Aula 01

Conhecimentos Especficos Mtodos Quantitativos Anatel
Aula 01 Estatstica Descritiva

Prof. Alexandre Lima
Aula 01
Sumrio
1
Introduo Estatstica ................................................................................................

...................................... 3
Tipos de Variveis ................................................................................................

................................
................................................. 4
Rol ................................................................
................................................................................................
............................................... 5
Sries Estatsticas ................................................................................................

................................
................................................. 6
Tcnicas de Descrio Grfica ................................................................

.......................................................... 8
5.1
Descrio Grfica de Variveis Qualitativas................................

Qualitativas........................................................ 8
5.2
Descrio Grfica de Variveis Quantitativas Discretas................................. 9
5.3
Descrio Grfica de Variveis Quantitativas Contnuas ............................. 11
Caracterizao de uma Distribuio de Frequncias .............................................

................................
15
6.1
Medidas de Posio ................................................................................................

..................................... 15
6.2
Medidas de Disperso ................................................................................................

................................ 29
6.2.1
Varincia ................................................................................................
................................
....................................................... 29
6.2.2
Desvio Padro ................................................................................................

................................
............................................... 39
6.2.3
Coeficiente de Variao ................................................................................................

................................ 40
6.2.4
Desvio Interquartlico ................................................................................................

................................... 40
Medidas sobre Dados Bivariados ................................................................

................................................... 41
7.1
Covarincia e Correlao ................................................................

.......................................................... 41
O Mnimo que Voc Precisa Saber ................................................................

................................................ 48
Exerccios de Fixao ................................................................................................

................................
......................................... 50
10
Gabarito ................................................................................................
................................
.............................................................. 55
11
Resoluo dos Exerccios de Fixao ................................................................

....................................... 56
1
www.pontodosconcursos.com.br | Prof. Alexandre Lima

Ol, tudo bem com voc? Bem vindo ao curso! O foco da aula de hoje
introduzir a Estatstica Descritiva. Faremos uma reviso sobre grficos,
tabelas, sries, tipos de variveis, distribuies de freqncia, medidas sobre
dados univariados (mdia, mediana,
mediana moda,, desvio padro, varincia,
coeficiente de variao etc.) e medidas sobre dados bivariados (covarincia e
correlao). sempre bom comear do incio!
As notas explicativas esto indicadas pelos smbolos (*) ou (**). Optei por no
usar notas de rodap para que haja uma melhor fluncia da sua leitura. A
ltima seo da exposio terica traz um resumo de alguns conceitos e
frmulas
s importantes para a prova:
prova: o mnimo que voc precisa saber para a
prova!
Espero que voc aproveite bastante o que irei lhe ensinar!
2

Introduo Estatstica
A Estatstica a cincia que se preocupa em coletar, analisar e fazer

inferncias a partir de dados.
dados A sua matria-prima
prima um conjunto de dados.
Ela uma cincia meio, e no fim, sendo til em vrios campos do
conhecimento, tais como fsica, engenharia, medicina, aturia, biologia,
economia, administrao, etc.
Mtodos estatsticos nos ajudam a entender o problema da variabilidade.
variabilidade Mas
o que seria essa variabilidade? A idia simples. Diversas observaes de
um sistema ou fenmeno no produzem exatamente o mesmo resultado. E isto
ocorre porque sistemas/fenmenos fsicos esto sujeitos variabilidade.
Considere, por exemplo, o consumo mensal de energia eltrica da sua casa.
Voc observa o mesmo consumo mensal todos os meses? claro que no! s
vezes, o consumo varia consideravelmente, como nos meses de vero (devido
ao uso de ar-condicionado,
onado, ventilador, etc.) e de inverno (por causa da
utilizao de sistemas de aquecimento, secadora de roupas, etc.). Outro
exemplo prtico seria a arrecadao mensal de tributos do governo. O governo
precisa saber quais so as fontes potenciais de variabilidade
variabilidade no sistema de
arrecadao. a que entra a Estatstica, pois ela capaz de descrever a
variabilidade e de indicar quais fontes de variabilidade so mais importantes
ou quais tm impacto significativo sobre o desempenho da arrecadao.
A Estatstica
ica pode ser dividida em duas partes: a Estatstica Descritiva,
Descritiva que
aborda a coleta, organizao e a descrio dos dados experimentais (*), e a
Inferncia Estatstica (ou Estatstica Indutiva),, cujo objetivo inferir
propriedades de um agregado maior (a populao)) a partir de um conjunto
menor (a amostra).
). A inferncia estatstica no exata; as suas indues
sempre possuem um determinado grau de incerteza (**)
(*) As etapas de coleta, organizao descrio podem ser resumidas pela
terminologia sntese
e dos dados.
dados
(**) A induo um processo de raciocnio em que, partindo-se
partindo
do
conhecimento de uma parte, procura-se
procura se tirar concluses sobre o todo.
Uma populao ou universo um conjunto de elementos com pelo
menos uma caracterstica comum.
comum A populao pode ser finita ou infinita.
Por exemplo, o nmero de pneus defeituosos produzidos em um dia por uma
determinada fbrica, uma populao de tamanho finito. J as observaes
obtidas pela medio diria de gases de efeito estufa representam uma
populao de tamanho infinito. A caracterstica comum deve delimitar de forma
exata quais os elementos que pertencem populao e quais os que no
pertencem. Considere, por exemplo, a populao dos indivduos do sexo
masculino inscritos no prximo concurso para o BACEN.
BACEN. Essa populao no
inclui as pessoas do sexo feminino que faro o mesmo concurso.
3

Depois que caracterizamos a populao, procedemos ao levantamento de

dados acerca da caracterstica (ou caractersticas) de interesse no estudo em
questo. Na maioria dos problemas de inferncia estatstica, impossvel ou
impraticvel observar toda a populao. Devemos ento restringir nossas
observaes a uma parte da populao, isto , a uma amostra proveniente
dessa populao. Uma amostra , portanto, um subconjunto
to finito de uma
populao,, e todos os seus elementos sero examinados para a realizao do
estudo estatstico desejado.
Quanto maior a amostra, mais precisas e confiveis sero as indues
realizadas sobre a populao. No limite, resultados 100% confiveis
confive podem ser
obtidos atravs do exame completo da populao. Na prtica, isso no
necessrio, pois indues suficientemente precisas e confiveis podem ser
realizadas desde que o tamanho da amostra seja corretamente dimensionado.
Retornaremos ao estudo da Inferncia Estatstica, de forma bastante
detalhada, em aulas posteriores. A partir deste ponto, voltaremos a nossa
ateno para o foco desta aula, que o estudo da Estatstica Descritiva.
Tipos de Variveis
A funo da Estatstica Descritiva organizar

organizar as informaes contidas
nos resultados observados.
observados
De forma geral, podemos ter cada um dos elementos de uma populao ou
amostra associado a mais de uma caracterstica de interesse. Por exemplo, o
conjunto dos elementos sob investigao pode ser uma amostra da populao
dos candidatos do sexo masculino inscritos no ltimo concurso para o BACEN.
Este o conjunto dos elementos fisicamente definidos e considerados. Para
este conjunto, as variveis (caractersticas) de interesse poderiam ser:
idade, peso e altura. Neste curso, veremos apenas o caso de variveis
unidimensionais,, em que apenas uma caracterstica de interesse est
associada a cada elemento do conjunto examinado.
examinado. H casos, porm, em
que duas ou mais caractersticas precisam ser simultaneamente
simultaneamente estudadas.
A caracterstica de interesse poder ser qualitativa ou quantitativa.
quantitativa Tem-se,
portanto, variveis qualitativas ou quantitativas.
quantitativas
A varivel ser qualitativa quando resultar de uma classificao por
tipos ou atributos,, como, por exemplo:
a) Populao:
Varivel:
moradores de uma cidade.

sexo (masculino ou feminino).
b) Populao:
peas produzidas por uma mquina.

4

Varivel:
qualidade (perfeita ou defeituosa).
Os atributos ou variveis qualitativas so denominados ordinais sempre

que pode-se
e estabelecer uma ordem ou hierarquia entre as respostas obtidas
no levantamento estatstico. Por exemplo, o IBGE efetua periodicamente o
levantamento do grau de instruo dos brasileiros por meio de um censo
completo da populao. As respostas possveis para
para essa pesquisa seriam algo
como sem instruo escolar, nvel fundamental incompleto, nvel
fundamental completo, nvel mdio incompleto, nvel mdio completo,
nvel superior incompleto e nvel superior completo. Essas respostas no so
nmeros, so variveis qualitativas.
qualitativas. Como possvel estabelecer uma
hierarquia entre as possveis respostas, tem-se
tem
uma varivel qualitativa
ordinal.
Por outro lado, a varivel ser quantitativa quando seus valores forem
expressos em nmeros. As variveis quantitativas
quantitativas podem ser discretas ou
contnuas.. Uma varivel contnua aquela cujos possveis valores pertencem
a um intervalo de nmeros reais e que resulta de uma mensurao, como,
como por
exemplo, a estatura de um indivduo. Uma varivel discreta aquela cujos
cu
possveis valores formam um conjunto finito ou enumervel de nmeros, e que
resultam, freqentemente, de uma contagem.
contagem
Exemplos de variveis discretas:
a) Populao:
Varivel:
casais residentes em um distrito de uma cidade.

nmero de filhos.
b) Populao:
Varivel:
carros produzidos em uma linha de montagem.

nmero de defeitos por unidade.
Exemplos de variveis contnuas:

a) Populao:
Varivel:
detergentes de uma certa marca e tipo.

peso lquido.
b) Populao:
Varivel:
peas produzidas por uma mquina.

dimetro externo.
A Estatstica Descritiva pode descrever os dados atravs de grficos,

distribuies de frequncia ou medidas associadas a essas
distribuies,, conforme veremos a seguir.
Rol
Vimos que a organizao

o dos
d
dados coletados uma das etapas do processo
estatstico a cargo da Estatstica Descritiva.
5

Um rol um arranjo dos dados em ordem crescente ou decrescente.

decrescente
Assim, {10, 8, 20, 12, 15, 3, 2, 4} so dados brutos e {2, 3, 4, 8, 10, 12, 15,
20} constituem o rol.
Sries Estatsticas
As tabelas so recursos utilizados pela Estatstica, com o objetivo de organizar

e facilitar a visualizao e comparao dos dados. As tabelas permitem uma
viso geral dos valores assumidos pelas variveis dentro de certos parmetros.
parmetros
chamada srie estatstica toda tabela que apresenta um conjunto de dados
estatsticos distribudos em funo da poca, do local ou da espcie. As sries
estatsticas podem ser classificadas em
histricas;
geogrficas;
especficas; e
distribuio de frequncias.
Exemplos:
1) Srie histrica: ndice Nacional de Preos ao Consumidor Amplo (IPCA)
IPCA (%)
Jun/2011
Mai/2011
Abr/2011
Mar/2011
Fev/2011
Jan/2011
Dez/2010
Nov/2010
Out/2010
Set/2010
Ago/2010
Jul/2010
Jun/2010
Fonte: IBGE
0,15
0,47
0,77
0,79
0,80
0,83
0,63
0,83
0,75
0,45
0,04
0,01
0,00
6

2) Srie geogrfica: os 10 maiores PIB do mundo

PIB 2010
Pas
US$ (bilhes)
EUA
14.582
China
5.878
Japo
5.497
Alemanha
3.309
Frana
2.560
Reino Unido
2.246
Brasil
2.087
Itlia
2.051
Canad
1.574
Fonte: Banco Mundial
3) Srie especfica: nmero de formandos por curso de graduao de uma
universidade.
NMERO DE ALUNOS
EGRESSOS - 2010
Cursos
No de egressos
Engenharia
100
Direito
250
Administrao
150
Economia
50
Contabilidade
50
(*) Valores hipotticos
4) Distribuio de frequncias:
Altura dos alunos de uma
academia ginstica
Alturas (m)
No de alunos
1,50 |-| 1,60
25
1,60 |-| 1,70
45
1,70 |-| 1,80
80
1,80 |-| 1,90
15
1,90 |-| 2,00
5
2,00 |-| 2,10
1
(*) Valores hipotticos
O conceito de distribuio de frequncias importante para a prova e ser
visto com um maior grau de detalhamento na prxima seo.
7

Tcnicas de Descrio Grfica
A frequncia de um dado valor de uma varivel (qualitativa ou quantitativa)

quant
definida como o nmero de vezes que esse valor foi observado.

observado Seja fi a
frequncia do i-simo
simo valor observado. Se o nmero total de elementos
observados n, ento vale a relao
k
(1)
=n
i =1
em que k denota o nmero de diferentes valores existentes da varivel.

A associao das respectivas frequncias a todos os diferentes valores
observados define a distribuio de frequncias do conjunto de valores
observados. Tambm podemos trabalhar com a noo de frequncia relativa
de um valor observado,, definida como
(2)
fi
.
n
pi =
Observe que
k
(3)
=1.
i =1
5.1
Descrio Grfica de Variveis Qualitativas
O grfico obtido por meio do clculo das frequncias ou frequncias relativas

poder ser um diagrama de barras,
barras um diagrama circular ou qualquer
outro tipo de diagrama equivalente.
Exemplo. Considere um grupo de 147 candidatos a um curso de MBA,
classificados segundo a sua graduao, conforme a Tabela 1.
Tabela 1: formao de graduao.
Formao
Engenheiros
Administradores
Economistas
Contadores
Outros
Total
Frequncias
45
38
35
16
13
147
Freq. Relativa (%)

30,61
25,85
23,81
10,88
8,84
100,00
8

Os dados esto representados por meio de um diagrama de barras e por um

diagrama circular (veja as duas figuras a seguir).
Outros
Contadores
Administradores
Economistas
Engenheiros
0
10
20
Engenheiros
Economistas
Contadores
Outros
30
40
50
Administradores
9%
11%
30%
26%
24%
5.2
Descrio Grfica de Variveis Quantitativas Discretas
A descrio grfica de variveis quantitativas discretas normalmente feita

por meio de um diagrama de barras. Como a varivel quantitativa, seus
valores numricos podem ser representados num eixo horizontal. Neste caso,
as barras do diagrama sero verticais.
Exemplo. Considere a varivel nmero de defeitos por
por unidade obtidos a
partir de produtos retirados de uma linha de produo. Seja o conjunto de 20
valores obtidos conforme a Tabela 2.
9

Tabela 2: distribuio de frequncias.

xi
0
1
2
3
4
5
Total
fi
8
14
10
4
2
2
40
pi
0,20
0,35
0,25
0,10
0,05
0,05
1,00
A figura a seguir mostra o diagrama de barras associado aos dados da Tabela

2.
Tambm possvel representar graficamente os dados da Tabela 2 utilizando

as frequncias acumuladas,
acumuladas, que sero denotadas por Fi. A frequncia
acumulada, em qualquer ponto do eixo horizontal (ou eixo das
abscissas), a soma das frequncias de todos os valores menores ou
iguais ao valor correspondente a esse ponto.
ponto. De forma anloga, tambm
temos as frequncias relativas acumuladas Pi. A Tabela 3 ilustra as frequncias
e frequncias relativas acumuladas para os dados da Tabela 2. A figura a
seguir mostra o grfico das frequncias acumuladas.
10

Tabela 3: frequncias acumuladas.

xi
0
1
2
3
4
5
5.3
Fi
8
22
32
36
38
40
Pi
0,20
0,55
0,80
0,90
0,95
1,00
Descrio Grfica de Variveis Quantitativas Contnuas
O diagrama de barras no usado na descrio grfica de variveis

quantitativas contnuas (*). O Exemplo a seguir ilustra a tcnica usualmente
empregada na prtica.
(*) Devido natureza contnua da varivel.
11

Exemplo. Considere a varivel comprimento de peas produzidas em uma

fbrica, dada em centmetros:
10,4
10,6
10,3
10,9
10,4
10,5
10,2
10,5
10,5
10,5
10,8
10,7
10,4
10,3
10,6
10,2
10,4
10,7
10,6
10,9
10,6
10,5
10,4
10,5
10,7
Na Tabela 4, temos os dados acima organizados em termos de frequncias e

de frequncias relativas, simples e acumuladas.
Tabela 4: distribuio das frequncias e das frequncias acumuladas.
xi
10,2
10,3
10,4
10,5
10,6
10,7
10,8
10,9
fi
2
2
5
6
4
3
1
2
25
Fi
2
4
9
15
19
22
23
25
pi
0,08
0,08
0,20
0,24
0,16
0,12
0,04
0,08
1,00
Pi
0,0
0,08
0,1
0,16
0,3
0,36
0,6
0,60
0,76
0,88
0,92
1,00
A prxima figura uma representao grfica das duas primeiras colunas da

Tabela 4. importante que voc aprenda a interpretar corretamente o grfico
da figura a seguir. Por exemplo, a frequncia 2 associada ao valor 10,3 quer
dizer, na verdade, que temos
temos dois valores compreendidos entre os limites
10,25 e 10,35, que foram aproximados, no processo de medio, para 10,3.
Portanto, uma representao grfica correta dever associar a frequncia 2 ao
intervalo 10,25 - 10,35. Isto feito por meio de uma figura
figur formada com
retngulos cujas reas representam as frequncias dos diversos
intervalos existentes.. Tal figura denominada histograma.
histograma
12

7
10.2
10.3
10.4
10.5
10.6
10.7
10.8
10.9
11
No caso das variveis contnuas, as frequncias sempre sero associadas a

intervalos de variao da varivel e no
no a valores individuais. Tais intervalos
so chamados de classes de frequncias.. Estas classes so usualmente
representadas pelos seus pontos mdios.
Variveis contnuas tambm podem ser representadas pelo polgono de
frequncias,, que obtido unindo-se
unindo
os pontos mdios dos patamares do
histograma. Para completar a figura, consideram-se
consideram se duas classes laterais com
frequncia nula (*). A figura a seguir ilustra o polgono de frequncias
correspondente ao histograma da figura anterior.
(*) Exceto no caso de variveis essencialmente positivas cujo histograma se
inicia no valor zero, pois no haveria sentido em se considerar um intervalo
com valores negativos.
13

7
10.2
10.3
10.4
10.5
10.6
10.7
10.8
10.9
11
A figura a seguir mostra os grficos das frequncias relativas acumuladas e do

polgono de frequncias
ncias relativas acumuladas (ou ogivas percentuais (*))
relativos ao ltimo exemplo.
(*) O polgono de frequncias acumuladas tambm pode ser chamado de
ogiva.
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
10.2
10.3
10.4
10.5
10.6
10.7
10.8
10.9
11
Na prtica, s vezes necessrio agrupar os dados em classes de frequncia

que englobam diversos valores da varivel. A frequncia de cada classe ser,
nesse caso, igual soma das frequncias de todos os valores existentes dentro
14

da classe. Este procedimento

procedimento corresponde a uma diminuio proposital da
preciso com que os dados foram computados. O problema a resolver, em tais
casos, o de determinar qual o nmero k de classes a constituir, qual o
tamanho ou amplitude h dessas classes e quais os seus limites.
limite Seja R a
amplitude do conjunto de dados, ou seja, a diferena entre o maior e o menor
dos valores observados. Fixado o nmero k de classes, resulta
R
.
k
(4)
Caracterizao de uma Distribuio de Frequncias
A distribuio de frequncias
frequncias de uma varivel quantitativa tambm pode ser
caracterizada por grandezas numricas denominadas medidas da distribuio
de frequncias. As medidas buscam sumarizar as informaes disponveis
sobre o comportamento de uma varivel.
H medidas de posio, de disperso, de assimetria e de achatamento ou
curtose. As medidas de posio e de disperso so as mais importantes
na prtica e servem para localizar as distribuies e caracterizar a sua
variabilidade.
6.1
Medidas de Posio
As medidas de posio servem para localizar a distribuio de frequncias

sobre o eixo de variao da varivel em questo. Estudaremos, nesta aula, a
mdia, a mediana e a moda.
moda
A mdia e a mediana indicam,
indicam, por critrios diferentes, o centro da
distribuio
o de frequncias,
frequncias ou seja, so medidas de tendncia central.
central
A moda,, por sua vez, indica a regio de maior concentrao de
frequncias na distribuio.
distribuio
Mdia Aritmtica
Suponha que voc more em So Paulo (capital) e que esteja planejando uma
viagem de carro
arro para o Rio de Janeiro (capital) pela rodovia BR-116
BR
(rodovia
Pres. Dutra) no prximo feriado. Qual seria o tempo gasto na viagem? Bem, a
resposta mais exata, do ponto de vista estatstico, uma vez que o tempo de
viagem uma grandeza aleatria (o tempo
tempo de viagem varia em funo de
fatores sobre os quais no temos controle tais como congestionamentos
devidos a acidentes com veculos, fiscalizaes da Polcia Rodoviria, etc.),
seria fornecer a distribuio de frequncias dos tempos de viagem de carro
para o Rio de Janeiro (vamos admitir que voc viaje de carro com alguma
frequncia para o Rio de Janeiro e que tenha coletado esse conjunto de
dados). Porm, ningum espera que voc d como resposta uma distribuio
15

de frequncias dos tempos de viagem. O que se espera que voc fornea o

tempo esperado ou mdio que ser gasto na viagem. Como calculamos a
mdia de uma distribuio de frequncias? Responderemos essa pergunta na
sequncia.
A mdia aritmtica, ou mdia, de um conjunto de n nmeros x1 , x2 ,..., xn
definida por (leia-se x barra)
(5)
x=
x1 + x2 + ... + xn 1 n
1
= xi = x
n
n i =1
n
Exemplo. A mdia dos nmeros 3, 4, 8, 11 e 13

x=
3 + 4 + 8 + 11 + 13
= 7,8
5
Se k valores distintos observados x1 , x2 ,..., xk ocorrerem com as frequncias

k
f1 , f 2 ,..., f k ( f i = n ),, respectivamente, a mdia ser

i =1
(6)
f x + f 2 x2 + ... + f i xi + ... + f k xk
x= 1 1
=
f1 + f 2 + ... + f i + ... + f k
fx
i i
i =1
k
k
1 k
f
x
=
pi xi
ii
n i =1
i =1
i =1
em que pi denota a i-sima

sima frequncia relativa.
Exemplo. Se 4, 7, 5, 2 ocorrerem com as frequncias 3, 2, 4 e 1,
respectivamente, a mdia aritmtica ser de
x=
(4 3) + (7 2) + (5 4) + (2 1)
= 4,8
3 + 2 + 4 +1
Mencionamos acima que a mdia caracteriza o centro da distribuio de

frequncias; fazendo uma analogia com a mecnica, poderamos interpretar a
mdia como sendo o centro de gravidade de uma distribuio de frequncias.
Podemos destacar as seguintes
seguin
propriedades da mdia:
a) multiplicando todos os valores de uma varivel por uma constante, a
mdia do conjunto fica multiplicada por essa constante. Seja x a
varivel de interesse, c um valor constante e y = cx. Ento y = cx .
16

b) somando ou subtraindo uma constante a todos os valores de uma

varivel, a mdia do conjunto fica acrescida ou diminuda dessa
constante. Seja x a varivel de interesse, c um valor constante e
y = x c . Ento y = x c .
Mdia das mdias
Sejam
jam os conjuntos A com nA valores, B com n B valores, ..., e K com nK
valores. Se A tem mdia x A , B tem mdia xB , ..., e K tem mdia xK , ento a
mdia do conjunto maior que formado pela reunio de todos os elementos
dos conjuntos A, B, ..., K em um nico conjunto dada por:
x=
(7)
n A x A + nB xB + ... + nK xK
,
n A + nB + ... + nK
Exemplo. Em uma empresa, h 400 homens e 100 mulheres. Os salrios

mdios pagos aos empregados dos sexos masculino e feminino so de R$
2.520,00 e R$ 2.420,00, respectivamente. Calcule a mdia global dos salrios.
Dados: nH = 400 , xH = 2.520 ; nM = 100 , xM = 2.420
x=
nH xH + nM xM 400 2.520 + 100 2.420

=
= 2.500
nH + nM
500
Mdia global dos salrios = R$ 2.500,00

Outros Tipos de Mdia
Podemos definir outros tipos de mdia de um conjunto de dados, tais como a
mdia geomtrica xg , a mdia harmnica xh e a mdia ponderada x p
dadas por
(8)
xg = n x1.x2 ...xn
(9)
xh =
(10)
xp =
n
1 1
1
+ + ... +
x1 x2
xn
w1 x1 + w2 x2 + ... + wn xn
w1 + w2 + ... + wn
em que w1 , w2 ,..., wn denotam fatores de ponderao ou pesos.

17

Exemplo. A mdia geomtrica dos nmeros 2, 4 e 8 :
xg = 3 2 4 8 = 3 64 = 4
Exemplo. A mdia harmnica dos nmeros 2, 4 e 8 :
xh =
3
3,43
1 1 1
+ +
2 4 8
Exemplo. O desempenho em um curso de graduao avaliado por meio das

notas obtidas nas provas bimestrais P1 e P2 e pela nota de Atividades (A).
Sabendo-se
se que a P2 tem peso 5, que
que a P1 tem peso 2 e que A tem peso 3,
determine a mdia final do aluno que obteve as seguintes notas (em uma
escala de 0 a 10): P1 = 5,0, P2 = 4,5 e A=8,5.
xp =
(2 5,0) + (5 4,5) + (3 8,5) 53,5

=
= 5,35 5,4
2+5+3
10
Relao entre as mdias aritmtica, geomtrica e harmnica

A mdia geomtrica de um conjunto de nmeros positivos x1 , x2 ,..., xn menor
do que ou igual sua mdia aritmtica, mas maior do que ou igual sua
mdia harmnica:
mdia harmnica
harmnica mdia geomtrica mdia aritmtica
Mdia de uma Distribuio
Distribui
de Frequncias de Dados Agrupados em
Intervalos de Classe
Quando os dados so apresentados em uma distribuio de
frequncias, todos os valores includos num certo intervalo de classe
so considerados coincidentes com o ponto mdio do intervalo.
intervalo As
frmulas
mulas (5) e (6) da mdia sero vlidas para esses dados agrupados quando
se interpretar xi como o ponto mdio do intervalo e f i como a frequncia
de classe correspondente.
Exemplo. Seja a distribuio em classes de frequncia dada na Tabela 5.
Temos que
x=
x f
i i
5.500
= 55,0 .
100
Tabela 5: clculo da mdia.

18

Classe
(limites reais)
40,0 45,0
4
45,0 50,0
50,0 55,0
55,0 60,0
60
60,0 65,0
65
65,0 70,0
70
70,0 75,0
7
fi
xi
xifi
6
16
32
24
14
6
2
100
42,5
47,5
52,5
57,5
62,5
67,5
72,5
255
760
1.680
1.380
875
405
145
5.500
Nota: a mdia de uma distribuio de frequncias s vezes chamada de

valor esperado.
Mediana
A mediana caracteriza o centro de uma distribuio de frequncias com base
na ordem dos valores que formam o conjunto de dados.
dados A mediana o
valor que ocupa a posio central dos dados ordenados.
ordenados A mediana o
valor que divide a distribuio ao meio, deixando os 50% menores
valores de um lado e os 50% maiores valores do outro lado.
lado
A mediana de um conjunto de n valores ordenados,, sendo n mpar,
definida como o valor de ordem (n+1)/2 desse conjunto. Se n for par,
consideraremos a mediana como o valor mdio entre os valores de ordem n/2
e (n/2) + 1 do conjunto de dados.
Exemplo. A mediana dos nove valores j ordenados,
12
14
15
19
20
22
26
27
30
igual a 20. A mediana dos oito valores j ordenados,

12
14
15
19
20
26
27
30
igual a (19+20)/2 = 19,5.

A mediana (md) de uma distribuio em classes de frequncias dada pela
expresso
(11) md = Li +
(n / 2) Fa
hmd
f md
19

em que L i o limite inferior da classe que contm a mediana, n o nmero

de elementos do conjunto de dados, Fa a soma das frequncias das classes
anteriores que contm a mediana, f md a frequncia da classe que contm a
mediana e h md a amplitude da classe que contm a mediana. A expresso
(11) supe que os valores observados da varivel tenham se distribudo
homogeneamente dentro das diversas classes.
classe
Exemplo. Considere os dados da Tabela 5, repetidos abaixo na Tabela 6.
Tabela 6
Classe
(limites reais)
40,0 45,0
45,0 50,0
50,0 55,0
55,0 60,0
60,0 65,0
65,0 70,0
70,0 75,0
fi
6
16
32
24
14
6
2
100
A mediana
md = 50,0 +
50 22
5 = 54,375 .
32
Em certos casos prticos, como aqueles que envolvem distribuies de

frequncia com valores extremos, mais conveniente usar a mediana como
medida de tendncia central, pois a mdia sofre influncia de valores
extremos. Neste caso, a mediana fornecer uma melhor idia do centro da
distribuio de frequncias da varivel sob anlise.
A mediana de uma distribuio em classes de frequncias pode ser
geometricamente interpretada como o ponto tal que uma vertical por ela
traada divide a rea sob o histograma em duas partes iguais.
A mediana e a mdia so coincidentes quando a distribuio simtrica. Em
distribuies assimtricas, a mdia tende a deslocar-se
deslocar se para o lado da cauda
mais longa (vide figura a seguir).
20

Distribuio
assimtrica
Distribuio
simtrica
50%
50%
%
50%
mediana
mdia = mediana
50%
mdia
A mediana divide o conjunto ordenado de dados em dois subconjuntos

com igual nmero de elementos.
elementos. H outras maneiras de se dividir os dados
ordenados. Os quartis (Q1, Q2, Q3) dividem o conjunto ordenado de valores
em quatro subconjuntos com igual nmero de elementos. O primeiro quartil
(Q1) ou quartil inferior (Qi) delimita os 25% menores valores; o segundo
quartil a prpria mediana e o terceiro quartil (Q3) ou quartil superior (Qs) o
valor que separa os 25% maiores valores (veja a prxima
prxima figura). Alm dos
quartis, podemos definir os decis (D1, D2,..., D9), que so os valores que
dividem os dados ordenados em dez partes iguais (note que a mediana
corresponde ao quinto decil D5) e os percentis,que
,que so os valores que dividem
os dados ordenados
dos em 100 partes iguais, sendo representados por P1, P2,...,
P99 (a mediana o percentil P50).
De maneira geral, os quartis, decis e percentis e outros valores obtidos
mediante subdivises dos dados em partes iguais so denominados quantis.
25
25%
25%
25%
Qi
md
25%
Qs
21

Os quartis, os decis e os percentis so medidas de posio separatrizes,

separatrizes
pois so valores que ocupam determinados lugares do eixo horizontal da
distribuio de frequncias, abrangendo intervalos iguais de um conjunto de
valores
s coletados e organizados.
Observe que a mediana,, alm de ser uma medida de posio de tendncia
central, tambm uma medida separatriz.
separatriz
Moda
A moda dada pelo valor mais freqente (ou de mxima frequncia).
frequncia)
Sendo assim, a moda para o conjunto de dados
dados da Tabela 2 1 e, no caso da
Tabela 6, a classe modal 50,0
50 55,0.
Se todas as realizaes do conjunto de valores observados ocorrem com a
mesma frequncia, diz-se
se que a srie estatstica amodal,, ou seja, no tem
valor modal.
Exemplo. Seja a srie
ie estatstica {2, 1, 9, 4, 5, 20, 8, 7, 11, 19}. Essa srie
amodal, pois no h repetio de valores (todos ocorrem o mesmo nmero de
vezes).
Pode haver mais de uma moda em um conjunto de valores. Se houver apenas
uma moda, a distribuio dita unimodal.. Se houver duas, bimodal, se
possuir trs trimodal e assim sucessivamente.
sucessivamente
No caso de distribuies de frequncia em classes de mesma amplitude,
comum definir-se
se a moda (mo) como um ponto pertencente classe modal,
dado por
(12) mo = Li +
d1
h,
d1 + d 2
em que Li o limite inferior da classe modal, d1 a diferena entre a

frequncia da classe modal e a da classe imediatamente anterior, d 2 a
diferena entre a frequncia da classe modal e a da classe imediatamente
seguinte e h a amplitude das classes. A frmula (12)
(1 ) corresponde ao clculo
da moda pelo Mtodo de Czuber.
Czuber
Exemplo.Considere
Considere os dados da Tabela 6. Ento Li = 50,0 , d1 = 32 16 = 16 ,
d 2 = 32 24 = 8 , h = 5 e a moda
mo = 50,0 +
16
5 53,333 .
16 + 8
22

A moda tambm pode ser calculada pelo Mtodo de King:
mo = Li +
f post
f post + f ant
h,
em que Li denota o limite inferior da classe modal, f post a frequncia da

classeposterior
classe modal, f ant a frequncia da classe anterior classe
modal e h a amplitude da classe modal.
modal
Caso a questo da prova no especifique, dever ser utilizado o
mtodo de Czuber.
Mediana
Mdia
Moda
A figura a seguir mostra as posies relativas da moda, mediana e mdia para

uma distribuio de frequncia (levemente) inclinada para a direita.
J caiu em prova! (Papiloscopista PF/CESPE-UnB/2004)

PF/CESPE UnB/2004)
Classificao
mnimo
1 quartil
mediana
mdia
3 quartil
mximo
varincia
20
25
27,5
30
32,5
50
49
18
23
32
33
42
52
100
A ou B
31
De acordo com um levantamento estatstico, a mdia das idades de um grupo

de presidirios igual a 31 anos de idade. Nesse levantamento, os presidirios
foram classificados como A ou B, dependendo da sua condio psicossocial.
Constatou-se
se que a mdia das idades dos presidirios classificados como A
menor
or que a mdia das idades dos presidirios classificados como B. A tabela
acima apresenta algumas medidas estatsticas obtidas por meio desse
levantamento.
23

A partir das informaes acima, julgue os itens que se seguem.

A moda das idades dos presidirios classificados como A, segundo a frmula de
Czuber, est entre 25,5 e 26 anos de idade.
idade
Resoluo
No caso de distribuies de frequncia em classes de mesma amplitude,
comum definir-se
se a moda (mo) como um ponto pertencente classe modal,
dado por
mo = Li +
d1
h,
d1 + d 2
em que Li o limite inferior da classe modal, d1 a diferena entre a

frequncia da classe modal e a da classe imediatamente anterior, d 2 a
diferena entre a frequncia da classe modal e a da classe imediatamente
seguinte e h a amplitude das classes.
classes
Observe que os dados do levantamento estatstico no esto agrupados
em intervalos de classe,
classe ou seja, no temos acesso ao histograma
correspondente. Portanto, a frmula da moda segundo Czuber no pode ser
aplicada ao item (o mesmo se aplica para a frmula da moda segundo King). A
concluso de que A
A moda das idades dos presidirios classificados como A,
segundo a frmula de Czuber, est entre 25,5 e 26
26 anos de idade
idade um mero
chute.
GABARITO: E
O nmero de presidirios classificados como A igual ao dobro do nmero de
presidirios classificados como B.
Resoluo
Dados: A = 30 , B = 33 .
Mdia das mdias ( X ):
X=
n 30 + nB 33
n A A + nB B
31 = A
n A = 2n B
n A + nB
n A + nB
24

em que n A e nB denotam
m o nmero de presidirios classificados como A e o
nmero de presidirios classificados como B, respectivamente.
respectivamente
Logo, correto afirmar que o nmero de presidirios classificados como A
igual ao dobro do nmero de presidirios classificados como B.
B
GABARITO: C
J caiu em prova! (Papiloscopista PF/2004/CESPE-UnB)
PF/2004/CESPE UnB) O ser humano
tem impressos nos dedos das mos pelo menos quatro desenhos diferentes.
Embora pessoas diferentes tenham sempre digitais diferentes, esses desenhos
formam padres conhecidos como tipos fundamentais de impresses digitais.
H raras excees a essa regra de classificao. Por isso, essa regra utilizada
para a identificao de uma pessoa. Um perito, observando os dedos
indicadores direitos de 200 indivduos, obteve a seguinte distribuio dos tipos
fundamentais, segundo o gnero (homem/mulher).
Tipo fundamental
gnero
arco
presilha interna
presilha externa
verticilo
total
homem
15
15
35
35
100
mulher
15
10
40
35
100
No estudo desse perito, foram associados valores x, y e z para cada indivduo,

da seguinte maneira: x = 1, caso o tipo fundamental da impresso digital do
indivduo for verticilo e x = 0, caso contrrio; y = 1 se o tipo fundamental da
impresso digital do indivduo for arco e y = 0, caso contrrio; z = 1 se o
indivduo for mulher e z = 0 se for homem. Como resultado desse
procedimento, formam-se
se trs sries estatsticas, respectivamente, X, Y e Z,
cada uma com duzentas observaes.
A partir dessas informaes, julgue os itens a seguir.
A mediana de X superior a 0,8.
Resoluo
O total de homens e mulheres com impresso digital verticilo 70. Logo,
sobram 200 70 = 130 homens e mulheres que no tm impresso digital
verticilo.
O rol da srie x possui 130 zeros e 70 uns. Portanto, a mediana zero (0),
menor que 0,8.
GABARITO: E
25

A mediana do produto X Z menor que 0,025.

Resoluo
Dados:
- x = 1 se o tipo fundamental da impresso digital do indivduo for verticilo;
verticilo
- x = 0 se o tipo fundamental da impresso digital do indivduo NO for
verticilo;
- z = 1 se o indivduo for mulher;
mulher e
- z = 0 se o indivduo for homem.
home
A srie W = X Z registra as pessoas do gnero feminimo E com impresso
digital verticilo.. Neste caso, a srie W tem 35 uns (xz = 1.1 = 1 se uma
mulher tem impresso digital verticilo) e 200 35 = 165 zeros (xz = 0.z = 0
se um homem ou mulher no tem impresso digital verticilo).
Logo, a mediana de W zero, menor que 0,025.
GABARITO: C
J caiu em prova! (Serpro/CESPE-UnB/2010/Adaptada)
(Serpro/CESPE UnB/2010/Adaptada)
Certa empresa, em determinado ms, realizou levantamento acerca da

quantidade dirias de acessos simultneos ao seu sistema cujo resultado
mostrado na figura acima. A partir das informaes apresentadas nessa figura,
e considerando que a distribuio da quantidade dirias de acessos
simultneos representada pela varivel
varivel X, julgue os itens a seguir.
A quantidade de 6 mil acessos simultneos por dia representa a moda de X.
26

Resoluo
A moda de X (valor que apresenta a maior frequncia) igual a 3 mil, cuja
frequncia 10. A quantidade de 6 mil acessos simultneos o valor de menor
frequncia (= 1). Item errado.
GABARITO: E
O ms em que esse levantamento foi realizado possui mais de 30 dias.
Resoluo
o
quantidade de acessos simultneos
frequncia (n de dias)
1.000
2.000
3.000
4.000
5.000
6.000
Total
5
6
10
6
3
1
31
Os dados foram tabulados na tabela acima, a qual indica que o ms em que

esse levantamento foi realizado possui 31 dias. Item certo.
GABARITO: C
A quantidade de 2.000 acessos simultneos dirios representa o primeiro
quartil da distribuio X.
Resoluo
quantidade de acessos
simultneos
1.000
2.000
3.000
4.000
5.000
6.000
Total
frequncia (n de
dias)
5
6
10
6
3
1
31
frequncia
relativa
5/31 = 16,1%
6/31 = 19,4%
10/31 = 32,3%
6/31 = 19,4%
3/31 = 9,7%
1/31 = 3,1%
31/31 = 100%
frequncia
acumulada
16,1%
35,5%
67,8%
87,2%
96,9%
100,0%
Os dados tabulados acima indicam que o primeiro quartil Q1 (valor que

delimita os 25% menores valores)
valores) da distribuio de X a quantidade de 2 mil
acessos simultneos, haja vista o fato de a frequncia acumulada para essa
quantidade ultrapassar a frequncia acumulada de 25%.
27

Observe
bserve que a frequncia acumulada para 2000 acessos 35,5% e isto NO
implica que 2000 no seja o primeiro quartil da srie.
Resolvamos de outra maneira. O rol de acesso o seguinte:
1000, 1000, 1000, 1000, 1000 (5 dias)
2000,, 2000, 2000, 2000, 2000, 2000(6
2000 dias)
3000, 3000, 3000, 3000, 3000,
3000, 3000, 3000, 3000, 3000, 3000 (10 dias)
4000, 4000, 4000, 4000, 4000, 4000 (6 dias)
5000, 5000, 5000 (3 dias)
6000 (1 dia)
Nmero total de dias = 31.
31 Logo, a Mediana do rol corresponde ao dcimo
sexto valor: 3.000.
Temos
emos agora a seguinte sub-srie
sub
at a Mediana:
1000, 1000, 1000, 1000, 1000, 2000, 2000, 2000, 2000,, 2000, 2000, 3000,
3000, 3000, 3000, 3000
Como esta sub-srie
srie tem 16 elementos, a sua mediana (= 1o Quartil da srie
completa) o valor mdio entre os valores da oitava e da nona posio, ou
seja, 2000. Ento, Q1 = 2000.
2000
Entendo
ntendo que a primeira resoluo mais rpida, portanto mais adequada de
ser usada em uma situao real de prova.
Note que esta questo cobra DADOS TABULADOS.. Quando h muitos dados,
como o caso da questo, mais rpido resolver usando o raciocnio das
frequncias acumuladas.
GABARITO: C
correto classificar
ificar a varivel X como uma varivel quantitativa ordinal.
Resoluo
Errado. Tal classificao aplicvel aos atributos ou variveis qualitativas
quando possvel estabelecer uma ordem ou hierarquia entre as respostas
obtidas no levantamento estatstico. Por exemplo, o IBGE efetua
28

periodicamente o levantamento do grau de instruo dos brasileiros por meio

de um censo completo da populao. As respostas possveis para essa
pesquisa seriam algo como sem instruo escolar, nvel
nv
fundamental
incompleto, nvel fundamental completo, nvel mdio incompleto, nvel
mdio completo, nvel superior incompleto e nvel superior completo. Essas
respostas no so nmeros, so variveis qualitativas.. Como possvel
estabelecer uma hierarquia entre as possveis respostas, tem-se
tem
uma varivel
qualitativa ordinal.
GABARITO: E
A mediana amostral de X igual a 3.500.
Resoluo
Os dados tabulados anteriormente mostram que a mediana da distribuio
de X a quantidade de 3 mil acessos simultneos, pois a frequncia
acumulada para essa quantidade ultrapassa a frequncia acumulada de 50%.
GABARITO: E
6.2
Medidas de Disperso
Pense na seguinte situao: uma pessoa faz quatro refeies por dia, enquanto
que outra no faz nenhuma refeio por dia. Na mdia, ambas fazem duas
refeies por dia. Isto quer dizer que os dois indivduos esto bem
alimentados? A resposta bvia no. para isso que servem as medidas de
disperso, isto , medidas de como os dados esto agrupados: mais ou menos
prximos entre si (mais ou menos dispersos).
As medidas de disperso indicam o quanto os dados se apresentam dispersos
em torno da regio central. Desta forma, caracterizam o grau de variabilidade
existente nos dados. As seguintes medidas de disperso
disperso nos interessam: a
varincia, o desvio padro,
padro o coeficiente de variao e o desvio
interquartlico.
6.2.1
Varincia
A varincia de um conjunto de valores X = {x1 , x2 ,..., xn } pode ser calculada pela

frmula
(13) s x2 =
1 n
( xi x )2
n i=1
29

em que s x2 denota a varincia e x representa a mdia aritmtica. Neste curso,

tambm utilizaremos a notao Var(X) para a varincia do conjunto X.
Se os valores distintos x1 , x2 ,..., xk ocorrerem com as frequncias f1 , f 2 ,..., f k (
k
= n ),, respectivamente, a varincia ser dada por (*)
i =1
(14) s x2 =
1 k
f i ( xi x ) 2 .
n i =1
(*) Em (13) e (14),

), consideramos que os dados se referem a uma populao
finita.. Caso os dados estejam associados a uma amostra,, o fator n (= fi)
que aparece no denominador do lado direito de (13)
(1 ) e (14)
(
deve ser
substitudo por (n1).
1). A justificativa para o uso do fator (n1)
(n 1) foge ao escopo
desta aula porque trata-se
se de um problema de inferncia estatstica. Contudo,
o erro cometido quando calculamos a varincia amostral pela frmula
(13) (ou (14))
)) pequeno para grandes valores de n (considere
(
n>30). A mesma observao vlida para as medidas de covarincia e de
correlao que sero
ero vistas mais adiante.
Considere o conjunto de observaes X = {x1 , x2 ,..., xn } . A varincia tem as
seguintes propriedades::
Seja o novo conjunto Y=cX={cx

Y=
, em que c um valor
1, cx2,..., cxn},
fixo. Ento a varincia de Y igual a c elevado ao quadrado vezes a
varincia de X:: Var(Y) = c2Var(X).
Seja o novo conjunto W=c+X={c+x

W=
} em que c um
1, c+x2,..., c+xn},
valor fixo.. Ento a varincia de W=c+X igual a varincia de X (*):
Var(W) = Var(X)..
(*) A varincia de um valor fixo nula.

A frmula (13) pode ser reescrita na forma
2
1
1
1
s = xi2 xi = xi2 x 2 ,
n i n i
n i
2
x
ou seja, como a diferena entre a mdia aritmtica dos quadrados dos

valores e o quadrado da mdia aritmtica dos valores:
Varincia = Mdia dos Quadrados Quadrado da Mdia.
A varincia amostral tambm pode ser reescrita em uma forma anloga:

anloga
30

s x2 =
1 n
1 n 2 n 2
2
(
x
x
)
=
i
xi n 1 x
n 1 i =1
n 1 i =1
ou
s x2 =
1 n
n 2
f i xi2
x
n 1 i =1
n 1
caso os valores distintos x1 , x2 ,..., xk ocorram com as frequncias f1 , f 2 ,..., f k (

k
= n ).
i =1
Varincia Amostral = Soma dos Quadrados/(n1)

Quadrados/(n
Quadrado da
Mdia corrigido pelo fator n/(n1)
EXEMPLO. Julgue o item a seguir.

Considere o conjunto de dados {2, 5, 8, 11, 14}. Ento a varincia desse
conjunto menor que 20.
Resoluo
A mdia do conjunto
x=
2 + 5 + 8 + 11 + 14
=8
5
e a varincia
s x2 =
(x
x)2
(2 8) 2 + (5 8) 2 + (8 8) 2 + (11 8) 2 + (14 8) 2
= 18 Item certo.
5
Tambm podemos usar a frmula "maceteada" da varincia:

1
Varincia = Mdia dos Quadrados Quadrado da Mdia = xi2 x 2

n i
Sequncia de clculos:
1) Mdia dos quadrados:
31

1
2 2 + 52 + 82 + 112 + 142 410
2
x
=
=
= 82 .
i
n i
5
5
2) Quadrado da mdia:
2
xi = x 2 = 82 = 64 .
n i
Ento,
3) s x2 = 82 64 = 18 (mesmo resultado!).
GABARITO: C
Exemplo (ATRFB/ESAF/2012
ESAF/2012) A varincia da amostra formada pelos
valores 2, 3, 1, 4, 5 e 3 igual a
A) 3
B) 2
C) 1
D) 4
E) 5
Resoluo
A questo pede que voc calcule a varincia de uma amostra (ou varincia
amostral).
). Ento a frmula a ser utilizada a verso corrigida de (14), em que
o denominador do lado direito da igualdade (n1):
sx2 =
1 k
f i ( xi x ) 2
n 1 i =1
Clculo da mdia:
valor (x)
frequncia (fi)
1
2
3
4
5
1
1
2
1
1
fi = n = 6
xi2.f
.i
xi.fi
1x1
2x1
3x2
4x1
5x1
=
=
=
=
=
1
2
6
4
5
xi.fi = 18
12x1 = 1
22x1 = 4
32x2 = 18
42x1 = 16
52x1 = 25
xi2.fi = 64
32

x=
1 k
(1 1) + (2 1) + (3 2) + (4 1) + (5 1) 18
xi f i =
=
=3
n i =1
6
6
Clculo da varincia amostral:
sx2 =
1 k
[1 (1 3) 2 ] + [1 (2 3) 2 ] + [2 (3 3) 2 ] + [1 (4 3) 2 ] + [1 (5 3) 2 ]
2
f
(
x
x
)
=
i i
n 1 i =1
5
sx2 =
4 +1+ 0 +1+ 4
= 2 opo B
5
A varincia amostral tambm pode ser calculada pela frmula,

Quadrados/(n
Quadrado da
s x2 =
1 n
n 2 64 6 9 64 54 10
f i xi2
=
=
=2
x =
n 1 i =1
5
5
5
5
n 1
GABARITO: B
Varincia Combinada
Considere o conjunto de dados A com NA elementos, mdia A e varincia s A2 e
o conjunto B com NB elementos, mdia B e varincia s B2 . Pode-se
Pode
demonstrar
que a varincia da populao conjunta A+B,, tambm denominada
varincia combinada ou global,
global dada por
2
A+ B
A + B
=
+
.
N A + NB N A + NB N A + NB
2
Fazendo N = NA + NB, obtemos
2
A+ B
A
=
N
B
+
N
A+B
.

33

Exemplo (REFAP/Cesgranrio/2007).
REFAP/Cesgranrio/2007). O setor de recursos humanos de uma
empresa tem o hbito de divulgar separadamente a mdia e a varincia das
notas das avaliaes dos funcionrios do sexo feminino e do masculino. Na
ltima avaliao, os resultados obtidos foram:
Feminino
20
6
3,4
Nmero de funcionrios
Mdia
Varincia
A mdia e a varincia
respectivamente, valem:
das
notas
dos
Masculino
30
7
4
funcionrios
dessa
empresa,
A) 6,5 e 3,7
B) 6,6 e 3,4
C) 6,6 e 4,0
D) 7,5 e 3,7
E) 13,0 e 7,5
Resoluo
Dados: NA = 20, A = 6 e s A2 = 3,4 (conjunto feminino); NB = 30, B = 7 e s B2 = 4,0
(conjunto masculino).
A mdia global ou mdia das mdias dada pela mdia ponderada das
mdias dos conjuntos:
X A+ B =
N A A + N B B 20 6 + 30 7
=
= 6,6.
N A + NB
20 + 30
O resultado acima j nos permite eliminar as opes A, D e E. Restaram as

alternativas B e C.
A varincia combinada dada por
2
A+ B
A
=
N
B
+
N
A+B
.

Calcularemos a varincia combinada se soubermos os valores das somatrias

B) A2 (soma dos quadrados de A) e B 2
A (soma de A), B (soma de B),
(soma dos quadrados de B).
34

A mdia do conjunto A 6
A mdia do conjunto B 7
A = 6 A = 120
20
B
30
(soma de A = 120).
= 7 B = 210 (soma de B = 210).
A varincia de A 3,4. Ento,

A
A2
A2
A2
= 3,4 A 2 = 3,4 6 2 = 3,4
s

= 39,4
NA
N
20
20
20
A
2
A = 20 39,4 = 788 (soma dos quadrados de A = 788).
2
A
A
=
A varincia de B 4,0. Logo,

B
B2
B2
B2
2
2
s

= 4,0 30 B = 4,0 30 7 = 4,0 30 = 53,0
NB
NB
B 2 = 30 53 = 1.590 (soma dos quadrados de B = 1.590).
2
B
B
=
Finalmente, temos que
2
A+ B
s A2 + B
A
=
2
2
A+B
788 1.590 120 + 210
2.378 330
2
=

+
= 47,56 6,6
N
N
N
50
50
50
50
50
= 47,56 43,56 = 4,0 varincia combinada = 4,0.

2
B
+
GABARITO: C
Nota: se as mdias dos conjuntos A e B forem iguais,
iguais, ou seja, se A = B , a
varincia combinada pode ser calculada por meio da frmula simplificada
s
2
A+ B
N A s A2 + N B sB2 N A s A2 + N B s B2
=
=
,
N A + NB
N
em que N = NA + NB. Repare que trata-se

trata
de uma mdia ponderada das
varincias individuais.
Ateno: a frmula acima um caso particular da frmula anterior da
varincia combinada. Voc s poder aplic-la
aplic la quando as mdias dos
conjuntos A e B forem iguais!
Exemplo. Sejam os conjuntos de nmeros {2, 5, 8, 11, 14} e {2, 8, 14},
Assinale a opo com a varincia dos conjuntos combinados ou reunidos.
35

A) 8
B) 20,25
C) 18
D) 24
E) 22
Resoluo
Temos a srie estatstica A = {2, 5, 8, 11, 14} com mdia
A=
2 + 5 + 8 + 11 + 14 40
=
=8
5
5
e a srie B = {2, 8, 14} com mdia

B=
2 + 8 + 14 24
=
= 8.
3
3
Como as mdias so iguais, podemos aplicar a frmula simplificada

s A2 + B =
N A s A2 + N B s B2
.
N
Varincia do 1 conjunto:
s
2
A
( A A)
=
NA
(2 8) 2 + (5 8) 2 + (8 8) 2 + (11 8) 2 + (14 8) 2
= 18.
5
Varincia do 2 conjunto: s
Varincia combinada: s A2 + B =
2
B
(B B )
=
NB
(2 8) 2 + (8 8) 2 + (14 8) 2
=
= 24.
3
5 18 + 3 24
= 20,25.
5+3
GABARITO: B
Varincia de Dados Agrupados em Intervalos de Classe
Como j visto, quando os dados so apresentados em uma distribuio de
frequncias, todos os valores includos num certo intervalo de classe so
considerados coincidentes com o ponto mdio do intervalo. As frmulas (13) e
(14)
36

s x2 =
s x2 =
1 n
1 n
( xi x ) 2 = xi2 x 2
n i =1
n i =1
k
1 k
1 k 2
2
2
f
(
x
x
)
=
x
f
x
=
xi2 pi x 2
i
i
i i
n i =1
n i =1
i =1
sero vlidas para esses dados agrupados quando se interpretar xi como o

ponto
mdio
fi
i =1
i =1
( fi = n , pi = 1 )
como
frequncia
de
classe
correspondente.
Exemplo. Seja a distribuio em classes de frequncia dada na Tabela 5.
Temos que
Tabela 7: clculo da varincia.
Classe
(limites reais)
fi
xi
xi f i
xi2 f i
40,0 45,0
42,5
255,0
10.837,5
45,0 50,0
16
47,5
760,0
36.100,0
50,0 55,0
32
52,5
1.680,0
88.200,0
55,0 60,0
24
57,5
1.380,0
79.350,0
60,0 65,0
14
62,5
875,0
54.687,5
65,0 70,0
67,5
405,0
27.337,5
70,0 75,0
72,5
145,0
10.512,5
Total
n = 100
5.500
307.025,0
Vimos que,
x=
x f
i i
5.500
= 55,0 .
100
Logo,
Varincia s x2 =
1 k 2
307.025
xi f i x 2 =
552 = 3.070,25 3.025,0 = 45,25
n i =1
100
37

J caiu em prova! (Papiloscopista PF/CESPE-UnB/2004)

PF/CESPE UnB/2004)
Classificao
mnimo
1 quartil
mediana
mdia
3 quartil
mximo
varincia
20
25
27,5
30
32,5
50
49
18
23
32
33
42
52
100
A ou B
31
De acordo com um levantamento estatstico, a mdia das idades de um grupo

de presidirios igual a 31 anos de idade. Nesse levantamento, os presidirios
foram classificados como A ou B, dependendo da sua condio psicossocial.
Constatou-se
se que a mdia das idades dos presidirios classificados como A
menor que a mdia das idades dos presidirios classificados como B. A tabela
acima apresenta algumas medidas estatsticas obtidas por meio desse
levantamento.
A partir das informaes
es acima, julgue os itens que se seguem.
O valor de v est entre 65 e 75.
75
Resoluo
A varincia combinada v dada por
v=S
2
A+ B
A + B
=
+
n A + n B n A + n B n A + n B
A = 30
A = 30
A = 30n
B = 33
B = 33
B = 33n
nA
S = 49
2
A
S = 100
2
B
nB
nA
B
nB
A = 49
2
B = 100
2
= 60n B
nA
= 49 + 30 2 = 949
B
nB
= 100 + 33 2 = 1189
= 949n A = 1898n B
= 1189n B
38

2
v=S
2
A+ B
1898n B 1189n B 60n B + 33n B

2
=
+
= 632,67 + 396,33 31 = 1029 961 = 68

3n B
3n B
3n B
Ento certo afirmar que 65 < v = 68 < 75.

GABARITO: C
Valores
alores de x e u so, respectivamente, iguais a 19 e 51 anos de idade.
Resoluo
O levantamento estatstico no deixa dvida de que o valor mnimo de A ou B
x = 18 e o valor mximo de A ou B u = 52. Item errado.
GABARITO: E
6.2.2
Desvio Padro
O desvio padro mede a disperso absoluta de um conjunto de dados.

dados
dado pela raiz quadrada positiva da varincia:
varincia
(15) sx = + sx2 .
O desvio padro est na mesma unidade da varivel e indica, em
mdia, qual ser o erro (desvio) cometido ao tentar substituir cada
observao pela mdia do conjunto de dados.
Neste curso, tambm utilizaremos a notao DP(X) para o desvio padro do
conjunto X.
Exemplo. Determine o desvio
esvio padro do conjunto 2, 5, 8, 11, 14.
Vimos que esse conjunto possui varincia igual a 18. Logo, sx = 18 4,24 .
Considere o conjunto de valores X = {x1 , x2 ,..., xn } . O desvio padro tem as
seguintes propriedades::
Seja o conjunto Y=cX={cx

Y=
1, cx2,..., cxn}, em que c um valor fixo.
Ento o desvio padro de Y igual a c vezes o desvio padro de X:
DP(Y) = c.DP(X).
Seja o novo conjunto W=c+X={c+x

W=
} em que c um
1, c+x2,..., c+xn},
valor fixo.. Ento o desvio padro de W = c+X igual ao desvio
padro de X:: DP(W) = DP(X)
39

6.2.3
Coeficiente de Variao
O coeficiente de variao definido como o quociente entre o desvio

padro e a mdia,, sendo frequentemente expresso em porcentagem (*):
(16) cv( x) =
sx
.
x
O coeficiente de variao mede a disperso relativa dos dados.

dados Utilizase o coeficiente de variao na comparao do grau de concentrao
em torno da mdia para duas ou mais sries distintas.
distintas
(*) Logo, podemos dizer que o coeficiente de variao um adimensional.
adim
Exemplo. Determine o coeficiente de variao do conjunto 2, 5, 8, 11, 14.
O conjunto tem mdia 8 e desvio padro 4,24. Portanto, cv(x) =
6.2.4
4,24
0,53 = 53% .
8
Desvio Interquartlico
O desvio interquartlico (ou amplitude interquartil) definido como

(17) d Q = Q3 Q1 ,
em que d Q denota o desvio interquartlico, Q3 o terceiro quartil (ou quartil
superior) e Q1 o primeiro quartil (ou quartil inferior).
A amplitude interquartil pode ser usada como uma medida de disperso. Em
distribuies mais dispersas, os valores dos quartis ficam mais distantes. Em
distribuies simtricas, a distncia entre o quartil inferior e a mediana igual
distncia entre a mediana e o quartil
quartil superior, enquanto que em distribuies
assimtricas essas distncias so diferentes.
Exemplo. O primeiro e o terceiro quartis da distribuio das alturas dos
estudantes da Universidade de So Paulo so 165,56 cm e 178,59 cm,
respectivamente. Calcule o desvio interquartlico dessa distribuio.
d Q = Q3 Q1 = 178,59 165,56 = 13,03 cm.
40

Medidas sobre Dados Bivariados
Imagine o caso de um pesquisador que coleta dados para determinar a

natureza de uma relao entre duas grandezas. Por exemplo, um qumico pode
executar uma reao vrias vezes a fim de estudar a relao entre a
concentrao de um certo catalisador e a velocidade
velocidade da reao Cada vez que a
reao executada, a concentrao X e a velocidade Y so registrados.
Portanto, o experimento gera um conjunto de pares (x1,y1), (x2,y2), ..., (xn,yn), em
que n o nmero de vezes que a reao foi ensaiada. Os dados que consistem
co
em pares ordenados so denominados dados bivariados.. Em muitos casos,
os pares ordenados gerados em um experimento tendem a se concentrar em
torno de uma linha reta quando plotados em um grfico. Em tais situaes, a
principal questo determinar a proximidade da relao das duas grandezas
entre si. As medidas estatsticas mais usadas para mensurar a proximidade da
associao entre duas variveis so a covarincia e o coeficiente de
correlao.
7.1
Covarincia e Correlao
Seja uma amostra de dez pessoas adultas, do sexo masculino, e sejam a

altura (cm) e o peso (kg) dessas pessoas denotadas por X e Y,
respectivamente. Para cada elemento da amostra, temos um par ordenado
(x,y). Teremos ento n = 10 pares de valores das duas grandezas, que podero
ser representadas em um diagrama cartesiano bidimensional denominado
diagrama de disperso.
Tabela
Pessoa
X- Altura (cm)
Y - Peso (kg)
1
2
3
4
5
6
7
8
9
10
174
161
171
181
182
165
155
168
176
175
74
68
63
92
80
73
61
64
90
81
Suponha que tenham sido obtidos os valores apresentados na tabela acima. O

diagrama de disperso correspondente o da prxima figura. A vantagem do
diagrama de disperso est em que, muitas vezes, sua simples observao j
nos d uma boa idia da associao existente entre as duas variveis,
variveis ou seja,
sobre a tendncia de variao conjunta que apresentam.
41

95
90
85
80
75
70
65
60
55
150
155
160
165
170
175
180
185
Observando o diagrama de disperso acima com ateno, constatamos que

existe, para maiores valores de X (altura), uma tendncia a obtermos maiores
valores de Y (peso) e vice-versa.
vice versa. Quando isso ocorre, diz-se
diz
que h
correlao linear positiva entre X e Y.
Entretanto, tambm podemos ter casos em que o diagrama de disperso
apresenta o aspecto da figura que se segue, indicando que, para maiores
valores de X, a tendncia observarem-se
observarem se menores valores de Y e vice-versa.
Diz-se
se que nesse caso a correlao negativa.. Por exemplo, a renda per
capita de pases e o ndice de analfabetismo so variveis negativamente
negativame
correlacionadas.
42

claro que tambm pode ocorrer o caso em que as variveis so no

correlacionadas.. Neste caso, o aspecto do diagrama de disperso o da
prxima figura.
-1
-2
-3
-4
-3
-2
-1
Vimos que o sinal da correlao indica a tendncia da variao conjunta entre

as grandezas. Alm disso, devemos considerar tambm a intensidade ou o
43

grau da correlao. A correlao linear (em valor absoluto) entre X e Y na

figura em que a correlao negativa mais intensa do que a da figura em
que a correlao positiva, pois os pontos da primeira apresentam uma
tendncia mais acentuada de se colocarem segundo uma reta do que os da
ltima.
A covarincia uma medida da intensidade e do sinal da correlao
linear entre duas variveis.
variveis. Suponha que tenhamos uma coleo de n pares
ordenados (x,y). Ento a covarincia dada pela estatstica (*)
(18)
s xy =
1 n
y
( xi x )( yi y)
n i =1
em que x a mdia amostral de X, y a mdia amostral de Y, e ( xi x ) e

( yi y ) correspondem aos desvios dos xs e ys, respectivamente.
(*) A frmula da covarincia acima assume que os dados se referem a uma
populao finita. Se os dados fossem provenientes de uma amostra, o
denominador da frmula da covarincia seria (n1)
( 1) em vez de n.
Observe que a covarincia depende das unidades de medida das variveis X e
Y. Percebe-se
se mais claramente o significado da covariao dividindo-se
dividindo
a
covarincia entre X e Y por seus respectivos desvios padro sx e sy. A razo
resultante conhecida como coeficiente de correlao (*) entre X e Y, dado
por
(19)
r=
s xy
sx s y
(*) Ou coeficiente de correlao linear de Pearson.

Pearson
Podemos reescrever (19)) na forma de soma de quadrados,
(20)
r=
i =1
i =1
( xi x )( yi y )
( xi x ) 2
i =1
S xy
S xx S yy
( yi y ) 2
em que S xy = i =1 ( xi x )( yi y) , S xx = i=1 ( xi x ) 2 e S yy = i =1 ( yi y ) 2 .
n
A representao abreviada dos somatrios de (20)

( ) por meio de S xy , S xx e S yy
bastante til para resolver alguns exerccios. No difcil mostrar que
44

(21)
S xy = i =1 xi yi
n
1
n
( x )( y ).
n
i =1
1
(22) S xx = i=1 x
n
( x )
1
(23) S yy = i=1 y
n
( y )
2
i
2
i
i =1
i =1 i
i =1
O COEFICIENTE DE CORRELAO ADIMENSIONAL

O coeficiente de correlao tem as importantes propriedades de ser
adimensional e de variar entre -1 e 1,, o que no ocorre com a covarincia.
A vantagem de ser adimensional est no fato de seu valor no ser afetado
pelas unidades adotadas. Por outro lado, o fato de termos 1 r 1 faz com
que um dado valor de r seja facilmente interpretado. Note que r = -1
corresponde ao caso de correlao linear negativa perfeita e r = 1 corresponde
ao caso de correlao linear positiva perfeita.
O coeficiente de correlao para os dados da tabela de alturas e pesos de
aproximadamente 0,771 (voc pode conferir este resultado com uma
calculadora ou com algum programa de computador). O valor aproximado do
coeficiente de correlao para os dados da figura em que a correlao
negativa -0,985.. O coeficiente de correlao para os dados da figura em que
aparentemente no
o h correlao entre X e Y igual a 0,016.
0,016 Este ltimo
resultado indica que no h qualquer associao linear entre as variveis X e Y
(neste caso a covarincia tambm dar prxima de zero). Quanto maior o
valor absoluto (ou mdulo) |r|, melhor a associao
sociao linear entre os valores.
CORRELAO NO CAUSALIDADE
Para as crianas, o tamanho do vocabulrio est correlacionado intensamente
com o tamanho do p. Entretanto, a aprendizagem de novas palavras no faz
com que o p cresa, nem o crescimento do p faz com que o vocabulrio
aumente. H um terceiro fator, a idade, que est correlacionada com o
tamanho do sapato e com o vocabulrio. As crianas mais velhas tendem a ter
um sapato maior e um vocabulrio maior, e isso resulta em uma correlao
positiva
a entre vocabulrio e tamanho do sapato. Deste modo, um alto valor do
coeficiente de correlao, embora estatisticamente significativo, pode no
implicar qualquer relao de causa e efeito, mas simplesmente a tendncia de
variao conjunta das grandezas em questo.
A CORRELAO MEDE APENAS A RELAO LINEAR
45

O coeficiente de correlao mede apenas a relao linear entre X e Y. Quando

a correlao nula, ou seja, se r = 0, no h associao linear entre X e Y.
Mas pode existir uma relao no linear. Por exemplo,
exemplo, sejam X e Y
relacionados pela equao
X 2 + Y 2 =1,
que descreve uma circunferncia centrada em (0,0) e de raio 1. O coeficiente

de correlao nulo neste caso. Contudo, existe uma relao no linear
entre X e Y, pois os pares ordenados (x,y) esto localizados sobre o crculo de
raio unitrio
trio centrado em (0,0).
Exemplo. Julgue o item a seguir.
O coeficiente de correlao para o conjunto de dados.
x
inferior a 0,8.
Resoluo
Aprendemos que o coeficiente de correlao dado por
r=
i =1
i =1
Mdia de X:
x=
Mdia de Y:
y=
i =1
xi
n
n
i =1
yi
( xi x )( yi y )
( xi x ) 2
i =1
1+ 2 + 3 + 4 + 5
= 3,0
5
2 +1+ 4 + 3 + 7
= 3,4
5
( yi y ) 2
S xy
S xx S yy
Tabela para clculo do coeficiente de correlao:

xi x
-2
-1
yi y
-1,4
-2,4
0,6
-0,4
3,6
( xi x )( yi y )
2,8
2,4
-0,4
7,2
i =1
( xi x )( yi y ) = 12,0
46

( xi x ) 2
i =1
( yi y ) 2
1,96
5,76
0,36
0,16
12,96
i =1
i =1
( xi x ) 2 = 1,0
( yi y ) 2 = 21,20
Logo
r=
12,0
= 0,8242
10 21,20
Item errado, pois r > 0,8 .

GABARITO: E
47

O Mnimo que Voc Precisa Saber
- A frequncia de um dado valor de uma varivel (qualitativa ou quantitativa)

definida como o nmero de vezes que esse valor foi observado.
observado
- A associao das respectivas frequncias a todos os diferentes valores
observados define a distribuio de frequncias do conjunto de valores
observados.
- A frequncia acumulada de um dado valor igual a soma das
frequncias de todos os valores menores
menores ou iguais ao valor em
considerao.
- Um histograma um grfico da distribuio de frequncias de uma
varivel quantitativa.
- As medidas de posio servem para localizar a distribuio de
frequncias sobre o eixo de variao da varivel (eixo horizontal).
horizon
- A mdia, a mediana e a moda so medidas de posio.
- Mdia aritmtica: x =
x1 + x 2 + ... + x n 1 n
= xi
n
n i =1
- Mdia das mdias: x =
n A x A + n B x B + ... + n K x K
n A + n B + ... + n K
n 1/ n
- Mdia geomtrica: x g = x1.x2 ...xn = xi
i=1
n
- Mdia harmnica: xh =
n
1 1
1
+ + ... +
x1 x2
xn
n
n
x
i =1
w x + w2 x2 + ... + wn xn
- Mdia ponderada: x p = 1 1
=
w1 + w2 + ... + wn
w x
i i
i =1
n
i =1
- A mediana o valor que divide a distribuio ao meio,

meio, deixando os 50%
menores valores de um lado e os 50% maiores valores do outro lado.
48

- A moda dada pelo valor mais freqente (ou de mxima frequncia).

frequncia
1
- Varincia = Mdia dos Quadrados Quadrado da Mdia = xi2 x 2

n i
n
n
1
1
n 2
- Varincia amostral: s x2 =
( xi x ) 2 =
xi2
x
n 1 i =1
n 1 i =1
n 1
- Varincia combinada dos conjuntos A e B: s
2
A+ B
A
=
B
+
N
A+B
- Desvio Padro = Raiz Quadrada positiva da Varincia.

- Coeficiente de variao:
variao cv( x ) =
- Covarincia: s xy =
sx
.
x
1 n
( xi x )( yi y ) .
n i =1
- Coeficiente de correlao:
correlao r =
i =1
i =1
( xi x )( yi y )
( xi x ) 2
i =1
( yi y ) 2
S xy
S xx S yy
- Somas de Quadrados:
S xy = i=1 xi yi
n
1
n
( x )( y )
n
i =1
i =1
S xx = i=1 xi2
1
n
( x )
S yy = i=1 yi2
1
n
( y )
i =1 i
i =1
- O COEFICIENTE DE CORRELAO ADIMENSIONAL

- CORRELAO NO CAUSALIDADE
- A CORRELAO MEDE APENAS A RELAO LINEAR
49

Exerccios de Fixao
(BACEN-rea 4/Cesgranrio/2010)
/Cesgranrio/2010) Considere as informaes a seguir para
responder s questes de nos 1 a 3.
A viabilidade financeira do projeto de uma microempresa leva em considerao
dados histricos
ricos de 100 projetos semelhantes.
semelhantes. A tabela abaixo mostra a
distribuio de frequncias do VPL Valor Presente Lquido (valores em
milhes de reais) de um conjunto de microempresas similares.
VPL
Frequncia Relativa
-10
10 < x 0
10%
0 < x 10
80%
10 < x 20
10%
1. Utilizando os dados histricos acima, o valor esperado para o VPL da

microempresa, em milhes de reais,
(A) -10
(B) 0
(C) 5
(D) 10
(E) 20
2. Segundo os dados histricos, o valor, em milhes de reais, que mais se
aproxima do desvio padro do VPL da microempresa
(A) 1
(B) 2
(C) 2,5
(D) 4
(E) 4,5
3. Um projeto alternativo para o investidor apresenta um VPL esperado, em
reais, de 6 milhes e um risco (desvio padro) de 2 milhes. Pela tica do risco
relativo, qual o melhor investimento, a microempresa ou o projeto alternativo?
(A)
A) A microempresa, pois apresenta um Coeficiente de Variao maior.
50

(B)
B) A microempresa, pois apresenta um Coeficiente de Variao menor.
(C) O projeto alternativo,
ivo, pois apresenta um Coeficiente de Variao maior.
(D)
D) O projeto alternativo, pois apresenta um Coeficiente de Variao menor.
(E)
E) indiferente, pois os investimentos apresentam Coeficientes
cientes de Variao
iguais.
(ANACrea 7/CESPE--UnB/2012)
apresentado, julgue os itens a seguir.
Com
base
no
histograma
acima
4. Considerando que o histograma mostra a distribuio dos voos de certo

aeroporto por distncia voada, correto afirmar que a distncia mdia dos
voos desse aeroporto superior a 150 milhas nuticas.
5. Os quartis das distncias voadas (em milhas nuticas) obtidos a partir do
grfico so: 1o quartil = 100,0; 2o quartil (mediana) = 150,0; e 3o quartil =
200,0.
51

nota
contagem
27
(ANACrea 7/CESPE-UnB/2012)
UnB/2012) Considerando que uma pesquisa de
satisfao referente a um novo terminal de passageiros tenha sido realizada
com 50 pessoas e o resultado em uma amostra de notas conforme
apresentado na tabela acima, julgue os itens seguintes.
6. A mdia geomtrica da distribuio das notas foi superior mdia
aritmtica.
7. A varincia amostral das notas atribudas pelos passageiros foi superior a
2,4.
(Analista Judicirio-TST
TST/CESPE-UnB/2007/Adaptada) Considere que,
em um ambiente de trabalho industrial, as seguintes medies acerca da
poluio do ar tenham sido observadas: 1, 6, 4, 3, 2, 3, 1, 5, 1, 4. Nessas
situao, julgue os itens que se seguem.
8. A mediana da amostra igual a 2,5.
9. As mdias harmnica e geomtrica so ambas inferiores
inferiores a 3.
3
10. O terceiro quartil igual a 3.
11. A varincia amostral superior a 2,8.
2,8
52

Varivel X
Frequncia relativa
0,10
0,20
0,30
0,40
(SEAD-CPC/Cespe-UnB/2007/Adaptada
/2007/Adaptada) Considerando a tabela acima,
que apresenta as freqncias relativas de uma varivel X, relativa a uma
contagem, julgue os itens a seguir.
seguir
12. A mdia
dia de X inferior a 1,5.
13. O desvio-padro
padro de X inferior a 1,5.
14. A moda e a mediana de X so iguais a 3.
15. O coeficiente de variao de X superior a 1.
(MI-CENAD/ESAF/2012/Adaptada
/2012/Adaptada) A distribuio de frequncias em
classes do salrio mensal x,, medido em nmero de salrios mnimos, de uma
amostra aleatria de 50 funcionrios de uma empresa, apresentado a seguir.
x
mais de 0 a 10
22
mais de 10 a 20
13
mais de 20 a 30
10
mais de 30 a 40
mais de 40 a 50
16. Usando os dados acima,

acima, obtenha o valor mais prximo da varincia
amostral do salrio mensal.
(A) 121,5
(B) 124
(C) 126,5
(D) 129
(E) 131,5
53

17. (ATRFB/ESAF/2012
/2012) A varincia da amostra formada pelos valores 2, 3,
1, 4, 5 e 3 igual a
(A) 3
(B) 2
(C) 1
(D) 4
(E) 5
Julgue o item a seguir.
18. (Papiloscopista
Papiloscopista da PF/CESPE-UnB/2012)
PF/
Ao contrrio da mediana
amostral, a mdia aritmtica menos sensvel presena de valores extremos
(ou valores atpicos ou outliers).
54

10
Gabarito
1C
2E
3D
4C
5C
6E
7C
8E
9C
10 E
11 C
12 E
13 C
14 E
15 E
16 C
17 B
18 E
55

11
Resoluo dos Exerccios de Fixao
(BACEN-rea 4/Cesgranrio/2010)
/Cesgranrio/2010) Considere as informaes a seguir para
responder s questes de nos 1 a 3.
A viabilidade financeira do projeto de uma microempresa leva em considerao
dados histricos
ricos de 100 projetos semelhantes.
seme
A tabela abaixo mostra a
distribuio de frequncias do VPL Valor Presente Lquido (valores em
milhes de reais) de um conjunto de microempresas similares.
VPL
Frequncia Relativa
-10
10 < x 0
10%
0 < x 10
80%
10 < x 20
10%
1. Utilizando os dados histricos acima, o valor esperado para o VPL da

microempresa, em milhes de reais,
(A) -10
(B) 0
(C) 5
(D) 10
(E) 20
Resoluo
A questo pede para voc calcular o valor esperado ou mdia de uma
distribuio de frequncias
frequncia
de dados numricos agrupados em
intervalos de classe.
Quando os dados numricos so apresentados em uma distribuio de
considerados coincidentes com o ponto mdio do intervalo.
Utilizemos a seguinte notao: VPL = X, E (VPL) = X (valor esperado de VPL =
mdia de X).
Clculo de E(VPL):
56

3
X = X i pi = (5 0,1) + (5 0,8) + (15 0,1) = 0,5 + 4,0 + 1,5 = 5,0

i =1
A memria de clculos ilustrada pela tabela a seguir.
VPL
Xi (ponto
mdio do
intervalo)
Freq. Relativa
(pi)
Xipi
-10 < x 0
-5
0,1
-0,5
0 < x 10
0,8
4,0
10 < x 20
15
0,8
1,5
Xipi = 5,0
Total
GABARITO: C
2. Segundo os dados histricos, o valor, em milhes de reais, que mais se
aproxima do desvio padro do VPL da microempresa
(A) 1
(B) 2
(C) 2,5
(D) 4
(E) 4,5
Resoluo
Deve-se calcular o desvio padro de uma distribuio de frequncias
frequncia de
dados numricos agrupados em intervalos de classe.
classe
Quando os dados numricos so apresentados em uma distribuio de
considerados coincidentes com o ponto mdio do intervalo.
Utilizemos a seguinte notao:
VPL = X;
E (VPL) = X (valor esperado de VPL = mdia de X)

57

Var(VPL) denota a varincia de VPL; e
DP(VPL) representa o desvio padro de VPL.
DP(VPL) = raiz quadrada positiva de Var(VPL).

Var(VPL)
Clculo de DP(VPL):
3
Var (VPL ) = X i2 pi X 2 = (52 0,1) + (52 0,8) + (152 0,1) 25 = 45 25 = 20

i =1
DP((VPL
VPL) = Var (VPL) = 20 = 4,47 4,5
GABARITO: E
3. Um projeto alternativo para o investidor apresenta um VPL esperado, em
reais, de 6 milhes e um risco (desvio padro) de 2 milhes. Pela tica do risco
relativo, qual o melhor investimento, a microempresa ou o projeto alternativo?
(A) A microempresa, pois apresenta um Coeficiente de Variao maior.
(B)
B) A microempresa, pois apresenta um Coeficiente de Variao menor.
(C)
C) O projeto alternativo, pois apresenta um Coeficiente de Variao maior.
(D)
D) O projeto alternativo, pois apresenta um Coeficiente
Coeficiente de Variao menor.
(E)
E) indiferente, pois os investimentos apresentam Coeficientes
cientes de Variao
iguais.
Resoluo
A questo pede que voc compare os riscos de dois projetos. Pela tica do
risco relativo, o melhor investimento aquele que apresenta a
distribuio de frequncias com menor disperso em torno do valor
esperado.. Observe que essa comparao no pode ser feita com o desvio
padro, pois essa medida no mede a disperso relativa dos dados.
A comparao dos riscos deve ser efetuada por meio do Coeficiente de
Variao (CV). Pela tica do risco relativo, o melhor investimento o que
possui VPL com o menor Coeficiente de Variao.
Variao
O coeficiente de variao definido como o quociente entre o Desvio Padro
(DP) e a mdia ( X ),, sendo frequentemente expresso em porcentagem:
CV ( X ) =
DP ( X )
.
X
58

Clculo do CV para o investimento microempresa (denotado por X1):

CV ( X 1 ) =
DP ( X 1 ) 4,47
=
= 0,894
X1
5
Clculo do CV para o investimento alternativo (denotado por X2):

Dados: DP(X2) = 2 e E(X2) = 6.
CV ( X 2 ) =
DP ( X 2 ) 2
= = 0,333
X2
6
Como CV(X2) < CV(X1),, o melhor investimento, pela tica do risco relativo,
o projeto alternativo, pois apresenta um Coeficiente de Variao menor.
menor
GABARITO: D
(ANACrea 7/CESPE--UnB/2012)
apresentado, julgue os itens a seguir.
Com
base
no
his
histograma
acima
4. Considerando que o histograma mostra a distribuio dos voos de certo

aeroporto por distncia voada, correto afirmar que a distncia mdia dos
voos desse aeroporto superior a 150 milhas nuticas.
Resoluo
59

A mdia aritmtica, ou mdia, de um conjunto de n nmeros X 1 , X 2 ,..., X n

definida por (leia-se X barra)
X =
X 1 + X 2 + ... + X n 1 n
1
= Xi = X
n
n i =1
n
Se k valores distintos observados X 1 , X 2 ,..., X k ocorrerem com as frequncias

k
f1 , f 2 ,..., f k ( f i = n ),, respectivamente, a mdia ser

i =1
f X + f 2 X 2 + ... + f i X i + ... + f k X k
X = 1 1
=
f1 + f 2 + ... + f i + ... + f k
fX
i
i =1
k
k
1 k
f i X i = pi X i
n i =1
i =1
i =1
em que pi denota a i-sima

sima frequncia relativa.
Quando os dados so apresentados em uma distribuio de frequncias, todos
os valores includos num certo intervalo de classe so considerados
coincidentes com o ponto mdio do intervalo. As frmulas acima sero vlidas
para esses dados agrupados quando se interpretar X i como o ponto mdio do
intervalo e f i como a frequncia de classe correspondente.
4
X = pi X i = (25% 50) + (50% 150) + (20% 250) + (5% 350)

i =1
X = (0,25 50) + (0,50 150) + (0,20 250) + (0,05 350) = 12,5 + 75 + 50 + 17,5 = 155
A distncia mdia dos voos desse aeroporto superior a 150 milhas nuticas.
Item certo.
GABARITO: C
5. Os quartis das distncias voadas (em milhas nuticas) obtidos a partir do
grfico so: 1o quartil = 100,0; 2o quartil (mediana) = 150,0; e 3o quartil =
200,0.
Resoluo
Os quartis dividem os dados do histograma em quatro subconjuntos com igual
nmero de elementos. O primeiro quartil (Q1) ou quartil inferior (Qi) delimita
os 25% menores valores. O segundo quartil a prpria mediana e o terceiro
quartil (Q3) ou quartil superior (Qs) o valor que separa os 25% maiores
ma
valores.
60

Neste item, o valor x = 100,0 o primeiro quartil, pois delimita os 25%

menores valores.. O valor x = 150,0 a mediana, porque corresponde ao valor
que divide a distribuio ao meio, deixando os 50% menores valores de um
lado e os 50% maiores valores do outro lado.
lado O terceiro quartil o valor x =
200,0, pois separa os 25% maiores valores do restante da distribuio. Item
certo.
Alm dos quartis, podemos definir os decis (D1, D2,..., D9), que so os valores
que dividem os dados em dez partes iguais (note que a mediana corresponde
ao quinto decil D5) e os percentis,que
percentis,que so os valores que dividem os dados
ordenados em 100 partes iguais, sendo representados por P1, P2,..., P99 (a
mediana o percentil P50).
De maneira geral, os quartis, decis e percentis e outros valores obtidos
mediante subdivises dos dados em partes iguais so denominados quantis.
Os quartis, os decis e os percentis so medidas de posio separatrizes,
separatrizes
pois so valores que ocupam determinados lugares do eixo horizontal da
distribuio de frequncias, abrangendo intervalos iguais de um conjunto de
valores coletados e organizados.
Observe que a mediana,, alm de ser uma medida de posio de tendncia
central, tambm uma medida separatriz.
separatriz
GABARITO: C
61

nota
contagem
27
(ANACrea 7/CESPE-UnB/2012)
UnB/2012) Considerando que uma pesquisa de
satisfao referente a um novo terminal de passageiros tenha sido realizada
com 50 pessoas e o resultado em uma amostra de notas conforme
apresentado na tabela acima, julgue os itens seguintes.
6. A mdia geomtrica da distribuio das notas foi superior mdia
aritmtica.
Resoluo
A soma da contagem n = f1+ f2 + ... + f6 = 27 + 6 + 5 + 7 + 2 + 3 = 50,
em que os fi, i =1, 2, ..., 6, denotam as frequncias da contagem.
A mdia geomtrica nula: X G = ( X 1. X 2 ... X n )1 / n = (0 ... 5)1 / 50 = 0 .
Como a mdia aritmtica um valor no nulo, a mdia geomtrica da
distribuio das notas inferior mdia aritmtica. Item errado.
Clculo da mdia:
X =
f1 X 1 + ... + f 6 X 6 (0 27) + (1 6) + (2 5) + (3 7) + (4 2) + (5 3) 60
=
=
= 1,2
n
50
50
Relao entre as mdias aritmtica, geomtrica e harmnica

A mdia geomtrica de um conjunto de nmeros positivos X 1 , X 2 ,..., X n menor
do que ou igual sua mdia aritmtica, mas maior do que ou igual sua
mdia harmnica:
mdia harmnica
harmnica mdia geomtrica mdia aritmtica
A propriedade acima pode ser usada para se resolver este item sem fazer
contas (macete de prova).
62

GABARITO: E
7. A varincia amostral das notas atribudas pelos passageiros foi superior a
2,4.
Resoluo
Frmula da Varincia amostral:
Var ( X ) =
1 k
n 2
f i X i2
X
n 1 i =1
n 1

Quadrados/(n
Quadrado da
n/(n
Clculo da Soma dos Quadrados:

Quadrados
6
fX
i
2
i
= (02 27) + (12 6) + ( 2 2 5) + (32 7) + ( 4 2 2) + (52 3) = 196
i =1
Clculo da Varincia Amostral:

Amostral
Var ( X ) =
196 50 2
1,2 = 4,00 1,47 = 2,53
49 49
GABARITO: C
(Analista Judicirio-TST
TST/CESPE-UnB/2007/Adaptada) Considere que,
em um ambiente de trabalho industrial, as seguintes medies acerca da
poluio do ar tenham sido observadas: 1, 6, 4, 3, 2, 3, 1, 5, 1, 4. Nessas
situao, julgue os itens que se seguem.
8. A mediana da amostra igual a 2,5.
Resoluo
Rol: 1, 1, 1, 2, 3, 3,, 4, 4, 5, 6 (N = 10 medies)
N = 10 par. Ento
mediana = mdia aritmtica entre as 5a e 6a medies do rol
mediana = (3+3)/2 = 3
63

GABARITO: E
9. As mdias harmnica e geomtrica so ambas inferiores a 3.
3
Resoluo
Frmulas:
Mdia geomtrica:
geomtrica x g =
Mdia harmnica: x h =
x1 .x 2 ...x n = xi 1 / n
i =1
n
1 1
1
+ + ... +
x1 x 2
xn
n
n
x
i =1
Mdia geomtrica:
x g = n x1 .x 2 ...x n =(1 1 1 2 3 3 4 4 5 6 )1 / 10 = 86401 / 10 = 10 8640
E agora, como fazer a conta acima? Como voc poderia efetuar a raiz dcima
de 8640 em uma situao real de prova?
Ns faramos uma conta aproximada, como nmeros inteiros. Quer ver?
Quanto d 310?
310 = 33 x 33 x 33 x 3 = 27 x 27 x 27 x 3 = 19683 x 3 > 8640
Logo,
x g = 10 8640 < 3
Mdia harmnica:
xh =
n
1
1
1
+
+ ... +
x1 x 2
xn
10
10
300
=
=
2<3
1 1 1 1 1 1 1 1 1 1
61 151
+ + + + + + + + +
3+
1 1 1 2 3 3 4 4 5 6
30
GABARITO: C
10. O terceiro quartil igual a 3.
Resoluo
Rol: 1, 1, 1, 2, 3, 3,, 4, 4, 5, 6 (N = 10 medies)
64

O terceiro quartil a mediana da sub-srie

sub
3, 4, 4, 5, 6 Q3 = 4
GABARITO: E
11. A varincia amostral superior a 2,8.
2,8
Resoluo
n 2
1
Varincia Amostral =
xi2
x
n 1 i
n 1
Mdia dos Quadrados de uma amostra:

amostra
2
i
= 12 + 12 + 12 + 2 2 + 3 2 + 3 2 + 4 2 + 4 2 + 5 2 + 6 2 = 3 + 4 + 9 + 9 + 16 + 16 + 25 + 36 = 118
1
118
xi2 =
13,1
n 1 i
9
Observe que a frmula da mdia dos quadrados leva em conta o fator 1/(n1)
1/(n
em lugar de 1/n porque trata-se
trata se da varincia de uma amostra.
Quadrado da Mdia de uma amostra:
amostra
x=
1 + 1 + 1 + 2 + 3 + 3 + 4 + 4 + 5 + 6 30
n 2 10
=
= 3 x2 = 9
x = 9 = 10
10
10
9
n 1
Varincia amostral= 13,1 10 = 3,1 > 2,8 item certo.

Nota: calculemos a varincia como se fosse a varincia da populao:
x
i
2
i
= 118
1
118
xi2 =
= 11,8
n i
10
Mdia dos quadrados = 11,8

Quadrado da mdia = 9
Varincia = mdia dos quadrados quadrado da mdia = 11,8 9 = 2,8
voc julgaria que o item errado pela conta aproximada. Neste caso, o erro de
aproximao (3,1 2,8) = 0,3, correspondente a aproximadamente 10% do
valor da varincia amostral (significativo!). O erro percentual da conta
aproximada grande porque o nmero
nmero de amostras (n=10) pequeno.
GABARITO: C
65

Varivel X
Frequncia relativa
0,10
0,20
0,30
0,40
(SEAD-CPC/Cespe-UnB/2007/Adaptada
/2007/Adaptada) Considerando a tabela acima,
que apresenta as freqncias relativas de uma varivel X, relativa a uma
contagem, julgue os itens a seguir.
seguir
12. A mdia
dia de X inferior a 1,5.
Resoluo
X = X i pi , em que pi denota a frequncia relativa de Xi.

X = (0 0,10) + (1 0,20) + (2 0,30) + (3 0,40) = 0 + 0,2 + 0,6 + 1,2 = 2,0 inferior a 1,5.
Item certo.
GABARITO: E
13. O desvio-padro
padro de X inferior a 1,5.
Resoluo
Vaa( X ) = X i2 pi X 2 = mdia dos quadrados quadrado da mdia
Var ( X ) = (0 2 0,10) + (12 0,20) + (2 2 0,30) + (32 0,40) 2 2 = 0 + 0,2 + 1,2 + 3,6 4 = 1,0
DP( X ) = Var ( X ) = 1,0 item certo.

GABARITO: C
66

14. A moda e a mediana de X so iguais a 3.

Resoluo
Varivel X
Frequncia relativa
Frequncia relativa
acumulada
0,10
0,10
0,20
0,30
0,30
0,60
0,40
1,00
O valor de maior frequncia 3,0 moda = 3.

A mediana 2, haja vista que a frequncia acumulada at X=1 30% e at
X=2 60%.
Item errado.
GABARITO: E
15. O coeficiente de variao de X superior a 1.
Resoluo
CV x =
DP ( X ) 1
= = 0,5 inferior a 1. Item errado.
X
2
GABARITO: E
67

(MI-CENAD/ESAF/2012/Adaptada
/2012/Adaptada) A distribuio de frequncias em
classes do salrio mensal x,, medido em nmero de salrios mnimos, de uma
amostra aleatria de 50 funcionrios de uma empresa, apresentado a seguir.
x
mais de 0 a 10
22
mais de 10 a 20
13
mais de 20 a 30
10
mais de 30 a 40
mais de 40 a 50
16. Usando os dados acima,

acima, obtenha o valor mais prximo da varincia
amostral do salrio mensal.
(A) 121,5
(B) 124
(C) 126,5
(D) 129
(E) 131,5
Resoluo
ponto mdio da
classe
22
15
13
25
10
35
45
Soma das
frequncias
50
Mdia aritmtica:
X =
(5 22) + (15 13) + (25 10) + (35 3) + (45 2) 750

=
= 15,0
50
50
Varincia Amostral:
68

1 k
n 2
2
Var ( X ) =
f i X i
X
n 1 i =1
n 1
Varincia Amostral de X = Soma dos Quadrados/(n1)
Quadrados/(n 1) Mdia de X
ao Quadrado corrigida pelo fator n/(n1)
n/(n 1)
Xi
(Xi)2
fi
fi.(Xi)2
25
22
550
15
225
13
2.925
25
625
10
6.250
35
1.225
3.675
45
2.025
4.050
n=50
17.450
Soma
1
50
Var ( X ) = 17.450 15 2 = 356,12 229,59 = 126,53
49
49
E o valor mais prximo da varincia amostral 126,5 (alternativa C).

Nota (pegadinha da banca!):
banca!) como n = 50 > 30, o valor aproximado da
varincia amostral
Var ( X )
1 k
1
f i X i2 X 2 =
17.450 15 2 = 349 225 = 124 opo B!
n i=1
50
Voc teria errado a questo se tivesse efetuado o clculo aproximado da

varincia amostral.
E a? Ser que existe algum problema com a frmula aproximada da varincia
amostral?
Fique tranquilo(a)! No h nenhum problema com a frmula aproximada da
varincia amostral. A frmula pode ser aplicada, desde que voc tome as
devidas precaues.
Este problema mostra que voc dever estar atento s alternativas das
questes da sua prova. Observe que o erro de aproximao () do resultado
obtido pela frmula aproximada pequeno:
69

126,53 124
2,53
=
= 0,02 = 2%
126,53
126,53
Contudo, a banca imps, por meio de uma escolha cuidadosa das alternativas,
o clculo da varincia amostral pela frmula correspondente.
GABARITO: C
17. (ATRFB/ESAF/2012
/2012) A varincia da amostra formada pelos valores 2, 3,
1, 4, 5 e 3 igual a
(A) 3
(B) 2
(C) 1
(D) 4
(E) 5
Resoluo
Se os k valores distintos {x1 , x2 ,..., xk } de uma amostra X ocorrem com as
k
frequncias { f1 , f 2 ,..., f k } , respectivamente ( f i = n ), ento a varincia dessa

i =1
1
f i ( xi x ) 2 , em que Var ( X ) denota a varincia
n 1 i =1
e x representa a mdia amostral.
amostra dada por Var ( X ) =
Clculo da mdia e da varincia amostral:

amostral
valor (x)
frequncia (fi)
1
2
3
4
5
1
1
2
1
1
fi = n = 6
x=
xi2.f
.i
xi.fi
1x1
2x1
3x2
4x1
5x1
=
=
=
=
=
1
2
6
4
5
xi.fi = 18
12x1 = 1
22x1 = 4
32x2 = 18
42x1 = 16
52x1 = 25
xi2.fi = 64
1 k
(1 1) + (2 1) + (3 2) + (4 1) + (5 1) 18
xi f i =
=
=3
n i =1
6
6
70

Var ( X ) =
1 k
[1 (1 3) 2 ] + [1 (2 3) 2 ] + [2 (3 3) 2 ] + [1 (4 3) 2 ] + [1 (5 3) 2 ]
2
f
(
x
x
)
=
i i
n 1 i =1
5
Var ( X ) =
4 +1+ 0 +1+ 4
= 2 opo B
5
A varincia amostral tambm pode ser calculada pela frmula,

Quadrados/(n
Quadrado da
Var ( X ) =
1 n
n 2 64 6 9 64 54 10
f i xi2
=
=
=2
x =
n 1 i =1
5
5
5
5
n 1
GABARITO: B
Julgue o item a seguir.
18. (Papiloscopista
Papiloscopista da PF/CESPE-UnB/2012)
PF/
Ao contrrio da mediana
amostral, a mdia aritmtica menos sensvel presena de valores extremos
(ou valores atpicos ou outliers).
Resoluo
Primeiramente, faamos uma breve reviso conceitual.
As medidas de posio de tendncia central so: mdia aritmtica,
moda e mediana.
A mediana, os quartis, os decis e os percentis so as medidas
separatrizes.
Conclui-se que a mediana , ao mesmo tempo, uma medida de posio e
uma medida separatriz..
As medidas de tendncia central tambm so chamadas de promdios.
Essa denominao dada porque os dados observados tendem a agrupar-se
agrupar
em torno dos valores centrais
ntrais da distribuio de frequncias. Outros promdios
menos utilizados so a mdia geomtrica e a mdia harmnica.
A mediana conveniente para sries estatsticas onde existem valores
extremos (ou valores atpicos ou outliers),
outliers), em que valores grandes e pequenos
coexistem dentro da mesma srie. Para esses casos, a mediana caracteriza o
71

promdio mais confivel. Por outro lado, a mdia aritmtica mais

sensvel presena de valores extremos do que a mediana.
mediana
Item errado.
GABARITO: E
Abraos e at a prxima aula,
Bons estudos,
Alexandre Lima
alexandre@pontodosconcursos.com.br
72

Aula 01

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Aula 01

Diunggah oleh

Hak Cipta:

Format Tersedia

Conhecimentos Especficos Mtodos Quantitativos Anatel

Aula 01 Estatstica Descritiva

Introduo Estatstica ................................................................................................

Tipos de Variveis ................................................................................................

Sries Estatsticas ................................................................................................

Tcnicas de Descrio Grfica ................................................................

Descrio Grfica de Variveis Qualitativas................................

Descrio Grfica de Variveis Quantitativas Discretas................................. 9

Descrio Grfica de Variveis Quantitativas Contnuas ............................. 11

Caracterizao de uma Distribuio de Frequncias .............................................

Medidas de Posio ................................................................................................

Medidas de Disperso ................................................................................................

Desvio Padro ................................................................................................

Coeficiente de Variao ................................................................................................

Desvio Interquartlico ................................................................................................

Medidas sobre Dados Bivariados ................................................................

Covarincia e Correlao ................................................................

O Mnimo que Voc Precisa Saber ................................................................

Exerccios de Fixao ................................................................................................

Resoluo dos Exerccios de Fixao ................................................................

Conhecimentos Especficos Mtodos Quantitativos Anatel

Conhecimentos Especficos Mtodos Quantitativos Anatel

A Estatstica a cincia que se preocupa em coletar, analisar e fazer

Conhecimentos Especficos Mtodos Quantitativos Anatel

Depois que caracterizamos a populao, procedemos ao levantamento de

A funo da Estatstica Descritiva organizar

moradores de uma cidade.

peas produzidas por uma mquina.

www.pontodosconcursos.com.br | Prof. Alexandre Lima

Conhecimentos Especficos Mtodos Quantitativos Anatel

qualidade (perfeita ou defeituosa).

Os atributos ou variveis qualitativas so denominados ordinais sempre

casais residentes em um distrito de uma cidade.

carros produzidos em uma linha de montagem.

Exemplos de variveis contnuas:

detergentes de uma certa marca e tipo.

peas produzidas por uma mquina.

A Estatstica Descritiva pode descrever os dados atravs de grficos,

Vimos que a organizao

Conhecimentos Especficos Mtodos Quantitativos Anatel

Um rol um arranjo dos dados em ordem crescente ou decrescente.

As tabelas so recursos utilizados pela Estatstica, com o objetivo de organizar

Conhecimentos Especficos Mtodos Quantitativos Anatel

2) Srie geogrfica: os 10 maiores PIB do mundo

Conhecimentos Especficos Mtodos Quantitativos Anatel

Tcnicas de Descrio Grfica

A frequncia de um dado valor de uma varivel (qualitativa ou quantitativa)

definida como o nmero de vezes que esse valor foi observado.

em que k denota o nmero de diferentes valores existentes da varivel.

Descrio Grfica de Variveis Qualitativas

O grfico obtido por meio do clculo das frequncias ou frequncias relativas

Freq. Relativa (%)

Conhecimentos Especficos Mtodos Quantitativos Anatel

Os dados esto representados por meio de um diagrama de barras e por um

Descrio Grfica de Variveis Quantitativas Discretas

A descrio grfica de variveis quantitativas discretas normalmente feita

Conhecimentos Especficos Mtodos Quantitativos Anatel

Tabela 2: distribuio de frequncias.

A figura a seguir mostra o diagrama de barras associado aos dados da Tabela

Tambm possvel representar graficamente os dados da Tabela 2 utilizando

Conhecimentos Especficos Mtodos Quantitativos Anatel

Tabela 3: frequncias acumuladas.

Descrio Grfica de Variveis Quantitativas Contnuas

O diagrama de barras no usado na descrio grfica de variveis