ESTATSTICA BSICA

Professor: Narcelio de Arajo Pereira

narcelioap@yahoo.com.br

2015

SUMRIO
INTRODUO ............................................................................................ 03
UNIDADE 1: A NATUREZA DA ESTATSTICA ................................... 05
UNIDADE 2: POPULAO E AMOSTRA ............................................. 12
UNIDADE 3: SRIES ESTATSTICAS.................................................... 19
UNIDADE 4: GRFICOS ........................................................................... 31
UNIDADE 5: DISTRIBUIO DE FREQUENCIA ................................ 46
UNIDADE 6: MEDIDAS DE POSIO ................................................... 66
UNIDADE 7: MEDIDAS DE DISPERSO OU VARIABILIDADE....... 94
UNIDADE 8: PROBABILIDADE ............................................................ 109
UNIDADE 9: DISTRIBUIO BINOMIAL E NORMAL ................... 118
UNIDADE 10: CORRELAO E REGRESSO .................................. 143
REFERENCIAS ......................................................................................... 158
ANEXOS ..................................................................................................... 159

INTRODUO

Na antiguidade os povos j registravam o nmero de habitantes, nascimentos,

bitos. Faziam "estatsticas". Na idade mdia as informaes eram tabuladas com
finalidades tributrias e blicas.
No sculo XVI surgem as primeiras anlises sistemticas, as primeiras tabelas e os
nmeros relativos.
No sculo XVIII a estatstica com feio cientfica batizada por GODOFREDO
ACHENWALL. As tabelas ficam mais completas, surgem as primeiras
representaes grficas e os clculos de probabilidades. A estatstica deixa de ser
uma simples tabulao de dados numricos para se tornar "O estudo de como se
chegar a concluso sobre uma populao, partindo da observao de partes dessa
populao (amostra)".
Ao longo do sculo XX, os mtodos estatsticos foram desenvolvidos como uma
mistura de cincia, tecnologia e lgica para a soluo e investigao de problemas
em vrias reas do conhecimento humano (Stigler, 1986). Ela foi reconhecida como
um campo da cincia neste perodo, mas sua histria tem incio bem anterior a 1900.
A estatstica moderna uma tecnologia quantitativa para a cincia experimental e
observacional que permite avaliar e estudar as incertezas e os seus efeitos no
planejamento e interpretao de experincias e de observaes de fenmenos da
natureza e da sociedade.
A estatstica no uma caixa-preta, nem bola de cristal, nem mgica. Tampouco
um conjunto de tcnicas teis para algumas reas isoladas ou restritas da cincia.
Por exemplo, ao contrrio do que alguns imaginam, a estatstica no um ramo da
matemtica onde se investigam os processos de obteno, organizao e anlise de
dados sobre uma determinada populao. A estatstica tambm no se limita a um
conjunto de elementos numricos relativos a um fato social, nem a nmeros, tabelas
e grficos usados para o resumo, organizao e apresentao dos dados de uma
pesquisa, embora este seja um aspecto da estatstica que pode ser facilmente
percebido no cotidiano (basta abrir os jornais e revistas para ver o "bombardeio" de
estatsticas). Ela uma cincia multidisciplinar: um mesmo programa de
computador que permite a anlise estatstica de dados de um fsico poderia tambm
ser usado por um economista, agrnomo, qumico, gelogo, matemtico, bilogo,
socilogo, psiclogo e cientista poltico. Mesmo que as interpretaes dessas
anlises sejam diferentes por causa das diferenas entre as reas do conhecimento,
os conceitos empregados, as limitaes das tcnicas e as consequncias dessas
interpretaes so essencialmente as mesmas.
3

Segundo Rao (1999), a estatstica uma cincia que estuda e pesquisa sobre: o
levantamento de dados com a mxima quantidade de informao possvel para um
dado custo; o processamento de dados para a quantificao da quantidade de
incerteza existente na resposta para um determinado problema; a tomada de decises
sob condies de incerteza, sob o menor risco possvel. Finalmente, a estatstica tem
sido utilizada na pesquisa cientfica, para a otimizao de recursos econmicos, para
o aumento da qualidade e produtividade, na otimizao em anlise de decises, em
questes judiciais, previses e em muitas outras reas.

I - A NATUREZA DA ESTATSTICA
A palavra estatstica formou-se da mesma raiz latina da palavra Estado
(Organizao Poltica): status; porque, originalmente, as estatsticas eram
colhidas para as finalidades relacionadas com o Estado (com objetivos militares,
tributrios, recenseamentos, entre outros).
PANORAMA HISTRICO
Todas as cincias tm suas razes na histria do homem.
A Matemtica, que considerada a cincia que une clareza do raciocnio a sntese
da linguagem, originou-se do convvio social, das trocas, da contagem, com carter
prtico, utilitrio, emprico.
A estatstica, ramo da matemtica aplicada, teve origem semelhante.
Desde a antiguidade, vrios povos j registravam o nmero de habitantes, de
nascimentos, de bitos, faziam estimativas das riquezas individual e social,
distriburam equitativamente terras ao povo, cobravam impostos e realizavam
inquritos quantitativos por processos que, hoje, chamaramos de "estatsticas".
Na idade mdia colhiam-se informaes, geralmente com finalidades tributrias ou
blicas.
A partir do sculo XVI comearam a surgir as primeiras anlises sistemticas de
fatos sociais, como batizados, casamentos, funerais, originando as primeiras tbuas
e tabelas e os primeiros nmeros relativos.
No sculo XVIII o estudo de tais fatos foi adquirindo, aos poucos, feio
verdadeiramente cientfica. Godofredo Achenwall batizou a nova cincia (ou
mtodo) com o nome de Estatstica, determinando o seu objetivo com as cincias.
As tabelas tornam-se mais completas, surgiram as representaes grficas e o
clculo das probabilidades, e a estatstica deixa de ser uma simples catalogao de
dados numricos para se tornar o estudo de como se chegar a concluso sobre uma
populao, partindo da observao de partes dessa populao (amostra).
Atualmente, o pblico leigo (leitor de jornais e revistas) posiciona-se em dois
extremos divergentes e igualmente errneos quanto a validade das concluses
estatsticas: ou cr em sua infalibilidade ou afirma que elas nada provam. Os que
assim pensam ignoram os objetivos, o campo e o rigor do mtodo estatstico;
ignoram a Estatstica, quer terica quer prtica, ou a conhecem muito
superficialmente.
Na era da energia nuclear, os estudos estatsticos tm avanado rapidamente e, com
seus processos e tcnicas, tm contribudo para a organizao dos negcios e
recursos do mundo moderno.

MTODO ESTATSTICO
O Mtodo Cientfico
Muitos dos conhecimentos que temos foram obtidos na antiguidade por acaso e,
outros, por necessidades prticas, sem aplicao de um mtodo.
Atualmente, quase todo acrscimo de conhecimento resulta da observao e do
estudo. Se bem que muito desse conhecimento possa ter sido observado inicialmente
por acaso, a verdade que desenvolvemos processos cientficos para seu estudo e
para adquirirmos tais conhecimentos. Podemos ento dizer que:
Mtodo: um conjunto de meios dispostos convenientemente para se chegar
a um fim que se deseja, ou seja, um meio mais eficaz para atingir
determinada meta.
Dos mtodos cientficos, vamos destacar o Mtodo experimental e o Mtodo
estatstico. O Mtodo Experimental - o mtodo preferido pela fsica, Qumica, etc.
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.
O Mtodo Estatstico
Muitas vezes temos necessidade de descobrir fatos em um campo em que o mtodo
experimental no se aplica (nas cincias sociais), j que os vrios fatores que afetam
o fenmeno em estudo no podem permanecer constantes enquanto fazemos variar a
causa que, naquele momento, nos interessa.
Como exemplo, podemos citar a determinao das causas que definem o preo de
uma mercadoria. Para aplicarmos o mtodo experimental, teramos de fazer variar a
quantidade da mercadoria e verificar se tal fato iria influenciar seu preo.
Contudo, seria necessrio que no houvesse alterao nos outros fatores. Assim,
deveria existir, no momento da pesquisa, uma uniformidade dos salrios, o gosto
dos consumidores deveria permanecer constante, seria necessria a fixao do nvel
geral dos preos das outras necessidades etc. Mas isso tudo impossvel.
Nesses casos, lanamos mo de outro mtodo, embora mais difcil e menos preciso,
denominado mtodo estatstico.
Mtodo estatstico: diante da impossibilidade de manter as causas constantes,
admitem todas essas causas presentes variando-as, registrando essas variaes
e procurando determinar, no resultado final, que influncias cabem a cada
uma delas.
6

A ESTATSTICA
Exprimindo por meio de nmeros as observaes que se fazem de elementos com,
pelo menos, uma caracterstica comum (por exemplo: os alunos do sexo masculino
de uma comunidade), obtemos os chamados dados referentes a esses elementos.
Podemos dizer, ento, que:
A Estatstica uma parte da matemtica aplicada que fornece mtodos para a coleta,
organizao, descrio, anlise e interpretao de dados e para a utilizao dos
mesmos na tomada de decises.
A Estatstica Descritiva se encarrega de fazer a coleta, organizao e
descrio dos dados.
A Estatstica Indutiva ou Inferencial se encarrega de fazer a anlise e
interpretao dos dados.
Em geral, as pessoas, quando se referem ao termo estatstica, o fazem no sentido da
organizao e descrio dos dados (estatstica do Ministrio da educao,
estatsticas dos acidentes de trfego etc.), desconhecendo que o aspecto essencial
da Estatstica o de proporcionar mtodos inferenciais, que permitam
concluses que transcendam os dados obtidos inicialmente.
Assim, a anlise e a interpretao dos dados estatsticos tornam possvel o
diagnstico de uma empresa (por exemplo, de uma escola), o conhecimento de seus
problemas (condies de funcionamento, produtividade), a formulao de solues
apropriadas e um planejamento objetivo de ao.
Fases do Mtodo estatstico:
Podemos distinguir no mtodo estatstico as seguintes fases:
1 Coleta de Dados
Aps cuidadoso planejamento e a devida determinao das caractersticas
mensurveis do fenmeno coletivamente tpico que se quer pesquisar, damos incio
coleta dos dados numricos necessrios sua descrio.
A coleta de dados pode ser direta ou indireta.

1.1 Direta:
Quando ela feita sobre elementos informativos de registro obrigatrio
(nascimentos, casamentos e bitos, importao e exportao de mercadorias),
elementos pertinentes aos pronturios dos alunos de uma escola ou, ainda, quando
os dados so coletados pelo prprio pesquisador atravs de inquritos e
questionrios, como o caso das notas de verificao e de exames, do censo
demogrfico, etc.
A coleta direta de dados pode ser classificada relativamente ao fator tempo em:
Contnua (registro): quando feita continuamente, tal como a de nascimentos,
bitos e a frequncia dos alunos s aulas;
Peridica: quando feita em intervalos constantes de tempo, como os censos
(de 10 em 10 anos) e as avaliaes peridicas; recenseamento demogrfico,
censo industrial;
Ocasional: quando feita extemporaneamente, a fim de atender a uma
conjuntura ou a uma emergncia, como no caso de epidemias que assolam ou
dizimam rebanhos inteiros.
1.2 Indireta:
Quando inferida de elementos conhecidos (coleta direta) e/ou conhecimento de
outros fenmenos relacionados com o fenmeno estudado. Como por exemplo,
podemos citar a pesquisa sobre mortalidade infantil, que feita atravs de dados
colhidos por uma coleta direta.
2 Crtica dos Dados
Obtidos os dados, eles devem ser cuidadosamente criticados, procura de possveis
falhas e imperfeies, a fim de no incorrermos em erros grosseiros ou de certo
vulto, que possam influir sensivelmente nos resultados.
A crtica dos dados se divide em: externa e interna
Crtica externa quando visa s causas dos erros por parte do informante, por
distrao ou m interpretao das perguntas que lhe foram feitas.
Crtica interna quando visa observar os elementos originais dos dados da
coleta.

3 Apurao dos Dados

Nada mais do que a soma e o processamento dos dados obtidos e a disposio
mediante critrios de classificao. Resumo dos dados atravs de sua contagem e
agrupamento. a condensao e tabulao de dados. Pode ser manual,
eletromecnica ou eletrnica.
4 Exposio ou Apresentao dos Dados
Por mais diversa que seja a finalidade que se tenha em vista, os dados devem ser
apresentados sob forma de tabelas (unidade 3) e grficos (unidade 4), pois tornam
mais fcil o exame daquilo que est sendo objeto de tratamento estatstico e ulterior
obteno de medidas de posio (unidade 6) e medidas de disperso (unidade 7).
5 Anlise dos Resultados
Como j dissemos, o objetivo ltimo da estatstica tirar concluses sobre o todo
(populao) a partir de informaes fornecidas por parte representativa do todo
(amostra). Assim, realizadas as etapas anteriores (estatstica descritiva), fazemos
uma anlise dos resultados obtidos, atravs dos mtodos da Estatstica Indutiva ou
Inferencial, que tem por base a induo ou inferncia, e tiramos desses resultados
concluses e previses.

A ESTATSTICA NAS EMPRESAS

No mundo atual, a empresa uma das vigas-mestras da economia dos povos.
A direo de uma empresa, de qualquer tipo, incluindo as estatais e governamentais,
exige de seu administrador a importante tarefa de tomar decises, e o conhecimento
e o uso da estatstica facilitaro seu trplice trabalho de organizar, dirigir e controlar
a empresa.
Por meio de sondagem, de coleta de dados e de recenseamento de opinies,
podemos conhecer a realidade geogrfica e social, os recursos naturais, humanos e
financeiros disponveis, as expectativas da comunidade sobre a empresa, e
estabelecer suas metas, seus objetivos com maior possibilidade de serem alcanados
a curto, mdio ou longo prazo.
A estatstica ajudar em tal trabalho, como tambm na seleo e organizao da
estratgia a ser adotada no empreendimento e, ainda, na escolha das tcnicas de
verificao e avaliao da quantidade e da qualidade do produto e mesmo dos
possveis lucros e/ou perdas.
9

Tudo isso que se pensou, se planejou, precisa ficar registrado, documentado para
evitar esquecimentos, a fim de garantir o bom uso do tempo, da energia e do
material e, ainda, para controle eficiente do trabalho.
O esquema do planejamento o plano, que pode ser resumido, com auxlio da
estatstica, em tabelas e grficos, que facilitaro a compreenso visual dos clculos
matemtico-estatsticos que lhes deram origens.
O homem de hoje, em suas mltiplas atividades, lana mo de processos e tcnicas
estatsticas, e s estudando-os evitaremos o erro das generalizaes apressadas a
respeito de tabelas e grficos apresentados em jornais, revistas e televiso,
frequentemente cometido quando se conhece apenas por cima um pouco de
Estatstica.

10

EXERCCIOS
1. Complete:
O mtodo experimental o mais usado por cincias como: ____________________.
2. As cincias humanas e sociais, para obter os dados que buscam, lanam mo de
que mtodo?
3. O que Estatstica?
4. Cite as fases do mtodo estatstico.
5. Para voc, o que coletar dados?
6. Para que serve a crtica dos dados?
7. O que apurar dados?
8. Como podem ser apresentados ou expostos os dados?
9. As concluses, as inferncias pertencem a que parte da Estatstica?
10. Cite trs ou mais atividades do planejamento empresarial em que a Estatstica se
faz necessria.
11. O mtodo estatstico tem como um de seus fins:
a)
b)
c)
d)
e)

Estudar os fenmenos estatsticos.

Estudar qualidades concretas dos indivduos que formam grupos.
Determinar qualidades abstratas dos indivduos que formam grupos.
Determinar qualidades abstratas de grupos de indivduos.
Estudar fenmenos numricos.

11

II POPULAO E AMOSTRA
1 VARIVEL
A cada fenmeno corresponde um nmero de resultados possveis. Assim, por
exemplo:
- para um fenmeno sexo so dois os resultados possveis: masculino
e feminino;
- para o fenmeno nmero de filhos h um nmero de resultados
possveis expressos atravs dos nmeros naturais: 0,1,2,3,....,n;
- para o fenmeno estatura temos uma situao diferente, pois os
resultados podem tomar um nmero infinito de valores numricos dentro de um
determinado intervalo.
Varivel: , convencionalmente, o conjunto de resultados possveis de um
fenmeno. Uma varivel qualquer caracterstica de um elemento observado
(pessoa, objeto ou animal).
Algumas variveis, como sexo e designao de emprego, simplesmente enquadram
os indivduos em categorias. Outras, como altura e renda anual, tomam valores
numricos com os quais podemos fazer clculos.
Uma varivel pode ser: qualitativa ou quantitativa
Qualitativa: quando seus valores so expressos por atributos; ex.: sexo
(masculino ou feminino), cor da pele (branca, preta, amarela, vermelha,
parda) etc.;
Quantitativa: quando seus valores so expressos em nmeros; ex.: salrios
dos operrios, idade, altura, etc. Divide-se em discreta e contnua:
Discreta ou descontnua: seus valores so expressos geralmente atravs
de nmeros inteiros no negativos. Resulta normalmente de contagens.
Ex.: nmero de alunos de uma escola que pode assumir qualquer um
dos valores do conjunto N = {1, 2, 3, ..., 58,...}, mas nunca valores
como 2,5 ou 3,78 ou 4,325 etc.
Contnua: resulta normalmente de uma mensurao, e a escala
numrica de seus possveis valores corresponde ao conjunto R dos
nmeros reais, ou seja, podem assumir, teoricamente, qualquer valor
entre dois limites. Ex.: peso dos alunos de uma escola, pois um aluno
12

tanto pode pesar 72 kg, como 72,5 kg, como 72,54 kg, dependendo da
preciso da medida.
De modo geral, as medies do origem a variveis contnuas e as contagens ou
enumeraes, a variveis discretas.
Designamos as variveis por letras latinas, em geral, as ltimas: x, y, z.
Por exemplo, sejam 2, 3, 5 e 8 todos os resultados possveis de um dado fenmeno.
Fazendo uso da letra x para indicar a varivel relativa ao fenmeno considerado,
temos:
x {2, 3, 5, 8}
Exerccio resolvido:
1. Classifique as variveis em qualitativas e quantitativas (contnuas ou discretas):
a) Cor dos olhos Qualitativa
b) ndice de liquidez nas indstrias Cearenses Quantitativa contnua
c) Produo de caf no Brasil Quantitativa contnua
d) Nmero de defeitos em aparelhos de TV Quantitativa discreta
e) Comprimento dos pregos produzidos por uma empresa Quantitativa contnua
f) O ponto obtido em cada jogada de um dado quantitativa discreta
Resolva:
1. Classifique as variveis em qualitativas e quantitativas (contnuas ou discretas):
a) Cor dos cabelos
b) Nmero de filhos
c) Nmero de peas produzidas por hora
d) Dimetro de uma pea
e) Nmero de volumes de uma biblioteca
f) produo de algodo em um ano
2 POPULAO E AMOSTRA
Dois conceitos devem estar bem claros: o de populao e o de amostra, pois deles
que so extrados os dados que do origem s diversas relaes estatsticas, como a
mdia, o desvio-padro, etc., e que, em ltima anlise, possibilitam descreve-las sob
os mais diversos aspectos.

13

Populao: coleo completa de todos os elementos que so objeto de um estudo;

conjunto de entes portadores de, pelo menos, uma caracterstica comum. A
populao estatstica tambm conhecida como universo estatstico.
Exemplo: pessoas que possuem automvel.
Amostras: so subconjuntos finitos representativos de uma dada populao.
Exemplo: pessoas que possuem automvel da marca Fiat.
Censo: a contagem geral de todos os integrantes da mesma espcie, (populao)
de determinada rea geogrfica, seja uma cidade, uma regio ou um pas.
A amostra deve ser representativa da populao da qual foi extrada, ser parecida
com ela (quantitativa e quantitativamente), devendo obedecer a dois princpios
bsicos:
Deve ser suficientemente grande;
Seus constituintes devem ter sido selecionados ao acaso.
3 AMOSTRAGEM
Conceito: uma tcnica especial para recolher amostras que garante, tanto
quanto possvel, o acaso na escolha. o processo criterioso de escolha da
amostra, constituindo a parte inicial de qualquer estudo estatstico.
Dessa forma, cada elemento da populao passa a ter a mesma chance de ser
escolhido, o que garante amostra o carter de representatividade, e isto muito
importante, pois, como vimos, nossas concluses relativas populao vo estar
baseadas nos resultados obtidos nas amostras dessa populao.
Veremos, a seguir, trs das principais tcnicas de amostragem.
3.1 Amostragem casual ou aleatria simples
Esta tcnica de amostragem equivalente a um sorteio lotrico:
Na prtica, a amostragem casual ou aleatria simples pode ser realizada numerandose a populao de 1 a n e sorteando-se, a seguir, por meio de um dispositivo
aleatrio qualquer, K nmeros dessa sequncia, os quais correspondero aos
elementos pertencentes amostra.
Exemplo: Vamos obter uma amostra representativa para a pesquisa da estatura de
noventa alunos de uma escola:
14

 Numeramos os alunos de 01 a 90 (populao);

Colocamos os noventa nmeros, em pedaos iguais de um mesmo papel,
dentro de uma caixa. Agitamos sempre a caixa para misturar bem os pedaos
de papel e retiramos, um a um, 9 nmeros que representaro a amostra. Neste
caso, 10% desta populao.
Quando o nmero de elementos da amostra grande, esse tipo de sorteio torna-se
muito trabalhoso. A fim de facilit-lo, foi elaborada uma tabela Tabela de
Nmeros Aleatrios -, construda de modo que os dez algarismos (de 0 a 9) so
distribudos ao acaso nas linhas e colunas (ver anexo).
Para obtermos os elementos da amostra usando a tabela, sorteamos um algarismo
qualquer da mesma, a partir do qual iremos considerar nmeros de dois, trs ou mais
algarismos, conforme nossa necessidade. Os nmeros assim obtidos iro indicar os
elementos da amostra.
A leitura da tabela pode ser feita horizontalmente (da direita para esquerda ou vice
versa), verticalmente (de cima para baixo ou vice versa), diagonalmente (no sentido
ascendente ou descendente) ou formando o desenho de uma letra qualquer. A opo,
porm, deve ser feita antes de iniciado o processo.
Assim, para o nosso exemplo, considerando a 18 linha, tomamos os nmeros de
dois algarismos (tantos algarismos quantos formam o maior nmero da populao),
obtendo:
63 08 66 01 46 22 33 01 54 51 13 47 81
Evidentemente, ser abandonado um numeral que j tenha aparecido. Temos, ento:
63 08 66 01 46 22 33 54 51
Medindo as alturas dos alunos correspondentes aos nove nmeros sorteados,
obtemos uma amostra de 10% das estaturas dos noventa alunos.
3.2 Amostragem proporcional estratificada
Muitas vezes a populao se divide em subpopulaes estratos
Como provvel, que a varivel em estudo apresente, de estrato em estrato, um
comportamento heterogneo e, dentro de cada estrato, um comportamento
homogneo, convm que o sorteio dos elementos da amostra leve em considerao
tais estratos.
exatamente isso que fazemos quando empregamos a amostragem proporcional
estratificada, que, alm de considerar a existncia de estratos, obtm elementos da
amostra proporcional ao nmero de elementos desses estratos.
15

Exemplo: Vamos obter uma amostra proporcional estratificada, de 10 % do exemplo

anterior, supondo que dos 90 alunos, temos 54 meninos e 36 meninas.
So, portanto, dois estratos, (sexo masculino e sexo feminino). Temos:
SEXO

POPULAO

MASCULINO

54

FEMININO

36

TOTAL

90

10 %
10 x 54 = 5,4
100
10 x 36 = 3,6
100
10 x 90 = 9
100

AMOSTRA
5
4
9

Resolva:
1. Pesquise o peso de seus colegas de classe (incluindo o seu) e retire uma amostra
de 30% da populao.
Sugesto: Use a tabela de Tabela de Nmeros Aleatrios (5 e 6 colunas, de baixo
para cima).
2. Pesquise a estatura de seus colegas de classe (incluindo o seu) e retire uma
amostra de 15% da populao.
Sugesto: Use a tabela de Tabela de Nmeros Aleatrios (25 linha, da esquerda
para a direita).
3 Em uma escola existem 250 alunos, sendo 35 na 1 srie, 32 na 2, 30 na 3, 28
na 4, 35 na 5, 32 na 6, 31 na 7 e 27 na 8. Obtenha uma amostra de 40 alunos e
preencha o quadro a seguir.

16

3.3 Amostragem sistemtica

Quando os elementos da populao j se acham ordenados, no h necessidade de
construir o sistema de referncia. So exemplos os pronturios mdicos de um
hospital, os nmeros de uma rua, uma linha de produo, etc.
Nestes casos, a seleo dos elementos que constituiro a amostra pode ser feita por
um sistema imposto pelo pesquisador. A esse tipo de amostragem denominamos
sistemtica.
Assim, no caso de uma linha de produo, podemos, a cada dez itens produzidos,
retirar um para pertencer a uma amostra da produo diria. Neste caso, estaramos
fixando o tamanho da amostra em 10% da populao.
Exemplo: Supomos uma rua com 500 casas, das quais desejamos obter uma amostra
formada por 20 casas para uma pesquisa de opinio.
Neste caso, podemos usar o seguinte procedimento:
Como 500/20 = 25, escolhemos por sorteio casual um nmero de 01 a 25;
Este nmero indicar a primeira casa da amostra, vamos supor a casa de
nmero 6;
Os demais elementos da amostra seriam considerados de 25 em 25;
Assim, as demais casas da amostra seriam as casas de nmeros 31 (6+25), 56
(31+25), 81 (56+25), etc.
EXERCCIOS
1 Uma escola abriga 824 alunos. Obtenha uma amostra correspondente a 1% da
populao.
Sugesto: Use a 8 coluna, a partir da 1 linha, da Tabela de Nmeros Aleatrios (de
cima para baixo).
2 Em uma escola h oitenta alunos. Obtenha uma amostra de doze alunos.
Sugesto: Use a Tabela de Nmeros Aleatrios (escolha a linha e a coluna).
3 Identifique o tipo de amostragem utilizada em cada situao: simples ao acaso,
sistemtica ou proporcional estratificada.
a) Dentre 240 pessoas escaladas para um sorteio de jri, 120 so brancas, 80
so negras e 40 so morenas.
b) Um administrador hospitalar faz uma pesquisa com as pessoas que esto na
fila de espera para serem atendidas pelo sistema SUS, entrevistando uma a cada 10
pessoas da fila.
c) O sorteio de um livro dentre os 40 alunos de Estatstica de uma turma do
IFCE.
17

4 Uma empresa tem 3.414 colaboradores repartidos nos seguintes departamentos:

Administrao (914), Transporte (348), Produo (1401) e Outros (751). Deseja-se
extrair uma amostra entre os colaboradores para verificar o grau de satisfao em
relao qualidade da refeio servida no refeitrio. Retire uma amostra de:
a) 10% colaboradores?
b) 854 colaboradores desta empresa.
5 O diretor de uma escola, na qual esto matriculados 280 meninos e 320 meninas,
desejoso de conhecer as condies de vida extraescolar de seus alunos e no
dispondo de tempo para entrevistar todas as famlias, resolveu fazer um
levantamento, por amostragem, em 10% dessa clientela. Obtenha, para esse diretor,
os elementos componentes da amostra.
6 Uma amostra de 32 elementos foi retirada de uma populao de 2432 elementos.
Na ordenao geral, qual dos elementos abaixo pertence amostra, sabendo-se que
o elemento de ordem 1420 a ela pertence?
1648; 290; 725; 2025; 1120.
7 Uma populao se encontra dividida em quatro estratos, com tamanhos N1 90 ,
N 2 120 , N 3 60 e N 4 480 . Ao se realizar uma amostragem proporcional
estratificada, doze elementos compem a amostra do primeiro estrato. Qual o
nmero de elementos da amostra dos outros estratos?
8 Uma cidade X apresenta o seguinte quadro relativo s suas escolas de ensino
fundamental:
ESCOLAS
A
B
C
D
E
F
Total

N DE ESTUDANTES
MASCULINO
FEMININO
80
95
102
120
110
92
134
228
150
130
300
290
876
955

Obtenha uma amostra proporcional estratificada de 120 estudantes.

18

III - SRIES ESTATSTICAS

TABELAS
Um dos objetivos da estatstica sintetizar os valores que uma ou mais variveis
podem assumir, para que tenhamos uma viso global da variao dessa ou dessas
variveis. Depois dos dados organizados, faz-se necessrio que essas informaes
sejam apresentadas em formato de tabelas, pois iro nos fornecer rpidas e seguras
informaes a respeito das variveis em estudo, permitindo-nos determinaes
administrativas e pedaggicas mais coerentes e cientficas.
TABELA: um quadro que resume um conjunto de dados dispostos segundo
linhas e colunas de maneira sistemtica.
Uma tabela compe-se de: corpo, cabealho, coluna indicadora, linhas, casa ou
clula e ttulo. Deste modo, uma tabela deve apresentar o seguinte esquema de
representao:
1. Corpo: conjunto de linhas e colunas que contm informaes sobre a
varivel em estudo;
2. Cabealho: parte superior da tabela que especifica o contedo das
colunas;
3. Coluna indicadora: parte da tabela que especifica o contedo das
linhas;
4. Linhas: retas imaginrias que facilitam a leitura, no sentido horizontal,
de dados que se inscrevem nos seus cruzamentos com as colunas;
5. Casa ou clula: cruzamento de uma coluna com uma linha, destinado a
um s nmero (nunca deve ficar em branco);
6. Ttulo: designao do fato observado, local e poca, localizado no topo
da tabela.
H ainda que se considerar os elementos complementares, que so a fonte, as notas
e as chamadas, colocadas, de preferncia, no seu rodap.
Rodap: espao reservado, em seguida ao fecho da tabela, para insero de notas de
natureza informativa;
Fonte: entidade responsvel pelo levantamento dos dados ou pela elaborao da
tabela;
Notas: so informaes de natureza geral, destinada a conceituar ou esclarecer o
contedo das tabelas, ou indicar a metodologia adotada;
19

Chamadas: informaes de natureza especfica sobre determinada parte da tabela,

destinada a conceituar ou esclarecer dados.

De acordo com as normas da Fundao IBGE, nas casas ou clulas da tabela

devemos colocar:

Um trao horizontal (-) quando o valor zero, no s quanto natureza das

coisas, como quanto ao resultado do inqurito;

Zero (0) quando o valor muito pequeno para ser expresso pela unidade
utilizada. Se os valores so expressos em numerais decimais, precisamos
acrescentar parte decimal um nmero correspondente de zeros (0,0; 0,00;
0,000; .....);

Obs.: Os lados direito e esquerdo de uma tabela oficial devem ser abertos.
SRIES ESTATSTICAS
Denominamos sries estatsticas toda tabela que apresenta a distribuio de um
conjunto de dados estatsticos em funo da poca, do local ou da espcie.
Da, podemos inferir que numa srie estatstica observamos a existncia de trs
elementos ou fatores: o tempo, o espao e a espcie.
Dividem-se em sries homgradas e conjugadas.
Sries Homgradas: so aquelas em que a varivel descrita apresenta variao
discreta ou descontnua. Podem ser do tipo temporal, geogrfica ou
especfica.

20

a) Srie Temporal: Identifica-se pelo carter varivel do fator cronolgico. O local

e a espcie (fenmeno) so elementos fixos. Esta srie tambm chamada de
histrica, cronolgica, marcha ou evolutiva.
Preos Mdios do Frango em So Paulo 2003 a 2008
ANOS

PREO (R$)

2003
2004
2005
2006
2007
2008

2,56
2,64
2,67
2,53
3,20
3,64

b) Srie Geogrfica: Apresenta como elemento varivel o fator geogrfico. A poca

e o fato (espcie) so elementos fixos. Tambm chamada de espacial, territorial
ou de localizao.
Durao Mdia dos Estudos Superiores - 1994
PASES

N DE ANOS

Itlia
Alemanha
Frana
Holanda
Inglaterra

7,5
7,0
7,0
5,9
Menos de 4

Fonte: Revista Veja.

c) Srie Especfica: O carter varivel apenas o fato ou espcie. Tambm

chamada de srie categrica.
Rebanhos Brasileiros - 2006
ESPCIES

QUANTIDADE

Bovinos
Bubalinos
Aves
Sunos
Ovinos
Caprinos

205.886.244
1.156.870
821.541.630
35.173.824
16.019.170
10.401.449

Fonte: IBGE.
21

Muitas vezes temos 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.
Sries conjugadas: Tambm chamadas de tabelas de dupla entrada. So
apropriadas apresentao de duas ou mais sries de maneira conjugada,
havendo duas ordens de classificao: uma horizontal e outra vertical. O
exemplo abaixo de uma srie geogrfico-temporal.
Terminais Telefnicos em Servio
1991 - 93
FILIAIS

1991

1992

1993

Norte
Nordeste
Sudeste
Sul
Centro-Oeste

342.938
1.287.813
6.234.501
1.497.315
713.357

375.658
1.379.101
6.729.467
1.608.989
778.925

403.494
1.486.649
7.231.634
1.746.232
884.822

Fonte: Ministrio das Comunicaes.

22

Resolva:
1 Classifique as sries

23

2 Procure exemplos de sries estatsticas em jornais e revistas e copie-os,

classificando essas sries.
3 - Considere a srie abaixo:
Vendas de Automveis no 1 bimestre de 2015 em So Paulo
MARCA

VENDAS
(mil und.)

FIAT
VW
GM
TOTAL

17
23
12
52

a) Classifique a srie;
b) Represente esta srie atravs de grfico de setores.
4 Considere a srie abaixo:
Vendas no Ano de 2014 (em mil unidades)
FILIAIS

JAN

FEV

MAR

SO PAULO
FORTALEZA
RIO DE JANEIRO
TOTAL

10
8
12
30

15
5
13
33

7
4
10
21

a) Classifique a srie;
b) Represente esta srie atravs de grfico de colunas;
c) Represente esta srie atravs de grfico de barras;
5 Verificou-se, em 1993, o seguinte movimento de importao de mercadorias:
14.839.804 t, oriundas da Arbia Saudita; 10.547.889 t, dos Estados Unidos; e
561.024 t, do Japo, no valor de US$ 1.518.843.000. Confeccione a srie
correspondente e classifique-a, sabendo que os dados acima foram fornecidos pelo
Ministrio da Fazenda.

24

6-

Complete-a com uma coluna de percentagens com uma casa decimal e faa a
compensao, se necessrio.
DADOS ABSOLUTOS E DADOS RELATIVOS
Dados absolutos: so dados resultantes da coleta direta da fonte, sem outra
manipulao seno a contagem ou medida.
A leitura dos dados absolutos sempre enfadonha e inexpressiva; embora esses
dados traduzam um resultado exato e fiel, no tm a virtude de ressaltar de imediato
as suas concluses numricas. Da o uso imprescindvel que faz a Estatstica dos
dados relativos.
Dados relativos: so os resultados de comparaes por quocientes (razes)
que se estabelecem entre dados absolutos e tm por finalidade realar ou
facilitar as comparaes entre quantidades.
Traduzem-se os dados relativos, em geral, por meio de percentagens, ndices,
coeficientes e taxas.

25

1 Percentagens
Considere a srie:
MATRCULAS NAS ESCOLAS DA CIDADE A 2014
NVEL

N. DE ALUNOS

Fundamental
Ensino mdio
Superior
TOTAL

19286
1681
234
21201

Dados fictcios.

Calculemos as percentagens dos alunos de cada nvel:

Fundamental 19286 x 100 = 90,96 = 91,0
21201
Ensino mdio 1681 x 100 = 7,92 = 7,9
21201
Superior 234 x 100 = 1,10 = 1,1
21201
Com esses dados, podemos formar uma nova coluna na srie em estudo:
MATRCULAS NAS ESCOLAS DA CIDADE A 2014
NVEL

N. DE ALUNOS

Fundamental
Ensino mdio
Superior
TOTAL

19286
1681
234
21201

91,0
7,9
1,1
100

Dados fictcios.

Os valores dessa nova coluna nos dizem que, de cada 100 alunos da cidade A, 91
esto no ensino fundamental, 8 aproximadamente esto no ensino mdio e 1
aproximadamente est matriculado no ensino superior.
O emprego da porcentagem de grande valia quando nosso intuito destacar a
participao da parte no todo.

26

Resolva:
1 - Complete a tabela abaixo
DADOS RELATIVOS
ESCOLAS

N. DE ALUNOS

A
B
C
D
E
F
TOTAL

175
222
202
362
280
540
1781

POR 1

POR 100

0,098

9,8

1,000

100,0

2 ndices
Os ndices so razes entre duas grandezas tais que uma no inclui a outra.
So exemplos de ndices:
ndice ceflico = dimetro transversal do crnio x 100
dimetro longitudinal do crnio

Quociente intelectual =

idade mental
idade cronolgica

x 100

Densidade demogrfica = populao total

Superfcie (rea)
ndice econmicos:
Produo per capta = valor total da produo
populao
Consumo per capta = consumo do bem
populao
Renda per capta =
renda____
populao
27

Receita per capta =

receita__
populao

3 Coeficientes
Os coeficientes so razes entre o nmero de ocorrncias e o nmero total (nmero
de ocorrncias e nmero de no-ocorrncias).
So exemplos de coeficientes:
Coeficiente de natalidade = nmero de nascimentos
populao total
Coeficiente de mortalidade = nmero de bitos__
populao total
Coeficiente educacionais:
Coeficiente de evaso escolar =

n. de alunos evadidos__
n. inicial de matrculas

Coeficiente de aproveitamento escolar = n. de alunos aprovados

n. final de matrculas
Coeficiente de recuperao escolar = n. de alunos recuperados_
n. de alunos em recuperao
4 Taxas
As taxas so os coeficientes multiplicados por uma potncia de 10 (10, 100, 1000
etc.) para tornar o resultado mais inteligvel.
So exemplos de taxas:
Taxa de natalidade = Coeficiente de natalidade X 1000
Taxa de mortalidade = Coeficiente de mortalidade X 1000
Taxa de evaso escolar = Coeficiente de evaso escolar X 100

28

Exerccio Resolvido:
1 O estado A apresentou 733.986 matriculados na 1 srie, no incio do ano de
2012, e 683.816 no fim do ano. O Estado B apresentou, respectivamente, 436.127 e
412.457 matriculados. Qual o Estado que apresentou maior evaso escolar?
A: TEE = (733.986 683.816) x 100 = 6,8%
733.986
B: TEE = (436.127 412.457) x 100 = 5,4%
436.127
O Estado que apresentou maior evaso escolar foi A.
EXERCCIOS
1 Considere a srie estatstica:
SRIES

ALUNOS MATRIC.

1
546
2
328
3
280
4
120
TOTAL
1274
Complete-a, determinando as percentagens com uma casa decimal e fazendo a
compensao, se necessrio.
2 Uma escola apresentava, no final do ano, o seguinte quadro:
MATRICULAS
SRIES
1
2
3
4
TOTAL

JANEIRO

DEZEMBRO

480
458
436
420
1794

475
456
430
420
1781

a) Calcule a taxa de evaso por srie

b) Calcule a taxa de evaso da escola

29

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

IBGE):
Populao: 15.957,6 mil habitantes;
Superfcie: 586.624 Km2;
Nascimentos: 292.036;
bitos: 99.281.
Calcule:
a) O ndice da densidade demogrfica;
b) A taxa de natalidade;
c) A taxa de mortalidade.

30

IV - GRFICOS ESTATSTICOS
1- Conceito:
O grfico um mtodo de representao de dados estatsticos em forma visual, por
meio de figuras geomtricas. Devem corresponder, mas nunca substituir as tabelas
estatsticas.
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, j que os grficos falam mais compreenso que as sries.
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 deve obedecer a certos requisitos fundamentais como:
Simplicidade o grfico deve ser destitudo de detalhes de importncia
secundria, assim como traos desnecessrios que possam levar o observador
a uma anlise morosa ou com erros. Deve proporcionar que o observador
analise rapidamente o fenmeno apresentado;
Clareza deve proporcionar que o observador tenha uma correta leitura dos
valores representativos do fenmeno;
Veracidade deve expressar a verdade sobre o fenmeno em estudo.
Uso indevido de Grficos: Podem trazer uma ideia falsa dos dados que esto sendo
analisados, chegando mesmo a confundir o leitor. Trata-se, na realidade, de um
problema de construo de escalas.

2 - Classificao dos grficos:

Os principais grficos so os Diagramas, Estereogramas, Pictogramas e
Cartogramas.
2.1 - Diagramas:
So grficos geomtricos dispostos, no mximo, em duas dimenses; para sua
construo, em geral, fazemos uso do sistema cartesiano. So os mais usados na
representao de sries estatsticas. Eles podem ser em linhas, em barras horizontais,
em barras verticais (colunas), em setores (pizza), e polar.

31

 Grficos em linhas ou lineares

O grfico em linha constitui uma aplicao do processo de representao das
funes num sistema de coordenadas cartesianas.
Como sabemos, nesse sistema fazemos uso de duas retas perpendiculares; as retas
so os eixos coordenados e o ponto de interseco, a origem. O eixo horizontal
denominado eixo das abscissas (ou eixo dos x) e o vertical, eixo das ordenadas (ou
eixo dos y). Para exemplificar considere a srie:

Determinamos, graficamente, todos os pontos da srie, usando as coordenadas,

ligamos todos esses pontos, dois a dois, por segmentos de reta, o que ir nos dar
uma poligonal, que o grfico em linha ou em curva correspondente a srie do
exemplo.

32

So frequentemente usados para representao de sries cronolgicas com um

grande nmero de perodos de tempo. As linhas so mais eficientes do que as
colunas, quando existem intensas flutuaes nas sries ou quando h necessidade de
se representarem vrias sries em um mesmo grfico.
Quando representamos, em um mesmo sistema de coordenadas, a variao de dois
fenmenos, a parte interna da figura formada pelos grficos desses fenmenos
denominada de rea de excesso.

Grficos em colunas ou barras

a representao de uma srie por meio de retngulos, dispostos verticalmente (em
colunas) ou horizontalmente (em barras).
Quando em colunas, os retngulos tm a mesma base e as alturas so proporcionais
aos respectivos dados.
Quando em barras, os retngulos tm a mesma altura e os comprimentos so
proporcionais aos respectivos dados.
Exemplo: Grfico em colunas

33

Exemplo: Grfico em barras

34

NOTAS:
Quando as legendas no so breves usa-se de preferncia os grficos em
barras horizontais;
A ordem a ser observada a cronolgica, se a srie for histrica, e a
decrescente, se for geogrfica ou categrica;
A distncia entre as colunas (ou barras), por questes estticas, no dever ser
menor que a metade nem maior que os dois teros da largura (ou da altura)
dos retngulos.

Grficos em barras ou colunas mltiplas

Eles diferem dos grficos em barras ou colunas convencionais apenas pelo fato de
apresentar cada barra ou coluna segmentada em partes componentes. Servem para
representar comparativamente dois ou mais atributos.

35

 Grficos em setores
Este grfico construdo com base em um crculo, e empregado sempre que
desejamos ressaltar a participao do dado no total.
O total representado pelo crculo, que fica dividido em tantos setores quantas so
as partes. Os setores so tais que suas reas so respectivamente proporcionais aos
dados da srie. Obtemos cada setor por meio de uma regra de trs simples e direta,
lembrando que o total da srie corresponde a 360.

O grfico em setores s deve ser empregado quando h, no mximo, sete dados.

Obs.: As sries temporais geralmente no so representadas por este tipo de grfico.
36

 Grfico Polar:
o grfico ideal para representar sries temporais cclicas, isto , sries
temporais que apresentam em seu desenvolvimento determinada periodicidade,
como, por exemplo, a variao da precipitao pluviomtrica ao longo do ano ou da
temperatura ao longo do dia, a arrecadao da Zona Azul durante a semana, o
consumo de energia eltrica durante o ms ou o ano, o nmero de passageiros de
uma linha de nibus ao longo da semana etc.
O grfico polar faz uso do sistema de coordenadas polares.
Exemplo: Dada a srie:
PRECIPITAO PLUVIOMTRICA
MUNICPIO DE PORTO ALEGRE 1995
MESES
PRECIPITAO
(mm)
Janeiro
174,8
Fevereiro
36,9
Maro
83,9
Abril
462,7
Maio
418,1
Junho
418,4
Julho
538,7
Agosto
323,8
Setembro
39,7
Outubro
66,1
Novembro
83,3
Dezembro
201,2
FONTE: IBGE

Traamos uma circunferncia de raio arbitrrio (damos preferncia ao raio

de comprimento proporcional mdia dos valores da srie. Neste caso,
Mdia = 124,5);
Construmos uma semirreta partindo de 0 (polo) e com uma escala (eixo
polar);
Dividimos a circunferncia em tantos arcos quantas forem as unidades
temporais;
Traamos, a partir do centro 0 (polo), semirretas passando pelos pontos da
diviso;

37

 Marcamos os valores correspondentes da varivel, iniciando pela semirreta

horizontal (eixo polar);
Ligamos os pontos encontrados com segmentos de reta;
Se pretendemos fechar a poligonal obtida, empregamos uma linha
interrompida.
Assim, para nosso exemplo, temos:
PRECIPITAO PLUVIOMTRICA DO
MUNICPIO DE PORTO ALEGRE 1995
Janeiro
Dezembro 600
400
Novembro
200
Outubro

Setembro

Fevereiro
Maro
Abril
Maio

Agosto

Junho
Julho

FONTE: IBGE

2.2 - Estereogramas:
So grficos geomtricos dispostos em trs dimenses, pois representam volume.
So usados nas representaes grficas das tabelas de dupla entrada. Em alguns
casos este tipo de grfico fica difcil de ser interpretado dada a pequena preciso que
oferecem.

2.3 - Pictogramas:
So construdos a partir de figuras representativas da intensidade do fenmeno. Este
tipo de grfico tem a vantagem de despertar a ateno do pblico leigo, pois sua
forma atraente e sugestiva. Os smbolos devem ser autoexplicativos. A
desvantagem dos pictogramas que apenas mostram uma viso geral do fenmeno,
e no de detalhes minuciosos. Veja o exemplo abaixo:

38

39

POPULAO DO BRASIL
1950 - 1980
ANOS
HABITANTES
(milhares)
1950
51.944
1960
70.191
1970
93.139
1980
119.071
FONTE: IBGE

POPULAO DO BRASIL
1950 1980

1950

1960

1970

1980
Cada smbolo representa 10.000.000 de habitantes
FONTE: IBGE

Na verdade, o grfico referente tabela acima essencialmente um grfico em

barras; porm, as figuras o tornam mais atrativo, o que, provavelmente, despertar a
ateno do leitor para o seu exame.
Na confeco de grficos pictricos temos que utilizar muita criatividade,
procurando obter uma otimizao na unio da arte com a tcnica.

2.4 - Cartogramas: So ilustraes relativas a cartas geogrficas (mapas). O

objetivo desse grfico o de figurar os dados estatsticos diretamente relacionados
com reas geogrficas ou polticas.
Distinguimos duas aplicaes:
a. representar os dados absolutos (populao) neste caso, lanamos
mo, em geral, dos pontos, em nmero proporcional aos dados.
b. representar dados relativos (densidade) - neste caso, lanamos mo,
em geral, de hachuras ou cores.

40

41

EXERCCIOS
1 Represente a srie abaixo usando o grfico em linha:
COMRCIO EXTERIOR
BRASIL 1984 -93
QUANTIDADE (1000t)
ANOS
EXPORTAO

IMPORTAO

141.737
146.351
133.832
142.378
169.666
177.033
168.095
165.974
167.295
182.561

53.988
48.870
60.597
61.975
58.095
57.293
57.184
63.278
68.059
77.813

84
85
86
87
88
89
90
91
92
93

Fonte: Min. Indstria, Comrcio e Turismo.

2 Represente as tabelas usando o grfico em colunas:

a) ENTREGA DE GASOLINA PARA CONSUMO BRASIL
1988 -91
ANOS

VOLUME (1000m3)

88
89
90
91

9.267,7
9.723,1
10.121,3
12.345,4

Fonte: IBGE.

b) PRODUO BRASILEIRA DE PETRLEO

1991 -93
ANOS

QUANT. (1000m3)

91
92
93

36.180,4
36.410,5
37.164,3

Fonte: Petrobrs.

42

3 Represente as tabelas usando o grfico em barras:

a)

PRODUO DE OVOS NO BRASIL - 1992

REGIES

QUANT.
(1000dzias)

Norte
Nordeste
Sudeste
Sul
Centro-Oeste

57.297
414.804
984.659
615.978
126.345

Fonte: IBGE.

b) PRODUO DE VECULOS DE AUTOPROPUSO

BRASIL 1993
TIPOS

QUANTIDADE

Automveis
Comerciais leves
Comerciais pesados

1.100.278
224.387
66.771

Fonte: ANFAVEA.

4 Represente as tabelas usando o grfico de setores:

a)

REA TERRESTRE BRASIL 1992

REGIES

RELATIVA (%)

Norte
Nordeste
Sudeste
Sul
Centro-Oeste

45,25
18,28
10,85
6,76
18,86

Fonte: IBGE.

b) PRODUO BRASILEIRA DE FERRO-GUSA -1993

ESTADO

PRODUO (1000t)

Minas Gerais
Esprito Santo
Rio de Janeiro
So Paulo

12.888
3.174
5.008
2.912

Fonte: Instituo Brasileiro de Siderurgia.

43

5 Represente as tabelas usando o grfico em colunas mltiplas:

PROPORO DOS DOMICLIOS POR CONDIO DE OCUPAO
BRASIL 1990 -91
NATUREZA
ANOS
90
91

PRPRIOS (%)

ALUGADOS (%)

CEDIDOS (%)

62,7
70,3

22,9
16,5

14,4
13,2

Fonte: IBGE.

6 - Considerando os conhecimentos sobre o espao agrrio brasileiro e os dados

apresentados no grfico, o somatrio das opes corretas, no perodo indicado :

01 - Ocorreu um aumento da produtividade agrcola devido significativa

mecanizao de algumas lavouras, como a da soja.
02 - Verificou-se um incremento na produo de gros proporcionalmente
incorporao de novas terras produtivas.
04 - No perodo de 90 a 96 a produo teve um aumento absoluto maior do que no
perodo de 96 a 02.
08 - Registrou-se elevada produo de gros em virtude do uso intensivo de mo-deobra pelas empresas rurais.
16 - No perodo de 90 a 96 a produo teve um aumento relativo menor do que no
perodo de 96 a 02.
32 - Houve um salto na produo de gros, a partir de 91, em decorrncia do total de
exportaes feitas por pequenos agricultores.
64 - Constataram-se ganhos tanto na produo quanto na produtividade agrcola
resultante da efetiva reforma agrria executada.
44

7 - Um novo "boom" desponta nas estatsticas dos ltimos vestibulares. Desde o

surgimento de Dolly, a polmica ovelha clonada a partir da clula de um animal
adulto, a carreira de cincias biolgicas recebe cada vez mais candidatos e esta rea
firma-se como a cincia do prximo milnio.
O grfico a seguir ilustra o nmero de inscritos nos ltimos quatro vestibulares que
disputaram as vagas oferecidas pela Universidade de So Paulo (USP) e pelas
Universidades Federais do Rio de Janeiro (UFRJ), de Minas Gerais (UFMG) e do
Rio Grande do Sul (UFRGS).

Com base nessas informaes, julgue os itens e d o somatrio das opes

corretas:
01 - De 1997 a 1998, o crescimento percentual do nmero de inscritos na USP foi
maior que o da UFRGS.
02 - Todos os segmentos de reta apresentados no grfico tm inclinao positiva.
04 - Durante todo perodo analisado, a UFMG foi a universidade que apresentou o
maior crescimento percentual, mas no o maior crescimento absoluto.
08 - Em nmeros absolutos a UFMG foi a que apresentou maior crescimento de
1996 a 1999.
16 - Os crescimentos percentuais anuais na UFRJ diminuram a cada ano.
32 - Os crescimentos percentuais anuais na USP aumentaram a cada ano.
64 - Considerando a srie numrica formada pelos nmeros de inscritos em cincias
biolgicas nestas Universidades nos ltimos quatro vestibulares, constatamos que se
trata de uma srie conjugada geogrfica-temporal.

45

V - DISTRIBUIO DE FREQUENCIA
Vamos considerar, neste captulo, em particular, a forma pela qual podemos
descrever os dados estatsticos resultantes de variveis quantitativas, como o caso
de notas obtidas pelos alunos de uma classe, estaturas de um conjunto de pessoas,
salrios recebidos pelos operrios de uma fbrica, etc.
1 Tabela Primitiva e Rol
Considere a estatura de quarenta alunos, que compem uma amostra dos alunos do
IFCE, resultando a seguinte tabela de valores:
ESTATURAS DE 40 ALUNOS DO IFCE
166
162
155
154

160
161
152
161

161
168
163
156

150
163
160
172

162
156
155
153

160
173
155
157

165
160
169
156

167
155
151
158

164
164
170
158

160
168
164
161

A esse tipo de tabela, onde os elementos no foram numericamente organizados,

denominamos de tabela primitiva, ou seja, Tabela primitiva ou dados brutos
uma tabela ou relao de elementos que no foram numericamente organizados.
Assim, conhecidos os valores de uma varivel, difcil formarmos uma ideia exata
do comportamento do grupo como um todo, a partir de dados no ordenados. Em
razo disso, pouca informao se consegue obter inspecionando os dados anotados.
Mesmo uma informao to simples como a de saber o valor mximo e mnimo
requer certo exame dos dados da tabela.
ROL: a tabela ou relao obtida aps a ordenao dos dados, em ordem crescente
ou decrescente.
Para o exemplo acima temos:
ESTATURAS DE 40 ALUNOS DO IFCE
150 151
156 156
161 161
164 165
Essa classificao dos
sua forma original:

152 153 154 155 155

157 158 158 160 160
161 161 162 162 163
166 167 168 168 169
dados proporciona algumas

155 155 156

160 160 160
163 164 164
170 172 173
vantagens concretas com relao

- possvel visualizar de forma ampla as variaes de consumo;

- Os valores extremos so percebidos de imediato;
- possvel observar a tendncia de concentrao dos valores.
46

Agora, podemos saber, com relativa facilidade, qual a menor estatura (150 cm) e
qual a maior (173 cm); que a amplitude de variao foi de 173 150 = 23 cm; e,
ainda, a ordem que um valor particular ocupa no grupo. Com um exame mais
acurado, vemos que h uma concentrao das estaturas em algum valor entre 160
cm e 165 cm e, mais ainda, que h poucos valores abaixo de 155 cm e acima de 170
cm.
Apesar de o rol propiciar ao analista mais informaes e com menor esforo de
concentrao do que os dados brutos, ainda assim persiste o problema de a anlise
ter que se basear nas 40 observaes. O problema se agravar quando o nmero de
dados for muito grande.
2 Distribuio de Frequncia
um tipo de tabela que condensa uma coleo de dados conforme as frequncias
(repeties de seus valores).
No exemplo que trabalhamos, a varivel em questo, estatura, ser observada e
estudada muito mais facilmente quando dispusermos valores ordenados em uma
coluna e colocarmos, ao lado de cada valor, o nmero de vezes que aparece
repetido. Logo podemos definir o termo frequncia.
Frequncia: a quantidade que fica relacionada a um determinado valor da
varivel.
Distribuio de frequncia sem intervalos de classe: a simples condensao dos
dados conforme as repeties de seus valores.

47

Veja para o nosso exemplo:

VARIVEL

FREQUENCIA

150
151
152
153
154
155
156
157
158
160
161
162
163
164
165
166
167
168
169
170
172
173

1
1
1
1
1
4
3
1
2
5
4
2
2
3
1
1
1
2
1
1
1
1
40

TOTAL

Para um ROL de tamanho razovel esta distribuio de frequncia inconveniente,

j que exige muito espao.
Assim, se um dos intervalos for, por exemplo, 154 |---- 158, em vez de dizermos que
a estatura de um aluno de 154 cm; de quatro alunos, 155 cm; de trs alunos, 156
cm; e de um aluno, 157 cm, diremos que nove alunos tm estaturas entre 154 cm,
inclusive, e 158 cm.
Deste modo, estaremos agrupando os valores da varivel em intervalos, sendo que,
em Estatstica, preferimos chamar de intervalos de classes.
Distribuio de frequncia com intervalos de classe: Quando o tamanho da
amostra elevado mais racional efetuar o agrupamento dos valores em vrios
intervalos de classe.

48

ESTATURAS DE 40 ALUNOS DO IFCE

CLASSES

FREQUENCIAS

150 |---- 154

154 |---- 158
158 |---- 162
162 |---- 166
166 |---- 170
170 |---- 174
Total

4
9
11
8
5
3
40

Ao agruparmos os valores da varivel em classes, ganhamos em simplicidade, mas

perdemos em pormenores. Assim, na tabela de distribuio de frequncia sem
classes, podemos verificar, facilmente, que quatro alunos tm 161 cm de altura e
que no existe nenhum aluno com 171 cm de altura. J na distribuio de frequncia
com classes no podemos ver se algum aluno tem a estatura de 159 cm. No entanto,
sabemos, com segurana, que onze alunos tm estatura compreendida entre 158 e
162 cm.
Nota: Quando os dados esto organizados em uma distribuio de frequncia, so
comumente denominados dados agrupados.
Foram vistas as seguintes formas de apresentao dos dados:
ROL (dados isolados);
Agrupamento simples (sem classes);
Agrupamentos em classes.
Mas h ainda outra tcnica alternativa de apresentao e organizao de dados: o
Diagrama de Ramos e Folhas. A obteno do diagrama rpida e fcil. No
diagrama de ramos e folhas, cada dado separado em duas partes: Ramo: a parte
da esquerda e Folhas: a parte da direita. Em seguida as folhas so colocadas em
seus respectivos ramos.
Veja o exemplo: Vamos considerar o nmero de alunos presentes em 20 palestras.
68
51

82
93

75
70

43
32

59
63

80
61

69
76

60
87

73
65

54
71

Como todos os dados possuem dois algarismos, podemos dividir cada dado em
algarismo da dezena e da unidade. Portanto, o algarismo da dezena ser o ramo e a
unidade ser a folha. Vamos usar o dado 68 como exemplo:
6
ramo

8
folha

49

Colocamos todos os ramos distintos em uma coluna, ou seja, verticalmente um

abaixo do outro, em ordem crescente, e traamos uma linha vertical, como
representado abaixo nas etapas (a, b, c, d) da construo do diagrama de ramos e
folhas. Em (a) colocamos apenas os ramos distintos; em (b) colocamos a primeira
folha (8) do dado 68; em (c) colocamos a folha correspondente ao dado 82 e,
finalmente em (d) apresentamos o resultado final do diagrama com todos os dados.
3
4
5
6
7
8
9
(a)

3
4
5
6 8
7
8
9
(b)

3
4
5
6 8
7
8 2
9
(c)

3
4
5
6
7
8
9
(d)

2
3
9
8
5
2
3

4
9
3
0

1
0
0
7

3
6

1
1

Observe que o nmero de folhas deve ser igual ao nmero de dados.

3 Elementos de uma Distribuio de Frequncia com Intervalos de Classe:
Os valores exemplificados a seguir so referentes a Distribuio de frequncias com
das estaturas de 40 alunos do IFCE.
3.1 Classe
Classe de frequncia ou, simplesmente, classes so os intervalos de variao da
varivel.
As classes so representadas simbolicamente por i, sendo i = 1, 2, 3, ..., k. (onde K
o nmero total de classes da distribuio).
No exemplo, a distribuio formada por seis classes, ento temos k = 6 e o
intervalo de classe 154 |---- 158 define a 2 classe, ou seja, i = 2.

3.2 Limites de classe

Limites de classe so os extremos de cada classe.

50

O menor nmero o limite inferior da classe (li) e o maior nmero, limite

superior da classe (Li).
Na terceira classe, por exemplo, temos: 158 |---- 162, l3 = 158 e L3 = 162.
Nota: Os intervalos de classe devem ser escritos, de acordo com a Resoluo 886/66
do IBGE, em termos de desta quantidade at menos aquela, empregando, para
isso, o smbolo |---- (incluso de li e excluso de Li). Assim, o indivduo com uma
estatura de 158 cm est incluso na terceira classe (i = 3) e no na segunda.
O quarto intervalo 162 |---- 166, por exemplo, pode ser tambm ser representado
desta maneira: [162,166[.
3.3 Amplitude do intervalo de classe
Amplitude do intervalo de classe ou, simplesmente, intervalo de classe a
medida do intervalo que define a classe.
Ela obtida atravs da diferena entre o limite superior e inferior da classe e
simbolizada por hi. Assim:
hi = Li - li
Na distribuio de frequncia com classes o hi ser igual em todas as classes, como
mostrado a seguir:
h1 = 154 - 150 = 4
h2 = 158 - 154 = 4
.......
h6 = 174 - 170 = 4

3.4 Amplitude total da distribuio

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.

51

No exemplo, temos AT = 174 150 = 24 cm

Nota: evidente que, se as classes possuem o mesmo intervalo, verificamos a
relao:
AT = k
hi

Temos:

24 = 6
4

3.5 Amplitude amostral

Amplitude amostral (AA) a diferena entre o valor mximo e o valor mnimo
da amostra (obtidos atravs do ROL).
AA = Xmax - Xmin
Em nosso exemplo AA = 173 - 150 = 23 cm.
Obs.: AT sempre ser maior que AA.
3.6 Ponto mdio da classe
Ponto mdio da classe (xi) , como o prprio nome indica, o ponto que divide o
intervalo de classe em duas partes iguais.
Para obtermos o ponto mdio de uma classe, calculamos a mdia aritmtica dos
limites da classe:
x i = l i + Li
2
No intervalo da 2 classe 154 |---- 158 o ponto mdio x2 calculado:
x2 = (l2 + L2)/2 = (154 + 158)/2 = 156 cm
Obs.: O ponto mdio da classe o valor que a representa para efeito de clculos de
medidas de posio e disperso ou variabilidade.
3.7 Frequncia simples ou absoluta
Frequncia simples ou frequncia absoluta ou simplesmente, frequncia de uma
classe ou de um valor individual o nmero de observaes correspondentes a
essa classe ou a esse valor.

52

A frequncia simples simbolizada por fi (lemos f ndice i ou frequncia da classe

i).
Assim, considerando o exemplo abaixo, temos:
ESTATURAS DE 40 ALUNOS DO IFCE
ESTATURA (cm)

FREQUNCIA

150 |---- 154

154 |---- 158
158 |---- 162
162 |---- 166
166 |---- 170
170 |---- 174
TOTAL

4
9
11
8
5
3
40

f1 = 4; f2 = 9; f3 = 11; f4 = 8; f5 = 5 e f6 = 3.
A soma das frequncias sempre igual ao total de elementos da amostra.
Atividade 1: As notas obtidas por 50 alunos de uma classe foram:
1; 2; 3; 4; 5; 0; 6; 7; 7; 8; 2; 3; 3; 4; 5; 6; 6; 7; 8; 8; 2; 3; 4; 4; 5; 6; 6; 7; 8; 9; 2; 3; 4;
5; 5; 6; 6; 7; 8; 9; 2; 3; 4; 5; 5; 6; 7; 7; 8; 9.
a) Complete a distribuio de frequncia abaixo:
i
1
2
3
4
5

Notas
0 |---- 2
2 |---- 4
4 |---- 6
6 |---- 8
8 |---- 10
Total

xi

fi

50

b) Agora, responda:
1. Qual a amplitude amostral?
2. Qual a amplitude da distribuio?
3. Qual o nmero de classes da distribuio?
4. Qual o limite inferior da quarta classe?
5. Qual o limite superior da classe de ordem 2?
6. Qual a amplitude do segundo intervalo de classe?
7. Qual a frequncia da terceira classe?
53

c) Complete:
1. h3 = .......
2. n = ........
3. l1 = ........
4. L3 = ........
5. x2 = ........
6. f5 = ........
4 Tipos de Frequncias
Frequncia simples ou absolutas (fi) so os valores que realmente representam
o nmero de dados de cada classe.
A soma das frequncias simples igual ao nmero total de dados da distribuio.

fi = n
Frequncias relativas (fri) ou fi (%) so os valores das razes entre as
frequncias absolutas de cada classe e a frequncia total da distribuio.
A soma das frequncias relativas igual a 1 ou 100 %.
Logo, para o exemplo da pgina 36 a frequncia da terceira classe :
fr3 = f3/n ; fr3 = 11/40 = 0,275 ou 27,5%
Nota: O propsito das frequncias relativas o de permitir a anlise ou facilitar as
comparaes.

Frequncia acumulada de uma classe (Fi) o total das frequncias de todos os

valores inferiores ao limite superior do intervalo de uma determinada classe:
Fk = f1 + f2 + f3 + ...... + fK

Assim, no exemplo, a frequncia acumulada correspondente terceira classe :

F3 = f1 + f2 + f3 = 4 + 9 + 11 = 24
O que significa existirem 24 alunos com estatura inferior a 162 cm (limite superior
do intervalo da terceira classe).
54

Frequncia acumulada relativa (Fri) ou Fi (%) de uma classe a frequncia

acumulada da classe, dividida pela frequncia total da distribuio.
Fri = Fi / fi
Assim, no exemplo, para a terceira classe, temos:
Fr3 = F3 / fi = 24/40 = 0,600 ou 60,0%
Atividade 2: Complete o quadro com as frequncias que se pede.
CLASSE
50 |---- 54
54 |---- 58
58 |---- 62
62 |---- 66
66 |---- 70
70 |---- 74
Total

xi
52
56
60
64
68
72
--

fi
7
10
13
11
9
6
56

Fi

fi (%)

Fi (%)

--

100,0

--

Sendo xi = ponto mdio de classe; fi = frequncia simples; Fi = frequncia

Acumulada; fri (%) = frequncia percentual e Fri (%) = frequncia percentual
acumulada.

55

5 - Mtodo Prtico para Construo de uma Distribuio de Frequncias com

Classes:
1 - Organize os dados brutos em um ROL.
2 - Calcule a amplitude amostral AA. Para o exemplo da pgina 45, temos: AA =
173 - 150 = 23
3 - Calcule o nmero de classes atravs da:
a) Regra de Sturges: i = 1 + 3,3.log n
i = n de classes
n
3 ---- 5
3
6 ---- 11
4
12 ---- 22
5
23 ---- 46
6
47 ---- 90
7
91 ---- 181
8
182---- 362
9
b) Raiz quadrada de n. (usa-se somente a parte inteira do nmero quando a raiz
no for exata).
Obs.: Qualquer regra para determinao do n de classes da tabela no nos leva a
uma deciso final; esta vai depender na realidade de um julgamento pessoal, que
deve estar ligado natureza dos dados.
No nosso exemplo: n = 40 dados, ento, a regra de Sturges sugere a adoo de 6
classes e pela regra da raiz quadrada tambm o uso de 6 classes.
Dependendo do n, o nmero de classes pode ser diferente quando usamos os dois
mtodos. Por exemplo, para n igual a 100 teremos 8 classes pela regra de Sturges e
10 classes para a regra da raiz de n.
4 - Decidido o n de classes, calcule ento a amplitude do intervalo de classe h >
AA / i.
No nosso exemplo: AA / i = 23/6 = 3,83. Obs.: Como h > AA / i um valor
ligeiramente superior para haver folga na ltima classe. Utilizaremos ento h = 4.
5 - Temos ento o menor n da amostra, o n de classes e a amplitude do intervalo.
Podemos montar a tabela, com o cuidado para no aparecer classes com frequncia
= 0 (zero).

56

No nosso exemplo: o menor n da amostra = 150 + h = 154, logo a primeira classe

ser representada por 150 |---- 154. As classes seguintes respeitaro o mesmo
procedimento.
O primeiro elemento da classe seguinte sempre ser formado pelo ltimo elemento
da classe anterior.
Resolva:
1. Complete a distribuio abaixo, determinando as frequncias simples:
xi
2
3
4
5
6
Total

fi

34

Fi
2
9
21
29
34
--

EXERCCIOS
1 - Suponha que o ponto mdio das classes de uma distribuio de frequncia de
umidade relativa em um posto seja: 28%, 37%, 46%, 55%, 64%, 73% e 82%.
a) Encontre a amplitude da classe;
b) Os limites (inferior e superior) de cada classe.
2 - Imagine que em uma regio durante um dia de inverno foram medidas 150
temperaturas mnimas (em oC) em pontos prximos. Suponha que estas
temperaturas variaram entre 5,18 C a 7,44 C. Determine um conjunto de intervalos
de classe que seja razovel para esse conjunto de dados.
3 Conhecidas as notas de 50 alunos, obtenha uma distribuio de frequncia tendo
30 para limite inferior da primeira classe e 10 para intervalo de classe.
84 - 68 - 33 - 52 - 47 - 73 - 68 - 61 - 73 - 77 - 74 - 71 - 81 - 91 - 65 - 55 - 57 - 35 85 - 88 - 59 - 80 - 41 - 50 - 53 - 65 - 76 - 85 - 73 - 60 - 67 - 41 - 78 - 56 - 94 - 35 45 - 55 - 64 - 74 - 65 - 94 - 66 - 48 - 39 - 69 - 89 - 98 - 42 - 54.
4 Os resultados do lanamento de um dado 50 vezes foram os seguintes:
6, 5, 2, 6, 4, 3, 6, 2, 6, 5, 1, 6, 3, 3, 5, 1, 3, 6, 3, 4, 5, 4, 3, 1, 3, 5, 4, 4, 2, 6, 2, 2, 5, 2,
5, 1, 3, 6, 5, 1, 5, 6, 2, 4, 6, 1, 5, 2, 4, 3.
Forme uma distribuio de frequncia sem intervalos de classes.

57

5 Considere os dados da quantidade de gordura no leite (em %), n = 49

3,66 - 3,66 - 3,72 - 3,74 - 3,74 - 3,77 - 3,81 - 3,88 - 3,89 - 3,91 - 3,96 - 3,96 - 3,97 3,97 - 4,00 - 4,00 - 4,02 - 4,03 - 4,05 - 4,06 - 4,08 - 4,10 - 4,10 - 4,15 - 4,16 - 4,20 4,20 - 4,23 4,24 - 4,25 - 4,27 - 4,28 - 4,29 - 4,32 - 4,32 - 4,33 - 4,38 - 4,38 - 4,38 4,40 - 4,41 - 4,42 - 4,49 - 4,60 - 4,67 - 4,70 - 4,71 - 4,81 - 4,82.
Use os dados da amostra para fazer uma Distribuio de frequncias com classes,
calculando as frequncias simples e acumuladas, absolutas e relativas.
6 - Na Tabela, identifique a amplitude dos intervalos de classe e os pontos mdios
de cada classe.
Classes
[0 6[
[6 12[
[12 18[
[18 24[
[24 30[
Total

Frequncia (fi)
39
41
38
40
42
200

Construa a tabela de frequncias relativas, percentual e acumulada.

7 - A tabela abaixo apresenta a distribuio de frequncia dos salrios mensais em
reais, de 65 empregados da companhia P & R.
Salrios (R$)
5.000 |--- 6.000
6.000 |--- 7.000
7.000 |--- 8.000
8.000 |--- 9.000
9.000 |--- 10.000
10.000 |--- 11.000
11.000 |--- 12.000
Total

N. de
Empregados
8
10
16
14
10
5
2
65

Determinar:
a) O limite inferior da 6 classe;
b) O limite superior da 4 classe;
c) O ponto mdio da 3 classe;
d) A amplitude do 5 intervalo de classe;
e) A frequncia da 3 classe;
f) A frequncia relativa da 3 classe;
58

g) O intervalo de classe que tem a maior frequncia;

h) A percentagem de empregados que ganham menos de R$ 8.000,00 por ms;
i) A percentagem de empregados que ganham menos de R$ 10.000,00 e pelo menos
R$ 6.000,00 por ms;
8- A distribuio abaixo indica o nmero de acidentes ocorridos com 70 motoristas
de uma empresa de nibus:
N ACIDENTES

N MOTORISTAS

20

10

16

Determine:
a) O nmero de motoristas que no sofreram nenhum acidente;
b) O nmero de motoristas que sofreram pelo menos quatro acidentes;
c) O nmero de motoristas que sofreram menos de trs acidentes;
d) O nmero de motoristas que sofreram no mnimo trs e no mximo cinco
acidentes;
e) A percentagem dos motoristas que sofreram no mximo dois acidentes.
9 A tabela abaixo apresenta a distribuio de frequncia das reas de 400 lotes:
REAS (m2)
N DE LOTES

300 |-- 400 |-- 500 |-- 600 |-- 700 |-- 800 |-- 900 |-- 1000 |-- 1100 |-- 1200

14

46

58

76

68

62

48

22

Com referncia a esta tabela, determine:

a) A amplitude total;
b) O limite superior da quinta classe;
c) O limite inferior da oitava classe;
d) O ponto mdio da stima classe;
e) A amplitude do intervalo da segunda classe;
f) A frequncia da quarta classe;
g) A frequncia relativa da sexta classe;
h) A frequncia acumulada da quinta classe;
i) O nmero de lotes cuja rea no atinge 700 m2;
j) O nmero de lotes cuja rea atinge e ultrapassa 800 m2;
k) A percentagem dos lotes cuja rea no atinge 600 m2;
l) A percentagem dos lotes cuja rea seja maior ou igual a 900 m2;
m) A percentagem dos lotes cuja rea de 500 m2, no mnimo, mas inferior a
1000 m2;
n) A classe do 72 lote;
o) At que classe esto includos 60% dos lotes.
59

10 - Os valores contidos na tabela abaixo se referem massa em Kg de 55 pessoas

adultas.
84 68 55 49 48 56 79 58 59 74 60
89 67 57 55 54 79 74 59 73 75 62
84 57 55 54 75 59 56

48 49

68 65

67 88 74 79 67 89 84 73 75

79 61

68 74 73 75 79 74 84 87 84

68 64

Faa a distribuio de frequncia com classes (use uma casa decimal para
porcentagens) e baseado nela responda as perguntas abaixo:
a) O limite inferior da 7 classe;
b) O limite superior da 1 classe;
c) O ponto mdio da 5 classe;
d) A amplitude da 2 classe;
e) A frequncia simples da 6 classe;
f) A frequncia percentual da 3 classe;
g) A frequncia acumulada da 4 classe;
h) A percentagem de pessoas que tem menos de 72 kg;
i) A percentagem de pessoas que tem menos de 84 kg e igual ou mais de 60
kg;
j) O nmero de pessoas que tem peso maior ou igual 54 e menor do que 78
kg;
k) O nmero de pessoas que tem peso maior ou igual 66 kg.
6 - Representao Grfica de uma Distribuio
Uma distribuio de frequncia pode ser representada graficamente pelo
Histograma, pelo Polgono de frequncia e pelo Polgono de frequncia
acumulada (alguns autores denominam de ogiva de Galton).
Em todos os grficos acima utilizamos o primeiro quadrante do sistema de eixos
coordenados cartesianos ortogonais. Na linha horizontal (eixo das abscissas)
colocamos os valores da varivel e na linha vertical (eixo das ordenadas), as
frequncias.

60

6.1 - Histograma
O Histograma formado por um conjunto de retngulos justapostos, cujas bases
se localizam sobre o eixo horizontal, de tal modo que seus pontos mdios
coincidam com os pontos mdios dos intervalos de classe.
As larguras dos retngulos so iguais s amplitudes dos intervalos de classe.
As alturas dos retngulos devem ser proporcionais s frequncias das classes, sendo
a amplitude dos intervalos igual. Isso nos permite tomar as alturas numericamente
iguais s frequncias.
A rea de um histograma proporcional soma das frequncias simples ou
absolutas.
No caso de usarmos as frequncias relativas, obtemos um grfico de rea unitria.
Para o exemplo a seguir, temos o seguinte histograma:
ESTATURAS DE 40 ALUNOS NA ESCOLA A
ESTATURA (cm)

FREQUNCIA

150 |---- 154

154 |---- 158
158 |---- 162
162 |---- 166
166 |---- 170
170 |---- 174
TOTAL

4
9
11
8
5
3
40

61

6.2 Polgono de Frequncia

O Polgono de frequncia um grfico em linha, sendo as frequncias marcadas
sobre perpendiculares ao eixo horizontal, levantadas pelos pontos mdios dos
intervalos de classe.
Para realmente obtermos um polgono (linha fechada), devemos completar a figura,
ligando os extremos da linha obtida aos pontos mdios da classe anterior primeira
e da posterior ltima, da distribuio.
Para o exemplo anterior temos o seguinte Polgono de frequncia:

6.3 Polgono de Frequncia Acumulada

O Polgono de frequncia acumulada traado marcando-se as frequncias
acumuladas sobre perpendiculares ao eixo horizontal, levantadas nos pontos
correspondentes aos limites superiores dos intervalos de classe.
Para o exemplo em estudo temos o seguinte Polgono de frequncia acumulada:

62

Uma distribuio de frequncia sem intervalos de classe representada

graficamente por um diagrama onde cada valor da varivel representado por um
segmento de reta varivel e de comprimento proporcional respectiva frequncia.
Atividade 3: Complete o quadro com as frequncias que se pede e com base nele
construa o histograma, polgono de frequncia e polgono de frequncia acumulada.
CLASSE
50 |--- 55
55 |--- 60
60 |--- 65
65 |--- 70
70 |--- 75
75 |--- 80
Total

xi
52
56
60
64
68
72
--

fi
5
10
12
9
6
4
46

Fi

fi (%)

Fi (%)

--

100

--

Sendo xi = ponto mdio de classe; fi = frequncia simples; Fi = frequncia

Acumulada; fi (%) = frequncia percentual; Fi (%) = frequncia percentual
acumulada.

63

EXERCCIOS
1 Considerando a distribuio de frequncia seguinte, confeccione, o Histograma,
o Polgono de frequncia simples e o Polgono de frequncia acumulada.
i
1
2
3
4
5
6
7

SALRIOS
(R$)
500 |--- 700
700 |--- 900
900 |--- 1100
1100 |--- 1300
1300 |--- 1500
1500 |--- 1700
1700 |--- 1900
Total

fi
8
20
7
5
2
1
1
44

2 Considere o diagrama de ramo e folhas a seguir:

Ramo Folha
3
2
4
4
3
2
5
9
4
6
8
9
7
5
3
8
2
0
9
3
0

6
7
1
0
0
7
1

8
9
6
3
6
4
7

5
2
1
1
5

4
0
5
0

A partir do diagrama elabore o Histograma, o Polgono de frequencias simples e

acumulada da distribuio.

64

3 Examinando o histograma abaixo, que corresponde s notas relativas aplicao

de um teste de inteligncia a um grupo de alunos, responda:

a) Qual o intervalo de classe que tem maior frequncia?

b) Qual a amplitude total da distribuio?
c) Qual o nmero total de alunos?
d) Qual a frequncia do intervalo de classe 110 |---120?
e) Quais so os intervalos de classes tais que a frequncia de um o dobro da
frequncia do outro?
f) Quantos alunos receberam notas de teste entre 90 (inclusive) e 110?
g) Qual o percentual de alunos que esto no intervalo 100 |---130?
h) Quantos alunos receberam nota no-inferior a 100?

65

VI - MEDIDAS DE POSIO
1 Introduo
O estudo que fizemos sobre distribuies de frequncia, at agora, permite-nos
descrever, de modo geral, os grupos dos valores que uma varivel pode assumir.
Dessa forma, podemos localizar a maior concentrao de valores de uma dada
distribuio, isto , se ela se localiza no incio, no meio ou no final, ou ainda, se h
uma distribuio por igual.
Porm, para ressaltar as tendncias caractersticas de cada distribuio,
isoladamente, ou em confronto com outras, necessitamos introduzir conceitos que se
expressam atravs de nmeros, que nos permitam traduzir essas tendncias. Esses
conceitos so denominados elementos tpicos da distribuio e so as:
a. Medidas de posio;
b. Medidas de variabilidade ou disperso;
c. Medidas de assimetria;
d. Medidas de curtose.
Dentre os elementos tpicos, destacamos, neste captulo, as medidas de posio estatsticas que representam uma srie de dados orientando-nos quanto posio da
distribuio em relao ao eixo horizontal do grfico da curva de frequncia.
As medidas de posies mais importantes so as medidas de tendncia central ou
promdias, que recebem tal denominao pelo fato de os dados observados
tenderem, em geral, a se agruparem em torno dos valores centrais. Dentre as
medidas de tendncia central, destacamos:
a. A mdia aritmtica;
b. A moda;
c. A mediana.
Outras promdias menos usadas so as mdias: geomtrica, harmnica, quadrtica,
cbica e biquadrtica.
As outras medidas de posio so as separatrizes, que englobam: a prpria
mediana, os decis, os quartis e os percentis.

66

2 Mdia Aritmtica (

Em um conjunto de dados, podemos definir vrios tipos de mdias. Porm, em

nossos estudos iremos nos limitar a mais importante: a mdia aritmtica.
Mdia Aritmtica o quociente entre a soma dos valores da varivel pelo nmero
deles.

onde xi so os valores da varivel e n o nmero de valores.

2.1 Dados no - agrupados
Quando desejamos conhecer a mdia dos dados no-agrupados em tabelas de
frequncias, determinamos a mdia aritmtica simples.
Exemplo: Sabendo-se que a venda diria de arroz tipo A, durante uma semana, foi
de 10, 14, 13, 15, 16, 18 e 12 kg, temos, para venda mdia diria na semana de:
.= (10+14+13+15+16+18+12) / 7 = 14 kg
Logo:

.= 14 Kg

s vezes, a mdia pode ser um nmero diferente de todos os da srie de dados que
ela representa. o que acontece quando temos os valores 2, 4, 6 e 8, para os quais a
mdia 5. Esse ser o nmero representativo dessa srie de valores, embora no
esteja representado nos dados originais. Neste caso, costumamos dizer que a mdia
no tem existncia concreta.
2.2 Desvio em relao mdia
Denominamos Desvio em relao mdia a diferena entre cada elemento de
um conjunto de valores e a mdia aritmtica.
Designando o desvio por di, temos:.di = Xi - . No exemplo anterior temos sete
desvios:
d1 = 10 - 14 = -4;
d2 = 14 - 14 = 0;
d3 = 13 - 14 = -1;
d4 = 15 - 14 = 1;
d5 = 16 - 14 = 2;
d6 = 18 - 14 = 4;
d7 = 12 - 14 = -2.
67

2.3 -.Propriedades da mdia

1 propriedade: A soma algbrica dos desvios em relao mdia nula. Ou
seja:

No exemplo anterior: d1 + d2 + d3 + d4 + d5 + d6 + d7 = 0
2 propriedade: Somando-se (ou subtraindo-se) uma constante (c) a todos os
valores de uma varivel, a mdia do conjunto fica aumentada (ou diminuda)
dessa constante.

Se no exemplo anterior, somarmos a constante 2 a cada um dos valores da varivel

temos:
Y = (12+16+15+17+18+20+14) / 7 = 112/7 = 16 kg
Ou seja, Y =

.+ 2 = 14 +2 = 16 kg

3 propriedade: Multiplicando-se (ou dividindo-se) todos os valores de uma

varivel por uma constante (c), a mdia do conjunto fica multiplicada (ou
dividida) por essa constante.

Se no exemplo anterior multiplicarmos a constante 3 a cada um dos valores da

varivel temos:
Y = (30+42+39+45+48+54+36) / 7 = 294/7 = 42 kg
Ou seja, Y =

x 3 = 14 x 3 = 42 kg.

68

2.4 Dados Agrupados

A mdia aritmtica sem intervalos de classe
Consideremos a distribuio relativa a 34 famlias de quatro filhos, tomando para
varivel o nmero de filhos do sexo masculino. Calcularemos a quantidade mdia de
meninos por famlia:
N de meninos
0
1
2
3
4
Total

Frequncia (fi)
2
6
10
12
4
34

Neste caso, como as frequncias so nmeros indicadores da intensidade de cada

valor da varivel, elas funcionam como fatores de ponderao, o que nos leva a
calcular a mdia aritmtica ponderada, dada pela frmula:

O modo mais prtico de obteno da mdia ponderada abrir, na tabela, uma coluna
correspondente aos produtos xifi:
xi
0
1
2
3
4

fi
2
6
10
12
4
34

x i . fi
0
6
20
36
16
78

Temos, xifi = 78 e f i = 34
Logo xifi / f i = 78 / 34 = 2,3
Portanto a mdia de 2,3 meninos por famlia.

69

Nota:
- Sendo x uma varivel discreta, como interpretar o resultado obtido, 2 meninos e 3
dcimos de menino?
O valor mdio de 2,3 meninos sugere, neste caso, que o maior nmero de famlias
tem 2 meninos e 2 meninas, sendo, porm, a tendncia geral de uma leve
superioridade numrica em relao ao nmero de meninos.
Resolva:
1 Calcule a mdia aritmtica da distribuio:
xi

fi

A mdia aritmtica com intervalos de classe

Neste caso, convencionamos que todos os valores includos em um determinado
intervalo de classe coincidem com o seu ponto mdio, e determinamos a mdia
aritmtica ponderada por meio da frmula:

Onde xi o ponto mdio da classe.

Exemplo: Considere a distribuio de frequncia relativo a estaturas, em cm, de 40
bebs. Calcular a estatura mdia dos bebs conforme a tabela abaixo.
i
1
2
3
4
5
6

Estaturas (cm)
50 |---- 54
54 |---- 58
58 |---- 62
62 |---- 66
66 |---- 70
70 |---- 74

fi
4
9
11
8
5
3
40

70

Pela mesma razo do caso anterior, vamos, inicialmente, abrir uma coluna para os
pontos mdios (xi) e outra para os produtos xifi:
i
1
2
3
4
5
6

Estaturas (cm)
50 |---- 54
54 |---- 58
58 |---- 62
62 |---- 66
66 |---- 70
70 |---- 74

fi
4
9
11
8
5
3
40

xi
52
56
60
64
68
72

xi.fi
208
504
660
512
340
216
2.440

Temos, xifi = 2440 e f i = 40; Logo xifi / f i = 2440 / 40 = 61

Portanto, a estatura mdia dos bebs de 61 cm.
2.5 Emprego da mdia
A mdia utilizada quando:
a. desejamos obter a medida de posio que possui a maior estabilidade;
b. houver necessidade de um tratamento algbrico ulterior.
Resolva:
1 Calcule a media da distribuio de frequncia:
CUSTO (R$)
fi

450 |-- 550 |-- 650 |-- 750 |-- 850 |-- 950 |-- 1050 |-- 1150

10

11

16

13

3 Moda
Denominamos Moda o valor que ocorre com maior frequncia em uma srie de
valores.
Mo o smbolo da moda.
Desse modo, o salrio modal dos empregados de uma fbrica o salrio mais
comum, isto , o salrio recebido pelo maior nmero de empregados dessa fbrica.

71

3.1 Dados no - agrupados

Quando lidamos com dados no-agrupados, a moda facilmente reconhecida: basta,
de acordo com definio, procurar o valor que mais se repete.
Exemplo: Na srie de dados {7, 8, 9, 10, 10, 10, 11, 12} a moda igual a 10.
H sries nas quais no exista valor modal, isto , nas quais nenhum valor aparea
mais vezes que outros.
Exemplo: {3 , 5 , 8 , 10 , 12 } no apresenta moda. A srie amodal.
Em outros casos, pode haver dois ou mais valores de concentrao. Dizemos, ento,
que a srie tem dois ou mais valores modais.
Exemplo: {2 , 3 , 4 , 4 , 4 , 5 , 6 , 7 , 7 , 7 , 8 , 9 } apresenta duas modas: 4 e 7. A
srie bimodal.
3.2 Dados agrupados
Sem intervalos de classe
Uma vez agrupados os dados, possvel determinar imediatamente a moda: basta
fixar o valor da varivel de maior frequncia.

Exemplo: Qual a temperatura mais comum medida no ms abaixo:

Temperaturas ( C)
0
1
2
3

Frequncia
3
9
12
6

Resp.: 2 C a temperatura modal, pois a de maior frequncia (12 vezes).

Com intervalos de classe
A classe que apresenta a maior frequncia denominada classe modal. Pela
definio, podemos afirmar que a moda, neste caso, o valor dominante que est
compreendido entre os limites da classe modal.
O mtodo mais simples para o clculo da moda consiste em tomar o ponto mdio da
classe modal. Damos a esse valor a denominao de moda bruta.

72

Onde: l* = limite inferior da classe modal;

L*= limite superior da classe modal.
Exemplo: Calcule a estatura modal conforme a tabela abaixo.
Classes (cm)
54 |---- 58
58 |---- 62
62 |---- 66
66 |---- 70

Frequncia
9
11
8
5

Resposta: A classe modal 58 |---- 62, pois a de maior frequncia.

l* = 58 e L* = 62
Mo = (58+62) / 2 = 60 cm (este valor estimado, pois no conhecemos o valor real
da moda).
H, para o clculo da moda, outros mtodos mais elaborados, como, por exemplo, o
que faz uso da frmula de Czuber:

l* o limite inferior da classe modal;

h* a amplitude da classe modal;
D1 = f* - f (ant.);
D2 = f* - f (post.);
Sendo:
f* a frequncia simples da classe modal;
f (ant.) a frequncia simples da classe anterior classe modal;
f (post.) a frequncia simples da classe posterior classe modal.

73

Exemplo: Considere a distribuio a seguir

Classes
150 |---- 154
154 |---- 158
158 |---- 162
162 |---- 166
166 |---- 170
170 |---- 174
Total

fi
4
9
11
8
5
3
40

Temos:
D1 = 11 9 = 2 e D2 = 11 8 = 3;
Mo = 158 + 2 x 4 = 159,6 cm
2+3
3.3 Emprego da moda
A moda utilizada quando:
a. desejamos obter uma medida rpida e aproximada de posio;
b. quando a medida de posio deva ser o valor mais tpico da distribuio.
Resolva:
1 Calcule a moda da distribuio de frequncia:
Classes
450 |---- 550
550 |---- 650
650 |---- 750
750 |---- 850
850 |---- 950
950 |---- 1050
1050 |---- 1150
Total

fi
8
10
11
16
13
5
1
64

74

4 Mediana
A Mediana de um conjunto de valores, dispostos segundo uma ordem (crescente
ou decrescente), o valor situado de tal forma no conjunto que o separa em dois
subconjuntos de mesmo nmero de elementos.
Smbolo da mediana: Md
4.1 Dados no-agrupados
Dada uma srie de valores como, por exemplo:
{5, 2, 6, 13, 9, 15, 10}
De acordo com a definio de mediana, o primeiro passo a ser dado o da
ordenao (crescente ou decrescente) dos valores:
{2, 5, 6, 9, 10, 13, 15}
Em seguida, tomamos aquele valor central que apresenta o mesmo nmero de
elementos direita e esquerda. Neste caso o valor que divide a srie acima em
duas partes iguais o 9, logo a Md = 9.
Se, porm, a srie dada tiver um nmero par de termos, a mediana ser, por
definio, qualquer dos nmeros compreendidos entre os dois valores centrais da
srie. Convencionou-se utilizar o ponto mdio.
.Mtodo prtico para o clculo da Mediana
a) Se a srie dada tiver nmero mpar de termos:
O valor mediano ser o termo de ordem dado pela frmula:
(n+1)/2
Exemplo: Calcule a mediana da srie {1, 3, 0, 0, 2, 4, 1, 2, 5}
1 - ordenar a srie {0, 0, 1, 1, 2, 2, 3, 4, 5}
n = 9, logo (n + 1)/2 dado por (9 + 1) / 2 = 5, ou seja, o 5 elemento da srie
ordenada ser a mediana.
A mediana ser o 5 elemento = 2

75

b) Se a srie dada tiver nmero par de termos:

O valor mediano ser dado pela frmula:
. [( n/2 ) +( n/2+ 1 )] / 2
Obs.: n/2 e (n/2 + 1) sero termos de ordem e devem ser substitudos pelo valor
correspondente.

Exemplo: Calcule a mediana da srie {1, 3, 0, 0, 2, 4, 1, 3, 5, 6}

1 - ordenar a srie {0, 0, 1, 1, 2, 3, 3, 4, 5, 6}
n = 10, logo a frmula ficar: [(10/2) + (10/2 + 1)] / 2
[(5 + 6)] / 2, ser na realidade (5 termo + 6 termo) / 2
Temos: 5 termo = 2 e 6 termo = 3
A mediana ser = (2 + 3) / 2, ou seja, Md = 2,5. A mediana no exemplo ser a
mdia aritmtica do 5 e 6 termos da srie.
Notas:

Quando o nmero de elementos da srie estatstica for mpar, haver

coincidncia da mediana com um dos elementos da srie.

Quando o nmero de elementos da srie estatstica for par, haver ou no

coincidncia da mediana com um dos elementos da srie. A mediana ser
sempre a mdia aritmtica dos 2 elementos centrais da srie.

Em uma srie a mediana, a mdia e a moda no tm, necessariamente, o

mesmo valor.

A mediana depende da posio e no dos valores dos elementos na srie

ordenada. Essa uma das diferenas marcantes entre mediana e mdia (que
se deixa influenciar, e muito, pelos valores extremos). Vejamos:
Em {5, 7, 10, 13, 15}; a mdia = 10 e a mediana = 10
Em {5, 7, 10, 13, 65}; a mdia = 20 e a mediana = 10

Isto , a mdia do segundo conjunto de valores maior do que a do primeiro, por

influncia dos valores extremos, ao passo que a mediana permanece a mesma.

76

4.2 Dados agrupados

Se os dados se agrupam em uma distribuio de frequncia, o clculo da mediana se
processa de modo muito semelhante quele dos dados no-agrupados, implicando,
porm, a determinao prvia das frequncias acumuladas. Ainda aqui, temos que
determinar um valor tal que divida a distribuio em dois grupos que contenham o
mesmo nmero de elementos.
Sem intervalos de classe
Neste caso, o bastante identificar a frequncia acumulada imediatamente superior
metade da soma das frequncias. A mediana ser aquele valor da varivel que
corresponde a tal frequncia acumulada.
- Quando o somatrio das frequncias for mpar o valor mediano ser o termo de
ordem dado pela frmula:

Exemplo considere a distribuio abaixo:

Varivel (xi)
0
1
2
3
4
Total

fi
2
6
9
13
5
35

Fi
2
8
17
30
35
--

Como o somatrio das frequncias fi = 35, a frmula para calcular a mediana ser:
(35+1) / 2 = 18 termo.
Pela distribuio temos a mediana igual ao valor da varivel correspondente ao 18
termo, ou seja, igual a 3.
- Quando o somatrio das frequncias for par o valor mediano ser o termo de
ordem dado pela frmula:

77

Exemplo - Calcule Mediana da tabela abaixo:

xi
12
14
15
16
17
20
Total

fi
1
2
1
2
1
1
8

Fi
1
3
4
6
7
8
--

Aplicando frmula acima teremos:

[(8/2)+ (8/2+1)]/2 = (4 termo + 5 termo) / 2 = (15 + 16) / 2 = 15,5
Logo, o valor da mediana para esta distribuio ser igual a 15,5.

Resolva:
1 Calcule a mediana da distribuio:
xi

10

fi

12

Com intervalos de classe

Neste caso, o problema consiste em determinar o ponto do intervalo em que est
compreendida a mediana.
Para tanto, temos inicialmente que determinar a classe na qual se acha a mediana
classe mediana.

78

Devemos seguir os seguintes passos:

Exemplo: Considere a distribuio a seguir

Classes
50 |---- 54
54 |---- 58
58 |---- 62
62 |---- 66
66 |---- 70
70 |---- 74
Total
Temos:

fi
4
9
11
8
5
3
40

Fi
4
13
24
32
37
40
--

= 40 / 2 =.20

Logo,.a classe mediana ser a terceira classe, ou seja, 58 |---- 62 e com base nesta
classe temos ainda:
l* = 58........... F(ant) = 13........... f* = 11........... h* = 4
Substituindo esses valores na frmula acima, obtemos:
Md = 58 + [(20 - 13) x 4] / 11 = 58 + (28/11) = 58 + 2,54 = 60,54
Obs.: Este valor (Md = 60,54) estimado, pois no temos os 40 valores da
distribuio.
NOTA: No caso de existir uma frequncia acumulada exatamente igual a fi/2, a
mediana ser o limite superior da classe correspondente.

79

Exemplo: Considere a distribuio a seguir

i
1
2
3
4
5
6

Classes
0 |---- 10
10 |---- 20
20 |---- 30
30 |---- 40
40 |---- 50
50 |---- 60
Total
Temos:

fi
1
3
9
7
4
2
26

Fi
1
4
13
20
24
26
--

= 26 / 2 =.13

Logo,.Md = L* = 30
4.3 - Emprego da Mediana
A mediana usada quando:
a. desejamos obter o ponto que divide a distribuio em duas partes iguais;
b. h valores extremos que afetam de maneira acentuada a mdia aritmtica;
c. a varivel em estudo salrio.
Resolva:
1 Calcule a mediana da distribuio de frequncia:
CUSTO (R$)
fi

450 |-- 550 |-- 650 |-- 750 |-- 850 |-- 950 |-- 1050 |-- 1150

10

11

16

13

5 Posio Relativa da Mdia, Moda e Mediana

Quando uma distribuio simtrica, as trs medidas coincidem. Porm, a
assimetria torna-as diferentes e essa diferena tanto maior quanto maior a
assimetria. Assim, em uma distribuio em forma de sino, temos:
Media = Mediana = Moda, no caso da curva simtrica;
Moda < Mediana < Media, no caso da curva assimtrica positiva;
Media < Mediana < Moda, no caso da curva assimtrica negativa;

80

6 As Separatrizes
Como vimos, a mediana caracteriza uma srie de valores devido sua posio
central. No entanto, ela apresenta uma caracterstica, to importante quanto a
primeira: ela separa a srie em dois grupos que apresentam o mesmo nmero de
valores.
Assim, alm das medidas de posio que estudamos, h outras que, consideradas
individualmente, no so medidas de tendncia central, mas esto ligadas mediana
relativamente sua segunda caracterstica, j que se baseiam em posio na srie.
Essas medidas os quartis, os percentis e os decis so, juntamente com a
mediana, conhecidas pelo nome genrico de separatrizes.
6.1 Os quartis
Denominamos quartis os valores de uma srie que a divide em quatro partes
iguais.

81

H, portanto, trs quartis:

a. O primeiro quartil (Q1) valor situado de tal modo na srie que uma quarta
parte (25%) dos dados menor que ele e as trs quartas partes restantes (75%)
so maiores.
b. O segundo quartil (Q2) evidentemente, valor que coincide com a mediana
(Q2 = Md).
c. O terceiro quartil (Q3) valor situado de tal modo na srie que as trs
quartas partes (75%) dos termos so menores que ele e uma quarta parte
restante (25%) maior.
Quando os dados so agrupados, para determinar os quartis usamos a mesma tcnica
do clculo da mediana, bastando substituir, na frmula da mediana,

por:

Sendo K o nmero de ordem do quartil. Assim temos:

Exemplo:
Classes
150 |---- 154
154 |---- 158
158 |---- 162
162 |---- 166
166 |---- 170
170 |---- 174
Total

fi
4
9
11
8
5
3
40

Fi
4
13
24
32
37
40
--

(Q1)
(Q3)

82

Resolva:
1. Complete os esquemas para o clculo do primeiro e do terceiro quartis da
distribuio de frequncia:

83

6.2 Os Decis
Denominamos decis os nove valores que separam uma srie em dez partes iguais.

Indicamos:
D1, D2, D3, ............, D9
evidente que:
D5= Q2 = Md

84

O clculo de um decil segue a mesma tcnica do clculo da mediana, porm, a

frmula

ser substituda por:

10

Sendo K o nmero de ordem do decil. Assim temos:

D1

D3

10

10

Exemplo: Calcule o stimo decil

Classes
150 |---- 154
154 |---- 158
158 |---- 162
162 |---- 166
166 |---- 170
170 |---- 174
Total

fi
4
9
11
8
5
3
40

Fi
4
13
24
32
37
40
--

(D7)

Stimo Decil:
7 x fi/10 = 7 x 40/10 = 28 (28 termo)
D7 = 162 + (28 -24).4
8
D7 = 162 + 2 = 164

85

6.3 Os Percentis
Denominamos percentis os noventa e nove valores que separam uma srie em
cem partes iguais.
Indicamos:
P1, P2, P3, ............, P99
evidente que:
P50= D5= Q2 = Md, P25= Q1, P75= Q3
O clculo de um percentil segue a mesma tcnica do clculo da mediana, porm, a
frmula

ser substituda por:

Sendo K o nmero de ordem do percentil. Assim para o 27 percentil, temos:

Exemplo:
Considerando a distribuio de frequncia, temos para o oitavo percentil:
Classes
150 |---- 154
154 |---- 158
158 |---- 162
162 |---- 166
166 |---- 170
170 |---- 174
Total

fi
4
9
11
8
5
3
40

Fi
4
13
24
32
37
40
--

(P8)

86

87

Resolva:
1. Complete o esquema para o clculo do vigsimo percentil da distribuio:

88

EXERCCIOS
1 Com relao s propriedades da mdia aritmtica, moda e mediana, marque V
ou F nas sentenas abaixo.
( ) Multiplicando-se todos os elementos de uma srie por 5, sua mdia permanece
inalterada.
( ) A mediana de uma srie disposta em ordem crescente o termo que a divide em
trs partes iguais.
( ) A moda o valor da varivel que possui maior frequncia.
( ) A mediana de uma srie de 46 elementos a mdia dos valores do 23 e do 24
termos desta srie, quando ela estiver disposta em ordem crescente.
( ) A mediana de uma srie de 33 elementos o valor do 17 termo desta srie,
quando ela estiver disposta em ordem decrescente.
( ) Dividindo-se todos os nmeros de uma srie com cinco elementos por 2, sua
mediana ficar multiplicada por 2.
2 - A mdia da srie {21, 13, 8, 15, 27, 12, 16, 12, 17, 3, 26, 10} igual a:
( ) 15

( ) 12

( ) 15,5

( ) 14

( ) 16

3 - A mediana da srie {21, 13, 8, 15, 30, 12, 17, 3, 26, 10, 25, 16} igual a:
( ) 15

( ) 12

( ) 16

( ) 14

( ) 15,5

4 - A moda da srie {21, 13, 8, 15, 27, 12, 16, 12, 17, 3, 26, 10} igual a:
( ) 15

( ) 12

( ) 15,5

( ) 14

( ) 16

5 Um supermercado tem 200 empegados, sendo 150 mulheres e 50 homens. A

media salarial das mulheres de 3 salrios mnimos e dos homens de 5 salrios
mnimos. A mdia salarial dos empregados deste supermercado, em salrios
mnimos, :
a) 3,1
b) 3,2
c) 3,3
d) 3,4
e) 3,5
6 Sabe-se que a mdia aritmtica de 5 nmeros inteiros distintos, estritamente
positivos, 16. O maior valor que um desses nmeros pode assumir :
a) 16
b) 20
c) 50
d) 70
e) 100
7 A mdia aritmtica dos elementos de um conjunto de 28 nmeros 27. Se
retirarmos desse conjunto trs nmeros, de valores 25, 28 e 30, a mdia aritmtica
dos elementos do novo conjunto :
89

a) 25,48

b) 26,38

c) 28,04

d) 26,62

e) 26,92

8 A distribuio de idades dos alunos de uma sala dada pelo grfico abaixo.

Qual das alternativas representa melhor a mdia aritmtica das idades dos alunos:
a) 16 anos e 10 meses b) 17 anos e 1 ms c) 17 anos e 5 meses d) 17 anos e 4
meses e) 18 anos e 2 meses
9 - Considere a distribuio de frequncias:
Classes
02 |- 04
04 |- 06
06 |- 08
08 |- 10
10 |- 12
Total

Frequncias
3
k
1001
3k-12
3

Determine o valor de k para que a mdia, a moda e a mediana possuam valores

iguais.
10 - Considere a tabela de distribuio de frequncia a seguir, calcule a mdia, a
moda e a mediana das encomendas devolvidas em 35 correios de Fortaleza no ms
de abril de 2005:
N. DE
CHEQUES
36 |---- 40
40 |---- 44
44 |---- 48
48 |---- 52
52 |---- 56
56 |---- 60
Total

(fi)
6
9
4
8
5
3
35
90

11 Seja a tabela a seguir:

IDADE
11
12
13
14
15
A mdia aritmtica vale:
a) 13,2
b) 14,2
A moda e a mediana valem?

Fi
10
15
25
40
50

c) 14,0

d) 14,5

e) 13,6

12 A produo diria de parafusos da Indstria Asterx Ltda. de 20 lotes, cada um

contendo 100.000 unidades. Ao escolher uma amostra de oito lotes, o controle de
qualidade verificou o nmero seguinte de parafusos com defeitos em cada lote:
Amostra

Defeitos

300

550

480

980

1050

350

450

870

Pede-se:
a) Calcular a mdia diria de parafusos com defeitos;
b) Projetar o nmero total de parafusos com defeitos em um dia de trabalho.
13 - A mdia aritmtica dos salrios de 5 funcionrios de uma empresa R$ 2.500,00. A
mdia aritmtica dos salrios dos trs primeiros R$ 3.000,00, o quinto ganha R$
500,00 a mais que o quarto. Nesse caso, o salrio do quinto empregado igual a?

91

14 - Calcule a mdia, moda e a mediana das distribuies de frequncia abaixo:

15 - Calcule para cada uma das distribuies de frequncia do exerccio quatorze:

a) Q1 e Q3;
b) D4 e D9;
c) P1; P10; P15; P23 e P90.
16 - O grfico apresenta o comportamento de emprego formal surgido, segundo o
CAGED, no perodo de janeiro a outubro de 2010.

Com base no grfico, o valor da mdia e da mediana dos empregos formais surgidos no
perodo vale?

92

17 - Uma pesquisa contemplando uma amostra de 54 estagirios da Empresa Produtos

Bons Ltda., revelou os salrios apresentados na tabela seguinte. Faa a distribuio de
frequncia com classes e baseado nela calcule:
497
505
510
512
518
525
a)
b)
c)
d)

497
506
511
513
520
526

499
508
511
513
520
528

500
508
511
513
523
529

498
507
517
521
531
501

502
503
519
527
530
528

501
508
511
514
524
530

504
508
512
516
524
532

537
520
534
526
535
536

O salrio mdio;
O salrio modal;
O salrio mediano;
Q3; D8; P73.

93

VII MEDIDAS DE DISPERSO OU VARIABILIDADE

1 Disperso ou variabilidade
Vimos anteriormente que um conjunto de valores pode ser convenientemente
sintetizado, por meio de procedimentos matemticos, em poucos valores
representativos mdia aritmtica, moda e mediana. Tais valores podem servir de
comparao para dar a posio de qualquer elemento do conjunto.
No entanto, quando se trata de interpretar dados estatsticos, mesmo aqueles j
convenientemente simplificados, necessrio ter-se uma ideia retrospectiva de
como se apresentavam esses mesmos dados nas tabelas.
Assim, no o bastante dar uma das medidas de posio para caracterizar
perfeitamente um conjunto de valores. Vemos, ento, que a mdia ainda que
considerada como um nmero que tem a faculdade de representar uma srie de
valores no pode, por si mesma, destacar o grau de homogeneidade que existe
entre os valores que compem o conjunto.
Consideremos os seguintes conjuntos de valores das variveis x, y e z:
X: 70, 70, 70, 70, 70
Y: 68, 69, 70, 71, 72
Z: 5, 15, 50, 120, 160
Calculando a mdia aritmtica de cada um desses conjuntos, obtemos:
mdia da varivel x = 70;
mdia da varivel y = 70;
mdia da varivel z = 70;
Vemos ento que os trs conjuntos apresentam a mesma mdia aritmtica: 70.
Entretanto, fcil notar que o conjunto X mais homogneo que os conjuntos Y e
Z, j que todos os valores so iguais mdia. O conjunto Y, por sua vez, mais
homogneo que o conjunto Z, pois h menor diversificao entre cada um de seus
valores e a mdia representativa.
Chamando de disperso ou variabilidade a maior ou menor diversificao dos
valores de uma varivel em torno de um valor de tendncia central tomado como
ponto de comparao, podemos dizer que o conjunto X apresenta disperso ou
variabilidade nula e que o conjunto Y apresenta uma disperso ou variabilidade
menor que o conjunto Z.
94

Portanto, para qualificar os valores de uma dada varivel, ressaltando a maior ou

menor disperso ou variabilidade entre esses valores e a sua medida de posio, a
Estatstica recorre s medidas de disperso ou de variabilidade.
Dessas medidas, estudaremos a amplitude total, o Desvio-padro, a Varincia e o
Coeficiente de variao.
2 Amplitude Total
2.1 Dados no-agrupados
A Amplitude total a diferena entre o maior e o menor valor observado:
AT = X (max) - X (min)
Exemplo: para os valores: 40, 45, 48, 52, 54, 62 e 70
Temos: AT = 70 40 = 30, logo AT = 30.
Quando dizemos que a amplitude total dos valores 30, estamos afirmando alguma
coisa do grau de sua concentrao. evidente que, quanto maior a amplitude total,
maior a disperso ou variabilidade dos valores da varivel.
Relativamente aos trs conjuntos de valores (X, Y e Z) mencionados no incio deste
captulo, temos:
ATX = 70 70 = 0, (disperso nula)
ATY = 72 68 = 4
ATZ = 160 5 = 155
2.2 Dados agrupados
2.2.1 Sem intervalos de classe
Neste caso, ainda temos:
AT = X (max) - X (min)

95

Exemplo:
Considerando a tabela abaixo:
Xi
0
1
2
3
4
Total

fi
2
6
12
7
3
30

Temos: AT = 4 0 = 4, logo AT = 4.
2.2.2 Com intervalos de classe
Neste caso, a amplitude total a diferena entre o limite superior da ltima classe e
o limite inferior da primeira classe:
AT = L (max) - l (min)
Exemplo:
Considerando a distribuio de frequncia abaixo:
Classes
150 |---- 154
154 |---- 158
158 |---- 162
162 |---- 166
166 |---- 170
170 |---- 174
Total

fi
4
9
11
8
5
3
40

Temos:
AT = 174 150 = 24, logo: AT = 24 cm.
A amplitude total tem o inconveniente de s levar em conta os dois valores
extremos da srie, descuidando do conjunto de valores intermedirios, o que quase
sempre invalida a idoneidade do resultado. Ela apenas uma indicao aproximada
da disperso ou variabilidade.

96

3 Varincia e Desvio-padro
3.1 Introduo:
A varincia e o desvio-padro levam em considerao a totalidade dos valores da
varivel em estudo, o que faz delas ndices de variabilidade bastante estveis e, por
isso mesmo, os mais geralmente empregados.
A varincia uma medida que tem pouca utilidade como estatstica descritiva,
porm extremamente importante na inferncia estatstica e em combinaes de
amostras.
A varincia baseia-se nos desvios em torno da mdia aritmtica, porm
determinando mdia aritmtica dos quadrados dos desvios. Assim,
representando a varincia por s2, temos:

Quando se tratar de uma amostra devemos usar no denominador n 1.

Sendo a varincia calculada a partir dos quadrados dos desvios, ela um nmero em
unidade quadrada em relao varivel em questo, o que, sob o ponto de vista
prtico inconveniente.
Por isso mesmo, imaginou-se uma nova medida que tem utilidade e
interpretaes prticas, denominada desvio-padro, definida como a raiz
quadrada da varincia e representada por S.

Quando se tratar de uma amostra devemos usar no denominador n 1.

O desvio padro uma das mais utilizadas medidas de variao de um grupo de
dados. A vantagem que apresenta sobre a varincia de permitir uma interpretao
direta da variao do conjunto de dados, pois o desvio padro expresso na mesma
unidade que a varivel (Kg, cm, atm.).
97

Podemos entender o desvio padro como uma mdia dos valores absolutos dos
desvios, ou seja, dos desvios considerados todos com sinal positivo, mdia essa
obtida, porm, por um processo bastante elaborado: calculamos o quadrado de cada
desvio, obtemos a mdia desses quadrados e, depois obtemos a raiz quadrada da
mdia dos quadrados dos desvios.
Outra frmula bastante utilizada para calcular o desvio-padro de uma populao :

3.2 Propriedades do desvio-padro

O desvio padro uma medida que s pode assumir valores no negativos e
quanto maior for o seu valor, maior ser a disperso dos dados.
Algumas propriedades do desvio padro, que resultam imediatamente da definio,
so:
Somando-se (ou subtraindo-se) uma constante a todos os valores de uma
varivel, o desvio padro no se altera.
yi = xi c sy = sx
Multiplicando-se (ou dividindo-se) todos os valores de uma varivel por uma
constante (diferente de zero), o desvio padro fica multiplicado (ou
dividido) por essa constante.
yi = xi . c sy = sx . c
O desvio padro sempre no negativo e ser tanto maior, quanto mais
variabilidade houver entre os dados.
Se s = 0, ento no existe variabilidade, isto , os dados so todos iguais.
Para o clculo do desvio-padro, consideremos os seguintes casos:
3.3 Dados no-agrupados
Devemos empregar uma das duas frmulas mostradas para clculo do desviopadro.

98

Exemplo: Calcular o desvio padro da populao representada por:

Populao = {10, 6, 1, 3, 5}
xi
10
6
1
3
5

5
5
5
5
5

5
1
-4
-2
0

25
1
16
4
0

Total

--

--

46

Usando a frmula:

Sabemos que n = 5 e que

/ n = 46 / 5 = 9,2.

Logo, a raiz quadrada de 9,2 o desvio padro, S = 3,03

Obs.: Podemos tambm calcular utilizando a outra frmula possvel.
Quando nosso interesse no se restringe descrio dos dados, mas, partindo da
amostra, visamos tirar inferncias vlidas para a respectiva populao, convm
efetuar uma modificao, que consiste em usar o divisor (n 1) em lugar de n. A
frmula ficar ento:

Se os dados {10, 6, 1, 3, 5} representassem uma amostra o desvio padro amostral

seria a raiz quadrada de 46 / (5 -1) = 3,39
Resolva:
1 - Calcule o desvio padro, dados os valores da varivel: 8, 10, 11, 15, 16, 18.
2 - Comprove a primeira propriedade do desvio padro somando 5 a cada valor da
varivel do exerccio 1.

99

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

valor da varivel do exerccio 1.
3.4 Dados agrupados
Quando os dados esto agrupados (temos a presena de frequncias) a frmula do
clculo do desvio padro para uma populao ficar:

Quando se trata de uma amostra devemos usar a seguinte frmula:

Podemos tambm calcular o desvio-padro populacional pela seguinte frmula:

Exemplo: Calcule o desvio padro populacional da tabela abaixo:

xi
0
1
2
3
4

fi
2
6
12
7
3

x i . fi
0
6
24
21
12

2,1
2,1
2,1
2,1
2,1

Total

30

63

--

Sabemos que fi = 30 e

. fi
-2,1
-1,1
-0,1
0,9
1,9

4,41
1,21
0,01
0,81
3,61

Somatrio

8,82
7,26
0,12
5,67
10,83
32,70

. f i / n = 32,7 / 30 = 1,09.

A raiz quadrada de 1,09 o desvio padro, ou seja, s = 1,044.

Se considerarmos os dados como sendo de uma amostra o desvio padro seria:
A raiz quadrada de 32,7 / (30 -1) = 1,062.
Obs.: Nas tabelas de frequncias com intervalos de classe a frmula a ser utilizada
a mesma do exemplo anterior.
100

No exemplo anterior a varincia igual a:

a) Para a populao
S2 = (1,044)2 = 1,09
b) Para a amostra:
S2 = (1,062)2 = 1,13
3.5 Entendendo o significado do desvio-padro:
Em termos simples, desvio-padro um modo de representar a disperso dos dados
ao redor da mdia. Se os dados obedecerem a uma distribuio normal, todos
estaro compreendidos por uma curva em forma de sino; eles se distribuiro
simetricamente ao redor da mdia.
O quadro a seguir mostra os dados contidos entre desvio-padro para ambos os
lados da mdia.
Mdia + ou ( ) desviopadro

% da populao includa

Grosseiramente

68,3

2/3 da populao

1,96

95,0

95,5

2,58

99,0

99,7

95 % da populao

100 % da populao

1 - Aproximadamente 68% dos dados esto no intervalo

101

2 - Aproximadamente 95% dos dados esto no intervalo

102

4 Coeficiente de Variao
O desvio padro por si s no nos diz muita coisa. Assim, um desvio padro de duas
unidades pode ser considerado pequeno para uma srie de valores cujo valor mdio
200; no entanto, se a mdia for igual a 20, o mesmo no pode ser dito. Alm disso,
o fato de o desvio padro ser expresso na mesma unidade dos dados limita o seu
emprego quando desejamos comparar duas ou mais sries de valores, relativamente
sua disperso ou variabilidade, quando expressas em unidades diferentes.
Para contornar essas dificuldades e limitaes, podemos caracterizar a disperso ou
variabilidade dos dados em termos relativos a seu valor mdio, medida essa
denominada coeficiente de variao (CV):

Exemplo:
Tomemos os resultados das medidas das estaturas e dos pesos de um mesmo grupo
de indivduos:
Varivel

Estatura

175 cm

5,0 cm

Peso

68 Kg

2,0 Kg

Temos:
CVE = (5/175) x 100 = 2,85%
CVP = (2/68) x 100 = 2,94%
Logo, nesse grupo de indivduos, os pesos apresentam maior grau de disperso que
as estaturas.

103

EXERCCIOS
1 Com relao s propriedades do desvio-padro, coloque V ou F nas sentenas
abaixo:
( ) O desvio padro pode assumir qualquer valor numrico.
( ) O desvio - padro representa o grau de variabilidade de um conjunto de dados,
ou seja, quanto maior o valor do desvio-padro mais compactos so seus dados.
( ) Quando o valor do desvio-padro zero, todos os valores do conjunto de dados
so iguais, no h variao entre eles.
( ) Quando multiplicarmos uma constante a um conjunto de dados, podemos
afirmar que seu desvio-padro fica multiplicado por essa constante, assim como sua
mdia.
( ) Quando somamos uma constante K a um conjunto de dados, podemos afirmar
que seu desvio-padro e sua mdia permanecem inalterados.
( ) Para calcularmos o desvio-padro e a varincia para uma populao e para uma
amostra, devemos proceder da mesma maneira.
2 Considere o conjunto de A = {3, 5, 6, 8}, que tem mdia igual a 5,5 e desviopadro igual a 2,08. Sobre o conjunto B = {9, 15, 18, 24} podemos afirmar que:
(
(
(
(
(

) Sua mdia e seu desvio-padro no se alteram.

) A mdia permanece a mesma e seu desvio-padro fica multiplicado por 3.
) Seu desvio-padro o mesmo e a mdia fica multiplicada por 3.
) Tanto a mdia como o desvio-padro ficam multiplicados por 3.
) Nada podemos afirmar em relao a mdia e seu desvio-padro.

3 - Considere os seguintes conjuntos de nmeros:

A = {10, 20, 30, 40, 50}

B = {100, 200, 300, 400, 500}

Que relao existe entre os desvios padres dos dois conjuntos de nmeros?
4 - Dados os conjuntos de nmeros:
A = {220, 230, 240, 250, 260}

B = {20, 30, 40, 50, 60}

Que relao existe entre os desvios padres dos dois conjuntos de nmeros?
5- Dados os conjuntos de nmeros:
A = {-2, -1, 0, 1, 2 }

B = {220, 225, 230, 235, 240}

Podemos afirmar, de acordo com as propriedades do desvio padro, que o desvio

padro de B igual:
104

a) ao desvio padro de A;
b) ao desvio padro de A, multiplicado pela constante 5;
c) ao desvio padro de A, multiplicado pela constante 5, e esse resultado somado a
230;
d) ao desvio padro de A mais a constante 230.
6 Calcule a amplitude total dos conjuntos de dados:
a) 1, 3, 5, 9
b) 20, 14, 15, 19, 21, 22, 20
c) 17,9; 22,5; 13,3; 16,8; 15,4; 14,2
d) -10, -6, 2, 3, 7, 9, 10
7 Considere a populao A = {1, 3, 7, 9, 6} calcule o desvio-padro e a varincia.
8 Considere a amostra B = {2, 5, 6, 13, 7, 8} calcule a mdia, o desvio-padro e a
varincia.
9 - Considere a distribuio de frequncia transcrita a seguir como de uma
populao. Calcule o desvio-padro e sua varincia.
PESO (kg)
41
43
50
54
57
60
TOTAL

fi
13
12
20
11
15
16
87

10 - O grfico a seguir indica a massa de uma populao de objetos. Acrescentandose ao grupo n objetos de massa igual a 4 kg cada, sabe-se que a media no se altera,
mas o desvio padro se reduz metade do que era. Nessas condies, calcule o valor
de n.

105

11 - Uma cermica fabrica tijolos de acordo com a norma de um grande cliente. A

norma estabelece que os tijolos devem suportar, no mnimo, uma fora de
compresso mdia de 10 kg/cm2 e que o desvio padro no deve ser superior a 5%
da mdia. Num ensaio realizado em um lote de tijolos pelo Engenheiro da
Qualidade do cliente, foram registrados os seguintes dados de uma amostra de 6
tijolos, para sua resistncia compresso em kg/cm2: 12; 11; 10; 9; 8,5 e 11,5.
Nestas condies, o Engenheiro da Qualidade aprovar ou reprovar o lote de
tijolos?
12 Uma pesquisa contemplando uma amostra de 48 estagirios da Empresa
Produo Limpa Ltda., revelou os salrios apresentados na tabela seguinte. Faa a
distribuio de frequncia com classes e baseado nela calcule o desvio-padro e a
varincia.
497
505
510
512
518
525

497
506
511
513
520
526

499
508
511
513
520
528

500
508
511
513
523
529

498
507
517
521
531
501

502
503
519
527
530
528

501
508
511
514
524
530

504
508
512
516
524
532

13 Os dados abaixo mostram o nmero de vezes que 35 indivduos com lombalgia

procuram o servio de fisioterapia. Calcule a mdia, a moda, a mediana e o desvio
padro desta amostra.
N de vezes: 0 1 2 3
N de pessoas: 18 10 3 2

4 5
1 1

106

14 - Medidas as estaturas de 1017 indivduos, obtivemos media igual a 162,2 cm e

desvio padro de 8,01 cm. O peso mdio desses indivduos 52 kg, com um desvio
padro de 2,3 kg. Esses indivduos apresentam maior variabilidade em estatura ou
peso?
15 - Um grupo de cem estudantes tem uma estatura mdia de 163,8 cm, com um
coeficiente de variao de 3,3%. Qual o desvio padro desse grupo?
16 Uma distribuio apresenta as seguintes estatsticas: s = 1,5 e CV = 2,9%.
Determinar a mdia da distribuio.

107

VIII - PROBABILIDADE
1 - Introduo
Neste captulo, presumiremos que a populao conhecida e calcularemos as
chances de obter vrias amostras desta populao. Assim, mostraremos que a
probabilidade o reverso da estatstica: na probabilidade usaremos a informao da
populao para inferir a natureza provvel da amostra.
Sendo assim, as situaes marcadas pela possibilidade de ocorrncia de mais de um
resultado possvel costumam ser analisadas em estatstica com o auxlio das
probabilidades. A probabilidade estuda o risco e o acaso em eventos futuros,
determinando se provvel ou no o seu acontecimento.
O clculo das probabilidades pertence ao campo da Matemtica, entretanto a
maioria dos fenmenos de que trata a Estatstica so de natureza aleatria ou
probabilstica. O conhecimento dos aspectos fundamentais do clculo da
probabilidade uma necessidade essencial para o estudo da Estatstica Indutiva ou
Inferencial.
Para estudar probabilidades, necessrio definir alguns conceitos e terminologias
usuais, como os relativos a experimento aleatrio, espao amostral e eventos.
2 - Experimento Aleatrio
Suponha que uma moeda foi jogada uma vez e deu cara. O resultado que vemos e
registramos chamado de observao, ou medio, e o processo de realizar uma
observao chamado de experimento. Baseado neste exemplo, enunciamos a
definio de experimentos aleatrios:
So fenmenos que, mesmo repetidos vrias vezes sob condies semelhantes,
apresentam resultados imprevisveis. O resultado final depende do acaso.

Como exemplos de experimentos aleatrios, podem ser citados:

E1: Joga-se um dado e observa-se o nmero mostrado na face de cima.
E2: Joga-se uma moeda trs vezes e observa-se o nmero de caras obtido.
E3: Em uma linha de produo, fabricam-se peas em srie e conta-se o nmero de
peas defeituosas produzidas em um perodo de 24 horas.
importante destacar que os experimentos mencionados possuem algumas
caractersticas em comum:
a) Cada experimento poder ser repetido indefinidamente sob condies
essencialmente inalteradas;

108

b) Muito embora no seja possvel afirmar que resultado particular ocorrer,

pode-se descrever o conjunto de todos os possveis resultados do
experimento;
c) Quando o experimento for executado repetidamente, os resultados
individuais parecero ocorrer de forma acidental. Porm, quando o
experimento for repetido um grande nmero de vezes, uma configurao
definida ou uma regularidade surgir.
3 - Espao Amostral
Um conjunto de resultados totais pode ser obtido ao ser realizada uma experincia
aleatria, embora um e somente um resultado possa ser obtido por vez. Logo, por
espao amostral, entende-se:
Ao conjunto de resultados possveis de um experimento aleatrio damos o nome
de espao amostral ou conjunto universo, representado por S.
.
Considerando os quatros experimentos aleatrios citados no item anterior, o espao
amostral para cada um deles pode ser descrito, respectivamente, por:
S1: {1; 2; 3; 4; 5; 6}
S2: {0; 1; 2; 3}
S3: {0; 1; 2; 3; .........; N}
Cada elemento do espao amostral que corresponde a um resultado recebe o nome
de ponto amostral. No primeiro exemplo: o nmero 1 pertence ao espao amostral
{1}.
4 - Eventos
Quando o espao amostral for finito ou infinito numervel, todo subconjunto poder
ser considerado um evento. No entanto, se o espao amostral for infinito no
numervel, surgir uma dificuldade terica na identificao e apresentao de
eventos. Logo, podemos definir evento como:
Qualquer subconjunto do espao amostral S de um experimento aleatrio.
Em relao aos quatro experimentos aleatrios apresentados inicialmente, podem
ser citados, respectivamente, como os eventos abaixo:
A1: {2; 4; 6}; isto , um nmero par ocorre.
A2: {2}; isto , duas caras ocorrem.
A3: {0}; isto , todas as peas so perfeitas.
109

Se considerarmos S como espao amostral e A como evento, qualquer que seja A, se

A est contido em S, ento A um evento de S. Em particular:
Se A = S, A chamado de evento certo.
Se A est contido em S e A um conjunto unitrio, A chamado de evento
elementar.
Se A = , A chamado de evento impossvel.
Nos itens anteriores aprendemos as definies e exemplos de experimento aleatrio,
espao amostral e eventos. No item a seguir, usaremos estas definies para
enunciar o conceito de probabilidade.
5 - Probabilidade
Dado um experimento aleatrio, sendo S o seu espao amostral, vamos admitir que
todos os elementos de S tenham a mesma chance de acontecer, ou seja, que S um
conjunto equiprovvel.

Aplicar probabilidade significa us-la em situaes em que no se pode prever um

resultado futuro. Os resultados so incertos, regidos pelo acaso. Observe os
exemplos a seguir:
1- No lanamento de uma moeda qual a probabilidade de obter cara em um evento
A?
S = {ca, co} = 2

A = {ca} = 1

P (A) = 1/2 = 0,5 = 50%

2 - No lanamento de um dado qual a probabilidade de obter um nmero par em

um evento A?
S = {1,2,3,4,5,6} = 6

A = {2,4,6} = 3

P (A) = 3/6 = 0,5 = 50%

110

3 - No lanamento de um dado qual a probabilidade de obter um nmero menor ou

igual a 6 em um evento A?
S = {1,2,3,4,5,6} = 6

A = {1,2,3,4,5,6} = 6

P (A) = 6/6 = 1,0 = 100%

Obs.: a probabilidade de todo evento certo igual a 1 ou 100%.

4 - No lanamento de um dado qual a probabilidade de obter um nmero maior que
6 em um evento A?
S = {1,2,3,4,5,6} = 6

A={ }=0

P (A) = 0/6 = 0 = 0%

Obs.: a probabilidade de todo evento impossvel igual a 0 ou 0%

6 - Eventos Complementares
Sabemos que um evento pode ocorrer ou no. Sendo p a probabilidade de que ele
ocorra (sucesso) e q a probabilidade de que ele no ocorra (insucesso), para um
mesmo evento existe sempre a relao:
p+q=1
Obs.: Em uma distribuio de probabilidades o somatrio das probabilidades
atribudas a cada evento elementar igual a 1, logo temos:
p1 + p2 + p3 + ... + pn = 1.
Exemplos:
1 Qual a probabilidade de no tirar o n 4 no lanamento de um dado?
Soluo: sabemos que a probabilidade de tirar o n 4 no lanamento aleatrio de um
dado p = 1/6 ou 16,67%. Logo, a probabilidade de no tirar q = 1 - p ou q = 1 1/6 = 5/6 ou 83,33%.
2 - Calcular a probabilidade de um piloto vencer uma dada corrida, onde as suas
"chances", segundo os especialistas, so de "3 para 2". Calcule tambm a
probabilidade de ele perder.
Soluo: O termo "3 para 2" significa: de cada 5 corridas ele ganha 3 e perde 2.
Ento p = 3/5 ou 60% (ganhar) e q = 2/5 ou 40% (perder).

111

3 - Qual a probabilidade de tirar um nmero maior ou igual a dois no lanamento de

um dado?
Soluo: sabemos que neste evento s exclumos a possibilidade de o resultado do
lanamento ser o n 1 e a probabilidade de tir-lo no lanamento de um dado p =
1/6. Logo, a probabilidade de o resultado obtido neste lanamento ser maior ou igual
a 2 q = 1 p, logo q = 1 - 1/6 = 5/6 ou 83,33%.
Aprendemos a distinguir eventos complementares, e que a probabilidade de um
evento acontecer somado probabilidade deste mesmo evento no acontecer
(complementar) sempre igual a 1 ou 100%. A seguir vamos definir eventos
independentes e calcular a probabilidade de eles acontecerem.
7 - Eventos Independentes
Dizemos que dois eventos so independentes quando a realizao ou a norealizao de um dos eventos no afeta a probabilidade da realizao do outro e
vice-versa. Por exemplo, quando lanamos dois dados, o resultado obtido em um
deles independe do resultado obtido no outro.
Se dois eventos so independentes, a probabilidade de que eles se realizem
simultaneamente igual ao produto das probabilidades de realizao dos dois
eventos.
Assim, se p1 a probabilidade de realizao do primeiro evento e p2 a probabilidade
de realizao do segundo evento, a probabilidade de que tais eventos se realizem
simultaneamente dada por:
p = p1 x p2
Esta regra tambm conhecida como Teorema do produto, que se aplica nas
operaes multiplicativas de probabilidades. Operaes multiplicativas geralmente
envolvem a conjuno e, e so representadas pelo smbolo de interseco .
Fique atento aos exemplos de eventos independentes abaixo:
1 Ao lanarmos dois dados, qual a probabilidade de obtermos o nmero 1 no
primeiro e o nmero 5 no segundo dado?
Soluo:
A probabilidade de obtermos 1 no primeiro dado : p1 = 1/6
A probabilidade de obtermos 5 no segundo dado : p2 = 1/6
Logo, a probabilidade de obtermos, simultaneamente, 1 no primeiro e 5 no segundo
:
p = 1/6 x 1/6 = 1/36 ou 2,78%
112

2 Qual a probabilidade da extrao de uma bola vermelha e uma bola branca

(nesta ordem) de uma urna com 6 bolas vermelhas e 4 bolas brancas, supondo a
reposio da primeira bola extrada antes da extrao da segunda bola?
Soluo:
A probabilidade de obtermos uma bola de cor vermelha na primeira extrao : p 1 =
6/10
A probabilidade de obtermos uma bola de cor branca na segunda extrao : p2 =
4/10
Logo, a probabilidade da extrao das duas bolas:
p = 6/10 x 4/10 = 24/100 = 0,24 ou 24%
Aprendemos o que so eventos independentes e como calcular a probabilidade
desses eventos acontecerem. A seguir vamos definir eventos mutuamente exclusivos
e calcular a probabilidade de eles acontecerem.
8 - Eventos Mutuamente Exclusivos
Dizemos que dois ou mais eventos so mutuamente exclusivos quando a
realizao de um dos eventos exclui a realizao do(s) outro(s).
Assim, quando lanamos uma moeda, o evento tirar cara e o evento tirar coroa
so mutuamente exclusivos, j que, ao se realizar um deles, o outro no se realiza.
Se dois eventos so mutuamente exclusivos, a probabilidade de que um ou outro se
realize igual soma das probabilidades de que cada um deles se realize:
p = p1 + p2
Esta regra tambm conhecida como Teorema da soma, que se aplica nas operaes
aditivas de probabilidades. Operaes aditivas geralmente envolvem a expresso
ou e so representadas pelo smbolo de unio U.
Veja os exemplos apresentados a seguir, em que os eventos so classificados como
mutuamente exclusivos ou excludentes.
a) Extrair uma carta vermelha e extrair uma carta de paus de um baralho.
Como paus um naipe preto, os eventos so mutuamente excludentes;
b) Extrair uma carta vermelha e extrair uma carta preta de um baralho. Como
no possvel que uma carta seja das duas cores ao mesmo tempo, os eventos so
mutuamente excludentes;

113

c) Extrair cara e extrair coroa do lance de uma moeda. Como no possvel

que uma face seja cara e coroa ao mesmo tempo, os eventos so mutuamente
excludentes;
d) Extrair face par e extrair o nmero cinco do lance de um dado. Como cinco
um nmero mpar, os eventos so mutuamente excludentes.
Fique atento ao clculo da probabilidade de eventos mutuamente excludentes:
1 Ao lanarmos um dado, qual a probabilidade de obtermos o nmero 3 ou o
nmero 5?
Soluo:
A probabilidade de obtermos o nmero 3 : p1 = 1/6
A probabilidade de obtermos o nmero 5 : p2 = 1/6
Logo, a probabilidade de obtermos o nmero 3 ou o nmero 5 :
p = 1/6 + 1/6 = 2/6 = 1/3 ou 33,33%
2 Ao lanarmos uma moeda, qual a probabilidade de obtermos cara ou coroa?
Soluo:
A probabilidade de obtermos cara : p1 = 1/2
A probabilidade de obtermos coroa : p2 = 1/2
Logo, a probabilidade de obtermos cara ou coroa :
p = 1/2 + 1/2 = 2/2 = 1 ou 100% (evento certo)
3 Qual a probabilidade da extrao de uma bola vermelha ou branca de uma urna
que contm 6 bolas vermelhas, 4 bolas brancas e 5 pretas?
Soluo:
A probabilidade de obtermos uma bola vermelha : p1 = 6/15
A probabilidade de obtermos uma bola branca : p2 = 4/15
Logo, a probabilidade da extrao de uma bola vermelha ou branca :
p = 4/15 + 6/15 = 10/15 ou 66,67%
Exerccios Resolvidos
1 Qual a probabilidade de sair o s de ouros quando retirarmos uma carta de um
baralho de 52 cartas?
Resposta: Como s h um s de ouros, o nmero de elementos do evento 1; logo:
p = 1/52 ou 1,92%.
2 Qual a probabilidade de sair um rei quando retirarmos uma carta de um baralho
de 52 cartas?
Resposta: Como h quatro reis no baralho, o nmero de elementos do evento 4;
logo: p = 4/52 = 1/13 ou 7,69%.
114

3 Em um lote de 12 peas, 4 so defeituosas. Sendo retirada uma pea ao acaso,

calcule:
a. A probabilidade dessa pea ser defeituosa
Resposta: Temos p = 4/12 = 1/3 ou 33,33%.
b. A probabilidade dessa pea no ser defeituosa
Resposta: Temos p = 1 - 1/3 = 2/3 ou 66,67%.
4 No lanamento de dois dados, calcule a probabilidade de se obter soma igual a
5.
Resposta: O evento formado pelos elementos (1,4), (2,3), (3,2) e (4,1). Como o
nmero de elementos de S 36, temos: p = 4/36 = 1/9 ou 11,11%.
5 De dois baralhos de 52 cartas retiram-se, simultaneamente, uma carta do
primeiro baralho e uma carta do segundo. Qual a probabilidade de a carta do
primeiro baralho ser um rei e a do segundo ser o 5 de paus?
Resposta: Como h quatro reis no baralho, o nmero de elementos do evento 4;
logo: p1 = 4/52 = 1/13 e p2 = 1/52. Como esses dois acontecimentos so
independentes e simultneos, vem: p = 1/13 x 1/52 = 1/676 ou 0,15%.
6 Uma urna A contm: 3 bolas brancas, 4 pretas, 2 verdes; uma urna B contm: 5
bolas brancas, 2 pretas, 1 verde; uma urna C contm: 2 bolas brancas, 3 pretas e 4
verdes. Uma bola retirada de cada urna. Qual a probabilidade de as bolas retiradas
da primeira, segunda e terceira urnas serem, respectivamente, branca, preta e verde?
Resposta: Temos: p1 = 3/9 = 1/3; p2 = 2/8= 1/4 e p3 = 4/9. Como esses trs
acontecimentos so independentes e simultneos, vem: p = 1/3 x 1/4 x 4/9 = 1/27 ou
3,70%.
7 De um baralho de 52 cartas retiram-se, ao acaso, duas cartas sem reposio.
Qual a probabilidade de a primeira carta ser o s de paus e a segunda ser o rei de
paus?
Resposta: A probabilidade de sair o s de paus na primeira carta p 1 = 1/52. Aps
a retirada da primeira carta, restam 51 cartas no baralho, j que a carta retirada
no foi reposta. Assim, a probabilidade de a segunda carta ser o rei de paus p 2 =
1/51. Como esses dois eventos so independentes, temos: p = 1/52 x 1/51= 1/2652
ou 0,04%.
8 Qual a probabilidade de sair uma figura quando retiramos uma carta de um
baralho de 52 cartas?
Resposta: Temos pR = 4/52 = 1/13, pD = 1/13 pV = 1/13. Como esses eventos so
mutuamente exclusivos, vem: p = 1/13 + 1/13 + 1/13 = 3/13 ou 23,08%.

115

9 Qual a probabilidade de sair uma carta de copas ou de ouros quando retiramos

uma carta de um baralho de 52 cartas?
Resposta: Temos pC = 13/52 = 1/4, pO = 1/4. Como esses eventos so mutuamente
exclusivos, vem: p = 1/4 + 1/4 = 1/2 ou 50%.
10 No lanamento de um dado, qual a probabilidade de se obter um nmero noinferior a 5?
Resposta: A probabilidade de se ter um nmero no-inferior a 5 a probabilidade
de se obter 5 ou 6. Assim, p = 1/6 + 1/6 = 1/3 ou 33,33%.
11 So dados dois baralhos de 52 cartas. Tiramos, ao mesmo tempo, uma carta do
primeiro baralho e uma carta do segundo. Qual a probabilidade de tirarmos uma
dama e um rei, no necessariamente nesta ordem?
Resposta: A probabilidade de tirarmos uma dama do primeiro baralho p = 4/52 =
1/13 e um rei do segundo p = 4/52 = 1/13, de acordo com o problema: p1 = 1/13 x
1/13= 1/169.
A probabilidade de tirarmos um rei do primeiro baralho e uma dama do segundo :
p2 = 1/13 x 1/13= 1/169.
Como esses dois eventos so mutuamente exclusivos, temos: p = 1/169 + 1/169=
2/169 ou 1,18%.
12 Dois dados so lanados conjuntamente. Determine a probabilidade de a soma
ser 10 ou maior que 10.
Resposta: A soma dever ser ento 10, 11 ou 12. Para que a soma seja 10, a
probabilidade (4,6); (5,5) e (6,4), logo: p = 3/36. Para que a soma seja 11, a
probabilidade (5,6) e (6,5), logo: p = 2/36. Para que a soma seja 12, a
probabilidade (6,6), logo: p = 1/36.
Como esses trs eventos so mutuamente exclusivos, temos: p = 3/36 + 2/36 + 1/36
= 6/36 = 1/6 ou 16,67%.
EXERCCIOS
1- No lanamento de um dado temos S = {1, 2, 3, 4, 5, 6}. Formule os eventos
definidos pelas sentenas: a) obter um nmero par; b) obter um nmero menor ou
igual a 6; c) obter o nmero 4; d) obter um nmero maior que 6.
2 Construa o espao amostral do evento lance de um dado honesto. Em relao
ao espao amostral, calcule: a) a probabilidade de ocorrer face cinco; b) a
probabilidade de no ocorrer face trs.

116

3 Determine o espao amostral do evento extrao de uma carta de um baralho

honesto. Calcule a probabilidade de: a) extrair uma carta de copas; b) extrair um rei;
c) extrair um valete de paus.
4 Um grupo de 20 pessoas formado por 12 homens e 8 mulheres. Em relao ao
sorteio de um elemento deste grupo, calcule: a) a probabilidade de ser homem; b) a
probabilidade de ser mulher.
5 Uma bola retirada ao acaso de uma urna que contm 12 bolas pretas, 16 verdes
e 8 rosas. Calcule a probabilidade de: a) no ser verde; b) no ser preta; c) ser rosa.
6 Em um lote de 12 peas, quatro so defeituosas. Sendo retiradas aleatoriamente
duas peas, calcule: a) a probabilidade de ambas serem defeituosas; b) a
probabilidade de ambas no serem defeituosas; c) a probabilidade de ao menos uma
ser defeituosa.
7 Uma moeda lanada trs vezes. Calcule a probabilidade de obtermos: a) trs
caras; b) duas caras e uma coroa; c) uma cara somente; d) nenhuma cara; e) pelo
menos uma cara; f) no mximo uma cara.
8 Uma urna contm 50 bolas idnticas. Sendo as bolas numeradas de 1 a 50,
determine a probabilidade de, em uma extrao ao acaso: a) obtermos a bola de
nmero 27; b) obtermos uma bola de nmero par; c) obtermos uma bola de nmero
maior que 20; d) obtermos uma bola de nmero menor ou igual a 20.
9 Um par de dados atirado. Encontre a probabilidade de que a soma seja 10 ou
maior que 10 se: a) um 5 aparece no primeiro dado; b) um 5 aparece pelo menos em
um dos dados.
10 Um lote formado por dez peas boas, quatro com defeitos e duas com
defeitos graves. Uma pea escolhida ao acaso. Calcule a probabilidade de que: a)
ela no tenha defeitos graves; b) ela no tenha defeitos; c) ela se boa ou tenha
defeitos graves.
11 Considere o mesmo lote do problema anterior. Retiram-se duas peas ao acaso.
Calcule a probabilidade de que: a) ambas sejam perfeitas; b) pelo menos uma seja
perfeita; c) nenhuma tenha defeitos graves; d) nenhuma seja perfeita.

117

IX DISTRIBUIES BINOMIAL E NORMAL

Neste captulo apresentaremos dois modelos tericos de distribuio de
probabilidade, aos quais um experimento aleatrio estudado possa ser adaptado, o
que permitir a soluo de grande nmero de problemas prticos.
1 - Varivel Aleatria
Suponhamos um espao amostral S e que 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.
Assim, se o espao amostral relativo ao lanamento de duas moedas S =
{(Ca,Ca), (Ca,Co), (Co,Ca), (Co,Co)} e se X representa o nmero de caras que
aparecem, a cada ponto amostral podemos associar um nmero para X, de acordo
com a tabela abaixo:
PONTO
AMOSTRAL
(Ca, Ca)
(Ca, Co)
(Co, Ca)
(Co, Co)

X
2
1
1
0

2 Distribuio de Probabilidade
Consideremos a distribuio de frequncias relativa ao nmero de acidentes dirios
em um estacionamento em um ms:
N DE
ACIDENTES
0
1
2
3
TOTAL

FREQUENCIAS
22
5
2
1
30

118

Em um dia, a probabilidade de:

- no ocorrer acidente : p = 22/30 = 0,73 ou 73%
- ocorrer um acidente : p = 5/30 = 0,17 ou 17%
- ocorrerem dois acidentes : p = 2/30 = 0,07 ou 7%
- ocorrerem trs acidentes : p = 1/30 = 0,03 ou 3%
Podemos, ento, escrever:
N DE
ACIDENTES
0
1
2
3
TOTAL

PROBABILIDADES
0,73
0,17
0,07
0,03
1,00

Essa tabela denominada distribuio de probabilidade.

Seja X uma varivel aleatria que pode assumir os valores x 1, x2, x3, ....., xn. A
cada valor xi correspondem a probabilidade pi de ocorrncia de tais pontos no
espao amostral.
Assim, temos:
pi = 1

Os valores x1, x2, x3, ....., xn e seus correspondentes p1, p2, p3, ....., pn definem uma
distribuio de probabilidade.
Assim, voltando a tabela inicial. Temos:

119

Logo, podemos escrever:

N DE CARAS (X)
0
1
2

P(X)
1/4
2/4
1/4

Ao definir a distribuio de probabilidade, estabelecemos uma correspondncia

unvoca entre os valores da varivel aleatria X e os valores da varivel P. Esta
correspondncia define uma funo; os valores xi (i = 1, 2, 3, ...., n) formam o
domnio da funo e os valores de pi (i = 1, 2, 3, ...., n), o seu conjunto imagem.
Essa funo, assim definida, denominada funo probabilidade e representada por:
f(x) = P(X = xi)

A funo P(X = xi) determina a distribuio de probabilidade de varivel

aleatria X.
Assim, ao lanarmos um dado, a varivel aleatria X, definida por pontos de um
dado, pode tomar os valores 1, 2, 3, ........., 6.
Como a cada um destes valores est associada uma e uma s probabilidade de
realizao e P(xi) = 1, fica definida uma funo de probabilidade, da qual resulta a
seguinte distribuio de probabilidade:

X
1
2
3
4
5
6

P(X)
1/6
1/6
1/6
1/6
1/6
1/6

120

3 Distribuio Binomial
Eventos binomiais so marcados pela existncia de duas categorias, mutuamente
excludentes e coletivamente exaustivos. Mutuamente excludentes significa que uma
categoria implica a possibilidade da no-ocorrncia simultnea da outra categoria.
Por coletivamente exaustivas entende-se que a unio de ambos os eventos resulta no
espao amostral.
Exemplos de eventos binomiais podem ser fornecidos por meio de nmeros pares e
mpares no lanamento de um dado honesto, e por meio da extrao de cartas
vermelhas e pretas de um baralho.
Geralmente, em anlises estatsticas, os exemplos mais comuns de eventos
binomiais so aqueles que estabelecem situaes de sucesso e fracasso. Situaes de
sucesso correspondem quilo que se deseja estudar. Situaes de fracasso
correspondem ao complemento. Ou seja, quilo que no se deseja estudar.
Vamos, neste item, considerar experimentos que satisfaam as seguintes condies:
a. O experimento deve ser repetido, nas mesmas condies, um nmero finito de
vezes (n).
b. As provas repetidas devem ser independentes, isto , o resultado de uma no
deve afetar os resultados das sucessivas.
c. Em cada prova deve aparecer um dos dois possveis resultados: sucesso e
insucesso.
d. No decorrer do experimento, a probabilidade p do sucesso e a probabilidade q
(q = 1 p) do insucesso manter-se-o constantes.
Resolveremos problemas do tipo: determinar a probabilidade de se obterem k
sucessos em n tentativas.
O experimento obteno de caras em cinco lanamentos sucessivos e
independentes de uma moeda satisfaz essas condies. Sabemos que, quando da
realizao de um experimento qualquer em uma nica tentativa, se a probabilidade
de realizao de um evento (sucesso) p, a probabilidade de no-realizao desse
mesmo evento (insucesso) 1 p = q.
Suponhamos, agora, 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:

121

Na qual:
P (X = k) a probabilidade de que o evento se realize k vezes em n provas;
p a probabilidade de que o evento se realize em uma s prova sucesso;
q a probabilidade de que o evento no se realize no decurso dessa insucesso;

Essa funo, denominada lei binomial, define a distribuio binomial.

Exerccios Resolvidos
1 Uma moeda lanada 5 vezes seguidas e independentes. Calcule a
probabilidade de serem obtidas 3 caras nessas 5 provas.

122

2 Dois times de futebol, A e B, jogam entre si 6 vezes. Encontre a probabilidade

de o time A ganhar 4 jogos.

3 Uma moeda honesta, que apresenta a mesma probabilidade de cara ou coroa,

jogada quatro vezes. Deseja-se calcular a probabilidade de sair cara: a) uma vez; b)
trs vezes, c) pelo menos uma vez.
Neste caso, sabe-se que n igual a 4 (nmero de lances da moeda); a probabilidade
de sair cara igual a meio, ou p = 0,50. A probabilidade de sair coroa tambm
igual a meio, ou q = 1 p = 1 0,50 = 0,50.
A varivel x varia para cada situao:
a) Para calcular a probabilidade de ocorrer apenas uma cara, x = 1.
P(x = 1) = C4,1(0,50)1(0,50)4-1 = 0,25 ou 25%
b) Para calcular a probabilidade de ocorrerem trs caras, x = 3.
P(x = 3) = C4,3(0,50)3(0,50)4-3 = 0,25 ou 25%
c) Pelo menos uma vez implica na aceitao do nmero de caras igual a 1, 2, 3
ou 4, ou na probabilidade de x = 1, ou x = 2, ou x = 3, ou x = 4. Ou, de forma
mais fcil, pelo menos uma vez implica na aceitao de qualquer resultado
menos o resultado x = 0.
P(x 1) = P(x = 1) + P(x = 2) + P(x = 3) + P(x = 4) = 1 - P(x = 0)
P(x 1) = 1 - C4,0(0,50)0(0,50)4-0 = 1 - 0,0625 = 0,9375 ou 93,75%

123

4 A probabilidade de uma duplicata ser paga em dia de 70%. Escolhemos ao

acaso seis duplicatas para uma auditoria. Deseja-se calcular a probabilidade de: a)
todas serem pagas em atraso; b) apenas uma ser paga em dia; c) todas serem pagas
em dia.
Soluo: para resolver este problema podemos considerar como evento sucesso i)
duplicata paga em dia; ii) duplicata paga em atraso. Considerando a primeira opo
temos:
a) Para calcular a probabilidade de todas serem pagas em atraso, ou nenhuma
ser paga em dia, temos x = 0.
P(x = 0) = C6,0(0,70)0(0,30)6-0 = 0,0007 ou 0,07%
b) Para calcular a probabilidade de apenas uma duplicata ser paga em dia,
temos x = 1.
P(x = 1) = C6,1(0,70)1(0,30)6-1 = 0,01 ou 1%
c) Para calcular a probabilidade de todas as duplicatas serem pagas em dia,
temos x = 6.
P(x = 6) = C6,6(0,70)6(0,30)6-6 = 0,118 ou 11,8%
EXERCCIOS
1 Determine a probabilidade de obtermos exatamente 3 caras em 6 lances de uma
moeda.
2- Uma moeda lanada 20 vezes. Qual a probabilidade de sarem 8 caras?
3 Jogando-se um dado trs vezes, determine a probabilidade de se obter um
mltiplo de 3 duas vezes.
4 Numa criao de coelhos, 40% so machos. Qual a probabilidade de que nasam
pelo menos 2 coelhos machos num dia em que nasceram 20 coelhos?
5 Dois times de futebol, A e B, jogam entre si 6 vezes. Encontre a probabilidade
de o time A:
a) Ganhar dois ou trs jogos;
b) Ganhar pelo menos um jogo.
6 A probabilidade de um atirador acertar o alvo em um nico tiro 2/3. Se ele
atirar 5 vezes, qual a probabilidade de acertar exatamente 2 tiros?

124

7 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?
8 Uma prova tipo teste tem 50 questes independentes e de mesmo valor. Cada
questo tem cinco alternativas e apenas uma delas a correta. Se um aluno resolve a
prova respondendo a esmo as questes, qual a probabilidade de tirar nota 5?
9 Uma urna tem 20 bolas pretas e 30 brancas. Retiram-se 25 bolas com reposio.
Qual a probabilidade de que:
a) 2 sejam pretas?
b) Pelo menos 3 sejam pretas?
c) 10 sejam brancas?
10 A probabilidade de um arqueiro acertar o alvo com uma nica flecha 0,20.
Lana 30 flechas no alvo. Qual a probabilidade de que:
a) Exatamente 4 acertem o alvo?
b) Pelo menos 3 acertem o alvo?
11 Considere 10 tentativas independentes de um experimento. Cada tentativa
admite sucesso com probabilidade 0,05. Seja X o nmero de sucessos, calcular P
(1< x 4).
12 Uma urna tem 10 bolas brancas e 40 pretas. Qual a probabilidade de que em 30
bolas retiradas com reposio ocorram no mximo 2 brancas?
13 A probabilidade de um atirador acertar no alvo num nico tiro 1/4. O atirador
atira 20 vezes no alvo. Qual a probabilidade de acertar:
a) Exatamente 5 vezes?
b) Pelo menos 3 vezes?
c) Nenhuma vez?
d) No mximo 4 vezes?
14 Uma urna contm 8 bolas brancas e 12 pretas. Retiram-se 10 bolas com
reposio. Qual a probabilidade de que:
a) No mximo 2 sejam brancas?
b) 3 sejam brancas?
15 A probabilidade de uma mquina produzir uma pea defeituosa, num dia, de
0,1. Qual a probabilidade de que em 20 peas produzidas pela mquina num dia,
ocorram 3 defeituosas?
16 Estima-se que cerca de 30% dos frangos congelados contenham suficiente
nmero de bactrias salmonelas causadoras de doenas, se forem assados
inadequadamente. Um consumidor compra 12 frangos congelados. Qual a
probabilidade de o consumidor ter mais de 6 frangos contaminados?
125

17 Acredita-se que 20% dos moradores das proximidades de uma grande indstria
siderrgica tem alergia aos poluentes lanados ao ar. Admitindo que este percentual
de alrgicos real (correto), calcule a probabilidade de que pelo menos 4 moradores
tenham alergia entre 13 selecionados ao acaso.
18 - Trs em cada quatro alunos de uma universidade fizeram cursinho antes de
prestar vestibular. Se 16 alunos so selecionados ao acaso, qual a probabilidade de
que:
a) Pelo menos 12 tenham feito cursinho?
b) No mximo 13 tenham feito cursinho?
c) Exatamente 12 tenham feito cursinho?
19 - Admita que, respectivamente, 90% e 80% dos indivduos das populaes A e B
sejam alfabetizados. Se 12 pessoas da populao A e 10 da populao B forem
selecionadas ao acaso, qual a probabilidade de que pelo menos uma no seja
alfabetizada?
20 Uma pesquisa, com 420 casais que possuem cinco filhos, constatou que a
probabilidade de nascimento de meninos de 58%. Nestas 420 famlias com cinco
crianas cada uma, quantas se esperaria que tivessem:
a) Nenhuma menina;
b) Trs meninos;
c) Quatro meninos.
21 As pacientes diagnosticadas com certa doena tm 80% de chance de serem
curadas. Para um grupo de doze pacientes nessas condies, calcule a probabilidade
de:
a) Oito ficarem completamente curadas;
b) Entre trs (inclusive) e cinco (inclusive) no serem curadas;
c) No mais do que duas permanecerem com a doena.
22 Um vendedor de seguros vende aplices a 5 homens, todos da mesma idade e
de boa sade. De acordo com as tabelas atuariais, a probabilidade de um homem,
dessa idade particular, estar vivo daqui a 30 anos de 2/3. Determinar a
probabilidade de estarem ainda vivos daqui a 30 anos:
a) Todos os cinco homens;
b) Pelo menos 3;
c) Apenas 2;
d) Pelo menos 1.
126

23 Uma recente pesquisa detectou que 90% dos fumantes de uma regio
afirmaram desejar parar com seu vcio. Em uma amostra formada por dez pessoas:
a) Qual a probabilidade de a maioria querer parar de fumar?
b) Qual a probabilidade de todos quererem parar de fumar?
24 Uma empresa comercial calcula que 5% de suas vendas no so recebidas, em
funo do recebimento de cheques sem fundos. Ao se analisar uma amostra formada
por oito vendas, qual a probabilidade de: a) todas serem pagas normalmente? b) uma
ou duas vendas, apenas, serem pagas? c) pelo menos trs vendas serem pagas
normalmente? d) todas no serem pagas?
25 Existem treze jogos na Loteria Esportiva. Em cada um dos jogos, determinado
time pode ganhar ou empatar ou perder. Calcule a probabilidade de um jogador que
nada sabe sobre os times: a) acertar todos os jogos; b) acertar pelo menos um jogo;
c) acertar pelo menos doze jogos. Use o maior nmero de casas decimais nas
respostas.
26 - O Estado da Pensilvnia tem uma loteria diria. Cada noite escolhido um
nmero de trs algarismos. Qual a probabilidade de se obter:
a) Um nmero inferior a 100, mais de cinco vezes em uma semana;
b) Um nmero par pelo menos uma vez na semana.
Obs.: Coloque todas as casas decimais.
27 - O escore em um teste internacional de proficincia na lngua inglesa varia de 0
a 700 pontos, com mais pontos indicando um melhor desempenho. Informaes,
coletadas durante vrios anos, permitem estabelecer o seguinte modelo para o
desempenho no teste:
Pontos [0,200) [200,300) [300,400)
P(x)
0.06
0.15
0.16

[400,500) [500,600)
0.25
0.28

[600,700)
0.10

Vrias universidades americanas exigem um escore mnimo de 600 pontos para

aceitar candidatos de pases de lngua no inglesa. De um grupo de estudantes
brasileiros que prestaram o ltimo exame escolhemos ao acaso 20 deles. Qual a
probabilidade de no mximo 3 atenderem ao requisito mnimo mencionado?
28 - O Botafogo, agora na srie B do Brasileiro, tem 4/5 de probabilidade de vitria
sempre que joga em casa. Se o Botafogo jogar 16 partidas em casa, calcule a
probabilidade de:
a) vencer exatamente 04 partidas;
b) vencer ao menos 14 partidas;
c) no vencer mais de trs partidas.
127

29 - A probabilidade de ocorrncia de turbulncia em um determinado percurso a

ser feito por uma aeronave de 0,4 em um circuito dirio. Seja X o nmero de voos
com turbulncia em um total de 7 desses voos (ou seja, uma semana de trabalho).
Qual a probabilidade de que:
a) Haja turbulncia em pelo menos 3 deles?
b) Em um total de 5 semanas, tenha havido duas delas com turbulncia em
pelo menos 3 dias?

128

4 Distribuio Normal
Entre as distribuies tericas de varivel aleatria contnua, uma das mais
empregadas a distribuio normal. Consiste em uma distribuio contnua de
probabilidades, onde a apresentao da distribuio de frequncias f(x) de uma
varivel qualitativa x costuma apresentar-se em forma de sino e simtrica em
relao mdia.
O estudo da distribuio normal recebeu contribuies de matemticos importantes,
como De Moivre, Laplace e Gauss. Alguns estudos revelam que medies repetidas
de uma mesma grandeza, como o dimetro de uma esfera ou o peso de determinado
objeto, nunca forneciam os mesmos valores. Porm, a apresentao das frequncias
dos inmeros nmeros coletados sempre resultava em uma curiosa curva em forma
de sino. Das observaes surgiu o nome curva normal dos erros.
Muitas das variveis analisadas na pesquisa socioeconmica correspondem
distribuio normal ou dela se aproximam.
O aspecto grfico da distribuio normal o da figura abaixo:

Os conceitos associados distribuio Normal so simples. Em torno da mdia,

valor central, registra-se alta concentrao de frequncias ou probabilidade maior de
ocorrncia. medida que nos afastamos da mdia, as frequncias so reduzidas. A
probabilidade de encontrarmos valores mais distantes da mdia diminui. Quanto
mais longe da mdia e dos valores centrais, menores as frequncias e as
probabilidades.

129

Para uma perfeita compreenso da distribuio normal, observe a figura e procure

visualizar as seguintes propriedades:
1) A varivel aleatria X pode assumir todo e qualquer valor real.
2) A representao grfica da distribuio normal uma curva em forma de sino,
que recebe o nome de curva normal ou de Gauss ou de Moivre.
3) A distribuio simtrica em torno da mdia ( )
4) A rea total limitada pela curva e pelo eixo das abscissas igual a 1 ou
percentagem de 100%, j que essa rea corresponde probabilidade de a varivel
aleatria X assumir qualquer valor real.
5) A curva normal assinttica em relao ao eixo das abscissas, isto ,
aproxima-se indefinidamente do eixo das abscissas sem, contudo, alcan-lo.
6) Como a curva simtrica em torno de , a probabilidade de ocorrer valor
maior do que a mdia igual probabilidade de ocorrer valor menor do que a
mdia, isto , ambas as probabilidades so iguais a 0,5 ou 50%. Escrevemos:
P(X >

) = P(X <

) = 0,5 ou 50%.

Quando temos em mos uma varivel aleatria com distribuio normal, nosso
principal interesse obter a probabilidade de essa varivel aleatria assumir um
valor em um determinado intervalo.
A distribuio Normal de varivel aleatria X depende dos parmetros da media e
do desvio padro, proveniente da varincia. Ento, pode ser tambm representada
desta maneira: X: N ( , S2), ou seja, X segue uma distribuio Normal de media
e varincia S2.
4.1 - Parmetros da Distribuio Normal
A distribuio normal uma distribuio de dois parmetros (mdia) e (desviopadro). A densidade de probabilidade desta distribuio tem a seguinte forma:
fX

1
2

X 2
22

para x

onde e so a mdia e o desvio-padro da populao, respectivamente.

estimado por x e por s.
130

A probabilidade de que X assuma valores menores ou iguais a um dado x quando X

N( x ,s2) estimada por:
F X

1
2

X 2
2 2

dX

Mas essa equao no pode ser resolvida analiticamente sem o uso de

mtodos de integrao aproximada. Por essa razo usa-se a transformao
Z

X X e com isso a varivel Z tem N(0,1).

s

A varivel Z chamada varivel reduzida e a curva

FZ

1
2

Z2
2

dZ

a curva normal reduzida.

F(Z) na forma desta equao tabulada. Como a curva normal reduzida
simtrica, essa propriedade geralmente utilizada na tabulao de apenas valores
positivos de Z. Mas algumas tabelas, tambm mostram valores negativos de Z. As
tabelas de F(Z) tanto podem indicar a P(Z z), bem como as P(0 Z z). Por isso,
a escolha da tabela e sua utilizao deve ser feita com muito cuidado.
Exemplo: Seja X a varivel aleatria que representa os dimetros dos parafusos
produzidos por certa mquina. Vamos supor que essa varivel tenha distribuio
normal com mdia

= 2 cm e desvio padro s = 0,04 cm.

Queremos conhecer a probabilidade de um parafuso tirado ao acaso ter um dimetro

com valor entre 2 e 2,05 cm.
fcil notar que essa probabilidade, indicada por: P(2< X < 2,05) corresponde
rea hachurada na figura:

131

O clculo direto dessa probabilidade exige um conhecimento de Matemtica mais

avanado do que aquele que dispomos no curso de ensino mdio. Entretanto,
podemos contornar facilmente esse problema. Basta aceitar, sem demonstrao, que,
se X uma varivel aleatria com distribuio normal de mdia
s, e ento a varivel z dada por:

e desvio padro

Tem distribuio normal reduzida, isto , tem distribuio normal de mdia 0 e

desvio padro 1.
As probabilidades associadas distribuio normal padronizada so encontradas em
tabelas, no havendo necessidade de serem calculadas.
Em anexo, apresentada uma tabela de distribuio normal reduzida, que nos d a
probabilidade de Z tomar qualquer valor entre a mdia 0 e um dado valor z, isto :
P(0 < Z < z)
Temos, ento, que se X uma varivel aleatria com distribuio normal de mdia
e desvio padro s, podemos escrever:
P(

< X < x) = P(0 < Z < z), com

Voltemos, ento, ao nosso problema.

Queremos calcular P(2< X < 2,05). Para obter essa probabilidade, precisamos, em
primeiro lugar, calcular o valor de z que corresponde a varivel x = 2,05, j que para
x = 2 z = 0, pois

= 2. Temos ento:
Z = 2,05 2 / 0,04 = 1,25

donde:
P(2 < X < 2,05) = P(0 < Z < 1,25)
Procuremos, agora, na tabela Z em anexo, o valor de z = 1,25. Observe a forma de
entrada na tabela:

132

Na primeira coluna encontramos o valor 1,2 (nmero inteiro + 1 casa decimal).

Em seguida, encontramos, na primeira linha, o valor 5 (2 casa decimal), que
corresponde ao ltimo algarismo do nmero 1,25. Na interseco da linha e coluna
correspondentes encontramos o valor 0,3944, o que nos permite escrever:
P(0 < Z < 1,25) = 0,3944
Assim, a probabilidade de um parafuso fabricado por essa mquina apresentar um
dimetro entre a mdia

= 2 e o valor x = 2,05 0,3944.

Escrevemos, ento:
P(2 < X < 2,05) = P(0 < Z < 1,25) = 0,3944 ou 39,44%.

Exerccios Resolvidos
1 Com base na tabela Z determine as probabilidades:
a) P(-1,25 < Z < 0)
A probabilidade procurada corresponde parte hachurada da figura:

Sabemos que: P(0 < Z < 1,25) = 0,3944

Pela simetria da curva, temos:
P(-1,25 < Z < 0) = P(0 < Z < 1,25) = 0,3944ou 39,44%.

133

b) P(-0,5 < Z < 1,48)

A probabilidade procurada corresponde parte hachurada da figura:

Temos que:
P(-0,5 < Z < 1,48) = P(-0,5 < Z < 0) + P(0 < Z < 1,48)
Como:
P(-0,5 < Z < 0) = P(0 < Z < 0,5) = 0,1915 e P(0 < Z < 1,48)= 0,4306
Obtemos:
P(-0,5 < Z < 1,48) = 0,1915 + 0,4306 = 0,6221ou 62,21%

c) P(0,8 < Z < 1,23)

A probabilidade procurada corresponde parte hachurada da figura:

Temos que:
P(0,8 < Z < 1,23) = P(0 < Z < 1,23) - P(0 < Z < 0,8)
Como:
P(0 < Z < 1,23)= 0,3907 e P(0 < Z < 0,8)= 0,2881
Obtemos:
P(0,8 < Z < 1,23) = 0,3907 - 0,2881 = 0,1026 ou 10,26%
134

d) P(Z > 0,6)

A probabilidade procurada corresponde parte hachurada da figura:

Temos que:
P(Z > 0,6) = P(Z > 0) - P(0 < Z < 0,6)
Como: P(Z > 0)= 0,5 e P(0 < Z < 0,6)= 0,2258
Obtemos:
P(Z > 0,6) = 0,5 - 0,2258 = 0,2742 ou 27,42%

e) P(Z < 0,92)

A probabilidade procurada corresponde parte hachurada da figura:

Temos que:
P(Z < 0,92) = P(Z < 0) + P(0 < Z < 0,92)
Como:
P(Z < 0)= 0,5 e P(0 < Z < 0,92)= 0,3212,
Obtemos:
P(Z < 0,92) = 0,5 + 0,3212 = 0,8212 ou 82,12%.

135

2 Os salrios semanais dos operrios industriais so distribudos normalmente, em

torno da mdia de R$ 500,00, com desvio padro de R$ 40,00. Calcule a
probabilidade de um operrio escolhido ao acaso ter um salrio semanal situado
entre R$ 490,00 e R$ 520,00.
Devemos inicialmente, determinar os valores Z1 e Z2 da varivel de
distribuio normal reduzida.
Assim,
Z1 = 490 500 = - 0,25 e Z2 = 520 500 = 0,5
40
40
Como:
P(490 < X < 520) = P(- 0,25 < Z < 0,5) =
P( 0 < Z < 0,5)= 0,0987 + 0,1915 = 0,2902

P(- 0,25 < Z < 0) +

, pois, de se esperar que, em mdia, 29,02% dos operrios tenham salrios

entre R$ 490,00 e R$ 520,00, ou seja, a probabilidade de um operrio
escolhido ao acaso ter salrio entre R$ 490,00 e R$ 520,00 de 29,02%.
EXERCCIOS
1 Sendo Z uma varivel com distribuio normal reduzida, baseado na tabela Z
calcule:
a) P(0 < Z < 1,44)
b) P(-0,85 < Z < 0)
c) P(- 1,48 < Z < 2,05)
d) P(0,72 < Z < 1,89)
e) P(Z > - 2,03)
f) P(Z > 1,08)
g) P(Z < - 0,66)
h) P(Z < 0,60)
2 Use a tabela Z para encontrar as seguintes probabilidades:
a)
b)
c)
d)
e)
f)
g)
h)

P (Z > 0,34)
P (Z < 1,85)
P (Z < - 1,24)
P (1,56 < Z < 2,37)
P (-0,37 < Z < 3,4)
P (Z > 1,08)
P (Z < - 0,66)
P (Z < -2,30 ou Z > 1,29)
136

3 Seja X: N (100,25). Calcular

a)
b)
c)
d)
e)

P (100 X 106)
P (89 X 107)
P (112 X 116)
P (X 108)
P (X 90)

4 Um teste padronizado de escolaridade tem distribuio normal com mdia

aritmtica de 100 e desvio padro de 10. Determine a probabilidade de um indivduo
submetido a esse teste e escolhido ao acaso ter nota:
a) Maior que 120
b) Maior que 80
c) Entre 85 e 115
d) Maior que 100
e) At qual nota apresenta 83,40% de probabilidade de acontecer
5 No exerccio anterior, qual a nota que apresenta 93,70% de probabilidade de um
aluno tirar acima dela?
6 As alturas de 20000 alunos de uma Faculdade tm distribuio aproximadamente
normal, com media 1,64 m e desvio padro 0,16 m. Pede-se:
a) Qual o nmero esperado de alunos com altura superior a 1,52 m?
b) Qual o intervalo simtrico em torno da media, que conter 78% das alturas
dos alunos?
c) Qual a altura esperada, no qual 15036 alunos estejam abaixo dela?
7 Os pesos de 600 estudantes so normalmente distribudos com mdia aritmtica
de 65,3 kg e desvio padro de 5,5 kg. Determine o nmero de estudantes que pesam:
a) Entre 60 e 70 kg
b) Mais que 63,2 kg
c) Menos que 68 kg
8 A durao de um componente eletrnico tem mdia de 850 dias e desvio padro
de 40 dias. Sabendo que a durao normalmente distribuda, calcule a
probabilidade de um componente escolhido ao acaso durar:
a) Entre 700 e 1.000 dias
b) Mais de 800 dias
c) Menos de 750 dias

137

9 Sendo X: N (50,16), determinar X, tal que:

a) P (X X) = 0,05
b) P (X X) = 0,99
10 Um fabricante de baterias sabe, por experincia passada, que as baterias de sua
fabricao tm vida mdia de 600 dias e desvio padro de 100 dias, sendo que a
durao tem aproximadamente distribuio Normal. O fabricante oferece uma
garantia de 312 dias, isto , troca as baterias que apresentarem falhas nesse perodo.
A fbrica produz mensalmente 10.000 baterias. Quantas baterias ele dever trocar
mensalmente pelo uso da garantia?
11 Uma fbrica de carros sabe que os motores de sua fabricao tm durao
normal com mdia de 150.000 km e desvio padro de 5.000 km. Qual a
probabilidade de que um carro, escolhido ao acaso, dos fabricados por essa firma,
tenha um motor que dure:
a) Menos de 170.000 km?
b) Entre 140.000 e 165.000 km?
c) Se a fbrica substitui o motor que apresenta durao inferior garantia, qual
deve ser esta garantia para que a porcentagem de motores substitudos seja
inferior a 0,2%?
12 As pontuaes de QI seguem uma distribuio normal com uma pontuao
mdia de 100 e desvio padro de 15, isto , X ~ N (100,225). Encontre a
porcentagem de pessoas que se espera possuir uma pontuao de QI:
a) De menos de 70?
b) Entre 80 e 120?
c) De mais de 50?
13 Os salrios dos diretores das empresas de So Paulo distribuem-se
normalmente com mdia de R$ 8.000,00 e desvio padro de R$ 500,00. Qual a
percentagem de diretores que recebem:
a) Menos de R$ 6.470,00?
b) Entre R$ 8.920,00 e R$ 9.380,00?
14 A quantidade de leo contida em cada lata fabricada por uma indstria tem
peso distribudo normalmente, com mdia de 990 g e desvio padro igual a 10 g.
Uma lata rejeitada no comrcio se tiver peso menor que 976 g.
a) Qual a probabilidade de que em 10 latas observadas, uma seja rejeitada?
b) Nas condies do item a, qual a probabilidade de que em 20 latas observadas,
3 sejam rejeitadas?
138

15 Foi feito um estudo sobre a altura dos alunos da IFCE. Observou-se que ela se
distribui normalmente com mdia de 1,72 m e desvio padro de 5 cm. Qual a
porcentagem dos alunos com altura:
a) Entre 1,57 e 1,87 m?
b) Acima de 1,90 m?

16 Um estudo das modificaes dos preos, no atacado, de produtos

industrializados, mostrou que h distribuio normal com mdia de 50% e desvio
padro de 10%. Qual a porcentagem dos artigos que:
a) Sofreram aumentos superiores a 75%?
b) Sofreram aumentos entre 30% e 80%?
17 O volume de correspondncia recebido por uma firma quinzenalmente tem
distribuio normal com mdia de 4000 cartas e desvio padro de 200 cartas. Qual a
percentagem de quinzenas em que a firma recebe:
a) Entre 3600 e 4250 cartas?
b) Mais de 4636 cartas?
c) Menos de 3400 cartas?
18 Numa fbrica foram instaladas 1000 lmpadas novas. Sabe-se que a durao
mdia das lmpadas de 800 horas e desvio padro de 100 horas, com distribuio
normal. Determinar a quantidade de lmpadas que duraro:
a) Menos de 500 horas?
b) Mais de 700 horas?
c) Entre 516 e 684 horas?
19 Suponha que o tempo necessrio para atendimento de clientes em uma central
de atendimento telefnico siga uma distribuio normal de mdia de 8 minutos e
desvio padro de 2 minutos.
a) Qual a probabilidade de que um atendimento dure menos de 5 minutos?
b) E mais do que 9,5 minutos?
c) E entre 7 e 10 minutos?
d) 75% das chamadas telefnicas requerem pelo menos quanto tempo de
atendimento?

139

20 - Uma enchedora automtica de refrigerantes est regulada para que o volume

mdio de lquido em cada garrafa seja de 1000 cm3 e desvio padro de 10 cm3.
Admita que o volume siga uma distribuio normal.
a) Qual a porcentagem de garrafas em que o volume de lquido menor que
990 cm3?
b) Qual a porcentagem de garrafas em que o volume de lquido no se desvia
da mdia em mais do que dois desvios padres?
c) Se 10 garrafas so selecionadas ao acaso, qual a probabilidade de que, no
mximo, 4 tenham volume de lquido superior a 1002 cm3?
21 Suponha que as notas em certa disciplina esto normalmente distribudas com
mdia 5,0 e desvio padro 1,5:
a) Determine o percentual de estudantes com nota superior a 8,0;
b) Se a nota mnima para obter aprovao e 3,0, determine o percentual de
estudantes reprovados;
c) Explique por que a probabilidade de um estudante dessa populao obter nota
acima de 9,8 praticamente zero.
22 Um fabricante de mquinas de lavar sabe, por longa experincia, que a durao
de suas mquinas tem distribuio normal com mdia de 1000 dias e desvio padro
de 200 dias. O fabricante oferece uma garantia de 1 ano (365 dias) para o produto.
Produz mensalmente 2000 mquinas. Quantas mquinas ele espera trocar
mensalmente pelo uso da garantia dada?
23 Um fabricante de produtos alimentcios vende um de seus produtos em latas de
900 g de contedo lquido. Para embalar o produto, adquiriu uma mquina que
permite obter o peso desejado, com distribuio normal e desvio padro de 10 g. O
IPM (Instituto de Pesos e Medidas) exige que no mximo 5% das latas contenham
menos do que o peso lquido nominal. Responda:
a) Se a mquina for regulada para 910 g, poder satisfazer esta exigncia do
IPM?
b) Qual dever ser a regulagem da mquina para que a exigncia do IPM seja
satisfeita?
c) Feita esta nova regulagem (item b), as latas so remetidas ao comrcio. O IPM
examina, ento, uma amostra de 20 latas em um supermercado. Qual a
probabilidade de encontrar pelo menos trs com o peso inferior ao especificado na
embalagem?

140

24 Um teste de aptido feito por pilotos de elite em treinamento inicial requer que
uma srie de operaes seja realizada em uma rpida sucesso. Suponha que o
tempo para completar o teste seja distribudo normalmente com mdia de 80
minutos e desvio padro de 30 minutos. Para passar no teste, o candidato deve
complet-lo em menos de 70 minutos. Pede-se:
a) Se 200 candidatos fazem o teste, quantos so esperados passar no teste?
b) Se os 5% melhores candidatos sero alocados para aeronaves maiores, quo
rpido deve ser o candidato para que obtenha essa posio?
25 A distribuio dos pesos de porcos numa suinocultura pode muito bem ser
representada por uma distribuio normal, com mdia de 128,72 kg e desvio padro
de 32,46 kg. Um matadouro comprar 5000 porcos e pretende classific-los de
acordo com o peso, do seguinte modo: 18% dos mais leves como pequenos, os 50%
seguintes como mdios, os 22% seguintes como grandes e os 10% mais pesados
como extras. Quais os limites de peso para cada classificao?
26 Um pesquisador verificou que em uma cidade do interior de So Paulo o peso
dos homens tem distribuio aproximadamente normal com mdia de 85 kg e desvio
padro de 20 kg, enquanto o das mulheres tambm se apresenta normalmente
distribudo, com mdia de 60 kg e desvio padro de 8 kg. Pede-se: a) sorteando-se
um homem, qual a probabilidade de ele ter peso acima de 75 kg? b) sorteando-se
uma mulher, qual a probabilidade de ela ter peso acima de 65 kg? c) qual a
probabilidade de uma pessoa ter peso acima de 65 kg, sendo ela sorteada de um
grupo em que o nmero de mulheres o triplo do de homens?
27 Antes de uma importante prova de Estatstica, o professor verificou que o
tempo dedicado aos estudos de reviso dos seus alunos seguia uma distribuio
aproximadamente normal, de media 12 horas e desvio padro de 1,5 hora. Pede-se:
a) Determinar o tempo de estudo que superado por 98,5% dos alunos?
b) Determinar a faixa em torno do valor mdio que contenha 90% dos valores do
tempo dedicados aos estudos.
28 Para ser aprovado em um exame seletivo um candidato deve obter nota
superior a 8,2 em matemtica e superior a 9,5 em portugus. Sabendo que as notas
seguem uma distribuio normal, com media e varincia apresentados na tabela
seguinte, calcule quantos alunos de um grupo de 950 devem ser aprovados neste
processo seletivo.
PROVA
PORTUGUES
MATEMTICA

MEDIA
7,3
6,1

VARIANCIA
7,29
3,24
141

29 - Assume-se que o teor de glicose no sangue de determinado grupo de indivduos

segue uma distribuio aproximadamente normal, com media igual a 730 mg/dl e
desvio padro igual a 180 mg/dl. Valores acima de 820 mg/dl so considerados
elevados. Em uma amostra formada por 6 pessoas, deseja-se calcular a
probabilidade de que:
a) Apenas trs possuam nveis elevados de glicose no sangue;
b) Mais do que cinco possuam nveis elevados de glicose no sangue;
c) Pelo menos 2 pessoas possuam nveis elevados de glicose no sangue.
30 - Suponha que as amplitudes de vida de dois aparelhos eltricos, D1 e D2,
tenham distribuies normais sendo D1: N(42, 36) e D2: N(45, 9).
a) Se o aparelho para ser usado por um perodo mnimo de 45 horas, qual
aparelho voc escolheria?
b) E se for por um perodo mnimo de 49 horas?
31 - Dois tornos CNC produzem o mesmo tipo de pea, porm com especificaes
de medidas diferentes. Um lote produzido pelo torno A tem dimetro mdio de 50
mm e Desvio Padro de 3 mm. O conjunto de peas produzidos pelo torno B tem
dimetro mdio de 80 mm e Desvio Padro de 6 mm. As peas produzidas pela
mquina A que se afastarem da mdia por mais de 7 mm sero rejeitados. As
peas produzidas pela mquina B que se afastarem da mdia por mais de 15 mm
sero rejeitadas. Supondo que as distribuies da varivel sejam normais:
a) Qual o torno que produz maior quantidade de peas rejeitadas?
b) Qual o nmero de peas rejeitadas produzidas por B se o lote for de 1.000
peas.
c) Considere um grupo de 10 peas produzidas pela mquina A e 10 peas
produzidas pela mquina B. Qual a probabilidade de escolhermos uma de cada
grupo e no mximo uma ser rejeitada?
32 - Uma fbrica de sabonetes sabe que seus produtos pesam, em mdia, 98 gramas,
com uma varincia de 49 gramas2. Em um ms de produo, so fabricadas 420000
unidades. Para garantir, com 92% de probabilidade, a produo mensal, quantas
toneladas de matria-prima devem ser adquiridas?

142

X CORRELAO E REGRESSO
1 - Introduo
Nos captulos anteriores, nossa preocupao era descrever a distribuio de valores
de uma varivel. Com esse objetivo, aprendemos a calcular medidas de tendncia
central e variabilidade.
Quando, porm, consideramos observaes de duas ou mais variveis, surge um
novo problema: as relaes que podem existir entre as variveis estudadas. Nesse
caso, as medidas estudadas no so suficientes.
Assim, quando consideramos variveis como peso e altura de um grupo de pessoas,
uso do cigarro e incidncia de cncer, vocabulrio e compreenso da leitura,
dominncia e submisso, procuramos verificar se existe alguma relao entre as
variveis de cada um dos pares e qual o grau dessa relao. Para isso, necessrio o
conhecimento de novas medidas.
Sendo a relao entre as variveis de natureza quantitativa, a correlao o
instrumento adequado para descobrir e medir essa relao.
Uma vez caracterizada a relao, procuramos descrev-la atravs de uma funo
matemtica. A regresso o instrumento adequado para a determinao dos
parmetros dessa funo.
2 Correlao
2.1 Relao funcional e relao estatstica
Como sabemos, o permetro e o lado de um quadrado esto relacionados. A relao
que os liga perfeitamente definida e pode ser expressa por meio de uma sentena
matemtica:
2p = 4l,
onde 2p o permetro e l o lado do quadrado.
Atribuindo-se, ento, um valor qualquer a l, possvel determinar exatamente o
valor de 2p.
Consideremos, agora, a relao que existe entre o peso e a estatura de um grupo de
pessoas. evidente que essa relao no do mesmo tipo da anterior; ela bem
menos precisa. Assim, pode acontecer que a estaturas diferentes correspondam
pesos iguais ou que a estaturas iguais correspondam pesos diferentes. Porm, em
media, quanto maior a estatura, maior o peso.

143

As relaes do tipo permetro-lado so conhecidas como relaes funcionais e as

do tipo peso-estatura, como relaes estatsticas.
Quando duas variveis esto ligadas por uma relao estatstica, dizemos que
existe correlao entre elas.
2.2 Diagrama de disperso
Consideremos uma amostra aleatria, formada por dez dos 98 alunos de uma classe
da faculdade A e pelas notas obtidas por eles em Matemtica e Estatstica:
Tabela 1- Notas de Matemtica e Estatstica da Faculdade A
Notas
Ns
Matemtica (xi) Estatstica (yi)
01
5,0
6,0
08
8,0
9,0
24
7,0
8,0
38
10,0
10,0
44
6,0
5,0
58
7,0
7,0
59
9,0
8,0
72
3,0
4,0
80
8,0
6,0
92
2,0
2,0
Representando, em um sistema coordenado cartesiano ortogonal, os pares ordenados
(xi,yi), obtemos uma nuvem de pontos que denominamos diagrama de disperso.
Esse diagrama nos fornece uma ideia grosseira, porm til, da correlao existente:

144

2.3 Correlao linear

Os pontos obtidos, vistos em conjunto, formam uma elipse em diagonal.
Podemos imaginar que, quanto mais fina for a elipse, mais ela se aproximar de uma
reta. Dizemos, ento, que a correlao de forma elptica tem como imagem uma
reta, sendo, por isso, denominada correlao linear.
possvel verificar que a cada correlao est associada como imagem uma
relao funcional. Por esse motivo, as relaes funcionais so chamadas relaes
perfeitas.

Como a correlao em estudo tem como imagem uma reta ascendente, ela
chamada correlao linear positiva.
Assim, uma correlao :
Linear positiva se os pontos do diagrama tm como imagem uma reta
ascendente;
Linear negativa se os pontos do diagrama tm como imagem uma reta
descendente;
No-linear se os pontos tm como imagem uma curva.
Se os pontos se apresentam dispersos, no oferecendo uma imagem definida,
conclumos que no h relao alguma entre as variveis em estudo.

145

Temos, ento:

2.4 Coeficiente de correlao linear

O instrumento empregado para a medida da correlao linear o coeficiente de
correlao. Esse coeficiente deve indicar o grau de intensidade da correlao entre
duas variveis e, ainda, o sentido dessa correlao (positivo ou negativo).
Faremos uso do coeficiente de correlao de Pearson, que dado por:

onde n o nmero de observaes.

146

Propriedades do Coeficiente de Correlao Linear (r).

O valor de r est sempre entre 1 e 1.
O valor de r no varia se todos os valores de qualquer uma das variveis so
convertidos para uma escala diferente.
O valor de r no afetado pela escolha de x ou y.
r mede a intensidade, ou grau, de um relacionamento linear. No serve para
medir a intensidade de um relacionamento no-linear.
Assim:
Se a correlao entre duas variveis perfeita e positiva, ento r = +1;
Se a correlao perfeita e negativa, ento r = -1;
Se no h correlao entre as variveis, ento r = 0.
Logicamente:
Se r = +1, h uma correlao perfeita e positiva entre as variveis;
Se r = -1, h uma correlao perfeita e negativa entre as variveis;
Se r = 0, ou no h correlao entre as variveis, ou a relao que porventura
exista no linear.
NOTAS:

Para que uma relao possa ser descrita por meio do coeficiente de correlao de
Pearson imprescindvel que ela se aproxime de uma funo linear. Uma maneira prtica
de verificarmos a linearidade da relao a inspeo do diagrama de disperso: se a elipse
apresenta salincias ou reentrncias muito acentuadas, provavelmente trata-se de
correlao curvilnea.
Para podermos tirar algumas concluses significativas sobre o comportamento
simultneo das variveis analisadas, necessrio que:
0,6 | r | 1 (forte correlao entre as variveis).
Se 0,3 | r | < 0,6, h uma correlao relativamente fraca entre as variveis.
Se 0 < | r | < 0,3, a correlao muita fraca e, praticamente, nada podemos concluir
sobre a relao entre as variveis em estudo.

Vamos, ento, calcular o coeficiente de correlao relativo Tabela 1. O modo mais

prtico para obtermos r abrir, na tabela, colunas correspondentes aos valores de
xiyi, xi2 e yi2. Assim, temos a tabela a seguir:

147

Tabela 2 Clculo dos valores de xiyi, xi2 e yi2 (n = 10)

Matemtica
(xi)
5,0
8,0
7,0
10,0
6,0
7,0
9,0
3,0
8,0
2,0

Estatstica
(yi)
6,0
9,0
8,0
10,0
5,0
7,0
8,0
4,0
6,0
2,0

xiyi

x i2

y i2

30
72
56
100
30
49
72
12
48
4

25
64
49
100
36
49
81
9
64
4

36
81
64
100
25
49
64
16
36
4

= 65

= 65

= 473

= 481

= 475

Logo:

Da:
r = 0,91.
Resultado que indica uma correlao linear positiva altamente significativa entre as
duas variveis.

148

Resolva:
1. Complete o esquema de clculo do coeficiente de correlao para os valores das
variveis xi e yi:

149

3 Regresso
3.1 Ajustamento da reta
Sempre que desejamos estudar determinada varivel em funo de outra, fazemos
uma anlise de regresso.
Podemos dizer que a anlise de regresso tem por objetivo descrever, atravs de
um modelo matemtico, a relao entre as duas variveis, partindo de n observaes
das mesmas.
A varivel sobre a qual desejamos fazer uma estimativa recebe o nome de varivel
dependente e a outra recebe o nome de varivel independente.
Assim, supondo X a varivel independente e Y a dependente, vamos procurar
determinar o ajustamento de uma reta relao entre essas variveis, ou seja, vamos
obter uma funo definida por:
Y = aX + b
onde a e b so os parmetros.
Sejam duas variveis X e Y, entre as quais exista uma correlao acentuada, embora
no perfeita, como, por exemplo, as que formam a tabela 2.
Da, temos:
Tabela 3 Valores das variveis xi e yi.
xi
5
8
7
10
yi
6
9
8
10
cujo diagrama de disperso dado por:

6
5

7
7

9
8

3
4

8
6

2
2

150

Podemos concluir, pela forma do diagrama, que se trata de uma correlao retilnea,
de modo a permitir o ajustamento de uma reta, imagem da funo definida por:
Y = aX + b
Vamos, ento, calcular os valores dos parmetros a e b com a ajuda das frmulas:

onde,

NOTA:

Como estamos fazendo uso de uma amostra para obtermos os valores dos parmetros, o
resultado, na realidade, uma estimativa da verdadeira equao de regresso. Sendo assim,
escrevemos:

151

Formemos, ento, a tabela de valores:

Tabela 4 Clculo dos valores de xiyi e xi2 (n = 10).
(xi)

(yi)

xiyi

x i2

5,0
8,0
7,0
10,0
6,0
7,0
9,0
3,0
8,0
2,0

6,0
9,0
8,0
10,0
5,0
7,0
8,0
4,0
6,0
2,0

30
72
56
100
30
49
72
12
48
4

25
64
49
100
36
49
81
9
64
4

= 65

= 65

= 473 = 481

Temos, assim:
a = 10x473 65x65 = 4730 4225 = 505 = 0,8632
10x481 (65)2
4810 4225 585

152

Assim, temos:

3.2 Interpolao e extrapolao

Voltando tabela 1, vemos que 4,0 no figura entre as notas de Matemtica.
Entretanto, podemos estimar a nota correspondente em Estatstica fazendo X = 4,0
na equao:

O mesmo acontece com a nota 1,0. Repetindo o procedimento, temos:

Como a nota 4,0 pertence ao intervalo [2,10], dizemos que foi feita uma
interpolao; e como a nota 1,0 no pertence ao intervalo [2,10], dizemos que foi
uma extrapolao.
NOTA:

Uma norma fundamental no uso das equaes de regresso a de nunca extrapolar, exceto
quando consideraes tericas ou experimentais demonstrem a possibilidade de extrapolao.

153

Resolva:
1. Complete o esquema para o ajustamento de uma reta aos dados:
xi
yi

2
30

4
25

6
22

8
18

10
15

12
11

14
10

154

EXERCCIOS
1 Um grupo de pessoas fez uma avaliao do peso aparente de alguns objetos.
Com o peso real e a media dos pesos aparentes, dados pelo grupo, obteve-se a
tabela:
PESO REAL

18

30

42

62

73

97

120

PESO APARENTE

10

23

33

60

91

98

159

Calcule o ndice de correlao.

2 Considere os resultados de dois testes, X e Y, obtidos por um grupo de alunos da
escola A:
xi

11

14

19

19

22

28

30

31

34

37

yi

13

14

18

15

22

17

24

22

24

25

a) Verifique, pelo diagrama, se existe correlao retilnea;

b) Em caso afirmativo, calcule o coeficiente de correlao;
3 A tabela abaixo apresenta a produo de uma indstria:
ANOS
QUANTIDADES (t)

1980 1981 1982 1983 1984 1985 1986 1987 1988

34

36

36

38

41

42

43

44

46

Calcule:
a) O coeficiente de correlao;
Sugesto: para simplificar os clculos, use para o tempo uma varivel auxiliar,
por exemplo:
xi = xi - 1984
b) A reta ajustada;
c) A produo estimada para o ano de 1989.

155

4 A tabela abaixo apresenta valores que mostram como o comprimento de uma

barra de ao varia conforme a temperatura:
TEMPERATURA (C)

10

15

20

25

30

COMPRIMENTO (mm) 1003 1005 1010 1011 1014

Determine:
a) O coeficiente de correlao;
b) A reta ajustada a essa correlao;
c) O valor estimado do comprimento da barra para a temperatura de 18C;
d) O valor estimado do comprimento da barra para a temperatura de 35C;
5 A variao do valor da Unidade de Preos ao Consumidor - UPC, relativamente
a alguns meses de 2009, deu origem tabela:
MESES

mai

VALORES (R$)

jun

jul

ago

Set

out

nov

10,32 10,32 11,34 11,34 11,34 12,22 12,22

Calcule:
a) O grau de correlao de correlao;
b) Estabelea a equao de regresso de Y sobre X;
c) Estime o valor da UPC para o ms de dezembro.
Sugesto: substitua os meses, respectivamente, por 1, 2, 3, ....., 7.
6 A partir da tabela:
xi

yi

70

50

40

30

20

10

a) Calcule o coeficiente de correlao;

b) Determine a reta ajustada;
c) Estime o valor de Y para X = 0.

156

7 Certa empresa, estudando a variao da demanda de seu produto em relao

variao de preo de venda, obteve a tabela:
PREO (xi)
DEMANDA (yi)

38

42

50

56

59

63

70

80

95

110

350 325

297

270

256

246

238

223

215

208

a) Determine o coeficiente de correlao;

b) Estabelea a equao da reta ajustada;
c) Estime o valor de Y para X = 60 e X = 120.
8 Pretendendo-se estudar a relao entre as variveis consumo de energia
eltrica (xi) e volume de produo nas empresas industriais (yi), fez-se uma
amostragem que inclui vinte empresas, computando-se os seguintes valores:
xi =11,34; yi = 20,72; xi2 = 12,16; yi2 =84,96; xiyi = 22,13
Determine:
a) O clculo do coeficiente de correlao;
b) A equao de regresso de Y para X;
c) A equao de regresso de X para Y.

157

REFERENCIAS
Bonafini, Fernanda Csar. Estatstica. So Paulo: Pearson Education do Brasil,
2012.
Bruni, Adriano Leal. Estatstica aplicada gesto empresarial. 1.ed. So Paulo:
Editora Atlas, 2007.
Crespo, Antnio Arnot. Estatstica fcil. 17.ed. So Paulo: Saraiva, 2002.
Hoffmann, Ronaldo; Ovalle, Vieira Sonia. Elementos de estatstica. 4.ed. So
Paulo: Editora Atlas, 2003.
Morettin, Pedro A. Estatstica bsica. 5.ed. So Paulo: Saraiva, 2002.
Pinheiro, Joo Ismael D. Estatstica bsica: a arte de trabalhar com dados. Rio
de Janeiro: Elsevier, 2009.
Ronald, E. Walpole. Probabilidade & estatstica para engenharia e cincias. So
Paulo: Pearson Prentice Hall, 2009.
Silva, Ermes Medeiro da; Silva, Elio Medeiro da; Gonalves; Valter; Murolo,
Afrnio Carlos. Estatstica: Para os cursos de economia, Administrao e
Cincias Contbeis - 1. 3.ed. So Paulo: Editora Atlas, 1999.
Toledo, Geraldo Luciano; Ovalle, Ivo Izidoro. Estatstica bsica. 2.ed. So Paulo:
Editora Atlas, 1985.

158

ANEXOS:

Tabela de Nmeros Aleatrios;

Tabela de Distribuio Normal.

159

TABELA DE NMEROS ALEATRIOS

L1
L2
L3
L4
L5
L6
L7
L8
L9
L10
L11
L12
L13
L14
L15
L16
L17
L18
L19
L20
L21
L22
L23
L24
L25
L26
L27
L28
L29

C1
4
3
2
1
0
0
8
8
5
6
4
3
2
0
9
7
8
6
5
3
8
1
2
4
5
2
1
0
9

C2
1
0
2
9
3
8
3
8
4
7
4
5
6
1
0
2
9
3
8
4
7
4
7
3
0
5
1
2
1

C3
6
7
5
8
4
9
3
0
1
2
0
1
9
2
8
2
3
0
1
0
2
9
3
8
3
7
4
7
5

C4
1
2
3
4
5
6
7
8
9
0
5
4
3
2
1
0
9
8
7
6
1
1
2
2
3
3
4
4
5

C5
6
6
7
7
8
8
9
9
0
0
1
3
5
7
9
2
4
6
8
0
1
3
5
7
9
0
2
3
6

C6
1
3
5
7
9
1
0
2
0
3
9
3
8
4
8
5
7
6
7
1
3
2
4
3
5
4
6
6
8

C7
0
9
0
8
0
7
6
3
2
1
1
0
2
0
3
0
4
0
5
9
5
8
6
7
7
2
3
4
5

C8
2
5
1
6
2
2
3
6
0
1
9
3
3
7
8
5
1
1
9
8
2
6
5
8
0
2
2
3
6

C9 C10 C11 C12 C13 C14 C15 C16 C17 C18 C19 C20 C21 C22 C23 C24 C25 C26 C27 C28 C29
3 5
7
6
2
0
9
9
8
1
0
3
4
7
2
1
0
8
7
8
4
5 3
4
8
8
0
9
3
0
1
7
0
4
0
8
3
1
2
0
1
2
9 8
7
6
3
0
0
1
2
1
4
3
2
4
5
6
7
7
4
3
0
5 2
7
8
1
0
0
7
5
3
2
2
5
8
1
9
0
3
2
3
4
0 3
1
0
1
1
2
4
3
1
9
5
6
8
5
0
2
3
4
9
0
2 2
2
8
6
1
9
4
5
2
0
0
1
3
1
0
9
2
3
4
1
7 6
4
0
7
1
2
1
0
1
2
8
9
7
5
3
2
1
1
8
2
3 7
3
7
8
9
4
3
9
2
3
2
3
0
0
4
4
2
3
1
3
3 7
5
0
9
7
6
5
7
8
0
8
4
5
2
3
0
7
4
3
6
1 2
6
0
2
0
8
0
9
7
7
7
3
6
7
2
9
0
3
1
0
4 1
8
4
2
1
3
3
2
7
6
4
4
3
8
9
0
7
2
2
9
2 3
7
0
3
4
5
8
9
3
5
2
4
0
1
7
9
1
8
1
3
6 5
0
2
6
3
6
7
0
1
7
9
6
8
3
5
3
3
5
7
2
0 7
9
0
0
6
5
2
7
8
1
0
0
7
5
3
0
9
1
1
3
3 9
4
0
1
9
5
2
2
0
0
2
1
2
4
7
6
3
2
1
5
3 2
1
3
5
8
9
1
2
3
9
6
5
2
7
8
1
0
0
7
0
1 4
2
4
6
7
0
2
3
7
8
5
3
1
2
5
6
9
0
7
9
4 6
2
2
3
3
0
1
5
4
5
1
1
3
4
7
8
1
2
8
8
4 8
0
0
2
3
6
9
6
4
3
6
7
2
1
9
7
0
1
8
5
4 0
2
9
2
3
2
5
3
5
7
2
7
8
2
5
6
2
2
9
4
4 1
7
5
7
3
0
0
9
1
2
0
3
4
9
3
0
4
4
9
1
1 2
0
2
0
1
3
5
4
6
4
3
2
0
0
3
9
6
6
0
2
8 4
0
8
0
1
9
6
9
5
0
8
0
2
4
9
8
8
8
0
3
0 3
0
9
2
2
6
7
6
4
9
8
9
4
7
7
7
0
0
2
4
4 5
8
7
4
2
2
3
8
2
1
2
2
0
7
0
6
1
1
2
5
6 6
1
1
0
3
9
9
1
0
3
4
3
9
6
3
5
3
3
4
8
0 8
9
2
3
3
7
7
4
0
5
6
8
8
5
2
4
5
5
4
0
1 7
1
0
2
0
9
6
4
3
7
9
0
7
6
1
3
7
5
5
8
9 8
2
0
2
3
0
1
4
3
3
7
7
5
6
7
4
3
4
0
1

160

161