeiro lan~amento;
um 6 no segundo l an~amento;
sair 6 em nenhum lan~amento;
um 6 pelo menos .

Uma urna contem 50 bolas identicas. Sendo as bolas numeradas de 1 a 50, determine a probabi lid ade de, em uma extra~ao ao acaso :
a.
b.
c.
d.

15

tres caras;
duas caras e uma coroa;
uma cara somente;
nenhuma cara;
pelo menos uma cara;
no maximo uma cara .

obtermos
obtermos
obtermos
obtermos

a bola de
uma bola
uma bola
uma bola

numero 27;
de numero par;
de numero maior que 20;
de numero menor ou igual a 20.

Uma loja d isp6 e de 12 geladeiras do mesmo tipo, das quais 4 apresentam defeitos.
a. Se um fregues vai comprar uma geladeira, qual a probabilidade de levar uma
d efe itu osa?
b. Se um fregues vai comprar duas geladeiras, qual a probabilidade de levar duas
defeituosas?
c . Se um fregues vai comprar duas geladeiras, qual a probabilidade de levar pelo
menos uma defeituosa?

16

Um par de dados e atirado. Encontre a probabilidade de que a soma seja 10 ou


maior que 10 se:

0 que pretendemos, neste capitulo, e apresentar dois modelos te6ricos de


distribuic;ao de probabilidade, aos quais urn experimento aleat6rio estudado
possa ser adaptado, o que perrnitini a soluc;ao de grande numero de problemas
pniticos.

1 V.ABI.AVELALEATORIA
Suponhamos urn espac;o amostrai S e que a cada ponto amostral seja
atribuido urn numero. Fica, entao, definida uma func;ao chamada variavel aleatoria, indicada por uma letra maiuscula, sendo seus valores indicados por letras minusculas.
Assim, se o espac;o amostral relativo ao "lanc;amento simultaneo de duas
moedas" e S = {(Ca, Ca), (Ca, Co), (Co, Ca), (Co, Co)} e se X representa "o
numero de caras" que aparecem, a cada ponto amostral podemos associar urn
numero para X, de acordo com a Tabela 10.1:

a. um 5 aparece no primeiro dado;


b. um 5 aparece pelo menos em um dos dados.

17

Lan~a - se um par de dados. Aparecendo dois numeros diferentes, encontre a pro babilidade de que :

a. a soma seja 6;
b. o 1 apare~a;
c. a soma seja 4 ou menor que 4.
18

Um lote e formado por 10 pe~as boas, 4 com defeitos e 2 com defe itos graves.
Uma pe~a e escolhida ao acaso. Calcule a probabilidade de que:
a. ela nao tenha defeitos graves;
b. ela nao tenha defeitos;
c. ela seja boa ou tenha defeitos graves .

19 Considere o mesmo lote do problema anterior. Retiram-se 2 pe~as ao acaso. Calcule a probabilidade de que:

a. ambas sejam perfeitas;


b. pelo menos uma seja perfeita;

c. nenhuma tenha defeitos graves;


d. nenhuma seja perfeita.

TABELA 10. 1
PONTO
AMOSTRAL
(Ca,
(Ca,
(Co,
(Co,

Ca)
Co)
Ca)
Co)

2
1
1
0

2 DISTRIBUIQAO DE PROBABILIDADE
Consideremos a distribuic;ao de freqtiencias relativa ao numero de acidentes diarios em urn estacionamento:

138

ESTATi STICA FACIL

Cap. 10 - Distribuic;:oes Binomial e Normal

139

TABELA 10.2
NUMERO DE
ACIDENTES

FREOUENCIAS

22
5
2
1

0
1

Seja X uma variavel aleat6ria que pode assumir os valores x 1, x2 ,


x 3 , . . . , x". A cad a valor xi correspondem pontos do espac;o amostral. Associ amos, entao, a cada valor \ a probabilidade pi de ocorrencia de tais
pontos no espac;o amostral.
Assim, temos:
1: pi = 1

I:= 30

Os valores x 1, x2 , , x" e seus correspondentes p 1, p2 ,


nem uma distribui~.;ao de probabilidade.

Em urn dia, a probabilidade de:


-

nao ocorrer acidente

e:
Assim, voltando

a Tabela

22
p = - = 0,73
30

ocorrer urn acidente

PONTO
AMOSTRAL

e:

(C a,
(Ca,
(Co ,
(Co,

p = - = 0, 17
30

ocorrerem dois acidentes

e:

10.1 , temos:

Ca l
Co )
Ca)
Co)

P(X )

1/2
1/2
1/2
1/2

2
1

X 1/2
X 1/2
X 1/2
X 1/2

= 1/4
= 1/4}
=
114
114
214
= 1/4
+
= 1/4

Logo, podemos escrever:

2
30

p = - = 0,07

p" defi-

TABELA 10.4

TABELA 10.5

ocorrerem tres acidentes

NUMERO DE
CARAS (X )

e:

P(X )

1/4
2/ 4
1/ 4

p = - = 0,03
30

1: = 1

Podemos, entao, escrever:


TABELA 10.3
NUMERO DE
ACIDENTES

PROBABILIDADES

0,7 3
0, 17
0,07
0,0 3

0
2
3

I: = 1,00

Essa tabela

e denorninada

distribui~.;ao

de probabilidade.

Ao definir a distribuic;ao de probabilidade, estabelecemos uma correspondencia unfvoca entre os valores da variavel aleat6ria X e os valores da variavel P. Esta correspondencia define uma fun~.;ao; os valores xi (i = 1, 2, ... , n)
formam o dominio da fun~.;ao e os valores pi (i = 1, 2, 3, .. ., n) , o seu conjunto imagem.
Essa func;ao, assim definida, e denominada fun~.;ao probabilidade e representada por:
f (x ) = P(X = x; )

A func;ao P(X = x) determina a


vel aleatoria X.

distribui~.;ao

de probabilidade da varia-

140

ESTATiSTICA FACIL

Cap. 10 - Dislribui~oes Binomial e Normal

Assim, ao lan9armos urn dado, a variavel aleat6ria X, definida por "pontos de urn dado", pode tomar os valores 1, 2, 3, ... , 6.
Como a cada urn destes valores esta associada uma e uma s6 probabilidade de realiza9ao e L P(x) = 1, fica definida uma fun9ao de probabilidade,
da qual resulta a seguinte distribuic;ao de probabilidade:

PIX)

1/6
1/6
1/6
1/6
1/6
1/6

2
3
4
5

na qual:

= k) e a probabilidade de que o evento se realize k vezes em n provas;


e a probabilidade de que o evento se realize em uma s6 prova - sucesso;
q e a probabilidade de que 0 evento nao se realize no decmso dessa prova P(X

insucesso;
n!
*.
( n ) e o coeficiente binomial de n sobre k, igual a
k
k!(n- k)!
Essa fun9ao, denominada lei binomial, define a distribuic;ao binomial.

TABELA 10.6

141

NOTA:
0 nome binomial vern do fato de (
mento do binomio de Newton.

) pk q" - k ser o termo geral do desenvolvi-

L= 1

3 DISTBIBUIQAO BINOMIAL

1 Uma moeda
lanr;:ada 5 vezes seguidas e independentes. Calcule a probabilidade de serem obtidas 3 caras nessas 5 provas.

Vamos, neste item, considerar experimentos que satisfa9am as seguintes


condi96es:

Temos:
n=5ek=3
Pela lei binomial, podemos escrever:

a. 0 experimento deve ser repetido, nas mesmas condi96es, urn numero


finito de vezes (n).

P(X

= 3) = ( ~) p3qs - 3 = (

~) p3q2

b. As provas repetidas devem ser independentes, isto 6, o resultado de


uma nao deve afetar os resultados das sucessivas.

Se a probabilidade de obtermos "cara" numa s6 prova (sucesso)

c. Em cada prova deve aparecer urn dos dois possfveis resultados: sucesso e insucesso.

e a probabilidade de nao obtermos "cara" numa s6 prova (insucesso)


1
q = 1= 1 , entao:

f(X)

= P(X = k) = ( ~ ) pk q" - k

= ;

2 2

d. No decorrer do experimento, a probabilidade p do sucesso e a probabilidade q (q = 1 - p) do insucesso manter-se-ao constantes.


Resolveremos problemas do tipo: determinar a probabilidade de se obterem k sucessos em n tentativas.
0 experimento "obten9ao de caras em cinco lan9amentos sucessivos e
independentes de uma moeda" satisfaz essas condi96es.
Sabemos que, quando da realiza9ao de urn experimento qualquer em uma
unica tentativa, sea probabilidade de realiza9ao de urn evento (sucesso) 6 p, a
probabilidade de nao-realiza9ao desse mesmo evento (insucesso) 6 1 - p = q.
Suponhamos, agora, que realizemos a mesma prova n vezes sucessivas e
independentes. A probabilidade de que urn evento se realize k vezes nas provas 6 dada pela fun9ao:

ep

P(X

= 3) = (

5
3

)(_!_!(_!_!
= _E!_ X _1
2
2
3!2!
8

1
X _
4

5X4X3X2X1 X-1-X-1-=~
3 X 2 X 1X 2 X 1
8
4
16
Logo:

P(X = 3) = 16

2 Dois times de futebol, A e B, jogam entre si 6 vezes. Encontre a probabilidade de o time A ganhar 4 jogos.
Temos:
n

= 6, k = 4, p = }- e q = 1 - }- =

n! eo fatoria l den. Consulte o Apendice- Instrumental Matematico, para revi sao do assunto Fatorial
(p . 190).

142

ESTATlSTICA FACIL

Entao:
P(X =

4) = ( 6

)(_l__J(l__)
3

foX _1 X_i_ = _l_!!_


81

Ji

Cap. 1o - Distribuic;:oes Binomial e Normal

143

Para uma perfeita compreensao da distribui<;ao normal, observe a Figura


10.1 e procure visualizar as seguintes propriedades:

243

Logo:

1!!) A varia vel aleat6ria X pode assurnir todo e qualquer valor real.
P(X = 4) =

20

2!!) A representa<;ao gr:lfica da distribui<;ao normal e uma curva em forma

243

de sino, simetrica em torno da media (X), que recebe o nome de curva normal ou de Gauss .

3!!) A area total limitada pela curva e pelo eixo das abscissas e igual a 1,

ja que essa area corresponde a probabilidade de a variavel a1eat6ria


X assumir qualquer valor real.

4!!) A curva normal e assint6tica em rela<;ao ao eixo das abscissas, isto e,

1 Determine a probabilidade de obtermos exatamente 3 caras em 6 lances de


uma moeda.

2 Jogando-se um dado tn3s vezes, determine a probabilidade de se obter um


multiplo de 3 duas vezes.

3 Dois times de futebol, A e B, jogam entre si 6 vezes. Encontre a probabilidade de o time A:


a. ganhar dois ou tres jogos;
b. ganhar pelo menos um jogo.

4 A probabilidade de um atirador acertar o a_lvo e


probabilidade de acertar exatamente 2 t1ros?

~ . Se

ele atirar 5 vezes, qual a

5 Seis parafusos sao escolhidos ao acaso da produvao de certa maquina, que


apresenta 10% de pevas defeituosas. Qual a probabilidade de serem defeituosos dois deles?

4 DISTRIBUIQAO NORMAL
CUBVA NORMAL
Entre as distribui<;6es te6ricas de variavel aleat6ria continua, uma das
mais empregadas e a distribui~ao normal.
Muitas das variaveis analisadas na pesquisa socioeconomica correspondem a distribui<;ao normal ou deJa se aproximam.
0 as pee to gr:lfico de uma distribui<;ao normal e o da Figura 10.1:

aproxima-se indefinidamente do eixo das abscissas sem, contudo,


alcan<;a-lo.
S!!) Como a curva e simetrica em torno de x, a probabilidade de ocorrer
valor maior do que a media e igual a probabilidade de ocorrer valor
menor do que a media, isto e, ambas as probabilidades sao iguais a
0,5 . Escrevemos: P(X > x) = P(X < x) = 0,5 .

Quando temos em maos uma variavel aleat6ria com distribui<;ao normal,


nosso principal interesse e obter a probabilidade de essa variavel aleat6ria assumir urn valor em urn determinado intervalo. Vejamos como proceder, por
meio de urn exemplo concreto.
Seja X a variavel aleat6ria que representa os diametros dos parafusos produzidos por certa maquina. Vamos supor que essa variavel tenha distribui<;ao
normal com media x = 2 em e desvio padrao s = 0,04 em.
Pode haver interesse em conhecer a probabilidade de urn parafuso ter urn

diametro com valor entre 2 e 2,05 em.


E facil notar que essa probabilidade, indicada por:
P(2 < X < 2,05),

corresponde

a area hachurada na Figura 10.2:

2
FIGURA 10.1

2,05

FIGURA 10.2

144

ESTATiSTICA FACIL

0 calculo direto dessa probabilidade exige urn conhecimento de Matematica mais avanc;;ado do que aquele que dispomos no curso de 2Q grau . Entretanto, podemos contornar facilmente esse problema. Basta aceitar, sem demonstrac;;ao, que, se X e uma variavel aleat6ria com distribuic;;ao normal de media x
e desvio padrao s, entao a variavel:
X- X
Z=--

Cap. 10 - Dislribuir;:oes Binomial e Normal

1 Determine as probabilidades:

a. P(-1,25 < Z < 0)

a parte

A probabilidade procurada corresponde

tern distribui~ao normal reduzida, isto e, tern distribuic;;ao normal de media


0 e desvio padrao 1.
As probabilidades associadas a distribuic;;ao normal padronizada sao encontradas em tabelas, nao havendo necessidade de serem calculadas.
0 anexo II (p. 224) e uma tabela de distribuic;;ao normal reduzida, que
nos da a probabilidade de Z tomar qualquer valor entre a media 0 e urn dado
valor Z, isto e:

- 1,25

Sabemos que:
P(O < Z < 1,25) = 0,3944

P(O < Z < z)

Temos, entao, que se X e uma variavel aleat6ria com distribuic;;ao normal


de media x e desvio padrao s, podemos escrever:

Pela simetria da curva, temos:


P(-1,25 < Z < 0)

= P(O

< Z < 1,25)

A probabilidade procurada corresponde

com z = x- x
s
Voltemos, entao, ao nosso problema.
Queremos calcular P(2 < X < 2,05). Para obter essa probabilidade,
precisamos, em primeiro lugar, calcular o valor de z que corresponde a
x = 2,05 (x = 2 ~ z = 0, pois x = 2). Temos, entao:

= 0,3944

b. P(-0,5 < Z < 1,48)

P(x < X < x) = P(O < Z < z),

XZ=--

hachurada da figura:

-0,5 0

a parte

hachurada da figura:

1,48

Temos:
2,05 - 2 = 0,05 = 1,25,
0,04
0,04

P(-0,5 < Z < 1,48)

= P(-0,5

< Z < 0) + P(O < Z < 1,48)

Como:

don de:

P(-0,5 < Z < 0) = P(O < Z < 0,5) = 0,1915

P(2 <X < 2,05) = P(O <X< 1,25)

Procuremos, agora, no anexo II o valor de z = 1,25.


Na primeira coluna encontramos o valor 1,2. Em seguida, encontramos,
na primeira linha, o valor 5, que corresponde ao ultimo algarismo do numero
1,25. Na intersecc;;ao da linha e coluna correspondentes encontramos o valor
0,3944, o que nos permite escrever:
P(O < Z < 1,25) = 0,3944

P(O < Z < 7,48) = 0,4306,


obtemos:
P(-0,5 < Z < 7,48)

= 0,1915

+ 0,4306

c. P(0,8 < Z < 1,23)


A probabilidade procurada corresponde

Assim, a probabilidade de urn parafuso fabricado por essa maquina apresentar urn dHimetro entre a media x = 2 e o valor x = 2,05 e 0,3944.
Escrevemos, entao:
P(2 < X < 2,05)

= P(O < Z < 1,25) = 0,3944

ou 39,44%

= 0,6221

0 0,8 1,23

a parte

hachurada da figura:

145

146

ESTATiSTICA FACil

Temos :
P(0,8 < Z < 7,23) = P(O < Z < 1,23) - P(O < Z < 0,8)
Como:
P(O < Z < 7,23)

= 0,3907 e

P(O < Z < 0,8)

= 0,2887 ,

obtemos:

Cap. 10 - Distribui;:oes Binomial e Normal

147

2 Os sa larios sem a nais do s operarios indu striai s sa o distribufdo s normalmente , em torno da media de R$ 500, com desvio padrao de R$ 40 . Calcule a
probabilidade de um operario ter um salario semanal situado entre R$ 490 e
R$ 520.
Devemos, inicialmente, determinar os valores da variavel de distribui9ao normal reduzida .
Assim:

P(0,8 < Z < 7,23) = 0,3907- 0,2881 = 0,1026


zI =

d . P(Z > 0,6) .


A probabilidade procurada corresponde

a parte

hachurada da figura :

490 - 500 = - 0 25
40
,
e z2

_5_2_0_-_ 50_0_ = 0,5


40

Logo, a probabilidade procurada e dada par:


P(490 <X < 520)

= P(-0,25

< Z < 0,5) = P{-0,25 < Z < 0) +


= 0,2902

+ P(O < Z < 0,5) = 0,0987 + 0,1915

E, pais, de se esperar que, em media, 29,02% dos operarios tenham sa/arias


entre R$ 490 e R$ 520.
0

0,6

Temos:
P(Z > 0,6) = P(Z > 0) - P(O < Z < 0,6)
1 Sendo Z uma variavel com

Como:

a. P(O < Z < 1,44)

P(Z > 0) = 0,5 e P(O < Z < 0,6) = 0,2258,

b. P(- 0,85 < Z < 0)


c. P(- 1,48 < Z < 2,05)
d. P(0,72 < Z < 1,89)

obtemos:
P(Z > 0,6) = 0,5- 0,2258 = 0,2742

e . P(Z < 0,92)


A probabilidade procurada corresponde

a parte

hachurada da figura:

distribui~ao

normal reduzida, calcule:

e. P(Z >
f. P(Z >
g. P(Z <
h. P(Z <

-2,03)
1,08)
-0,66)
0,60)

2 Um teste padronizado de escolaridade tem distribui~ao normal com media


100 e desvio padrao 10. Determine a probabilidade de um indivfduo submetido ao teste ter nota:
a.
b.
c.
d.

maior que
maior que
entre 85 e
maior que

120;
80;
115;
100 .

3 Os pesos de 600 estudantes sao normalmente distribufdos com media 65,3 kg


e desvio padrao 5,5 kg. Determine o numero de estudantes que pesam:
0

0,92

Temos:
P(Z < 0,92) = P(Z < 0) + P(O < Z < 0,92)
Como:
P(Z < 0) = 0,5 e P(O < Z < 0,92) = 0,3212,
obtemos:
P(Z < 0,92) = 0,5 + 0,3212 = 0,8212

a. entre 60 e 70 kg;
b. mais que 63,2 kg;
c. menos que 68 kg.

4 A duravao de um certo componente eletr6nico tem media de 850 dias e desvio padrao de 40 dias. Sabendo que a dura~ao e normalmente distribufda,
calcule a probabilidade de esse componente durar:
a. entre 700 e 1.000 dias;
b. mais de 800 dias;
c. menos de 750 dias.

Cap. 11 - Correlacrao e Regressao

149

Atribuindo-se, entao, urn valor qualquer a Q, e possfvel determinar exatamente o valor de 2p .


Consideremos, agora, a rela~ao que existe entre o peso e a estatura de
urn grupo de pessoas. E evidente que essa rela~ao nao e do mesmo tipo da
anterior; ela e bern menos precisa. Assim, pode acontecer que a estaturas diferentes correspondam pesos iguais ou que a estaturas iguais correspondam pesos diferentes. Porem, em media, quanto maior a estatura, maior o peso .
As rela~oes do tipo perimetro-lado sao conhecidas como rela~oes funcionais e as do tipo peso-estatura, como rela~oes estatisticas.

1 INTRODUQ.i.O
Nos capftulos anteriores, nossa preocupa~ao era descrever a distribui~ao
de valores de uma unica variavel. Com esse objetivo, aprendemos a calcular
medidas de tendencia central e variabilidade.
Quando, porem, consideramos observa~oes de duas ou mais variaveis,
surge urn novo problema: as rela~oes que podem existir entre as variaveis estudadas . Nesse caso, as medidas estudadas nao sao eficientes.
Assim, quando consideramos variaveis como peso e altura de urn grupo
de pessoas, uso do cigarro e incidencia do cancer, vocabulario e compreensao
da leitura, dominancia e submissao, procuramos verificar se existe alguma
rela~ao entre as variaveis de cada urn dos pares e qual o grau dessa rela~ao.
Para isso, e necessaria o conhecimento de novas medidas.
Sendo a rela~ao entre as variaveis de natureza quantitativa, a correla~ao e o instrumento adequado para descobrir e medir essa rela~ao.
Uma vez caracterizada a rela~ao , procuramos descreve-la atraves de uma
fun~ao matematica. A regressao e o instrumento adequado para a determinac;ao dos parametros dessa fun~ao.

Quando duas variaveis estao ligadas por uma rela~ao estatistica, dizemos que existe correla~ao entre elas.

NOTA:
As

rela~oes

funcionais sao urn caso limite das

rela~oes

entre duas variaveis

(correla~ao

Consideremos uma amostra aleat6ria, formada por dez dos 98 alunos de


uma classe da faculdade A e pelas notas obtidas por eles em Matematica e
Estatfstica:
TABELA 11.1
NOTAS
N"-'

01
08
24
38
44
58
59

simples).

2 CORRELAQ.i.O

72

2.1. RelaQio funcional e relaQio estatistica


Como sabemos, o perfmetro e o lado de urn quadrado estao relacionados.
A rela~ao que os liga e perfeitamente definida e pode ser expressa por meio de
uma senten~a matematica:

80
92

onde 2p e

perfmetro e Q e

lado.

MATEMATICA

ESTATISTICA

(x)

(yi)

5,0
8,0
7,0
10,0
6,0
7,0
9,0
3,0
8,0
2,0

6,0
9,0
8,0
10,0
5,0
7,0
8,0
4,0
6,0
2,0

Representando, em urn sistema coordenado cartesiano ortogonal, os pares ordenados (x, y ), obtemos uma nuvem de pontos que denominamos diagrama de dispersao . Esse diagrama nos fornece uma ideia grosseira, porem
util, da correlac;ao existente:
'

2p = 4Q,

estatfsticas .

2.2. Diagrama de dispersio

NOTA:
Ficaremos restritos as

rela~oes

150

ESTATiSTICA FACIL

Assim, uma
y,

correla~ao

151

e:

a. linear positiva se os pontos do diagrama tern como "imagem" uma

reta ascendente;

10

b. linear negativa se os pontos tern como "imagem" uma reta descendente;

c. nao-linear se os pontos tern como "imagem" uma curva .


Se os pontos apresentam-se dispersos, nao oferecendo uma " imagem"
definida, conclufmos que nao ha rela~ao alguma entre as variaveis em estudo .
Temos, entao:

10

X;

2.3. CorrelaQio linear

..
. . .. .
...
....
.. ..
corre l a~ao

linear positiva

correla~ao

linear negativa

correla~ao

nao-l inea r

... .

.... .
.
..

perfeitas.
ret a
imagem

y,

........
.. .......
.
. . . . ....
......
.
. ..

....... .
......
.... ..

Os pontos obtidos, vistos em conjunto, formam uma elipse em diagonal.


Podemos imaginar que, quanto mais fina for a elipse, mais ela se aproximarii de uma reta. Dizemos, entao, que a correla~ao de forma elfptica tern como
"imagem" uma reta, sendo, por isso, denorninada correla~ao linear.
E possfvel verificar que a cada correla~ao esta associada como "imagem"
uma rela~ao funcional. Por esse motivo, as rela~6es funcionais sao chamadas
rela~oes

Cap. 11 - Correla<roo e Regressao

nao

ha

correla~ao

10

2.4. Coeficiente de correlaQio linear


8

0 instrumento empregado para a medida da correla~ao linear e o coeficorrela~ao. Esse coeficiente deve indicar o grau de intensidade da
correla~ao entre duas variaveis e, ainda, o sentido dessa corre l a~ao (positivo
ou negativo).
Faremos uso do coeficiente de correla~ao de Pearson, que e dado por:

ciente de

.6

Como a
ela

correl a~ao

e chamada

10

x,

em estudo tern como "imagem" uma reta ascendente,

correla~ao

linear positiva.

onde n

e0

numero de

observa~6 es .

Os val ores limites de r sao -1 e + 1, is to


valo [-1 , +1].

e, o valor de r

pertence ao inter-

152

ESTAT[STICA FACIL

Logo:

Assim :
a. se a correlar,:ao entre duas variaveis

e perfeita e positiva, en tao r =+1;

10 X 473 - 65 X 65

= - 1;
se nao ha correlar,:ao entre as variaveis, entao r = 0.
e perfeita e negativa,

b. se a correlar,:ao
c.

153

Cap. 11 - Correla<;:Cio e Regressao

r =~=======================
2
2

entao r

) (10 X 481 - 65

(10 X 475- 65

4.730 - 4.225

505

505

) (4.810- 4.225) (4.750- 4.225)

J 585 X 525

554,18

0,911

Logicamente:
a. se r = + 1, ha uma correlar,:ao perfeita e positiva entre as variaveis;

Daf:

b . se r = -1, ha uma correlar,:ao perfeita e negativa entre as variaveis;


c. se r = 0, ou nao ha correlac;ao entre as variaveis , ou a relar,:ao que
porventura exista nao e linear.
NOTAS:
Para que uma rela~ao possa ser descrita por meio do coeficiente de correla.,;iio de
Pearson e imprescindfvel que ela se aproxime de uma fun~ao linear. Uma maneira
pnltica de verificarmos a linearidade da rela~ao e a inspe~ao do diagrama de dispersao: se a elipse apresenta saliencias ou reentrancias muito acentuadas , provavelmente trata-se de correla.,;ao curvilinea.

Para podermos tirar algumas conclusoes significativas sobre o comportamento simultaneo das variaveis analisadas, e necessaria que:
o,6.;;;

I r I .;;;

r = 0,91,

resultado que indica uma correlar,:ao linear positiva altamente significa_tiva entre
as duas variaveis .

1 Complete o esquema de calculo do coeficiente de correlac;;ao para os valores das variaveis xi e yi:

Se 0,3 .;;; I r I < 0,6, ha uma correla~ao relativamente fraca entre as variavei s.
Se 0 < I r I < 0,3, a correla~ao e muito fraca e, praticamente, nada podemos concluir sobre a rela~ao entre as variaveis em estudo.

X.

10

12

Vi

12

10

12

14

Temos :

Vamos , entao, calcular o coeficiente de correlar,:ao relativo a Tabela 11.1.


0 modo mais pratico para obtermos r e abrir, na tabela, colunas correspondentes aos valores de x.y., x 2 e y 2 . Assim:
I

MATEMATICA ESTATiSTICA

= 10

L:

(xi)

(yi)

5
8
7
10
6
7
9
3
8
2

6
9
8
10
5
7
8
4
6
2

=65

v;

x2

X;Y;

12

48

16

144

12

14

168

144

196

n = 5

TABELA 11.2

Y;

X.I

L:

=65

L:

xiyi

x2

30
72
56
100
30
49
72
12
48
4

25
64
49
100
36
49
81
9
64
4

=473

L:

=481

:r;

y2

L:

1:=

0000

:r;

0000

:r;

0000

0000

:r;

0000

36
81
64
100
25
49
64
16
36
4

donde r = 0,42

=475

A correla9ao linear entre as variaveis X e Y e positiva, porem fraca.

Logo:
0000

r=

0000-0000

0000

----r=c======o=:=======c~

J (00 00

) oooo X

0000

00 00

oo oo ) (0000 X

,;=--

0000

J (oooo

oooo)

, I

- oooo) (0000 - oooo)

154

ESTATiSTICA FACIL

Cap. 11 - Correla<rao e Regressao

155

Podemos concluir, pela forma do diagrama, que se trata de uma correla<;ao retilinea, de modo a permitir o ajustamento de uma reta, imagem da fun<;ao definida por:

3 REGRESSAO
3.1 . .Ajustamento da reta

Y =aX+ b

Sempte que desejamos estudar determinada variavel em fun<;ao de outra*,


fazemos uma amilise de regressao.

Vamos, entao, calcular os valores dos parametros a e b com a ajuda das


formulas:

Podemos dizer que a amilise de regressao tern por objetivo descrever,


atraves de urn modelo matematico, a rela<;ao entre duas variaveis, partindo de
n observa<;6es das mesmas.

a = n L X;Y; - L x; L Y;
n L x~ - (L x;)2

A variavel sobre a qual desejamos fazer uma estimativa recebe o nome


de varhivel dependente e a outra recebe o nome de varhivel independente.
Assim, supondo X a variavel independente e Y a dependente, vamos procurar determinar o ajustamento de uma reta a rela<;ao entre essas variaveis, ou
seja, vamos obter uma fun<;ao definida por:

onde:
n e

Y =aX+ b,

numero de observa<;6es;

e a media dos val ores x; ( x = I.nX; }

onde a e b sao os parametros.


Sejam duas variaveis X e Y, entre as quais exista uma correla<;ao acentuada, embora nao perfeita, como, por exemplo, as que formam a Tabela 11 .2.

y e a media dos valores Y; ( y = I.:; ).

Daf, temos:
TABELA 11.3
X.I

Y;

NOTA:

10

10

cujo diagrama de dispersao e dado por:

Como estamos fazendo uso de uma amostra para obtermos os valores dos
pari:imetros, o resultado, na realidade, e uma estimativa da verdadeira equa<;:ao de
regressao. Sendo assim, escrevemos:
II

Y =aX+ b,
1\

onde y e
y

y estimado.

Formemos, entao, a tabela de valores:

10

TABELA 11.4

* Lembre-se de

que estamos restritos

10

a regressao

lin ear simples.

= 10

X .I

Y;

X;Y;

X~I

5
8
7
10
6
7
9
3
8
2

6
9
8
10
5
7
8
4
6
2

30
72
56
100
30
49
72
12
48
4

25
64
49
100
36
49
81
9
64
4

L = 65

L = 65

L = 473

L = 481

156

ESTATiSTICA FACIL

4.730 - 4.225 = 505 = 0,8632


4.810 - 4.225
585

10 X 473- 65 X 65
10 X 481 - (65) ~

= -65 = 6,5
10

65
10

e Y=-

= 6,5 - 0,8632

6,5

II

X= 1,0 => Y = 0,86 X 1,0 + 0,89 = 1,75

= 6,5,
NOTA:
Uma norma fundamental no uso de equar;:6es de regressao e a de nunca extrapolar,
exceto quando considerar;:6es te6ricas ou experimentais demonstrem a possibilidade de extrapolar;:ao.

vern:
b

157

Como 4 E [2, 10] , dizemos que foi feita uma interpola-;ao; e como
1E [2,10], dizemos que foi feita uma extrapola-;ao.

Como:
-

Cap. 11 - Correlac;:ao e Regressao

0 mesmo acontece com a nota 1,0. Repetindo o procedimento, temos:

Temos, assim:
a =

= 6,5 - 5,6108 = 0,8892,

donde:
a = 0,86 e b = 0,89

Logo:
II

Y = 0,86X + 0,89

Para tra<;armos a reta no grafico, basta deterrninar dois de seus pontos:


X
X

= 0 =>
= 5 =>

II

Y
II

= 0,89
= 0,86

1 Complete o esquema para o ajustamento de uma reta aos dados:


X

5 + 0,89

= 5,19

Assim, temos:
II

10

12

14

25

22

18

15

11

10

Y = 0,86X + 0,89

5, , '
4

~I

Temos:

10

Y;

30

60

14

10

140

196

I;= ....

I;= ....

I;= ....

I;= ....

------------------- / .
II
II
II
II
I

10

Logo:

3.2. InterpolaQio e extrapola9io

.... X .... - .... X ....

8=-------

.... X .... - ( .... )2

Voltando a tabela 11.1, vemos que 4,0 nao figura entre as notas de Matematica. Entretanto, podemos estimar a nota correspondente em Estatistica fazendo X = 4,0 na equa<;ao:

b = .... - (.... )8 = .... + .... = ....

donde:

II

0,86X + 0,89

Assim:

a= .... e b
isto

II

X = 4,0 => Y = 0,86 X 4,0 + 0,89 = 4,33

- - - - - - ....

= .... ,

e:
II

Y = -1,7X + 32,3

158

ESTATiSTICA FACil

gem

a tabela:

MESES

mai.

VALORES

1 Um grupo de pessoas fez uma ava liavao do peso aparente de alguns objetos. Com o peso real e a media dos pesos aparentes, dados pelo grupo,
obteve-se a tabela:

PESO REAL

18

30

42

62

73

97

120

PESO APARENTE

10

23

33

60

91

98

159

14

19

19

22

28

30

31

34

37

13

14

18

15

22

17

24

22

24

25

a. Verifique, pelo diagrama, se existe corre la vao retilfnea.


b. Em caso afirmativo, calcule o coeficiente de correlavao.
c. Escreva, em poucas linhas, as conc lu s6es a que chegou sabre a relavao
entre essas variaveis .

3 A tabe la abaixo apresenta a produvao de uma industria:


1980 1981 1982 1983 1984 1985 1986 1987 1988

QUANTIDADES
(t)

34

36

ago.

36

38

41

42

44

43

46

Calcule:
a. o coeficiente de correla9ao;
Sugestao: Para simp li ficar os calculos, use para o tempo uma variavel
auxiliar, par exemplo:
x; = x;- 1984.
b. a reta ajustada;
c. a produ9iio estimada para 1989.

70

50

40

30

20

10

Lembre-se de que foi usada uma variavel auxiliar.


4 A tabela abaixo apresenta valores que mostram como o comprimento de
uma barra de a9o varia conforme a temperatura:

COMPRIMENTO
(mm)

nov .

a. calcule o coeficiente de correla9iio;


b. determine a reta ajustada;
c. estime o valor de V para X = 0.

7 Certa empresa, estudando a var ia9ao da demanda de seu produto em rela9ao a varia9iio de pre9o de venda, obteve a tabela:
PRE CO
(x;l

38

42

50

56

59

63

70

80

95

110

DEMANDA
(y)

350

325

297

270

256

246

238

223

215

208

a. Determine o coeficiente de correla9iio .


b. Estabele9a a equa9iio da reta ajustada.
c. Estime V para X= 60 e X = 120.

8 Pretendendo-se estudar a rela9iio entre as variaveis "consumo de energia


eletrica" (x;l e "volume de produ9iio nas empresas industriais" (y), fez-se
uma amostragem que inclui vinte empresas, computando-se os seguintes
val ores:
x~

= 12,16, L

Determine:

("C)

out.

a. Calcule o grau de correla9iio.


b. Estabele9a a equa9iio de regressiio de V sabre X.
c. Estime o valor da UPC para o mes de dezembro.

LX;= 11,34, L Y; = 20,72, L

NOTA:

TEMPERATURA

set.

6 A partir da tabela:

11

ANOS

jul.

10,32 10,32 11,34 11,34 11,34 12,22 12,22

R$

2 Considere os resultados de dais testes, X e V, obtidos porum grupo de alunos da escola A:

jun.

Sugestao: Substitua os meses, respectivamente, par 1, 2, ... , 7.

Calcule o fndice de correlavao.

10

15

20

25

30

1.003 1.005 1.010 1.011 1.014

Determine:
o
a
o
o

159

5 A varia9iio do valor da UPC, relativamente a alguns meses de 1995, deu ori-

a.
b.
c.
d.

Cap. 11 - Correla!fCio e Regressoo

coeficiente de correla9iio;
reta ajustada a essa correla9iio;
valor est im ado do comprimento da barra para a temperatura de 18"C;
valor estimado do compr imento da barra para a temperatura de 35"C.

a. o calculo do coeficiente de correla9iio;


b. a equa9iio de regressiio de V para X;
c. a equa9iio de regressiio de X para V.

y~

= 84,96 e L

X;Y;

= 22,13

Cap. 12- Numeros-indices

161

Nao sao poucas as situac;6es em que, para a descric;ao ou amllise de urn


fenomeno quantitativa , o emprego dos numeros relativos revela-se mais pertinente do que o dos numeros absolutos. Isso acontece, naturalmente, quando
pretendemos efetuar comparac;6es dos valores tornados por uma mesma variavel em epocas ou regi6es diferentes.
Essas comparac;6es representam o caso mais simples das medidas estatisticas, que denominamos numeros-fndices, usados, principalmente, nos neg6cios
e na economia.

2 NiJMEROS-INDICES
INTRODUQAO
Urn jornal, por ocasHio de urn pleito eleitoral, publicou uma tabela com
os resultados da apurac;ao na regiao:

Consideremos a tabela abaixo, relativa as matrfculas efetivadas em certo


estabelecimento de ensino durante o perfodo de 1989 a 1994:

TABELA 12.3
TABELA 12.1
CIDADES CANDIDATO X

A
B

c
D
E

CANDIDATO V

VOTOS
BRANCOS

VOTOS
NULOS

30.279
19.897
4.903
8.659
899
3.120

980
787
177
464
45
93

11.549
6.210
1.324
2.997
216
517

39.544
18.872
8.139
16.263
746
3.149

ANOS

1989

TOTAL

MATRiCULA

1.050 1.150 1.200 1.400 1.560 1.700

82.352
45.766
14.543
28.383
1.906
6.879

NUMERO-iNDICE

100,0 109,5 114,3 133,3 148,6 161,9

Para urn estudo comparativo das variac;6es dos votos brancos, essa tabela, com numeros absolutos, em nada nos ajuda. Porem, confeccionando uma
nova tabela, com numeros relativos, obtemos:
TABELA 12.2
CIDADES

A
B

c
D
E
F

1990

1991

1992

1993

1994

,,
A vantagem dos numeros-indices e permitir uma rapida avaliac;ao da variac;ao relativa (percentual) sofrida pelo numero de matriculas, e que se traduz, em relac;ao a 1989, por urn aumento de 9,5% em 1990, de 14,3% em 1991,
de 33,3% em 1992, de 48,6% em 1993 e de 61 ,9% em 1994.
Assim, podemos dizer que:
Numero-indice ou, simplesmente, Iodice e a relac;ao entre dois estados de uma variavel ou de urn grupo de variaveis , suscetivel de variar no
tempo ou no espac;o (ou de grupo de indivfduos para grupo de individuos).

VOTOS BRANCOS
(%)

1'19
1,72
1,22
1,63
2,36
1,35

o que nos leva a concluir, de imediato, que a cidade E foi a que apresentou
maior indice de votos brancos .

0 fndice representa, portanto, o nfvel de urn fenomeno em relac;ao ao ofvel que ele tinha num dado periodo (ou numa dada regiao) tornado como base,
e e geralmente expresso em percentagem.
Os indices mais utilizados relacionam, em geral, variac;6es de prec;o, de
quantidade ou de valor (prec;o x quantidade) ao Iongo do tempo.
NOTA:

Os indices nao estao associados apenas aos neg6cios e a economia, mas sao largamente utilizados em todos os ramos das ciencias ffsicas, quimicas , naturais e sociais. A Psicologia, por exemplo, emprega os indices para medir a inteligencia
(quociente de inteligencia - QI).

162

Cap. 12 - Numeros-indices

163

ESTATlSTICA FACIL

4 ELOS DE RELATIVOS

3 RELATIVOS DE PREQOS
Quando queremos analisar a varia9ao no pre9o (ou na quantidade ou no
valor) de urn s6 bern, basta expressar tal varia9ao em termos percentuais, obtendo o que denominamos relativo de pre9o (de quantidade ou de valor).
Assim, representando par o a epoca-base ou base e par t a epoca atual,
temos:
po: prevo na epoca-base;
p,: prevo na epoca atual.

Varios relativos formam elos quando cada urn deles e calculado tomando como base o ana anterior; sao os relativos de base m6vel.
Assim, se urn bern apresentou, no periodo de 1991 a 1994, respectivamente os pre9os de R$ 240, R$ 300, R$ 360 e R$ 540*, os elos relativos sao:
P 9 1 92
'

Atribuindo ao prevo na epoca-base o valor 100, par meio de uma regra


de tres simples calculamos o relativo correspondente ao prevo atual:

Po - 1 OO
- p
Pt
o, t

==>

-- _p, X 1 00

o,t

Po

P92

( Po. 1 e. o re I at'tvo d e pret;:o )

240

P9t

P93 X 100 = -360


- X 100 = 1,2 X 100 = 120

=-

300

'

P 92

P93 , 94

=~X

100 =

540

X 100 = 1,5 X 100 = 150

360

P 93

Com esses resultados, podemos formar a tabela de elos:

Do mesmo modo, obtemos:


q o, t =~X
100
q0

93

P92 X
100 =300
=--X 100 = 1,25 X 100 = 125

TABELA 12.4

(relativo de quantidade)

ANOS

1991

1992

1993

1994

125

120

150

RELATIVOS
v

o, t

2vo x

(relativo de valor)

100

Fazemos usa dos elos de relativos quando queremos acompanhar os crescimentos (positivos ou negativos) anuais (ou mensais, ou diarios) .

5 RELATIVOS EM CADEIA
1 Sabe ndo que o pret;:o de determinado produto era de R$ 50 em 1994 e de
R$ 60 em 1995, determine o relativo de pret;:o em 1995, tomando como base
o ano de 1994. (E comum a nota.;:ao 1994 = 100 para indicar que o ano de

1994

e tomado

como base.)

Temos:
p

94

0 relativo em cadeia e o indice de base fixa: todos os relativos sao


calculados tomando-se uma determinada epoca como base.

50 e

p 95

Utilizando como exemplo os dados do item anterior e considerando 1991


como ana-base, obtemos:

60

Logo:
P
p 95

p 94,95

=-

X 700 =!!!_X 100 = 7, 20 X 700 = 720

,
91 92

=~ X
P9t

50

P94

Oaf:
p94, 95

aumento de:

120- 100

20%

300

X 100 = 1,25 X 100 = 125

240

X 100
360
= --X 100 = 1,5 X 100 = 150
240

P 9 1 93
'

=-

P9 1

=~X 100 = - - X 100 = 2,25 X 100 = 225

= 720 %

Esse resultado nos permite afirmar que o prer;o do produto em 7995 corresponde a 720% de seu prer; o em 7994.
Conc l ufmos, entao, que o prer;o do produto entre 7994 e 1995 sofreu um

P93

100 =

'

94

P9t

540

P91

240

No perfodo de 1991 a 1994, a moeda c ircul ante no Brasil nao era o rea l. Por quest6es didati cas estamos
deixando de cons iderar esse detalhe.
'

164

Cap. 12 - Numeros-indices

ESTATiSTICA FACIL

Esses resultados dao origem

a tabela

a.
b.
c.
d.
e.

de relativos em cadeia:

TABELA 12.5
ANOS

1991

1992

1993

1994

RELATIVOS

100

125

150

225

Fazemos uso dos relativos em cadeia quando desejamos comparar urn


deterrninado ano, considerado significativo, com os anos anteriores e os consecutivos .
0 grafico abaixo mostra a evoluc;ao do prec;o do bern em questao:

165

calcule os relativos para o bem auto-vefculos, tomando 1991 = 100;


forme a tabela dos elos de relativos para o cimento;
forme a tabela dos relativos em cadeia para o ac;o, tomando 1992 = 100;
verifique a igualdade: q 91 92 X q 92 93 X q 93 94 = q 91 94 para o petr61eo bruto;
represente a evoluc;ao dos indices das quest6es a e c, usando o grcifico
em linha .

6 INDICES AGREGATIVOS
Os fndices que estudamos ate agora servem apenas para caracterizar a
marcha do pre~o de urn so bern. No entanto, a variac;ao de prec;os exige urn
fndice que sintetize a variac;ao dos prec;os de urn conjunto de hens (agregado). Para atingir esse objetivo, lanc;amos mao de urn novo tipo de fndice: o

indice agregativo.

fndice

300 -1--------------.

Existem inumeras maneiras de calcularmos os Indices agregativos, embora os fundamentos basicos sejam constantes, variando apenas aspectos relacionados com o campo espedfico de aplicac;ao do fndice.

200

6.1. indice agregativo simples

100

Urn modo de determinar o fndice agregativo simples e calcular a media


aritmetica dos relativos, obtendo o indice rnedio de relativos.
Assim, dada a tabela abaixo:
TABELA 12.6
I

1991

1992

I
1993

BENS
a no

1994

A (m)
B (kg)

(Q)

RELATIVOS DE PRECOS
1994

1995

100
100
100

150
125
160

I:= 300

L = 435

temos, lembrando que n = 3:


Iii =

1 Dada a tabela:

4 5
;

Iii = 145%

QUANTIDADE DE BENS (1991 -94)


ANOS
BENS

1991

1992

1.128,0 1.165,2
Auto-vefculos (mil unid.)
27,2
24,9
Cimento (milh6es de t)
15,2
13,9
Ac;o (milh6es de t)
10,6
9,6
Petr61eo bruto (milh6es de m 3 )
Dados ficticios.

1993

1994

780,9
26,1
13,1
12,4

859,3
25,4
12,9
15,1

6.2. indice agregativo ponderado


No calculo do fndice simples, todos OS itens do agregado sao colocados
em urn mesmo nfvel. Sabemos, porem, que na pnitica isso nao acontece; ha
bens de importancia muito maior que outros, razao pela qual devemos considerar coeficientes de pondera~ao, atribuindo, a cada item, a importancia que
!he cabe.

166

ESTAT[STICA FACIL

Para o c:Hculo do fndice agregativo ponderado, ha varias formulas: de


Laspeyres, de Paasche, de Fisher etc.
Tomando como referencia os relativos de pre9o , aplicaremos urn dos
metodos de pondera9ao para obtermos os indices mais usuais na investiga9ao
economica.

6.2.1. Formula de Laspeyres ou metodo da epoca-base


Ponderando OS relativos de pre90 ~10, onde PI e 0 pre90 na epoca atual e
Po e 0 preyO na epoca-base, pelos valores (pre90S
pogo, obtemos a formula de Laspeyres:

quantidades) do ano-base

que, simplificada, nos da:

Cap. 12 - Numeros-indices

167

6.3. indices de pre9os


Para construir urn fndice de pre9os, qualquer que seja a sua finalidade,
devemos inicialmente considerar os seguintes pontos:
a. Qual o objetivo do fndice?
b. Que produtos devem ser inclufdos no seu calculo?
c. Quais os pre9os a serem inclufdos no seu calculo?
d. Qual o peso a ser atribufdo a cada bern em particular?
e. Qual a formula adequada?

Embora nao tendo uma resposta imediata para as questoes acima, alguns
pontos basicos devem ser observados sempre que pretendemos construir qualquer fndice.
a. Objetivo do Iodice
E fundamental qualificar, com toda a precisao, o objetivo do fndice;
determinar o que ele esta medindo e a quem se refere. Dessa determina9ao dependeni a sele9ao dos produtos que comporao o fndice .
b. Produtos a serem iocluldos
Devem ser inclufdos os produtos julgados mais importantes e que sejam representativos do conjunto de bens que integram o setor para o
qual se vai calcular o fndice.
c.

1 Considerando a tabela:

BENS
A
B

1993

1994

20
40
15

4
3
8

28
56
30

3
3
12

calcule o fndice ponderado para prevos, empregando a formula de Laspeyres


e tomando 1993 = 100.
Lembrando que:

Pre~;;os a serem iocluldos


Deve-se identificar 0 setor para 0 qual vao ser determinados OS pre90S
(varejo, atacado etc .). Tambem e necess:hio decidir a forma de cota9ao
e como deverao ser coletados os pre9os.

d. Pesos a serem atribuldos


0 sistema de pesos a ser atribuido deve depender essencialmente da
finalidade ou da utilidade do indice. Os pesos , por isso mesmo, devem
refletir a importancia relativa de cada bern no conjuntq tornado para a
determina9ao do fndice.
e. Formula
Em geral, quando se trata de indices de pre9os, e usada a formula de
Laspeyres, que emprega pesos fixos, permitindo a revisao periodica de
seus valores. Resulta daf a possibilidade de termos sempre as mesmas
compara96es, feitas diretamente ou atraves de elos de relativos.

6 .3.1. ind.ice de custo de vida

temos:
Lp

(28 X 4) + (56 X 3) + (30 X 8) _ 112 + 168 + 240


520
(20 X 4) + (40 X 3) + (15 X 8)- 80 + 120 + 120 =-32-0 =

1,625 au 162,5%

93 94
'

0 Iodice de custo de vida ou Iodice de pre~;;os ao coosumidor e urn


numero-fndice que procma medir a varia9ao de pre9os de urn conjunto de bens
e servi9os necessarios a vida do consumidor final padrao (familia padrao).
E evidente que devem ser considerados os pre9os dos bens consumidos
em alimenta9ao , vestuario, mobiliario, habita9ao, lazer, saude, higiene etc.,
alem, e claro, dos gastOS COlli agua, luz, transporte, educa9a0 e OUtros.

168

Cap. 12 - Numeros-fndices

ESTATiSTICA FACIL

Sua metodologia esta firmada em pesquisas, junto as familias, que determinam a lista dos bens e servi<;os consumidos par elas e a percentagem dos
gastos com cada grupo de bens e servi<;os.
A partir desses dados, fixamos urn indice de pre<;os (Laspeyres) para cada
grupo.
Finalmente, calculamos a media aritmetica ponderada dos indices de pre<;<jS- dos grupos, tomando para pesos os valores percentuais dos gastos com cada
grupo na despesa total da familia paddio.

6.3.2. IPC -

indice de Pre9os ao Consumidor

Esse fndice reflete os gastos de familias com renda entre urn e oito salarios minimos, sendo o chefe da famflia assalariado em sua ocupa<;ao principal.
A coleta de pre<;os e feita pelo IBGE, em dez regi6es metropolitanas . 0
periodo pesquisado e do dia 16 de urn mes ao dia 15 do mes seguinte.

6.3.3. ICB -

dos salarios e urn problema que muito preocupa os assalariados de paises onde
o valor da moeda esta continuamente se deteriorando.
Assim, embora os sahirios nominais estejam freqtientemente aumentando, os salarios reais podem estar diminuindo, devido ao aumento do custo de
vida (infla<;ao), e, conseqtientemente, tendo o seu poder aquisitivo reduzido.
Daf a importancia dos indices de pre<;os, pais a eles recorremos para responder a quest6es como esta:
Sabendo-se que urn assalariado, em 1Q de maio de 1993, ganhava x cruzeiros par mes, qual deveria ser seu salario mensal, em 1Q de janeiro de 1994,
para que ele se encontrasse em situa<;ao equivalente a anterior?
Esse problema trata da conversao de salarios nominais em salarios reais,
de importancia fundamental na epoca das negocia<;6es salariais, principalmente quando h3. infla<;ao.
Para determinarmos os salarios reais (SR), tambem denominados salarios deflacionados, dividimos os salarios nominais das varias epocas (S,) pelo
indice de pre<;os das epocas correspondentes (IP,) e multiplicamos o resultado
par 100:

indice da Cesta Basica


SR

Esse indice e empregado para corrigir o salario minima a cada bimestre.


Sua metodologia e semelhante a do IPC, porem representa OS gastos de
famflias com renda de ate dais salarios minimos.

6.3.5. IPC da FIPE

FIPE e a Funda<;ao Instituto de Pesquisas Economicas da USP, que pesquisa o custo de vida em Sao Paulo para familias que ganham de dais a seis
salarios mfnimos. A FIPE compara os pre<;os medias de quatro semanas com
os das quatro semanas imediatamente anteriores.

7 DEFLACIONAMENTO DE DADOS
Sabemos que os aumentos de pre<;os implicam baixas no poder de compra ou no valor da moeda. Par isso mesmo, a manuten<;ao do poder de compra

=~X

G)

100

IP,

Assim, se o salario de urn professor, em dezembro de 1995, era de


R$ 1.071 e o IP de dezembro de 1995, com base em novembro, era de
101 ,24%, 0 valor aquisitivo desse professor e dado par:

6.3.4. IGP- indice Geral de Pre9os

0 IGP, calculado pela Funda<;ao Getulio Vargas, e ,a media ponderada dos


seguintes fndices: lndice de Precos par Atacado (60% ), Indice de Custo de Vida
(30%) e fndice de Custo da Constru<;ao Civil na Cidade do Rio de Janeiro
(1 0%). 0 perfodo de coleta de pre<;os e de 1Q a 30 do mes de referencia.

169

SR =

1 071

X 100 = 1.057,88,
101,24

isto e:
R$ 1.058

Esse procedimento e denominado deflacionamento de salarios e o fndice de pre<;os usado na determina<;ao do salario real e chamado deflator.
Processo semelhante pode ser empregado para deflacionar outras series
temporais.
Assim, substituindo em CD "salario" par "valor", obtemos:
VR

=~X

100

IP,

Tomando como exemplo o faturamento de uma empresa no perfodo de


1991 a 1994, dado pela Tabela 12.7, vamos determinar o seu faturamento real,
relativamente:
a. ao perfodo de 1990;
b. ao periodo de 1991.

I
I

170

Cap. 12 - Numeros-indices
ESTATiSTICA FACIL

171

donde:

TABELA 12.7
ANOS

FATURAMENTO
(R$)

IP
1990 = 100

1991
1992
1993
1994

180.000
220.000
430.000
480.000

140,8
291 '1
362,5
410,3

22 0.000 X 100 = 106.434


206.7
43 0.000 X 100 = 166.990
257,5
48 0.000 X 100
291,4

a. Para obtermos o faturamento da empresa relativamente ao anode 1990,


basta dividir cada valor constante da coluna referente ao faturamento
pelo fndice geral de pre<;os do respectivo ano. Com isso, estamos deflacionando a serie. Assim:
18 0.000 X 100
140,8

= 127.841

43 0.000 X 100
362,5

22 0.000 X 100
291 '1

= 75.575

48 0.000 X 100 = 116.988


410,3

= 118.620

= 164.722

Logo:

TABELA 12 9
ANOS

FATURAMENTO
(R$)

1991 = 100

FATURAMENTO
A PRECOS DE 1991
(R$)

1991
1992
1993
1994

180.000
220.000
430.000
480.000

100,0
206.7
257,5
291,4

180.000
106.434
166.990
164.722

IP

Logo:
TABELA 12.8
ANOS

FATURAMENTO
A PRECOS DE 1990
(R$)

1991
1992
1993
1994

127 .841
75.575
118.620
116.988

b. A fim de obtermos o faturamento da empresa, em termos de pre<;os de


1991 , devemos, inicialmente, mudar a base do ano 1990 para o ano
1991 e, em seguida, operarmos como em a. Assim:
IP
91 . 92

291 1
X 100
140,8

362 5
X 100
140,8

= 257,5

410 3
X 100
140,8

= 291.4

= 206,7

Pelo exame da tabela, vemos que o faturamento, no ano de 1994, foi, em


termos reais, inferior ao de 1991 , em bora, em termos nominais , tenha
aumentado.

1 Dada a tabela aba ixo:


ANOS

1989

1990

1991

1992

1993

1994

iNDICES
1989 = 100

100

152

203

321

415

580

calcule os indices, tomando 1991 como ano-base.


IP
91 . 93

IP
91 . 94

2 0 sa lario medio de determ inada classe operaria, em 1994, foi de R$ 1.280.


0 IP, nesse mesmo ano, era igual a 1.575.7 e o de 1991 era igual a 387,2,
referidos ao periodo-base de 1982. Tomando o ano de 1991 como base, determ ine o salar io rea l dessa classe operaria em 1994.

172

ESTATiSTICA FACIL

3 DaQ.a a tabela:
ANOS

FATURAMENTO
(R$)

1989
1990
1991
1992
1993
1994
1995

385.000
474.200
612.500
983 .200
1.230.000
1.984.000
3.038.000

IP
(1986

=100)

234
280
329
380
490
625
894

determine o valor do faturamento relativamente ao perfodo de 1991.

1 NiJ'MEROS APROXIMADOS E
ARREDONDAMENTODEDADOS

4 Se os pret;:os dos cigarros aumentam 70% e, como consequencia, o ICV sobe


1,8%, que ponderat;:ao tem esse bem econ6mico dentro do custo de vida?

5 0 IP, em dado perfodo, aumenta de 15%. Qual deve ser o aumento dos salarios dos empregados de uma empresa, para que tenham um aumento real
de 5%?

1.1. NUm.eros aproximados


Como sabemos, os numeros resultam de uma mensurac;:ao (no seu sentido mais amplo) , a qual s6 pode ser exata quando assume a forma de contagem
ou enumerac;:ao , em numeros naturais , de coisas ou unidades mfnimas indivisfveis. Em tais casos, a variavel pode assumir somente valores discretos ou
descontinuos.
Outras mensurac;:6es se dao numa escala continua, que pode, teoricamente, ser indefinidamente subdividida. Na pratica, porem, ha sempre urn limite
para a precisao com a qual a mensurac;:ao pode ser feita , o que nos leva a concluir que o valor verdadeiro nunca e conhecido. Na verdade, os valores observados sao discretos e aproximados.
Assim e que, se o comprimento de urn parafuso, medido em centfmetros,
foi dado por 4,6 em, devemos considerar que o valor exato desse comprimento sera algum valor entre 4,55 em e 4,65 em, que foi aproximado para 4,6 em
devido ao fato de a precisao adotada na medida ser apenas de decimos de centfmetro.
Em nossos estudos , faremos uso da seguinte convenc;:ao: a precisao da
medida sera automaticamente indicada pelo numero de decimais com que
se escrevem os valores da variavel.
Assim, urn valor 4,60 indica que a variavel em quesUio foi medida com a
precisao de centesimos, nao sendo exatamente o mesmo que 4,6, valor correspondente a uma precisao de decimos.

1.2. Arredondamento de dados


Muitas vezes, e necessaria ou conveniente suprimir unidades inferiores as de determinada ordem. Esta tecnica e denominada arredondamento de dados.

17 4

AP~ NDICE - Instrumental Matematico

ESTATiSTICA FACIL

~e acordo com a resolw;:ao 886/66 da Funda9ao IBGE, o arredondamento

e feito

da seguinte maneira:

Quando o primeiro algarismo a ser abandonado


inalterado 0 ultimo algarismo a permanecer.

e 0, 1, 2, 3, ou 4, fica

1.3. Compensa9io
Suponhamos os dados abaixo, aos quais aplicamos as regras do arredondamento:
25,32
17,85
10,44
+ 31,17
84,78

Exemplo: 53,24 passa a 53,2.

Quando o primeiro algarismo a ser abandonado e 6, 7, 8 ou 9, aumenta-se de uma unidade o algarismo a permanecer.
Exemplos: 42,87 passa a 42,9
25,08 passa a 25,1
53,99 passa a 54,0

Quando o primeiro algarismo a ser abandonado e 5, ha duas solu96es:


a. Se ao 5 seguir em qualquer casa urn algarismo diferente de zero,
aumenta-se uma unidade ao algarismo a permanecer.
Exemplos:

25,3
17,8
10,4
+ 31,2
84,8 (?)
(84,7)

Verificamos que houve uma pequena discordancia: a soma e exatamente


84,7 quando, pelo arredondamento , deveria ser 84,8. Entretanto, para a apresenta9ao dos resultados, e necessaria que desapare9a tal diferen9a, 0 que e possfvel pela pratica do que denominamos compensac;ao, conservando o mesmo
numero de casas decimais.
Praticamente, usamos "descarregar" a diferen9a na(s) maior(es) parcela(s).
Assim, passarfamos a ter:
25,3
17,8
10,4
+ 31,3
84,8

2,352 passa a 2,4


25,6501 passa a 25,7
76,250002 passa a 76 ,3

b. Se o 5 for o ultimo algarismo ou se ao 5 s6 se seguirem zeros, o


ultimo algarismo a ser conservado s6 sera aumentado de uma unidade se for fmpar.
Exemplos: 24,75 passa a 24,8
24,65 passa a 24,6
24,75000 passa a 24,8
24,6500 passa a 24,6
NOTA:
Nao devemos nunca fazer arredondamentos sucessivos .
Exemplo: 17,3452 passa a 17,3 e nao a 17,35, a 17,4.
Se tivermos necessidade de um novo arredondamento , fica recomendada a volta
aos dados originais.

NOTA:

Convem, ainda , observar que, se a maior parcela e igual ao dobro de qualquer outra
parcela (ou maior que esse dobro) , "descarregamos" a diferenya (maior que uma
unidade) apenas na maior parcela.

EXERGICIOS
1 Arredonde cada um dos numerais abaixo, conforme a precisao pedida:

a. Para o decimo mais proximo:

23,40
234,7832
45,09

48,85002
78,85
12,35

120,4500
129,98
199,97

b. Para o centesimo mais proximo:

46,727
123,842

253,65
299,951

28,255
37,485

c. Para a unidade mais proxima:

1 Arredonde cada um dos dados abaixo, deixando-os com apenas uma casa
decimal:

a. 2,38

2,4
b. 24,65 = 24,6
c. 0,351
=

d. 4,24 = ....
e. 328,35 = ....
f. 2,97 = ....

175

g . 6,829 = .. ..
h. 5,550 = .. ..
i. 89,99 = .. ..

26,6
49,98

67,5
68,2

128,5
39,49

d. Para a dezena mais proxima:

42,3
59
446,4

265,31
265,0
265

295
302,7
2.995,000

17 6

APENDICE- Instrumental Matematico

ESTATiSTICA FACIL

177

r
2 Arredonde para o centesmo mais proximo e compense, se necessaria:
0,060 + 0,119 + 0,223 + 0,313 + 0,164 + 0,091 + 0,030 = 1,000

NOTAS :

A fravao aparente representa o numero natural, que


pelo denominador.

3 Arredonde para a unidade mais proxima e compense, se necessaria:


4,0 + 7,6 + 12,4 + 27,4 + 11,4 + 8,0

Assim,

70,8

representa o numero natural 2, pois 8 : 4

Se o numerador

e zero,

eo

quociente do numerador

= 2.

a fra9ao representa o numero zero .

Assim, _Q_ = 0.
3
Todo numero natural pode ser representado por uma fra9ao com denominador 1 e
numerador igual ao numero considerado.

2 FRAQOES

2.1. Conceito

Assim, 5 pode ser representado por 2_,


1

Fra~ao e urn par ordenado de numeros naturais, com o segundo


elemento diferente de zero.

2.3. FraQoes equivalentes

~, com a E fN e b E fN *
b

Duas frac;:6es sao equivalentes quando os produtos do numerador de


uma pelo denominador da outra sao iguais.

NOTA:

IN e o conjunto dos numeros naturais e IN*


exclusao do zero .

e o conjunto dos numeros

naturais com

Exemplo:
2
4
e - , temos: 2 X 6 = 3 X 4. Logo:
3
6

Para -

2.2. FraQoes propria, impropria e aparente


propria e aquela cujo numerador (diferente de zero)
nor que o denominador.
Fra~ao

e me-

Fra~ao

impr6pria
dor ou maior que ele.

e aquela

cujo numerador

e igual

ao denomina-

e a frac;:ao

3,8 etc.
Exemplos: 3 4

e obter

uma frac;:ao equivalente

a primeira

Para obter uma frac;:ao simplificada, basta dividir ambos os termos por
urn divisor comum.

Exemplo:
18
30

Exemplos: 5 3 8 etc.
2 3 4
Fra~ao aparente
do denominador.

4
6

2.4. SimplificaQio de fraQoes


Simplificar uma frac;:ao
com termos menores.

2 4 12
Exemplos: - , etc.
3 5 17

2
3

-=

impr6pria cujo numerador

e multiplo

18 : 6
30: 6

3
5

2.5. FraQio irredutivel


Fra~ao

si (isto

irredutivel e aquela cujos termos sao numeros primos entre


possuem outro divisor comum a nao ser 0 numero 1).

e, nao

178

ESTATiSTICA FACIL

AP~NDICE - Instrumental Matematico

Exemplo:

2.8. OperaQoes com fraQoes

_}_ e uma

frac;:ao irredutfvel, pois 7 e 12 sao numeros primos entre si.

12

2.6. ReduQio de fraQoes ao mesmo denominador

2.8.1. AdiQio e subtraQio

a. Frac;oes homogeneas: conserva-se o denominador e adicionam-se (ou


subtraem-se) os numeradores.
Exemplos:

a. Calcula-se o menor multiplo comum (m.m.c.) dos denominadores.


b. Escreve-se como denominador comum das fraq6es o m.m.c. calculado;
em sleguida, divide-se o m.m.c. por cada urn dos denominadores das
fraq6es dadas e multiplica-se o resultado pelo respectivo numerador.
Exemplo:
Reduzir ao mesmo denominador as fraq6es:
8

6
3
3
3
1

1'
1'
1'

7 X 3

24

4 - 3
3
- -=--=7
7
7
7
4

4
2
12 + 10
+ -=
5
3
15

22
15

12- 7
5
=---=
2
14
14

NOTA:

Sempre que possivel, o resultado deve ser simplificado.

3X6

1X 4

24

24

'

6
7

2
2
2
3

m.m.c. = 2 3 X 3 = 8 X 3 = 24

b.

4
2
6
4 + 2
+ -=--=5
5
5
5

Exemplos:

a. calculo do m.m.c.:
4,
2,

b. Frac;oes heterogeneas: reduzem-se as fraq6es ao mesmo denominador,


obtendo-se, assim, fraq6es homogeneas.

7 3
1
-,-,-

8,
4,
2,
1'
1'

179

Logo:

Exemplo:
3

5+4

j{
)if

-+-=--=-

2.8.2. MultiplicaQio
21
24

18
24

4
'

24

0 produto de duas fraq6es e uma fraqao cujo numerador e o produto dos numeradores e cujo denominador e 0 produto dos denominadores.

NOTA:

As frac;:oes que tern denominadores iguais sao chamadas frar;oes homogeneas e as


que tern denominadores diferentes, frar;oes heterogeneas.

Exemplo:
2

2
3
2X3
I?{
3 X 5 = 3 X 5 - }5

2.7. ComparaQio de fraQoes


Se queremos comparar duas ou mais fraq6es, devemos reduzi-las ao mesmo denominador e lembrar que, de duas frac;oes com o mesmo denominador, e maior a que tern maior numerador.

2
5

NOTAS:

A operac;:ao multiplicac;:ao pode ser facilitada, realizando-se a simplificac;:ao pelo


cancelamento dos fatores comuns dos numeradores e dos denominadores.

180

ESTATiSTICA FACIL

APENDICE -

181

4 Tres inteiros quantos quintos sao?

"\.Exemplos:

5 Reduza 8 a setimos, 12 a decimos e 7 a treze avos.

2X1

6 Simplifique as seguintes frac;:oes, de modo a torna-las irredutfveis:

-X-=--=j
5
1X5
5
1

a.

b.~

12

1 X 1X 1

1X 1X 7

e2

4 = 8;

de 4

.
de
tnplo

30

a.~,~,2

74 e'3

8
- e 3 de
5
3

74

.
-12 . p or ana Iogw:
7

d.

11

e.~

34
6

f. 360
600

144

c.~,~,2_

_i_ .2._ ..!..__

. 9 ' 18' 36

8 Escreva em ordem crescente de seus valores cada um dos seguintes grupos


de frac;:6es:

a--. 8 ' 8 ' 8

9 Efetue as operac;:6es, simplificando os resultados quando possfvel:


3
4
9
7

2.8.3. Divisio

0 quociente de duas fra<;:6es

e0

produto da primeira pelo inverso

da segunda.

5
6

3_x_!
5

g.- X 7
15

5
b.2 + 12
8

h. 2 ...!._ X 3

16
5
c.-14
7

. .31

24
25

2.8.4. Potencia9io

4
e.-+
10

f.

_i_
12

Para elevar uma fra<;:ao a urn expoente dado, devemos elevar o numerador e o denominador a esse expoente.

n. 3 ...!._
2

a.-+ 4
5

22 - 1
5

_3_
9

X
4

10
j. 8 X 3

9
1.-:
5

2
m. - : 5
5

2.9. FraQoes decimais


Fra~oes

o.

3
1
d.2_ - + -

Exemplo:
4
5

c.23.2_

7 Reduza ao mesmo denominador cada grupo de frac;:6es:


5

0 dobra de 4

Instrumental Matematico

p.

6
X

3
8

x2

q.

(~ r

(: t
~r
(1

8
r. ( 15

s.(_!_+2)~
2
3 3

decimais sao as fra<;:6es cujos denominadores sao potencias

de 10.

Exemplo:

ur ~:
=

9
25

Exemplos:
42
- , - , - - etc.
10 100 1.000

As fra<;:6es decimais podem ser representadas por outro numeral, denorninado numero decimal, o qual e obtido pela seguinte conven~ao: sao da1 Que frac;:ao da semana corresponde a 1 dia?

2 Que frac;:ao do ano corresponde a 2 meses?


3 Que frac;:ao do mes de fevereiro de um ano nao-bissexto corresponde a uma
semana?

das ao numerador tantas ordens decimais (casas) quantos sao os zeros do


denominador.
Exemplos:
1
10

0,1 (um decimo)

182

ESTATfSTICA FACIL

AP~NDICE -

1
- - = 0,01 (um centesimo)
100

~ (e Iemos: a para b)
b

1.000
1

183

Indicamos:

- - = 0,001 (um milesimo)

10.000

Instrumental Matemalico

'--.../

Os numeros a e b sao
conseqiiente da razao.

= 0,0001 (um decimo milesimo)


('

452

.
. ..
. centesrmos
. .
)
- - = 4, 52 (quatro .mterros
e cmquenta
e d ors

OS

termos da razao ; a

e) chamado antecedente .e b,

Exemplos:

100

A razao de 3 para 12 e

NOTA:

Deixamos de apresentar as tecnicas de opera~oes com numeros decimais , na suposi~ao de que os alunos farao uso de calculadoras.

A razao de 20 para 5 e

12

~ = 4.
5

3.2. Razao de duas grandezas


Razao de duas grandezas
sam essas grandezas.

1 Represente, na forma decima l, os numeros:

3
a.10

'

128

50

b. -

1.000

10

Exemplo:

2 Represente na forma de fra~ao:


a. 0,7

b. 0,12

c. 12,75

Urn autom6vel percorre 36 km com 4 Qde alcool. A razao entre distancia


percorrida e alcool gasto e:

d. 0,018

3 Calcule:
a. 0,532 + 1,2403 + 62,7 + 0,007

h. 0,62 X 10

p. 0,072 : 8

i . 3,8 X 100

q. 15 : 0,003

c. 12,703 ..... 3,8

j. 0,002 X 6

r. ~

d. 3- 0,04

I. 6,36 X 0,53

s. J127,69

e. 0,05 - 0,005

b. 15,208 + 7,06 + 10~,4 +

numeros que expres-

d.~

C.--

100

e oJuociente dos

m.0,1575 X 0,63

t. J 0,36

f. 5,13 X 0,3

n. 14,18 : 0,2

u. J 0,0081

g. 27,5 X 3

o. 50 : 0,05

4Q

Podemos dizer, entao, que esse autom6vel faz 9 km po; litro de alcool
.
ou 9 km/Q.

4 PERCENTAGEM

3 RAZOES

4.1. Conceito
Para evidenciar a participa9ao de uma parte no todo e para facilitar compara96es, costumamos usar raz6es com conseqiientes iguais a 100.

3.1. Razao de dois nUm.eros


Razao do numero a para o numero b (diferente de zero)
ciente exato de a por b.

36 km = 9 km/Q

e o quo-

Denominamos razoes percentuais as raz6es cujos conseqiientes sejam iguais a 100.

184

APENDICE -

ESTATiSTICA FACIL

25
4
212
100 ' 100 ' 100

Temos:

A razao percentual 20 pode tambem ser indicada pelo simbolo 20% (le100
mos: vinte por cento) .

Logo:

Assim, quando dizemos que 90% dos alunos de uma classe foram aprovados, isto significa que, se a classe tivesse 100 alunos, 90 desses alunos teriam sido aprovados.

R$ 3

15

20

700

1OOx = 15 X 20

ea

15

X
100

20

=3

resposta .

NOTA:
Neste caso, podemos resolver mais rapidamente, lembrando o conceito de fral(iio:

Temos, entao:

90

185

3 Uma pessoa comprou uma ca ll(a por R$ 20. Obteve um desconto de 15%.
De quanto foi o d esconto?

Exemplos:

90%

Instrumental Matematico

15
15
15% de 20 = - de 20 = - - X 20 = 3
100
100

= 19000

e a percentagem e 90% e a taxa

percentual.

Os problemas de percentagem podem ser resolvidos com o emprego da


regra de tres simples.

EXERCICIOS
1 Esc reva sob a forma de percentagem as fral(6es:
5
d. _1_
e. 20
2
Esc reva as taxas percentuais abaixo como raz6es, sob a forma mais simples possfvel:
a. 30%
b. 40%
d. 200%
c. 60%
e. 2,5%
Calcule:
a. 20% de 300;
b. 15% de R$ 150;
c. 70% de 80 animais;
d. 9% de 50.
Em uma classe de 60 alunos faltaram 15. Qual a taxa de percentagem dos
alunos presentes?
Em Sao Paulo colheram-se 1.300.000 sacas de cafe. Se 2'5% desta produl(ao destinam-se ao consumo interno, qual a quantidade de sacas para este
consumo?
Uma nota promiss6ria, cujo valor era R$ 50.000 , foi paga com um desconto de R$ 2.500. Qual a taxa de desconto?
40% dos alunos de uma escola sao meninos. 0 total de alunos e 2.500.
Quantas sao as meninas e quantos sao os meninos?
12% dos alunos de um colegio sao internos . Os alunos externos sao 924.
Qual e 0 total de alunos do co legio? Quantos sao OS internos?
Vendi um objeto por R$ 60 e tive um lucro de 30% sobre o custo. Qual foi
o lucro?
Vendi uma mercadoria recebendo 25% de entrada eo restante em tres prestal(6es de R$ 160 e uma de R$ 180. Qual o pre l( o da mercadoria?
Por quanta devo vender um objeto que me custou R$ 150, para ter um Iuera de 20% sobre o custo?
Um objeto foi vendido com 15% de Iu era e outro semelhante com 35%. Por
quanta foi vendido cada um, se os dois foram vendidos por R$ 180?

a.

2
1 Em uma classe de 40 alunos, 32 foram aprovados. Qual a taxa percentual de
aproval(ao?

Temos:
32

40

700

Logo:
40x = 32 X 700
80%

ea

~X=

32

X tOO = 80

40

resposta.

6
7

2 Ao comprar um livro, obtive um desconto de R$ 3. Qual o prei(O do livro,


sabendo que a taxa de desconto foi de 5%?
Temos:

100

---10

Logo:
5x
R$ 60

ea

=3

X 100

resposta.

11
X=

X tOO
5

= 60
12

b.

2.
4

c. __1__
50

186

AP~NDICE- Instrumental Matematico

ESTATiSTICA FACIL

5 SEQUENCIA
SOMATORIO

Assim, a soma x, -+: x2 + ... +

X 11

pode ser representada por:

(lemos: somat6rio de x fndice i, i variando de 1 ate 5), isto 6:

;:;: \
1

5.1. Sequencia ou sucessio

X1

X2

+ ... +

= i L:
,

X.
1

Nao havendo possibilidade de duvidas, podemos indicar, mais simplesmente, par:

Sequencia ou sucessao 6 uma func;:ao cujo domfnio 6 o conjunto dos


numeros inteiros positivos (IN*) ou urn subconjunto finito do mesmo ( { 1,
2, 3, ... , n}).

Assim:
No primeiro caso, dizemos que a seqUencia 6 infinita e no segundo, finita.

0 conjunto imagem de uma sequencia pode ser urn conjunto qualquer.

Exemplo:

Em nossos estudos, ficaremos restritos as seqiiencias reais finitas, isto


6, aquelas que tern para domfnio urn subconjunto finito dos numeros inteiros
positivos e para conjunto imagem urn subconjunto dos numeros reais.

Sendo x E (2, 4, 6), temos:

Para indicarmos os elementos de uma sequencia, lanc;:amos mao de urn


recurso, o Iodice, que nada mais 6 que urn numeral escrito a direita e um .pouco abaixo da letra e que indica a ordem que esse elemento ocupa na seqUencia.
Assim, representando par:

2}

x: = 4
x3 = 6

=> L: x; = x 1 + x 2 + x 3 = 2 + 4 + 6 = 12

Propriedades

a 1 : o primeiro termo (Iemos: a fndice 1);


a2 : o segundo termo (Iemos: a fndice 2);

1") Sendo c uma constante:


n

i = 1

indicamos uma seqUencia par:

2") Sendo c uma constante e x uma variavel:

ou:

a; (i = 1, 2, ... , n)

i:
"=

'i

(c X X ) = c

j "'

X.
I

3") Sendo x e y duas variaveis:

(lemos: a fndice i sendo i igual a 1, 2, ... , n), on de a; 6 o termo geral, an 6 o


ultimo termo e n 6 0 numero de termos.

Para indicarmos a soma dos x; valores de uma variavel x, isto 6, x 1 + x2 +


+ ... + X11 , lanc;:amos mao do sfmbolo :E (letra grega, maiuscula: sigma), denominado, em Matematica, somat6rio.

c=nXc

L:

an: o n-esimo termo (I emos: a fndice n),

5.2. Somatorio

187

j :

NOTAS:

;~, (x;Y;l

*'

;~,x; x;~, Y;

( L:n x. )2-:f. L:n x 2


j = 1

=1

(x. + y .) =
I

i=

x. +
I

j =

y.
I

188

ESTATfSTICA FACIL

APENDICE -

Instrumental Matematico

189

Indicando por x,, x2, . , X os n val ores que a varia vel x pode assumir, e
por x a media aritmetica, temos:
11

EXEBCICIOS BESOLVIDOS

x=

1 Sendo x E (2, 5, 8, 9), de os valores de x, , X2, X3 e x 4 :

x1

x, + X2 + .. . + xn
n

I,

ou

I }~ I
x,

X,

2, x 2 = 5, x 3 = 8 e x 4 = 9
4

2 Desenvolva o somat6rio

:E x.:

i: 1

;~,x; =

x 1 + x2 + x3 + x 4

3 Escreva X3 + x 4 + x 5 sob a forma de somat6rio:


5

LX.
= 3
,

1 Calcular a media aritmetica do seguinte conjunto de numeros: 2, 3, 4, 5, 6.

Temos:
5

LX.

i = 1

b.

=3

C.

X.

=1

6.2. Media aritmetica ponderada

a. x, + x 2 + x 3 + x 4

c. x 4 + x 5 + x 6 + x 7

b. x1 + x 2 + ... +

d. x5 + x6 + ... +

X7

X 10

3 Dada a sequencia (2 , 5, 7, 10, 12, 13, 15) e sendo xi o termo geral, determine
. ,

X.

2 Escreva sob a forma de somat6rio:

os valores de x,, x 2, X3 ,

a. :E x.

20

X=~

1 Desenvolva os somat6rios:

No caso de os valores estarem afetados por pesos, que sao numeros indicadores da intensidade do valor no conjunto, a media aritmetica se diz ponderada.

xr

4 Calcule, considerando a sequencia do exercfcio anterior:


7

a.

:E
i

= 1

x.

b. :E xi
i = 1

C.
i

=3

X.
I

A media aritmetica ponderada e igual ao quociente da divisao cujo


dividendo e formado pela soma dos produtos dos valores pelos respectivos pesos e cujo divisor e a soma dos pesos.

6 MEDIA ARITMETICA
Assim, se os valores x 1, x2 , , X ocorrem p 1, p2 ,
mente, a media aritmetica ponderada e dada por:
11

6.1. Media aritmetica simples

p" vezes, respectiva-

Chamamos de media aritmetica de urn conjunto de valores o quociente da divisao da soma desses valores pelo numero deles.

X = x,p, + x2p2 + ... + XnPn


p, + P2 + + Pn

:E (x.p. )

ou

X=

=1

:E p.
=1

190

ESTATfSTICA FACIL

AP~ NDICE - Instrumental Matematico

Exemplos:
2! = 2
3! = 3

191

X 1 =2
X 2 X 1

=6
4! = 4 X 3 X 2 X 1 = 24

1 Sabendo que um aluno obteve as notas 7, 6, 5 e 8 e que essas notas tern,


respectivamente, os pesos 2, 2, 3 e 3, calcule a sua media.

NOTA:

Por defini9 ao, tomamos:

Temos:

0!
1!

;~,X;P;
X=--=
4

I;
i= 1

7 X 2 +6 X 2 +5 X 3 +8 X 3
2+2+3+3

p.
I

14 + 12 + 15 + 24

10
Logo:

x=

=1
=1

65 = 6,5
10

6,5

1 Calcule:
5!
5

a. -

b.

7!

c.

5!

(n- 2)!

d.

n!
(n - 1)!

Temos:
5!

a. 1 Os tempos de rea9ao de um indivfduo a certos estfmulos foram medidos por


um psicologista como sendo (em segundos) 0,53; 0,46; 0,50; 0,49; 0,52; 0,53;
0,44; e 0,55, respectivamente. Determine o tempo medio de rea9ao do indivfduo a esses estfmulos.

2 Os graus de um estudante nas disciplinas de laborat6rio, leitura e declama-

b.

!.!__ =
5!

ff X 4 X 3 X 2 X 1
= 4 X 3 X 2 X 1 = 24
ff
7 X 6 X 5 X ;1 X .3 X 1! X 1
5 X A' X .3 X Z X 1

=7

= 42

c. (n - 2)! = (n - 2) (n - 3) (n - 4) X ... X 3 x 2 x 1
n!
= n (n-;A ) (n -;r!) (n --27 X ... X 3 x Z x 1 _ n
(n- 1)!
((;7-'_ 1) (n:Z. 2) (n/Z 3) X ... X 3 X .2 X 1 -

d.

vao for am 7,1; 7,8 e 8,9, respectivamente. Se os pesos atribufdos a esses


graus sao 2, 4 e 5, respectivamente, qual e 0 grau medio do estudante?
3 Tres professores de Economia atribufram os graus medios de exame 7,5; 8,2
e 8,4 a suas respectivas classes, que se compunham de 32, 25 e 17 estudantes, respectivamente. Determine o grau medio para todas as classes.

EXERCiCIO

4 Um conjunto de numeros e composto de seis 6, sete 7, oito 8, nove 9 e dez


10. Qual e a media aritmetica dos numeros?
1 Calcule:

8!

b. 5(4!)
5!

a. -

7 FATORIAL

7!

3(4!)

c.-4(3!)

d. (n- 2)!
(n- 4)!

Sendo n urn numero natural diferente de zero , temos:


n!

= n(n- 1) (n- 2)

X ... X 3 X 2 X 1

Sendo n e k numeros naturais diferentes de zero, indicamos por:

Assim:

n! (lemos: ene fatorial)


de n ate 1.

8 COEFICIENTES BINOMIAlS

eo

produto de todos os m1meros naturais

(:)

o coeficiente binomial de n sobre k ou , simplesmente, binomial de n sobre


k.

192

ESTATiSTICA FACIL

APENDICE -

Instrumental Matematico

193

Exemplo:

Temos:
n ) = n(n - 1) (n - 2) ... (n - k + 1)
( k
k!

) e (; ) sao complementares; logo, (

=(

).

NOTA:
Os coeficientes binomiais complementares sao usados para simplificar calculos.

NOTA:
Por definic;:ao, tomamos:
(

Assim, para calcularmos (

~~

). empregamos o complementar:

) = 1

25

50 )
(
48

= ( 50 ) = 50
2

=_56

X 49
2!

X 49

,Xx 1

= 25

X 49

= 1.225

1 Ca lcu le:

a. (

b. (

)
1 Calcule:

Temos:
2

a.

(5)
3

=5 x

4 X 3
3!

=5
j

=4

X 3
2!

=I
j

X j
X 1

=5 x 2 =

X 3

=6

(~! )

~)

c. (

10

~~

b. ( 4 )
2

X
X

a. (

X 3
X 1

=2

9 BINOMIO DE NEWTON

Denominamos binomio de Newton toda expressao da forma:

NOTA:

Observe que os numeros de fatores do numerador e do denominador sao sempre


iguais.

(x + a)",

onde n

IN

0 desenvolvimento de (x + a)"

8.1. Coeficientes binomiais complementares


Os coeficientes binomiais ( ~ ) e (
res. Demonstra-se que:

~k

(x + a)" = (

~ ) x" + ( ~

) ax" - + (

e dado por:

~ ) a x" 2

+ ... + (

) sao chamados complementaonde

termo que ocupa

lugar de ordem k + 1

k+ 1

= ( nk

a kxn- k

e:

~: ~

) a" - x + (

~ ) a"

194

AP~NDICE -

ESTATiSTICA FACIL

Instrumental Matematico

195

10 FUNQ.i.O
10 .1. DefiniQiO
Seja a equa<;ao:
1 Desenvolva o bin6mio (x + y) 6

y = 2x

Temos:

E facil constatar que para cada valor dado a x obtemos urn e urn s6 valor
para 2x.
Assim, dando a x os valores {-2, -1 , 0, 1, 2, 3}, obtemos para y os valores {-4, -2, 0, 2, 4, 6}, is to e:

Como:

(~)
(~)

= 1 =

~)

(~)

= 6 =

~)

(~)

6X5

= - - = 15 =

2 X 1

6X5X4
3X2X1

~)

= 20

-1

-2

Podemos, entao , dizer que para cada valor de


Neste caso, dizemos que

Lembrando que:

existe urn unico valor

para y.

vem:

2 Determine o 5Q termo do desenvolvimento de (x + 2) 10 .

f: x

y e fun~ao de

x e escrevemos:

y = 2x

x e y sao as variaveis da fun<;ao; x e a varia vel independente e y, a dependente.


A tabela acima da origem aos pares ordenados (-2, -4), (-1, -2), (0, 0) ,
(1, 2), (2, 4) e (3, 6), que dizemos pertencerem a fun<;ao definida por y = 2x.
NOTA:

temos:

Como x pode to mar os val ores - 2, - 1, 0, 1, 2 e 3, dizemos que x E { -2, -1, 0, 1,


2, 3} (Iemos: x pertence ao conjunto formado pelos elementos -2, -1, 0, 1, 2 e 3).

Logo:
24x1o- 4 =

10 X 9 X 8 X 7

x 16XS = 3.360XS

4 X 3 x 2X1
Oaf:
T5 = 3.360XS

Fa~a

uma tabela para cada uma das

fun~6es

abaixo, com x E {-2, -1, 0, 1, 2, 3}:

a. f: x ~ y = 3x - 5
b. f: x ~ y = x2 - 3
C. f: X ~ y = 2x 2 - X

10.2. Gratico de uma fun9io

1 Desenvolva:
c. (2x + 1 )5

a. (3y + 1) 4

Sao dadas a fun<;ao :


f:

2 Determine:
a. o 5Q termo em (p + q) 10 ;
b. o 4Q termo em ( 2

b )10
+2'
;

c. o 6Q termo em (x + 2) 13 ;
d. o 5Q termo em (x + 3) 8 .

X ~

=X

e a tabela correspondente:
X

-2

-1

-1

196

APENDICE - Instrumental Matematico

ESTAT[STICA FACIL

Representando, em urn sistema coordenado cartesiano ortogonal, os pares


ordenados resultantes da tabela: (-2, -2), (-1, -1), (0, 0), (1, 1), (2, 2), (3, 3),
vern:

197

_ Pode~os comprovar, com uma regua, que os seis pontos correspondentes


estao em lmha reta, o que nos leva a prever que o grafico completo dessa funr;ao e uma reta passando por esses pontos:

-------------:::!,

3
21

--------:::'

----,

-2 - 1
0

.....

-1

L------

-2

X
X

0 conjunto de pontos de intersecr;ao das perpendiculare.s forma o gnifico


da funr;ao.
Seja, agora, a funr;ao:
f: x ~ y = 2x, com x E R
Por ser o conjunto dos numeros reais urn conjunto denso, os pontos do
grafico ficarao intimamente ligados entre si, dando origem a uma linha continua.
Na impossibilidade de representarmos todos os valores de x e dey, construfmos uma tabela a partir de alguns valores de x:
X

-1

-2

NOTA:
Podemos afirmar apenas que esse grafico

e provavelmente

uma reta.

Consideremos, ainda, a funr;ao:


f: x ~ y = x 2 , com x E IR .

Determinando os valores de y a partir de valores arbitn'irios de x


obtemos a tabela:
'
-1

que nos da pontos do plano. Como x


meio de uma linha continua:

R, podemos ligar esses pontos por


'

Representando esses pontos no sistema de eixos coordenados, obtemos:


y
y

-------------i

--------

'
'

'

'
...... -2

~--------

-4

-2

-1

NOTA:
Como anteriormente, presumimos que a curva correspondente seja uma parabola.

198

ESTATiSTICA FACIL

AP~NDICE -

10.3. FunQio do 1 ~ grau


fun~ao

Denominamos

Instrumental Matematico

199

10.5. EquaQio da reta que passa por dois pontos dados


fun~ao

do 12 grau toda

definida por:

Consideremos o seguinte problema:


Qual a equa~ao da reta que passa pelos pontos (5, 10) e (2, 1)?
Como toda fun~ao do 12 grau e definida por uma equa~ao da forma:

*0

y = ax + b, com a, b E R e a

Exemplos:

CD

y =ax+ b

y = 2x, onde a = 2 e b = 0

e como a reta em questao passa pelos pontos (5, 10) e (2, 1) , isto quer dizer
que esses pares ordenados pertencem a equa~ao CD. Logo:

y = x - 2, onde a = 1 e b = -2
y = 4 - 3x, onde a = -3 e b = 4

10 =a X 5 + be 1 =a X 2 + b,

NOTA:
Os numeros reais a e b sao denominados coeficientes ou parametros.

equa~6es

o que nos da o sistema de

= 10
=1
Resolvendo pelo processo de

simultaneas:

5a + b
{ 2a + b

10.4. Grifico da funQio do

1~

grau

Daf:
2 X 3 + b = 1

f: x

--7

do 1 grau:

=:}

6 + b = 1

=:}

b = 1 -6

Substituindo esses valores de a e b em

Exemplo:
fun~ao

9
= 9 =} a=-=}a=3

3a

e uma reta oblfqua.

Assim, como dois pontos determinam uma e uma s6 reta, para tra~armos
0 grafico de uma fun~ao do 1Q grau e 0 bastante determinarmos dois de seus
pontos.

Seja a

obtemos:

5a .;r--t) = 10
- 2a ;:rtf= -1

Em urn sistema coordenado cartesiano ortogonal, demonstra-se que:


0 grafico de uma fun~ao do 12 grau

adi~ao,

que

CD,

=:}

b = -5

temos:

= 3x- 5,

e a equa~ao

pedida.

y = 2x - 1

Temos:
X= -1
X= 2

=:}
=:}

y = 2(-1)- 1 = -3

y = 2 X 2 - 1= 3

=:}

=:}

EXEBCiCIOS

(-1, -3 ) E f

(2, 3) E f

Logo:

1 Fac;;a uma tabe la de valores para cada uma das equac;;6es abaixo:

a . y = 3x + 1
b. y =X- 3
c. y = x2 + 1
d. y = jX (Sugestao:

X E

{0, 1, 4, 9, 16}.)

2 Fazendo um exame das tabelas obtidas no exercfcio anterior, d iga qual das
equac;;6es nao define uma func;;ao.

3 Represente graficamente as func;;6es definidas por:


X

a. y = 2x - 3

b. y = 4 - x

c. y = 3x + 2

4 Determine a func;;ao do 1Q grau que passa pe los pontos:


a. (0, 0) e (2, 2)
b. (5, 0) e (0, -3)

c. (1 , -2 ) e (0, 0)
d. (1 , 1) e (-2, -5)

d. y =X

200

ESTATiSTICA FACil

APENDICE -

10.6. Pontos notaveis

Instrumental Matematico

201

10.7.2. Coeficiente a

10.6.1. Ponto em que a reta corta o eixo dos x

Analisando os graficos da funr.:ao do 1Q grau trar.:ados ate agora, vemos


que:

0 ponto em que a reta corta o eixo dos x e aquele de ordenada nula;


por isso e denominado abscissa na origem.
Se y

=0

~ 0

= ax

a> 0

se a > 0 ~ oo < a < goo;


se a = 1 ~ a = 45;
se a < 0 ~ goo < a < 180.

a< 0

-b

+ b

~X=-.

Logo, o ponto:

(-ab,o)Et
e aquele em que a reta corta o eixo dos x.

10.6.2. Ponto em que a reta corta o eixo dos y


0 ponto em que a reta corta o eixo dos y e aquele de abscissa nula; por
isso e denorninado ordenada na origem.
Se x = 0

y = a X 0 + b ~ y = b.

Assim, podemos concluir que a medida do angulo a, formado pela reta


com o sentido positivo do eixo dos x, depende do valor do coeficiente a, a
razao pela qual o denominamos coeficiente angular.

Logo, o ponto:
(0, b) E f

ponto procurado.

10.7. Significado dos coeficientes


10.7.1. Coeficiente b
Como vimos, o coeficiente b determina o ponto em que a reta corta o
eixo dos y, is to e, b e o valor algebrico do segmento determinado pel a origem
e pelo ponto de intersecr.:ao da reta com o eixo dos y:
y

(0, b)

Por essa razao o coeficiente b e denominado coeficiente linear.

Colelanea de Questoes Objetivas

203

Com base na distribuit;:ao abaixo, resultante de pesos de mot;:as, respanda as quest6es de 6 a 9:


CLASSES
f.I

42

f--

22

44

f--

46

24

f--

56

48

f--

59

50

1-

52

25

6 Nessa distribuit;:ao, o interva lo usado e:


a.
"'-. b.
c.
d.
e.
1 Ao nascer, os bebes sao pesados e medidos, para se saber se estao dentro
das tabelas de peso e altura esperados. Estas duas variaveis sao:

a. qualitativas.
b. ambas discretas.
-' C. ambas contfnuas.
d. continua e discreta, respectivamente.
e. discreta e continua, respectivamente.

2 A parcela da populat;:ao convenientemente escolhida para representa - la e


chamada de:
a.
b.
y c.
d.
e.

variavel.
rol.
amostra.
dados brutes.
Nada podemos afirmar, porque a informat;:ao e incompleta.

3 Na administrat;:ao de um sistema escolar de certo municipio, 70% da despesa vao para o ensino, 12% para a administrat;:ao e manutent;:ao e 18% para
6rgaos auxiliares, encargos fixes e despesas ocasionais. 0 grafico que mel hor representa essa situat;:ao e:
a. o linear simples.
b. o de barras.

c. o de setores.
d. o histograma.

4 Um conjunto de 100 notas de Matematica, de alunos do sexo masculino, tiradas dos arquivos da secretaria da escola, constitui:
a. um rol.
. uma relat;:ao de dados brutos.

c. uma tabela.
d. uma distribuit;:ao de freqi.iencia .

5 Por definit;:ao, rol e qualquer serie ordenada de valores referentes a uma


mesma variavel. Entao, dadas as series da mesma variavel x:

I.
II.
Ill.
IV.

-2, 4, 5, 6, 7
1, 3, 3, 6, 7
8, 7, 5, 2,1
5, 4, 4, -1

podemos afirmar que:


\ a.
b.
c.
d.
e.

todas elas constituem r6is.


s6 a serie I constitui um rol.
a serie II nao e um rol, mas as outras sim.
apenas as series I e IV nao sao r6is.
somente a serie Ill e um rol, as demais nao.

aberto a esquerda.
fechado a esquerda.
aberto.
fechado.
aberto a esquerda e a direita.

7 Nessa
a. 42,
b. 44,
c. 86,
-.. d. 43,
8

distribuit;:ao,
44,
46,
90,
45,

46,
48,
94,
47,

48,
50,
98,
49,

OS

pontos medias sao:

50.
52.
102.
51.

Nessa distribuit;:ao, a amplitude total do fen6meno estudado e:

a. 42 .
b. 10.

c. 52.
d. 2.

e. 94.
9 Nessa distribuit;:ao, a amplitude dos intervalos de classe e:
a. 10.
b. 2.
c. 52.
d. 94.
e. 50
10 As regras basicas para se construir uma distribuit;:ao de freqi.iemcia sao:

I.
II.
Ill.
IV.

Nenhum dado deve ser exclufdo.


Nenhum dado deve ser contado mais de uma vez.
As classes tern que ser mutuamente exclusivas.
0 campo de variat;:ao da variavel tern que ser esgotado.

Destas regras:
a.
b.
c.
d.
e.

todas estao corretas.


todas estao erradas.
s6 a segunda esta errada.
s6 a terceira esta errada.
s6 a quarta esta correta.

11 Os graficos pr6prios de uma distribuit;:ao de freqi.iencia sao:

a.
b.
c.
d.
e.

colunas, curva de freqi.iencia e histograma.


polfgono de freqi.iencia e histograma.
colunas, curva de freqi.iencia e polfgono de freqi.iencia.
grafico em setor, grafico em barra, curva de freqi.iencia e curva normal.
colunas, barra, setor e curva de freqi.iencia.

204

ESTATiSTICA FACIL

12 Um teste de inteligencia, ap li cado aos aluno s das quartas series do 1Q grau


da Esco la A, apresentou os seguintes resultados:

PONTOS
DO 01

90

NQ DE
ALUNOS

f--

95

40

f--

60

100

f--

105

140

f--

110

160

f--

115

180

f--

120

120

f--

40

125

f--

30

130

f--

20

135

f--

140

10

A freqi.imcia relativa da classe modal e:

a. 0,200.
b. 0,225.
c. 0,250.
d. 0,500.

S6 no primeiro .
S6 no segundo.
Em ambos.
Em nenhum.
No primeiro, as v ezes, dependendo do tipo de variavel.

14 As classes de uma distribui9ao de freqi.iencia devem ser mutuamente exclusivas para que:
a.
b.
c.
d.
e.

Coletanea de Questoes Objetivas

Ill. Tanto o histograma como o polfgono de freqi.iencia sao graficos de analise, pr6prios da distribuiyao de freqi.iencia, e podem ser feitos para
qualquer tipo de variavel, desde que ela seja quantitativa.
IV. 0 histograma e um grafico em colunas, mas qualquer grafico em colunas nao e necessariamente um histograma.
a.
b.
c.
d.
e.

II e Ill sao falsas.


a IV e falsa.
apenas a I e verdadeira.
todas sao verdadeiras.
todas sao falsas.

nenhum dado seja exclufdo.


nenhum dado seja contado mais de uma vez.
todos os dados sejam computados.
possam exaurir totalmente o campo de variayao.
os limites inferiores e superiores sejam levados em considera9ao.

I. A media aritmetica ficara aumentada (ou diminufda) da quantidade que


for ad icionada (ou subtrafda) a (de) todos os valores da serie.
II. A media aritmet ica, por ser um valor representativo, depende de todos
OS valores da ser ie OU distribuiyaO de freqi.iencia.
Ill. A media aritmetica pode nao ser cons id erada um v alor tfpico da distribuiyao de freqi.iencia ou rol.
IV. A moda pode ser considerada como um valor representativo que envolve todos os elementos do rol ou distribui9ao de freqi.iencia.
V. A media, a moda e a mediana sao valores de posi9ao.
a.
b.
c.
d.
e.

somente a I e correta.
todas sao corretas.
II e Ill sao incorretas.
IV e incorreta.
todas sao incorretas.

18 Na tabela primitiva abaixo :

15

6, 2, 7, 6, 5, 4,
a soma dos desvios em relayaO a media e igual a:

a. -4.

r--

b. 8.
r--

Alunos aprovados em tres


classes de 5! serie

c. 0.
d. 25.
e. 4.
Notas dos alunos
de 5! serie

Estes dois graticos sao, respectivamente:


a.
b.
c.
d.
e.

205

17 Das afirma96es:

13 Na construyao de qual dos graficos citados - histograma e poligono de


frequimcia - usamos, obrigatoriamente, as freqi.iencias acumu ladas?
a.
b.
c.
d.
e.

graticos em colunas.
histogramas.
gratico em colunas e polfgono de freqi.iencia.
histograma e polfgono de freqi.iencia.
grafico em colunas e histogram a.

16 Das afirma96es:
I. Tanto o histograma como o polfgono de freqi.iencia sao graticos pr6prios
da distribuiyaO de freqi.iencia, sao grafiCOS de analise, OS quais devem
ser feitos s6 quando a v ariave l for continua.
II. Tanto o polfgono de freqi.iencia como o histogram a sao graticos pr6prios da distribuiyaO de freqi.iencia, sao graficos de analise, e devem ser
feitos s6 quando a variavel for discreta.

19 Dados os conjuntos de valores abaixo:


A= {3, 5, 6, 8, 9, 10, 10, 10, 11, 12, 17}
B = {4, 5, 7, 10, 11, 13, 15}
c = {2, 3, 4, 5, 5, 5, 5, 6, 7, 8, 8, 8, 8, 9, 10, 11}
em rela9ao a moda, podemos dizer que:
I. A e unimodal e a moda e 10.
II. B e unimodal e a moda e 10.
Ill. C e bimodal e as modas sao 5 e 8.
Entao:
a.
b.
c.
d.
e.

estas afirma96es estao todas corretas.


estas afirma96es estao todas erradas.
I e II estao corretas.
I e Ill estao corretas.
II e Ill estao corretas.

206

ESTATfSTICA FACIL

20 Um professor, ap6s verificar que toda a classe obteve nota baixa, eliminou
as quest6es que nao foram respondidas pelos alunos. Com isso, as notas
de todos os alunos foram aumentadas de tres pontos. Entao:
a.
b.
c.
d.
e.

a media aritmetica, a mediana e a moda sao, respectivamente:

27 A mediana da serie 1 3 8 15 10 12 7 e:
a. 15.

c. 7 .

a mediana e:

d . 3,5.
e. Nenhuma das anteriores.

5,0 alunos.
nota 5,0.
9,0 alunos.
nota 9,0.
nota 5,5.

28 Numa pesquisa de opiniao, 80 pessoas sao favoraveis ao div6rcio, 50 sao


desfavoraveis, 30 sao indiferentes e 20 ainda nao tem opiniao formada a
respeito do assunto. Entao, a media aritmetica sera:

22 Das afirmac;:6es abaixo:


A. Quando se ordenam valores nao-agrupados segundo sua grandeza, a
mediana e 0 ponto medio desta serie.
B. Quando os valores de uma serie continua estao agrupados em uma distribuic;:ao de frequencia, a mediana e, par definic;:ao, o ponto que corresponde a 50% da distribuic;:ao.
c. Quando desejamos 0 ponto medio exato de uma distribuic;:ao de frequencia, basta calcular a mediana.
D. Quando existem valores extremos que afetam muito o calculo da media,
para representa-la devemos dar preferencia a mediana.
todas estao
todas estao
apenas a A
apenas a D
apenas a B

a. 4,85; 6,5 e 6.
b. 4,85; 6 e 6.
c. 5,33; 6 e 6.
d. 5,33; 6,5 e 6.

b. 10 .

{1, 2, 3, 8, 5, 7, 6, 9, 4, 6, 2, 10, 3, 5, 3},

a.
b.
c.
d.
e.

a. 180, porque todos opinaram somente uma ve z.


b. 40, porque e a media entre os valores centrais 50 e 30.
c. 45.
d. 1, porque todos opinaram somente uma vez.
e. Nao ha media aritmetica.

29 ~ gratico abaixo foi construido a partir da seg uinte distribuic;:ao de frequenCia:

PONTOS DE
UM TESTE

PESSOAS

incorretas.
corretas.
esta incorreta.
esta incorreta.
esta correta.

f-

12

f-

10 25

f-

16

35

40

9 12 14

75

25

80

~---r----------+---------~--~~50%

60

20

c. 6.

e. 5,5.

d.7.

b. 18 notas.

c. 33 notas.

12

16\20
16,5

d . 19 alunos.

25 A media aritmetica dos valores 2, 3, -5, 6, -7, 2, 0, 8, -3, 5, 10 e:

b. 1,9.
c. 3,2.
d. 4,7.

24

100

24 Entao, acima da mediana temos:

a. - 1,9.

f-

120

40

a. 15 alunos.

20

160

23 Para essa tabela, a mediana e:


b. 5.

f-

140

Com base na tabela abaixo, que corresponde as notas de Estatistica


de uma classe, responda as quest6es 23 e 24:

a. 31.

207

26 Na serie abaixo, composta de notas de Matematica:


6, 2, 8, 6, 3, 0, 4, 2, 6, 7, 10, 3, 6,

a media aritmetica ficou alterada, assim como a mediana.


apenas a media aritmetica ficou alterada.
apenas a mediana ficou alterada.
nao houve alterac;:ao nem na media nem na mediana.
nada podemos afirmar sem conhecer o numero total de alunos.

21 No conjunto abaixo, correspondente a notas de Ingles de 15 alunos:

a.
b.
c.
d.
e.

Coletdnea de Questoes Obietivas

Nesse caso, o valor 16,5 e:


a.
b.
c.
d.

a
a
a
a

mediana.
media aritmetica.
moda.
media harmonica.

24

28

32

f-

10

28

f-

32

206

ESTATiSTICA FACIL

20 Um professor, ap6s verificar que toda a classe obteve nota baixa, eliminou
as quest6es que nao foram respondidas pelos alunos. Com isso, as notas
de todos os alunos foram aumentadas de tres pontos. Entao:
a.
b.
c.
d.
e.

a media ar itmet ica f icou alterada, assim como a mediana.


apenas a media ar itmetica ficou alterada.
apenas a mediana ficou alterada.
nao houve alterac;:ao nem na media nem na mediana .
nada podemos afirmar sem conhecer o numero total de alunos.

21 No conjunto abaixo, correspondente a notas de Ingles de 15 alunos:

{1, 2, 3, 8, 5, 7, 6, 9, 4, 6, 2, 10, 3, 5, 3},


a mediana e:
a.
b.
c.
d.
e.

26 Na serie abaixo, composta de notas de Matematica:

6, 2, 8, 6, 3, 0, 4, 2, 6, 7, 10, 3, 6,
a media aritmetica, a mediana e a moda sao, respectivamente:
a. 4,85; 6,5 e 6.
b. 4,85; 6 e 6.
c. 5,33; 6 e 6.
d. 5,33; 6,5 e 6.

27 A mediana da serie 1 3 8 15 10 12 7 e:
a. 15.
b. 10.
c. 7.
d. 3,5.
28 Numa pesquisa de opiniao, 80 pessoas sao favoraveis ao div6rcio, 50 sao
desfavoraveis, 30 sao indiferentes e 20 ainda nao tern opiniao formada a
respeito do assunto. Entao, a media aritmetica sera:

A. Quando se ordenam va lores nao-agrupados segundo sua grandeza, a


mediana e 0 ponto medio desta serie.
B. Quando os valores de uma serie continua estao agrupados em uma distribuic;:ao de freqi.iencia, a mediana e, por definic;:ao, o ponto que corresponde a 50% da distribuic;:ao.
C. Quando desejamos o ponto medio exato de uma distribuic;:ao de freqi.iencia, basta ca lcu lar a med iana.
D. Quando ex istem v alores extremos que afetam muito o ca lculo da media,
para representa-la devemos dar preferencia a mediana.
todas estao
todas estao
apenas a A
apenas a D
apenas a B

a.
b.
c.
d.
e.

180, porque todos opinaram somente uma vez.


40, porque e a media entre OS Valores centrais 50 e 30.
45 .
1, porque todos opinaram somente uma vez.
Nao ha media aritmetica.

29 0 grafico abaixo foi construido a partir da seguinte distribuic;:ao de freqi.ien cia:


PONTOS DE
UM TESTE

PES SO AS

i ncorretas.
corretas.
esta incorreta.
esta incorreta.
esta correta.

f-

12

f-

10 25

f-

35

16

f-

160
100"/o

120

9 12 14

100

80
75
60
40

23 Para essa tabe la, a mediana e:


b. 5.

20

c. 6.

e. 5,5 .

d .7.

12

16\20

24 Entao, acima da mediana temos:


a. 15 alunos.

b. 18 notas.

c. 33 notas.

b. 1,9.
c. 3,2.
d. 4,7.

16.5

d. 19 alunos.

25 A med ia aritmetica dos valores 2, 3, -5, 6, -7, 2, 0, 8, -3, 5, 10 e:

a. -1,9.

20

40

140

Com base na tabela abaixo, que corresponde as notas de Estatistica


de uma classe, responda as quest6es 23 e 24:

a. 31.

207

e. Nenhuma das anteriores.

5,0 alunos.
nota 5,0.
9,0 al unos.
nota 9,0.
nota 5,5.

22 Das afirmac;:6es abaixo:

a.
b.
c.
d.
e.

Coletonea de Questoes Objetivas

Nesse caso, o valor 16,5 e:


a.
b.
c.
d.

a
a
a
a

mediana.
media aritmetica.
moda.
media harmonica.

24

28

32

f-

25

24

f-

10

28

f-

32

208

ESTATfSTICA FACIL

30 Qual a percentagem de valores que se localiza entre o ultimo quartil e o


PB,?

209

39 Qual a percentagem de casas acima da mediana, numa distribuigao normal?


a. 25%
b. 50%

d. 77%
e. 81%

a. 6%
b. 19%
c. 56%

Coletanea de Questoes Objelivas

c. 68%
d. 75%

40 0 prego de determinado bem, em 1990, era R$ 10; considerando-se esse

31 0 sexagesimo percentil divide a area de uma distribuigao em quantas partes?

a. 2

d. 60

b. 6
c. 40

e. 100

quinquagesimo percentil quantos valores havera?

d. 48
e. Nao havera valores.

b. 13
c. 42

e:

a. R$ 950.
b. R$ 970.
c. R$ 930.

32 Se numa distribuigao ha 500 valores, entao entre o segundo quartil e o

a. 7

prego igual a 100, em 1993, o prego relativo para o mesmo bem, vendido a
R$ 92,
d. R$ 920.
e. R$ 910.

41 Em 1990, o prego de uma mercadoria era 60% menor do que o prego da


mesma mercadoria em 1991 e, em 1992, era 80% superior ao de 1991. 0
aumento de prego em 1992, tendo por base o prego de 1990, foi de:

33 A nota media dos alunos de uma classe foi 7 e a das alunas, 9. 0 numero

d. 300%.
e. 450%.

a. 120%.
b. 140%.
c. 148%.

de alunos era 20 eo das alunas, 30. Entao, a nota media da classe toda foi:

a. 7.
b. 7,8 .
c. 8.

42 Cohsidere a seguinte serie:

d. 8,2.
e. 9.

34 Um relat6rio mostrou, entre outras coisas, que numa regtao polar a temperatura media e de -23 oc e o desvio padrao e -5 C. Com base nestas
informag6es, podemos afirmar que:

a.
b.
c.
d.
e.

o
o
o
o
o

relat6rio
relat6rio
relat6rio
relat6rio
relat6rio

esta
esta
esta
esta
esta

impreciso e deve ser completado com o rol.


correto e deve ser aceito.
incompleto e deve ser completado com o rol.
bom, desde que se tenha o rol das temperaturas.
errado e deve ser rejeitado.

35 Um coeficiente de variagao e uma razao, geralmente percentual, entre:


a.
b.
c.
d.

a
o
o
a

c. 10,4%.

1991

1992

1993

EXPORTACAO
(toneladas)

-48.000

54.000

40.500

57.500

Os indices relativos para 1991, 92 e 93, sendo 1990 = 100, sao:


a. 112,5; 84,4 e 119,8.
b. 111 ,5; 83,2 e 112,8.
c. 112,5; 84,3 e 119,7.

d. 113,5; 82,3 e 111,4.


e. 114,5; 81,4 e 111,9.

43 Se os salarios dos empregados de uma empresa aumentam em 20% em

c. maior do que 10%.


d. nulo.

a. de 10%.
b. menor do que 10%.

36 Num teste de Conhecimentos Gerais, a media das quest6es certas foi 57,5
e o desvio padrao 5,98. A variabilidade relativa das classes foi de:
b. 9,62%.

1990

dado perfodo, enquanto o fndice de Pregos aumenta 10%, entao, o aumento real de salario, durante o perfodo, foi:

media e a mediana.
desvio padrao e a media aritmetica.
desvio padrao e a mediana.
media aritmetica e o numero de casos.

a. 5,75%.

ANOS

44 Considerando a serie abaixo:

d. 11,4%.

37 Para a serie de valores 0, -1, -2, 5, 4, -3, -7, 2, -4 e 6:


a. a media e 3,4 e a variancia 16.
b. a media e zero e a variancia 4.
c. a media e zero e a variancia 16.
d. a media e 3,4 e a variancia 4.
e. a media e zero mas a variancia e impossivel calcular.

38 Os resultados de uma prova de Estudos Sociais estao normalmente distri bufdos (curva de Gauss ou normal) . Sabe-se que z = 0,5 corresponde, na
curva normal, a uma area de 0,1915. lndique a percentagem dos resultados
que diferem da media aritmetica de mais da metade do desvio padrao.
a. 61,70%
c. 38,30%
b.57,45%
d.19,15%

PRE COS
MERCADORIAS

1990

1991

1992

1993

1994

150

150

160

180

180

450

320

380

420

390

180

190

190

210

220

os indices medios relativos para 1990, 91, 92, 93 e 94, tomando como anabase 1991, sao:
a. 112, 100, 120, 110 e 121.
b. 119, 122, 115, 115 e 109.
c. 112, 100, 109, 121 e 119.

d. 113, 111, 112, 123 e 118.


e. 114, 109, 113, 116 e 101.

21 0

Coletonea de Questoes Objetivas

ESTATiSTICA FACIL

211

3. b. 18,0 + 29,3 + 24,1 + 28,6 = 100,0


c. 162,5; 82,3; 118,9
d. 1 00,0; 162,5; 133,6; 158,9
4. 129,6 hab/km 2
5. a. 27,2 hab/km 2
b. 18,3%o
C. 6,2%o

CAPITULO 2 - POPULAQ.i.O E AMOSTRAS


RESOLVA (p. 18)
Qualitativa: a.
Ouantitativas discretas: b, c, d.
Quantitativa continua: e.

6. cidade B

7. a. 1 0,2%; 14,3%; 25,5%; 14,9%


b. 16,1%
c. 90,9%; 100%; 85,7%; 82,5%

f. 53,3%

CAPITULO 4 - GRAFICOS ESTATISTICOS

EXERCiCIO (p. 18)

EXERCiCIOS (p. 51)


1.
milh6es

Quantitativas discretas: c, d, i, j.
Quantitativas contfnuas: b, e, g, h, I.

COMERCIO EXTERIOR
de
toneladas
BRASIL- 1984-93
200,---------------------,

EXERCiCIOS (p. 23)

1. 002 - 014 - 016 - 034 - 039 - 053 - 054 - 056 - 062 - 066 - 076 - 082 - 094 096 - 099 - 1 05 - 11 0 - 118 - 123

150

3. 94-79- 129-84- 56 - 95- 123- 123-81 - 128- 110- 120-95-76- 52


- 62 - 65 - 71 - 80 - 63 - 95 - 7 5 - 80 - 149 - 103 - 1 08

SUPERAVIT

100

6. 30
7. 1.648

-------

50

CAPITULO 3 - SERIES ESTATISTICAS

Exporta~tao

-- -

lmp orta~iio

---

OL-~-.-.--.-.-~~-.~

198485 86

87 88

89

90

91

92

93

FONTE: Min . Industri a, Comercio e Turismo.

EXERCiCIOS (p. 29)


1. a. hist6rica
b. especffica

4.

g. 46,7%
h. 85,1%
i . 5,6%

d . 90,1%

e. 83,3%; -; 37,5%; 0%

c. geogratica
d. hist6rica

e. especffica-hist6rica
f. geogratica-hist6rica

IMPORTACAO DE MERCADORIAS
BRASIL - 1993
PAiSES
Arabia Saudita
Estados Unidos
Japao

QUANTI DADE
( t )

VALOR
(US$ 1.000)

14.839.804
10 .547.889
561.024

1.469.104
6.034.946
1.5 19.943

2.

a.

PRODUCAO BRASILEIRA
DE PETROLEO BRUTO
1991-93
mi1h6es m 3

b.

ENTREGA DE GASOLINA
PARA CONSUMO
BRASIL - 1988-91

milh6es m 3

40

,--

,--

,--

15
,--

12

30

,--

.--

,--

20

FONTE: Ministerio da Fazenda.

EXERCiCIOS (p. 36)

6
10
3

1. 42,9 + 25,7 + 22,0 + 9,4 = 100,0


2. a. 1,0%; 0,4%; 1,4%; 0%
b. 0,7%

1991 1992 1993

FONTE : Petrobr<is.

1988 1989 1990 199 1

FONTE: IBGE.

212

ESTATISTICA FACIL

3.

213

Coletanea de Questoes Objetivas

5.

a.

b.

PRODUCAO DE OVOS
DE GALINHA
BRASIL- 1992

Sudeste

PROPORCAO DOS DOMICiLIOS


POR CONDICAO DE OCUPACAO
%
BRASIL

PRODUCAO DE VEiCULOS DE
AUTOPROPULSAO
BRASIL- 1993

100..,---- -- - --

--,

75
Automoveis

I
1

Sui

50

Nordeste

25
Centro-Oeste

tJ

Norte

C=:J 1980
C=:J 1991
Pr6prios Alugados Cedidos
FONTE: IBGE.

6.
0

200

400

600
BOO 1.000
milhoes de duzias

300

600

900

1.200 mil

a.

b.
VENDA DE VACINAS
CONTRA AFTOSA
BRASIL - 1992

FONTE: IBGE .

PRECIPITACAO PLUVIOMETRICA
FLORIANOPOLIS - 1993

OUT.

4.
b.

a.
AREA TERRESTRE
BRASIL

80 milhoes US$

PRODUCAO DE FERRO-GUSA
BRASIL- 1993

200 mm

ABR.

FONTE: Sindan.

Norte

FONTE: Ministerio da Agricultura.

CAPITULO 5 - DISTRIBUIQiiO DE FREQUENCIA


EXERCiCIOS (p. 66)
Nordeste
Espfrito Santo

CentroOeste

1. NOTAS

30 t- 40 t- 50 t- 60 t- 70 t- 80 t- 90 t- 100

f .I

3. NOTAS

11

10

10

62 t- 68 t- 74 t- 80 t- 86 t- 92 t- 98 t- 104 t- 110
5

14

16

24

16

13

10

214

ESTATiSTICA FACIL

11

12

13

14

15

7. a. 900 c. 1.000
b. 800 d. 950
8.a.20

9. a.

b.15

70

60

d. 0,05; 0, 175; 0,475; 0,725; 0,925; 1,000

50

I. 29,5%
m. 19%

f. 76

i. 194
j . 138

c. 46

d. 20

e. 65,7%

n. 78%
o. i = 3

p. i = 5

40

30

20

10
0

~:

1; 3; 4; 5; 3; 2; 1; 1
fr;: 0,05; 0, 15; 0,2; 0,25; 0, 15; 0,1; 0,05; 0,05
F;: 1; 4; 8; 13; 16; 18; 19; 20
b. classes: 6 r- 8; 12 r- 14
x;: 3; 9; 11; 15
fi: 18; 11; 7
F;: 4; 12; 57; 100
fr;: 0,08; 0, 15; 0,11

600

BOO

1.000 1.200

4. a. 100 r- 110
b . 110
c. 139
d. 14

~
40 44 48 52 56 60

150 162

174

40 44 48 52 56 60

30
25
20
15
10
5
0
186

30
40
50
60
70
80
90

kg

em

Ill a/b

rrrrrrr-

40
50
60
70
86
90
100

F.I

fr.I

35
45
55
65
75
85
95

4
6
8
12
9
7
4

4
10
18
30
39
46
50

0,08
0,12
0,16
0,24
0,18
0,14
0,08

12

150

156

162

168

174

180 em
8

40
4

30
20
10
500 900

1.300 1.700 2.100 R$

e. U

f.I

L =50

F
50

20
16
12
8
4
0

8 12 16 20 24 28 32

X.I

11
9
7
5
3
1
0

c. J
d. J invertido

NOTAS

28
24
20
16
12
8
4
0

kg

II - a/b

~-.-.-.-.-.~~------~

6.

I- a/b

m'

500

900

'1 .'300 1 ./ 0b

l{$

20

40

Classes

e. 80 r- 90 e 90 r- 100; 40 r- 50 e 140 r- 150


f. 50 r- 60 e 120 t- 130
g. 48
h. 54

5. a. J invertido
b. J

1.

......,f"'-1--r-.-.--r-.-.~~....:"'~.300 400

EXERCiCIOS (p. 76)

10
8
6
4
2
0

80

c. 2; 7; 19; 29; 37; 40

g. 0,155
h. 262

e . 100

2 15

3.

2.

17

16

5 . fr;: 0,1; 0,25; 0,35; 0,225; 0,075


F;: 4; 14; 28; 37; 40
Fr;: 0,1; 0,35; 0,70; 0,925; 1,000
6. a. 40
b. 0,05; 0, 125; 0,3; 0,25; 0,2; 0,075

Coletonea de Quesloes Objetivas

60

80 100 120

Notas

L = 1,00

216

ESTATfSTICA FACIL

Coletonea de Questoes Objetivas

21 7

c.

7.

b.

a.
COEFICIENTE
LIQUIDEZ

0,0
3,0
6,0
9,0
12,0
15,0
18,0

IIIIIII-

f.I

50

14

3,0
6,0
9,0
12,0
15,0
18,0
21,0

9
14
11
8
3
4
1

12

40

10
8
6

30

20

L =50

0
3,0

6,0

9,0

12,0

15,0

18,0

2 1,0 Coef. liq .

10
'

8.

700

10

11

12

13

14

15 16 17

18

Classes

600
500
400
300

CAPITULO 6 - MEDIDAS DE POSIQAO

1-

EXERClCIOS (p. 105)

200

100

1. a.x=5,1;Md=5;Mo=5
b. x = 11; Md = 9; Mo = 7

0
0,5

1,5

2,5

3,5

4,5

5,5

6,5

7 ,5

8,5

9,510,0

2. a. R$ 96

Ne bul.

9. a/b

c. x = 49,8; Md = 49,5; ~ Mo
d. x = 15,1; Md = 15; ~ Mo

b. R$ 88

3. a. 7,9

b. 7,8

c. 7,2

4. a. 5,4

b. 5

c. 5

5 . a. 5,9

b. 6

c. 6

6. a. 64,5

b. 58,8

50

7 -2,5; -0,5; -3,5; 3,5; 2,5; -1 ,5; -4,5; 6,5


0

40

8. a. 5,3

b. 172.4 em c. R$ 843

d. 159,4 kg

30

9. a. 5,3

b. 174 em

c. R$ 810

d. 157,8 kg

b. 178 em

c. R$ 800

d. 148 kg

10. a. 5

20

11. a. 3,5 e 7,2

b. 166,2 em e 179,2 em

c. R$ 694 e R$ 947

d. 151 kg e 166 kg

10

12. P10 = 159,3 em

P90 = 183 em

0
6

10

12

14

16

18

Classes

13.

14.

P, = 151,1 em

P23 = 165,4 em

P 15 = 161,7 em

218

Coletonea de Questoes Objetivas

ESTATiSTICA FACIL

CAPITULO 7 - MEDIDAS DE DISPERS.iO OU DE


VARIABILIDADE

CAPITULO 9 - PROBABILIDADE
EXERCICIOS (p. 1351

1
2

b. 1_
13

1
c.4

d.l___
8

1
5

b.

10

1
c.25

d. 2_
25

1
12

b. _2_
9

5
c.12

d. 5
18

1
4

b. _2_
2

3
7

b.

1. a.-

EXERClCIOS (p . 1201

d. 20

c. 9,2

1. a. 8

b. 8

2. a. 6

b. 0,7

3. a. 2,96

b. 2,81

4. a. 1,51

b. 0,159

2. a.-

d. 7,04

c. 3,016

3. a.4. a.-

5. 1 ' 13
/

6. 4,45
7. a. 2,43

5. a.-

b. 8,8 em

c. R$ 229

d. 9,93 kg

___!__

6. __!_

8. 8,03%

13

9. Estatfstica

7. _1_

10. estatu ra
11. 3,72% e 3,71%, respectivamente; o segundo grupo

12. 5,41

1
11

8. a.-

b.~
33

19
c.33

9. 2_

13. 51,7

1
221

b. ___i__
663

1
8

b. 2_
8

1
8

3
b.8

3
c.8

d. _2_
8

1
6

1
b.6

25
c. 36

d.~

b.

3
c.5

d. 2_
5

10. a . 11. a.12. a.-

CAPITULO 8 - MEDIDAS DE ASSIMETRIA


MEDIDAS DE CURTOSE
EXERCICIOS (p. 1241
1. simetrica; assimetrica negativa; assimetrica positiva

13. a.-

1
14. a.50

3. a. assimetrica positiva

b. 0,364

4. 0,021

EXERCICIOS (p. 126)


1. a. 0,252; 0,263; 0,287

b. leptocurtica; mesocurtica; platicurtica


~

leptocurtica

___!__

1
3

b. _2_
11

1
18

b.

15. a.-

2. 0,283

2. 0,258 < 0,263

___!__

16. a.-

19
c.33

___!__

12

1
17. a.9

b.~

7
18. a.8

b.~

3
c.4

b. 2_
8

91
c. 120

3
8

19. a.-

36

18
8

c.

d. _2_
8

7
e.8

f. _2_
2

219

220

ESTATiSTICA FACIL

CAPITULO 10 - DISTRIBUIQOES BINOMIAL E


NORMAL
400
729

2.~

16

3. a . -

b. 665
729

4.

40
243

5. 9,8415%

1. 49,3; 74,9; 100,0; 158,1; 204,4; 285,7


3. R$ 541.491; R$ 557.227; R$ 612.500; R$ 851.255; R$ 826.058;
R$ 1.044.210; R$ 1.118.145

4. 2,57

EXERCiCIOS (p. 147)

5 . 20,75%

d. 0,2064

e. 0,9788
f. 0,1401

g. 0,2546
h. 0,72':>8

b. 0,9772
b. 0,6480
b. 0,8944

c. 0,8664
c. 0,6879
c. 0,0062

d. 0,5

1. a. 0,4251

c. 0,9104

b. 0,3023
2. a. 0,0228

3. a. 0,6338
4. a. 0,9998

EXERCiCIOS (p. 171)


2. R$ 315

EXERCiCIOS (p. 142)

1.~

APENDICE- INSTRUMENTAL MATEMATICO


RESOLVA (p. 174)

c. 0,4

CAPITULO 11- CORRELAQAO E REGRESS.AO


EXERCiCIOS (p. 158)
1. 0,98

2. b. 0,89

II

b. Y = 1 ,5X + 40
II
b. Y = 0,56X - 2,6

3. a. 0,99
4. a. 0,98

II

5. a. 0,94
6. a. -0,99

b.
b.
b.
b.

7. a. -0,90
8. a. 0,54

Y
II
Y
II
Y
II
Y

=
=
=
=

0,34X + 9,94
-11,4X + 76,6
-1 ,87X + 386,8
1,81X + 0,01

c. 47,5
c. 1.007,5 mm
d. 1.017 mm
c. R$ 12,66
II
c. y = 76,6
c. 27 4,6 e 162,4
II
c. X= 0,16Y + 0,40

1. a.
b.
c.
d.

EXERCiCIO (p. 164)

c. 91,4; 100,0; 86,2; 84,9


d. 1,104 X 1,170 X 1,218 = 1,573 e q 85 , 88 = 1,573
110 , - - - - - - - - - - - ,

EXERCiCIOS (p . 180)

1. __!_
7

a.2

b .__!_

c. 11

7. a._!_,~ 60
40 40 ' 40
8

c.-

b.~

d.l__

_lZ_
3

b.~' _!Q_' _]____


36

36

36

10

13

e.2

f.

16

c.

30

21

18'18' 18

e. 2

21
g.5

1
i.8

I. 9

f._]__

h. l_

5
j.3

m.-

n. 2

64
p.125

9
25

q.27

s.-

q. 5.000

t. 0,6

r. 3,2

u. 0,09

0.-

25

125

r. 1
7

EXERCiCIOS (p . 182)
~

"

1. a. 0,3

b. 1,28

c. 0,050

7
10

b. ____Jl_
100

c.--

2. a . 80

1.275
100

3. a. 64,4793

70

d. 4,5

d.~
1.000

d. 2,96

g. 82,5

j.

0,012

n. 70,9

b. 124,668

e. 0,045

h. 6,2

I.

3,3708

0.

c. 8,903

f. 1,539

i.

m. 0,099225

1.000

60
0

1991

l...

b._!_< l_ < _!
3
5
6

31
9. a . 20

d.

5. ____' 120

4. 15

24

100
90

i. 90,0

3. "descarregar" em 27

b.-; 109,2; 96,0; 97,3

h. 5,6

g. 6,8

2. "descarregar" em 0,31

1
3
5
8. a . - < - < -

a. 100,0; 103,3; 69,2; 76,2

f. 3,0

23,4; 48,9; 120,4; 234,8; 78,8; 130,0; 45,1; 12,4; 200,0


46,73; 253,65; 28,26; 123,84; 299,95; 37,48
27; 68; 128; 50; 68; 39
40; 270; 300; 60; 260; 300; 450; 260; 3.000

CAPITULO 12- NiJMEROS-INDICES

e. 328,4

d. 4,2

EXERCiCIOS (p : 175)

6.

e.

221

Coletanea de Questoes Objetivas

92

93

94

380

p. 0,009

s. 11,3

222

Coletanea de Questoes Objetivas

ESTATiSTICA FACIL

EXERC iCIOS (p . 199)

EXERCiCIOS (p. 185 )

223

2. y = Vx

b. 75%

c. 6%

2. a . 10

b.2_

C.-

3. a. 60

b . 22,5

1. a. 40%

d. 5%

e. 250%

d.2

e.-

a. y = x

b. 3x - 5y - 15 = 0

c. 2x + y

d. y = 2x - 1

40

4.

COLETANEA DE QUESTOES OBJETIVAS

d. 4,5

c. 56

1.
2.
3.
4.
5.
6.

4. 75

5 . 325. 000 sacas


6. 5%

c
c

c
b
a
b

7.
8.
9.
10.
11.
12.

d
b
b
a
b
b

13.
14.
15.
16.
17.
18.

d
b
e
a
d
c

19.
20 .
21.
22.
23 .
24.

c
a
b
b
b
d

25.
26.
27.
28.
29.
30.

b
b
e
e
a
a

31.
32.
33.
34.
35.
36.

a
e
d
e
b
c

37.
38.
39.
40.
41.
42.

c 43. b
a 44. c
b
d
e
a

7 . 1.500 m enin as e 1.00 0 men inos


ANEXO I

8 . 1. 050 e 126

TABELA DE NUMEROS ALEATORIOS

9 . R$ 18
10 . R$ 88 0

11 . R$ 180
12. R$ 83 e R$ 97
EXERCiCIOS (p. 188)

c. x, + x 2 + ... + x 5

1. a. x, + x 2 + .. . + x 8
4

i=4

i= 1

3. x, = 2; x 2 = 5; x 3 = 7; x 4 = 10; x 5 = 12; x 6 = 13;


4. a. 64

d. LX .
i=5

X7 =

15

d. 35

c. 57

b. 24

10

c. LX.

b. LX.1

2 . a . :Ex.
i=1

EXERCiCIOS (p. 190)

1. 0,502

4. 8,25

3. 7,94

2. 8, 17

EXERCiCIO (p. 191)

a. 8

b. 1

d. n 2

c. 3

5n + 6

EXERCiCIO (p. 193)

a. 56

b. 4.950

c. 1

EXERCiCIOS (p. 194)

1. a. 81y 4 + 108y3 + 54y 2 + 12y + 1

1
3
15
y5 + b. y6 + 64
8
4

y4 +

20y 3 + 60y 2 + 96y + 64

c. 32x 5 + 80x 4 + 80x 3 + 40x 2 + 1Ox + 1


2. a. 21 Op 6 q 4

b. 1.920b 3

c. 41 .184x 8 d . 5.670x 4

57720039848441796771402113975649865408932968745483
28805351590993988758702771771706320278621674696517
92591852873048869748352518887403629838586586424103
90381291743019758907506415597188137495305278301175
80911694675860820666904756184645111235324550411343
22017031329691927540165429727499009597610098243007
5 6 2 4 1 o o 4 3 o 2 o 4 6 2 9 9 o 5 3 5 3 1 1 o 5 8 4 4 1 1'1 6 4 1 9 1 9 7 6 2 9 5 1 6 2 6 o 6 6
79449262029686643000945669302059878735442250977819
53996645088978507753372577412762380223576201416035
18928735885505213651392850146685793019797266643145
53085896630561257022504128966266436306630132l98522
03588029287689511824888946474859192987031033996712
27078188656949980028047051300147189733218582454324
05210859010622249891811755446616077307661012317858
40361327843082333639694205586461123389278952667193
54602528858820001059610536613372010119016110512091
71516340767111737352373160458892734371280498090248
61020181739260667358533442682638340327449604466593
82559313463095265506961765917239799612495280632699
89985414217413576819862860894733152628774538480808
00998484146795137758901450794273633106604340125504
62415078204805884352980319939203049725849595036331
94279069246809921186076383193299511555710927026700
44892928843628251582877418972576106326760226745328
97307695332110542695666552049936584803089363581796
39165804448015595983909554668184396085388866333569
60781103266750340961313020769366308351093383647605
03192347628957779133884760593754394877674985384391
41285267562539599665513690322239330522990339979699
77549850392537425297100356049281668670014889558210
28634161916424838137344883279638716973067750256460
74244885401233596750149814264279791352896978804471
00240337964668750532421663332897263647277365383446
05414769694536167118955197220413239658600369487983
62698497974723665156130869115275592686818043009892
NOTA: 0 - 10

00- 100

000 -

1.000

etc .

F'ERTENCE

BlBLIOTECA

MART IN LUTHER POliTO VELHO - AO

224

ESTATlSTICA FACIL

ANEXO II
AREA SUBTENDIDA PELA
CURVA NORMAL REDUZIDA DE 0 A Z

0,0080
0478
0871
1255
1628

0,0120
0517
0910
1293
1664

0,0160
0557
0948
1331
1700

0,0199
0596
0987
1368
1736

0,0239
0636
1026
1406
1772

0,0279
0675
1064
1443
1808

0,0319
0714
1103
1480
1844

0,0359
0754
1141
1517
1879

1950
2291
2612
2910
3186

1985
2324
2642
2939
3212

2019
2357
2673
2967
3238

2054
2389
2704
2996
3264

2088
2422
2734
3023
3289

2123
2454
2764
3051
3315

2157
2486
2794
3078
3340

2190
2518
2823
3106
. 3365

2224
2549
2852
3133
3389

3413
3643
3849
4032
4192

3438
3665
3869
4049
4207

3461
3686
3888
4066
4222

3485
3708
3907
4082
4236

3508
3729
3925
4099
4251

3531
3749
3944
4115
.4265

3554
3770
3962
4131
4279

3577
3790
3980
4147
4292

3599
3810
3997
4162
4306

3621
3830
4015
4177
4319

1,5
1,6
1, 7
1,8
1,9

4332
4452
4554
4641
4713

4345
4463
4564
4649
4719

4357
4474
4573
4656
4726

4370
4484
4582
4664
4732

4382
4495
4591
4671
4738

4394
4505
4599
4678
4744

4406
4515
4608
4686
4750

4418
4525
4616
4693
4756

4429
4535
4625
4699
4761

4441
4545
4633
4706
4767

2,0
2,1
2,2
2,3
2,4

4772
4821
4861
4893
4918

4778
4826
4864
4896
4920

4783
4830
4868
4898
4922

4788
4834
4871
4901
4925

4793
4838
4875
4904
4927

4798
4842
4878
4906
4929

4803
4846
4881
4909
4931

4808
4850
4884
4911
4932

4812
4854
4887
4913
4934

4817
4857
4890
4916
4936

2,5
2,6
2,7
2,8
2,9

4938
4953
4965
4974
4981

4940
4955
4966
4975
4982

4941
4956
4967
4976
4982

4943
4957
4968
4977
4983

4945
4959
4969
4977
4984

4946
4960
4970
4978
4984

4948
4961
4971
4979
4985

4949
4962
4972
4979
4985

4951
. 4963
4973
4980
4986

4952
4964
4974
4981
4986

3,0
3;1
3,2
3,3
3,4

4987
4990
4993
4995
4997

4987
4991
4993
4995
4997

4987
4991
4994
4995
4997

4988
4991
4994
4996
4997

4988
4992
4994
4996
4997

4989
4992
4994
4996
4997

4989
4992
4994
4996
4997

4989
4992
4995
4996
4997

4990
4993
4995
4996
4997

4990
4993
4995
4997
4998

3,5
3,6
3,7
3,8
3,9

4998
4998
4999
4999
0,5000

4998
4998
4999
4999
0,5000

4998
4999
4999
4999
0,5000

4998
4999
4999
4999
0,5000

4998
4999
4999
4999
0,5000

4998
4999
4999
4999
0,5000

4998
4999
4999
4999
0,5000

4998
4999
4999
4999
0,5000

4998
4999
4999
4999
0,5000

4998
4999
4999
4999
0,5000

0,0
0,1
0,2
0,3
0,4

0,0000
0398
0793
1179
1554

0,0040
0438
0832
1217
1591

0,5
0,6
0,7
0,8
0,9

1915
2258
2580
2881
3159

1,0
1,1
1,2
1,3
1,4

Оценить