Estatstica

Cursos: Engenharia Civil

UMC Villa Lobos






Prof. Fbio Conte Correia







So Paulo
2011
Sumrio
1 O que estatstica ................................................................................................... 3
1.1 Definies: .......................................................................................................... 3
1.2 Mtodos Cientficos ............................................................................................ 4
1.3 Populao e Amostra ......................................................................................... 5
1.4 Amostragem ....................................................................................................... 5
1.4.1 Variveis ..................................................................................................... 6
2 Tabelas .................................................................................................................... 7
2.1 Sries estatsticas ............................................................................................... 8
2.1.1 Sries histricas, cronolgicas, temporais ou marchas .............................. 8
2.1.2 Sries geogrficas, espaciais, territoriais ou de localizao ....................... 8
2.1.3 Sries especficas ou categricas ............................................................... 9
2.1.4 Sries conjugadas Tabela de dupla entrada ............................................ 9
2.1.5 Distribuio de freqncia ......................................................................... 10
3 Distribuio de freqncia ..................................................................................... 11
3.1 Tabela primitiva ou dados brutos ...................................................................... 11
3.2 ROL .................................................................................................................. 11
3.3 Distribuio de freqncia sem intervalo de classes ........................................ 11
3.4 Distribuio de freqncia com intervalo de classes ........................................ 12
3.4.1 Elementos de uma distribuio de frequncias com intervalos de classe . 13
3.4.1.1 Etapas: Distribuio de Freqncias c/ classe .................................... 14
3.5 Grficos ............................................................................................................ 15
3.5.1 Histogramas .............................................................................................. 15
3.5.2 Polgonos de freqncias .......................................................................... 16
3.5.3 Polgonos de freqncia acumulada ou ogivas ......................................... 17
4 Medidas posio .................................................................................................... 18
4.1 Medidas de tendncia central para dados no agrupados ............................... 18
4.1.1 Mdia Aritmtica Simples .......................................................................... 18
4.1.2 Moda ......................................................................................................... 19
4.1.3 Mediana .................................................................................................... 19
4.2 Medidas de tendncia central para dados agrupados ...................................... 20
4.2.1 Mdia Aritmtica Ponderada ..................................................................... 20
4.2.1.1 Sem intervalo de classes ..................................................................... 20
1

4.2.1.2 Com intervalo de classes ..................................................................... 20
4.2.2 Moda ......................................................................................................... 22
4.2.2.1 Sem intervalo de classes ..................................................................... 22
4.2.2.2 Com intervalo de classes ..................................................................... 22
4.2.3 Mediana .................................................................................................... 23
4.2.3.1 Sem intervalo de classes ..................................................................... 23
4.2.3.2 Com intervalo de classes ..................................................................... 23
4.3 Relao entre a mdia, a mediana e a moda ................................................... 25
4.4 Exerccios. ........................................................................................................ 26
4.5 Separatrizes...................................................................................................... 29
4.5.1 Quartis, Decis e Percentis ......................................................................... 29
4.5.1.1 Calculo para dados no agrupados ..................................................... 29
4.5.1.2 Clculo para dados agrupados ............................................................ 30
5 Mediadas de disperso ou de variabilidade ........................................................... 32
5.1 Amplitude Total ................................................................................................. 32
5.2 Varincia e desvio padro ................................................................................ 33
5.2.1 Dados no agrupados ............................................................................... 34
5.2.2 Dados agrupados sem intervalo de classes .............................................. 35
5.2.3 Dados agrupados com intervalo de classes .............................................. 35
5.3 Coeficiente de variao .................................................................................... 36
6 Correlao e Regresso ........................................................................................ 39
6.1 Correlao linear entre duas variveis ............................................................. 39
6.1.1 Coeficiente de correlao linear ................................................................ 41
6.2 Regresso Linear ............................................................................................. 44
7 Fatorial ....................................................................... Erro! Indicador no definido.
7.1 Nmeros Binomiais ........................................................................................... 53
8 Probabilidade ......................................................................................................... 54
8.1 Experimentos ou fenmenos aleatrios ............................................................ 54
8.2 Espao amostral ............................................................................................... 54
8.3 Eventos ............................................................................................................. 55
8.4 Funo Probabilidade ....................................................................................... 55
8.5 Eventos complementares ................................................................................. 56
8.6 Eventos independentes .................................................................................... 56
2

8.7 Eventos mutuamente exclusivos ...................................................................... 57
8.8 Exerccios ......................................................................................................... 57
9 Distribuio Binomial ............................................................................................. 60


3

1 O que estatstica

1. a cincia da tomada de deciso perante incertezas;
2. Coleta, anlise e interpretao de dados;
3. um kit de ferramentas que ajuda a resolver problemas;
4. Base para a maior parte das decises tomadas quanto ao controle de qualidade,
assim como em quase todas as outras reas da atividade humana moderna.
Vista dessa forma, a Estatstica no deve ser confundida como uma disciplina
isolada, e sim, compreendida como uma ferramenta ou conjunto de ferramentas,
disponvel para a soluo de problemas em diversas reas do conhecimento.

1.1 Definies:

- Processo: qualquer combinao especfica de mquinas, ferramentas,
mtodos, materiais e/ou pessoas empregadas para atingir qualidades
especficas num produto ou servio. Estas qualidades so chamadas de
caractersticas de qualidade.
- Controle: o ciclo de feedback (realimentao) atravs da qual medimos o
desempenho real, comparando-o com o padro, e agimos sobre a diferena.
- Controle Estatstico do processo (CEP): aplicao de tcnicas estatsticas para
medir e analisar a variao nos processos.
- Controle Estatstico da Qualidade (CEQ): aplicao de tcnicas estatsticas para
medir e aprimorar a qualidade dos processos. CEQ inclui CEP, ferramentas de
diagnsticos, planos de amostragem e outras tcnicas estatsticas.

Estatstica Descritiva: sua funo observar fenmenos de mesma natureza, coletar
dados numricos referente a esses fenmenos, organizar e classificar esses dados
observados, alm da sua apresentao por meio de tabelas, diagramas e grficos.
Etapas bsicas:
- Definio do problema;
- Planejamento;
- Coleta de dados;
- Apurao dos dados;
4

- Apresentao dos dados;
- Anlise e interpretao dos dados.

Estatstica Indutiva: um processo de generalizao a partir de resultados obtidos
particulares, isto , a inferncia de propriedades para o todo com base na parte do
particular. O processo de generalizao que caracterstico do mtodo indutivo est
associado a uma margem de erro e para minimizar este grau de incerteza a teoria de
probabilidades ser fundamental para o desenvolvimento da estatstica aplicada.

Estatstica nas empresas
Neste mundo globalizado, a empresa uma das vigas mestras da Economia dos
povos e a Estatstica tem colaborado com os gerentes porque permitem a construo
de ferramentas que do oportunidades a tomada de decises e estimativas, e ainda,
facilitam o trplice trabalho do Administrador de organizar, dirigir e controlar a empresa.

Aplicao na Engenharia e na Administrao
Uma firma que est se preparando para lanar um novo produto precisa
conhecer as preferncias do consumidor no mercado de interesse. Deve-se fazer
pesquisa de mercado entrevistando um nmero de residncias escolhidas
aleatoriamente. Assim, os resultados podem ser usados para estimar as preferncias
da populao.
possvel que em uma comunidade, o consumo de sorvete dependa do:
- preo do produto;
- renda mdia local;
- nmero de crianas na comunidade;
- temperatura mdia;
Atravs da anlise de regresso podem-se determinar quais fatores tm efeitos
mais importantes.

1.2 Mtodos Cientficos

Mtodo um conjunto de meios dispostos convenientemente para se chegar a
um fim que se deseja.
5

Mtodo Experimental: consiste em manter constantes todas as causas (fatores),
menos uma, e variar esta causa de modo que o pesquisador possa descobrir
seus efeitos, caso existam.
Mtodo Estatstico: Admite todas essas causas presentes variando-as,
registrando essas variaes e procurando determinar, no resultado final, que
influncias cabem a cada uma delas.

1.3 Populao e Amostra

Ao conjunto de entes portadores de, pelo menos, uma caracterstica comum
denominamos populao estatstica, universo estatstico ou simplesmente
POPULAO.
Como em qualquer estudo estatstico, temos em mente pesquisar uma ou mais
caractersticas dos elementos de alguma populao, esta caracterstica deve estar
perfeitamente definida. Isso possibilita que afirmemos, sem ambiguidade, se um
elemento pertence ou no populao.
Na maioria das vezes, por impossibilidade ou inviabilidade econmica ou
temporal, limitamos as observaes referentes a uma determinada pesquisa a apenas
uma parte da populao. A essa parte proveniente da populao em estudo
denominamos amostra.
Uma amostra um subconjunto finito de uma populao.
Para as inferncias serem corretas, necessrio garantir que a amostra seja
representativa da populao, isto , a amostra deve possuir as mesmas caractersticas
bsicas da populao, no que diz respeito ao fenmeno que desejamos pesquisar.

1.4 Amostragem

A amostragem uma tcnica especial, que garante, tanto quanto possvel o
acaso da escolha da amostra.
Dessa forma, cada elemento da populao passa a ter a mesma chance de ser
escolhido, o que garante amostra carter de representatividade.
Amostragem casual ou aleatria simples
6

Esse tipo de amostragem equivalente a um sorteio lotrico.
Na prtica, a amostragem casual ou aleatria simples pode ser realizada
enumerando-se a populao de 1 a n e sorteando-se por meio de um dispositivo
aleatrio qualquer, k nmeros dessa seqncia, os quais correspondero aos
elementos pertencentes amostra.
Amostragem proporcional estratificada
Muitas vezes a populao se divide em subpopulaes -- estratos.
Como possvel que a varivel em estudo apresente, de estrato em estrato, um
comportamento heterogneo e, dentro de cada estrato, um comportamento
homogneo, convm que o sorteio dos elementos da amostra leve em considerao
tais estratos.
Amostragem sistemtica
Quando os elementos da populao j se acham ordenados, no h
necessidade de construir o sistema de referncia. So exemplos os pronturios
mdicos de um hospital, os prdios de uma rua, etc...
Nesses casos, a seleo dos elementos que constituiro a amostra pode ser
feita por um sistema imposto pelo pesquisador. A esse tipo de amostragem
denominamos sistemtica.

1.4.1 Variveis

Varivel convencionalmente, o conjunto de resultados possveis de um
fenmeno e cada fenmeno corresponde um nmero de resultados possveis.
Alguns exemplos:
Para o fenmeno sexo, so dois o resultados possveis: sexo masculino e sexo
feminino;
Para o fenmeno nmero de filhos h um nmero de resultados possveis
expresso atravs dos nmeros naturais: 0, 1, 2, 3, ..., n.
7

Uma varivel pode ser:
Qualitativa so as caractersticas que no possuem valores quantitativos, mas,
ao contrrio, so definidas por vrias categorias, ou seja, representam uma
classificao dos indivduos.

- Nominal quando seus valores so expressos por atributos: sexo, cor
da pele, etc.
- Ordinal existe uma ordenao entre as categorias. Ex: escolaridade
(1, 2, 3 graus), estgio da obra (inicial, intermedirio, terminal), ms de
observao (janeiro, fevereiro...).

Quantitativas so as caractersticas que podem ser medidas em uma escala
quantitativa, ou seja, apresentam valores numricos.

- Contnua caractersticas mensurveis que assumem valores em uma
escala contnua (na reta real), para as quais valores fracionais.
Usualmente devem ser medidas atravs de algum instrumento.
Exemplos: peso (balana), altura (rgua), tempo (relgio), presso
arterial, idade
- Discreta caractersticas mensurveis que podem assumir apenas um
nmero finito ou infinito contvel de valores e, assim, somente valores
inteiros. Geralmente o resultado de contagens. Exemplos: nmero de
filhos, nmero de pilares, vigas, nmero de cigarros fumados por dia.
De modo geral, as medies do origem a variveis contnuas e as contagens
ou enumeraes do origem a variveis discretas.
2 Tabelas

Um dos objetivos da Estatstica sintetizar os valores que uma ou mais
variveis podem assumir, para que tenhamos uma viso global da variao dessa ou
dessas variveis.
Tabela um quadro que resume um conjunto de observaes.
8

2.1 Sries estatsticas

Denominamos srie estatstica toda tabela que apresenta a distribuio de um
conjunto de dados estatsticos em funo da poca, do local ou da espcie.
Da, podemos inferir que numa srie estatstica observamos a existncia de trs
elementos ou fatores: o tempo, o espao e a espcie.

2.1.1 Sries histricas, cronolgicas, temporais ou marchas

Descrevem os valores da varivel, em determinado local, discriminados segundo
intervalos de tempo variveis. Exemplo:


2.1.2 Sries geogrficas, espaciais, territoriais ou de localizao

Descrevem os valores da varivel, em determinado instante, discriminados
segundo regies. Exemplo:
9


2.1.3 Sries especficas ou categricas

Descrevem os valores da varivel, em determinado tempo e local, discriminados
segundo especificaes ou categorias. Exemplo:

2.1.4 Sries conjugadas Tabela de dupla entrada

Muitas vezes temos necessidade de apresentar em uma nica tabela, a variao
de valores de mais de uma varivel, isto , fazer uma conjugao de duas ou mais
sries.
10

Conjugando duas sries em uma nica tabela, obtemos uma tabela de dupla
entrada. Em uma tabela desse tipo ficam criadas duas ordens de classificao: uma
horizontal (linha) e uma vertical (coluna). Exemplo:


2.1.5 Distribuio de freqncia

Por se tratar de um conceito estatstico de suma importncia, merecer um
tratamento especial. Exemplo:




11

3 Distribuio de freqncia

Quando da anlise de dados, comum procurar conferir certa ordem aos
nmeros tornando-os visualmente mais amigveis. O procedimento mais comum o de
diviso por classes ou categorias, verificando-se o nmero de indivduos pertencentes
a cada classe. um tipo de tabela que condensa uma coleo de dados conforme as
freqncias (repeties de seus valores).

3.1 Tabela primitiva ou dados brutos

uma tabela ou relao de elementos que no foram numericamente
organizados. difcil formarmos uma idia exata do comportamento do grupo como um
todo, a partir de dados no ordenados.
Ex : 45, 41, 42, 41, 42 43, 44, 41 ,50, 46, 50, 46, 60, 54, 52, 58, 57, 58, 60, 51
3.2 ROL
a tabela obtida aps a ordenao dos dados (crescente ou decrescente).
Ex : 41, 41, 41, 42, 42 43, 44, 45 ,46, 46, 50, 50, 51, 52, 54, 57, 58, 58, 60, 60
3.3 Distribuio de freqncia sem intervalo de classes

a simples condensao dos dados conforme as repeties de seus valores.
Para um ROL de tamanho razovel esta distribuio de freqncia inconveniente, j
que exige muito espao. Veja exemplo abaixo:
Ex1. Um dado foi lanado 15 vezes, obtendo-se os seguintes pontos: 2, 5, 6, 6,
1, 4, 2, 6, 5, 1, 3, 3, 2, 4, 6. Construa uma tabela de distribuio de freqncias
absolutas, acumuladas e relativas.
Dados
(x
i
)
Frequncia
absoluta
(f
i
)
Freq. absoluta
acumulada
(f
ac
)
Freq. Relativa
(f
r
)%
Freq. Relativa
acumulada
(f
r ac
)%
1 2 2 13,33% 13,33%
2 3 5 20,00% 33,33%
3 2 7 13,33% 46,66%
4 2 9 13,33% 59,99%
5 2 11 13,33% 73,32%
6 4 15 26,68% 100%
Total 15

100%
12

Frequncia absoluta Nmero de vezes que a varivel x
i
se repete

Frequncia absoluta acumulada a frequncia atual somada s frequncias
anteriores

Frequncia Relativa a relao entre a frequncia absoluta e o numero de
elementos da populao estatstica.

Ex2. Um condomnio possui 25 apartamentos, sendo que esses apartamentos
possuem reas (m
2
) diferentes. Seguem os valores das reas dos apartamentos: 50,
65, 59, 62, 68, 72, 53, 60, 59, 65, 70, 75, 50, 53, 60, 70, 50, 50, 59, 53, 65, 68, 50, 53,
75. Construa uma tabela de distribuio de freqncias absolutas, acumuladas e
relativas.
x
i
f
i
f
ac
f
r
f
r
% f
r ac
f
r ac
%
50 5 5 0,20 20% 0,20 20%
53 4 9 0,16 16% 0,36 36%
59 3 12 0,12 12% 0,48 48%
60 2 14 0,08 8% 0,56 56%
62 1 15 0,04 4% 0,60 60%
65 3 18 0,12 12% 0,72 72%
68 2 20 0,08 8% 0,80 80%
70 2 22 0,08 8% 0,88 88%
72 1 23 0,04 4% 0,92 92%
75 2 25 0,08 8% 1,00 100%
Total 25

1,00 100%


3.4 Distribuio de freqncia com intervalo de classes

Quando o tamanho da amostra elevado, mais racional efetuar o
agrupamento dos valores em vrios intervalos de classe.

Ex3. O tempo de cura em minutos de um determinado cimento foi de 45, 41, 42,
41, 42 43, 44, 41, 50, 46, 50, 46, 60, 54, 52, 58, 57, 58, 60, 51, construa a tabela de
distribuio de frequncias.

13

Dados
(x
i
)
Frequncia
absoluta
(f
i
)
Freq. absoluta
acumulada
(f
ac
)
Freq. Relativa
(f
r
)%
Freq. Relativa
acumulada
(f
r
)%
41 3 3 15% 15%
42 2 5 10% 25%
43 1 6 5% 30%
44 1 7 5% 35%
45 1 8 5% 40%
46 2 10 10% 50%
50 2 12 10% 60%
51 1 13 5% 65%
52 1 14 5% 70%
54 1 15 5% 75%
57 1 16 5% 80%
58 2 18 10% 90%
60 2 20 10% 100%
Total 20 100%

3.4.1 Elementos de uma distribuio de frequncias com intervalos de classe

Classes Freqncias
41 |------- 45 7
45 |------- 49 3
49 |------- 53 4
53 |------- 57 1
57 |------- 61 5
Total 20


- Classe: so os intervalos de variao da varivel e simbolizada por i e o
nmero total de classes simbolizada por k.
Ex: na tabela anterior k = 5 e 49 |------- 53 so a 3 classe, onde i = 3.

- Limites de classe: so os extremos de cada classe. O menor nmero o limite
inferior de classe (li) e o maior nmero, limite superior de classe ( Li ).
Ex: em 49 |------- 53,... l
3
= 49 e L
3
= 53.
O smbolo |------- representa um intervalo fechado esquerda e aberto direita.
O dado 53 do ROL no pertence classe 3 e sim classe 4 representada por
53 |------- 57.

14

- Amplitude do intervalo de classe: obtida atravs da diferena entre o limite
superior e inferior da classe e simbolizada por hi = Li - li. Ex: na tabela
anterior hi = 53 - 49 = 4. Obs: Na distribuio de freqncias c/ classe o hi
poder ser igual em todas as classes.

- Amplitude total da distribuio: a diferena entre o limite superior da ltima
classe e o limite inferior da primeira classe. AT = L(max) - l(min). Ex: na tabela
anterior AT = 61 - 41= 20.

- Amplitude total da amostra (rol): a diferena entre o valor mximo e o valor
mnimo da amostra (ROL). Onde AA = Xmax - Xmin. Em nosso exemplo AA =
60 - 41 = 19.
Obs: AT sempre ser maior que AA.

- Ponto mdio de classe (
i
): o ponto que divide o intervalo de classe em
duas partes iguais.
Ex: em 49 |------- 53 o ponto mdio x
3
= (53+49)/2 = 51, ou seja x
3
=( l
3
+ L
3
)/2.

3.4.1.1 Etapas: Distribuio de Freqncias c/ classe

1 - Organize os dados brutos em um ROL.
2 - Calcule a amplitude amostral AA No nosso exemplo: AA = 60 - 41 = 19
3 - Calcule o nmero de classes atravs da "Regra de Sturges" K ~ 1 +
3,3*log n. Onde K o nmero de classes e n o nmero total de dados, ou pelo Critrio
da Raiz
Obs: Qualquer regra para determinao do n de classes da tabela no nos
levam a uma deciso final; esta vai depender, na realidade, de um julgamento pessoal,
que deve estar ligado natureza dos dados.
No nosso exemplo: n = 20 dados, ento a regra sugere a adoo de 5 classes.
4 - Decidido o n de classes, calcule ento a amplitude do intervalo de
classe h > AA / k. No nosso exemplo: AA/k = 19/5 = 3,8 . Obs: Como h > AA/k um valor
ligeiramente superior para haver folga na ltima classe. Utilizaremos ento h = 4
15

5 - Temos ento o menor n da amostra, o n de classes e a amplitude do
intervalo. Podemos montar a tabela, com o cuidado para no aparecer classes com
freqncia = 0 (zero).
No nosso exemplo: o menor n da amostra = 41 + h = 45, logo a primeira classe
ser representada por
41 |------- 45. As classes seguintes respeitaro o mesmo procedimento.
A classe seguinte sempre ter como primeiro elemento o limite superior da
classe anterior.
Ex4. Utilizando os dados do exerccio 3 (45, 41, 42, 41, 42 43, 44, 41, 50, 46, 50,
46, 60, 54, 52, 58, 57, 58, 60, 51) Construa a tabela de distribuio de frequncias com
intervalo de classes.

Tempo de cura do cimento X
Classes xi fi fac fr fr% frac frac%
41---45 43 7 7 0,35 35 0,35 35
45---49 47 3 10 0,15 15 0,5 50
49---53 51 4 14 0,2 20 0,7 70
53---57 55 1 15 0,05 5 0,75 75
57---61 59 5 20 0,25 25 1 100


3.5 Grficos

Os principais grficos utilizados na representao de distribuio de freqncias
so:
histograma e polgono de freqncia;
ogiva ou polgono de freqncia acumulada.

3.5.1 Histogramas

um conjunto de retngulos com bases sobre um eixo dividido de acordo com
os tamanhos de classe, centro nos pontos mdio das classes e reas proporcionais s
freqncias.
Utilizando os dados do obtidos no EX4 montamos o histograma abaixo.
16








3.5.2 Polgonos de freqncias

um grfico que se obtm unindo por uma poligonal os pontos correspondentes
s freqncias das diversas classes, centradas nos respectivos pontos mdios (x
i
).
Para obter as intersees do polgono com o eixo, cria-se em cada extremo do
histograma uma classe com freqncia nula.
Utilizando os dados do obtidos no EX4 montamos o polgono de freqncia.


0
1
2
3
4
5
6
7
8
Tempo de cura do cimento X
41 45 49 53 57 61
0
1
2
3
4
5
6
7
8
39 41 43 45 47 49 51 53 55 57 59 61 63
F
r
e
q
u

n
c
i
a

Tempo de cura (min)
F
r
e
q
u

n
c
i
a

Tempo de cura (min)
Tempo de cura do cimento X
17

3.5.3 Polgonos de freqncia acumulada ou ogivas

o grfico representativo de uma distribuio acumulada de freqncias. uma
poligonal ascendente. No eixo horizontal colocam-se as extremidades de classe e no
eixo vertical as freqncias acumuladas.
Note que a freqncia acumulada relacionada com o limite inferior da primeira
classe sempre zero.
Ao contrrio do polgono de freqncia, a ogiva de freqncias acumuladas
utiliza os pontos extremos
Utilizando os dados do obtidos no EX4 montamos o polgono de freqncia
acumulada.








0
5
10
15
20
25
39 41 43 45 47 49 51 53 55 57 59 61 63
F
r
e
q
u

n
c
i
a

Tempo de cura (min)
Tempo de cura do cimento X
18

4 Medidas posio

So as estatsticas que representam uma srie de dados orientando-nos quanto
posio da distribuio em relao ao eixo horizontal do grfico da curva de
freqncia. As medidas de posio mais importantes so:
Medidas de tendncia central
Verifica-se uma tendncia dos dados observados a se agruparem em torno dos
valores centrais.
As medidas de tendncia central mais utilizadas so: mdia aritmtica, moda e
mediana. Outros menos usados so as mdias: geomtrica, harmnica, quadrtica,
cbica e biquadrtica.
Separatrizes
Que englobam: a prpria mediana, os decis, os quartis e os percentis.


4.1 Medidas de tendncia central para dados no agrupados

4.1.1 Mdia Aritmtica Simples

A mdia aritmtica simples ( x ) dos valores x
1
, x
2
, x
3,....
x
n
o quociente entre a
soma desses valores e o seu nmero total (N):
x =
N
x
n
i
i
=1
ou seja: x =
N
x x x
n
...
2 1
+ +

Ex5: Uma loja de materiais de construo vendeu as seguintes quantidades de
caixas de pisos durante certa semana. Calcule a mdia dessas vendas

2. feira 3. feira 4. feira 5. feira 6. feira sbado
22 23 22 27 25 13

x =
6
13 25 27 22 23 22 + + + + +
x =
6
132
x = 22

19

4.1.2 Moda

Moda de um conjunto de valores o valor que aparece o maior nmero de
vezes, ou seja a caracterstica com maior freqncia absoluta.
Na seqncia anterior 28, 37, 37, 37, 40,41, 41,43, 44, 45 a moda ser o nmero
37.

4.1.3 Mediana

o valor que ocupa a posio central de um conjunto de valores, colocados em
ordem crescente ou decrescente de grandeza. Devemos, portanto, considerar duas
situaes: o nmero de valores par ou, o nmero de valores impar.

O nmero de dados impar
M
d
= x
p
onde p
n
=
+1
2
(p = posio) ou

EX7. As nove classes de 1 Ano de engenharia tm respectivamente: 37, 28,
40,41,45,37,37, 41 e 44 alunos. Calcule a mediana.
p
n
=
+1
2
p
2
1 9 +
= = 5
Portanto a mediana ocupar a 5 posio = 40.

28, 37, 37, 37, 40, 41, 41, 44, 45

O nmero de dados par

M
x x
d
p p
=
+
+1
2
onde p
n
=
2
.

Neste caso a mediana a Mdia Aritmtica dos dois termos centrais.
20

Ex8. As dez classes de 1. Ano de engenharia tm respectivamente: 37, 28,
40,41,45,37,37, 41, 43 e 44 alunos. Calcule a mediana.
Ordenando aos dados temos: 28, 37, 37, 37, 40, 41, 41,43, 44, 45
p
n
=
2
= 10/2 = 5
M
d
=

2
) (
1 5 5 +
+ x x

2
41 40
M
d
+
= M
d
= 40,5

4.2 Medidas de tendncia central para dados agrupados

4.2.1 Mdia Aritmtica Ponderada

4.2.1.1 Sem intervalo de classes

A mdia aritmtica Ponderada difere da Mdia Aritmtica Simples, pois alguns
dos valores x
1
, x
2
, x
3,...
, x
n
se repetem como podemos ver no exemplo abaixo.
EX6. A Tabela abaixo representa o nmero de falhas em um determinado
processo em uma indstria qumica.
x
i
f
i
0 2
1 6
2 10
3 12
4 4
34
3 , 2
34
78
.
= = =

i
i i
f
f x
x


4.2.1.2 Com intervalo de classes

Neste caso, convencionamos que todos os valores includos em um determinado
intervalo de classe coincidem com o seu ponto mdio ( i x ), e determinamos a mdia
aritmtica ponderada por meio da frmula:
21

i
i i
f
f x .

ou seja
n
n n
f f f
f x f x f x
x
...
... .
2 1
2 2 1 . 1
+ +
+ +
=


Ex7. O quadro de distribuio de freqncias representa os salrios mensais de
40 empregados de uma firma. Calcule o salrio mdio mensal desses empregados.

Classe em Reais
X10
Ponto Mdio da classe
(
i
x )
Freq.
(f
i
)
[180,200[ 190 4
[200,220[ 210 18
[220,240[ 230 10
[240,260[ 250 5
[260,280[ 270 3



40
810 1750 2300 3780 760 + + + +
= x


40
8900
= x x = 222,50 x = 222,50 x 10 = R$2.225,00

Ex8. Calcular a altura mdia de uma srie de pilares de uma obra, conforme a
tabela abaixo.

Altura (cm) - x
i
Freqncia - f
i
Ponto mdio
i
x
i
. f
i
50 |------------ 54 4 52 208
54 |------------ 58 9 56 504
58 |------------ 62 11 60 660
62 |------------ 66 8 64 512
66 |------------ 70 5 68 340
70 |------------ 74 3 72 216
Total 40 2.440
Aplicando a frmula acima temos: 2.440 / 40.= 61, logo... = 61 cm

3 5 10 18 4
270 . 3 250 . 5 230 . 10 210 . 18 190 . 4
+ + + +
+ + + +
= x
22

4.2.2 Moda

4.2.2.1 Sem intervalo de classes

Neste caso basto fixar o valor da varivel de maior frequncia
Temperaturas C x
i
f
i
0 3
1 9
2 12
3 6
4 5
34
2 C temperatura modal, pois a de maior frequncia.

4.2.2.2 Com intervalo de classes

Neste caso o modo mais simples achar a classe modal e calcular o ponto
mdio dessa classe.
Classe f
i
54 |------------ 58 9
58 |------------ 62 11
62 |------------ 66 8
66 |------------ 70 5
Total 33

A classe Modal 58 |------------ 62, pois a classe de maior frequncia, e o ponto
mdio dessa classe (58+62)/2 60
H tambm um mtodo mais elaborado no qual utiliza a seguinte formula:

23

4.2.3 Mediana

4.2.3.1 Sem intervalo de classes
Impar
Temperaturas C x
i
f
i
f
ac
0 2 2
1 6 8
2 9 17
3 13 30
4 5 35
35
2
1 +
=
n
p impar n

=(35+1)/2 18 termo equivale a 3
Par
Temperaturas C x
i
f
i
f
ac
0 2 2
1 6 8
2 9 17
3 13 30
4 4 34
34

+
=
+
2
1 p p
d
x x
M

p
n
=
2

M
d
=

2
) (
1 17 17 +
+ x x

Nesse caso ento sero a mdia entre os valores da posio 17 e 18, 2 e 3
respectivamente
5 , 2
2
3 2
=
+


4.2.3.2 Com intervalo de classes

Nesse caso devemos seguir os seguintes passos:
1) Determinamos as freqncias acumuladas;
2) Calculamos f
i
/2 ;
3) Marcamos a classe correspondente freqncia acumulada imediatamente
superior f
i
/2 . Tal classe ser a classe mediana;
24

4) Calculamos a Mediana pela seguinte frmula:

onde: l
i
o limite inferior da classe mediana.
F(ant) a freqncia acumulada da classe anterior a classe mediana
h a amplitude do intervalo da classe mediana
f
i
a freqncia do intervalo da classe mediana
classes freqncia = fi Freqncia acumulada
50 |------------ 54 4 4
54 |------------ 58 9 13
58 |------------ 62 11 24
62 |------------ 66 8 32
66 |------------ 70 5 37
70 |------------ 74 3 40
total 40

, logo.a classe mediana ser 58 |------ 62.

l
i
= 58 ; F(ant) =13 ; f
i
= 11 e h = 4 , Substituindo esses valores na frmula, obtemos:

No caso de

acontecer, a mediana ser o limite superior da classe correspondente

EX9. Calcule a mediana


8
18
29
45
58
63
64


25

, logo.a classe mediana ser 750 |------ 850.

l
i
= 750 ; F(ant) =29 ; f
i
= 16 e h = 100 , Substituindo esses valores na frmula, obtemos:

No caso de

acontecer, a mediana ser o limite superior da classe correspondente

4.3 Relao entre a mdia, a mediana e a moda

Para os dados agrupados representados por uma curva de freqncia, as
diferenas entre os valores da mdia, da mediana e da moda so indicadores da forma
da curva em termos de assimetria. Para uma distribuio unimodal simtrica, a mdia,
a mediana e a moda so, todas, coincidentes em valor Para uma distribuio
positivamente assimtrica, a mdia apresenta o valor mais elevado, enquanto a
mediana maior do que a moda, mas menor do que a mdia. Para uma distribuio
negativamente assimtrica, a mdia apresenta o menor valor e a mediana se encontra
abaixo da moda, mas acima da mdia.


Moda
Mdia
Mediana
Moda
(a) Simtrica (b) Positivamente
assimtrica
(c) Negativamente
assimtrica
26

4.4 Exerccios.

1) Calcular a mdia a moda e a mediana dos seguintes valores:
27,27,30,30,30,30,30,32,32,32.
x
=
30
M
d
=
2
) (
1 5 5 +
+ x x

2
) (
1 5 5 +
+ x x
=
2
30 30 +
= 30


M
o
= 30

2) Calcular a mdia a moda e a mediana dos seguintes valores: 13,5; 13,5; 17,23;
35,003; 45,72; 63,601; 37,13; 13,5; 52,13

x
= 32,368

M
d
- Organizar os dados em ordem crescente
M
d
= x
p
onde p
n
=
+1
2
(p = posio) p=5 M
d
= 35,003; M
o
= 13,500
Posio
(p)
Valores
(x
i
)
1 13,500
2 13,500
3 13,500
4 17,230
5 35,003
6 37,130
7 45,720
8 52,130
9 63,601

3) A tabela nos d uma distribuio de freqncias. Calcule a mdia dessa
distribuio. Resp. 22,9
x
i
f
i
x
i
* f
i
10 8 80
20 11 220
30 7 210
40 5 200
Total 31 710
27

4) Foi feita uma pesquisa para saber o nmero de acidente que cada um dos 30
operrios de uma obra j sofreram, obteve-se o seguinte quadro. Calcule a mdia, a
mediana e a moda.
0 2 3 2 1 2 2 1 1 2 1 2 0 1 2
0 2 2 3 4 2 3 1 3 2 5 2 4 4 2

Organizando os dados temos:
Nmero acidentes (x
i
) Freq.(f
i
) (x
i
)*(f
i
) f
ac
0 3 0 3
1 6 6 9
2 13 26 22
3 4 12 26
4 3 12 29
5 1 5 30
Total 30 61


x
= 61/30= 2,033 acidentes


M
d
=

2
) (
16 15
x x +

=
2
2 2 +


= 2



M
o
= 2



5) No quadro abaixo temos as idades dos 20 alunos que estudam na 2. Srie do
Ensino Mdio de uma Escola. Faa um quadro completo de distribuio de freqncias.
Calcule a mdia dessa seqncia. Resp:
x
= 15,45

15 15 14 16 16 16 17 16 14 15
15 15 16 16 16 17 16 15 14 15


6) Utilizando os dados do EX2 (50, 65, 59, 62, 68, 72, 53, 60, 59, 65, 70, 75, 50, 53, 60,
70, 50, 50, 59, 53, 65, 68, 50, 53, 75). Construa uma tabela de distribuio de
frequncia com intervalo de classes e calcule a mdia, a moda e a mediana



28

1 Calcular a amplitude total AA = 75-50= 25
2 Calcular o numero de classes K= 1+3,3*log25 = 5,6 5
3 Calcular a Amplitude do intervalo A
i
= AA/k = 5
Obs confirmar se pode l
i
+( A
i
* K) L
s
50+25 75 75 75 OK.

4 Calcular os intervalos:

Classes x f
i
f
ac
f
r
f
rac
50 --- 55 52,50 9 9 0,36 0,36
55 --- 60 57,50 3 12 0,12 0,48
60 --- 65 62,50 3 15 0,12 0,60
65 --- 70 67,50 5 20 0,20 0,80
70 --- 75 72,50 5 25 0,20 1,00
Total

25

1

5 Calculo da mdia = 1532,5/25 = 61,3
Classes
x
f
i
f
ac
x
*
f
i
50 --- 55 52,50 9 9
472,5

55 --- 60 57,50 3 12
172,5

60 --- 65 62,50 3 15
187,5

65 --- 70 67,50 5 20
337,5

70 --- 75 72,50 5 25
362,5

Total

25

1532,5

6 Calculo da mediana
f
i
/2 20/2 = 10
Classe onde a f
ac
imediatamente superior a f
i
/2 essa ser a classe da
mediana : 55 --- 60
Usando a formula : M
d
= l
i
* + [( f
i
/2 - F
ant
) . h*] / f
i
*
M
d
= 55 + [( 10 9 ) * 5] / 3 = 56,66

29

4.5 Separatrizes

4.5.1 Quartis, Decis e Percentis

So valores que ocupam determinados lugares de uma srie.
Seus empregos so para anlise, assim como a mediana, sendo que esta divide
a distribuio em duas partes iguais, os quartis em 4, os decis em 10 e os percentis em
100 partes iguais. Pode-se ento dizer, de modo geral, que so valores de posio de
uma distribuio e que servem para o auxlio de comparao. Os processos de clculo
de seus valores so idnticos aos da mediana.
4.5.1.1 Calculo para dados no agrupados



EX10. Amostra ordenada: 6, 7, 15, 36, 39, 40, 41, 42, 43, 47, 49

Q1= 1(11+1)/4 = 3 posio

= 15
Q2= 2(11+1)/4 = 6 posio = 40
Q3= 3(11+1)/4 = 9 posio

= 43

Ex11. Calcular os quartis da seguinte srie:

O primeiro quartis (Q1) abrange 25% dos termos da srie, o segundo quartil (Q2)
50% = Me o terceiro quartil (Q3) 75%.

30

4.5.1.2 Clculo para dados agrupados

O processo a ser empregado o mesmo que para o clculo da mediana,
bastando apenas no clculo das posies (P) considerarem os denominadores, 4, 10 e
100, respectivamente, para os quartis, decis e percentis.

Sendo k o nmero de ordem do quartil, do decil ou do percentil

EX12. Calcular os quartis na seguinte srie estatstica










31

EX13. Calcular os quartis na seguinte srie estatstica



















EX13. Calcular o oitavo percentil na seguinte srie estatstica abaixo.

K=8

, logo a classe do percentil ser 1.

l
i
=150; F(ant) = 0; h=4; f
i
=4
32

5 Mediadas de disperso ou de variabilidade

Visam descrever os dados no sentido de informar o grau de disperso ou
afastamento dos valores observados em torno de um valor central (mdia). Informa se
um conjunto de dados homogneo (pouca variabilidade) ou heterogneo (muita
variabilidade).
Medidas de disperso ento medem o afastamento dos valores observados em
relao a uma medida de tendncia central (normalmente em relao a mdia
aritmtica).

Ex 14. Desejamos compara o desempenho de dois grupos, com base em um teste
em uma prova do MEC:

Grupo A { 70; 71; 69; 70; 70 }
Grupo B { 55; 80; 70; 62; 83 }

Calculando a mdia para cada um dos grupos vamos obter

a
=70

e

b
=70
Baseado nestes resultados, diramos que ambos os grupos apresentam a mesma
performance. Mas, observando mais detalhadamente os dados, notamos que as notas
do grupo A variam apenas de 69 a 71, ao passo que as de B variam de 55 a 83, o que
revela que o desempenho de A bem mais uniforme que o de B.
Para avalia quantitativamente o grau de variabilidade ou disperso de um grupo de
valores utilizamos ento as medidas de disperso, onde as principais medidas so: a
amplitude total, a varincia, o desvio padro e o coeficiente de variao de Pearson.

5.1 Amplitude Total

a diferena entre o maior e o menor valor observado
Sem Intervalo Com intervalo de classes
AT = X
max
X
min
AT = L
(Mx)
l
(Mn)


Quanto maior for amplitude, maior ser disperso ou variabilidade dos valores
da varivel
33

5.2 Varincia e desvio padro

A varincia e o desvio padro so medidas que levam em considerao a
totalidade dos valores da varivel em estudo, o que faz delas ndices de variabilidade
bastante estveis e, por isso mesmo, os mais geralmente utilizados.
A varincia baseia-se nos desvios em torno da mdia aritmtica, porm
determinado a mdia aritmtica dos quadrados dos desvios, representamos a varincia
por s
2
.


O desvio padro o valor positivo da raiz quadrada da varincia absoluta.
uma medida estatstica que representa, em mdia, os afastamentos, em valores
absolutos, dos elementos observados em relao a respectiva mdia aritmtica. uma
medida estatstica que dada na unidade da medida utilizada:

Em geral a mdia aritmtica () um numero fracionrio o que torna pouco
prtico o calculo das quantidades de

.
Podemos simplificar os clculos fazendo a seguinte igualdade:

Substituindo na formula do desvio padro temos:

34

5.2.1 Dados no agrupados

EX 15.



EX16.




EX17. Com os seguintes valores 8; 10; 11; 15; 16; 18, calcule o desvio padro:

(X
i
) (X
i
)
2
8 64
10 100
11 121
15 225
16 256
18 324
= 78 =1090

35

5.2.2 Dados agrupados sem intervalo de classes

EX18.


x
i
f
i
x
i
*f
i
(x
i
) f
i
(x
i
)
2
0 2 0 0 2,1 = 2,1 2*4,41= 8,82
1 6 6 1 2,1 = 1,1 6*1,21= 7,26
2 12 24 2 2,1 = 0,1 12*0,01= 0,12
3 7 21 3 2,1= 0,9 7*0,81=5,67
4 3 12 4 2,1 = 1,9 3*3,61=10,83
= 30 = 63 = 32,70

5.2.3 Dados agrupados com intervalo de classes

EX19.
Altura (cm) - x
i
f
i

x
i
*f
i
(x
i
)

f
i
(x
i
)
2

150 |------ 154 4 152 608 152-161 = - 9 4*81
154 |------ 158 9 156 1404 -5 9*25
158 |------ 162 11 160 1760 -1 11*1
162 |------ 166 8 164 1312 3 8*9
166 |------ 170 5 168 840 7 5*49
170 |------ 174 3 172 516 11 3*121
Total 40 6.440 1240

cm
36

5.3 Coeficiente de variao

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

EX.20 Tomemos os resultados das medidas das estaturas e dos pesos de um mesmo
grupo de indivduos:

Temos:

Logo, nesse grupo de indivduos, os pesos apresentam maior grau de disperso
que as estaturas.

Ex.21 Para os dados abaixo calcule a varincia e o desvio padro

a) 1,3,5,9
b) 17,9; 22,5; 13,3; 16,8; 15,4; 14,2
c) 26, 14, 15, 19, 21, 22, 20
d) -10, -6, 2, 3, 7, 9, 10
R: a) 2,96; b) 3,016; c) 2,81; d) 7,04
37

Ex.22 Calcule o desvio padro das distribuies abaixo:
(R: a) 1,51; b) 0,159)



EX.23 Dada a distribuio relativa a 100 lanamentos de 5 moedas simultaneamente
calcule o desvio padro:
(R: 1,13)


EX.24 Calcule o desvio padro da distribuio:
(R: 4,5)


EX.25 Calcule o desvio padro das distribuies de freqncia abaixo:
(R: a) 2,43; b) 8,8 cm; c) R$ 229; d) 9,93 kg).




38



EX26. Sabendo que um conjunto de dados apresenta para mdia aritmtica e para
desvio padro, respectivamente, 18,3 e 1,47, calcule o coeficiente de variao.
(R:8,02%).

EX27. Em uma obra A, foram inspecionadas 150 barras de ferro e mdia foi 7,8 cm e o
desvio padro, 0,80 cm. Em outra obra B, entretanto, a mdia foi de 7,3 cm e o desvio
padro, 0,76. Em qual obra houve uma maior a disperso?
(R: Obra B)

EX28. Medidas as estaturas de 1.017 indivduos, obtivemos x = 162,2 cm e s = 8,01
cm. O peso mdio desses mesmos indivduos 52 kg, com um desvio padro de 2,3
kg. Esses indivduos apresentam maior variabilidade em estatura ou em peso?
(R:estatura)

39

6 Correlao e Regresso

Nos mtodos estatsticos precedentes consideramos sempre a existncia de uma
nica varivel de interesse, porm vrios problemas no trabalho estatstico, todavia,
envolvem muitas variveis. Veremos agora dois mtodos estatsticos para lidar com
este tipo de problema. Faremos nosso estudo com o caso mais simples em que temos
apenas duas variveis de interesse.

6.1 Correlao linear entre duas variveis

Avaliar se existe associao entre duas caractersticas quantitativas objetivo de
muitos estudos em diversas reas. Um ecologista pode estar interessado em saber, por
exemplo, se h associao entre a quantidade de chumbo medida na gua e o volume
de dejetos despejados em determinado rio; um mdico pode querer avaliar se a
presso arterial est relacionada idade das pessoas. Quando se pode demonstrar
que existe associao entre duas variveis quantitativas, isto , quando se constata
que elas variam juntas, diz-se que as variveis esto correlacionadas.

Ex29. Consideremos uma amostra aleatria, formada por dez dos 98 alunos de
uma classe da faculdade A e pelas notas obtidas por eles em Matemtica e Estatstica:

Representando, em um sistema coordenado cartesiano ortogonal, os pares
ordenados (x, y), obtemos uma nuvem de pontos que denominamos diagrama de
40

disperso. Esse diagrama nos fornece uma idia grosseira, porm til, da correlao
existente:


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



Como a correlao em estudo tem como "imagem" uma reta ascendente, ela
chamada correlao linear positiva.
Assim, uma correlao :
a. linear positiva se os pontos do diagrama tm como "imagem" uma reta
ascendente;
b. linear negativa se os pontos tm como "imagem" uma reta descendente;
41

c. no-linear se os pontos tm como "imagem" uma curva .
Se os pontos apresentam-se dispersos, no oferecendo uma "imagem" definida,
conclumos que no h relao alguma entre as variveis em estudo .
Temos, ento:

6.1.1 Coeficiente de correlao linear

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

Onde n o nmero de observaes. Os valores limites de r so -1 e + 1, isto , o
valor de r pertence ao intervalo [-1, +1].
Assim:
se r = + 1, h uma correlao perfeita e positiva entre as variveis;
se r = -1, h uma correlao perfeita e negativa entre as variveis;
se r = 0, ou no h correlao entre as variveis, ou a relao que porventura
exista no linear.

42

Para podermos tirar algumas concluses significativas sobre o comportamento
simultneo das variveis analisadas, necessrio que:
0,6 I r I 1
Se 0,3 I r I 0,6, h uma correlao relativamente fraca entre as variveis.
Se 0 < I r I < 0,3, a correlao muito fraca e, praticamente, nada podemos
concluir sobre a relao entre as variveis em estudo.

EX29. Vamos, ento, calcular o coeficiente de correlao relativo tabela dada.O
modo mais prtico para obtermos r abrir, na tabela, colunas correspondentes aos
valores de x.y., x
2
e y
2
. Assim:



Resultado que indica uma correlao linear positiva altamente significativa entre as
duas variveis.




43

Ex 30. Calcule o coeficiente de correlao para os valores das variveis X
i
e Y
i

abaixo:







A correlao linear entre as variveis X e Y positiva, porm fraca.

EX31. Um grupo de pesquisadores fez uma avaliao do peso aparente de alguns
objetos. Com o peso real e a mdia dos pesos aparentes, dados pelo grupo, obteve-se
a tabela:


Com os dados apresentados calcule o ndice de correlao:

X
i
Y
i
X
i
*Y
i
X
i
2
Y
i
2

18 10 180 324 100
30 23 690 900 529
42 33 1386 1764 1089
62 60 3720 3844 3600
73 91 6643 5329 8281
97 98 9506 9409 9604
120 159 19080 14400 25281
442 474 41205 35970 48484


X
i
Y
i
X
i
*Y
i
X
i
2
Y
i
2
4 12 48 16 144
6 10 60 36 100
8 8 64 64 64
10 12 120 100 144
12 14 168 144 196
40 56 460 360 648

44

6.2 Regresso Linear

Sempre que desejamos estudar determinada varivel em funo de outra,
fazemos uma anlise de regresso.
Podemos dizer que a anlise de regresso tem por objetivo descrever, atravs de
um modelo matemtico, a relao entre duas variveis, partindo de n observaes das
mesmas.
A varivel sobre a qual desejamos fazer uma estimativa recebe o nome de
varivel dependente e a outra recebe o nome de varivel independente.
Assim, supondo X a varivel independente e Y a dependente, vamos procurar
determinar o ajustamento de uma reta relao entre essas variveis, ou seja, vamos
obter uma funo definida por:
Y = aX + b

Onde os parametros a e b podem ser obtidos pelas formula:

Exemplo: Dada a tabela abaixo:

45

Para traarmos a reta no grfico basta determinar dois pontos:
X=0 Y=0,89
X=5 Y=5,19


EX32. Com os dados abaixo faa o ajustamento de uma reta.

X
i
Y
i
X
i
*Y
i
X
i
2

2 30 60 4
4 25 100 16
6 22 132 36
8 18 144 64
10 15 150 100
12 11 132 144
120 159 19080 14400
56 131 858 560


EX33. A tabela abaixo apresenta a produo de uma indstria:


Calcule:
a. o coeficiente de correlao;
b. a reta ajustada;
c. a produo estimada para 1989.

46

X
i
Y
i
X
i
*Y
i
X
i
2
Y
i
2

0 34 0 0 1156
1 36 36 1 1296
2 36 72 4 1296
3 38 114 9 1444
4 41 164 16 1681
5 42 210 25 1764
6 43 258 36 1849
7 44 308 49 1936
8 46 368 64 2116
36 360 1530 204 14538


c)

a)

b)



47

7 Analise combinatria

7.1 Fatorial

Seja n um nmero natural, tal que n>2. Denomina-se fatorial de n e representado
por n! o produto de todos os nmeros naturais de n a 1, ou seja:
- Para n e N e n > 2,
1 2 )... 2 )( 1 ( ! = n n n n

- Para n=1 e n=0 define-se n!=1, isto

1!=1 e 0!=1

Na utilizao da calculadora podemos observar a existncia de uma tecla n!,
para a realizao do clculo fatorial. Vamos analisar alguns exemplos:

a)
120 1 2 3 4 5 ! 5 = =

b)
40320 ! 5 6 7 8 1 2 3 4 5 6 7 8 ! 8 = = =

c)
800 628 3 ! 8 9 10 ! 10 = =

Em probabilidade, muitas vezes devemos calcular expresses como

, e para
calcul-la devemos recorrer a seguinte simplificao:
336 6 7 8
! 5
! 5 6 7 8
! 5
! 8
= =

=


De um modo geral, podemos escrever:

... )! 2 )( 1 ( )! 1 ( ! = = = n n n n n n






48

7.2 Princpio fundamental da contagem PFC

Suponhamos que uma ao seja constituda de duas etapas sucessivas. A
primeira etapa pode ser realizada de p maneiras distintas. Para cada uma dessas
possibilidades, a 2 etapa pode ser realizada de q maneiras distintas. Ento, o nmero
de possibilidades de se efetuar a ao completa dado por p x q.

EX1. No Brasil as placas dos veculos so confeccionadas usando-se 3 letras do
alfabeto e 4 algarismos. Qual o nmero mximo de veculos que poder ser licenciado?
Imaginemos a seguinte situao: Placa ACD 2172.
Como o alfabeto possui 26 letras e nosso sistema numrico possui 10 algarismos
(de 0 a 9), podemos concluir que: para a 1 posio, temos 26 alternativas, e como
pode haver repetio, para a 2, e 3 tambm teremos 26 alternativas. Com relao
aos algarismos, conclumos facilmente que temos 10 alternativas para cada um dos 4
lugares, portanto:
26 . 26 . 26 . 10 . 10 . 10 . 10 = 175.760.000.

EX2. No sistema antigo utilizavam se 2 letras do alfabeto e 4 algarismos. Qual o
nmero mximo de veculos que podia ser licenciado neste sistema?
26 . 26 . 10 . 10 . 10 . 10 = 6.760.000.

Conclumos que a incluso de apenas uma letra faz com que sejam licenciados,
aproximadamente, mais 170.000.000 de veculos.

EX3. Com os algarismos 1, 2, 3, 4, 5 e 6, quantos nmeros de trs algarismos
distintos podemos formar?
1 escolha do algarismo das centenas: so seis possibilidades.
2 escolha do algarismo das dezenas: como no pode haver repetio de
algarismo, devemos ter um algarismo diferente do algarismo escolhido para a centena.
Assim, h cinco possibilidades.
3 escolha do algarismo das unidades: devemos ter um algarismo diferente dos
dois algarismos escolhidos para a centena e para a dezena. Assim, h quatro
possibilidades.
Pelo PFC, o resultado : 6 x 5 x 4 = 120 nmeros
49

EX4. Quantos nmeros de trs algarismos podemos formar com os algarismos 0,
1, 2, 3, 4, 5, 6 e 7 ?
Algarismo das centenas: com exceo do zero, qualquer um dos algarismos
dados pode ser escolhido, havendo, portanto, sete possibilidades.
Algarismo das dezenas e unidades no h restrio alguma
Logo, pelo PFC: 7 x 8 x 8 = 448.

7.3 Arranjos simples

Dado um conjunto com n elementos distintos, chama-se arranjo dos n elementos,
tomados k a k, a qualquer seqncia ordenada de k elementos distintos escolhidos
entre os n existentes.

Ex5. Dado o conjunto A = (1, 2, 3, 4), vamos escrever todos os arranjos desses
quatro elementos tomados dois a dois. A
4,2
(1, 2); (1, 3); (1, 4); (2, 1); (2, 3); (2, 4); (3, 1); (3, 2); (3, 4); (4, 1); (4, 2); (4, 3).
Notamos que (2, 3) (3, 2), isto , a troca na ordem dos elementos de um
possvel agrupamento gera um agrupamento diferente.

EX6. Um cofre possui um disco marcado com os dgitos 0,1,2,...,9. O segredo do
cofre marcado por uma seqncia de 3 dgitos distintos. Se uma pessoa tentar abrir o
cofre, quantas tentativas dever fazer (no mximo) para conseguir abri-lo?
As seqncias sero do tipo xyz. Para a primeira posio teremos 10 alternativas,
para a segunda, 9 e para a terceira, 8. Aplicando a frmula de arranjos pelo PFC,
chegaremos ao mesmo resultado: 10.9.8 = 720. Observe que 720 = A
10,3

7.3.1 Clculo do nmero de arranjos

Seja um conjunto de n elementos distintos. Vamos encontrar uma expresso para
o nmero de arranjos dos n elementos tomados k a k (A
n,k
).

50

EX7. O quadrangular de um torneio de futebol disputado por quatro selees. De
quantas maneiras distintas podemos ter os trs primeiros colocados?

EX8. Usando-se as 26 letras do alfabeto (A,B,C,D,...,Z), quantos arranjos distintos com
3 letras podem ser montados?

EX9. A senha de um carto de banco formada por duas letras distintas seguidas por
uma seqncia de trs algarismos distintos. Quantas senhas poderiam ser
confeccionadas?
1 As letras A
26,2
= 650
2 Os Nmeros A
10,3
= 720
Pelo PFC A
26,2
x A
10,3
= 650 x 720 = 468.000.


7.4 Permutaes simples

De outro modo, podemos entender permutao simples como um caso especial de
arranjo, onde n = k.

EX10. Escrever todos os anagramas da palavra SOL. Um anagrama da palavra SOL
qualquer permutao das letras S, O, L de modo que se forme uma palavra com ou
sem sentido: SOL, SLO, OSL, OLS, LOS, LSO.




51

7.4.1 Permutaes com elementos repetidos

Se entre os n elementos de um conjunto, existem a elementos repetidos, b
elementos repetidos, c elementos repetidos e assim sucessivamente, o nmero total de
permutaes que podemos formar dado por:

EX11. Determine o nmero de anagramas da palavra MATEMTICA Temos 10
elementos, com repeties. A letra M est repetida duas vezes, a letra A trs, a letra T,
duas vezes. Na frmula anterior, teremos:

7.5 Combinaes simples

Dado um conjunto A com n elementos distintos, chama-se combinao dos n
elementos de A, tomados k a k, a qualquer subconjunto formado por k elementos, isto
, temos uma combinao quando os agrupamentos conseguidos permanecem iguais
ao se inverter a posio dos seus elementos.
Perceba que se houver cinco pessoas entre as quais desejamos formar grupos de
trs, o grupo formado por Joo, Pedro e Lus o mesmo grupo formado por Lus,
Pedro e Joo. Temos, ento, uma COMBINAO de cinco elementos em grupos de
trs.

52

EX12. Uma turma formada por 10 alunos. Deseja-se formar uma comisso de
trs alunos para representao discente na universidade. De quantas maneiras
podemos fazer tal escolha?
Neste caso tanto faz a posio dos trs alunos no conjunto ( A, B, C); (B, A, C) ....
desde que os trs sejam os escolhidos
Se fosse importante a ordem deles nos subconjunto usaramos o Arranjo simples

Mas no nos importa a ordem ento utilizaremos a combinao simples.

Ex13. Uma loja de materiais de construo oferece 15 tipos de pisos diferentes
a) De quantas maneiras se pode escolher trs tipos desses pisos?
b) Suponha que certo comprador sempre opte por um piso tipo A. Como podero
ser escolhidos os outros dois pisos?
a) Escolher os pisos {A, B, C} o mesmo que escolher os Pisos {C, B, A}. Assim,
cada possvel escolha uma combinao dos 15 pisos tomados trs a trs

b) Como um dos pisos j foi definido, os outros dois sero escolhidos entre os 14
restantes.

53

7.6 Nmeros Binomiais

Sejam n e p dois nmeros naturais quaisquer e tais que n > p. Denomina-se
nmero binomial, e indica-se por

, o nmero assim definido:

Onde n,p e N e n > p, e devemos lembrar que n o numerador e p a classe do
nmero binomial

, e l-se: binomial n classe p.

Vamos calcular o seguinte exemplo, aplicando-se a expresso dada acima:

Existem tambm os binomiais complementares, que recebem esta
denominao, quando dois nmeros binomiais apresentam o mesmo numerador, e a
soma de suas classes igual a esse numerador, isto , se n, p, q e N, ento:

So complementares se p+q=n.

Vamos analisar os seguintes exemplos:

Observamos que a soma: 6+9=15

Dois nmeros binominais complementares so iguais, se n, p, q e N, isto :
p + q=n

Devemos observar como conseqncia dessa propriedade dos nmeros
binominais complementares, a seguinte relao:
Para n, p e N e n>p
{ n p x ou p x
p
n
x
n
= + =
|
|
.
|

\
|
=
|
|
.
|

\
|

54

8 Probabilidade

A Probabilidade pode ser definida como a possibilidade ou chance de que um
evento venha a ocorrer. O estudo das probabilidades se justifica pelo fato de a maioria
dos fenmenos de que trata a Estatstica serem de natureza aleatria ou probabilstica.
Fenmenos onde o resultado final depende do acaso so chamados fenmenos
aleatrios ou experimentos aleatrios.

8.1 Experimentos ou fenmenos aleatrios

So aqueles que, mesmo repetidos vrias vezes sob condies semelhantes,
apresentam resultados imprevisveis.
Assim, da afirmao " provvel que o meu time ganhe a partida de hoje" pode
resultar:
a. que, apesar do favoritismo, ele perca;
b. que, como pensamos, ele ganhe;
c. que empate.

8.2 Espao amostral

A cada experimento correspondem, em geral, vrios resultados possveis. Assim,
ao lanarmos uma moeda, h dois resultados possveis: ocorrer cara ou ocorrer coroa.
J ao lanarmos um dado h seis resultados possveis: 1, 2, 3, 4, 5 ou 6.
Ao conjunto desses resultados possveis damos o nome de espao amostral ou
conjunto universo, representado por S.
Os dois experimentos citados anteriormente tm os seguintes espaos amostrais:
lanamento de uma moeda: S = {Ca, Co};
lanamento de um dado: S = {1, 2, 3, 4, 5, 6}.
Se lanarmos duas vezes a moeda teremos:
S = {(Ca, Ca), (Ca, Co), (Co, Ca), (Co, Co)}.
Cada elemento de S que corresponde a um resultado recebe o nome de ponto
amostral.
55

8.3 Eventos

Chamamos de evento qualquer subconjunto de espao amostral S de um
experimento aleatrio.
Assim, qualquer que seja E, se E C S (E est contido em S), ento E um evento
de S.
Se E = S, E chamado evento certo;
Se E C S e E um conjunto unitrio, E chamado evento elementar. Se
E=conjunto vazio, ento chamado evento impossvel.

Ex1.
No lanamento de um dado, onde S = {1,2,3,4,5,6}, temos:
A = {2,4,6} C S; logo, A um evento de S;
B = {1,2,3,4,5,6} C S; logo, B um evento certo de S;
C = {4} C S; logo, C um evento elementar de S;
D = C S; logo, D um evento impossvel de S.

8.4 Funo Probabilidade

Dado um experimento aleatrio, sendo S o seu espao amostral, vamos admitir
que todos os elementos de S tenham a mesma chance de acontecer, ou seja, que S
um conjunto equiprovvel.
Chamamos de probabilidade de um evento A (A C S) o nmero real P(A), tal que:
n(A) o nmero de elementos de A;
n(S) o nmero de elementos de S.
Ex2:
a) Considerando o lanamento de uma moeda e o evento A "obter cara", temos:

S = {Ca, Co} n(S) = 2
A = {Ca) n(A ) = 1
C
( )
( )
( ) S n
A n
A P =
( )
2
1
= A P
56

O resultado acima nos permite afirmar que, ao lanarmos uma moeda
equilibrada, temos 50% de chance de que aparea cara na face superior.

b) Considerando o lanamento de um dado, vamos calcular:

1 Probabilidade do evento A "obter um nmero par na face superior".
Temos:
S = {1, 2, 3, 4, 5, 6} n(S) = 6
A = {2, 4, 6} n(A) = 3

2 Probabilidade do evento B "obter um nmero menor ou igual a 6 na face superior" .
Temos:
S = {1, 2, 3, 4, 5, 6} n(S) = 6
B = {1, 2,3, 4, 5, 6} n(B) = 6

8.5 Eventos complementares

Sabemos que um evento pode ocorrer ou no. Sendo p a probabilidade de que
ele ocorra (sucesso) e q a probabilidade de que ele no ocorra (fracasso), para um
mesmo evento existe sempre a relao:
p + q = 1 q = 1 p
Assim, se a probabilidade de se realizar o evento
5
1
= p , a probabilidade de que
ele no ocorra
5
4
= q .

8.6 Eventos independentes

Dizemos que dois eventos so independentes quando a realizao ou a no-
realizao de um dos eventos no afeta a probabilidade de realizao do outro e vice-
versa.
Por exemplo, quando lanamos dois dados, o resultado obtido em um deles
independe do resultado obtido no outro.
( )
2
1
6
3
= = A P
( ) 1
6
6
= = A P
57

Se dois eventos so independentes, a probabilidade de que eles se realizem
simultaneamente igual ao produto das probabilidades de realizao dos dois eventos.
p =p
1
* p
2
Ex3: Se lanamos dois dados. A probabilidade de obtermos 1 no primeiro e 5 no
segundo ?

8.7 Eventos mutuamente exclusivos

Dizemos que dois ou mais eventos so mutuamente exclusivos quando a
realizao de um exclui a realizao do(s) outro(s).
Assim, no lanamento de uma moeda, o evento "tirar cara" e o evento "tirar coroa"
so mutuamente exclusivos, j que, ao se realizar um deles, o outro no se realiza.
Se dois eventos so mutuamente exclusivos, a probabilidade de que um ou outro
se realize igual soma das probabilidades de que cada um deles se realize:
p =p
1
+p
2

Ex4: Lanamos um dado. A probabilidade de se tirar o 3 ou 5 :

8.8 Exerccios


1) No lanamento de dois dados, calcule a probabilidade de se obter soma igual a 5.
R: O evento formado pelos elementos (1,4), (2,3), (3,2) e (4,1). Como o nmero de
elementos de S 36, temos:

58

2) De dois baralhos de 52 cartas retiram-se, simultaneamente, uma carta do primeiro
baralho e uma carta do segundo. Qual a probabilidade de a carta do primeiro baralho
ser um rei e a do segundo ser o 5 de paus?

3)



4)






59

5)


6)

a) 14/16 = 7/8
b) 10/16 = 5/8
c)10/16 + 2/16 = 3/4
a) 10/16 * 9/15 = 90/ 240 = 3/8
b) = 7/8
c) 14/16 * 13/15 = 91/120
d) 6/16 * 5/15 = 1/8

60

9 Distribuio Binomial


Uma distribuio de probabilidade binomial resulta de um experimento que
satisfaz os seguintes requisitos:

O experimento deve ser repetido, nas mesmas condies, um nmero finito de
vezes (n);
As tentativas devem ser independentes, ou seja, o resultado de uma no afeta
os resultados das sucessivas;
Cada tentativa deve ter todos os resultados classificados em duas categorias
(sucesso e insucesso);
No decorrer do experimento, a probabilidade p do sucesso e a probabilidade q
(q = 1 p) do insucesso devem permanecer constantes.

Se um experimento satisfaz esses quatro requisitos, a distribuio da varivel
aleatria x chamada de distribuio de probabilidade binomial ou (distribuio
binomial).
Em uma distribuio binomial, as probabilidades podem ser calculadas atravs
da frmula da probabilidade binomial.

Onde: n = nmero de tentativas
k = nmero de sucessos em n tentativas
p = probabilidade de sucesso em qualquer tentativa
q = probabilidade de fracasso em qualquer tentativa (q = 1 p)




61

Ex1. Uma moeda lanada 5 vezes seguidas e independentes. Calcule a
probabilidade de obter 3 caras, nessas 5 provas. Para o exemplo dado temos que:
n= 5
k=3
p =

( probabilidade de obter cara sucesso)

q =

(probabilidade de obter coroa insucesso)

Da:

Ex2. Dois times de futebol, A e B, jogam entre si 6 vezes. Encontre a probabilidade de
o time A ganhar 4 jogos.
n = 6
k = 4
p = 1/3 (Pode ganhar empatar ou perder)
q = 1 1/3 = 2/3