Apostila Estatistica Basica

Faculdades Integradas Maria Imaculada
Unidade Mogi Guau
Estatstica Bsica
Mrcio Lcio Dias Pereira
Novembro/2009
Estatstica Bsica
SUMRIO
CAPTULO 1 A NATUREZA DA ESTATSTICA
1.1. Mtodos cientficos.................................................................................03
1.2. A Estatstica ...........................................................................................03
1.3. Fases do mtodo estatstico...................................................................04
CAPTULO 2 POPULAO E AMOSTRA
2.1. Variveis estatsticas..............................................................................05
2.2. Populao e amostra..............................................................................05
2.3. Amostragem ...........................................................................................06
CAPTULO 3 TABELAS
3.1. Elementos de uma tabela.......................................................................07
3.2. Dados das clulas ..................................................................................08
CAPTULO 4 SRIES ESTATSTICAS
4.1. As sries estatsticas..............................................................................09
4.2. Sries conjugadas ..................................................................................10
CAPTULO 5 DISTRIBUIO DE FREQNCIAS
5.1. Tabela primitiva ......................................................................................11
5.2. Rol ..........................................................................................................12
5.3. Distribuio de freqncia ......................................................................12
5.4. Elementos de uma distribuio de freqncia........................................13
5.5. Tipos de freqncias ..............................................................................17
CAPTULO 6 GRFICOS ESTATSTICOS
6.1. Principais tipos de grficos.....................................................................19
6.2. Diagramas ..............................................................................................21
CAPTULO 7 MEDIDAS DE TENDNCIA CENTRAL
7.1. Mdia aritmtica .....................................................................................25
7.2. Moda ......................................................................................................26
7.3. Mediana..................................................................................................28
CAPTULO 8 MEDIDAS DE DISPERSO
8.1. Amplitude total........................................................................................32
8.2. Varincia ................................................................................................33
8.3. Desvio padro ........................................................................................36
8.4. Coeficiente de Variao .........................................................................38
CAPTULO 9 PROBABILIDADE
9.1. Conceito de probabilidade......................................................................41
9.2. Probabilidade condicional.......................................................................45
9.3. Teorema da multiplicao ......................................................................48
9.4. Teorema da soma ..................................................................................50
CAPTULO 10 DISTRIBUIO DE PROBABILIDADE
10.1. Varivel aleatria....................................................................................53
10.2. Funo de probabilidade ........................................................................53
10.3. Distribuio de probabilidade .................................................................54
10.4. Binmio de Newton ................................................................................55
10.5. Distribuio binomial ..............................................................................57
REFERNCIAS ...........................................................................................................62
2
Estatstica Bsica
CAPTULO 1
A NATUREZA DA ESTATSTICA
O domnio da Estatstica e suas aplicaes em vrias reas do conhecimento
humano tm sido cada vez mais reconhecidos pela sua importncia. A sua utilizao
prtica no dia-a-dia de quem trabalha nas reas da sade, educao, comrcio, indstria,
servios e sistema financeiro e outros segmentos mercadolgicos, mostra a necessidade
desse conhecimento.
Alm disso, podemos considerar a grande importncia da Estatstica para o meio
acadmico, onde podermos perceber que o interesse dos alunos e professores pela
aprendizagem das tcnicas estatsticas est relacionada a literatura especializada. Isso
pode ser facilmente observado nos projetos de iniciao cientfica, trabalhos de pesquisa,
teses e monografias.
Podemos afirmar que a conduo e a avaliao de uma pesquisa dependem, em
grande parte do conhecimento do pesquisador sobre estatstica, principalmente no que se
refere s limitaes das tcnicas utilizadas. A Estatstica trabalha com mtodos cientficos
para coleta, organizao, resumo e apresentao de dados e tambm para a obteno de
concluses e a tomada de decises razoveis.
1.1. Mtodos cientficos
Um mtodo um conjunto de meios dispostos convenientemente para se chegar a
um fim que se deseja.
Mtodo Experimental: Consiste em manter constantes todas as causas (fatores),
menos uma, e variar esta causa de modo que o pesquisador possa descobrir seus
efeitos, caso existam.
Mtodo Estatstico: Admite todas essas causas presentes variando-as,
registrando essas variaes e procurando determinar, no resultado final, que
influncias cabem a cada uma delas.
1.2. A Estatstica
uma parte da Matemtica Aplicada que fornece mtodos para coleta, organizao,
descrio, anlise e interpretao de dados e utilizao dos mesmos na tomada de
deciso.
Descritiva: Representa um conjunto de mtodos estatsticos que visam sumariar e
descrever os atributos mais importantes referentes aos dados. Permite a coleta, a
organizao e a descrio dos dados. A descrio dos dados coletados
comumente apresentada em tabelas, grficos e relatrios.
Estatstica Bsica
Inferencial: Tambm chamada de indutiva, representa um conjunto de mtodos
estatsticos que visam caracterizar ou inferir sobre uma populao a partir de uma
parte dela. Permite a analise e interpretao dos dados, tomando como base as
amostras estatsticas.
1.3. Fases do mtodo estatstico

Podemos distinguir no mtodo estatstico as seguintes
fases:
Definir o Problema: Formular corretamente o problema
sobre o qual dever ser realizada uma pesquisa. Deve-se
saber exatamente aquilo que se pretende pesquisar.
Planejamento: Determinar os procedimentos necessrios
para resolver o problema definido. Como levantar
informaes sobre o assunto objeto do estudo. Escolher e
formular corretamente as perguntas. Definir o tipo de
levantamento, as caractersticas mensurveis, o
cronograma de atividades, os custos envolvidos, etc.
Coleta de dados: o registro sistemtico dos dados
pesquisados. Pode ser direta, quando feita sobre
elementos
informativos
de
registro
obrigatrio
(nascimento, pronturios, etc.) ou coletados pelo prprio
pesquisador atravs de inquritos ou questionrios. Pode
ser indireta, quando inferida de elementos conhecidos
(coleta direta) ou do conhecimento de fenmenos
relacionados.
Apurao dos dados: Refere-se a fase de tabulao ou processamento dos
dados obtidos e a disposio mediante critrios de classificao. Pode ser feita de
forma manual, eletromecnica ou eletrnica.
Apresentao dos dados: Qualquer que seja a finalidade da pesquisa efetuada,
os dados devem ser apresentados sob uma forma adequada (tabelas, grficos,
etc.). Esse procedimento torna mais fcil o exame daquilo que est sendo objeto de
tratamento estatstico.
Anlise dos resultados: O objetivo da estatstica tirar concluses sobre o todo
(populao) a partir de informaes fornecidas por parte representativa deste todo
(amostra). Assim deve ser feita uma anlise atravs dos mtodos da Estatstica
Indutiva ou Inferencial.
Estatstica Bsica
CAPTULO 2
POPULAO E AMOSTRA
A Estatstica est baseada na teoria das probabilidades, cujo principal
objetivo nos auxiliar a tirar concluses, em situaes de incerteza, a partir de
informaes numricas de uma amostra. Portanto, entender o conceito de populao e
amostra se torna fundamental para a utilizao de todas as tcnicas estatsticas que
sero apresentadas.
2.1. Variveis estatsticas
A cada fenmeno corresponde um conjunto de resultados possveis. Como por
exemplo: sexo (masculino ou feminino), idade (10, 35, 60, ...), estatura (1,75; 1,87;
1,50, ...). Assim, uma varivel pode ser:
Qualitativa: Quando seus valores so expressos por atributos: pas de origem
(Brasil, Itlia, Espanha, etc.); cor da pele (branca, preta, amarela, etc.); grau e
instruo (analfabeto, fundamental, etc.).
Quantitativa: Quando seus valores so expressos em nmeros. Recebe o nome
de quantitativa contnua, quando pode assumir valores entre dois intervalos
(altura, peso, etc.), ou seja, valores que podem ser medidos. Recebe o nome de
quantitativa discreta quando pode assumir valores enumerveis (nmero de
filhos, nmero de alunos, etc.), ou seja, valores que podem ser contados.
2.2. Populao e amostra

Populao: Representa o conjunto de elementos que tm, em comum, pelo menos
uma determinada caracterstica. Em qualquer estudo estatstico pretendemos
pesquisar uma ou mais caractersticas dos elementos de alguma populao, por
exemplo: alunos que possuem algum animal de estimao, casais que possuem
mais de cinco filhos, etc.
Amostra: Na maioria das vezes, por alguma impossibilidade ou inviabilidade,
limitamos as observaes referentes a uma determinada pesquisa a apenas uma
parte da populao que chamamos de amostra. Portanto, uma amostra
representa um subconjunto finito de uma populao.
Estatstica Bsica
2.3. Amostragem
Existe uma tcnica para recolher amostras, que garante, tanto quanto possvel, o
acaso na escolha. Dessa forma, cada elemento da populao passa a ter a mesma
chance de ser escolhido, o que garante amostra o carter de representatividade.
Podemos ento, definir, algumas tcnicas para que ocorra esta amostragem:
Casual ou aleatria simples: Composta por elementos retirados ao acaso de uma
populao. Na prtica, pode ser realizada numerando-se a populao e sorteandose, a seguir, por meio de um dispositivo aleatrio qualquer.
Proporcional ou estratificada: Composta por elementos provenientes de estratos
da populao, que alm, de considerar a existncia dos estratos, obtm os
elementos da amostra proporcional ao nmero de elementos dos mesmos. Muitas
vezes a populao se divide em estratos, como por exemplo: sexo masculino e
sexo feminino.
Sistemtica: Quando os elementos da populao j se acham ordenados, no h
necessidade de construir os sistemas de referncia. Nestes casos, a seleo dos
elementos que constituiro a amostra pode ser feita por um sistema imposto pelo
pesquisador. Por exemplo: Em uma linha de produo de uma indstria, podemos
a cada 20 itens produzidos, retirar um para pertencer a uma amostra de produo
diria, neste caso, teramos fixado o tamanho da amostra em 20% da populao.
Estatstica Bsica
CAPTULO 3
TABELAS
Um dos objetivos da Estatstica sintetizar os valores que as variveis podem
assumir. Isso pode ser feito atravs da apresentao dos dados na forma de tabelas.
Uma tabela um quadro que resume um conjunto de observaes, fornecendo
informaes rpidas e seguras a respeito das variveis em estudo.
3.1. Elementos de uma tabela
A apresentao tabular (em tabelas) feita com a
disposio dos dados em linhas e colunas de
acordo com normas bem rgidas, de aplicao
mundial. No caso do Brasil, as regras foram definidas pela Fundao IBGE, para orientar a exposio racional e uniforme de dados estatsticos.
Para manter esta estruturao e uma padronizao de acordo com as normas, podemos definir
que uma tabela compe-se de elementos essenciais e complementares. Considerando a tabela
apresentada ao lado, vamos reescrev-la logo
abaixo, detalhando cada um dos seus elementos.
Estatstica Bsica
Elementos essenciais:
1. Corpo: Conjunto de linhas e colunas que contm informaes sobre as
variveis me estudo;
2. Cabealho: Parte superior da tabela que especifica o contedo das colunas;
3. Ttulo: Conjunto de informaes localizadas no topo da tabela, que permite
responder s seguintes perguntas sobre a mesma: O que?, Quando?, Onde?;
4. Linhas: Informaes dispostas horizontalmente, contendo os dados que se
inscrevem nos seus cruzamentos com as colunas;
5. Coluna indicadora: Especifica os contedos das linhas;
6. Clula: Espao destinado a um nico dado, cuja posio a interseco entre
uma linha com uma coluna (casa).
Elementos complementares:
7. Linha de total: Permite consultar os dados referentes s somatrias de
algumas das colunas;
8. Fonte: Indicao da origem dos dados, ou seja, a entidade ou pessoa
responsvel pelo seu fornecimento;
9. Notas: Permite conceituar ou esclarecer o contedo de uma tabela ou indicar a
metodologia empregada na coletas de dados.
10. Chamadas: Informaes especficas sobre partes da tabela, com objetivo de
esclarecer ou conceituar dos dados.
3.2. Dados das clulas

De acordo com a Resoluo 886 da Fundao IBGE, nas casas ou clulas
devemos colocar:
a) Um trao horizontal () quando o valor zero;
b) Trs pontos (...) quando no temos os dados;
c) Um ponto de interrogao (?) quando temos dvida quanto exatido de
determinado valor;
d) Zero (0) quando o valor muito pequeno para ser expresso pela unidade
utilizada.
Estatstica Bsica
CAPTULO 4
SRIES ESTATSTICAS
Denominados de srie estatstica toda tabela que apresenta a distribuio de um
conjunto de dados estatsticos em funo da poca, do local ou da espcie. Ento,
podemos inferir que numa srie estatstica observamos a existncia de trs fatores: o
tempo, o espao e a espcie.
4.1. As sries estatsticas
Sries histricas, cronolgicas, temporais ou marchas
Descrevem os valores da varivel em determinado instante, discriminados de
acordo com intervalos de tempo variveis. Veja um exemplo na tabela abaixo:
Sries geogrficas, espaciais, territoriais ou de localizao

Descrevem os valores da varivel em determinado local, discriminados de acordo
com as regies. Veja um exemplo na tabela abaixo:
Estatstica Bsica
Sries especficas ou categricas
Descrevem os valores da varivel em determinado tempo e local, discriminados, de
acordo com especificaes ou categorias. Veja um exemplo na tabela abaixo:
4.2. Sries conjugadas

Muitas vezes temos a necessidade de apresentar, em uma nica tabela, a variao
de valores de mais de uma varivel, isto , fazer uma conjugao de duas ou mais
sries.
Conjugando duas sries em uma nica tabela, obtemos uma tabela de dupla
entrada. Em uma tabela desse tipo ficam criadas duas ordens de classificao:
uma horizontal (linha) e uma vertical (coluna). Veja um exemplo na tabela abaixo:
10
Estatstica Bsica
CAPTULO 5
DISTRIBUIO DE FREQNCIAS
Nos captulos anteriores, vimos que uma das tarefas do estatstico a coleta de
dados. Assim, depois de apurar e reunir os dados, devemos condens-los e apresentlos. Essa apresentao pode ser feita em uma de modo a dar uma viso global daquilo
que ser analisado.
Cada tabela tem um objetivo diferente, servindo para mostrar os dados estatsticos
associados a um fato constituindo uma srie estatstica, apresentando elementos bsicos
tais como: tempo, espao e espcie. A srie chamada distribuio de freqncia
apresenta dados numricos em ambas as colunas que compem estas tabelas.
Para conhecer um fato preciso representar e tratar os dados, realizando clculos
de muitas medidas existentes na Estatstica, somente possveis para as distribuies de
freqncias. Elas so, por isso, as sries mais importantes e merecem ser estudadas com
bastante ateno.
Essa srie a mais complexa e utilizada das sries estatsticas. Nela, todos os
fatores (tempo, espao, espcie) so fixos. Os dados colhidos so medidas de alguma
varivel e so distribudas de acordo com a freqncia, ou seja, o total de vezes que o
dado acontece. Da o nome distribuio de freqncia.
5.1. Tabela primitiva
Pode ser definida como uma tabela cujos elementos no foram organizados
numericamente. As tabelas primitivas no do ao leitor uma viso rpida e global do
fenmeno (veja Figura 5.1).
Os dados ficam difceis de serem averiguados, mesmo sendo conhecidos os valores
das variveis, portanto, a maneira mais fcil de organizar estes dados atravs de
certa ordenao (crescente ou decrescente).
Figura 5.1
11
Estatstica Bsica
5.2. Rol
A tabela obtida aps uma ordenao especfica
dos dados recebe o nome de rol (veja a tabela ao
lado). Dessa forma, podemos identificar com
relativa facilidade alguns comportamentos das
variveis no grupo como um todo.
Ainda que os dados estejam organizados
numericamente, as tabelas com grande nmero
de dados so cansativas e dificultam a anlise
das informaes tabuladas, quando desejamos
informaes mais especficas sobre os fenomenos, como, por exemplo, a participao percentual da varivel em um intervalo.
5.3. Distribuio de freqncia

Nessa forma de apresentao das variveis, os dados colhidos so distribudos de
acordo com a freqncia (total de vezes que o dado aparece). Nessas distribuies,
os dados so dispostos ordenadamente em colunas, para facilitar o exame e
possibilitar o clculo de medidas estatsticas. H dois tipos de distribuio de
freqncias que podemos considerar.
Dados agrupados sem intervalos de classes
Nessa distribuio, todos os valores obtidos so
considerados e ordenados em uma nica coluna. Na outra
coluna, anotamos o nmero de vezes que cada valor
ocorreu, ou seja, a freqncia.
Esse tipo de distribuio chamado de distribuio de
dados agrupados sem intervalos de classes (veja a tabela
ao lado).
Distribuies com essa no contribuem muito para a anlise
dos dados e nem facilitam o clculo de medidas que
permitem a descrio numrica da srie, principalmente
quando possui um nmero muito grande de valores
diferentes.
12
Estatstica Bsica
Dados agrupados com intervalos de classes
Nessa forma de distribuio de freqncias, se faz o
agrupamento dos valores das variveis em vrios
intervalos. Este tipo de organizao de dados chamado
de distribuio de freqncia de dados agrupados com
intervalos de classes (veja a tabela ao lado). Chamamos
de classes, os intervalos de variao de uma
determinada varivel observada.
O que se pretende com esse tipo de tabela realar o
que h de essencial nos dados e, tambm tornar
possvel o uso de tcnicas analticas para sua total
descrio, at porque a Estatstica tem por finalidade
especifica analisar o conjunto de valores, e no os casos
isolados.
5.4. Elementos de uma distribuio de freqncia
Para facilitar o entendimento, vamos considerar a tabela de distribuio de freqncia
apresentada na tabela mostrada abaixo:
Classe
Classe de freqncia ou, simplesmente, classes so intervalos de variao de uma
varivel. As classes so representadas simbolicamente por i , sendo
i 1, 2, 3, ..., k (onde k o nmero total de classes da distribuio). Considerando
como exemplo a tabela mostrada logo acima, podemos afirmar que:
a) O intervalo 410 |
540 , define a primeira classe ( i 1 );
b) O intervalo 540 |
670 , define a segunda classe ( i 2 );
c) Como a distribuio mostrada na tabela formada de seis classes, podemos

afirmar que nesse caso, k 6 .
13
Estatstica Bsica
Um roteiro para construir uma tabela com distribuio de freqncias com
intervalos de classes
Para ilustrar como pode ser definida uma tabela de distribuio de freqncias com
intervalos de classe, utilizaremos como exemplo os dados da tabela apresentada
na tabela mostrada logo abaixo:
Ao construirmos a distribuio de freqncias por intervalos de classes, a partir dos

dados mostrados na Figura 5.4.2, podemos dizer que os principais estgios da
construo desta distribuio so os seguintes:
a) Determinar o intervalo total dos dados
Podemos definir que a amplitude total da distribuio (AT) a diferena entre o
limite superior da ltima classe (limite superior mximo) e o limite inferior da
primeira classe (limite inferior mnimo).
AT Lmax lmin
Considerando a tabela apresentada logo acima e, como estamos querendo
montar a tabela distribuio de freqncias por intervalos de classes, devemos
determinar o intervalo total dos dados dessa tabela, portanto:
Maior salrio: 1180
Menor salrio: 412
AT Lmax lmin AT 1180 412 AT 768

b) Definir o nmero de classes a ser adotado
De um modo geral recomendamos que as tabelas tenham no mnimo 4 classes
e no mximo 15. Para determinao do nmero de classes de uma distribuio
podemos utilizar algumas regras.
14
Estatstica Bsica
Regra prtica: Calcular a raiz quadrada do total de observaes da tabela
( n ). Para a tabela exemplo, teramos a seguintes valores:
n 40 (total de observaes da tabela).

k n k 40 k 6,324
Neste caso, podemos arredondar para 6, portanto, k 6 .
Isso significa que este um nmero adequado para a quantidade de classes
que esta tabela poderia ter.
Regra de Sturges: Fornece o nmero de classes ( k ) em funo do nmero
de valores da varivel ( n ) que representa o nmero de observaes da
tabela. Para a tabela exemplo, teramos a seguintes valores:
n 40 (total de observaes da tabela).

k 1 3, 222 log(n) k 1 3,222 log(40)
k 1 3, 222 1,602 k 6,162
Neste caso, podemos arredondar para 6, portanto, k 6 .
Isso significa que este um nmero adequado para a quantidade de classes
que esta tabela poderia ter.
c) Definir a amplitude das classes
Calculamos a amplitude de classes (h) dividindo a amplitude total (AT) pelo
nmero de classes ( k ). Para os dados da tabela da Figura 4.4.2 e
considerando os clculos obtidos anteriormente, teramos para a amplitude das
classes, o seguinte valor:
AT
768
h
h 128
k
6
Quando o resultado no exato, podemos arredond-lo para maior para tornar

mais prtica a formao das classes. Neste caso, portanto, ser adotada a
amplitude das classes para h 130 .
d) Estabelecer os intervalos preliminares
Para obtermos o primeiro intervalo de classe (1 classe), somamos ao limite
mnimo inferior da tabela ( lmin ) o valor obtido no clculo da amplitude das
classes (h), para obtermos o limite superior da primeira classe.
15
Estatstica Bsica
Para obtermos o segundo intervalo de classe (2 classe), consideramos o limite
superior da primeira classe como sendo o limite inferior da segunda classe,
ento, somamos a este o valor obtido no clculo da amplitude das classes (h),
para obtermos o limite superior da segunda classe.
Assim, sucessivamente iremos estruturando todos os intervalos de classes da
tabela. Uma observao importante, que para definir o valor do limite mnimo
da tabela, podemos adotar um valor arredondado para facilitar os clculos dos
intervalos de classe.
Por exemplo, para os dados constantes da tabela apresentada na Figura 5.4.2,
poderamos estabelecer para os intervalos preliminares de cada uma das
classes, os seguintes valores:
1 classe:
Limite inferior da tabela: 412 (arredondado para 410 )

Limite superior da classe: 410 h 410 130 540
Intervalo de classe: 410
2 classe:
540
Limite inferior da classe: 540

3 classe:
670

4 classe:
800

5 classe:
930

6 classe:
1060

1190
16
Estatstica Bsica
Observaes:
Para cada resultado obtido para uma varivel observada, dever haver uma
classe na qual este valor dever ser encaixado;
Cada resultado obtido para a varivel observada dever pertencer a uma, e
somente uma nica classe.
5.5. Tipos de freqncias

Para explicar cada um dos tipos de freqncias que sero apresentados, utilizaremos
como exemplo, as informaes constantes da tabela mostrada abaixo.
Ponto mdio da classe ( xi )

O ponto mdio de uma classe divide o intervalo da classe em duas partes iguais.
Para obtermos o ponto mdio de uma classe, podemos calcular a mdia aritmtica
entre o intervalo dessa classe. Veja estas informaes na tabela exemplo.
xi
li Li
2
Onde:
xi : Ponto mdio do intervalo de classe
li : Limite inferior da classe

Li : Limite superior da classe
17
Estatstica Bsica
Freqncia simples ou absoluta ( fi )
So os valores que realmente representam o nmero de dados (observaes) de
cada classe. A soma das freqncias simples igual ao nmero total dos dados
observados ( n ). Veja estas informaes na tabela exemplo.
f n
i
Freqncia simples relativa ( fri )

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

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

freqncias simples (
f i ) igual a 1 ou 100%, ou seja:
fr 1
i
ou
fr 100%
i
Freqncia acumulada ( Fi )
total das freqncias de todos os valores inferiores ao limite superior do intervalo
de uma dada classe. Veja estas informaes na tabela exemplo.
Fk f1 f 2 f k
Freqncia acumulada relativa ( Fri )

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

i
Fri
Fi
18
Estatstica Bsica
CAPTULO 6
GRFICOS ESTATSTICOS
O grfico estatstico uma forma de apresentao dos dados estatsticos cujo
objetivo o de produzir, no investigador ou no pblico em geral, uma impresso mais
rpida e viva do fenmeno em estudo.
Para tornarmos possvel uma representao grfica, estabelecemos uma
correspondncia entre os termos da srie e determinada figura geomtrica, de tal modo
que cada elemento da srie seja representado por uma figura proporcional. A
representao grfica de um fenmeno deve obedecer a certos requisitos fundamentais
para ser realmente til:
Simplicidade: O grfico deve ser destitudo de detalhes de importncia

secundria, assim como de traos desnecessrios que possam levar o
observador a uma anlise morosa ou com erros.
Clareza: O grfico deve possibilitar uma correta interpretao dos valores
representativos do fenmeno em estudo.
Veracidade: O grfico deve expressar a verdade sobre o fenmeno em estudo.
6.1. Principais tipos de grficos

Os principais tipos de grficos podem ser classificados em diagramas, cartogramas
e pictogramas. Nesse nosso estudo, sero abordados especificamente grficos do
tipo diagramas, no entanto, a ttulo de conhecimento, podemos citar tambm os
outros tipos.
Diagramas: So grficos geomtricos que utilizam em geral o sistema

cartesiano para represent-lo. Dentre os principais grficos desse tipo
podemos temos grfico de linhas ou curvas, grficos de colunas ou barras,
grficos de setores, histogramas e polgonos de freqncias.
Exemplos:
19
Estatstica Bsica
Cartogramas: So grficos cujas representaes so feitas em cartas

geogrficas. Este tipo de grfico empregado quando o objetivo o de figurar
os dados estatsticos diretamente relacionados com reas geogrficas ou
polticas.
Exemplos:
Pictogramas: Os grficos de pictogramas constituem um dos processos

grficos bem interessantes, comunica de maneira simples ao pblico, pela sua
forma ao mesmo tempo, atraente e sugestiva. Sua representao grfica
feita atravs de figuras relacionadas aos dados que esto sendo apresentados.
Exemplos:
20
Estatstica Bsica
6.2. Diagramas
Existem normas nacionais para a construo e grficos, ditadas pela Fundao
IBGE. Assim, importante que os grficos apresentem ttulo, escala e legenda. O
ttulo pode ser colocado tanto acima como abaixo do grfico. As escalas devem
crescer da esquerda para a direita ou de baixo para cima.
As legendas explicativas dever ser colocadas, de preferncia, direita do grfico.
Dentre os principais diagramas podemos destacar os grficos de barras, colunas,
linhas, curvas, setores, histogramas e polgonos de freqncias. Vejamos na
seqncia, cada um desses grficos:
Grfico de barras ou colunas

Os grficos de barras ou de colunas so usados para apresentar variveis
qualitativas ou ordinais. Para fazer estes tipos de grficos, primeiro traa-se o
sistema de eixos cartesianos.
Depois colocam-se, no eixo das abscissas (ou das ordenadas) as categorias da
varivel em estudo. Em seguida, constroem-se barras retangulares com base
no eixo das abscissas (ou das ordenadas) e com alturas (ou comprimentos)
proporcionais s freqncia dos dados.
Os grficos quando em colunas, so constitudos de retngulos que tm a
mesma base e as alturas so proporcionais aos dados estatsticos
representados. Quando em barras, os retngulos tm a mesma altura e os
comprimentos so proporcionais aos respectivos dados.
Exemplos:
21
Estatstica Bsica
Grfico em linhas ou curvas

O grfico de linhas ou curvas se utiliza da linha poligonal para representar a
srie estatstica. Constitui uma aplicao do processo de representao das
funes num sistema de coordenadas cartesianas.
Tendo determinado graficamente, todos os pontos da srie, usando as
coordenadas, ligamos todos esses pontos, dois a dois, por segmentos de reta,
o que ir representar uma poligonal, que o grfico em linha ou em curva
correspondente srie em estudo.
Exemplo:
Grfico de setores
Este grfico constitudo com base em um crculo, e empregado sempre que
desejamos ressaltar a participao do dado no total. Este total representado
pelo crculo que fica dividido em tantos setores quantas so as partes.
Os setores so tais que suas reas so respectivamente proporcionais aos
dados da srie. Obtemos cada setor por meio de uma regra de trs simples e
direta, lembrando que o total da srie corresponde a 360.
Exemplo:
22
Estatstica Bsica
Histograma
Os dados apresentados em tabelas de distribuio de freqncias em
intervalos de classes podem ser representados graficamente em atravs de
histogramas. Este tipo de grficos consiste em um conjunto de retngulos
contguos, tantos quantos forem as classes de uma distribuio representada.
O princpio de um histograma que as bases dos retngulos sejam
proporcionais aos intervalos das classes e que as alturas sejam proporcionais
s freqncias da distribuio, resultando, assim, em reas dos retngulos
tambm proporcionais s freqncias das classes.
Exemplo:
Polgono de freqncias
Os dados apresentados em tabelas de distribuio de freqncia em intervalos
de classes, tambm podem se apresentados em grficos denominados
polgonos de freqncia.
Para fazer esse tipo de grfico, primeiro se traa o sistema de eixos
cartesianos. Depois, se os intervalos de classes so iguais, marcam-se pontos
com abscissas iguais aos pontos mdios dos intervalos das classes e
ordenadas iguais s respectivas freqncias.
Para fechar o polgono, unem-se os extremos da figura com o eixo horizontal,
nos pontos de abscissas iguais aos pontos mdios de uma classe
imediatamente inferior primeira, e de uma classe imediatamente superior
ltima.
23
Estatstica Bsica
Exemplo1:
Exemplo 2:
24
Estatstica Bsica
CAPTULO 7
MEDIDAS DE TENDNCIA CENTRAL
As medidas de posio ou medidas de tendncia central so estatsticas que
representam uma srie de dados orientando-nos quanto posio da distribuio em
relao ao eixo horizontal. As mais importantes so as medidas de tendncia central,
onde os dados observados tendem, em geral, a se agrupar em torno dos valores centrais.
7.1. Mdia aritmtica
o quociente da diviso da soma dos valores da varivel pelo nmero total de
valores existentes na srie. Utilizamos a mdia quando desejamos obter a medida de
posio que possui maior estabilidade.
Em uma tabela com distribuio de freqncia de dados agrupados, para efetuar o
clculo da mdia aritmtica, devemos considerar as seguintes situaes:
Sem intervalos de classes: Neste caso as freqncias so nmeros indicadores
de intensidade de cada valor da varivel, funcionando como fatores de ponderao,
o que nos leva a calcular a mdia aritmtica ponderada, dada pela frmula:
X f
f
i
Onde:
X i : Valores da varivel
fi : Freqncia simples absoluta

Exemplo: Seja a tabela abaixo. Determine a mdia aritmtica da srie.
X f
f
i
846
44
X 19, 23
25
Estatstica Bsica
Com intervalo de classes: Neste caso, convencionamos que todos os valores

includos em um determinado intervalo de classe coincidem com o seu ponto
mdio, e determinamos a mdia aritmtica ponderada pela frmula:
X f
f
i
Onde:
X i : Ponto mdio da classe
fi : Freqncia simples absoluta

Observao: Para determinar o ponto mdio de cada um dos intervalos de
classe, podemos utilizar a seguinte frmula:
Xi
linfi lsupi
2
Onde:
linfi : Limite inferior do intervalo de classe
lsupi : Limite superior do intervalo de classe
Exemplo: Seja a tabela abaixo. Determine a mdia aritmtica da srie.
X f
f
i
2440
40
X 61
7.2. Moda
Moda a denominao dada ao resultado que aparece mais vezes em um conjunto
de dados, ou seja, o valor que ocorre com maior freqncia em uma srie de valores.
A moda utilizada quando desejamos obter uma medida rpida e aproximada de
posio ou ainda, quando a medida de posio deve ser o valor mais tpico da
distribuio.
26
Estatstica Bsica
Podemos encontrar sries que apresentem dois ou mais valores de concentrao,
neste caso, dizemos que estas sries possuem dois ou mais valores modais.
Entretanto, podemos encontrar sries nas quais no exista valor modal, isto , nas
quais nenhum valor aparea mais vezes que outros. Neste caso, dizemos que se trata
de uma srie amodal.
Em uma tabela com distribuio de freqncia de dados agrupados, para encontrar o
valor da moda, devemos considerar as seguintes situaes:
Sem intervalos de classes: Uma vez agrupados os dados, possvel determinar
a moda, fixando o valor da varivel de maior freqncia.
Exemplo 1: Seja a tabela abaixo. Determine a moda da srie.
Mo 20
A moda representa o valor da varivel de maior
freqncia da tabela ( f 2 13 ).
Com intervalo de classes: Consiste em tomar o ponto mdio da classe modal. A

classe modal representada pelo intervalo de classe que apresenta a maior
freqncia.
Mo
linfMo lsupMo
2
Onde:
linfMo : Limite inferior da classe modal
lsup Mo : Limite superior da classe modal
Exemplo 2: Seja a tabela abaixo. Determine a moda da srie.

Classe modal:
Mo
Mo
linf Mo lsupMo
2
158 162
2
Mo 160 cm
27
Estatstica Bsica
7.3. Mediana
A mediana definida como nmero que se encontra no centro de uma srie de
nmeros, estando estes dispostos segundo uma ordem. Este valor separa
exatamente ao meio uma srie, quando seus valores esto em ordem crescente ou
decrescente.
A mediana de um conjunto de valores ordenados o valor situado de tal forma nesse
conjunto, que o separa em dois subconjuntos de mesmo nmero de elementos.
Empregamos a mediana quando desejamos obter o ponto que divide a distribuio
em partes iguais. Ou ainda, quando h valores extremos que afetam de uma maneira
acentuada o clculo da mdia aritmtica. Em uma tabela com distribuio de
freqncia de dados agrupados, para calcular o valor da mediana, devemos
considerar as seguintes situaes:
Sem intervalos de classes: Neste caso, identificamos a freqncia acumulada
imediatamente superior metade da soma das freqncias. A mediana, ento,
ser o valor da varivel que corresponde a tal freqncia acumulada. Devemos
considera duas situaes possveis.
a) Quando o somatrio da freqncia simples absoluta ( fi ) for um nmero
mpar o valor mediano ser o termo de ordem dado pela frmula:
Onde:
Termo : Valor correspondente a posio obtida
fi : Somatrio da freqncia simples absoluta
Exemplo 1: Seja a tabela abaixo. Determine a mediana da srie.
28
Estatstica Bsica
b) Quando o somatrio da freqncia simples absoluta ( fi ) for um nmero par o
valor mediano ser o termo de ordem dado pela frmula:
Onde:
Termo : Valor correspondente a posio obtida
Exemplo 2: Seja a tabela abaixo. Determine a mediana da srie.
Com intervalo de classes: Neste caso, devemos determinar o ponto do intervalo

em que est compreendido a mediana. Portanto, temos que encontrar a classe na
qual se acha a mediana (classe mediana). Na prtica, para determinar a mediana
numa srie com intervalos de classes, executamos os seguintes passos:
a) Determinamos a freqncia simples acumulada dos intervalos de classes ( Fi )
b) Calculamos a posio ou lugar da classe mediana ( LMd ), para determinar o
intervalo de classe onde a mediana dever situar-se. Para isso utilizamos a
seguinte frmula:
LMd
29
Estatstica Bsica
Onde:
LMd : Posio (lugar) da classe mediana
c) Marcamos a classe correspondente freqncia simples acumulada que seja
F
imediatamente anterior a classe mediana ( antMd ).
d) Aplicamos a seguinte frmula para o clculo da mediana ( Md ).
Md linf Md
fi
FantMd
2
f Md
hMd
Onde:
linf Md : Limite inferior da classe mediana
: Somatrio da freqncia simples absoluta
hMd : Amplitude do intervalo da classe mediana

f Md : Freqncia simples absoluta da classe mediana
FantMd : Freqncia acumulada da classe anterior classe mediana
Exemplo: Seja a tabela abaixo. Determine a mediana da srie.
Resoluo:
a) Calcular a Freqncia Acumulada ( Fi ) dos intervalos de classes (estes
valores esto calculados na tabela acima).
30
Estatstica Bsica
b) Calcular o lugar da classe mediana:
LMd
LMd
40
LMd 20
2
Logo, a classe mediana ser:
c) Marcar freqncia acumulada da classe anterior classe mediana:

FantMd 13
d) Aplicar a frmula para calcular a mediana:
Md linf Md
fi
FantMd
2
f Md
hMd
40
2 13
20 13
7
Md 58
4 Md 58
4 Md 58 4
11
11
11
Md 58 0,6363 4 Md 58 2,54 Md 60,54
31
Estatstica Bsica
CAPTULO 8
MEDIDAS DE DISPERSO
Para avaliar quantitativamente o grau de variabilidade ou disperso dos valores de
um conjunto de nmeros em torno do valor mdio lanaremos mo das estatsticas
denominadas medidas de disperso. As principais so: a amplitude total, a varincia, o
desvio padro e o coeficiente de variao de Person.
So medidas utilizadas para medir o grau de variabilidade dos valores observados
em torno da mdia aritmtica. Medem a representatividade da mdia e proporcionam o
conhecimento do nvel de homogeneidade ou heterogeneidade dentro de cada grupo
analisado.
8.1. Amplitude total
A amplitude total corresponde diferena entre o maior e o menor valor da srie de
dados, ou seja, distncia entre os valores extremos. a forma mais simples de
avaliar a disperso dos dados, de tal modo que quanto maior for a amplitude total
maior a disperso dos dados.
Este valor, porm, no mede bem a disperso dos dados porque, em seu clculo,
usam-se apenas os valores extremos, e no todos os dados da amostra. Os valores
extremos so muito variveis com relao a amostra que se retire de uma
populao, de tal modo que duas distribuies podem ter a mesma amplitude total,
mas disperses muito diferentes.
Outro inconveniente da amplitude total consequncia de no tomar em
considerao as frequncias das observaes. No entanto, a amplitude muito
utilizada, principalmente porque fcil de calcular e interpretar. Para calcular esta
medida, podemos considerar as seguintes situaes:
Sem intervalos de classes: Quando os dados estiverem organizados dessa
forma, voc poder calcular a amplitude total utilizando a seguinte expresso:
AT xmax xmin
Onde:
xmax : Maior valor da tabela
xmin : Menor valor da tabela
32
Estatstica Bsica
Exemplo: Seja a tabela abaixo. Determine a amplitude total.
AT xmax xmin
Tabela 1
xi
fi
12
AT 4 0
AT 4
Com intervalos de classes: Quando os dados estiverem organizados dessa

forma, voc poder calcular a amplitude total utilizando a seguinte expresso:
AT lmax lmin
Onde:
lmax : Limite superior da ltima classe
lmin : Limite inferior da primeira classe

Exemplo: Seja a tabela abaixo. Determine a amplitude total.
AT lmax lmin
Tabela 2
classes
fi
50 | 54
55 | 58
58 | 62
11
Total
14
AT 62 50
AT 12
8.2. Varincia
Os dados distribuem-se em torno da mdia, ento, o grau de disperso de um
conjunto de dados pode ser medido pelos desvios em relao mdia. Para medir a
disperso dos valores da srie em relao mdia, pode-se pensar que basta
simplesmente somar os desvios em relao mdia.
Porm, se fizer esta experincia verificar que no foi uma boa idia, porque a soma
dos desvios sempre igual a zero. Assim ser necessrio considerar os desvios
independentemente do sinal da diferena.
33
Estatstica Bsica
E isso ser feito por meio do clculo da diferena ao quadrado. Tem-se ento, que a
varincia baseia-se nos desvios em torno da mdia aritmtica, porm, determinando a
mdia aritmtica dos quadrados dos desvios.
Varincia populacional: Quando o conjunto das observaes uma populao,
chamada de varincia da populao ou varincia populacional. A varincia
populacional dada por:
x x
Onde:
2 : Varincia populacional
n : Tamanho da populao ( n fi )
xi : Ponto mdio de cada classe

x : Mdia aritmtica da populao
f i : Freqncia absoluta de cada classe
Quando j se tm os dados organizados em uma tabela, pode-se calcular a
varincia amostral pela seguinte frmula:
f i xi
f i xi2
n
n
Na prtica, quando lidamos com grandes populaes, quase sempre impossvel

achar o valor exato da varincia da populao, devido ao tempo, custo e outras
restries aos recursos.
Varincia amostral: Se o conjunto das observaes uma amostra estatstica,

chamamos de varincia da amostra ou varincia amostral. A varincia amostral
dada por:
s2
(x x )
n 1
34
Estatstica Bsica
Onde:
s 2 : Varincia amostral
n : Tamanho da amostra da populao ( n fi )

x : Mdia aritmtica da amostra
Com relao a diferena entre as frmulas podemos observar que para o caso da
2
varincia populacional ( ), utiliza-se a mdia populacional ( x ) tendo como
denominador o tamanho da populao ( n ). Para o clculo da varincia amostral
2
( s ), utiliza-se a mdia amostral ( x ), tendo como denominador o tamanho da

amostra menos ( n 1).
Quando j se tm os dados organizados em uma tabela, pode-se calcular a
varincia amostral pela seguinte frmula:
s
2
f i xi
fi xi2
n
n 1
Exemplo: Considerando os dados apresentados na tabela abaixo, calcular a

varincia amostral tabela.
Resoluo:
2
2
f i xi
6.440
2
f
x
1.038.080
i i
n
40
s2
s2
n 1
40 1
41.473.600
1.038.080
1.038.080 1.036.840
40
s2
s2
39
39
1.240
s2
s 2 31,7948
39
35
Estatstica Bsica
Informaes importantes:
A importncia de estudarmos a varincia dos dados est no fato da possibilidade
de compararmos distribuies amostrais e populacionais. Neste sentido, quanto
maior a varincia, menor ser a concentrao dos dados em torno da mdia. Por
outro lado, quanto menor a varincia, mais homognea ser a distribuio de
freqncias.
A varincia uma medida de disperso extremamente importante na teoria
estatstica. Do ponto de vista prtico, ela tem o inconveniente de se expressar uma
unidade quadrtica em relao da varivel em questo, o que nem sempre faz
sentido.
A varincia dada sempre no quadrado da unidade de medida da srie. Se os
dados so expresses em metros, a varincia expressa em metros quadrados.
Em algumas situaes, a unidade de medida da varincia nem faz sentido, por
exemplo, quando os dados da srie forem expressos em litros, a varincia ser
expressa em litros quadrados.
Portanto, o valor da varincia no pode ser comparado diretamente com os dados
da srie, ou seja, a varincia no tem interpretao. Exatamente para suprir esta
deficincia que se define o desvio padro, que ser explicado posteriormente.
8.3. Desvio padro

Com j mencionamos, o uso prtico da varincia muitas vezes se torna inconveniente
visto que expressa pelo quadrado da varivel em estudo. Para contornar o problema
da unidade, define-se o desvio padro.
Podemos considerar, sem dvida, que o desvio padro a mais importante das
medidas de disperso. fundamental que ao ser analisado, consiga-se relacionar o
valor obtido dessa medida com os dados da srie.
O desvio padro ter sempre a mesma unidade de medida da srie, portanto admite
interpretao. Como se pode calcular a varincia populacional e tambm a varincia
amostral, tambm possvel calcular os valores para o desvio padro populacional e
amostral respectivamente.
Desvio padro populacional: Voc poder calcular o desvio padro populacional
utilizando a seguinte expresso:
(x
x )2
n 1
36
Estatstica Bsica
Onde:
: Desvio padro populacional

Quando j se tm os dados organizados em uma tabela, pode-se calcular a desvio
padro pela seguinte frmula:
f i xi
f i x i2
n
n 1
Desvio padro amostral: Voc poder calcular o desvio padro populacional

utilizando a seguinte expresso:
(x
x )2
n 1
Onde:
s : Desvio padro amostral

Quando j se tm os dados organizados em uma tabela, pode-se calcular a desvio
padro pela seguinte frmula:
f i xi
f i x i2
n
n 1
37
Estatstica Bsica
Exemplo: Considerando os dados apresentados na tabela abaixo, calcular a
varincia amostral e o desvio padro para a tabela.
Resoluo:
2
2
fi xi
6.440
2
f
x
1.038.080
i i
n
2
2
40
s
s
40 1
n 1
41.473.600
1.038.080
1.038.080 1.036.840
40
s2
s2
39
39
1.240
s2
s 2 31,7948 (varincia)
39
s 31,7948 s 5,6386 (desviopadro)
8.4. Coeficiente de variao

O coeficiente de variao uma medida adimensional de disperso, sendo definida
como o quociente entre o desvio padro e a mdia aritmtica. O resultado
multiplicado por 100, para que o coeficiente de variao seja dado em porcentagem.
Coeficiente de variao populacional: Voc poder calcular o coeficiente de
variao populacional utilizando a seguinte expresso:
CV
100
x
Onde:
CV : Coeficiente de variao populacional
: Desvio padro populacional
x : Mdia aritmtica da populao
38
Estatstica Bsica
Coeficiente de variao amostral: Voc poder calcular o coeficiente de variao
amostral utilizando a seguinte expresso:
CV
s
1 00
x
Onde:
CV : Coeficiente de variao populacional
s : Desvio padro amostral
x : Mdia aritmtica da amostra da populao
Informaes importantes: Se tivermos que comparar duas ou mais variveis, isto
s ser possvel com as estatsticas at aqui estudadas, se forem satisfeitas as
seguintes condies:
a) Ambas as variveis devero possuir a mesma unidade de medida;
b) Ambas as variveis devero possuir a mesma quantidade de observaes, pois
a que tiver mais elementos ter maior probabilidade de ser mais heterognea.
Quando estas condies no forem satisfeitas, devemos utilizar o coeficiente de
variao de Pearson. Para entender com se interpreta o coeficiente de variao,
imagine dois grupos de pessoas, onde, no primeiro grupo, as pessoas as seguintes
idades: 3, 1 e 5 anos. No segundo grupo, as pessoas tm as seguintes idades: 55,
57 e 53 anos.
No primeiro grupo, a mdia de idade de 3 anos ( x 3 ) e no segundo grupo a
mdia de idade de 55 anos ( x 55 ). Nos dois grupos a disperso dos dados a
mesma. Ambos tm a mesma varincia ( s 2 4 ). Veja os clculos:
Para o primeiro grupo, temos:
x
3 1 5
9
x x 3 (mdia aritmtica)
3
3
x1 x 3 3 02 0
2
2
2
x2 x 1 3 2
2
2
x3 x 5 3 22 4
2
s2
(x x )
i
n 1
4 ( xi x ) 2 0 4 4 8
s2
8
8
s 2 s 2 4 (varincia)
3 1
2
39
Estatstica Bsica
Para o segundo grupo, temos:
x
55 57 53
165
x
x 55 (mdia aritmtica)
3
3
x1 x 55 55 02 0
2
2
x2 x 57 55 22 4
2
2
2
x3 x 53 55 2
2
s2
(x x )
i
n 1
2
( xi x ) 0 4 4 8
s2
8
8
s 2 s 2 4 (varincia)
3 1
2
Mas as diferenas de dois anos so muito mais importantes no primeiro grupo,

quem tem mdia igual a 3, do que no segundo grupo, que tem mdia igual a 55.
Agora, veja os coeficientes de variao de cada um dos grupos.
Para o primeiro grupo, temos:
s2 4
s
4 s 2
s
CV
100
x
2
C V 10 0 C V 66, 6 7 %
3
Para o segundo grupo, temos:
s2 4
s
4 s 2
s
CV
100
x
2
1 0 0 C V 3, 6 4 %
CV
55
Um coeficiente de variao igual a 66,67% indica que a disperso dos dados em
relao mdia muito grande, ou seja, a disperso relativa muito alta. J um
coeficiente de variao de 3,64% indica que a disperso dos dados em relao
mdia pequena.
Em outras palavras, diferenas de 2 anos so relativamente mais importante no
primeiro grupo, que tem mdia 3 e coeficiente de variao 66,67% do que no
segundo grupo que tem mdia 55 e coeficiente de variao 3,64%. Ento, o
coeficiente de variao mede disperso em relao mdia.
40
Estatstica Bsica
CAPTULO 9
PROBABILIDADE
O pesquisador, quando realiza uma pesquisa, observa alguns casos, no entanto,
quer se referir a todos os casos similares, ou seja, ele tem dados de uma amostra e quer
se referir a toda populao. Assim, partindo dessa amostra, pode inferir (deduzir, concluir)
para toda uma populao.
Na estatstica inferencial os mtodos estatsticos so usados para que se possam
tirar concluses, estimaes, predies e generalizaes sobre todo um conjunto de
dados, estudando apenas parte dele. Para se fazer as inferncias estatsticas utilizam-se
das teorias probabilsticas para explicar a frequncia da ocorrncia de eventos, tanto em
estudos observacionais quanto em experimentos.
9.1. Conceito de probabilidade
O estudo da probabilidade tem seus primrdios ligados aos jogos de azar. Esta
origem permitiu conceituar probabilidade. Se por exemplo, lanarmos um dado,
podemos admitir que h seis resultados igualmente provveis (1, 2, 3, 4, 5 ou 6), ou
ainda se lanarmos uma moeda podemos observar que h duas possibilidades de
observarmos o resultado da face de cima (cara ou coroa).
No entanto, para que possamos entender o conceito de probabilidade de forma mais
tcnica necessrio abordar outras questes bsicas que serviro apoio para esse
entendimento como: experimentos aleatrios, espao amostral, evento.
Experimentos aleatrios: So aqueles que, repetidos em idnticas condies,
produzem resultados que no podem ser previstos com certeza. Assim, um
experimento dito aleatrio, quando satisfaz s seguintes condies:
a) Cada experimento poder ser repetido um grande nmero de vezes sob as
mesmas condies;
b) Embora no saibamos qual o resultado que ir ocorrer, em geral conseguimos
descrever o conjunto de todos os resultados possveis que podem ocorrer;
c) Obedece regularidade estatstica nos resultados, isto , torna-se possvel
construir um modelo matemtico preciso com o qual se analisar o
experimento.
As variaes de resultados, de experimentos para experimento, so devidas a uma
multiplicidade de causas que no podemos controlar, as quais denominamos
acaso. Como exemplos de experimentos aleatrios podemos citar:
a) Ao lanarmos uma moeda, no podemos prever qual das duas faces ficar
voltada para cima. No entanto, sabemos que podem ocorrer as faces cara ou
coroa.
41
Estatstica Bsica
b) Ao lanarmos um dado, no podemos prever qual nmero ficar voltado para a
face de cima. No entanto, sabemos que podem ocorrer os nmeros 1, 2, 3, 4, 5
ou 6.
c) Quando selecionamos uma carta de um baralho de 52 cartas, no podemos
prever qual ser ou seu valor (nmero ou naipe). Porm, podem calcular quais
as possibilidades de ocorrer um s de espadas, por exemplo.
Observe que os experimentos aleatrios podem ser repetidos inmeras vezes,
assim, conhecemos os resultados possveis, porm, o resultado de cada
experimento no previsvel. Esses resultados so chamados probabilsticos.
Por outro lado, experimentos previsveis mesmo antes de realizado so chamados
de determinsticos. Neste caso, repetindo o experimento, nas mesmas condies, o
resultado sempre o mesmo. Podemos citar alguns exemplos deste caso:
a) Sujeita presso de 1 atmosfera, podemos prever que a gua entrar em
ebulio temperatura de 100 C.
b) Se um corpo percorre uma distncia de 120 km, de um determinado espao,
com velocidade mdia de 60 km/h, podemos determinar, pelas leis da Fsica,
que ele gastar 2 horas para percorrer o referido espao.
Espao amostral: Chamamos de espao amostral, um conjunto formado por todos
os resultados possveis de um experimento aleatrio. Podemos indicar o espao
amostral por S (space) ou pelo smbolo (mega). A cada experimento aleatrio,
em geral, h vrios resultados possveis, por exemplo:
a) Lanar uma moeda e observar a face de cima. Os resultados possveis ou o
espao amostral desse experimento aleatrio pode ser:
cara, coroa
b) Lanar um dado e observar o nmero da face de cima. Os resultados possveis
ou o espao amostral desse experimento aleatrio pode ser:
1, 2,3, 4,5, 6
c) Lanar dois dados e observar os nmeros das faces de cima. Os resultados
possveis ou o espao amostral desse experimento aleatrio pode ser:
(1,1), (1, 2), (1,3), (1, 4), (1,5), (1, 6), (2,1), (2, 2), (2,3), (2, 4), (2,5), (2,6),
(3,1),(3, 2), (3,3),(3, 4), (3,5), (3, 6), (4,1),(4, 2), (4,3), (4, 4), (4,5), (4,6),
(5,1), (5, 2), (5,3), (5, 4), (5,5), (5, 6), (6,1), (6, 2), (6,3), (6, 4), (6,5), (6, 6)
Evento: Consideremos um experimento aleatrio, cujo espao amostral .

Chamamos de evento todo subconjunto desse espao amostral . Em geral
indicamos um evento por uma letra maiscula do alfabeto: A, B, C ,..., X , Y , Z .
42
Estatstica Bsica
Portanto, diremos que um evento A ocorre se, realizado o experimento, o resultado
obtido for pertencente a A . Vejamos alguns exemplos:
a) Um dado lanado e observa-se o nmero da face de cima.
Espao amostral: 1, 2,3, 4,5, 6
Evento A : Ocorrncia de nmero mpar. A 1,3,5
Evento B : Ocorrncia de nmero par. B 2, 4,6
Evento C : Ocorrncia de nmero mltiplo de 3. C 3, 6
Evento D : Ocorrncia de nmero maior ou igual 7. D (evento impossvel)
b) Duas moedas so lanadas e observa-se a sequncia de caras e coroas.
Espao amostral ( K = cara e C = coroa): ( K , C ), ( K , C ), (C , K ),(C , C )
Evento A : Ocorrncia de uma cara. A ( K , C ), (C , K )
Evento B : Ocorrncia de duas caras. B ( K , K )
Evento D : Ocorrncia de pelo menos uma coroa. D (C , K ), ( K , C ), (C , C )
Eventos mutuamente exclusivos: Dizemos que dois eventos so mutuamente

exclusivos quando a ocorrncia de um impossibilita (ou exclui) a ocorrncia do
outro, ou seja, se A e B so eventos mutuamente exclusivos contidos em ,
ento, A B .
Exemplos: Seja o lanamento de um dado e os eventos:

Evento A : Ocorrncia de nmeros pares. A 2, 4,6
Evento B : Ocorrncia de nmeros mpares. B 1,3,5
Eventos complementares: Dizemos que dois eventos so complementares, se a

unio entre eles resulta no espao amostral e se a interseo resulta num evento
impossvel, ou seja, se C e D so eventos complementares contidos em , ento,
CD e CD
43
Estatstica Bsica
Exemplos: Seja o lanamento de um dado e os eventos:
Evento C : Ocorrncia de nmeros mpares. C 1,3,5
Evento C : Ocorrncia de nmeros no mpares. C 2, 4,6 ou C 2, 4,6
Evento D : Ocorrncia de nmeros pares. D 2, 4,6
Evento D : Ocorrncia de nmeros no pares. D 1,3,5 ou D 1,3,5
Os eventos C e D so complementares, ou seja, C D e D C .
Probabilidade: Dado um experimento aleatrio, sendo o seu espao amostral,

vamos admitir que todos os elementos de tenham a mesma chance de
acontecer, ou seja, que o espao amostral um conjunto equiprovvel.
Chamamos de probabilidade de um evento A , onde A , o nmero real P ( A) , tal
que:
P ( A)
n( A)
n( )
Ento, podemos dizer que a probabilidade um nmero entre 0 e 1 utilizado para

exprimir o grau de certeza acerca da ocorrncia de um evento associado a um
experimento aleatrio.
Vejamos alguns exemplos:
a) Considerando o lanamento de duas moedas e sendo A o evento, obter pelo
menos uma cara, temos:
( K , C ), ( K , C ),(C , K ), (C , C ) n() 4
A ( K , C ), ( K , C ), (C , K ) n( A) 3
n( A)
3
P( A) ou P ( A) 0, 75
n ( )
4
Ou ainda, P ( A) 0, 75 P ( A) 0,75 100 P ( A) 75%
Logo, P( A)
O resultado acima nos permite afirmar que, ao lanarmos duas moedas

equilibradas, temos 75% de chance de que aparea pelo menos uma cara na
face superior.
44
Estatstica Bsica
b) Considerando o lanamento simultneo de dois dados diferentes e sendo B o
evento ocorrer a soma dois nmeros igual a 5, temos:
(1,1), (1, 2), (1, 3), (1, 4), (1,5), (1, 6), (2,1), (2, 2), (2,3), (2, 4), (2,5), (2, 6),
(3,1), (3, 2),(3,3), (3, 4),(3,5),(3, 6), (4,1), (4, 2), (4,3), (4, 4),(4,5), (4, 6),
(5,1), (5, 2),(5,3), (5, 4),(5,5),(5, 6),(6,1), (6, 2),(6,3), (6, 4),(6,5),(6, 6)
B (1, 4),(4,1), (3, 2), (2,3) n( B) 4

Logo, P( B)
n( B )
4 1
P( B)
ou P ( B ) 0,1111
36 9
n( )
Ou ainda, P ( B ) 0,1111 100 P ( B ) 11,11%

O resultado acima nos permite afirmar que, ao lanarmos dois dados
simultaneamente, temos 11,11% de chance de que aparea a soma de dois
nmeros igual a 5, na face superior.
Teoremas: Podem ser definidos alguns teoremas sobre probabilidades em um
espao amostral finito.
Teorema 1: A probabilidade do evento certo igual a 1, ento, P () 1
Teorema 2: Se A e B so eventos de um mesmo espao amostral e se A B ,
ento, temos que: P A P B .
Teorema 3: A probabilidade de um evento A , um nmero real P ( A) , tal que,

0 P ( A) 1
Teorema 4: Se A o complementar de A , ento, P A 1 P A
Teorema 5: Se um evento impossvel, ento, P () 0
9.2. Probabilidade condicional

Muitas vezes, dois eventos relacionam-se entre si de tal modo que a probabilidade de
um ocorrer dependa da ocorrncia do outro. Analisando de forma mais detalhada esta
situao, vamos considerar as seguintes afirmaes:
45
Estatstica Bsica
Seja um espao amostral e consideremos dois eventos, A e B . Podemos
representar com o smbolo P A | B que se l probabilidade de A , dado B , ou seja, a
probabilidade condicional do evento A ocorrer, uma vez que o evento B j tenha
ocorrido.
Ao calcularmos P A | B , tudo se passa como se B fosse o novo espao amostral
reduzido, dentro do qual queremos calcular a probabilidade de A . Os exemplos
propostos na sequncia ilustram a idia de probabilidade condicional, ou seja, a idia
de ocorrer um evento pode ser modificada quando se impe uma determinada
condio.
Exemplo 1: O conceito de probabilidade permite responder a questes do tipo:
Qual a probabilidade de ocorrer um s de espadas, quando se retira ao acaso uma
carta do baralho?. Para responder a esta pergunta preciso saber que um baralho
tem 52 cartas. Dessas, apenas uma tem a caracterstica ser um s de espadas,
ento, a probabilidade de sair s de espadas, quando se retira uma carta ao
acaso de um baralho dada por:
P A
1
0,0192 , ou ainda, P A 0,0192 P A 0,0192 100 1,92%
52
Imagine agora que foi feita a seguinte pergunta: Qual a probabilidade de se

retirar um s de espadas de um baralho, sabendo-se que saiu uma carta de
espadas?. Ora, esta informao limita o nmero de eventos possveis. Existem 13
cartas de espadas, a probabilidade de ter ocorrido um s nessas condies dada
por:
P A
1
0, 0769 , ou ainda, P A 0,0769 P A 0,0769 100 7, 69%
13
Exemplo 2: Numa cidade, 400 pessoas foram classificadas, segundo sexo e estado
civil, de acordo com a tabela mostrada abaixo:
Masculino (M)
Feminino (F)
Total
Solteiro (S)
Casado (C)
Desquitado (D)
Vivo (V)
Total
50
150
200
60
40
100
40
10
50
30
20
50
180
220
400
Uma pessoa escolhida ao acaso. Sejam os eventos:

S : A pessoa escolhida solteira.
M : A pessoa escolhida do sexo masculino.
Ento, P S | M significa a probabilidade de a pessoa escolhida ser solteira, no

novo espao amostral reduzido das 180 pessoas do sexo masculino. Ora, como
existem 50 pessoas solteiras nesse novo espao amostral, temos que:
46
Estatstica Bsica
PS | M
50
5
PS | M
, ou ainda,
180
18
P S | M 0, 2777 P S | M 0, 2777 100 P S | M 27, 77%

Sejam ainda os eventos:
F : A pessoa escolhida do sexo feminino.
D : A pessoa escolhida desquitada.
Ento, P F | D significa a probabilidade de a pessoa escolhida ser do sexo

feminino, no novo espao amostral reduzido das 50 pessoas desquitadas. Ora,
como existem 10 pessoas do sexo feminino nesse novo espao amostral:
P F | D
10
1
P F | D , ou ainda,
50
5
P F | D 0, 20 P F | D 0, 20 100 P F | D 20%
importante notar que P F | D P D | F , pois, se efetuarmos os clculos
tambm para P D | F , veremos que os valores so diferentes, j que este significa
a probabilidade de a pessoa escolhida ser desquitada, no espao amostral
reduzido das pessoas do sexo feminino, veja os clculos:
PD | F
10
1
, ou ainda,
PD | F
220
22
P D | F 0,0454 P D | F 0,0454 100 P D | F 4,54%
Modos de clculo: Temos dois modos de calcular a probabilidade condicional,

considerando P A | B .
a) Considerando que a probabilidade do evento A ser calculada em relao ao
espao amostral reduzido pelo evento B .
b) Empregando a frmula, onde as probabilidades so calculadas em relao ao
espao amostral original .
P A B
P A | B
P B
47
Estatstica Bsica
9.3. Teorema da multiplicao (produto)
Antes de definirmos o teorema da multiplicao, convm mencionar que, quando um
evento tem influncia na ocorrncia do outro, eles so chamados de eventos
dependentes, caso contrrio, so chamados de eventos independentes, ou seja, a
ocorrncia de um, no afeta a de outro.
Em vrias situaes, pode haver interesse em determinar a probabilidade de dois
eventos ocorrerem ao mesmo tempo, ou um em seguida do outro. Uma consequncia
importante da definio formal da probabilidade condicional a seguinte:
P A | B
P A B
P A B P B P A | B
P B
P B | A
P A B
P A B P A P B | A
P A
Eventos dependentes: Se A e B so eventos dependentes, a probabilidade de

ocorrer os eventos A e B dada pela probabilidade de ocorrer A , multiplicada
pela probabilidade condicional de ocorrer B , dado que A ocorreu, ento, temos
que:
P A B P A P B | A
Isto , a probabilidade da ocorrncia simultnea de dois eventos, ou seja,
P A B , o produto da probabilidade de um deles pela probabilidade do outro,
dado o primeiro.
Exemplo 01: Imagine que uma pessoa retira, ao acaso, uma bola de uma urna e,
em seguida, sem que essa bola seja recolocada na urna, retira uma segunda bola.
Imagine que essa urna contenha duas bolas pretas e oito bolas brancas.
Qual a probabilidade de terem sido retiradas as duas bolas pretas? fcil verificar
que a probabilidade de uma pessoa retirar ao acaso uma bola preta de uma urna
que contm duas bolas pretas e oito bolas brancas dada por:
P A
2
10
Se sair a bota preta, e se essa bola no for recolocada na urna, a probabilidade de

a pessoa retirar uma segunda bola preta dada por:
P B | A
1
9
48
Estatstica Bsica
Isto ocorre porque a urna passa a conter nove bolas (uma j foi retirada), das quais
apenas uma preta. Para determinar a probabilidade de ocorrer uma bola preta na
primeira retirada e uma bola preta na segunda retirada, multiplicam-se as
probabilidades, isto , calcula-se:
P A B P A P B | A P A B
2 1 2
1

10 9 90 45
P A B 0,0222 100 P A B 2, 22%
Eventos independentes: Se A e B so eventos independentes, a probabilidade

de ocorrer os eventos A e B dada pela probabilidade de ocorrer A , multiplicada
pela probabilidade de ocorrer B , ento, temos que:
P A B P A P B
Dados dois eventos A e B de um espao amostral , diremos que A independe
de B se P A | B P A , isto , A independe de B se a ocorrncia de B no afeta a
probabilidade de A . Observemos tambm que, se A independe de B , ou seja,
P A 0 , ento, B independe de A , pois:
P A | B
P A B P( B) P A | B P( B) P A
P( B)
P( A)
P( A)
P( A)
Em resumo, se A independe de B , ento, B independe de A e alm disso, temos

que:
P A B P ( A) P ( B | A) P ( A) P ( B )
P( B)
Isso sugere a definio: Se dois eventos A e B so chamados independentes se:
P A B P( A) P( B )
Exemplo 02: Imagine que so lanadas duas moedas. claro que o fato de sair
cara numa moeda no influi sobre o fato de sair cara na outra moeda. Ento, esses
eventos so independentes. Consequentemente, a probabilidade de ocorrerem
duas caras, quando se lanam duas moedas dada por:
1 1 1
P A B P( A) P( B) P A B
2 2 4
P A B 0, 25 100 P A B 25%
49
Estatstica Bsica
9.4. Teorema da soma
Todos os resultados possveis de uma experincia podem ser representados por
pontos no espao, denominado de espao amostral, e como j mencionamos, pode
ser indicado por .
Assim, se considerarmos um experimento aleatrio, como por exemplo, o
lanamento de um dado, teremos como espao amostral, 1, 2,3, 4,5, 6 . Para
facilitar o entendimento, poderamos representar este espao amostral por um
diagrama.
Qualquer subconjunto de um evento, que podemos indicar por E . A cada

evento, E podemos associar um nmero no negativo menor ou igual a 1, definido
como a relao entre o nmero de elementos de E e o nmero . Esse nmero
como j mencionamos em tpicos anteriores a probabilidade de ocorrer o evento E ,
assim, teremos:
PE
n( E )
n( E )
, portanto, P( E )
1 , logo, 0 P ( E ) 1
n ( )
n ( )
Se no exemplo do lanamento do dado, se chamarmos de E1 a ocorrncia do nmero

2, sua probabilidade ser:
P E1
n( E1 )
1
P E1
n( )
6
Utilizando o mesmo exemplo, se chamarmos de E2 a ocorrncia do nmero 4, sua

probabilidade ser:
P E2
n( E2 )
1
P E2
n ( )
6
No entanto, poderamos questionar: Qual seria a probabilidade de ocorrer o nmero

2 ou o nmero 4 no lanamento desse dado? Para responder a esta questo vamos,
observar o diagrama a seguir:
50
Estatstica Bsica
Observao:
Estes eventos so mutuamente exclusivos, ou seja, a
ocorrncia de um impossibilita (exclui) a ocorrncia do outro.
Para calcular a probabilidade da reunio desses dois eventos, consideraremos que se

E1 e E2 podem ocorrer ao mesmo tempo, a probabilidade de ocorrer E1 ou E2 dada
pela probabilidade de ocorrer E3 , mais a probabilidade ocorrer E4 . Podemos escrever
esta situao da seguinte forma:
P A B P( A) P( B)
Considerando o exemplo citado acima, teremos a seguinte situao:
1, 2,3, 4,5, 6 n 6
E1 2 n E1 1
E2 4 n E2 1
P E1 E2 P( E1 ) P( E2 ) P E1 E2
P E1 E2
n( E1 ) n( E2 )
n ( ) n ( )
1 1
2
P E1 E2
6 6
6
Suponha agora, outra situao envolvendo dois eventos. Um evento E3 caracterizado

pela ocorrncia de resultados menores que 5 e um evento E4 caracterizado pela
ocorrncia de nmeros pares. Neste caso, vamos observar o diagrama a seguir:
Observao:
Os eventos no so mutuamente exclusivos, ou seja, a
ocorrncia de um no impossibilita a ocorrncia do outro, pois,
h dois elementos comuns entre estes eventos, ou seja, o
nmero 2 e o nmero 4.
51
Estatstica Bsica
Para calcular a probabilidade da reunio desses dois eventos, temos que considerar o
fato de que existirem elementos comuns entre eles.
Portanto, se E3 e E4 podem ocorrer ao mesmo tempo, a probabilidade de ocorrer E3
ou E4 dada pela probabilidade de ocorrer E3 , mais a probabilidade de ocorrer E4 ,
menos a probabilidade de ocorrer E3 e E4 . Podemos escrever esta situao da
seguinte forma:
P A B P( A) P( B) P A B
Considerando o exemplo citado acima, teremos a seguinte situao:
1, 2,3, 4,5, 6 n 6
E3 1, 2,3, 4 n E3 4
E4 2, 4,6 n E4 3
E3 E4 2, 4 n E3 E4 2
P E3 E4 P( E3 ) P( E4 ) P E3 E4
P E3 E4
n( E3 ) n( E4 ) n( E3 E4 )
n ( ) n ( )
n ( )
P E3 E4
4 3 2
5
P E3 E4
6 6 6
6
52
Estatstica Bsica
CAPTULO 10
DISTRIBUIES DE PROBABILIDADE
Neste captulo sero estudados alguns modelos tericos que pode ser adequados
a uma srie de problemas prticos. Estes modelos envolvem parmetros cujo
conhecimento necessrio para clculos de distribuio de probabilidade.
10.1. Varivel aleatria
Muitos experimentos aleatrios produzem resultados no-numricos. Antes de
analis-los, conveniente transformar seus resultados em nmeros, o que feito
atravs da varivel aleatria, que uma regra de associao de um valor numrico
a cada ponto do espao amostral.
Portanto, variveis aleatrias so variveis numricas s quais iremos associar
modelos probabilsticos. Veremos que uma varivel aleatria tem um nmero para
cada resultado de um experimento e que uma distribuio de probabilidades
associa uma probabilidade a cada resultado numrico de um experimento.
Vamos supor a existncia de um espao amostral e que a cada ponto amostral
seja atribudo um nmero. Fica, ento, definida uma funo chamada varivel
aleatria, indicada por uma letra maiscula, sendo seus valores indicados por letras
minsculas.
Por definio, varivel aleatria, uma funo que associa a cada ponto amostral
de , um valor real.
10.2. Funo de probabilidade

uma funo matemtica que associa probabilidades a valores assumidos pela
varivel aleatria X . Existe uma diferena para esta funo para o caso em que a
varivel aleatria em estudo seja discreta ou contnua.
Varivel aleatria discreta: A varivel aleatria X uma varivel aleatria
discreta, se o conjunto de valores que X pode assumir um conjunto finito ou
um conjunto infinito enumervel.
Como X pode assumir certos valores com dadas probabilidades, ele
freqentemente denominado varivel aleatria discreta, ou seja, transforma
espao amostral no numrico em espao amostral numrico.
53
Estatstica Bsica
O nmero de pontos do espao amostral de um dado experimento pode ser
finito ou infinito. Se o espao amostral finito, ento os eventos so
enumerveis e a varivel a ele associada deve permitir a contagem dos
elementos nele contidos. Neste caso, a varivel aleatria dita discreta ou
enumervel.
Exemplos: Nmero de jogadores de um time de futebol; nmero de torcedores
no estdio; nmero de gols marcados na partida.
Varivel aleatria contnua: Como j foi dito, o nmero de pontos do espao
amostral de um dado experimento pode ser finito ou infinito. Se o espao
amostral infinito, ento a contagem do seu nmero de elementos no
possvel por nenhum meio.
Neste caso, a varivel aleatria dita contnua, indicando que ela pode
assumir qualquer valor dentro do seu intervalo de validade.
Exemplos: Tempo de durao de um jogo; peso e velocidade da bola na hora
do gol.
10.3. Distribuio de probabilidade
Seja X uma varivel aleatria que pode assumir os valores x1 , x2 , x3 ,..., xn . A cada
valor de xi correspondem pontos do espao amostral. Associamos, ento, a cada
valor xi a probabilidade pi de ocorrncia de tais pontos no espao amostral. Assim
temos que: pi 1
Os valores x1 , x2 , x3 ,..., xn e seus correspondentes p1 , p2 , p3 ,..., pn definem uma
distribuio de probabilidade. Para melhor compreenso destes conceitos, vejamos
a um exemplo.
Exemplo: Seja E o experimento: lanamento simultneo de duas moedas, e
sejam X o nmero de caras obtidas e K , K , K , C , C , K , C , C ,
representando o espao amostral relativo ao experimento.
Vejamos a tabela mostrada abaixo:
Lanamento de duas moedas
PX
Ponto amostral
K, K
K,C
C, K
1 1 1

2 2 4
C, C
1 1 1

2 2 4
1 1 1

2 2 4
1 1 1

2 2 4
1 1 2

4 4 4
54
Estatstica Bsica
Logo, podemos escrever:
Lanamento de duas moedas
Nmero de caras ( X )
PX
1
4
2
4
1
4
2
1
0
Os valores assumidos por X , e suas probabilidades associadas, podem ser

expressas por uma regra ou uma relao, que chamada de funo de
probabilidade, referida tambm como distribuio de probabilidade da varivel
aleatria X .
Os valores
xi i 1, 2,3,..., n formam o domnio da funo e os valores
pi i 1, 2,3,..., n , o seu conjunto imagem.
Essa funo assim definida
representada por:
P X xi
Portanto, a funo P X xi , determina a distribuio de probabilidade da
varivel aleatria X .
10.4. Binmio de Newton

Fatorial: Chama-se fatorial de um nmero natural n > 1 e se indica por n! ao
produto dos n fatores decrescentes de n at 1.
n ! n (n 1) (n 2) (n 3) ... 3 2 1
Observaes: n! l-se n fatorial; por definio: 0! = 1 e 1! = 1
Exemplos:
1. Calcule:
a) 5! = 5.4.3.2.1 = 120
b) 4! = 4.3.2.1 = 24
c)
3!.2! = (3.2.1).(2.1) = 12
55
Estatstica Bsica
d)
5! 5.4.3. 2. 1
= 60
=
2!
2 .1
e)
8!
8.7.6.5!
= 336
=
5!
5!
2. Simplifique:
a)
n!
n(n 1)( n 2 )!
n(n 1)
(n 2)!
( n 2 )!
b)
n(n 1)!
n( n 1 )!
n
(n 2)! (n 2)( n 1 )! n 2
c)
n!
n( n 1 )!
n
(n 1)! ( n 1 )!
d)
(n 2)! (n 2)(n 1)n( n 1 )!

(n 2)(n 1)n
(n 1)!
( n 1 )!
e)
n!
n(n 1)( n 2 )! n(n 1)
2!(n 2)!
2
2!( n 2 )!
Nmeros binomiais: Chama-se nmero binomial de classe r do nmero n ,

onde n e r so nmeros naturais e r n , a expresso:
n
n!

r r ! n r !
Onde:
n o numerador do nmero binomial

r denominador do nmero binomial
Exemplos:
1. Calcule:
a)
b)
c)
56
Estatstica Bsica
2. Mostre que:
a)
8 8

5 3
8
8!
8!
8.7.6. 5! 8.7.6 8.7.6 336
56

3!
3.2.1
6
5! .3!
5 5! 8 5 ! 5!.3!
8
8!
8!
8.7.6. 5! 8.7.6 8.7.6 336
56

3!
3.2.1
6
3!. 5!
3 3! 8 3 ! 3!.5!
b)
10 10

3 7
10
10!
10! 10.9.8. 7! 10.9.8 10.9.8 720
120

3!
3.2.1
6
3!. 7!
3 3!10 3 ! 3!.7!
10
10!
10! 10.9.8. 7! 10.9.8 10.9.8 720
120

3!
3.2.1
6
7!.3!
7 7!10 7 ! 7!.3!
Observao: Esses nmeros binomiais so chamados complementares, ou

seja, mesmo numerador ( n ) e a soma dos denominadores ( r ) igual a n .
10.5. Distribuio Binomial

A distribuio Binomial constitui uma extenso da distribuio de Bernoulli, sendo
aplicada em problemas, nos quais um experimento de Bernoulli realizado um
nmero de vezes preestabelecido. Cada uma destas realizaes denominada
prova.
a distribuio adequada quando os pontos do espao amostral podem ser
agrupados em duas classes ou categorias mutuamente excludentes, s quais se
atribuem os nomes genricos de sucesso e insucesso, indistintamente.
Outra forma de caracterizar a distribuio Binomial dizer que ela a distribuio
aplicvel quando o experimento atende s condies tpicas do processo de
amostragem de Bernoulli, que so as seguintes:
a) O experimento deve ser repetido, nas mesmas condies, um nmero finito de
vezes, ou seja, n vezes;
b) As provas repetidas devem ser independentes, isto , o resultado de uma no
deve afetar os resultados das sucessivas;
57
Estatstica Bsica
c) Em cada prova deve aparecer um dos dois possveis resultados, ou seja,
sucesso ( p ) ou insucesso ( q ).
d) No decorrer do experimento, a probabilidade p do sucesso e a probabilidade q do
insucesso ( q 1 p ), manter-se-o constantes.
Utilizando a distribuio binomial, resolveremos problemas do tipo: Determinar a
probabilidade de se obterem k sucessos em n tentativas.
Sabemos que, quando da realizao de um experimento qualquer em uma nica
tentativa, se a probabilidade de realizao de um evento p (sucesso), a
probabilidade de no realizao desse mesmo evento q (insucesso), assim,
temos que: q 1 p .
Vamos considerar, agora, uma situao em que realizemos a mesma prova n
vezes sucessivas e independentes. A probabilidade de que um evento se realize k
vezes nas provas, dada pela funo:
n
f ( X ) P( X k ) p k q nk
k
Onde:
P ( X k ) Probabilidade de que o evento se realize k vezes em n provas;

p Probabilidade de que o evento se realize em uma s prova (sucesso);
q Probabilidade de que o evento no se realize no decurso dessa prova (insucesso);
n!
n
Coeficiente
binomial
de
n
sobre
k,
igual
a
.

k ! n k !
k
Essa funo denominada lei binomial, define a distribuio binomial. O nome
binomial vem do fato de que a funo mostrada acima, ser o termo geral do
desenvolvimento do binmio de Newton.
Exemplos:
1. Uma moeda lanada 5 vezes seguidas e independentes. Calcule a
probabilidade de serem obtidas 3 caras nessas 5 provas.
Resoluo:
Nmero de provas: n 5
Nmero de sucessos: k 3
58
Estatstica Bsica
Probabilidade de obter cara numa s prova: p
1
(sucesso)
2
Probabilidade de no obter cara numa s prova:
1
, ou seja,
2
1
1
q (1 p ) q 1 q (insucesso), ento temos que:
2
2
3
53
3
2
n k nk
5 1 1
5 1 1
P( X k ) p q P( X 3)
k
3 2 2
3 2 2
3
P( X 3)
5!
1

3!(5 3)! 2
1 5.4. 3! 1 1 5.4. 3! 1 1

3! 2! 8 4 3! 2.1 8 4
2
P( X 3)
20 1 1 20
5

P( X 3)
2 8 4 64
16
Em porcentagem temos que:

P( X 3)
5
100 0,3125 100 P( X 3) 31, 25%
16
2. Dois times de futebol, A e B, jogam entre si 6 vezes. Encontre a probabilidade

de o time A ganhar 4 jogos.
Resoluo:
n 6; k 4; p
1
1 2
; q 1
3
3 3
Obs.: Note que pode haver trs resultados possveis, ou seja, vitria do time A
(sucesso), vitria do time B (insucesso) e empate entre A e B
(insucesso).
Ento, temos que:
4
64
4
2
n k nk
6 1 2
6 1 2
P( X k ) p q P( X 4)
k
4 3 3
4 3 3
6!
1

P( X 4)
4! 6 4 ! 3
2 6.5. 4! 1 4 30 1 4

4! 2! 81 9 2 81 9
3
59
Estatstica Bsica
P( X 4)
30 1 4 120
20

P( X 4)
2 81 9 1458
243

P( X 4)
20
100 0,0823 100 P( X 3) 8, 23%
243
3. Uma empresa produz 10% de peas defeituosas. As peas so embaladas

em caixas que contm 12 peas. Calcule a probabilidade de um cliente
comprar uma caixa contendo:
a) Nenhuma pea defeituosa;
b) Uma pea defeituosa.
a) Resoluo: Nenhuma pea defeituosa. Portanto, estamos interessados em
encontrar P ( X k ) p ( X 0) , ou seja, 0 sucesso.
n 12 (nmero de repeties independentes)
k 0 (considerando
sucesso).
peas
defeituosas
como sucesso,
10
0,10 (10 % de peas defeituosas sucesso)
100
90
0,90 (90% de peas boas insucesso)
100
queremos 0
Ento, temos que:
n
12
0
12 0
P( X k ) p k q n k P( X 0) 0,10 0,90
k
0
12
12!
0
12
0
12
P( X 0) 0,10 0,90
0,10 0,90
0!12 0 !
0
P( X 0)
12!
1 0, 2824 11 0, 2824 P( X 0) 0, 2824
0! 12!
P ( X 0) 0, 2824 100 P ( X 0) 28, 24%

60
Estatstica Bsica
b) Resoluo: Uma pea defeituosa. Portanto, estamos interessados em
encontrar P ( X k ) p ( X 1) , ou seja, 1 sucesso.
n 12 (nmero de repeties independentes)
k 1 (considerando
sucesso).
peas
defeituosas
como
sucesso,
10
0,10 (10 % de peas defeituosas sucesso)
100
90
0,90 (90% de peas boas insucesso)
100
queremos
Ento, temos que:
n
12
1
12 1
P( X k ) p k q n k P( X 1) 0,10 0,90
k
1
12
12!
1
11
1
11
P( X 1) 0,10 0,90
0,10 0,90
1!12 1 !
1
12.11!
P( X 1)
0,10 0,3138 12 0,10 0,3138 P( X 1) 0,3766
1! 11!
P ( X 1) 0,3766 100 P ( X 1) 37, 66%
61
Estatstica Bsica
REFERNCIAS
COSTA, Srgio F. Introduo Ilustrada Estatstica. (com muito humor!). So Paulo: Habra, 1988.
CRESPO, Antonio A. Estatstica Fcil. So Paulo: Saraiva, 1988.
FIGUEIRA, Sebastio de P.; COELHO, Ulysses F.; NEVES, Maria C. B. Estatstica bsica. Rio de Janeiro:
Ed. Senac, 1998.
HAZZAN, Samuel. Fundamentos de matemtica elementar. Vol 5. Combinatria e Probabilidade. 7. Ed.
So Paulo: Atual, 2004.
IEZZI, Gelson; HAZZAN, Samuel.; DEGENSZAJN, David. Fundamentos de matemtica elementar. Vol
11. Estatstica descritiva. 1. Ed. So Paulo: Atual, 2004.
NAZARETH, Helenalda R. de S. Curso bsico de estatstica. 12. Ed. So Paulo: tica, 2009.
SILVA, Jorge D.; FERNANDES, Valter dos Santos. Matemtica. Coleo Horizontes. So Paulo: IBEP,
2000.
VIEIRA, Sonia. Introduo a Bioestatstica. So Paulo: Campos, 2004.
VIEIRA, Sonia.; HOFFMANN, Rodolfo. Elementos de estatstica. 2. Ed. So Paulo: Atlas, 1990.
62
Estatstica Bsica
ATIVIDADES
ATIVIDADE 1
Uma equipe da rea de sade de um
determinado municpio fez uma pesquisa com alguns
moradores de uma determinada comunidade, onde
foram identificados alguns casos de pessoas com
problemas de sade por causa da obesidade.
Foram selecionadas 20 pessoas desta
populao, as quais foram submetidas a vrios testes
clnicos, alm disso, foram obtidas informaes sobre o
IMC dessas pessoas, as quais podem ser observadas
na tabela ao lado.
Para podermos analisar de forma mais precisa as informaes sobre este grupo de
pessoas pesquisado devemos construir uma tabela de distribuio de freqncia com
intervalos de classes dos dados apresentados na tabela primitiva. Esta tabela dever
possuir as seguintes informaes sobre os intervalos de classes definidos:
a)
b)
c)
d)
e)
f)
Freqncia simples (fi);

Ponto mdio (xi);
Freqncia simples relativa (fri);
Freqncia acumulada (Fi);
Freqncia acumulada relativa (Fri);
Ttulos e fontes da tabela.
63
Estatstica Bsica
ATIVIDADE 2
Os alunos de uma turma do curso de Qumica
Industrial da de uma determinada faculdade, fizeram uma
pesquisa para identificar as alturas (em centmetros), dos
alunos da sua sala de aula.
Aps terem tabulados os dados que foram coletados,
os alunos elaboraram uma tabela primitiva que foi reproduzida ao lado. Considerando as informaes contidas nesta
tabela e os conhecimentos que vocs adquiriram nas aulas
de Estatstica, execute os seguintes procedimentos:
a) Elabore uma tabela de distribuio de freqncias com intervalos de classes. A
tabela dever possuir uma estrutura padro, ou seja, o ttulo da tabela, a fonte
dos dados, os ttulos das colunas e demais dados que julgar necessrios.
b) Calcule tambm, para a tabela elaborada anteriormente, as seguintes medidas
de posio: A mdia aritmtica e a moda.
64
Estatstica Bsica
ATIVIDADE 3
Um supervisor do departamento de recursos

humanos de uma determinada indstria qumica,
precisava elaborar um plano de melhoria das condies
de trabalho dos funcionrios.
Ento, solicitou sua secretria que elaborasse
uma pesquisa sobre os 25 funcionrios que atuam no
laboratrio de qumica da empresa e que j tiveram algum
caso de acidente envolvendo a manipulao de produtos
qumicos.
Para facilitar seu trabalho, a secretria decidiu organizar os dados pesquisados em
uma tabela, considerando a faixa etria desses funcionrios, para que fosse possvel
analisar informaes.
Considerando que esta organizao tenha sido feita conforme mostrada na tabela
primitiva apresentada ao lado, complete o trabalho desta secretria, construindo uma
tabela com distribuio de freqncia em intervalos de classes. A tabela a ser elaborada
dever possuir os seguintes dados:
a) Freqncia simples (fi);
b) Freqncia simples relativa (fri);
c) Freqncia acumulada (Fi);
d) Freqncia acumulada relativa (Fri);
e) Ponto mdio dos intervalos de classe (xi);
f) Ttulos, totais, cabealhos e fontes.
Aps ter elaborado a tabela mencionada acima, crie um grfico de histograma e um
de polgono (podem ser sobrepostos) para representar os dados desta tabela.
65
Estatstica Bsica
ATIVIDADE 4
Uma instituio de ensino props a um grupo de 25

alunos de seu corpo discente que fizessem uma redao
sobre o tema Aquecimento Global.
Aps ter sido feita a correo destas redaes, os
professores elaboraram uma tabela com as notas obtidas
por estes alunos.
A tabela mostrada ao lado reproduz a tabela criada
pelos professores, no entanto, como se trata de uma tabela
primitiva, no possvel fazer anlises mais completas
sobre o desempenho desses alunos.
Assim, foi pedido ao professor de Estatstica que elaborasse uma tabela com
distribuio de freqncia em intervalos de classes baseados nos dados da tabela
primitiva.
O professor, ento, solicitou ajuda aos seus alunos na elaborao desta tabela e
props tambm que fizessem algumas anlises que seriam importantes para que a
diretoria da escola pudesse ter uma idia do desempenho dos alunos que participaram da
redao.
Voc, como aluno da disciplina de Estatstica, ajude na elaborao desta tabela,
que dever possui os seguintes dados:
a)
Intervalos de classe com as notas obtidas pelos alunos que fizeram a redao,
ttulo da tabela, linha de totais, cabealhos e fontes;
b)
Colunas de freqncia simples absoluta (fi), freqncia simples relativa (fri),

freqncia acumulada (Fi), freqncia acumulada relativa (Fri), ponto mdio dos
intervalos de classe (xi);
c)
Calcule tambm para a tabela elaborada, a mdia aritmtica, a moda e a

mediana.
66
Estatstica Bsica
ATIVIDADE 5
Um concurso pblico para provimento de vaga de

professor de Qumica, para atuar nas escolas da regio de
Campinas, teve 550 participantes.
Como este nmero foi bastante elevado, decidiu-se que
um dos critrios que seria utilizado para casos de desempate,
seria o tempo de servio que cada um desses participantes
teria, atuando como professor na rede de ensino.
Para analisar estas informaes, o comit organizador
do concurso elaborou uma tabela, com intervalos de classes
que mostrasse o tempo de atuao em anos de trabalho, como
professor, desse grupo de candidatos. Assim, as informaes
foram tabuladas conforme mostrado na tabela ao lado.
Usando seus conhecimentos de Estatstica, e considerando os dados desta tabela,
voc dever complet-la com algumas informaes para que possa responder s
seguintes questes:
a) Qual a quantidade de candidatos que possuem tempo de servio entre 8 e 12 anos,
exclusive?
b) Qual a quantidade de candidatos que possuem tempo de servio entre 0 e 16 anos,
exclusive?
c) Qual a porcentagem de candidatos que possuem tempo de servio entre 16 e 20 anos,
exclusive?
d) Qual a porcentagem de candidatos que possuem tempo de servio entre 0 e 12 anos,
exclusive?
67
Estatstica Bsica
ATIVIDADE 6
Um professor de estatstica de uma determinada faculdade, na expectativa de
mostrar aos seus alunos do curso de Qumica Industrial os riscos que podem existir
quando da manipulao indevida de alguns produtos qumicos, solicitou que estes alunos
fizessem uma pesquisa.
Deveriam ser pesquisadas algumas pessoas, para saber se estas j haviam tido
algum caso de acidente ao utilizar o Hidrxido de Sdio (soda custica). Dessas pessoas,
foram selecionadas um grupo de 20 pessoas que tiveram pelo menos um caso de
acidente pelo uso indevido deste produto qumico.
O professor ento, decidiu elaborar uma tabela
com distribuio de frequncia em intervalo de classes
considerando as idades dessas pessoas, para que
pudessem ser feitas algumas anlises e discusses
sobre os resultados obtidos.
Considerando que a tabela apresentada ao lado
seja uma reproduo do trabalho realizado por esse
professor e o seu grupo de alunos, calcule a mdia de
idade dos casos de acidente pelo uso indevido de
Hidrxido de Sdio do grupo de pessoas pesquisadas.
68
Estatstica Bsica
ATIVIDADE 7
Num processo de seleo para o cargo de Qumico de
uma determinada empresa, so efetuadas quatro provas a fim
avaliar os candidatos.
Para calcular a mdia final de cada candidato, deve-se
levar em considerao que as provas tm graus de importncia
diferentes, determinados pelas ponderaes mostradas na
tabela ao lado.
Supondo que a candidata rica, tenha participado do
processo de seleo e tenha obtido para cada uma das provas
as seguintes notas: 6,75 em Portugus; 7,50 em Matemtica;
4,25 em Fsica e 6,75 em Qumica.
Considerando estas informaes, qual ter sido a mdia final dessa candidata?
a)
b)
c)
d)
e)
5,85
6,25
6,35
6,15
5,75
69
Estatstica Bsica
ATIVIDADE 8
Os dados apresentados em tabela de distribuio
de frequncias com intervalos de classes, tambm
podem ser representados em grficos do tipo
histogramas.
Considerando o grfico de histograma ao lado,
qual das tabelas de distribuio de frequncia mostradas
abaixo, pode melhor representar este grfico?
70
Estatstica Bsica
ATIVIDADE 9
Os dados apresentados na tabela abaixo referem-se s informaes das estaturas

de um grupo de 40 alunos do curso de Qumica Industrial de uma determinada faculdade.
Quando estruturamos uma tabela utilizando a distribuio de frequncia, ajuda-nos

a responder algumas questes de forma mais fcil. Considerando a referida tabela e as
afirmaes apresentadas na sequncia, qual das alternativas representa a melhor
resposta.
I. Existem 24 pessoas que possuem estatura entre 150cm, inclusive e 162cm.
II. Podemos identificar que 80% dos alunos tem menos de 166cm de estatura.
III. Podemos verificar que 20% dos alunos tem estatura entre 158cm, inclusive e
162cm.
a)
b)
c)
d)
e)
I, II e III esto corretas.

Somente II e III esto corretas.
Somente I e III esto corretas.
Somente I e II esto corretas
Todas esto incorretas.
71
Estatstica Bsica
ATIVIDADE 10
Quase um sculo aps ter sido
descoberta, a Doena de Chagas constitui, ainda
hoje, um grave problema de sade pblica no
Brasil e na Amrica Latina. Estima-se que 16 a
18 milhes de pessoas estejam infectadas pelo
Trypanosoma cruzy.
Atualmente, no Brasil, o nmero de
infectados situa-se em torno de 3,5 milhes.
Destes aproximadamente 600 mil residem no
estado de Minas Gerais.
Nota-se que na regio do Norte de Minas,
onde se localiza a cidade de Montes Claros,
existe uma endemicidade da Doena de Chagas,
conforme trabalho de pesquisa efetuada em
2005, por estudantes do 10 perodo de medicina
da Universidade Estadual de Montes Claros.
Podemos observar na tabela apresentada acima a distribuio por faixa-etria dos
portadores de Doena de Chagas, no Programa de Sade da Famlia Tancredo Neves,
da cidade de Montes Claros.
Com os dados desta tabela, propomos que voc complete o trabalho desta equipe,
calculando as seguintes informaes:
a) A mdia aritmtica da distribuio
b) A moda da distribuio
c) A mediana da distribuio
72
Estatstica Bsica
ATIVIDADE 11
Considerando o grfico apresentado no texto, possvel elaborar uma tabela com
distribuio de frequncia em intervalos de classes dos valores anuais gastos com
educao por aluno dos 33 pases.
Portanto, complete a tabela de distribuio abaixo, considerando o nmero de
pases que se enquadram dentro de cada intervalo de classe. Tendo elaborado a tabela
acima, responda s seguintes perguntas:
a) Do total de pases, constantes da tabela, quantos investem anualmente menos
de 7000 Euros em educao por aluno?
b) Qual a porcentagem de pases que investem anualmente entre 1000 Euros e
5000 Euros, exclusive, em educao por aluno?
c) Qual a porcentagem de pases que investem anualmente entre 11000 Euros e
13000 Euros, exclusive, em educao por aluno?
73
Estatstica Bsica
ATIVIDADE 12
Para resolver os problemas propostos
nesta avaliao, considere os dados da tabela
primitiva mostrada ao lado.
Obtenha um rol da tabela acima,
classificando os dados em ordem crescente de
valores.
Distribuio do tempo de internao, em

dias,
de 50 pacientes que sofreram acidentes
graves
no trabalho, em um dado hospital
Calcule todos os dados a seguir e uma

tabela com distribuio de freqncia em
intervalos de classes. Se desejar poder utilizar o
modelo apresentado no final da pgina.
a) Calcule a Amplitude Total (AT) do rol obtido acima.
b) Determine o nmero de classe utilizando qualquer uma das regras conhecidas
(regra prtica ou regra de Sturges).
c) Determine a amplitude das classes (h).
d) Crie os intervalos de classes.
e) Calcule a Freqncia Simples Absoluta (fi) de cada classe.
f) Calcule a Freqncia Simples Relativa (fri) de cada classe.
g) Calcule a Freqncia Acumulada Absoluta (Fi) de cada classe.
h) Calcule a Freqncia Acumulada Relativa (Fri) de cada classe.
i) Elabore uma tabela de distribuio de freqncia com intervalo de classes
seguindo a regras para criao de tabelas, ou seja, utilizando os elementos: Ttulo
da tabela, cabealho, coluna indicadora, fonte, notas, etc.
74
Estatstica Bsica
ATIVIDADE 13
Numa determinada cidade, foi feita uma pesquisa com 30 casais para saber qual a
quantidade de filhos que eles possuiam. Aps ter feita a tabulao dos dados coletados,
elaborou-se uma tabela contendo estas informae.
A tabela mostra abaixo, ilustra as informaes tabuladas desta pesquisa.
Considerando as informaes mostradas nesta tabela, calcule para esta tabela:
a) A amplitude total
b) A varincia
c) O desvio padro
d) O coeficiente de variao
Nmeros de filhos de 30 casais.
75
Estatstica Bsica
ATIVIDADE 14
Uma pesquisas feita por agentes de sade de uma determinada cidade, pesquisou
um grupo de 30 pessoas portadoras de deficincia fsica que era atendidas pelo posto de
sade de um determinado bairro.
Aps a tabulao dos dados pesquisados, foi elaborada uma tabela contendo
informaes sobre as idade dessas pessoas, para que fosse feito um trabalho de
atendimento especial de acordo com algumas faixas etrias.
Considerando os dados fornecidos pela tabela apresentada abaixo como sendo o
resultado da pesquisa elaborada pelos agentes de sade, calcule para esta tabela:
b) A varincia
c) O desvio padro
d) O coeficiente de variao.
Idade de pessoas com deficincia fsica
76
Estatstica Bsica
ATIVIDADE 15
Considerando os dados apresentados na tabela ao lado,
calcule para esta tabela:
b) A varincia
c) O desvio padro
Peso, em gramas, de ratos

da raa Wistar de 30 dias
Ordem
Peso
1
76,2
2
81,5
3
50,0
4
47,5
5
63,5
6
65,1
7
63,2
8
64,5
77
Estatstica Bsica
ATIVIDADE 16
Considerando os dados apresentados na tabela
ao lado, calcule para cada um dos itens (peso e
comprimento):
b) A varincia
c) O desvio padro
Peso em quilogramas e
comprimento, em centmetros,
de 10 ces
Ordem
Peso
Comprimento
1
23,0
104
2
22,7
107
3
21,2
103
4
21,5
105
5
17,0
100
6
28,4
104
7
19,0
108
8
14,5
91
9
19,0
102
10
19,5
99
Observao:
No se podem comparar desvios padres de peso e comprimento porque as
unidades de medida so diferentes. Mas os coeficientes de variao podem ser
comparados porque so adimensionais.
78
Estatstica Bsica
ATIVIDADE 17
PROBABILIDADE
1. Um casal tem dois filhos. Qual a probabilidade de:
a) O primognito ser homem?
b) Os dois serem homens?
c) Pelo menos um dos filhos ser homem?
Resoluo:
1
, ou seja, de 50%, e que o sexo
2
do segundo filho no depende do sexo do primeiro. Ento temos que:
Suponha que a probabilidade de nascer menino de
a) A probabilidade de o primognito ser homem :
( M , F ), ( M , M ), ( F , M ), ( F , F ) n 4
A ( M , F ), ( M , M ) n A 2
P( A)
n A 2 1

n 4 2
P( A) 0,50 100 P( A) 50%
b) A probabilidade de os dois filhos serem homens :

( M , F ), ( M , M ), ( F , M ), ( F , F ) n 4
A ( M , F ), ( M , M ) n A 2
B ( M , F ), ( M , M ) n B 2
So eventos mutuamente exclusivos, ou seja, a ocorrncia de um impossibilita
a ocorrncia do outro. Neste exemplo, se ocorrer o evento A , no ocorrer o
evento B .
79
Estatstica Bsica
Portanto, teremos a seguinte soluo:
P A B P A P B P A B
P A B
n A n B
n n
2 2 4 1
P A B 0, 25 100

4 4 16 4
P A B 25%
c) A probabilidade de pelo menos um dos filhos ser homem :
( M , F ), ( M , M ), ( F , M ), ( F , F ) n 4
A ( M , F ) n A 1
B ( M , M ) n B 1 Pelo menos um dos filhos ser homem.
C ( F , M ) n C 1
D ( F , F ) n D 1
So quatro eventos possveis, do quais os trs primeiros atendem
caracterstica pelo menos um dos filhos ser homem. Portanto, podemos
calcular esta probabilidade da seguinte forma:
n A n B n C
P A P B P C
n n n
1 1 1 3

4 4 4 4
P A P B P C 0,75 100
P A P B P C
P A P B P C 75%
80
Estatstica Bsica
ATIVIDADE 18
PROBABILIDADE
Um grupo de 50 moas classificado de acordo com a cor dos cabelos, e dos olhos de cada
moa, segundo a tabela abaixo. Se voc marca um encontro com uma dessas garotas, escolhida
ao acaso,
Cabelos
Olhos
Castanhos
9
Loira
Azuis
17
Morena
14
Ruiva
a) Qual a probabilidade dela ser morena de olhos azuis?

b) Qual a probabilidade dela ser morena ou ter olhos azuis?
c) Qual a probabilidade dela ser loira?
d) Suponha que esteja chovendo quando voc encontra a garota. Seus cabelos esto
completamente cobertos (deve ter feito chapinha), mas voc percebe que ela tem olhos
castanhos. Qual a probabilidade de que ela seja morena?
81
Estatstica Bsica
ATIVIDADE 19
PROBABILIDADE
A tabela abaixo fornece o nmero de estudantes matriculados por sexo e curso, numa
determinada faculdade, no ano de 2009.
Curso
Sexo
Masculino Feminino
Qumica
Industrial
Pedagogia
Biologia
30
52
100
132
120
Ao escolher um aluno, qual a probabilidade de o mesmo ser:

a) Do sexo feminino ou do curso de Biologia?
b) Do sexo masculino ou do curso de Pedagogia?
c) No se do curso de Qumica Industrial?
d) Do sexo masculino e do curso de Qumica Industrial?
82
Estatstica Bsica
ATIVIDADE 20
DISTRIBUIO BINOMIAL
1. Determine a probabilidade de obtermos exatamente 3 caras em 6 lances de uma
5
ou 21, 25% )
moeda (Resposta:
16
2. Jogando-se um dado 3 vezes, determine a probabilidade de se obter um mltiplo de 3
2
duas vezes (Resposta:
ou 22, 22% ).
9
3. Dois times de futebol A e B, jogam entre si 6 vezes. Encontre a probabilidade de o
time A:
a) Ganhar dois ou trs jogos (Resposta:
400
ou 54,87% ).
729
b) Ganhar pelo menos um jogo (Resposta:
665
ou 91, 22% ).
729
4. A probabilidade de um atirador acertar o alvo
2
. Se ele atirar 5 vezes, qual a
3
probabilidade de acertar exatamente 2 tiros? (Resposta:
40
ou 16, 46% )
243
83
Estatstica Bsica
ATIVIDADE 21
DISTRIBUIO BINOMIAL
Seis parafusos so escolhidos ao acaso da produo de certa mquina, que apresenta
10% de peas defeituosas. Qual a probabilidade de serem defeituosos dois deles?
40
(Resposta:
ou 9,84% ).
243
Resoluo:
n 6; k 2; p
10
90
0,10 ; q
0,90
100
100
n
6
2
6 2
P( X k ) p k q n k P( X 2) 0,10 0,90
k
2
P( X 2)
6!
6.5. 4!
2
6 2
2
4
0,10 0,90
0,10 0,90
2! 6 2 !
2! 4!
P ( X 2)
30
0,01 0,6561 15 0,01 0,6561 P ( X 2) 0,098415
2
P ( X 2) 0,098415 100 P ( X 2) 9,84%
84
Estatstica Bsica
ATIVIDADE 21
DISTRIBUIO BINOMIAL
1. Suponha que 8% dos cachorros-quentes vendidos num estdio de futebol sejam
pedidos sem mostarda. Se sete pessoas pedem cachorro-quente, determine a
probabilidade de que:
a) Todos queiram mostarda (Resposta: 55,78 %).
b) Apenas um no queira mostarda (Resposta: 33,96 %).
2. Sabe-se que 4% das peas produzidas por certa mquina so defeituosas. Em um lote
de 10 peas, calcular a probabilidade de:
a) Exatamente 2 peas serem defeituosas (Resposta: 5,19%)
b) Menos de 2 peas serem defeituosas (Resposta: 94,18%)
3. Numa empresa os funcionrios com formao superior so classificados como jnior

e snior. Sabe-se que 20% do total pertence ao grupo snior. Se so selecionados
ao acaso 4 funcionrios, qual a probabilidade de, no mximo, trs pertencerem ao
grupo snior? (Resposta: 0, 9984).
4. Sabe-se que a probabilidade de ocorrer acidente de trabalho com um funcionrio de

uma empresa metalrgica de 10%. Qual a probabilidade de, no mximo,
encontramos quatro que sofreram acidente de trabalho dentre seis funcionrios
selecionados? (Resposta: 0, 9999)
5. Suponha que a probabilidade de atingir o alvo de
1
. Disparando-se 8 tiros no alvo,
4
qual a probabilidade de que o alvo seja atingido:

a) Pelo menos duas vezes? (Resposta: 0, 63)
b) No mximo uma vez? (Resposta: 0,37)
85

Apostila Estatistica Basica

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Apostila Estatistica Basica

Hochgeladen von

Copyright:

Verfügbare Formate

Faculdades Integradas Maria Imaculada

Unidade Mogi Guau

Mrcio Lcio Dias Pereira

1.3. Fases do mtodo estatstico

2.2. Populao e amostra

3.2. Dados das clulas

Sries geogrficas, espaciais, territoriais ou de localizao

4.2. Sries conjugadas

5.3. Distribuio de freqncia

540 , define a primeira classe ( i 1 );

670 , define a segunda classe ( i 2 );

c) Como a distribuio mostrada na tabela formada de seis classes, podemos

Ao construirmos a distribuio de freqncias por intervalos de classes, a partir dos

AT Lmax lmin AT 1180 412 AT 768

n 40 (total de observaes da tabela).

n 40 (total de observaes da tabela).

Quando o resultado no exato, podemos arredond-lo para maior para tornar

Limite inferior da tabela: 412 (arredondado para 410 )

Limite inferior da classe: 540

Limite inferior da classe: 670

Limite inferior da classe: 800

Limite inferior da classe: 930

Limite inferior da classe: 1060

5.5. Tipos de freqncias

Ponto mdio da classe ( xi )

li : Limite inferior da classe

Freqncia simples relativa ( fri )

f ). Veja estas informaes na tabela exemplo.

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

Freqncia acumulada relativa ( Fri )

f ).Veja estas informaes na tabela exemplo.

Simplicidade: O grfico deve ser destitudo de detalhes de importncia

6.1. Principais tipos de grficos

Diagramas: So grficos geomtricos que utilizam em geral o sistema

Cartogramas: So grficos cujas representaes so feitas em cartas

Pictogramas: Os grficos de pictogramas constituem um dos processos

Grfico de barras ou colunas

Grfico em linhas ou curvas

fi : Freqncia simples absoluta

Com intervalo de classes: Neste caso, convencionamos que todos os valores

fi : Freqncia simples absoluta

Exemplo: Seja a tabela abaixo. Determine a mdia aritmtica da srie.

Com intervalo de classes: Consiste em tomar o ponto mdio da classe modal. A

Exemplo 2: Seja a tabela abaixo. Determine a moda da srie.

Com intervalo de classes: Neste caso, devemos determinar o ponto do intervalo

: Somatrio da freqncia simples absoluta

hMd : Amplitude do intervalo da classe mediana

Logo, a classe mediana ser:

c) Marcar freqncia acumulada da classe anterior classe mediana:

d) Aplicar a frmula para calcular a mediana:

Md 58 0,6363 4 Md 58 2,54 Md 60,54

xmax : Maior valor da tabela

xmin : Menor valor da tabela

Com intervalos de classes: Quando os dados estiverem organizados dessa

lmin : Limite inferior da primeira classe

xi : Ponto mdio de cada classe

Na prtica, quando lidamos com grandes populaes, quase sempre impossvel

Varincia amostral: Se o conjunto das observaes uma amostra estatstica,

xi : Ponto mdio de cada classe

( s ), utiliza-se a mdia amostral ( x ), tendo como denominador o tamanho da

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

8.3. Desvio padro

xi : Ponto mdio de cada classe

Desvio padro amostral: Voc poder calcular o desvio padro populacional