Probabilidade 1 Ano PDF

Probabilidade e Estatstica por Edilson Machado de Assis
UNIVERSIDADE CATLICA DO SALVADOR

ESCOLA DE ENGENHARIA
Probabilidade e Estatstica
EDILSON MACHADO DE ASSIS
Salvador - Ba
Janeiro 2004
1
ndice
1. Introduo ...........................................................................................................................4
1.1 Conceitos da disciplina .................................................................................................4
1.2 Bibliografia para o curso...............................................................................................4
2. Probabilidade ......................................................................................................................6
2.1 Experimento..................................................................................................................6
2.2 Experimentos aleatrias ................................................................................................6
2.3 Espao amostral ............................................................................................................6
2.3 Evento ...........................................................................................................................6
2.3 Tipos de Eventos...........................................................................................................7
2.4 Probabilidade ................................................................................................................7
2.5 Definies de Probabilidade .........................................................................................8
2.6 Teoremas de probabilidade ...........................................................................................9
2.6.1 Teorema 1 de probabilidade : Soma de probabilidades .........................................9
2.6.2. Teorema 2 de probabilidade : Eventos complementares ....................................10
2.6.3. Teorema 3 de probabilidade : Produto de probabilidades ..................................10
2.6.4. Teorema 4: Teorema de probabilidade condicional............................................10
2.6.5. Teorema de probabilidade total ..........................................................................11
2.6.5. Exerccios de fixao .........................................................................................12
2.7. Tcnicas de contagem ................................................................................................16
2.7.1. Regra da multiplicao. ......................................................................................16
2.7.2. Permutao..........................................................................................................16
2.7.3 Combinao. ........................................................................................................17
2.7.4 Exerccios.............................................................................................................17
2.7.5. Exerccios de fixao ..........................................................................................18
2.8. Variveis aleatrias....................................................................................................19
2.8.1. Tipos de variveis aleatrias...............................................................................19
2.8.2. Distribuio de Probabilidade de uma varivel discreta.....................................19
2.8.3. Distribuio de Probabilidade de uma varivel contnua ...................................20
2.8.5. Caractersticas das distribuies .........................................................................22
2.8.6. Tipos de Distribuies de Probabilidade ............................................................23
2.9. Distribuio binomial ................................................................................................24
2.10. Distribuio de Poisson ...........................................................................................28
2.10.1. Exerccios de fixao ........................................................................................29
2.11. Distribuio Normal ................................................................................................31
2.12. Tabelas de Distribuio Normal ..............................................................................34
2.13. Exerccios de fixao ...............................................................................................37
2.14. Prticas.....................................................................................................................37
3. Estatstica ..........................................................................................................................48
3.1. Organizao de dados ................................................................................................48
3.2. Dados brutos ..............................................................................................................48
3.3. Ramos e folhas...........................................................................................................48
3.4. Rol de dados...............................................................................................................49
3.5. Tabela de freqncias de dados agrupados................................................................50
2
3.5.1. Nmero de classes (K) ........................................................................................50

3.5.2. Amplitude Total (At) .........................................................................................50
3.5.3. Amplitude do intervalo de classe (h) .................................................................51
3.5.4. Tabela de freqncias de dados agrupados.........................................................51
3.5.5. Resumo de Distribuio de Freqncias............................................................53
3.6. Apresentao grfica Excel .......................................................................................54
3.7. Medidas de Posio ...................................................................................................63
3.8. Medidas de Tendncia Central ..................................................................................64
3.8.1. Dados isolados ....................................................................................................64
3.8.2. Dados agrupados.................................................................................................67
3.9. Separatrizes ................................................................................................................73
3.10. Relaes entre moda, mediana e mdia ...................................................................75
3.11. Medidas de Disperso ..............................................................................................77
3.11.1. Dados isolados ..................................................................................................77
3.11.2. Dados agrupados...............................................................................................79
3.12. Regresso simples....................................................................................................84
3.12.1. Correlao .........................................................................................................86
3.12.2. Coeficiente de determinao R........................................................................87
3.12.3. Exemplo de regresso linear .............................................................................89
3.13. Regresso linear por transformaes .......................................................................90
3.13.1. Funo potncia ................................................................................................90
3.13.2. Funo exponencial ..........................................................................................91
3.13.3. Funo hiprbole (I)..........................................................................................93
3.13.4. Funo hiprbole (II) ........................................................................................95
3.14. Regresso mltipla...................................................................................................97
3.14.1. Diferenas entre regresso simples e mltipla..................................................98
3.14.2. O valor R2. ........................................................................................................99
3. 14.3. Exemplo de ajustamento linear mltiplo do tipo: Y = b0 + b1X1 + b2X2 ......100
3.15. Cuidados importantes sobre predio de valores de y:..........................................101
3.16. Nmeros ndices ....................................................................................................101
3.16.1. ndice agregado simples (IAS).......................................................................103
3.16.2. Mdia aritmtica simples dos ndices de preos relativos (M) .......................103
3.16.3. ndice de Laspeyres ou mtodo do ano base (IL) ...........................................104
3.16.4. ndice de Paasche ou mtodo do ano determinado (IP)..................................104
3.16.5. ndice de Fisher (IF) .......................................................................................104
3.16.7. Exerccios de fixao ......................................................................................106
3.17. Prticas...................................................................................................................106
4. Bibliografia .....................................................................................................................111
3
1. Introduo
A incerteza inerente maioria das atividades desenvolvidas pelo homem. Em
engenharia civil a incerteza est presente na no-homogeneidade dos materiais, nas
resistncias fsicas dos componentes estruturais e nas solicitaes. A estatstica tem o papel
de auxiliar o futuro engenheiro na compreenso da aleatoriedade e nas correlaes entre
eventos e variveis
A disciplina de Probabilidade e Estatstica tem como principais objetivos:
Apresentar os principais teoremas de probabilidade e suas aplicaes

Apresentar as principais distribuies de probabilidade e suas aplicaes
Apresentar mtodos para organizar conjuntos de dados e calcular suas medidas
Apresentar mtodos para comparar conjuntos de dados por meio de suas medidas
Apresentar mtodos para realizar regresses entre variveis
1.1 Conceitos da disciplina
Probabilidade:
um motivo ou indcio que deixa presumir a verdade ou a possibilidade de um fato
ocorrer.
Estatstica a parte da matemtica em que se investigam:

os processos de obteno, organizao e anlise de dados sobre uma populao ou
sobre uma coleo de seres quaisquer
e os mtodos de tirar concluses ou predies com base nesses dados.
1.2 Bibliografia para o curso

A bibliografia est divida em bibliografia bsica e complementar.
4
Bibliografia bsica:
DOWNING, Douglas e CLARK, Jeffrey. Business Statistics. New York 1992. Estatstica
Aplicada. Traduzido por Alfredo Alves de Farias, Editora Saraiva, 2000.
MEYER, Paul L. Probabilidades.
SPIEGEL, M. R. Probabilidade e estatstica. McGraw-Hill.
Bibliografia complementar:
CRESPO, A. A. Estatstica Fcil.

KARMEL, P. H. Estatstica geral e aplicada para economistas.
LIPSCHUTZ, S. Probabilidade. Makron Books.
LOURENO Filho, R. de C. B. Controle Estatstico da Qualidade.
MARTINS, G. de A. e DONAIRE, D. Princpios de estatstica.
SILVA, P. A. L. da. Princpios dos Mtodos Estatsticos: conceitos, modelos e aplicaes
no Excel. Rio de Janeiro, Editora Universitria Santa rsula, 1998.
SPIEGEL, M. R. Estatstica. McGraw-Hill.
SUMMERS, G. W. e PETERS, W. S. Anlise estatstica e processo decisrio.
TOLEDO, G. L. e OVALLE, I. I. Estatstica bsica. Atlas.
A ttulo de informao recomenda-se a leitura informativa de dissertao de

mestrado abaixo:
Assis, E. M. de. Otimizao do intervalo de substituio dos pneus de uma frota de

aeronaves Braslia EMB-120. MEP/ UFBa.
5
2. Probabilidade
Para iniciar o estudo da probabilidade necessria a compreenso dos seguintes
conceitos:
Experimento
Espao amostral
Evento
Eventos dependentes
Eventos independentes
Probabilidade
Distribuies de probabilidade
Experimento e espao amostral
2.1 Experimento
Experimento um procedimento claramente definido que conduz a um resultado. A
realizao de um experimento chamada tentativa, e cada tentativa tem o seu resultado.
2.2 Experimentos aleatrias
Experimentos aleatrios so experimentos onde no possvel prever o resultado,

embora sejam conhecidos todos os resultados possveis.
2.3 Espao amostral
Espao amostral S o conjunto de todos os resultados possveis de um experimento

aleatrio
2.3 Evento
6
Evento o subconjunto do espao amostral tal que todos os elementos a este pertencente
satisfaam a uma regra comum.
A especificao de um evento pode ser feita pela regra que os elementos satisfazem ou
pela enumerao de todos os seus elementos. Seja, por exemplo, um lanamento de um
dado. Tem-se:
Espao amostral - S={1, 2, 3, 4, 5, 6}
Evento - A={Nmero mostrado menor que quatro} ou A={1, 2, 3} (este apenas
um dos vrios eventos possveis)
A seguir outros exemplos de: Experimento / Espao amostral / Um evento:
a) Lanar um dado e ver o nmero mostrado / S={1,2,3,4,5,6} / A={n.menor que
4}={1,2,3}
b) Lanar duas moedas e observar as faces / S={CaCa,CaCo,CoCa,CoCo} / B={no
mnimo uma cara}={CaCa,CaCo,CoCa}
c) Lanar duas moedas e contar o nmero de caras / S={0, 1, 2} / C={nenhuma}={0}
2.3 Tipos de Eventos
Evento independente o evento no qual a sua ocorrncia no afeta a chance de

ocorrncia de outro. Ex.: Lanamentos de dados ou moedas honestos. Nestes eventos
quaisquer que tenham sido os resultados anteriores, estes no afetaro o prximo resultado.
Evento dependente o evento em que a sua ocorrncia afeta a do outro. Ex.: Retirada,
sem reposio, de uma carta de ouros de um baralho; os eventos ser homem e ser careca.
Em tais eventos, os resultados anteriores afetaro o prximo resultado.
2.4 Probabilidade
Probabilidade de um evento um nmero entre 0 e 1 que indica a chance de ocorrncia
de um evento quando o experimento a este associado executado.
A probabilidade de um evento A ocorrer indicada na forma: P(A)
7
Se o evento A no pode ocorrer ento se escreve: P(A) = 0

Se existe certeza na ocorrncia de A ento se escreve: P(A) = 1
Exemplos de probabilidades:
P({moeda mostra cara})=0.5
P({dado mostra 5})= 1/6
Note que: 0 P(Evento qualquer) 1,

P(S)=1 e P()=0
2.5 Definies de Probabilidade
1 - Se um experimento pode ocorrer de N maneiras e se o evento A pode ocorrer em

n destes testes ento a probabilidade de A ocorrer : P(A) = n / N. Probabilidade
calculada pelo mtodo de anlise de experimento (Dado, moeda...)
2 - Se um evento com atributo A ocorre n vezes em N experimentos, ento para

valores grandes de N, P(A) se aproxima de n / N. Probabilidade calculada pelo mtodo de
freqncia relativa (Confiabilidade e CQ) P ( A) = lim N ( n / N )
Neste momento, conveniente definir os seguintes conceitos:

Populao todo o conjunto de seres animados ou inanimados em estudo
Amostra parte da populao a ser analisada.
Quando se deseja colher informaes sobre um ou mais aspectos de um grupo grande

ou numeroso, verifica-se, muitas vezes, ser praticamente impossvel fazer um levantamento
do todo. Da a necessidade de investigar apenas uma parte dessa populao ou universo. O
problema da amostragem , portanto, escolher uma parte (ou amostra), de tal forma que ela
seja a mais representativa possvel do todo e, a partir dos resultados obtidos, relativos a essa
parte, poder inferir, o mais legitimamente possvel, os resultados da populao total, se esta
8
fosse verificada (pesquisa censitria). Trecho extrado de CARREIRO, Populao e

Amostra disponvel em www.edilson.eng.br na seo Metodologia da Pesquisa Cientfica.
2.6 Teoremas de probabilidade
O estudo da probabilidade baseado em teoremas. Os teoremas devem organizar a

forma de raciocinar e indicar a direo a seguir na soluo de problemas. De maneira geral
pode-se afirmar que a aplicao correta dos teoremas a parte mais importante as soluo.
Teorema uma proposio que, para ser admitida ou se tornar evidente, necessita
de demonstrao. Desta forma, cada teorema testado com um exemplo
2.6.1 Teorema 1 de probabilidade : Soma de probabilidades
Se A e B so eventos em um espao amostral, ento

P(A ou B)=P(AB)=P(A)+P(B)-P (A B)
A S
Obs. 1 - Se A e B so mutuamente exclusivos, ou seja, P(A B)=0 tem-se:

P(A ou B)=P(A)+P(B)
Obs. 2 - Se A1, A2,...Ak so eventos mutuamente exclusivos ento:

P(A1 A2 ... Ak)=P(A1)+ P(A2)+...+ P(Ak)
Exerccios:
1. Quando um par de dados arremessado qual a probabilidade dos nmeros 5 ou 6
serem mostrados?
9
2. Quando um par de dados arremessado qual a probabilidade da soma ser menor que
4 ou um dos nmeros ser 4?
2.6.2. Teorema 2 de probabilidade : Eventos complementares
Se A e Ac so eventos complementares, isto , so mutuamente exclusivos e juntos

compem o espao amostral, ento:
P(Ac)=1 - P(A)
Ac
A
S
Exemplo:
Quando uma moeda arremessada duas vezes qual a probabilidade de que no
mnimo uma cara aparea?
2.6.3. Teorema 3 de probabilidade : Produto de probabilidades
Se A e B so eventos independentes ento:

P(A B)=P(A).P(B)
Exemplos:
Uma urna contm 7 bolas pretas e 5 brancas se so retiradas 2 bolas com reposio
qual a probabilidade de que ambas sejam pretas?
Arremessados dois dados, E1 o evento em que a soma 6, em E2 a soma 7 e F
o evento em que o primeiro nmero 3. i) E1 e F so independentes? ii) E2 e F so
independentes?
2.6.4. Teorema 4: Teorema de probabilidade condicional
10
A probabilidade condicional de um evento A dado que um outro evento B tenha

ocorrido (no mesmo espao amostral) P(A\B). Este valor a frao do espao que
pertence a A e B tomada em relao a B.
P(A\B) = P(A B)/P(B) P de A dado que B
A S
Exerccio (probabilidade condicional)

Encontre a probabilidade de que a soma de dois dados lanados d 6 dado que um dos
nmeros 1.
Teorema de probabilidade condicional
Se no conhecida a relao de dependncia entre os eventos A e B tem-se:

P(A B) = P(A\B).P(B).
O valor desta frmula reside no fato de que algumas vezes s se conhece a

probabilidade de um evento A condicionada ocorrncia de B
Exerccio
Quando um par de dados arremessado qual a probabilidade do total ser menor que
6 e um dos nmeros ser 3 ou 4
2.6.5. Teorema de probabilidade total
Algumas vezes o espao amostral particionado em sub-eventos (Bk) que so

mutuamente exclusivos, ou seja, (Bi Bj) = e juntos compem o espao amostral.
11
Ento as probabilidades do evento de interesse (A) condicionadas s parties so usadas

para obter a probabilidade de ocorrncia do evento no espao amostral.
B3
B5
B1
A
S
B2
B6
B4
P(A) = P(AB1) + P(AB2) + P(AB3) + P(AB4) + P(AB5) + P(AB6)
Ou seja
P(A) = P(A\B1).P(B1) + P(A\B2).P(B2) + P(A\B3).P(B3) + P(A\B4).P(B4) + P(A\B5).P(B5) +

P(A\B6).P(B6)
Exerccio
Na Escola de Engenharia da Universidade de Bradley os alunos esto distribudos
como: 26% eng. Eltrica, 25% eng. Mecnica, 19% eng. de Manufatura, 18% eng. Civil e
12% eng. Industrial.
Sabe-se tambm que: 5% de eltrica, 10% de mecnica, 4% de manufatura, 8% de
civil e 45% de industrial so estudantes mulheres. Se um estudante aleatoriamente
escolhido, qual a probabilidade de que seja uma mulher?
2.6.5. Exerccios de fixao
01. Um engenheiro est comeando 2 novos projetos. Existe alguma incerteza sobre o
estado de concluso de cada trabalho. Em um ano cada trabalho pode estar concludo, ter
concluso parcial ou estar incompleto. Denote estas situaes como a,b e c respectivamente
para cada trabalho.
12
a) Descreva o espao amostral para o estado de concluso para os projetos.

b) Calcular a probabilidade de pelo menos um projeto ter sido concludo.
02. Um experimento consiste em arremessar dois dados e observar os nmeros de

ambos. Um evento E ocorre se a diferena entre dois nmeros maior que 3.Mostre os
elementos de E enumerando-os e pelo diagrama de Venn. Qual a probabilidade da
ocorrncia do evento E ?
03. A armao abaixo composta de trs barras a, b e c. As probabilidades de

cada uma das barras a, b e c se romperem so: P(A)=5%, P(B)=4% e P(C)=3%.
Sabendo que a estrutura se rompe se pelo menos uma barra se romper calcule a
probabilidade da estrutura desmoronar.
b
a
04. Agregados para construo so fornecidos por duas diferentes companhias. A

companhia A despacha 600 carregamentos por dia, dos quais 3% no satisfazem s
especificaes de qualidade. A companhia B despacha 400 carregamentos por dia, dos
quais 1% no est atendendo aos padres de qualidade.
a) Qual a probabilidade de que um carregamento tomado ao acaso venha da companhia A?
b) Qual a probabilidade de que um carregamento tomado ao acaso no passe no controle de
qualidade?
c) Se um carregamento de agregado no passou no controle de qualidade, qual a
probabilidade de que este tenha vindo da companhia A?
13
Resp.: a) 60%; b) 2,2%; c)81,8%
05. A poluio do ar em uma cidade causada principalmente por descargas industrial e

automotiva. Nos prximos 5 anos, as chances de controlar estas duas fontes poluentes so
75% e 60% respectivamente.
Assuma que se apenas uma das fontes poluentes for controlada com sucesso, a
probabilidade de controlar a poluio do ar 80%.
a) Qual a probabilidade de sucesso no controle da poluio do ar nos prximos 5 anos

b) Se nos prximos 5 anos a poluio do ar no est controlada, qual a probabilidade
de que isso tenha sido inteiramente causado por falha no controle da poluio
automotiva?
Considere que h independncia estatstica entre os controles das poluies automotiva e
industrial.
Resp.: a) 81% b)16%
06. Em uma construo de um prdio, a concluso da obra requer a concluso sucessiva

de uma srie de atividades.
Considere: E = {escavao completa em tempo previsto} P(E)=0.80
F = {fundao completa em tempo previsto} P(F)=0.70
S = {superestrutura completa em tempo previsto} P(S)=0.90
Assumindo independncia estatstica entre estes eventos calcule as probabilidades dos
seguintes eventos:
a) I = {projeto totalmente completo em tempo previsto}.
b) G = {escavao completa em tempo previsto e no mnimo uma das outras duas
operaes no completas em tempo}.
c) H = {apenas uma das trs operaes completas em tempo}.
Resp.: a) 50,4%; b) 29,6%; c) 20,4%
14
07. O suprimento de gua para uma cidade vem de dois reservatrios a e b. Dada a
variabilidade das chuvas por ano, o total de gua de cada reservatrio pode exceder ou no
exceder a capacidade normal . Assuma que A o evento em que a gua no reservatrio a
excede a capacidade normal e B o mesmo para a o reservatrio b. So conhecidas as
seguintes probabilidades : P(B)=0.8, P(AB)=0.6, P(Ac|Bc)=0.7. Em adio, as
probabilidades de que a cidade tenha abastecimento satisfatrio de gua se apenas um
reservatrio excede a capacidade, se ambos reservatrios excedem e se nenhum dos
reservatrios excede so 0.7, 0.9 e 0.3 respectivamente. Qual a probabilidade da cidade ter
abastecimento satisfatrio de gua?
08. Quando um par de dados arremessado qual a probabilidade de que o nmero do

primeiro dado seja 1 ou o total seja menor que 4? (Responda usando os teoremas)
09. A figura mostra duas rodovias interestaduais I1 e I2 que convergem em I3. Assuma
que I1 e I2 tm capacidades iguais, contudo na hora de pico, algo diferente acontece tal
que:
I1={Trfego excessivo em I1} P(I1)=10%

I2={Trfego excessivo em I2} P(I2)=20%
P(I1 | I2)=50% P(I2 | I1)=100%
I1
I3
I2
Considere que a capacidade de I3 igual a de I1 e I2 e que quando I1 ou I2 tm trfego

excessivo I3 tambm o ter. Ainda que nem I1 nem I2 tenham trfego excessivo I3 pode t-
lo com 20% de probabilidade.
Qual a probabilidade de que I3 tenha trfego excessivo?
15
10. Veculos que chegam a um cruzamento so observados. O nmero de veculos que

viram direita o dobro dos que viram esquerda e o nmero de veculos que seguem em
frente a metade dos que viram esquerda. a) Defina os eventos; b) Qual a probabilidade
de que um veculo vire esquerda? c) Qual a probabilidade de que um carro siga em
frente? d) Qual a probabilidade de que o carro vire direita, dado que far uma curva?
2.7. Tcnicas de contagem

Em todos os exemplos anteriores, o nmero de eventos foi contado manualmente.
Algumas vezes contar tais eventos complicado ou mesmo impossvel.
2.7.1. Regra da multiplicao.
Se uma operao pode ser feita de n1 maneiras e outra pode ser feita de n2 maneiras
ento as duas operaes podem ser feitas juntas de n1 x n2 maneiras.
Exemplos
Quantos grupos de dois sendo um homem e uma mulher pode ser feitos com 5
homens e 4 mulheres?
Quantas palavras de 4 letras so possveis com A,B,I,J,K se cada letra pode ser
usada uma vez? E se a ltima tiver de ser uma vogal?
2.7.2. Permutao.
Permutao um arranjo de todo ou parte de um conjunto de objetos. O nmero de

permutaes de n objetos tomados em grupos de r :
n!
Pn, r =
( n r )!
Onde x!=x.(x-1).(x-2)...1 e 0!=1
O exemplo a seguir mostra a demonstrao de que 0!=1:
16
10! 10 9 8!
= que pode ser reescrito como:
( 8 + 2 )! = ( 8 + 2 ) ( 8 + 2 1) ( 8)! .
8! 8! 8! 8!
Generalizando tem-se:
(n+k)! / n! = (n+k)(n+k-1)(n+k-2)...(n+2)(n+1)
Admita agora n = 0, logo:
k! / 0! = (k)(k-1)(k-2)...(2)(1) = k!
Conseqentemente 0!=1
Exemplos:
a) Calcule o nmero de permutaes de trs objetos a b c (P3,3) : abc, acb, bac, bca,
cab, cba.
b) Calcule o nmero de permutaes dos objetos a b c em grupos de 2: ab, ac, ba, bc,
ca, cb.
2.7.3 Combinao.
um grupo de certo nmero de objetos tomados de um conjunto. No importa a

posio dos objetos no grupo. Cuidado, abc e acb so duas permutaes diferentes mas
compem uma mesma combinao. O nmero de combinaes de n objetos distintos
tomados em grupos de r :
n n!
Cn , r = =
r r !(n r )!
2.7.4 Exerccios
a) Quantos nmeros de 3 dgitos podem ser formados usando 0,1,2,3,4,5 se cada dgito
usado apenas uma vez?
b) Quantos times de 5 jogadores podem ser formados com 10 jogadores?
c) Quantas comisses de trs elementos so formadas com 2 mulheres e 1 homem em

um grupo de 4 mulheres e 6 homens?
17
01. De um grupo de 8 pessoas, quantas comisses podem ser formadas com 3 delas?
02. De quantas maneiras uma comisso formada de 3 homens e 3 mulheres pode ser
escolhida dentre um grupo de 7 homens e 5 mulheres?
03. Suponha que uma urna A contendo 7 bolas numeradas de 1 a 7. De quantas

maneiras podemos retirar, primeiro 2 bolas, depois 3, e por ltimo 2.
04. De quantas maneiras podemos dividir 9 brinquedos entre 4 crianas, se a mais nova
deve receber 3 e cada uma das outras , 2 brinquedos?
05. Ache n, se:

i) Pn,2 = 72
ii) Pn,4 = 42.Pn,2
06. Todo ano em uma universidade, uma delegao de 4 estudantes selecionada para
assistir a reunio da Associao Nacional dos Estudantes.
i) de quantas maneiras a delegao pode ser escolhida, se h 12 estudantes
elegveis?
ii) de quantas maneiras, se dois dos estudantes elegveis so casados e somente
assistiro juntos a reunio?
07. Um homem tem oportunidade de jogar no mximo 5 vezes na roleta. Em cada

rodada ele perde ou ganha R$10,00. Ele inicia o jogo com R$10,00. O jogo s pode ser
encerrado na 5 rodada, se perder todo o dinheiro, ou se atingir um montante de R$40,00.
Ache o nmero de maneiras nas quais o jogo pode se desenrolar?
18
2.8. Variveis aleatrias

Varivel aleatria uma varivel que assume um valor aleatrio. O prximo valor no
pode ser previsvel com certeza.
Exemplos:
a) Nmero mostrado por um dado arremessado
b) Nmero de coroas (H) quando uma moeda arremessada 3 vezes
c) O peso de um recm nascido num hospital
d) A altura de um adulto
e) Nmero de arremessos necessrios para uma moeda dar 3 caras (T) consecutivas.
2.8.1. Tipos de variveis aleatrias
Varivel aleatria discreta uma varivel que assume um nmero contvel de valores.
Exemplos a); b); e). Muitas vezes as variveis aleatrias discretas esto associadas a valores
inteiros.
Varivel aleatria contnua uma varivel que pode assumir um nmero infinito de
valores. Exemplos c); d). Neste caso a quantidade de valores incontvel. A varivel
aleatria contnua est associada muitas vezes a valores reais.
2.8.2. Distribuio de Probabilidade de uma varivel discreta

Seja X uma varivel discreta. A funo p(x) definida como funo massa de
probabilidade (fmp) e tem as propriedades:
a) p(x) = P(X=x)
b) b) p(x) 0 para qualquer x
c) x p(x) = 1 claro pois P(S)=1 (a soma das probabilidades de todos os valores
possveis um)
Exerccio
Uma varivel aleatria X denota o nmero de coroas quando uma moeda
arremessada 3 vezes. Encontre a funo massa de probabilidade
19
Representao grfica desta fmp
0,40
0,30
p(x)
0,20
0,10
0,00
0 1 2 3
x
2.8.3. Distribuio de Probabilidade de uma varivel contnua
O mtodo para descrever variveis aleatrias discretas no funciona para variveis

contnuas. Infinitos valores so possveis para estas variveis contnuas e a probabilidade
delas assumirem exatamente um valor especfico zero. Desta forma as probabilidades no
podem ser tabuladas.
Funo densidade de probabilidade

Se X uma varivel aleatria contnua a funo f(x) chamada f.d.p. e tem como
propriedades:
a) f ( x) 0 qualquer que seja x
b) f ( x)dx = 1 pois a rea sob a curva =1
b
c) P(a X b) = f ( x)dx
a
Exerccio
Uma varivel aleatria X tem a fdp abaixo:
0,01.x 0 x10
f(x) = 0,01.(20-x) 10 x20
0 outro caso
Responda:
a) Verifique se f(x) uma fdp vlida
b) Encontre P(5 x10)
20
01. Suponha um espao amostral S constitudo de 4 eventos S = (A, B, C, D). Qual(is)

das funes abaixo descreve(m) uma funo massa de probabilidade em S?
a) P(A) = 1 P(B) = 1 P(C) = 1 P(D) = 1

2 3 4 5
b) P(A) = 1 P(B) = 1 P(C) = -1 P(D) = 1

2 4 4 2
c) P(A) = 1 P(B) = 1 P(C) = 1 P(D) = 1

2 4 8 8
d) P(A) = 1 P(B) = 1 P(C) = 1 P(D) = 0

2 4 4
02. Uma companhia de seguros obtm a seguinte distribuio de probabilidade para

acidentes dos seus assegurados no decorrer de um ano. A varivel x denota o nmero de
acidentes em um ano e p(x) a respectiva probabilidade de ocorrncia. Adotando a
independncia de acidentes em qualquer ano em relao aos anos anteriores, calcule as
probabilidades de assegurados com exatamente: a) nenhum acidente em 4 anos; b) dois
acidentes em dois anos.
X 0 1 2 3
P(x) 0,3 0,4 0,2 0,1
02. Se uma varivel aleatria discreta X pode assumir os valores x = 0,1,2,3,4,5.

Verifique se as expresses abaixo definem uma funo de probabilidade.
a) p(x)=x/15; b)p(x)= (x-1)/9
21
03. A vazo de um certo rio em mil litros por minuto distribui-se conforme a figura ao
lado, onde x representa o nmero de milhares de litros que circulam por minuto e f(x) a
respectiva funo densidade de probabilidade. Calcule:
a) O valor de a
b) P(X150)
c) Pretende-se construir um loteamento nas proximidades do rio e por questes de
segurana este est definido em uma rea que s atingida quando ocorre uma vazo to
alta que a probabilidade desta ser superada 2%. Qual este valor de vazo?
f (x)
h=1/500
x
100 200 a
Exerccios com Excel

04. Verifique se os exemplos abaixo so funes massa de probabilidade:
a) p(x) = 1/x para x=2,3...101
b) p(x) = x/9 para x=0,1...4
c) p(x) = (x-3)/4 para x=0,1...7
d) p(x) = x/14 para x=0,1,2,3
2.8.5. Caractersticas das distribuies
A distribuio de probabilidade descreve completamente o comportamento de uma

varivel aleatria. Contudo o mesmo pode ser feito por algumas medidas:
Mdia x
o centro de gravidade da distribuio um parmetro de localizao.
22
fdp(x)
1 2 3 4 x
Varincia x2 e Desvio padro x

Mostram o quanto a distribuio est dispersa em torno da mdia. Quanto maior a
varincia ou o desvio padro, mais alargado o formato da curva.
fdp(x)
1 2 3 4 x
2.8.6. Tipos de Distribuies de Probabilidade
Distribuies so modelos matemticos para descrever o comportamento de

variveis aleatrias. Tais modelos so usados em controle de qualidade e confiabilidade.
Sero vistas as seguintes distribuies:
Binomial (discreta)
Poisson (discreta)
Normal (contnua)
23
2.9. Distribuio binomial

Diz-se que a varivel X tem distribuio binomial com parmetros n e p se a funo
massa de probabilidade :
n
p ( x) = . p x (1 p )n x , x = 0,1,...n
x
n n!
Onde : = Cn, x =
x x !(n x)!
A especificao de uma distribuio binomial feita na forma : X~B(n;p) onde l-

se X uma varivel aleatria de distribuio binomial com parmetros n e p.
Esta distribuio descreve a varivel aleatria X que representa o nmero de

sucessos x em n tentativas independentes, tendo cada tentativa com probabilidade p
de sucesso e probabilidade (1-p) de fracasso.
Da expresso tem-se:
Cn,x : Combinao de x sucessos em n tentativas
px : Probabilidade de x sucessos
(1-p)n-x : Probabilidade de n-x fracassos
Medidas caractersticas
Para a varivel aleatria X ~ B( n ; p) tem-se:
Mdia
x = n.p (nmero de tentativas vezes probabilidade de sucesso)
Varincia
X 2 = n. p.(1 p )
Desvio Padro
24
X = n. p.(1 p )
Exemplos de Variveis Aleatrias Binomiais
a) X: Nmero de caras quando uma moeda honesta lanada 10 vezes. X ~ B(10;

1/2)
b) Y: Nmero de cestas feitas por um jogador de basquete em 12 arremessos se sua
mdia 0.4 (cestas/arremesso) Y ~ B(12; 0,4)
c) W: Nmero de produtos defeituosos em uma amostra de 20 unidades retirada de um
grande lote que contm 2% de defeituosos W ~ B(20; 0,02)
Comentrios dos exemplos acima:

a) Eventos so obviamente independentes
b) aceitvel tomar os eventos como independentes
c) Ateno: para um lote pequeno, a retirada sem reposio de um produto afeta a
probabilidade do prximo ser defeituoso, mas para um lote grande comparado com o
tamanho da amostra, pode-se desprezar a dependncia e utilizar o modelo binomial
Exerccios
Uma amostra de 12 parafusos retirada de uma linha de produo e inspecionada.

Sabe-se que o processo produz 2% de defeituosos. Qual a probabilidade da amostra
ter exatamente um defeituoso? Qual a probabilidade de no existir mais de um
defeituoso?
Com base no exerccio acima, qual a mdia, varincia e o desvio padro do nmero
de defeituosos?
25
1. Qual a probabilidade de obter trs nmeros primos em cinco jogadas de um dado?
2. Jogando-se uma moeda honesta, qual a probabilidade de obter ao menos quatro caras
em cinco jogadas?
3. O Estado da Pensilvnia tem uma loteria diria. Cada noite escolhido um nmero de
trs algarismos. Qual a probabilidade de se obter um nmero inferior a 100, mais de
cinco vezes em uma semana?
4. Quantas vezes devemos jogar uma moeda para que a probabilidade de aparecerem ao
menos duas caras seja superior a 1/2?
5. Suponha que 10% da populao sejam de canhotos. Escolhidas trs pessoas

aleatoriamente, qual a probabilidade de ao menos uma ser canhota?
6. Qual a probabilidade de dois dos prximos trs presidentes dos Estados Unidos terem
nascido em um domingo?
7. Suponha que 2/5 da populao tenham sangue tipo O+. Escolhidas aleatoriamente seis
pessoas, qual a probabilidade de quatro delas terem sangue O+?
8. Suponha que 45% dos Almeida no mundo sejam mulheres. De trs Almeida escolhidos
aleatoriamente, qual a probabilidade de ao menos dois serem mulheres?
9. Um exame de mltipla escolha comporta 20 questes. Cada questo tem quatro

respostas possveis (com apenas uma certa). H, assim, 0,25 de probabilidade de
responder a uma questo corretamente, "por palpite". Qual a probabilidade de acertar ao
menos 18 questes nessas condies?
10. Suponha que voc est na gerncia de uma companhia de seguros. Voc tem N
segurados. H uma probabilidade p = 0,05 de que determinado segurado solicite uma
26
indenizao em um ano; nesse caso, a seguradora ter de pagar $1.000. A seguradora

cobra um prmio anual de $50 de cada segurado. Use Excel.
i) Qual a mdia esperada para o lucro da seguradora?

ii) Suponha que a seguradora tenha 20 clientes. Qual a probabilidade do seu lucro
ser de $2000? De $1000 ? De $0? De -$1000? De -$2000? De -$3000?
11. Voc tem um convnio com uma grande empresa que lhe oferece trinta clientes por
ms. Para se associar a esta empresa voc gasta R$1680,00 mensais. Cada elemento do
pblico alvo do seu negcio necessita de seus servios com probabilidade p=0,2 e paga
R$500,00 pela consulta. Qual a probabilidade deste empreendimento lhe causar
prejuzo?Considere distribuio binomial. Use Excel.
12. Suponha que voc o gerente de uma companhia de aviao que opera com avies de
200 lugares cada. Em mdia, 7% dos que fazem reserva no comparecem ao embarque.
Parece desnecessrio aceitar apenas 200 reservas para cada vo, porque sempre restaro
alguns assentos vagos. Voc decide ento arriscar, aceitando mais de 200 reservas. Se,
entretanto, aparecerem efetivamente mais de 200 passageiros, haver um problema
srio. Suponha que voc decidiu correr um risco de 5% de ter excesso de passageiros
para o embarque em um vo. Quantas reservas pode aceitar, mantendo em menos de
5% a probabilidade de excesso? Dica: use EXCEL
13. Suponha que voc comparea a um exame com 100 questes do tipo verdadeiro-falso;
voc nada sabe sobre o assunto do exame, e vai responder as questes por adivinhao.
Qual a chance de acertar ao menos 75 questes? Use Excel.
27
2.10. Distribuio de Poisson
Diz-se que a varivel aleatria X segue a distribuio de Poisson (l-se Posson) se a

sua fmp :
e .. x
p( x) = , x = 0,1, 2...
x!
x ! = x.( x 1)( x 2)..1
A especificao de uma distribuio de Poisson feita na forma : X~Po() onde l-

se X uma varivel aleatria de distribuio de Poisson com parmetro . Esta distribuio
s possui um parmetro.
Para a varivel aleatria X ~ Po() tem-se:
Mdia
x =
Varincia
X2 =
Desvio Padro
X =
Aplicaes
Esta distribuio um bom modelo para descrever o comportamento das variveis
aleatrias nos seguintes exemplos:
a) Nmero de ns por folha de madeira tratada
b) Nmero de imperfeies por pea de tecido
c) Nmero de acidentes por ms numa fbrica
28
d) Nmero de chamadas que chegam a uma central telefnica em u intervalo de

tempo t
e) Nmero de glbulos sangneos visveis ao microscpio num campo visvel de rea
A
Requisitos de um processo de Poisson
1) Os nmeros de eventos durante intervalos no sobre-postos de tempo ou rea (ou outra

grandeza) constituem variveis aleatrias independentes
2) A distribuio do nmero de eventos durante um intervalo (tempo ou espao) depende

apenas do comprimento do intervalo e no de seus pontos extremos
3) Para pequenos intervalos, a probabilidade de ocorrncia de um evento diretamente

proporcional ao comprimento do intervalo
4) A probabilidade de ocorrncia de dois ou mais eventos para intervalos infinitesimais

desprezvel
5) A condio inicial do processo que o evento no ocorreu. No instante zero de tempo o

evento ainda no ocorreu
Exerccios:
Um digitador faz uma mdia de 3 erros por pgina. Qual a probabilidade de que ele
digite uma pgina com menos de 2 erros?
Qual a mdia, varincia e desvio padro desta varivel de Poisson?
29
1) Seja X uma varivel aleatria que representa o nmero de vezes que a palavra platypus
pronunciada num dia. Supondo que X tenha distribuio de Poisson com parmetro
=1/2, Quanto P(X>1)?
2) Se X uma varivel aleatria de Poisson com parmetro =10, quanto P(1 X 3)?
3) Registros histricos de tempestades se em uma cidade indicam que a na mdia

ocorreram em quatro tempestades por ano nos ltimos vinte anos. Assumindo que a
ocorrncia de tempestades um processo de Poisson, qual a probabilidade de que no
existam tempestades no prximo ano? Qual a probabilidade de ocorrer exatamente 4
tempestades no prximo ano? Qual a probabilidade de haver duas ou mais tempestades
no prximo ano?
4) Um plo petroqumico tema mdia de 3 acidentes por ms. Qual a probabilidade de

que no existam mais de 2 acidentes no prximo ms? Qual a probabilidade de que no
haja incidentes nos prximos dois meses. Considere uma distribuio de Poisson.
5) Considere uma fbrica de chocolates com amndoas. A gerncia da fbrica sabe que o
nmero de amndoas por tablete uma varivel aleatria de Poisson com mdia igual a
1,5. a) Qual a probabilidade de haver pelos menos trs amndoas num tablete? b) Numa
caixa com quatro tabletes qual a probabilidade de nenhuma amndoa ser encontrada?
6) Numa linha adutora de gua de 60 Km de extenso, o nmero de vazamentos no

perodo de um ms em mdia 4. a) Qual a probabilidade de ocorrer, durante um ms,
pelo menos um vazamento num setor de 3 Km de extenso? b) Qual a probabilidade de
ocorrerem menos de 3 vazamentos durante um ms neste mesmo trecho de 3 Km?
7) A probabilidade de que um certo evento acontea pelo menos uma vez entre trs
experincias independentes entre si 0,936. Ache: a) a probabilidade de ocorrncia do
30
evento uma vez em uma experincia. b) a probabilidade de exatamente uma ocorrncia

em trs experincias.
2.11. Distribuio Normal
Uma varivel aleatria X tem distribuio normal com parmetros e se sua f.d.p.
:
1 2
f ( x) = .e (1/ 2)[( x ) / ]
2
A especificao de uma distribuio normal feita na forma : X~N(; 2) onde l-

se X uma varivel aleatria de distribuio normal com mdia e varincia 2.
Para a varivel aleatria X~N(; 2) tem-se:

Mdia

Varincia
2
Desvio Padro
= 2
Grfico da distribuio Normal de parmetros = 0 e 2 =1.
31
Grfico da Ditribuio Nornal
0,5
0,4
0,3
f(x)
0,2
0,1
0
-5 -4 -3 -2 -1 0 1 2 3 4 5 6 7
x
Propriedades do grfico:
a) assinttico ao eixo-x
b) simtrico linha vertical em
c) O mximo valor de f(x) ocorre em
d) Os dois pontos de inflexo ocorrem distncia de cada lado de
Aplicaes
A normal serve como aproximao para um grande nmero de distribuies. A maior
parte das medidas normalmente distribuda (KRISHNAMOORTHI,1992). Comprimentos
de parafusos, dimetros de furos, percentagens de impurezas so alguns exemplos.
Problemas comuns
Um dos problemas comuns , uma vez conhecida a distribuio por meio da mdia e
varincia, encontrar a probabilidade de que a varivel assuma valores dentro de um
intervalo especificado. Exemplo X~N(20,9), P(10 X 15)=?
32
Soluo :
15
1 2
P (10 X 15) = .e (1/ 2)[( x 20) / 3] dx
10 3 2
No fcil encontrar esta rea. Para tal usa-se a padronizao da varivel aleatria.
Para qualquer distribuio normal tem-se :

P(- X + ) = 0.6827
P(-2 X +2 ) = 0.9545
P(-3 X +3 ) = 0.9973
Varivel normal padronizada
A varivel normal padronizada tem mdia 0 e varincia 1. expressa por Z~N(0,1).

Existem vrias tabelas que fornecem a rea sob esta fdp entre - e vrios valores z.
Existe uma relao capaz de realizar a converso entre qualquer distribuio normal e a
distribuio padronizada permitindo um clculo mais simples das reas.
A distribuio padronizada
X
Se X ~ N( , 2) ento Z ~ ~ N(0 , 1) em outras palavras: se a varivel X

X
normalmente distribuda com mdia e desvio padro , ento a funo a

distribuio normal padro. Resumindo: a operao - torna a mdia nula e a operao
/ torna o desvio padro unitrio.
Exerccios
1) Dado Z~ N(0,1) calcule:
a) P(Z 2.62)
33
b) P(Z -1.45)
c) P(Z > 1.45)
d) P(-1.5 Z 2.5)
e) t tal que P(Z t)=0.0281
f) s tal que P(Z>s)=0.0771
g) k tal que P( -k Z k) = 0.9973
2) Dado X ~ N(2.0 , 0.0025) calcule:

h) P(X 1.87)
i) P(X > 2.2)
j) P(1.9 X 2.1)
k) t tal que P(X>t)=0.05
l) k tal que P(-K X +K)=0.9973
3) Dimetros de parafusos em uma grande linha de produo so normalmente distribudos

com mdia 0.25 cm e desvio padro 0.01 cm. As especificaes so 0.24 0.02 cm.
a) Qual a proporo de parafusos fora das especificaes?
b) Se a mdia do processo for movida para coincidir com o centro das
especificaes qual a proporo de defeituosos?
4) Um fabricante de baterias substituir qualquer bateria que pife antes de 3 anos. Sabe-se
que a vida das baterias normalmente distribuda com mdia 4 anos e desvio padro de
0.45 anos.
a) Qual a percentagem de baterias que ser substituda?
b) Qual o desvio padro para que menos de 2% das baterias fossem
substitudas? ( difcil neste caso aumentar a mdia, mas o desvio padro
pode diminuir com algum esforo)
2.12. Tabelas de Distribuio Normal
34
35
36
2.13. Exerccios de fixao
01 Suponha que a durao em horas de vida de dois dispositivos eletrnicos, D1 e D2,

tenham distribuies N(40,36) e N(45,9) respectivamente. Se o dispositivo eletrnico tiver
de ser usado por um perodo de 45 horas qual dos dispositivos deve ser preferido?
02. O tempo de funcionamento de uma bateria de celular normalmente distribudo

com mdia de 200 horas e desvio padro de 50 horas. Qual a frao de baterias que se
espera que funcionem alm de 300 horas?
2.14. Prticas
A seguir esto apresentadas as prticas em Excel.
37
Prtica 1
A B C D E F G
1 i Moeda
Prtica 1 - Probabilidade
2 1 0
3 2 0
A) Esta prtica faz a simulao do lanamento de
4 3 0
moedas
5 4 1
Obs.: O suplemento ferramentas de anlise deve
6 5 1
estar instalado. Para instalar clique no menu
7 6 1
ferramentas e depois em suplementos, marque
8 7 0
ento a caixa ferramenta de anlise. Pressione OK
9 8 1
10 9 0
Roteiro:
11 10 0
1 - Clula A1: i
12 11 1
2 - Clula B1: Moeda
13 12 0
3 - Clula A2: 1
14 13 0
4 - Clula B2: =aleatrioentre(0;1)
15 14 0
16 15 1
Vamos considerar o resultado 1 como cara e o
17 16 0
resultado 0 como coroa. A cada vez que a planilha
18 17 1
calculada um novo nmero gerado. Experimente
19 18 0
pressionar F9. Note que a cada momento um novo
20 19 0
nmero aleatrio aparece
21 20 0
22 21 0
B) Simulao do lanamento de 100 moedas
23 22 0
24 23 0
5 - Clula A3: =A2 + 1
25 24 1
6 - Selecione a clula A3 e arraste at a linha 101
26 25 1
7 - Selecione a clula B2 e arraste at a linha 101
27 26 1
8 - Pressione F9 vrias vezes
28 27 0
29 28 0
C) Vamos estimar a probabilidade de uma moeda
30 29 1
dar cara considerando os 100 lanamentos
31 30 1
simulados
32 31 1
33 32 1
9 - Clula A102: Prob
34 33 1
10 - Clula B102: =soma(B2:B101)
35 34 0
11 - A clula B102 mostra a probabilidade em
36 35 0
porcento. Pressione F9 vrias vezes e tire suas
37 36 0
concluses.
38 37 0
39 38 0
100 99 0
101 100 0
102 Prob 43
38
Prtica 2
A B C D E F G
1 i Dado
Prtica 2 - Probabilidade
2 1 6
3 2 5
A) Esta prtica faz a simulao do lanamento de
4 3 6
dados
5 4 2
Obs.: O suplemento ferramentas de anlise deve
6 5 5
estar instalado. Para instalar clique no menu
7 6 1
ferramentas e depois em suplementos, marque
8 7 4
ento a caixa ferramenta de anlise. Pressione OK
9 8 5
10 9 5
Roteiro:
11 10 1
1 - Clula A1: i
12 11 1
2 - Clula B1: Dado
13 12 5
3 - Clula A2: 1
14 13 1
4 - Clula B2: =aleatrioentre(1;6)
15 14 6
16 15 4
A cada vez que a planilha calculada um novo
17 16 4
nmero gerado. Experimente pressionar F9. Note
18 17 2
que a cada momento um novo nmero aleatrio
19 18 5
aparece
20 19 5
21 20 6
B) Simulao do lanamento de 100 dados
22 21 3
23 22 4
5 - Clula A3: =A2 + 1
24 23 6
25 24 4
7 - Selecione a clula B2 e arraste at a linha 101
26 25 1
8 - Pressione F9 vrias vezes
27 26 2
28 27 4
C) Vamos estimar a probabilidade de um dado
29 28 3
mostrar 5 considerando os 100 lanamentos
30 29 2
simulados
31 30 3
32 31 5
9 - Clula A102: Dado=5
33 32 6
10 - Clula B102: =CONT.SE(B2:B101;"5")
34 33 1
11 - A clula B102 mostra a probabilidade em
35 34 4
porcento. Pressione F9 vrias vezes e tire suas
36 35 6
concluses.
37 36 3
38 37 3
39 38 4
100 99 1
101 100 2
102 Dado=5 21
39
Prtica 3
A B C D E F G H I
1 Prtica 3 - Teorema 1
2 i Dado1 Dado2 A B AeB A ou B
3 1 6 2 0 1 0 1
4 2 3 5 1 0 0 1
5 3 1 5 1 0 0 1
6 4 6 2 0 1 0 1
7 5 3 3 0 0 0 0
8 6 6
Roteiro 2 0 1 0 1
9 7 Questo: Quando um par de dados arremessado qual a 1
1 6 0 1 0
10 8 6
probabilidade 5 nmeros1 5 ou 6 serem
dos 1 mostrados?1 1
11 9 5
Soluo: 5 1 0 0 1
12 10 5 4
A={nmero 5 mostrado} 1 0 0 1
13 11 6
B={nmero 6 3 mostrado}0 1 0 1
14 12 3 4 0 0 0 0
15 13 4
1) Preencha as5 linhas 1 e 12 conforme0a figura 0 1
16 14 5
2) Clula A3: 12 1 0 0 1
17 15 3
3) Clula 4 0
B3: =ALEATRIOENTRE(1;6) 0 0 0
18 16 2 5 1
4) Clula C3: =ALEATRIOENTRE(1;6) 0 0 1
19 17 3 2 0
5) Clula D3: =SE((B3=5)+(C3=5);1;0) 0 0 0
20 18 3 6 0
6) Clula E3: =SE((B3=6)+(C3=6);1;0) 1 0 1
21 19 3 3 0
7) Clula F3: =SE((D3=1)*(E3=1);1;0) 0 0 0
22 20 3 1 0
8) Clula G3: =SE((D3=1)+(E3=1);1;0) 0 0 0
23 21 9) Selecione as clulas A3:G3, pressione o boto direito do 1
5 3 1 0 0
24 22 3 e arraste
mouse 5 para baixo 1 at a linha
0 102 e clique
0 em 1
25 23 4
preencher 3
seqncia 0 0 0 0
26 24 10) 3Clula D103: 2 =SOMA(D3:D102)
0 0 0 0
27 25 11) 3Copie a clula
6 D103 para 0 o intervalo
1 E103:G103 0 1
28 26 12) 4Clula G105: 6 =D103+E103-F103
0 1 0 1
29 27 13) Verifique os resultados de G105 e G103 e compare com 1os
5 2 1 0 0
30 28 4
clculos 2 sala. 0
feitos em 0 0 0
31 29 4 1 0 0 0 0
32 30 4 4 0 0 0 0
33 31 1 1 0 0 0 0
34 32 2 4 0 0 0 0
35 33 1 2 0 0 0 0
36 34 3 5 1 0 0 1
37 35 6 2 0 1 0 1
100 98 4 4 0 0 0 0
101 99 6 1 0 1 0 1
102 100 5 4 1 0 0 1
103 34 33 5 62
104 A B AeB AouB
105 62
40
Prtica 4
A B C D E F G H I
2 i Moeda1 Moeda2 A Ac
3 1 0 1 1 0
4 2 0 1 1 0
5 3 1 0 1 0
6 4 1 0 1 0
7 5 0 0 0 1
8 6 Roteiro
0 0 0 1
9 7 Questo:
0 Quando0 uma moeda 0 arremessada
1 duas vezes qual
10 8 a probabilidade
1 0de que no 1mnimo uma 0 cara aparea?
11 9 Soluo:
1 1 1 0
12 10 A={no
1 mnimo 1uma cara aparece}
1 0
13 11 Ac={nenhuma
1 cara
1 aparece}
1 0
14 12 0 0 0 1
15 13 1) Preencha
1 as0 linhas 1 e 12 conforme0a figura
16 14 2) Clula
0 A3: 11 1 0
17 15 3) Clula
1 B3: =ALEATRIOENTRE(0;1)
1 1 0
18 16 4) Clula
0 C3: =ALEATRIOENTRE(0;1)
0 0 1
19 17 5) Clula
0 D3: =SE((B3=1)+(C3=1);1;0)
1 1 0
20 18 6) Clula
0 E3: =SE((B3=0)*(C3=0);1;0)
0 0 1
21 19 7) Selecione
0 as
0 clulas A3:E3,
0 pressione
1 o boto direito do
22 20 mouse0 e arraste
0 para baixo
0 at a linha
1 102 e clique em
23 21 preencher
0 seqncia
0 0 1
24 22 8) Clula
0 D103:1 =SOMA(D3:D102)
1 0
25 23 9) Copie
1 a clula
0 D103 para 1 E103 0
26 24 10) 0Verifique os0 resultados0de D103 e 1E103 e compare com os
27 25 clculos0 feitos em
1 sala. 1 0
28 26 0 0 0 1
29 27 1 1 1 0
30 28 1 1 1 0
31 29 0 0 0 1
100 98 1 1 1 0
101 99 0 1 1 0
102 100 0 1 1 0
103 65 35
104 A Ac
41
Prtica 5
A B C D E F G H I
2 i Dado1 Dado2 E1 E2 F E1 e F E2 e F
3 1 1 3 0 0 0 0 0
4 2 6 5 0 0 0 0 0
5 3 Roteiro 4 5 0 0 0 0 0
6 4 Questo:5 Arremessados dois dados, E1 o evento em que a 0
5 0 0 0 0
7 5 soma2 6, em E25 a soma 07 e F o evento
1 em que0 o primeiro0 0
8 6 nmero 5 3. i) E1
1 e F so independentes?
1 0 ii) E2 e 0F so 0 0
9 7 independentes?
4 5 0 0 0 0 0
10 8 2 5 0 1 0 0 0
11 9 Soluo:4 3 0 1 0 0 0
12 10 E1={soma5 1 1 0 0
d 6} E2={soma d 7} F={primeiro dado d 3} 0 0
13 11 1) Preencha
5 as4linhas 1 e 20conforme a0 figura 0 0 0
14 12 2) Clula
3 A3: 1 1 0 0 1 0 0
15 13 3) Clula
6 2 0
B3: =ALEATRIOENTRE(1;6) 0 0 0 0
16 14 4) Clula
1 5 1
C3: =ALEATRIOENTRE(1;6) 0 0 0 0
17 15 5) Clula
2 4 1
D3: =SE((B3+C3)=6;1;0) 0 0 0 0
18 16 6) Clula
2 5 0
E3: =SE((B3+C3)=7;1;0) 1 0 0 0
19 17 7) Clula
2 6
F3: =SE(B3=3;1;0) 0 0 0 0 0
20 18 8) Clula
4 3 0
G3: =SE((D3=1)*(F3=1);1;0) 1 0 0 0
21 19 9) Clula
3 3 1
H3: =SE((E3=1)*(F3=1);1;0) 0 1 1 0
22 20 10) Selecione
6 as clulas A3:H3, pressione o boto direito do 0
6 0 0 0 0
23 21 mouse 5 e arraste5 para baixo0at a linha0102 e clique
0 em 0 0
24 22 preencher
5 2
seqncia 0 1 0 0 0
25 23 11) Clula
4 D103:1 =SOMA(D3:D102)/100
0 0 0 0 0
26 24 12) Copie
2 4 D103 para
a clula 1 o intervalo
0 E103:H103 0 0 0
27 25 13) Clula
2 6
G105: =D103*F103 0 0 0 0 0
28 26 14) Clula
3 6
H105: =E103*F103 0 0 1 0 0
29 27 15) Verifique
4 6 0 0 0
os resultados das linhas 103 e 105 e compare com 0 0
30 28 os clculos
1 feitos em sala. O que possvel concluir? Porqu?0
5 1 0 0 0
31 29 3 5 0 0 1 0 0
32 30 2 5 0 1 0 0 0
33 31 1 4 0 0 0 0 0
34 32 3 6 0 0 1 0 0
35 33 5 4 0 0 0 0 0
101 99 3 5 0 0 1 0 0
102 100 2 1 0 0 0 0 0
103 0,15 0,21 0,19 0,03 0,05
104 E1 E2 F E1 e F E2 e F
105 0,0285 0,0399
42
Prtica 6
A B C D E F G H
1 r/n 10
2 0 1
3 1 10 4000000
4 2 90
3500000
5 3 720
6 4 5040 3000000
7 5 30240
2500000
8 6 151200
9 7 604800 2000000
10 8 1814400 1500000
11 9 3628800
12 10 3628800 1000000
13 11 #NM! 500000
14 12 #NM!
0
15 13 #NM!
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
16 14 #NM!
17 15 #NM!
18 Roteiro
19
20 Permutao - Estudo do comportamento da funo PERMUT()
21 1 - Preencha a linha 1 conforme mostrado
22 2 - Clula A2: 0
23 3 - Clula B2: =PERMUT($B$1;A2)
24 4 - Clula A3: =A2+1
5 - Arraste a clula A3 at a linha 17
25
6 - Arraste a clula B2 at a linha 17
26 7 - Experimente vrios valores na clula B1, por exemplo: 1,
27 2, 6, 9, 10, 15 quais as suas concluses?
28 8 - Selecione as clulas de B2 at B17
29 9 - Clique em inserir grfico
30 10 - Selecione o tipo Colunas
31 11 - Clique em Avancar
32 12 - Clique na aba Seqncia
33 13 - Clique na caixa de texto de rtulos do eixo das
categorias (X) (fica na parte inferior da tabela) e selecione
34
as clulas de A2 at A17 (veja que a caixa de texto agora
35 apresenta =Plan1!$A$2:$A$17 )
36 14 - Clique em Avanar
37 15 - Clique na aba Legenda e desmarque a caixa Mostrar legenda
38 16 - Clique Concluir
40 2, 6, 9, 10, 15.Quais os valores de r que geram Pn,r iguais ?
41 Quais as suas concluses?
42
43
44
43
Prtica 7
A B C D E F G H
1 r/n 10
2 0 1
3 1 10 300
4 2 45
5 3 120 250
6 4 210
7 5 252 200
8 6 210
9 7 120 150
10 8 45
11 9 10 100
12 10 1
50
13 11 #NM!
14 12 #NM!
0
15 13 #NM!
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
16 14 #NM!
17 15 #NM!
18 Roteiro
19
20 Combinao - Estudo do comportamento da funo COMBIN()
21 1 - Preencha a linha 1 conforme mostrado
22 2 - Clula A2: 0
23 3 - Clula B2: =COMBIN($B$1;A2)
24 4 - Clula A3: =A2+1
5 - Arraste a clula A3 at a linha 17
25
6 - Arraste a clula B2 at a linha 17
27 2, 6, 9, 10, 15 quais as suas concluses?
28 8 - Selecione as clulas de B2 at B17
29 9 - Clique em inserir grfico
31 11 - Clique em Avancar
33 13 - Clique na caixa de texto de rtulos do eixo das
categorias (X) (fica na parte inferior da tabela) e selecione
34
as clulas de A2 at A17 (veja que a caixa de texto agora
35 apresenta =Plan1!$A$2:$A$17 )
36 14 - Clique em Avanar
37 15 - Clique na aba Legenda e desmarque a caixa Mostrar legenda
38 16 - Clique Concluir
40 2, 6, 9, 10, 15.Quais os valores de r que geram Cn,r iguais ?
41 Quais as suas concluses?
42
43
44
44
Prtica 8
A B C D E F G H I J
1 n 5
2 p 0,5
0,35
3 x p(x)
4 0 0,03125 0,3
5 1 0,15625 0,25
6 2 0,3125 0,2
7 3 0,3125 0,15
8 4 0,15625 0,1
9 5 0,03125 0,05
10 6 #NM! 0
11 7 #NM! 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
12 8 #NM!
13 9 #NM!
14 10 #NM! Roteiro
15 11 #NM!
16 12 #NM! Vamos estudar o comportamento da distribuio binomial
17 13 #NM! 1 - Clula A1: n
18 14 #NM! 2 - Clula B1: 5
3 - Clula A2: p
19 15 #NM!
4 - Clula B2: 0,5
20 5 - Clula A3: x
21 6 - Clula B3: p(x)
22 7 - Clula A4: 0
23 8 - Clula B4: =COMBIN($B$1;A4)*$B$2^A4*(1-$B$2)^($B$1-A4)
24 9 - A clula B4 exibe o resultado de p(0): 0,03125
25 10 - Clula A5: =A2+1
26 11 - Selecione a clula A5 e arraste at a linha 19
27 12 - Selecione a clula B4 e arraste at a linha 19
28
Vamos criar um grfico de barras para mostrar o comportamento
29 da distribuio binomial
30
31 13 - Selecione as clulas B4:B19
32 14 - Clique: Inserir => Grfico
34 16 - Clique: Avancar >
36 18 - Clique na caixa de texto de rtulos do eixo das categorias
(X) (fica na parte inferior da tabela)
37
19 - Selecione as clulas A4:A19 (veja que a caixa de texto
38 agora apresenta =Plan1!$A$4:$A$19 )
39 20 - Clique: Avanar >
40 21 - Clique na aba Legenda
41 22 - Desmarque a caixa Mostrar legenda
42 23 - Clique: Concluir
43 24 - Experimente vrios valores para as clulas B1 e B2, quais
44 as suas concluses?
45 B1 3 8 8 15
B2 0.5 0.5 0.7 0.5
46
Qual dos casos apresenta menor desvio padro?
47 Qual a influncia na mudana de 0.5 para 0.7 no valor de B2?
48 Quais os valores de x que geram p(x) iguais ?
49
50
51
52
53
45
Prtica 9
A B C D E F G H
1 Lambda 2
2 x p(x)
3 0 0,135335 0,3
4 1 0,270671 0,25
5 2 0,270671 0,2
6 3 0,180447
0,15
7 4 0,090224
8 5 0,036089 0,1
9 6 0,01203 0,05
10 7 0,003437 0
11 8 0,000859
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
12 9 0,000191
13 10 3,82E-05
14 11 6,94E-06
15 12 1,16E-06
16 13 1,78E-07
17 14 2,54E-08
18 15 3,39E-09
19
Roteiro
20
21 Vamos estudar o comportamento da distribuio de Poisson
22
23 1 - Clula A1: Lambda
24 2 - Clula B1: 2
25 3 - Clula A2: x
26 4 - Clula B2: p(x)
27 5 - Clula A3: 0
28 6 - Clula B3: =$B$1^A3/(EXP($B$1)*FATORIAL(A3))
7 - Clula A4: =A2+1
29
30 9 - Selecione a clula B3 e arraste at a linha 18
31 10 - Vamos criar um grfico de barras para mostrar o
32 comportamento da distribuio de Poisson
33 11 - Selecione as clulas B3:B18 (l-se B3 at B18)
34 12 - Clique em: Inserir => Grfico
36 14 - Clique em: Avancar >
37 15 - Clique na aba: Seqncia
16 - Clique na caixa de texto de rtulos do eixo das
38
categorias (X) (fica na parte inferior da tabela)
39 17 - Selecione as clulas A3:A18 (veja que a caixa de texto
40 agora apresenta =Plan1!$A$4:$A$19 )
41 18 - Clique em: Avanar >
42 19 - Clique na aba: Legenda
43 20 - Desmarque a caixa: Mostrar legenda
44 21 - Clique em: Concluir
45 22 - Experimente vrios valores para a clula B1, quais as
46 suas concluses?
Clula B1: 2 4 6 8
47
Qual dos casos apresenta menor desvio padro? O que ocorre com
48 a mdia?
49
50
51
46
Prtica 10
A B C D E F G H I J
1 Distribuio Normal
2 Mdia= 0
3 Desvio p= 1 f(x)
4 x f(x) f(x)excel 0,45
5 -2,5 0,017528 0,017528
0,4
6 -2,4 0,022395 0,022395
7 -2,3 0,028327 0,028327 0,35
8 -2,2 0,035475 0,035475 0,3
9 -2,1 0,043984 0,043984 0,25
10 -2 0,053991 0,053991 0,2
11 -1,9 0,065616 0,065616
0,15
12 -1,8 0,07895 0,07895
13 -1,7 0,094049 0,094049 0,1
14 -1,6 0,110921 0,110921 0,05
15 -1,5 0,129518 0,129518 0
16 -1,4 0,149727 0,149727 -3 -2 -1 0 1 2 3
17 -1,3 0,171369 0,171369
18 -1,2 0,194186 0,194186
19 -1,1 0,217852 0,217852
20 -1 0,241971 0,241971
21 -0,9 0,266085 0,266085
22 -0,8 0,289692 0,289692
Roteiro
23 -0,7 0,312254 0,312254
24 -0,6estudar
Vamos 0,333225o comportamento
0,333225 da distribuio Normal
25 -0,5 0,352065 0,352065
26 1 --0,4 0,36827
Clula 0,36827
A1: Distribuio Normal
27 2 --0,3 0,381388
Clula 0,381388
A2: Mdia=
28 3 --0,2
Clula B2: 00,391043
0,391043
29 4 --0,1
Clula A3: Desvio
0,396953 0,396953p=
30 5 - Clula
1,08E-15 B3: 10,398942
0,398942
6 - Clula A4: x
31 0,1 0,396953 0,396953
7 - Clula B4: f(x)
32 8 -0,2 0,391043
Clula 0,391043
C4: f(x)excel
33 0,3 0,381388
9 - Clula A5: -2,5 0,381388
34 10 -0,4 0,36827
Clula 0,36827
B5: =1/($B$3*(2*PI())^0.5)/EXP(((A5-
35 0,5 0,352065 0,352065
$B$2)/$B$3)^2/2)
36 0,6 0,333225 0,333225
37 Obs.:A
0,7 clula
0,312254B5 0,312254
contm a expresso da f.d.p. normal:
38 0,8 0,289692 0,289692
39 0,9 0,266085 0,266085
1 (1 / 2 )[( x ) / ]2
f ( x) =
40 1 0,241971 0,241971
41 1,1 0,217852 0,217852 .e
42
43
2
1,2 0,194186 0,194186
1,3 0,171369 0,171369
44 11 -1,4 0,149727
Clula 0,149727
A6: =A5+0,1
45 12 -1,5 0,129518
Arraste 0,129518
a clula B5 at B6
46 13 -1,6Selecione
0,110921 de0,110921
A6:B6 e arraste at a linha 55
47 1,7 0,094049 0,094049
48 Vamos1,8criar um grfico
0,07895 0,07895de disperso para mostrar o
comportamento da distribuio Normal
49 1,9 0,065616 0,065616
50 2 0,053991as 0,053991
14- Selecione clulas A5:B55
51 15 -2,1 0,043984
Clique 0,043984 => Grfico
em: Inserir
52 16 -2,2 0,035475 o 0,035475
Selecione tipo: Disperso XY e clique no subtipo
53 2,3 0,028327
"Disperso 0,028327
com pontos de dados conectados por linha suaves sem
54 2,4 0,022395
marcadores", 0,022395
ou seja: 2linha e 2coluna
55 17 -2,5Clique em: Avancar
0,017528 0,017528 >
56 18 - Clique em: Concluir
57 19 - Experimente estes valores para a clula B3: 0,1 0,5 1 e
1,2. O que ocorreu? Quais as sua concluses?
58
20 - Coloque em B3: 0.5 e em B2 os seguintes valores: -0,5 0
59 0,5 e 1. O que ocorreu? Quais as sua concluses?
60 21 - Clula C5 : =DIST.NORM(A5;$B$2;$B$3;FALSO)
61 22 - Selecione C5 e arraste para preencher at C55. Os
62 resultados devem iguais aos da frmula digitada na forma
63 discreta.
64
65
66
47
3. Estatstica
3.1. Organizao de dados
Na primeira fase foi estudado o comportamento de distribuies estatsticas por meio do

conhecimento de seus parmetros. Muitas vezes, se possui um conjunto de dados que se
quer descrever ou comparar com outro ou ainda us-lo como referncia comparando-o com
um indivduo.
Exemplos de perguntas que podero ser respondidas:

a) Como esto as notas da turma T21?
b) Qual a turma de melhor desempenho: T21 ou T22?
c) Um certo aluno est entre os melhores ou piores?
Para responder estas perguntas, o conjunto de dados deve ser organizado.
3.2. Dados brutos
Feita a coleta do dados originais, estes ainda no se encontram prontos para anlise. A
seguir so apresentadas as notas, entre 0 a 100, de uma turma de alunos.
36 42 65 24 64 94
45 83 72 80 67 93
59 72 56 75 70 10
Estes dados so chamados dados brutos. Organizados desta maneira, se consegue

pouca informao observando a tabela. At mesmo as determinaes do mximo e do
mnimo requerem um certo esforo.
3.3. Ramos e folhas
48
Ramos e folhas uma forma engenhosa para descrever a distribuio de nmeros

de uma amostra. Criada por John Tukey esta forma utiliza os prprios nmeros. mais
fcil descrev-lo por meio de um exemplo.
Note que os dados tm, todos eles, dois algarismos. O primeiro algarismo varia de 1
a 9. Se fssemos agrupar os dados, uma forma natural seria em dezenas. Faremos isto em
uma figura.
1 0
2 4
3 6
4 2 5
5 9 6
6 5 4 7
7 2 2 5 0
8 3 0
9 4 3
3.4. Rol de dados
Rol uma lista em que os valores esto dispostos em ordem crescente ou

decrescente. Pode ser apresentado em uma ou em vrias colunas.
10 24 36 42 45 56
59 64 65 67 70 72
72 75 80 83 93 94
Vantagem
Visualizao mais ampla, percepo imediata dos extremos com menos esforo de
concentrao
Desvantagem
A anlise se baseia em observaes individuais (difcil comparar 2 grupos de
dados). O problema se agrava se existirem muitos dados
49
3.5. Tabela de freqncias de dados agrupados
Nestas tabelas, os valores so agrupados em classes. Para cada intervalo de classe so

anotadas as quantidades de ocorrncia da varivel dentro de cada intervalo.
Desvantagem
No figuram valores exatos de cada aluno no permitindo saber o valor mais alto ou
mais baixo
Vantagem
Mostra a tendncia de concentrao de valores
3.5.1. Nmero de classes (K)
Classe cada um dos grupos de valores. O nmero de classes deve ser escolhido
com base na natureza e na unidade dos dados.
Existem vrias formas de estimar tal nmero. Aqui ser usada a regra de Sturges
K =1+3,3 log n
K = 1+3,3 log 18 = 5,142399267 6
Onde k o nmero de classes e n o nmero de observaes. Para este caso, n=18

k = 5,14 6 note que necessrio aproximar para um inteiro e julgar se este valor
adequado. Vamos convencionar que a aproximao ser sempre para mais.
3.5.2. Amplitude Total (At)
Amplitude Total a diferena entre o maior e o menor valor.
At = Maior Menor
50
Maior valor = 94
Menor valor = 10
At = 100 - 12 = 84
3.5.3. Amplitude do intervalo de classe (h)
Amplitude do intervalo de classe o comprimento de cada classe. recomendvel

construir tabelas com intervalos iguais, ou se desiguais, mltiplos entre si (x 2, x 5 ou x
10).
h = At / K
h = 84 / 6 = 14
3.5.4. Tabela de freqncias de dados agrupados
Tabela de freqncias
Fj Fj Frj Frj Frj% Frj%

j Classes fj frj frj % "Abaixo "Acima "Abaixo "Acima "Abaixo "Acima
de" de" de" de" de" de"
1 10 |-| 24 2 0,111 11,1% 2 18 0,111 1,000 11,1% 100,0%

2 24 -| 38 1 0,056 5,6% 3 16 0,167 0,889 16,7% 88,9%
3 38 -| 52 2 0,111 11,1% 5 15 0,278 0,833 27,8% 83,3%
4 52 -| 66 4 0,222 22,2% 9 13 0,500 0,722 50,0% 72,2%
5 66 -| 80 6 0,333 33,3% 15 9 0,833 0,500 83,3% 50,0%
6 80 -| 94 3 0,167 16,7% 18 3 1,000 0,167 100,0% 16,7%
18 1,00 100%
Intervalos de classe
Os intervalos de classe podem ser fechados ou abertos em cada extremidade.

Observe o exemplo a seguir
0 -| 10 = ] 0 ; 10 ]
0 |- 10 = [ 0 ; 10 [
0 |-| 10 = [ 0 ; 10 ]
51
0 - 10 = ] 0 ; 10 [
fj - Freqncia simples absoluta
o nmero de observaes correspondente cada classe. Note que fj = n
frj - Freqncia simples relativa
a proporo de ocorrncias da varivel aleatria tomada em relao ao total, ou

seja, pode ser entendida em muitos casos como a probabilidade da varivel aleatria estar
em cada intervalo de classe. (frj =fj / n).
Fj abaixo de - Freqncia acumulada absoluta abaixo de
a soma do valor da freqncia simples absoluta j com as freqncias simples

absolutas at j. Mostra quantas observaes existem at determinada classe, incluindo a
prpria. Esta coluna sempre crescente.
Fj acima de - Freqncia acumulada absoluta acima de
a soma do valor da freqncia simples absoluta j com as freqncias simples

absolutas alm de j. Mostra quantas observaes existem alm de determinada classe.
incluindo a prpria. Esta coluna sempre decrescente.
Frj abaixo de - Freqncia acumulada relativa abaixo de
a soma do valor da freqncia simples relativa j com as freqncias simples

relativas at j. Mostra a proporo de observaes existentes at determinada classe,
incluindo a prpria. Aproxima-se a P(X x) para um grande nmero de observaes o que
constitui uma ferramenta de anlise importante.
52
Frj acima de - Freqncia acumulada relativa acima de
a soma do valor da freqncia simples relativa j com as freqncias simples

relativas alm de j. Mostra a proporo de observaes existentes acima de determinada
classe, incluindo a prpria. Aproxima-se a P(X x) para um grande nmero de
observaes o que constitui uma ferramenta de anlise importante.
3.5.5. Resumo de Distribuio de Freqncias
a) Listar os dados brutos

b) Criar o ramos e folhas
c) Ordenar os dados criando um rol
d) Calcular o nmero de classes (k)
e) Calcular a amplitude total (At)
f) Calcular a amplitude do intervalo de classe (h)
g) Determinar os limites de classe como preferencialmente inteiros
h) Construir as colunas
3.5.6. Clculo de probabilidades

O estimao das probabilidades a partir da tabela de distribuio feita
simplesmente transcrevendo os valores obtidos, somando-os ou por meio de interpolao
quando for necessrio, isto , para valores que no coincidem com os valores limites dos
intervalos de classe.
Exemplo:
P(24 < X 38) = 0,056
P(38 < X 66) = 0,333
P(X 66) = 0,5
P(X > 24) = 0,889
53
01. A contagem de passes errados em jogos da seleo brasileira nos ltimos 18 jogos a
lista de dados brutos abaixo.
a) Monte a tabela de freqncia dos passes errados com as seguintes colunas de freqncia:
simples absoluta, simples relativa, acumulada abaixo de e acumulada acima de.
b) Qual a probabilidade de haver mais de 37 passes errados em um jogo qualquer?
c) Qual a probabilidade de haver 93 passes errados ou menos em um jogo qualquer?
Dados brutos : 23 70 80 39 76 96 103 76 63 73 33 40 26 98 107 51 46 87.
02. Na construo de uma obra foram extrados vinte corpos de prova e estes foram
ensaiados compresso. Os valores de resistncia compresso em que tais corpos de
prova so destrudos nos ensaios esto em MPa na tabela de dados brutos abaixo (1MPa =
1 000 000 N/m). Pedem-se:
a) Monte a tabela de freqncia dos resultados com as seguintes colunas de freqncia:
simples absoluta, simples relativa, acumulada abaixo de e acumulada acima de.
b) Qual a probabilidade de um corpo de prova, escolhido ao acaso, resistir a mais de 23
MPa? Qual a probabilidade de que um corpo de prova resista a 35 MPa ou menos?
Dados brutos
15 19 32 27 17
23 34 21 26 22
30 30 15 39 22
35 36 26 16 25
3.6. Apresentao grfica Excel
Os grficos permitem conseguir uma visualizao imediata da distribuio. Os

grficos podem ser:
Diagramas
Grficos que apresentam duas dimenses.
54
Evoluo do acervo - Ttulos
3500
3159
3000
2541
2500
2357
2000 1615 Set/98
1347 1256 Nov/99
1500
1000 763
171 592 422 121
352
500 160 115
0
ia
ia
r ia
ra
ica
a
a
af
sic
og
tic
tu
ha
gr
ite
ts
l
F
eo
n
em
po
ge
ta
qu
To
at
Es
En
Ar
M
Estereogramas
Grfico que representam volumes e so apresentados em 3 dimenses
Distibuio de notas - 1999
10% 0%-25% de acerto

12%
25%-50% de acerto
53%
25% 50%-75% de acerto
75%-100% de acerto
Grfico em colunas
Um grfico de colunas exibe as alteraes dos dados em um perodo de tempo ou
ilustra comparaes entre itens. As categorias so organizadas horizontalmente e os valores
verticalmente para enfatizar a variao ao longo do tempo ou itens.
55
Evoluo do acervo UCSal - Ttulos
10000
8608
9000
8000
7000 6363
6000
5000
4000
3000
2000
1000
0
1998 1999
Grfico em colunas remontadas
Estes grficos permitem que a comparao entre as grandezas seja feita facilmente.
O grfico abaixo mostra a percentagem de respondentes do provo e a evoluo dos
resultados em % para estudantes da UCSal.
Evoluo 96-99
90%
% de respondentes 77%
80% 72%
70% Evoluo mdia%
60% 56%
50%
40%
30% 24%
20%
10% -5% 6%
-8%
0%
-10% 1996-D 1997-E 1998-E 1999-E
-20%
Grfico em colunas em perspectiva
56
O grfico de colunas em perspectiva 3-D compara pontos de dados ao longo de dois

eixos.Neste grfico 3-D, voc pode comparar quatro trimestres de desempenho de vendas
na Europa com o desempenho de outras duas divises.
Grfico em barras
Um grfico de barras ilustra comparaes entre itens individuais. As categorias so

organizadas verticalmente e os valores horizontalmente para focalizar a comparao de
valores e para dar menos nfase ao tempo.
Grficos de barras empilhadas

Grficos de barras empilhadas mostram a relao de itens individuais com o todo.
57
Grfico de setores
Um grfico de setores mostra o tamanho proporcional de itens que compem uma

seqncia de dados soma dos itens. Ele sempre mostra apenas uma seqncia de dados e
til quando voc deseja enfatizar um elemento importante. Para facilitar a visualizao de
pequenas fatias, voc pode agrup-las como um item em um grfico de setores e, em
seguida, quebrar aquele item em um grfico de setores ou de barras menor, prximo ao
grfico principal.
Distibuio de notas - 1999

10% 0%-25% de acerto
12%
25%-50% de acerto
50%-75% de acerto
25% 53% 75%-100% de acerto
Grfico de disperso (XY)
Um grfico de disperso (xy) mostra uma ou mais seqncias de dados como

coordenadas xy. Este tipo de grfico adequado para intervalos irregulares e comumente
usado com dados cientficos. O grfico abaixo mostra a relao (log) entre tempo de uso de
pneus de avio e sua propenso em falha para dados em horas e e nmero de pousos.
58
Rodas Principais - Todos Modos de Falha - Todas Aeronaves

2
0
4 4,2 4,4 4,6 4,8 5 5,2 5,4 5,6 5,8
-1
ln(-ln(1-F))
y = 5.3588x - 28.725
-2 R2 = 0.9911
-3 y = 3.7643x - 19.64
R2 = 0.9741
-4
Horas
-5 Pousos
-6
ln(horas) ln(pousos)
Grfico de radar
Um grfico de radar compara os valores agregados de vrias seqncias de dados.

Neste grfico, a seqncia de dados que cobre a maior rea, Marca A, representa a marca
com o maior teor de vitaminas.
Grfico de superfcie 3D
Um grfico de superfcie til quando voc deseja encontrar as melhores

combinaes possveis entre duas seqncias de dados. Como em um mapa topogrfico, as
cores e os padres indicam as reas que se encontram no mesmo intervalo de valores. Este
59
grfico mostra as vrias combinaes de temperatura e tempo que resultam na mesma

medida de resistncia trao.
Grficos de freqncia
Os grficos a seguir so chamados histogramas. So grficos onde barras verticais

de mesma largura tm alturas proporcionais s grandezas que representam. O grfico
abaixo um histograma de freqncias simples absolutas. Um histograma no apresenta
espaos entre suas colunas.
Frequncia simples absoluta

6
5
4
3
2
1
0
0-|10 10-|20 20-|30 30-|40 40-|50 50-|60 60-|70 70-|80 80-|90 90-
|100
60
Polgono de freqncias
Polgono de freqncias uma representao de dados que se obtm unindo os

pontos mdios das bases superiores dos retngulos por meio de linhas retas. O polgono de
freqncias pode se referir s freqncias absolutas ou relativas ou ainda acumuladas.
Frequncia simples absoluta

6
5
4
3
2
1
0
0-|10 10-|20 20-|30 30-|40 40-|50 50-|60 60-|70 70-|80 80-|90 90-
|100
Histograma de freqncias absolutas acumuladas Abaixo de
O grfico abaixo um histograma de freqncias absolutas acumuladas Abaixo

de.
61
Freqncia absoluta acumulada

"Abaixo de"
30
25
20
15
10
5
0
0-|10 10-|20 20-|30 30-|40 40-|50 50-|60 60-|70 70-|80 80-|90 90-
|100
Histograma de freqncias absolutas acumuladas Acima de

O grfico abaixo um histograma de freqncias absolutas acumuladas Acima de
Freqncia absoluta acumulada

"Acima de"
30
25
20
15
10
0
0-|10 10-|20 20-|30 30-|40 40-|50 50-|60 60-|70 70-|80 80-|90 90-|100
62
3.7. Medidas de Posio
As medidas de posio esto divididas em trs: as medidas de tendncia central, as

medidas de disperso e as medidas de assimetria.
As medidas de posio so utilizadas pois nem sempre possvel se trabalhar com a

distribuio de freqncias completa, assim sendo, tais medidas conseguem representar os
dados de forma mais concisa.
Medidas de tendncia central:
Mdia aritmtica ou simplesmente mdia

Mdia geomtrica
Mdia harmnica
Moda
Mediana
Separatrizes
Separatrizes no so medidas de tendncia central mas dividem o conjunto de dados

em partes iguais
Medidas de disperso:
Amplitude total
Desvio mdio
Varincia
Desvio padro
Coeficiente de variao.
Medidas de assimetria
63
As medidas de assimetria fornecem o grau de deformao ou assimetria da curva de

freqncias ou do histograma. Estas medidas no sero estudadas neste curso.
3.8. Medidas de Tendncia Central
3.8.1. Dados isolados
Seja o conjunto de dados abaixo que representa o nmero de palitos de fsforo em

uma caixinha:
i xi
1 16
2 14
3 20
4 22
72
Sero calculadas a seguir as medidas de tendncia central para os dados acima
Mdia aritmtica - x
A mdia aritmtica o centro de gravidade do conjunto de dados.
x=
x i
=
72
= 18 palitos
n 4
Mdia Geomtrica - xg
A mdia geomtrica a raiz ensima do produtrio dos valores. um medida pouco

influenciada por valores extremos. Valores extremos so aqueles muito maiores ou muito
menores que a maioria dos dados.
64
i xi log(xi)
1 16 1,204
2 14 1,146
3 20 1,301
4 22 1,342
72 4,994
log xi log xi
x g = n xi = anti log

= 10 n
n
log xi 4,994

10 n
= 10 4
= 17, 718 palitos
Mdia harmnica - xh
A mdia harmnica o inverso da mdia aritmtica dos inversos tem aplicaes: em

velocidades, resistncia equivalente de associaes em paralelo, capacitncia equivalente
de associaes paralelo dentre outras.
I xi log(xi) 1/xi
1 16 1,204 0,063
2 14 1,146 0,071
3 20 1,301 0,050
4 22 1,342 0,045
72 4,994 0,229
n 4
xh = = = 17, 438 palitos
1 0, 229
x
i
Moda - Mo
65
A moda o valor que mais se repete. Este conjunto de dados amodal, ou seja, no
possui moda. Um conjunto de dados pode ser: amodal, unimodal (uma moda), bimodal
(duas modas), plurimodal (mais de uma moda).
Mediana - Md
o valor mais central do conjunto de dados organizado em rol. Se o conjunto tem

quantidade de dados mpar a mediana o valor central, por exemplo: 12, 18 e 22; a
mediana 22.
Se o conjunto de dados tem quantidade par, a mediana a semi-soma dos valores

mais centrais.
Dados em
Ordem
rol
1 14
2 16
3 20
4 22
Md = (16 + 20) / 2 = 18
Para nmero mpar de dados tem-se ordem da mediana
n +1
i= Onde n o nmero de dados
2
Para nmero par de dados tem-se a mediana como a semi-soma dos elementos de
ordem p e q.
n
p=
2
66
n
q= +1
2
Onde n o nmero de dados
3.8.2. Dados agrupados
Seja o conjunto de dados abaixo que representam as idades dos participantes de uma
festa:
i Idades (anos) fi
1 5 -| 15 2
2 15 -| 25 6
3 25 -| 35 8
4 35 -| 45 4
20
Sero calculadas a seguir as medidas de tendncia central para os dados acima
Medidas de Tendncia Central

i Classes fi xi xi.fi fi.logxi fi / xi Fi
1 5 -| 15 2 10 20 2 0,2 2
2 15 -| 25 6 20 120 7,80618 0,3 8
3 25 -| 35 8 30 240 11,817 0,26667 16
4 35 -| 45 4 40 160 6,40824 0,1 20
20 540 28,0314 0,86667
Ponto mdio do intervalo de classe xi
O ponto mdio de classe valor que representar todo o intervalo de classe

h
xi = li +
2
67
Onde li o limite inferior da classe i

h a amplitude de classe
O ponto mdio tambm pode ser calculado por:
xinicial + x final
xi =
2
Onde xinicial o limite inferior da classe i e xfinal o limite superior
Mdia aritmtica - x
A mdia aritmtica o centro de gravidade do conjunto de dados.
x=
x .f
i i
=
540
= 27, 000 anos
f i 20
Mdia Geomtrica - xg
A mdia geomtrica um medida pouco influenciada por valores extremos. Valores

extremos so aqueles muito maiores ou muito menores que a maioria dos dados.
fi .log xi 28,031
x

xg = fi fi
= anti log = 10
20
= 25, 210 anos
i f
i
Mdia harmnica - xh
A mdia harmnica tem aplicaes: em velocidades, resistncia equivalente de

associaes em paralelo, capacitncia equivalente de associaes paralelo dentre outras.
68
xh =
f i
=
20
= 23, 077 anos
f 0,867
x i
Moda - Mo
A moda o valor que mais se repete. A seguir o clculo da moda proposto por
Czuber.
S T
1 Q
C D
2
R
fmo U
fant
fpost
l Mo ls
Onde:
1 = fmo - fant 2 = fmo fpost
fmo = freqncia simples da classe modal. Aclasse modal a classe de maior freqncia.
fant = freqncia simples da classe anterior modal
fpos = freqncia simples da classe posterior modal
l = limite inferior da classe modal
ls = limite superior da classe modal
c = amplitude do intervalo de classe
69
Mo l ls Mo
= ( Mo l ). 2 = (ls Mo).1
1 2
l. 2 + ls .1
Mo = ls = l + c
1 + 2
1
Mo = l + c.
1 + 2
1 (8 6)
Mo = l + c. = 25 + 10. = 28,333
1 + 2 (8 6) + (8 4)
Mediana Md
Mediana o valor que divide uma srie ordenada de tal forma que o nmero de
elementos acima deste valor igual ao nmero de elementos abaixo. muito utilizada
principalmente quando se d pouca importncia aos valores extremos.
Para calcular a mediana preciso encontrar a classe mediana. A classe mediana a

classe que contm o elemento mediano. Para dados agrupados, sempre calcularemos o
elemento mediano como EMd = n/2 onde n o nmero de observaes fi. A classe
mediana primeira classe em que a coluna F (freqncia acumulada simples abaixo de) se
iguala ou supera o elemento mediano.
A figura abaixo mostra um grfico de colunas delimitando a classe mediana com os

limites l e ls.
70
n/2 fMd
FMd
EMd Fant
l Md ls
Onde:
l : limite inferior da classe mediana
c: amplitude do intervalo de classe
Emd : elemento mediano
FMd : freqncia acumulada da classe mediana
Fant : freqncia acumulada at a classe anterior classe mediana
fMd : freqncia simples da classe mediana
Deduzindo por meio de semelhana de tringulo tem-se:
EMd Fant f Md
=
Md l c
EMd Fant
Md l = c.
f Md
EMd Fant
Md = l + c.
f Md
Para o exemplo tem-se:

EMd = 20 / 2 = 10 l = 25 c = 10
Fant = 8 fMd = 8
10 8
Md = 25 + 10. = 27, 5
8
71
01. Considere o consumo de eletricidade (kw.h) dos 80 usurios e calcule o consumo

mediano.
Usurios
j Consumo KW.h
fj
1 5 -| 25 4
2 25 -| 45 6
3 45 -| 65 14
4 65 -| 85 26
5 85 -| 105 14
6 105 -| 125 8
7 125 -| 145 6
8 145 -| 165 2
Resp: Md = 65 + 20.(40-24)/26 = 77,31.
02. A tabela de freqncias abaixo mostra o tempo de vida em dias de cobaias de

laboratrio distribudo em classes. Pedem-se : a) O tempo de vida mdio (mdia
aritmtica); b) A moda da distribuio; c) A mediana; d) A mdia geomtrica.
j Dias fj
1 2 -| 23 2
2 23 -| 44 8
3 44 -| 65 12
4 65 -| 86 10
5 86 -| 107 6
6 107 -| 128 2
03. A tabela de freqncias ao lado mostra o tempo de funcionamento em meses de um

conjunto de lmpadas distribudo em classes. Pedem-se :
a) O tempo de vida mdio (mdia aritmtica)
b) A moda da distribuio
c) A mediana
72
j Meses fj
1 4 -| 11 2
2 11 -| 18 4
3 18 -| 25 10
4 25 -| 32 6
3.9. Separatrizes
As separatrizes no so medidas de tendncia central, mas de modo similar

mediana, dividem o conjunto de dados em partes iguais.
Os quartis dividem em 4 partes, os decis em 10 partes e os percentis em 100

partes.
A figura abaixo mostra um esquema com os quartis
Q1 Q2 Q3 Q4
Onde :
Q1 = Primeiro quartil
Q2 = Segundo quartil
Q3 = Terceiro quartil
Q4 = Quarto quartil (no divide o conjunto de dados)
A figura abaixo mostra os decis
D1 D2 D3 D4 D5 D6 D7 D8 D9
D1 = Primeiro decil
D2 = Segundo decil
73
D9 = Nono decil
Observe que Q2 = D5.
Elemento do i-simo quartil: EQi = i.n/4 i=1, 2, 3
Clculo do i-simo quartil: Q i=l + c.(EQ i - Fant)/fQ i
Elemento do i-simo decil : EDi = i.n/10 i=1, 2,...,9
Clculo do i-simo decil: D i= l + c.(ED i - Fant)/fD i
Elemento do i-simo percentil : EPi = i.n/100 i=1, 2,...,99
Clculo do i-simo centil: C i=l + c.(ECi - Fant) / fCi
Onde:
l = limite inferior do intervalo de classe
c = largura do intervalo de classe
Fant e f so calculadas de forma similar ao mostrado em mediana
01. Considere o consumo de eletricidade (kw.h) dos 80 usurios e calcule:
Usurios
j Consumo KW.h
fj
1 5 -| 25 4
2 25 -| 45 6
3 45 -| 65 14
4 65 -| 85 26
5 85 -| 105 14
6 105 -| 125 8
7 125 -| 145 6
8 145 -| 165 2
74
a) Trigsimo centil C30

b) Dcimo quinto centil C15
c) Nono decil D9
Resp:
a) C30
E C30 = 30 . 80/100 = 24
Classe 45-|65
C30 = 45 + 20.(24-10)/14=65
P(X<65)=0.30
b) C15
E C15 = 15 . 80/100 = 12
Classe 45-|65
C15 = 45 + 20.(12-10)/14=47.86
P(X<47.86)=0.15
c) D9
E D9 = 9 . 80 /10 = 72 Classe 105-|125
D9 = 105 + 20 . (72-64)/8 = 125
P(X<125)=0.90
3.10. Relaes entre moda, mediana e mdia
A mediana ou est entre a moda e a mediana ou coincide com as duas. A seguir os trs
casos.
Curva de freqncias assimtrica direita
fj
Mo x xj
Md
75
Mo < Md < x
Curva de freqncias assimtrica esquerda
fj
x Mo xj
Md
x < Md < Mo
Curva de freqncias simtrica
fj
x = Mo = Md xj
76
3.11. Medidas de Disperso
O termo disperso utilizado para indicar o grau de afastamento de um conjunto de

nmeros em relao sua mdia.
Imagine duas situaes, em uma delas, so vendidas 200 pizzas todos os dias e em outra
so vendidas 400 pizzas na metade dos dias e nenhuma pizza na outra metade. Na mdia
seriam vendidas 200 pizzas em ambas as situaes, mas no segundo caso a disperso seria
muito maior.
3.11.1. Dados isolados
Seja o conjunto de dados abaixo que representa o nmero de palitos de fsforo em

uma caixinha:
i xi
1 16
2 14
3 20
4 22
72
Sero calculadas a seguir as medidas de disperso central para os dados acima.
2
i xi xi x xi x
1 16 2 4
2 14 4 16
3 20 2 4
4 22 4 16
72 12 40
Desvio Mdio
a mdia dos desvios ou distncias de cada dado em relao mdia
77
A mdia aritmtica foi calculada anteriormente: x =

x i
=18 palitos
n
Dm =
| x x | = 12 = 3 palitos
i
n 4
Desvio padro
a raiz quadrada soma dos quadrados dos desvios em relao mdia, dividida
pelo nmero de observaes ou dividida pelo nmero de observaes menos um.
Desvio padro populacional

Este desvio deve ser calculado quando os dados representam toda a populao
= ( x x)
i
2
=
40
= 3,162 palitos
n 4
Desvio padro amostral
Este desvio deve ser calculado quando os dados representam uma amostra.
S=
( x x)
i
2
=
40
= 3, 651 palitos
n 1 3
Varincia
o quadrado do desvio padro.
Varincia populacional
A varincia populacional deve ser calculada quando os dados representam toda a
populao
2 =
( xi x) 2 40
= = 10, 000 palitos
n 4
Varincia amostral
A varincia amostral deve ser calculado quando os dados representam uma amostra.
S 2
=
( x x)
i
2
=
40
= 13,333 palitos
n 1 3
78
Coeficiente de variao CV
uma medida da homogeneidade do conjunto de dados. A seguir as faixas de
valores e as classificaes:
Cv < 10% : conjunto de dados homogneos
10% < Cv < 30% : conjunto de dados com mdia disperso
Cv > 30% : conjunto de dados heterogneos
Coeficiente de variao de Pearson CVp
3,162
CVP = = = 0,176
x 18
Coeficiente de variao de Thorndike CVt
3,162
CVT = = = 0,176
Md 18
Onde : Md = 18 j calculada anteriormente.
Em ambos os casos os dados apresentam mdia disperso.
3.11.2. Dados agrupados
Seja o conjunto de dados abaixo que representam as idades dos participantes de uma
festa:
i Idades (anos) fi
1 5 -| 15 2
2 15 -| 25 6
3 25 -| 35 8
4 35 -| 45 4
20
Sero calculadas a seguir as medidas de disperso para os dados acima.
79
Medidas de Disperso - Dados Agrupados

j Classes fi xi xi.fi xi x xi x .fi xi x .fi
1 5 -| 15 2 10 20 -17 34 578
2 15 -| 25 6 20 120 -7 42 294
3 25 -| 35 8 30 240 3 24 72
4 35 -| 45 4 40 160 13 52 676
20 540 152 1620
Desvio Mdio
a mdia dos desvios ou distncias de cada dado em relao mdia
A mdia aritmtica foi calculada anteriormente: x =

x .f i i
= 27 anos.
f i
Dm =
| x x | . f
i i
=
152
= 7,6 anos
f i 20
Desvio padro
a raiz quadrada soma dos quadrados dos desvios em relao mdia, dividida
pelo nmero de observaes ou dividida pelo nmero de observaes menos um.
Desvio padro populacional

Este desvio deve ser calculado quando os dados representam toda a populao
= ( x x) . f
i
2
i
=
1620
= 9, 000 anos
f i 20
Desvio padro amostral

Este desvio deve ser calculado quando os dados representam uma amostra.
S=
( x x) . f
i
2
i
=
1620
= 9, 234 anos
f 1 i 19
Varincia
80
o quadrado do desvio padro.
Varincia populacional
A varincia populacional deve ser calculada quando os dados representam toda a
populao
2 =
( xi x) 2 . fi 1620
= = 81 anos
f i 20
Varincia amostral
A varincia amostral deve ser calculado quando os dados representam uma amostra.
S 2
=
( x x) . f
i
2
i
=
1620
= 85, 263 anos
f 1 i 19
Coeficiente de variao CV
uma medida da homogeneidade do conjunto de dados. A seguir as faixas de
valores e as classificaes:
Cv < 10% : conjunto de dados homogneos
10% < Cv < 30% : conjunto de dados com mdia disperso
Cv > 30% : conjunto de dados heterogneos
Coeficiente de variao de Pearson CVP
9
CVP = = = 0,333
x 27
Coeficiente de variao de Thorndike CVT
9
CVT = = = 0,327
Md 27,5
Onde : Md = 27,5 j calculada anteriormente.
Em ambos os casos os dados apresentam-se dispersos.
81
01. Com base na tabela que representa a freqncia de moradores a uma reunio de
condomnio, de acordo com a idade. Calcule: a) O desvio mdio ; b) O desvio padro
(todos os presentes esto computados na tabela); c) A varincia
j Classes fj
1 8 -| 18 3
2 18 -| 28 8
3 28 -| 38 16
4 38 -| 48 14
5 48 -| 58 9
02. Com base na tabela abaixo que representa a freqncia de pessoas uma festa, de
acordo com a idade calcule:a) O desvio mdio ; b) O desvio padro (nem todas as pessoas
da festa esto computadas na tabela); c) A varincia
j Classes fj
1 4 -| 14 1
2 14 -| 24 3
3 24 -| 34 14
4 34 -| 44 3
5 44 -| 54 1
03. A tabelas abaixo mostra a distribuio por faixa etria de duas selees de futebol.
a) Calcule a mdia, o desvio mdio, o desvio padro e a varincia das idades
b) Qual a equipe mais jovem? E a mais homognea? Justifique sua resposta calculando
C.V.
82
j Idades Seleo 1 fj j Idades Seleo 2 fj
1 16 |-| 20 2 1 18 |-| 20 3
2 20 -| 24 5 2 20 -| 22 3
3 24 -| 28 7 3 22 -| 24 9
4 28 -| 32 7 4 24 -| 26 5
5 32 -| 36 1 5 26 -| 28 2
83
3.12. Regresso simples
Um problema freqente em estatstica consiste investigar questes como estas:

H alguma relao entre duas grandezas?
As variaes em uma das grandezas acarretam variaes da outra ?
possvel usar uma das variveis para predizer o valor da outra?
A reta de regresso
O objetivo da anlise de regresso simples aproximar por uma linha reta um

determinado conjunto de pontos. Em muitos casos, no possvel traar uma reta que passe
por todos os pontos mas pode-se traar uma reta que passe perto da maioria deles. Esta reta
chamada de reta de regresso linear.
A anlise de regresso descreve por meio de um modelo matemtico, a relao entre

duas variveis a partir de n observaes Y=f(X).
Na realidade esta relao no ocorre sempre, ocorrendo: Y=f(X)+e onde e

significa todas as influncias sobre Y no devidas a X.
O processo de ajustamento determina os parmetros da equao de uma reta que

melhor se ajusta aos pares de valores XY.
Y = a + bX
84
A reta ajustada representada pela funo acima. Os valores a e b so

determinados de tal forma que mnima a soma dos quadrados das diferenas entre os
valores observados de Y e os obtidos a partir da reta ajustada, para os mesmos valores de
X. A reta tambm chamada de reta de mnimos quadrados.
Resumo da deduo do mtodo:
d e 2 d e 2
e 2 = (Y Y ) 2 = (Y a bX ) 2 da
=0 e
db
=0
d e 2 d (Y Y ) 2 d (Y a b. X ) 2
= = = -2. (Y a b. X ) = 0 (I)
da da da
d e 2 d (Y Y ) 2 d (Y a b. X ) 2
= = = -2. (Y a b. X ) X = 0 (II)
db db db
(Y a b. X ) = Y n.a b X = 0 (III)
(Y a b. X ) X = XY a X b X 2
= 0 (IV)
Y = n.a + b x (III)
XY = a X + b X 2
(IV)
( X )( Y )
Y b X XY n
a= b=
n n ( X )2
X 2

n
Y = a + bX = (Y b X ) + bX = Y + b( X X ) Y = Y + b( X X )
85
3.12.1. Correlao
Freqentemente procura-se verificar a relao entre duas ou mais variveis aleatrias.

Ex. : relao entre vendas de empresas e gastos promocionais, relao entre a demanda de
determinado produto e o seu preo ou mesmo relao entre tempo de uso de um pneu e sua
propenso em falhar.
A correlao pode ser forte, fraca ou nula. Os limites destas faixas no so claramente
definidos e podem variar dependendo do fenmeno estudado
A correlao linear simples mede a relao entre as variveis X e Y por meio da

disposio de pontos (X,Y) em torno de uma reta.
Medida de correlao.
( X )(. Y )
X .Y n
rXY = 1 rXY 1
( X ) . Y ( Y )
X
2 2
n
n
2
Interpretao grfica dos valores de rxy
Y
Y
X X
Correlao linear Correlao linear
positiva perfeita positiva
0 < rXY < 1 rXY = 1
86
Y
Y
X X
Correlao linear Correlao linear
negativa perfeita negativa
0 < rXY < 1 rXY = 1
X
Correlao nula
rXY = 0
3.12.2. Coeficiente de determinao R
O coeficiente de determinao R indica a qualidade do ajustamento, o seu valor

est entre 0 e 1 ( 0 R 1 ). Quanto mais prximo de 1, melhor a qualidade.
O seu valor calculado elevando-se ao quadrado a correlao.
( X )(. Y )
X .Y

2
n
R 2 = rXY
2
=

X 2 ( X)
2

. Y
2 ( Y)
2

n

n

A seguir os grficos de disperso XY para alguns valores de R.
87
R=1 R=0.99
R = 1 R = 0,99
R=0.90 R=0.75
R = 0,90 R = 0,75
R=0.50 R=0.25
R = 0,50 R = 0,25
88
R=0
R = 0
3.12.3. Exemplo de regresso linear
Encontre a reta de regresso linear Y= a + bX para o conjunto de dados abaixo:
i x y
1 1 5
2 2 7
3 9 21
4 7 17
Soluo:
i x y x.y x2 y2
1 1 5 5 1 25
2 2 7 14 4 49
3 9 21 189 81 441
4 7 17 119 49 289
19 50 327 135 804
89
( x )( y )
xy n y b x
b= = 2 a= =3
( x)
2
n n
x 2

n
( x ) . ( y )
2

x. y
n
R 2 = rXY 2 = = 1 Ajustamento perfeito
( x) . y2 ( y)

2 2
x2
n n

Resposta : Y= 3 + 2.X
3.13. Regresso linear por transformaes

Em muitos casos a relao entre X e Y no linear. Para alguns destes casos existem
modelos capazes de linearizar a relao e permitir o clculo por meio dos mtodos j
discutidos anteriormente.
3.13.1. Funo potncia
>1
0 < <1
Y = . X para > 0, > 0
log Y = log + .log X
y = log Y x = log x a = log
Y = a + .x
Y = X
90
Encontre a funo potncia Y = . X para o conjunto de dados abaixo:
i X Y
1 1 2
2 2 4
3 5 20
4 6 45
Exemplo
i X Y x=log(X) y=log(Y) x.y x2 y2

1 1 2 0 0,30103 0 0 0,090619
2 2 4 0,30103 0,60206 0,181238 0,090619 0,362476
3 5 20 0,69897 1,30103 0,909381 0,488559 1,692679
4 6 45 0,778151 1,653213 1,286449 0,605519 2,733112
1,778151 3,857332 2,377068 1,184697 4,878886
( x )( y )
xy n y b x
b= = 1,680 a = = 0,217
( x)
2
n n
x 2

n
( x ) . ( y )
2

x. y
n
R 2 = rXY 2 = = 0,960 Ajustamento de boa qualidade
( ) . y2 ( )

2 2
x2
x y
n
n

= b = 1,680
= 10( a ) = 10(0,217) = 1,650
Resposta : Y = 1, 650. X 1,680
3.13.2. Funo exponencial
91
>1
Y = . X para > 0, > 1
log Y = log + X .log
y = log Y a = log b = log
Y = a + b. X
Y = . X
Encontre a funo potncia Y = . X para o conjunto de dados abaixo:
i x x
1 1 20
2 2 4
3 10 8
4 6 9
Soluo:
i X Y x=X y=log(Y) x.y x2 y2
1 1 20 1 1,30103 1,30103 1 1,692679
2 2 4 2 0,60206 1,20412 4 0,362476
3 10 8 10 0,90309 9,0309 100 0,815572
4 6 9 6 0,954243 5,725455 36 0,910579
S 19 3,760422 17,2615 141 3,781306
( x )( y )
xy n y b x
b= = -0,012 a= = 0,996
( x)
2
n n
x 2

n
( x ) . ( y )
2

x. y
n
R 2 = rXY 2 = = 0,029 Ajustamento de pssima
( x) . y2 ( y)

2 2
x2
n n

qualidade
92
= 10( b ) = 10( 0,012) = 0,973

= 10( a ) = 10(0,996) = 9,915
Resposta : Y = 9,915.(0,973) X
3.13.3. Funo hiprbole (I)
Y = + X 1
Y = . = . . X 1
X
1
x=
X

Y = .x
Y = X 1
Y = a b.x

Encontre a funo hiprbole Y = . para o conjunto de dados abaixo:
X
i X Y
1 1 6
2 2 4
3 5 3
4 8 2
Soluo:
i X Y x=1/X y=Y x.y x2 y2
1 1 6 1 6 6 1 36
2 2 4 0,5 4 2 0,25 16
3 5 3 0,2 3 0,6 0,04 9
4 8 2 0,125 2 0,25 0,015625 4
1,825 15 8,85 1,305625 65
93
( x )( y )
xy n y b x
b= = 4,242 a= = 1,815
( x)
2
n n
x 2

n
( x ) . ( y )
2

x. y
n
R 2 = rXY 2 = = 0,973 Ajustamento de boa qualidade
( x) . y2 ( y)

2 2
x2
n n

=4,242
= 1,815
4, 242
Resposta: Y = 1,815 +
X
94
3.13.4. Funo hiprbole (II)
1 1/
Y = para . > 0 e > 0
. + X
1
y=
Y 1
y = + .X
Y=
+ X
y = a + b. X
1
Encontre a funo hiprbole Y = para o conjunto de dados abaixo:
. + X
i X Y
1 2 0,25
2 3 0,2
3 8 0,1
4 18 0,05
Soluo:
i X Y x=X y=1/Y x.y x2 y2
1 2 0,25 2 4 8 4 16
2 3 0,2 3 5 15 9 25
3 8 0,1 8 10 80 64 100
4 18 0,05 18 20 360 324 400
31 39 463 401 541
95
( x )( y )
xy n y b x
b= =1 a= =2
( x)
2
n n
x 2

n
( x ) . ( y )
2

x. y
n
R 2 = rXY 2 = = 1 Ajustamento perfeito
( x) . y2 ( y)

2 2
x2
n n

=b=1
=a=2
1
Resposta: Y =
2 + 1. X
01. A tabela abaixo mostra os valores de duas variveis aleatrias X e Y. Encontre dentre
os modelos de regresso abaixo o que melhor relaciona as variveis em questo.
a) Y = a + b.X
i X Y
b) Y = . X
1 2 6
c) Y = . X 2 5 8
3 9 12

d) Y = . 4 12 17
X
1
e) Y =
. + X
02. Observe os pares de pontos XY das tabelas 1 e 2. Note que os nmeros da tabela 1 so
os mesmos da tabela 2, apenas h uma troca entre X e Y. a) Encontre a funo de regresso
linear Y = a + b.X para os dados das tabelas 1 e 2; b) Compare as funes. correto
afirmar que se para a tabela 1 a funo y=a+bx, para a tabela 2 temos x=a+by (para os
96
mesmos a e b)? Por qu? Justifique sua resposta; c) Calcule R para os dois conjuntos de
dados. Os valores so iguais? Justifique.
Tabela 1 Tabela 2
x y x y
4 2 2 4
5 6 6 5
6 10 10 6
3.14. Regresso mltipla
H casos em que a varivel dependente afetada por mais de uma varivel

independente. Em tais casos se aplica o modelo da regresso linear mltipla. O modelo
linear para relacionar uma varivel dependente Y com P variveis independentes :
Y = 0 + 1X1 + 2X2 + 3X3 + .... + pXp
Ou na forma matricial:
y1 1 x11 x21 x p1 0
y 1 x12 x22 x p 2 1
2
y3 = 1 x13 x23 x p 3 . 2

yn 1 x1n x2 n x pn p

Onde n o nmero de conjuntos de dados que sero utilizados para a criao do

modelo linear mltiplo.
97
Desta vez os valores i que minimizam os quadrados dos desvios, ou seja, os

valores que geram a soluo de um modelo que se aproxima do conjunto de pontos
obtida pela soluo do sistema de equaes lineares abaixo:
n

x x
1i 2i x b0 yi
Pi

x1i (x ) x x x x 1i i
2
1i 2 i 1i b
Pi 1i 1 x y
x2 i x x (x )
1i 2 i 2i
2
x x
Pi 2 i . b2 = x2 i yi

x ( xPi ) 2 bP xPi yi
Pi x1i xPi x2i xPi
Equao de regresso Y = b0 + b1X1 + b2X2 + b3X3 + .... + bpXp
3.14.1. Diferenas entre regresso simples e mltipla
Em princpio o procedimento parecido com o descrito para regresso linear simples,

so calculados valores de coeficientes que minimizam as somas dos quadrados dos erros
entre os valores preditos pela equao de ajustamento e os valores efetivos. H entretanto
duas principais diferenas entre regresso simples e mltipla:
No podemos traar um grfico da relao. Na realidade se h apenas duas variveis
independentes, podemos tentar fazer um grfico tridimensional em perspectiva, com x1 e
x2 nos eixos horizontais e y no eixo vertical. Cada ponto corresponde a uma observao.
Procura-se ento identificar um plano que minimiza a soma dos quadrados dos desvios
verticais entre cada observao e o plano. O traado deste grfico muito difcil. Se
existem mais de duas variveis independentes, o traado de tal grfico totalmente
impossvel.
O processo de clculo da regresso linear mltipla muito mais complexo que o de

regresso simples e os clculos tornam-se entediantes se no houver ajuda computacional.
98
3.14.2. O valor R2.
Na regresso linear mltipla o valor R o chamado coeficiente de determinao

mltipla. Este nmero varia entre 0 e 1. Quanto mais prximo de 1, melhor o modelo
representa a relao entre as variveis independentes e a varivel dependente. Expresso de
R.
n
(y i y i ) 2
y i = b0 + (x ij .b j )
P
i =1
R 2 = 1 2
n onde
yi j =1
i =1
n

i =1
y i2
n
Observe que yi o valor estimado pela equao ajustada.
99
3. 14.3. Exemplo de ajustamento linear mltiplo do tipo: Y = b0 + b1X1 +

b2X2
2 2 2 2
i x1 x2 y x1 x2 y x1.x2 x1.y x2.y yest (y-yest)
1 -1 -2 13 1 4 169 2 -13 -26 13.77 0.5896
2 0 -1 11 0 1 121 0 0 -11 10.7 0.0879
3 1 0 9 1 0 81 0 9 0 7.639 1.8515
4 2 1 4 4 1 16 2 8 4 4.575 0.3306
5 4 1 11 16 1 121 4 44 11 11.38 0.1406
6 5 2 9 25 4 81 10 45 18 8.311 0.4751
7 5 3 1 25 9 1 15 5 3 1.846 0.7164
8 6 4 -1 36 16 1 24 -6 -4 -1.22 0.0475
Total 22 8 57 108 36 591 57 92 -5 57 4.2393
1
8 22 8 b0 57 b0 8 22 8 57
22 108 57. b = 92 b = 22 108 57 . 92
1 1
8 57 56 b2 5 b2 8 57 56 5
b0 0.7607 - 0.4 0.4643 57 4.2393

b = - 0.4 0.2667 - 0.333. 92 = 3.4
1
b2 0.4643 - 0.333 0.4524 5 - 6.464
Soluo : Y = 4.2393 + 3.4 x1 6.464 x2 R = 0.9771 (um bom ajuste)
100
3.15. Cuidados importantes sobre predio de valores de y:
As equaes de regresso so estimadas com base utilizando-se dados passados (fruto de

observaes). Elas no podero predizer dados futuros se as relaes entre x e y se
modificarem.
Algumas vezes procuram-se predies de valores y para valores de x fora do intervalo

de valores de x observados anteriormente. Estas predies, tambm conhecidas como
extrapolaes so muito menos confiveis que predies baseadas em valores de varivel
independente contidos no intervalo de valores previamente observados.
O simples fato de existir uma forte associao entre duas variveis no significa que haja
entre elas uma relao de causa e efeito. A relao pode ser casual ou pode haver uma
terceira varivel afetando a(s) varivel(is) independente(s) e a varivel dependente
simultaneamente.
3.16. Nmeros ndices
Nmero ndice um medida estatstica idealizada para mostrar as variaes de variveis

correlacionadas ao tempo, localizao geogrfica ou a outras caractersticas como
profisses rendimentos ou outras
Preo relativo (Po/n)
pn
po / n =
po
pn : Preo de uma utilidade (produto ou servio) em um determinado perodo
po : Preo da mesma utilidade no perodo bsico
101
Exemplo
Dados os preos do leite (100 litros) em 1975 e 1980 respectivamente R$25,00 e

R$30,00 calcule p1975/1980.
p1975/1980 = p1980 / p1975 = 30/25 = 1.2 ou 120% ( O preo em 1980 1.2 vezes o preo
em 1975 ou seja houve um aumento de 20%)
Quantidades ou volumes relativos (qo/n)
qn
qo / n =
qo
qn : quantidade de uma utilidade vendida, transportada, trocada etc. em um perodo
determinado
qo : quantidade da mesma utilidade no perodo bsico
Exemplo
Dados os volumes de leite vendidos (em 100.000 litros) nos anos de 1975 e 1980
respectivamente 80 e 115 calcule q1975/1980.
q1975/1980 = q1980 / q1975 = 115 / 80 = 1.44 ou 144% (O preo em 1980 1.44 vezes o
preo em 1975 ou seja houve um aumento de 44%)
Valores relativos (vo/n)
Se p o preo de uma utilidade durante um perodo e q a quantidade ou volume

produzido ou vendido ou transportado... durante o mesmo perodo, o produto pq
denominado valor total.
102
vn pn .qn pn qn
vo / n = = = . = po / n .qo / n
vo po .qo po qo
Aplicao de nmeros ndices
Os nmeros ndices so usados para fazer comparao de um grande nmero de utilidades

entre dois perodos de tempo
3.16.1. ndice agregado simples (IAS)
IAS = p n
p o
Onde:
pn : somatrio de todos os preos de utilidades no ano dado
po : somatrio de todos os preos de utilidades no ano bsico
Este ndice facil de aplicar, mas no considera a importncia de cada produto.

Variaes no preo dos produtos so consideradas no levando em conta as quantidades
vendidas.
3.16.2. Mdia aritmtica simples dos ndices de preos relativos (M)
pn
p
M= o
N
Onde:
S(pn / po) : Somatrio dos preos relativos de todos os produtos considerados
N : Nmero de produtos considerados
103
Este ndice tambm no considera a importncia de cada produto os ndices a seguir

fazem esta considerao.
3.16.3. ndice de Laspeyres ou mtodo do ano base (IL)
IL = ( p .q )
n o
( p .q )
o o
O ndice de Laspeyres pondera os preos nas quantidades vendidas no ano base
3.16.4. ndice de Paasche ou mtodo do ano determinado (IP)
IP =
( p .q )
n n
( p .q )
o n
O ndice de Paasche pondera os preos nas quantidades vendidas no ano dado
3.16.5. ndice de Fisher (IF)
IF = IL. IP
O ndice de Fisher a mdia geomtrica dos ndices de Laspeyres e Paasche.
3.16.6. Exemplo
A tabela abaixo mostra os preos de trs utilidades em R$ e as quantidades vendidas

em toneladas. Calcule:
a) O ndice agregado simples de preos da 78 ano base 69
104
b) O ndice agregado simples de preos da 78 ano base 69 a 70 (Use a mdia entre os po's
de 69 e 70)
c) A mdia aritmtica simples dos ndices de preos relativos para 78, ano base 69
d) ndice de Laspeyres para 78 ano base 69
e) ndice de Paasche para 78 ano base 69
f) ndice de Fisher para 78 ano base 69
Produtos Preos Quantidades

1969 1970 1978 1969 1970 1978
Leite 3,95 3,89 4,13 9675 9717 10436
Manteiga 61,5 62,2 59,7 117,7 115,5 115,5
Queijo 34,8 35,4 38,9 77,93 74,39 82,79
Total 100,25 102,73 9870,6 10634
Soluo:
pnq0 p0q0 pnqn poqn Preos 69 a 70 pn/po

39957,8 38216 43101 41222 3,92 1,0456
7026,69 7238,6 6895,4 7103,3 61,85 0,9707
3031,48 2712 3220,5 2881,1 35,1 1,1178
Total 50015,9 48167 53217 51207 100,87 3,1341
Respostas:
a) IAS = 1,024738155 ou 102,5%

b) IAS = 1,018439576 ou 101,8%
c) M = 1,044705807 ou 104,5%
d) IL = 1,038390642 ou 103,8%
e) IP = 1,039253168 ou 103,9%
f) IF = 1,038821816 ou 103,9%
105
01. As tabelas mostram os preos de trs utilidades (A, B e C) em R$ e as quantidades

vendidas em mil unidades. Calcule para ano dado 2000 e ano bsico 1998, os seguintes
ndices:
a) Laspeyres b) Paasche c) Fisher
Preos Quantidades
1998 1999 2000 1998 1999 2000
A 4 4.5 7 230 250 290
B 2 4 8 350 410 420
C 5.5 6.8 9 400 420 500
3.17. Prticas
A seguir esto apresentadas as prticas em Excel.
106
Prtica11
A B C D E F
1 Medidas de Tendncia Central
2 Dados isolados
3 i xi
4 1 5
5 2 8
6 3 10
7 4 9
8 5 7
9 6 16
10 7 7
11 8 59
12 9 18
13 10 20
14
15 Mdia aritmtica= 15,9
16 Mdia geomtrica= 11,96127
17 Mdia harmnica= 9,932162
18 Mediana = 9,5
19 Moda= 7
20 Roteiro
21 1 - Preencha as linhas de 1 at 13 com os valores
22 mostrados
23 2 - Clula A15: Mdia aritmtica=
24 3 - Clula A16: Mdia geomtrica=
25 4 - Clula A17: Mdia harmnica=
26 5 - Clula A18: Mediana=
27 6 - Clula A19: Moda=
28 7 - Clula B15: =MDIA(B4:B13)
29 8 - Clula B16: =MDIA.GEOMTRICA(B4:B13)
30 9 - Clula B17: =MDIA.HARMNICA(B4:B13)
31 10 - Clula B18: =MED(B4:B13)
32 11 - Clula B19: =MODO(B4:B13)
33 12 - Verifique manualmente a mediana e a moda
34 calculadas pelo Excel
35 13 - Compare a mediana com a mdia e a moda. O que
36 voc conclui?
37
107
Prtica12
A B C D E F G H I
2 Dados agrupados
3 i Dados fi xi xi.fi fi.log(xi) fi/xi
4 1 2 -| 21 6 11,5 69 6,364187 0,521739
5 2 21 -| 40 12 30,5 366 17,8116 0,393443
6 3 40 -| 59 16 49,5 792 27,11368 0,323232
7 4 59 -| 78 8 68,5 548 14,68552 0,116788
8 5 78 -| 97 4 87,5 350 7,768032 0,045714
9 Soma 46 2125 73,74303 1,400917
10
11 Mdia Aritmtica= 46,19565
12 Mdia Geomtrica= 40,09676
13 Mdia Harmnica= 32,83564
14
15 Roteiro
16 1 - Preencha as colunas de A at E das linhas de 1 at 8 conforme
17 mostrado
18 2 - Clula F3: xi
19 3 - Clula G3: xi.fi
20 4 - Clula H3: fi.log(xi)
21 5 - Clula I3: fi / xi
22 6 - Clula F4: =(B4+D4)/2
23 7 - Clula G4: =E4*F4
24 8 - Clula H4: =E4*LOG(F4)
25 9 - Clula I4: =E4/F4
26 10 - Selecione o intervalo de clulas F4:I4 e arraste at a linha 8
27 11 - Clula D9: Soma
28 12 - Clula E9: =SOMA(E4:E8)
29 13 - Clula G9: =SOMA(G4:G8)
30 14 - Arraste G9 at a clula I9
31 15 - Clula A11: Mdia Aaritmtica=
32 16 - Clula A12: Mdia Geomtrica=
33 17 - Clula A13: Mdia Harmnica=
34 18 - Clula C11: =G9/E9
35 19 - Clula C12: =10^(H9/E9)
36 20 - Clula C13: =E9/I9
37
108
Prtica13
A B C D E F
1 Medidas de Disperso
2 Dados isolados
3 i xi
4 1 5
5 2 8
6 3 10
7 4 9
8 5 7
9 6 16
10 7 7
11 8 59
12 9 18
13 10 20
14
15 Desvio Mdio= 9,88
16 Desvio Padro amostral= 15,98923
17 Desvio Padro populacional= 15,16872
18 Varincia amostral= 255,6556
19 Varincia populacional= 230,09
20 Coef. de Variao Pearson= 1,005612
21 Coef. de Variao Thorndike= 1,683077
22 Roteiro
23 1 - Preencha as linhas de 1 at 13 com os valores
24 mostrados
25 2 - Clula A15: Desvio Mdio=
26 2 - Clula A16: Desvio Padro amostral=
27 4 - Clula A17: Desvio Padro populacional=
28 5 - Clula A18: Varincia amostral=
29 6 - Clula A19: Varincia populacional=
30 7 - Clula A20: Coef. de Variao Pearson=
31 8 - Clula A21: Coef. de Variao Thorndike=
32 9 - Clula B15: =DESV.MDIO(B4:B13)
33 8 - Clula B16: =DESVPAD(B4:B13)
34 9 - Clula B17: =DESVPADP(B4:B13)
35 10 - Clula B18: =VARA(B4:B13)
36 11 - Clula B19: =VARP(B4:B13)
37 12 - Clula B20: =D16/MDIA(B4:B13)
38 13 - Clula B21: =D16/MED(B4:B13)
39 14 - Verifique os clculos das varincias usando os
40 valores dos desvios padro.
41 13 - Compare os coeficientes de variao
42
43
44
109
Prtica14
A B C D E F G H I J
2 Dados agrupados
3 i Dados fi xi xi.fi |xi - xb| |xi-xb|.fi |xi-xb|.fi
4 1 2 -| 21 6 11,5 69 34,69565 208,1739 7222,73
5 2 21 -| 40 12 30,5 366 15,69565 188,3478 2956,242
6 3 40 -| 59 16 49,5 792 3,304348 52,86957 174,6994
7 4 59 -| 78 8 68,5 548 22,30435 178,4348 3979,871
8 5 78 -| 97 4 87,5 350 41,30435 165,2174 6824,197
9 Soma 46 2125 793,0435 21157,74
10
11 Mdia Aritmtica= 46,19565
12 Desvio mdio = 17,24008
13 Desvio padro pop= 21,44646
14 Varincia pop= 459,9509
15 C.V. Pearson= 0,464253
16
17 Roteiro
18 1 - Preencha as colunas de A at E das linhas de 1 at 8 conforme
19 mostrado
20 2 - Clula F3: xi
21 3 - Clula G3: xi.fi
22 4 - Clula H3: |xi - xb|
23 5 - Clula I3: |xi - xb|.fi
24 6 - Clula J3: |xi - xb|.fi
25 7 - Clula F4: =(B4+D4)/2
26 8 - Clula G4: =E4*F4
27 9 - Clula H4: =ABS(F4-C$11)
28 10 - Clula I4: =H4*E4
29 11 - Clula J4: =H4*I4
30 12 - Selecione o intervalo de clulas F4:J4 e arraste at a linha 8
31 13 - Clula D9: Soma
32 14 - Clula E9: =SOMA(E4:E8)
33 15 - Clula G9: =SOMA(G4:G8)
34 16 - Clula I9: =SOMA(I4:I8)
35 17 - Arraste I9 at a clula J9
36 18 - Clula A11: Mdia Aaritmtica=
37 19 - Clula A12: Desvio mdio =
38 20 - Clula A13: Desvio padro pop=
39 21 - Clula A14: Varincia pop=
40 22 - Clula A15: C.V. Pearson=
41 23 - Clula C11: =G9/E9
42 24 - Clula C12: =I9/E9
43 25 - Clula C13: =RAIZ(J9/E9)
44 26 - Clula C14: =J9/E9
45 27 - Clula C15: =C13/C11
46
110
4. Bibliografia
ASSIS, E. M. de. Otimizao do intervalo de substituio dos pneus de uma frota de
aeronaves Braslia EMB-120. MEP/ UFBa.
CRESPO, A. A. Estatstica Fcil.
DOWNING, Douglas e CLARK, Jeffrey. Business Statistics. New York 1992. Estatstica
Aplicada. Traduzido por Alfredo Alves de Farias, Editora Saraiva, 2000.
KARMEL, P. H. Estatstica geral e aplicada para economistas.
LIPSCHUTZ, S. Probabilidade. Makron Books.
LOURENO Filho, R. de C. B. Controle Estatstico da Qualidade.
MARTINS, G. de A. e DONAIRE, D. Princpios de estatstica.
MEYER, Paul L. Probabilidades.
SILVA, P. A. L. da. Princpios dos Mtodos Estatsticos: conceitos, modelos e aplicaes
no Excel. Rio de Janeiro, Editora Universitria Santa rsula, 1998.
SPIEGEL, M. R. Estatstica. McGraw-Hill.
SPIEGEL, M. R. Probabilidade e estatstica. McGraw-Hill.
SUMMERS, G. W. e PETERS, W. S. Anlise estatstica e processo decisrio.
TOLEDO, G. L. e OVALLE, I. I. Estatstica bsica. Atlas.
111

Probabilidade 1 Ano PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Probabilidade 1 Ano PDF

Hochgeladen von

Copyright:

Verfügbare Formate

Probabilidade e Estatstica por Edilson Machado de Assis

UNIVERSIDADE CATLICA DO SALVADOR

EDILSON MACHADO DE ASSIS

3.5.1. Nmero de classes (K) ........................................................................................50

A disciplina de Probabilidade e Estatstica tem como principais objetivos:

Apresentar os principais teoremas de probabilidade e suas aplicaes

1.1 Conceitos da disciplina

Estatstica a parte da matemtica em que se investigam:

1.2 Bibliografia para o curso

CRESPO, A. A. Estatstica Fcil.

A ttulo de informao recomenda-se a leitura informativa de dissertao de

Assis, E. M. de. Otimizao do intervalo de substituio dos pneus de uma frota de

2.2 Experimentos aleatrias

Experimentos aleatrios so experimentos onde no possvel prever o resultado,

2.3 Espao amostral

Espao amostral S o conjunto de todos os resultados possveis de um experimento

2.3 Tipos de Eventos

Evento independente o evento no qual a sua ocorrncia no afeta a chance de

A probabilidade de um evento A ocorrer indicada na forma: P(A)

Se o evento A no pode ocorrer ento se escreve: P(A) = 0

Note que: 0 P(Evento qualquer) 1,

2.5 Definies de Probabilidade

1 - Se um experimento pode ocorrer de N maneiras e se o evento A pode ocorrer em

2 - Se um evento com atributo A ocorre n vezes em N experimentos, ento para

Neste momento, conveniente definir os seguintes conceitos:

Quando se deseja colher informaes sobre um ou mais aspectos de um grupo grande

fosse verificada (pesquisa censitria). Trecho extrado de CARREIRO, Populao e

2.6 Teoremas de probabilidade

O estudo da probabilidade baseado em teoremas. Os teoremas devem organizar a

2.6.1 Teorema 1 de probabilidade : Soma de probabilidades

Se A e B so eventos em um espao amostral, ento

Obs. 1 - Se A e B so mutuamente exclusivos, ou seja, P(A B)=0 tem-se:

Obs. 2 - Se A1, A2,...Ak so eventos mutuamente exclusivos ento:

2.6.2. Teorema 2 de probabilidade : Eventos complementares

Se A e Ac so eventos complementares, isto , so mutuamente exclusivos e juntos

2.6.3. Teorema 3 de probabilidade : Produto de probabilidades

Se A e B so eventos independentes ento:

2.6.4. Teorema 4: Teorema de probabilidade condicional

A probabilidade condicional de um evento A dado que um outro evento B tenha

Exerccio (probabilidade condicional)

Teorema de probabilidade condicional

Se no conhecida a relao de dependncia entre os eventos A e B tem-se:

O valor desta frmula reside no fato de que algumas vezes s se conhece a

2.6.5. Teorema de probabilidade total

Algumas vezes o espao amostral particionado em sub-eventos (Bk) que so

Ento as probabilidades do evento de interesse (A) condicionadas s parties so usadas

P(A) = P(AB1) + P(AB2) + P(AB3) + P(AB4) + P(AB5) + P(AB6)

P(A) = P(A\B1).P(B1) + P(A\B2).P(B2) + P(A\B3).P(B3) + P(A\B4).P(B4) + P(A\B5).P(B5) +

2.6.5. Exerccios de fixao

a) Descreva o espao amostral para o estado de concluso para os projetos.

02. Um experimento consiste em arremessar dois dados e observar os nmeros de

03. A armao abaixo composta de trs barras a, b e c. As probabilidades de

04. Agregados para construo so fornecidos por duas diferentes companhias. A

Resp.: a) 60%; b) 2,2%; c)81,8%

05. A poluio do ar em uma cidade causada principalmente por descargas industrial e

a) Qual a probabilidade de sucesso no controle da poluio do ar nos prximos 5 anos

06. Em uma construo de um prdio, a concluso da obra requer a concluso sucessiva

08. Quando um par de dados arremessado qual a probabilidade de que o nmero do

I1={Trfego excessivo em I1} P(I1)=10%

Considere que a capacidade de I3 igual a de I1 e I2 e que quando I1 ou I2 tm trfego

Qual a probabilidade de que I3 tenha trfego excessivo?

10. Veculos que chegam a um cruzamento so observados. O nmero de veculos que

2.7. Tcnicas de contagem