ESTATSTICA DESCRITIVA

INTRODUO
Estatstica:
A estatstica est interessada nos mtodos cientficos para coleta, organizao, resumo,
apresentao e anlise de dados, bem como na obteno de concluses vlidas e na tomada de
decises razoveis baseadas em tais anlises.
Podemos dividir a Estatstica em duas reas: estatstica indutiva (inferncia estatstica)
e estatstica descritiva.
Estatstica Indutiva (Inferncia Estatstica)
Se uma amostra representativa de uma populao, concluses importantes sobre a
populao podem ser inferidas de sua anlise.
A parte da estatstica que trata das condies sobre as quais essas inferncias so
vlidas chama-se estatstica indutiva ou inferncia estatstica.
Estatstica Descritiva
a parte da Estatstica que preocupa somente em descrever e avaliar um certo grupo,
sem tirar quaisquer concluses ou inferncias sobre um grupo maior.
A Estatstica descritiva pode ser resumida no seguinte diagrama:
Aps a definio do problema a ser estudado e o estabelecimento do planejamento da
pesquisa, o passo seguinte a coleta de dados.
Coleta de Dados: consiste na busca ou compilao dos dados de variveis.
Crtica dos Dados: objetivando a eliminao de erros capazes de provocar futuros
enganos de apresentao e anlise, procede-se a uma reviso crtica dos dados, suprimindo os
valores estranhos ao levantamento.
Apresentao dos Dados: aps a crtica dos dados, convm organiz-los de maneira
prtica e racional, para melhor entendimento do fenmeno que se est estudando. A
apresentao dos dados pode ser feita por meios de tabelas e/ou grficos.
Descrio dos Dados: a descrio dos dados feita por meio de medidas que os
representem de forma sumria. So escolhidas de acordo com os objetivos do pesquisador.
1
Definio
do
Problema
Planejamento
Coleta
de
Dados
Crtica
dos
Dados
Apresentao
dos
Dados
Descrio
dos
Dados
Tabelas
Grficos
MEDIDAS DE POSIO (ou Medidas de Tendncia Central)
So medidas empregadas para resumir um conjunto de dados, apresentando um ou
alguns valores que sejam representativos do conjunto todo. Quando usamos um s valor,
obtemos uma reduo drstica dos dados.
So medidas de posio: Mdia, Mediana, Moda.
MDIA
MDIA ARITMTICA: chamada de medida de tendncia central, pois representa os
fenmenos pelos seus valores mdios em torno do qual tendem a se concentrar os dados.
Tais medidas orienta-nos quanto posio da distribuio no eixo X (eixo dos nmeros
reais), possibilitam comparaes de srie de dados entre si pelo confronto desses nmeros.
Se X
1
, X
2
, ..., X
n
so n valores distintos da varivel X, ento a mdia aritmtica de X,
que denotaremos X dada por:
n

+ + +

n
1 i
i
n 2 1
X
n
X ... X X
X
ou seja, a soma de todos os valores que a varivel pode assumir, dividido pelo nmero total
de valores que a mesma assume.
Exemplo:
Calcular a mdia aritmtica para o conjunto de valores que a varivel X pode assumir:
X = {50, 70, 45, 60, 75} (R: mdia = 60)
Se a cada X
i
est associada uma respectiva freqncia f
i
, a mdia aritmtica ser
ponderada por:

+ + +
+ + +

n
1 i
i
n
1 i
i i
n 2 1
n n 2 2 1 1
f
X f
X
f ... f f
X f ... X f X f
X
(mdia aritmtica ponderada)
Se quisermos calcular a mdia aritmtica ponderada para um determinado conjunto de
dados, ento podemos considerar f
i
como o peso para cada valor de X
i
.
Exemplo: um estudante obteve as seguintes notas nas provas parciais de estatstica:
Prova Pesos (f
i
) Notas (X
i
)
1 1 50
2 1 70
3 2 50
4 4 70
Pede-se: calcular a mdia aritmtica. (R:
5 , 62 X
)
Propriedades da Mdia aritmtica
2
As duas primeiras propriedades facilitam o clculo de um conjunto de dados; as outras
duas indicam caractersticas importantes da mdia aritmtica.
P1. Somando-se ou subtraindo-se uma constante a cada um dos valores da srie X
1
, X
2
,
X
3
, ... , X
n
, a mdia aritmtica fica somada ou subtrada, respectivamente, dessa constante.
Prova:
a)
K X
n
nK
n
X
n
K X
n
K) (X
n
1 i
i
n
1 i
n
1 i
i
n
1 i
i
+ +
+

+


b)
K X
n
nK
n
X
n
K X
n
K) (X
n
1 i
i
n
1 i
n
1 i
i
n
1 i
i

Exemplo: seja a srie: 1.000.656, 1.000.587, 1.000.601, 1.000.621, 1.000598.
Calcule a mdia aritmtica.
Podemos notar que todos os valores so representados por 1.000.000 mais uma outra
quantia. Assim, aplicando a P1, temos:

,
_

+ + + +

5
598 621 601 587 656
X
= 1.000.612,6
Da a importncia de P1, pois no precisamos trabalhar com nmeros excessivamente
grandes.
P2: Multiplicando-se ou dividindo-se cada um dos valores da srie X
1
, X
2
, ..., X
n
, por
uma constante, a mdia aritmtica fica multiplicada ou dividida, respectivamente, pela
constante.
Prova:
a)
X K
n
X
K
n
KX
n
1 i
i
n
1 i
i



b)
X
K
1
n
X
K
1
n
X
K
1
n
1 i
i
n
1 i
i



Exemplo: calcule a X para a srie: 200; 400; 600; 800; 1000.
Se dividirmos todos os valores pela constante 200, ento podemos obter a mdia de
valores com dimenso menor. Depois, s multiplicar o valor da mdia obtida por 200 e,
desta forma, obteremos a mdia dos dados originais.
600 (3)200 200
5
5 4 3 2 1
X
,
_

+ + + +

3
P3: A soma algbrica dos desvios em relao mdia aritmtica nula.
Prova:

n
1 i
i
0 ) X (X SD
Aplicando-se propriedades do somatrio temos:
0 X X
n
1 i
n
1 i
i



(expresso 1)
Temos que:
n
X
X
n
i
i

1
X n X
n
1 i
i

(expresso 2)
X uma constante para um determinado conjunto de dados, ento, o somatrio da
mdia igual ao nmero de termos do somatrio vezes a mdia, ou seja,
X n X
n
1 i

(expresso 3)
Substituindo-se as expresses 2 e 3 na 1 temos:
0 X n X n SD
Este um resultado importante, porque indica que a soma dos desvios em relao
mdia aritmtica no serve como medida de disperso dos dados.
Exemplo: verifique a P3 para o seguinte conjunto de dados: 23, 47, 31, 48, 35 e 20.
Obs: se tomarmos o somatrio do mdulo dos desvios em relao mdia aritmtica,
este no ser nulo.
P4: A soma dos quadrados dos desvios em relao mdia aritmtica um mnimo,
isto ,

n
1 i
2
i
) X (X SQD
um mnimo.
Prova: seja a seguinte soma de quadrados dos desvios em relao ao valor de a. Vamos
verificar se esta funo de mnimo ou de mximo e qual valor de a faz com que esta funo
assuma seu ponto crtico.
Para verificarmos isso, devemos derivar a equao e encontrar o valor de a do ponto
crtico. Depois, devemos derivar a segunda e verificar se a ponto de mximo ou de mnimo.
Seja f(a) =

n
1 i
2
i
a) (X
derivando a primeira temos:
Sabemos que a derivada da soma igual soma das derivadas, ento:

n
1 i
i
1) a)( (X 2 (a) f'

n
1 i
i
a) (X 2 (a) f'
Igualando a zero, para encontrarmos o valor de a, temos:
4

n
1 i
i
0 a) (X 2

n
1 i
i
0 a) (X

n
1 i
i
na X
n
X
a
n
1 i
i

Podemos observar que o valor de a que anula a 1 derivada igual a X. Vamos

verificar se X o ponto de mximo ou de mnimo.

n
1 i
i
a) (X 2 (a) f'


+ +
n
1 i
i
n
1 i
n
1 i
i
2na X 2 a 2 X 2 (a) f'
Obtendo a 2 derivada temos:
2n (a) ' f'
Como
0 (a) ' f' >
, ento, para X a um ponto de mnimo, ou seja, f(a) =

n
1 i
2
i
a) (X
um mnimo para X a , logo,
SQD X X f

n
1 i
2
i
) (X ) (
um mnimo.
Em outras palavras, isto significa que uma soma de quadrados dos desvios tomados em
relao mdia aritmtica mnima. Esta propriedade, desejvel em muitas situaes, fornece
um critrio para obteno de medidas mais representativas de um conjunto de dados chamado
critrio de mnimos quadrados.
No clculo de mdia aritmtica participam todos os valores observados, o que no
acontece com todas as medidas de tendncia central.
Valores muito discrepantes dentro de um conjunto de dados tendem a exercer
influncia desproporcional sobre a mdia aritmtica.
Para qualquer conjunto de dados, sempre ser possvel calcular a sua mdia aritmtica
e existir somente uma mdia para cada conjunto de observaes.
uma medida de fcil interpretao e presta-se muito bem a tratamentos adicionais.
o ponto de equilbrio de uma distribuio de um conjunto de observaes, isso faz com que a
mdia seja uma medida descritiva to mais eficiente quanto mais simtrica for a distribuio
das observaes a seu redor.
Outra verificao da P
4
:
[ ]
2
1 1
2
1
2
) ( ) ( ) ( ) (


+ +
n
i
n
i
i i i
n
i
i
a X X X a X X X a X
=
2
1 1
2
) ( ) ( ) ( 2 ) ( a X n X X a X X X
n
i
n
i
i i
+ +


mas P3 =>

n
i
i
X X
1
0 ) (
=

2
) ( a X
i
2
1
2
) ( ) ( a X n X X
n
i
i
+

Como 0 ) (
2
a X n , imediato que



n
i
n
i
i i
X X a X
1 1
2 2
) ( ) (
em que vale a igualdade
somente quando X a , isto ,

n
i
i
X X
1
2
) (
um mnimo.
5
Mdia Geomtrica:
Sejam X
1
, X
2
, ... , X
n
, valores da varivel X, associados s freqncias f
1
, f
2
, ... , f
n
,
respectivamente, com X
i
> 0, para todo i. A mdia geomtrica de X
i
, que denotaremos por
G
X
dado por:

n
1 i
n
1 i
fi
n
1 i
fi
i
fi
fn
n
f2
2
f1
1 G
X .....X .X X X
Mas, quando f
1
= f
2
= ... = f
n
=1, temos:
n
n 2 1 G
.X .X X X
Propriedade da mdia geomtrica:
O produtrio das razes de cada observao pela mdia geomtrica igual a um, isto :
1
1

n
i
G
X
X
Esta propriedade faz com que a mdia geomtrica se torne favorvel ao clculo das
mdias de razes ou grandezas inversamente proporcionais, mdias de propores de
variaes e ainda na confeco de ndices.
Mdia Harmnica:
Sejam X
1
, X
2
, ... , X
n
, valores da varivel X, associados s freqncias absolutas f
1
,
f
2
, ... , f
n
, respectivamente, com X
i
> 0 para todo i. A mdia harmnica de X
i
dado por:

n
1 i
i i
i
n
1 i
i
H
X
f
f
X
Em particular, se f
1
= f
2
= ... = f
n
=1, ento:

n
1 i i
H
X
1
X
n
Segundo Fonseca e Martins (1996), a mdia harmnica particularmente relacionada
para sries de valores que so inversamente proporcionais, como por exemplo, para o clculo
da velocidade mdia e custo de bens comprados com uma quantia fixa.
Obs: a mdia geomtrica tem uma aplicao rara e a mdia harmnica mais rara ainda.
Mediana (Md):
Colocados os valores em ordem crescente de grandeza, mediana o elemento que
ocupa a posio central, ou seja, existem nmeros iguais de elementos antes e depois da
mediana. Ou ainda, o valor abaixo do qual tem-se a metade dos dados.
6
Mediana para dados no agrupados em classe:
1
o
caso: o nmero de elementos mpar
Md o elemento que ocupa a posio
2
1 + n
, ou seja,
2
1 +

n
X Md
Exemplos:
1) Seja uma varivel aleatria X assumindo os seguintes valores:
X = {14, 8, 10, 5, 7}. Calcule a mediana. (R: Md = 8)
2) Considerando a tabela abaixo, calcule a mediana. (R: Md = 3)
Xi Fi
2 3
3 5
1 1
4 2
2
o
Caso: o nmero de elementos par.
Md a mdia aritmtica dos valores centrais de ordem
2
n
e
1
2
+
n
2
X X
Md
1
2
n
2
n
+
+

Exemplos: 1) seja uma varivel X assumindo os seguintes valores:

X = {8, 10, 5, 7, 15, 14}. Obter a mediana. (R: Md = 9)
3) Considerando a tabela abaixo, obter a mediana: (R: Md = 87)
X
i
f
i
87 15
90 4
82 5
89 8
85 10
Clculo da mediana para dados agrupados em classe:
h
f
F P
l md
i
i
i
1

+
onde:
P = posio do elemento mediano;
7
l
i
= limite inferior da classe que contm a mediana;
F
i-1
= freqncia acumulada da classe imediatamente anterior mediana;
f
i
= freqncia simples da classe que contem a mediana.
Quartis, Decis e Percentis
Algumas vezes interessa no apenas dividir o conjunto de observaes em
apenas duas partes iguais, mas quatro, dez ou cem partes. Estas medidas so chamadas
quartis, decis e percentis, respectivamente.
Para dividir um conjunto de dados em k partes iguais, necessita-se de k-1
pontos, ento tem-se (k-1) separatrizes, S
i
(i = 1, 2, ..., k-1). Na realidade, cada
separatriz S
i
um valor abaixo do qual encontram-se (100i/k) % das observaes.
A determinao dessas medidas anloga da mediana:
a) Conhecer a posio do elemento: P = i
n
/k, i = 1, 2, ..., k-1;
b) Verificar qual esse elemento na srie estatstica.
Quando os dados esto agrupados em classes, a frmula obtida da mesma maneira
que a da mediana:
h
f
F P
l S
i
i
i i
1

+
Tabela 1- frmulas para clculo da posio das separatrizes
SEPARATRIZES
Quartis Decis Percentis
Pos Q
1
= 1/4 (n+1) Pos D
1
= 1/10 (n+1) Pos P
1
= 1/100 (n+1)
Pos Q
2
= 2/4 (n+1) Pos D
2
= 2/10 (n+1) Pos P
2
= 2/100 (n+1)
... ...
Pos Q
3
=3/4 (n+1) Pos D
9
= 9/10 (n+1) Pos P
99
= 99/100 (n+1)
Moda (Mo):
Em algumas situaes, a distribuio das observaes tal que as freqncias so
maiores nos extremos. Nesses casos, a utilizao apenas da mdia e da mediana contra-
indicada, pois so valores pouco representativos do conjunto de dados e o uso da moda
poder, ento, ser considerado.
A moda de um conjunto de observaes o valor de maior ocorrncia dentro do
conjunto.
Com relao moda, uma srie de dados pode ser classificada em:
Amodal : no possui moda;
Unimodal : possui apenas uma moda;
Bimodal : possui duas modas;
Multimodal : possui mais de duas modas.
8
Exemplos:
1) Identificar a moda para os dados da tabela abaixo: (R: Mo = 2)
Xi fi
0 4
1 5
2 7
3 3
4 2
5 1
2) Considerando a tabela abaixo, obter a moda: (R: srie bimodal => Mo
1
= 5 e Mo
2
= 10)
X
i
f
i
3 1
5 4
9 2
10 4
15 3
Moda para dados agrupados em classes
Para valores de uma varivel, dispostos em uma tabela de freqncias, agrupados em
classes, o procedimento para determinao da moda no imediato. Tm-se alguns mtodos
de clculos distintos. Entretanto, qualquer que seja o mtodo adotado, o primeiro passo para
determinar a moda localizar a classe que apresenta maior freqncia, comumente chamada
de classe modal.
O mais rudimentar desses mtodos consiste em tomar o ponto mdio da classe modal e
recebe o nome de moda bruta. O mtodo de Czuber, aqui apresentado, mais bem elaborado e
baseia-se no apenas na freqncia da classe modal, mas tambm nas freqncias das classes
adjacentes. Ele define a moda como a abscissa do ponto que divide a classe modal em duas
partes proporcionais s diferenas entre a freqncia da classe modal e a das respectivas
classes adjacentes.
Assim, analiticamente, a moda aproximada pode ser determinada pela frmula:
2 1
1
.
+

+ h l mo
i
, em que:
l
i
= limite inferior da classe modal;
h = amplitude de classe;
1

= diferena entre a freqncia da classe modal e da classe anterior;

2

= diferena entre a freqncia da classe modal e da classe posterior.

9
Para provar esta frmula, constroem-se apenas as trs barras do histograma,
correspondentes s classes de interesse: classe modal e classes adjacentes:

A

B


E
G
F

D

C
l
i
mo L
i
mo h l mo L F G
l mo G E
D B
C A
i I
i
+



2
1
2
1

>
mo h l
l mo
D B
C A
F G
G E
i
i
onde:
1
]
1

+
+ + +
+
+
2 1
1
1 2 1 1 2
1 1 1 2 2
1 2
) ( ) (
) ( ) (
h l mo
h l mo
mo h l l mo
mo h l l mo
i
i
i i
i i
Relao entre Mdia, Mediana e Moda:
a) Distribuio simtrica: X = Mo = Md
b) Distribuio assimtrica: a mdia e a mediana se deslocam.
i. Assimetria positiva: X > Md > Mo
ii. Assimetria negativa: X < Md < Mo
MEDIDAS DE DISPERSO OU MEDIDAS DE VARIABILIDADE
Introduo:
Caracterizar um conjunto de dados apenas por medidas de posio inadequado e
perigoso, pois, conjuntos com medidas de posio semelhantes podem apresentar
caractersticas muito diferentes. Por exemplo: com relao variabilidade do conjunto de
valores.
10
As medidas de disperso so estatsticas descritivas, que quantificam de algum modo a
variabilidade dos dados, geralmente utilizando como referncia uma medida de posio.
Exemplo:
Amostra A: 4, 8, 3, 9, 7, 5
Amostra B: 1, 5, 2, 14, 3, 11
Note que X
A
= 6 eX
B
= 6, porm, a disperso dos valores na amostra B maior.
Varincia Amostral
A varincia mede a disperso dos valores em torno da mdia. Ela dada pela soma dos
quadrados dos desvios em relao mdia aritmtica, dividida pelo nmero de graus de
liberdade.
a medida de disperso mais utilizada, fcil de calcular e compreender, alm de ser
bastante empregada na inferncia estatstica.
Para uma amostra de n valores, X
1
, X
2
, ..., X
n
, a varincia amostral dada por:
1 n
n
X
X
1 n
) X (X
1 n
SQD
(X) V

(X) S
n
1 i
2
n
1 i
i
2
i
n
1 i
2
i
2

,
_

Se os valores de X
1
, X
2
, ..., X
n
estiverem associados s freqncias f
1
, f
2
, ..., f
n
, a
varincia amostral ser dada por:
1 f
f
X f
X f
1 n
SQD
(X) V

(X) S
k
1 i
i
k
1 i
2
k
1 i
i
k
1 i
i i
2
i i
2

,
_

, pois,

k
1 i
i
f n
Graus de Liberdade:
possvel demonstrar que, utilizando-se o denominador n-1, obtm-se um estimador
de melhor qualidade de varincia populacional: E (S
2
) =
2
.
De uma maneira geral, o nmero de graus de liberdade associados a uma caracterstica
o nmero de elementos da amostra, n, menos o nmero de parmetros (medidas da
populao) j estimados. Existem n-1 desvios independentes.
As propriedades da varincia amostral so as mesmas da varincia populacional.
11
Exemplo 1:
Amostra A: 4, 8, 3, 9, 7, 5 Amostra B: 1, 5, 2, 14, 3, 11
5,6
1 6
6
(36)2
244
S
2
A

28
1 6
6
(36)2
356
S
2
B

Exemplo 2: Para os dados da Tabela abaixo, calcule a varincia: (R: S

2
= 2,89)
X
i
f
i
2 1
4 3
5 3
6 1
7 1
8 1
Desvio Padro Amostral:
Como medida de disperso, a varincia tem a desvantagem de apresentar unidade de
medida igual ao quadrado da unidade dos dados. Assim, por exemplo, se os dados so
medidos em metros, a varincia dada em metros ao quadrado.
Para voltarmos unidade original, precisamos de uma outra medida de disperso.
Ento, se define desvio-padro como raiz quadrada positiva da varincia.
(X) V

S(X)
Coeficiente de Variao:
Freqentemente, se tem o interesse em comparar variabilidades de diferentes conjuntos
de valores. A comparao se torna difcil em situaes onde as mdias so muito desiguais ou
as unidades de medidas so diferentes. Nesse caso, o C. V. indicado.
O C. V. expresso em percentagem dado por:
100
X
S(X)
C.V.(%)
Note que o C. V. o desvio-padro expresso em percentagem da mdia. uma medida
admensional.
Aplicaes:
Utilizado para avaliar a preciso de experimentos;
Utilizado para analisar qual amostra mais homognea (menor variabilidade). Na
situao em que as amostras possuem a mesma mdia, a concluso pode ser feita a partir da
comparao de suas varincias. Para amostras com mdias diferentes, aquela que apresentar
menor C. V., a mais homognea.
12
Erro-padro da mdia:
uma medida utilizada para avaliar a preciso da mdia, dada por:
n
S(X)
n
(X) V

n
(X) V

) X ( V

) X S(
Exemplo:
0,966
6
2,3664
) X S(
A
2,1602
6
5,2915
) X S(
B

Note que o erro-padro da mdia :
Inversamente proporcional ao tamanho da maostra;
Diretamente proporcional varncia da amostra.
Fato: Varincia da mdia:
n
(X) V

) X ( V

. Esta expresso vlida para populao

infinita ou populao finita e amostras com reposio dos elementos.
Amplitude Total (AT):
a diferena entre o maior e o menor valor de uma amostra ou de um conjunto de
dados.
A amplitude total indica que o desvio entre duas observaes quaisquer no mximo
igual a AT.
AT = X
i
X
j
, em que: X
i
o maior valor e X
j
o menor valor.
Para o exemplo: AT(A) = 9-3 = 6 e AT(B) = 14 1 = 13.
Coeficiente de correlao amostral (r ou

):
Mede o grau de associao linear entre duas variveis aleatrias X e Y.
Sejam duas amostras aleatrias X e Y, dadas a seguir:
X
i
X
1
X
2
... X
n
Y
i
Y
1
Y
2
... Y
n
O coeficiente de correlao amostral de X e Y dado por:
1 r 1 ,
SQD SQD
SP
1 n
SQD
1 n
SQD
1 n
SP
(Y) V

(X). V

Y) V(X, O

C
r
XY
Y X
XY
Y X
XY
XY

em que:
13
n
Y X
Y X SP
n
1 i
i
n
2 i
i
n
1 i
i i XY

,
_

,
_

n
X
X SQD
2
n
2 i
i
n
1 i
2
i X

,
_

n
Y
Y SQD
2
n
1 i
i
n
1 i
2
i Y

,
_

Para o exemplo temos:

Amostra A 4 8 3 9 7 5
Amostra B 1 5 2 14 3 11
36
6
) 36 )( 36 (
252
n
B A
B A SP
n
1 i
i
n
2 i
i
n
1 i
i i AB

,
_

,
_

28
6
) 36 (
244
n
A
A SQD
2
2
n
2 i
i
n
1 i
2
i A

,
_

Figuras - Representao grfica de diversos coeficientes de correlao:
140
6
) 36 (
356
n
B
B SQD
2
2
n
2 i
i
n
1 i
2
i B

,
_

5750 , 0
) 140 )( 28 (
356
SQD SQD
SP
r
B A
AB
AB

14

Lista de Exerccios Estatstica Descritiva
1) Os dados abaixo se referem a medidas tomadas em uma amostra de 10 estudantes:
Estudantes 1 2 3 4 5 6 7 8 9 10
Peso (Kg) 73,0 72,7 71,2 71,5 67,0 78,4 69,0 64,5 69,0 69,5
Altura (cm) 174 175 173 175 170 174 170 161 172 169
Pede-se, para as caractersticas avaliadas, peso e altura, as estatsticas:
a) Mdia;
b) Varincia;
c) Desvio-padro;
d) Erro-padro da mdia;
e) Coeficiente de variao;
f) Qual das duas caracterstica a mais homognea?
g) Coeficiente de correlao entre as 2 caractersticas;
h) Mediana;
i) Moda.
2) Um pesquisador dispe das seguintes informaes, a respeito dos valores de uma amostra:
A mdia de todos os valores igual a 50,34;
A soma dos quadrados dos valores igual a 150.000;
A amostra constituda de 52 valores distintos.
Pergunta-se:
Com essas informaes possvel obter alguma(s) medida(s) de disperso dos valores
amostrais? Em caso positivo, efetue os clculos e obtenha a(s) respectiva(s) medida(s).
3) Considere os dados: 12, 17, 17, 17, 10, 10, 9, 9, 9, 12, 12, 6, 6, 6, 17, 17, 12, 12, 9, 9, 9,
12, 12, 12, 12. Supondo que sejam valores assumidos por uma varivel aleatria discreta
X, pede-se:
a) Mdia, mediana e moda;
b) Erro-padro da mdia e C.V. (%).
4) Duas turmas A e B com n
A
= 50 e n
B
= 80 apresentaram mdias 65
A
X e 70
B
X e
varincia 225
2

A
S e 235
2

B
S . Qual a turma mais homognea?
5) Considere as duas amostras:
Amostra A (h) 44 47 50 53 56
Amostra B (cm
2
) 272 275 278 281 284
a) Qual delas mais homognea?
b) Qual o coeficiente de correlao entre os valores amostrais de A e B?
15

6)A tabela abaixo apresenta a distribuio de freqncia das presses sanguneas sistlicas de
homens de 40 a 60 anos de idade.
Classes f
i
95 105
4
105 115
7
115 125
8
125 135
10
135 145
7
145 155
6
155 165
8
165 175
3
175 185
4
185 195
2
Total 59
Fonte: Dados hipotticos, 2006.
Com base na tabela dada, calcule a Moda, Mediana, o stimo Decil (D
7
) e o Quartil 3 (Q
3
).
7) Calcule as mdias aritmtica, geomtrica e harmnica, para cada caso, compare suas
respostas e escolha a melhor delas para representar o conjunto de dados. Justifique sua
rersposta.
a) X = {18, 22, 17, 21, 16, 19, 821} b) Y = {10, 25, 38, 56, 85, 124}
c) Z (Km/h) = {150, 120, 80, 200, 60}
8) Dada a seguinte tabela, calcule a media aritmtica e a mdia geomtrica para cada
variedade de feijo e classifique as variedades. Se voc tivesse que recomendar as duas
melhores variedades para o produtor, qual seria sua deciso?
Variedade Peso de % de Vigor Mdia Mdia Classificao
100 gros germinao Geomtrica
1 0,214 74,25 34,50
2 0,168 98,00 1,25
3 0,102 22,00 69,50
4 0,242 56,00 29,75
5 0,215 64,75 17,50
Respostas:
1) a)70,58 e 171,3 b) 14,2973 e 17,7889 c) 3,7812 e 4,2177 d) 1,1957 e 1,3338
e) 5,36% e 2,46% f) A altura mais homognea porque apresenta menor CV%
16
g) 0,7710 h) 70,35 e 172,5 i)peso modal = 69 e altura modal: 170, 174 e 175
(multimodal)
2) S
2
= 357,3723; S = 18,9043; CV = 37,55%;
X
S
=2,6215
3) a)mdia = 11,4; Md = 12; Mo = 12 b)
X
S
=0,6904; CV = 30,28%
4) Turma B
5) a) amostra B b) r
AB
= 1,0
6) Mo = 129 Md = 136,43 Q
3
=158,75 D
7
= 155
7) a) X
G
= 32,1216 b) X
G
= 42,1495 c) X
H
= 101,69
8)
Variedade Peso de % de Vigor Mdia Mdia Classificao
100 gros germinao Geomtrica
1 0,214 74,25 34,50 36,32 8,18 1
2 0,168 98,00 1,25 33,14 2,74 5
3 0,102 22,00 69,50 30,53 5,38 4
4 0,242 56,00 29,75 28,66 7,39 2
5 0,215 64,75 17,50 27,49 6,25 3
Recomendar as variedades 1 e 4, pela mdia geomtrica.
17