Beruflich Dokumente
Kultur Dokumente
Estatstica Bsica
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.
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.
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.
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:
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:
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.
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 |
b) O intervalo 540 |
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:
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
14
Estatstica Bsica
Regra prtica: Calcular a raiz quadrada do total de observaes da tabela
( n ). Para a tabela exemplo, teramos a seguintes valores:
AT
768
h
h 128
k
6
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:
2 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.
xi
li Li
2
Onde:
xi : Ponto mdio do intervalo de 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
fri
fi
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
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:
19
Estatstica Bsica
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:
21
Estatstica Bsica
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
X f
f
i
846
44
X 19, 23
25
Estatstica Bsica
X f
f
i
Onde:
X i : Ponto mdio da classe
linfi lsupi
2
Onde:
linfi : Limite inferior do intervalo de classe
lsupi : Limite superior do intervalo de classe
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 ).
linfMo lsupMo
2
Onde:
linfMo : Limite inferior da classe modal
lsup Mo : Limite superior da classe modal
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
fi : Somatrio da freqncia simples absoluta
Exemplo 2: Seja a tabela abaixo. Determine a mediana da srie.
29
Estatstica Bsica
Onde:
LMd : Posio (lugar) da classe mediana
fi : Somatrio da freqncia simples absoluta
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
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
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
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:
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
AT lmax lmin
Onde:
lmax : Limite superior da ltima classe
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 )
f i xi
f i xi2
n
n
s2
(x x )
n 1
34
Estatstica Bsica
Onde:
s 2 : Varincia amostral
n : Tamanho da amostra da populao ( n fi )
s
2
f i xi
fi xi2
n
n 1
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.
(x
x )2
n 1
36
Estatstica Bsica
Onde:
: Desvio padro populacional
n : Tamanho da amostra da populao ( n fi )
f i xi
f i x i2
n
n 1
(x
x )2
n 1
Onde:
s : Desvio padro amostral
n : Tamanho da amostra da populao ( n fi )
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)
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
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)
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 )
43
Estatstica Bsica
Exemplos: Seja o lanamento de um dado e os eventos:
Espao amostral: 1, 2,3, 4,5, 6
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 .
n( A)
n( )
( 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)
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)
n( B )
4 1
P( B)
ou P ( B ) 0,1111
36 9
n( )
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
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
Estatstica Bsica
PS | M
50
5
PS | M
, ou ainda,
180
18
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
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
2
10
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
P A B P( B) P A | B P( B) P A
P( B)
P( A)
P( A)
P( A)
P( B)
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.
n( E )
n( E )
, portanto, P( E )
1 , logo, 0 P ( E ) 1
n ( )
n ( )
n( E1 )
1
P E1
n( )
6
n( E2 )
1
P E2
n ( )
6
50
Estatstica Bsica
Observao:
Estes eventos so mutuamente exclusivos, ou seja, a
ocorrncia de um impossibilita (exclui) a ocorrncia do outro.
P E1 E2
n( E1 ) n( E2 )
n ( ) n ( )
1 1
2
P E1 E2
6 6
6
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.
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
representada por:
P X xi
Portanto, a funo P X xi , determina a distribuio de probabilidade da
varivel aleatria X .
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 1)!
( n 1 )!
e)
n!
n(n 1)( n 2 )! n(n 1)
2!(n 2)!
2
2!( n 2 )!
n
n!
r r ! n r !
Onde:
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!
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:
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
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
5
100 0,3125 100 P( X 3) 31, 25%
16
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
20
100 0,0823 100 P( X 3) 8, 23%
243
peas
defeituosas
como sucesso,
10
0,10 (10 % de peas defeituosas sucesso)
100
90
0,90 (90% de peas boas insucesso)
100
queremos 0
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!
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
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!
Em porcentagem temos que:
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)
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
65
Estatstica Bsica
ATIVIDADE 4
Intervalos de classe com as notas obtidas pelos alunos que fizeram a redao,
ttulo da tabela, linha de totais, cabealhos e fontes;
b)
c)
66
Estatstica Bsica
ATIVIDADE 5
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
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.
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:
a) A amplitude total
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:
a) A amplitude total
b) A varincia
c) O desvio padro
d) O coeficiente de variao.
77
Estatstica Bsica
ATIVIDADE 16
Considerando os dados apresentados na tabela
ao lado, calcule para cada um dos itens (peso e
comprimento):
a) A amplitude total
b) A varincia
c) O desvio padro
d) O coeficiente de variao.
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:
( 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
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%
( M , F ), ( M , M ), ( F , M ), ( F , F ) n 4
A ( M , F ) n A 1
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
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
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
665
ou 91, 22% ).
729
2
. Se ele atirar 5 vezes, qual a
3
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
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%)
1
. Disparando-se 8 tiros no alvo,
4
85