Anda di halaman 1dari 51

1

Universidade Federal Fluminense - UFF


Polo Universitrio de Campos dos Goytacazes, RJ
Professora: Simone Manhes Aras Mrida




Estatstica
Bsica








2

CAPTULO I - O Desenvolvimento da Estatstica




1.1 Histrico
Embora a palavra estatstica no existisse, h indcios de que 3000
anos, a.C. j se faziam censos na Babilnia, China e Egito.
A prpria Bblia leva-nos a essa recuperao histrica: o livro Quarto do
Antigo Testamento (Nmeros) comea com uma instruo a Moiss: Fazer um
levantamento dos homens de Israel que estiverem aptos para a guerra.
Na poca do imperador Csar Augusto, saiu um edito para que se
fizesse o censo em todo o imprio romano (a palavra censo deriva de censere,
que em latim, significa taxar). Tem-se nos registros bblicos que, Maria e Jos
viajaram de Nazar para
Belm, na poca do nascimento de Jesus Cristo para que fossem
recenseados.
A palavra Estatstica vem de status (Estado, em latim), sob essa palavra
acumularam-se descries e dados relativos ao Estado. A estatstica, nas
mos dos Estadistas, constituiu-se verdadeira ferramenta administrativa.
Em 1805, Guilherme, O Conquistador, ordenou que se fizesse um
levantamento estatstico da Inglaterra. Esse levantamento deveria incluir
informaes sobre terras, proprietrios, uso da terra, empregados animais e
serviria, tambm, de base para o clculo de impostos. Tal levantamento
originou um volume intitulado Domesday Book. (dia do juzo final).
No sculo XVII ganhou destaque na Inglaterra, a partir das Tabuas de
Mortalidade, a Aritmtica Poltica, de John Graunt, que consistiu de exaustivas
anlises de nascimento e mortes. Dessas anlises resultou a concluso, ente
outras, de que a porcentagem de nascimentos de crianas do sexo masculino
era ligeiramente superior de crianas do sexo feminino.
A palavra estatstica foi cunhada pelo acadmico alemo Gottfried
Achenwall por volta da metade do sculo XVIII.


3

1.2 Conceituao
A Estatstica possui alguns conceitos antigos. Ela ainda usada como
simples contagem aritmtica; como sinnimo de dados publicados oficialmente
ou como transformaes matemticas. Assim, comum ouvir algum dizer:
Aqui esto as estatsticas sobre o jogo realizado ontem!
Eis alguns conceitos modernos para a Estatstica:
- a parte matemtica aplicada que se ocupa em obter
concluses a partir de dados observados.
- a estimativa de um parmetro a partir de uma amostra
(parmetro o elemento numrico usado para caracterizar todo
o conjunto).
- Estatstica um conjunto de mtodos e processos quantitativos
que serve para estudar e medir os fenmenos coletivos (para a
Estatstica, somente interessam os fatos que englobem um
grande nmero de elementos, pois ela busca encontrar leis de
comportamento para todo o conjunto e no se preocupa com
cada um dos elementos em particular).

1.3 Campos de Aplicao
A Estatstica encontra aplicaes em quase todos os campos da
atividade humana.
O Estado e a Sociologia tm necessidade de conhecer as populaes
por seus efetivos, por sexo, idade, estado civil, profisso, nacionalidade, etc. O
nvel cultural de um povo pode ser indicado pela proporo dos que sabem ler
e escrever, em relao ao total de habitantes e pelo nmero de alunos das
escolas. As tbuas de mortalidade
1
, confrontadas de tempos em tempos, ou
com as de outros pases, permitem avaliar a evoluo do grau de sanidade
fsica.

1
A tbua completa de mortalidade da populao brasileira, estimada pelo IBGE Instituto
Brasileiro de Geografia e Estatstica um modelo demogrfico que descreve a incidncia da
mortalidade ao longo das idades e resume, numericamente, as condies gerais de sade
de uma populao. A tbua de mortalidade importante instrumento de avaliao das
polticas pblicas no campo da Sade. www.ibge.gov.br

4

Os servios de meteorologia, to importantes para a navegao area e
martima, so essencialmente estatsticos, com seus estudos de temperaturas,
presses, quedas de chuva, umidade, ventos, etc. Na agricultura, a Estatstica
serve como orientador seguro, fornecendo informaes sobre colheitas,
rendimento das terras, valores da produo e outros. Na indstria e no
comrcio pode-se comparar produes e volumes de vendas em relao ao
total por regio, estudar a situao dos mercados e suas tendncias.
Grandes servios a Estatstica presta Biologia, desde o homem
mdio de Quetelet, passando pela teoria da hereditariedade de Mendel, at as
infinitas aplicaes de hoje. A Geografia conclui atravs de estudos estatsticos
as densidades demogrficas, correntes migratrias, climas, etc.
Na informtica tambm encontramos importantes aplicaes, entre elas:
avaliao de desempenho de redes de computadores, assim como aplicaes
em redes neurais artificiais e minerao de dados, na Inteligncia Artificial.
E ainda, na Histria e Literatura, onde trabalhos estatsticos estudam a
extenso dos perodos, coincidncias, pontuaes e estilos.

1.4 Mtodo Cientfico

1.4.1. Mtodo
Muitos dos conhecimentos que temos foram obtidos na antiguidade por
acaso e outros, por necessidades prticas, sem aplicao de um mtodo.
Atualmente, quase todo acrscimo resulta da observao e de um estudo. Se
bem que muitos desses conhecimentos possam ter sido observados
inicialmente por acaso, a verdade que desenvolvemos processos cientficos
para seu estudo e para adquirirmos tais conhecimentos.
Por definio Mtodo um conjunto de meios dispostos
convenientemente para se chegar a um fim que se deseja. Dentre os mtodos
cientficos, vamos destacar o mtodo experimental e estatstico.
O mtodo experimental: consiste em manter constantes todas as
causas (fatores) e variar esta causa de modo que o pesquisador possa
descobrir seus efeitos, caso existam. E o mtodo preferido no estudo das
Cincias da natureza, como a Fsica, a Qumica, etc.
5

O mtodo estatstico: muitas vezes h necessidade de descobrir fatos
em um campo em que o mtodo experimental no se aplica (nas cincias
sociais), j que os vrios fatores que afetam o fenmeno em estudo no podem
permanecer constantes enquanto se faz variar a causa que, naquele momento
interessa. (Como exemplo, pode-se citar a determinao das causas que
definem preo de uma mercadoria. Para ser aplicado o mtodo experimental,
ter que fazer variar a quantidade da mercadoria e verificar se tal fato ir
influenciar seu preo, porm, seria necessrio que no houvesse alterao nos
outros fatores. Assim, deveria existir, no momento da pesquisa, uma
uniformidade dos salrios, o gosto das outras necessidades etc. mas isso tudo
impossvel).
O mtodo estatstico, embora mais difcil e menos preciso, diante da
impossibilidade de manter as causas constantes, admite todas as causas
presentes variando-as, registrando essas variaes e procurando determinar,
no resultado final, que influncias cabem a cada uma delas.
O campo da estatstica lida com a coleta, a apresentao, a anlise e o
uso dos dados para tomar decises, resolver problemas e planejar produto e
processos. Devido a muitos aspectos da prtica envolver o trabalho com
dados, obviamente algum conhecimento de estatstica importante para os
profissionais. Especificamente, tcnicas estatsticas podem ser uma ajuda
poderosa no planejamento de novos produtos e sistemas, melhorando os
projetos existentes e planejando, desenvolvendo e melhorando os processos
de produo.

1.5 Ramos Bsicos da Estatstica:

1.5.1- Estatstica Descritiva ou Anlise Exploratria de Dados: a parte da
estatstica referente a coleta, a organizao e a descrio dos dados. Tem por
objetivo descrever e analisar determinada populao, sem pretender tirar
concluses de carter mais genrico. Nesta fase no se tira concluses.
Vamos resumir (ou descrever) um conjunto de dados para que possamos fazer
a inferncia.
1.5.2- Estatstica Indutiva ou Inferncia Estatstica: a fase onde
interpretamos e generalizamos as informaes. a parte da estatstica que,
6

baseando-se em resultados obtidos da anlise de uma amostra da populao
procura-se inferir, induzir ou estimar as leis de comportamento da populao da
qual a amostra foi retirada.
Esta fase aborda 2 problemas fundamentais: a estimao de parmetros de
uma populao e o teste de hipteses.
EXEMPLO: Uma amostra grande de homens com 48 anos de idade foi
estudada durante 18 anos. Entre 60% e 70% dos homens solteiros estavam
vivos aos 65 anos de idade. Entre os homens casados, 90% estavam vivos aos
65 anos. Que parte do estudo representa a Estatstica descritiva? Que
concluses podem ser tiradas desse estudo usando a estatstica inferencial?
Soluo: A estatstica descritiva inclui afirmaes tais como entre 60% e 70%
dos homens solteiros estavam vivos aos 65 anos de idade e entre os homens
casados, 90% estavam vivos aos 65 anos. Uma possvel inferncia tirada
desse estudo a de que o fato de ser casado est associado com uma vida
mais longa para os homens.
Quase todos os dias, estamos expostos Estatstica. Veja alguns
trechos de jornais e revistas:
As escolas brasileiras tm em mdia 18 computadores em
funcionamento, segundo pesquisa do Comit Gerenciador da Internet
(CGI) sobre o uso de tecnologia da informao e comunicao (TIC) na
rede de ensino municipal e estadual. (Fonte: Jornal Valor Econmico
10/08/2011).
As vendas do comrcio varejista subiram 0,2% em junho ante maio, na
srie com ajuste sazonal, informou hoje o Instituto Brasileiro de
Geografia e Estatstica (IBGE). (Fonte: www.exame.abril.com.br
11/08/2011).
Cerca de 110 mil construes em Campos pagam IPTU (Fonte: Folha
da Manh 31/01/07)
As informaes que acabamos de ler baseiam-se em um levantamento de
dados.

Dados: so informaes provenientes de observaes, contagens,
medidas ou respostas.
Muitas vezes, os dados so apresentados graficamente.
7

Quando lidamos com os dados, importante conhecermos a FONTE destes
dados. Antes de aceitar a verdade de um nmero, pergunte de onde veio
e se no existe outro mais significativo.

1.6 Populao e Amostra
Populao o conjunto da totalidade dos indivduos sobre o qual se
faz uma inferncia. Pode-se classificar pelo tamanho, sendo finita, quando a
populao possui um nmero determinado de elementos e infinita, quando
possui um nmero infinito de indivduos.
Amostra um subconjunto finito, representativo ou no, da populao
em estudo. Essa representatividade ocorre quando ela apresenta as mesmas
caractersticas gerais da populao da qual foi extrada.

Importante: A menos que uma populao seja pequena, geralmente
impraticvel obter todos os seus dados. Na maior parte dos estudos, a
informao deve ser obtida a partir de uma amostra.

Exemplo: Em um levantamento recente, perguntou-se a 3.002 adultos no
Brasil, se eles liam notcias na Internet pelo menos uma vez por semana.
Seiscentos adultos responderam que sim.
Populao resposta de todos os adultos do Brasil. Amostra
resposta dos 3002 adultos.

Qual o conjunto de dados?
R: So as 600 respostas positivas e as 2.402 respostas negativas.

1.7 Variveis
Definio - Varivel o conjunto de resultados possveis de um
fenmeno. So os dados a serem estudados de uma populao ou amostra. As
caractersticas a serem estudadas so chamadas de Variveis (designadas por
letras latinas x, y, z).

Classificao dos Tipos de Variveis:
a) Qualitativas = so expressas por atributos, registros no-numricos.
8

Exemplo: Cor dos olhos dos alunos, religio; gnero, estado civil.
b) Quantitativas = so expressas em nmeros.
Exemplo: ndice de liquidez das indstrias fluminenses; produo de caf no
Brasil, n. de defeitos em aparelhos de TV.
As variveis quantitativas podem ser:
b1) Discreta - quando os valores so expressos atravs de n
s
. inteiros,
normalmente resulta de contagens.
Exemplo: n. de clientes de uma loja pode ser 1, 2, 10, 15; mas no podem ser
2,5; 3,79. Logo o n. de clientes uma varivel discreta.

b2) Contnua - quando pode assumir qualquer valor correspondente ao
conjunto de ns reais, resulta normalmente de medies.
Exemplo: as prestaes a serem pagas pelos clientes so uma varivel
contnua, pois pode ser R$51,20 ou R$ 172,50, etc.

1.8 Amostragem - Tcnica especial para escolher as amostras. Deve garantir
o acaso da escolha, ou seja, cada elemento da populao tem a mesma
chance de ser escolhido.
As principais tcnicas de amostragem so: Amostragem aleatria
simples; Amostragem proporcional estratificada e Amostragem
sistemtica.

1.9 Tcnica de Arredondamento de Dados
Como, frequentemente, o pesquisador realiza medidas em suas
experincias que resultam em nmeros decimais, conveniente que se
estabeleam algumas regras de arredondamento de dados, baseadas na
Resoluo 886/66 do IBGE.
a) Quando o primeiro algarismo a ser abandonado 0, 1, 2, 3, ou 4, fica
inalterado o ltimo algarismo a permanecer.
Ex: 53,24 arredondado para o dcimo mais prximo ser igual a 53,2.
13,39 arredondado para o inteiro mais prximo ser igual a 13.
6,2483 arredondado para i centsimo mais prximo ser igual a 6,25.
b) Quando o primeiro algarismo a ser abandonado 6, 7, 8 ou 9, aumenta-
se de uma unidade o ltimo algarismo a permanecer.
9

Ex: 42,17 arredondado para o dcimo mais prximo ser igual a 42,2.
53,91 arredondado para o inteiro mais prximo ser igual a 54.
23,678 arredondado para i centsimo mais prximo ser igual a 23,68.

c) Quando o primeiro algarismo a ser abandonado 5, h duas solues:
c.1) Se ao 5 seguir em qualquer casa um algarismo diferente de zero,
aumenta-se uma unidade ao algarismo a permanecer.
Ex: 2,352 arredondado para o dcimo mais prximo ser igual a 2,4.
76,5001 arredondado para o inteiro mais prximo ser igual a 77.
23,6554 arredondado para i centsimo mais prximo ser igual a 23,66.
c.2) Se o 5 for o ltimo algarismo ou se s se seguirem zeros, o ltimo
algarismo a ser conservado s ser aumentado de uma unidade se for mpar.
Ex: 24,75 arredondado para o dcimo mais prximo ser igual a 24,8.
24,65 arredondado para o dcimo mais prximo ser igual a 24,6.
53,50 arredondado para o inteiro mais prximo ser igual a 54.
23,6750 arredondado para o centsimo mais prximo ser igual a 23,68.
23,7650 arredondado para o centsimo mais prximo ser igual a 23,76.



CAPTULO II ANLISE EXPLOTATRIA DE DADOS

2.1 Levantamento Estatstico - um processo tcnico que associa nmeros a
fenmenos coletivos com o objetivo de se obter concluses. Na anlise
exploratria dos dados (a Estatstica Descritiva) vamos trabalhar com as
seguintes etapas:

COLETA ORGANIZAO RESUMO ANLISE
dos dados dos dados dos dados dos dados





Informaes
(parmetros)

Tabelas e
Grficos

Coeficientes

Amostra (coleta
direta e coleta
indireta)

10

2.2 Srie Estatstica toda tabela que apresenta a distribuio de um
conjunto de dados estatsticos em funo da poca, do local ou de espcie.
Pode-se inferir que numa srie, podemos classific-las em:
- Sries histricas: cronolgica, temporais ou marchas. Descreve os
valores da varivel, em determinado local, discriminados segundo intervalo
de tempo varivel.
- Sries geogrficas: espaciais, territoriais ou de localizao. Descrevem
os valores da varivel, em determinado instante, discriminados segundo
regies.
- Sries especficas ou categricas: Descrevem os valores da varivel, em
determinado tempo e local, discriminados segundo especializaes ou
categorias.
- Sries conjugadas: Em cada tabela descrevem a variao de mais de
uma varivel, isto , faz-se conjugao de duas ou mias sries.

2.3 Tabelas
Um dos objetivos da Estatstica sintetizar os valores que uma
determinada varivel pode assumir, de forma que tenhamos uma viso global
da variabilidade dessa varivel. E isso ela consegue, inicialmente,
apresentando esses valores em tabelas e grficas, que iro nos fornecer
informaes rpidas e seguras a respeito das variveis em estudo, permitindo-
nos determinaes administrativas e pedaggicas mais coerentes e cientficas.
Tabela: um quadro que resume um conjunto de observaes. Uma tabela
compe-se de:
- Ttulo: conjunto de informaes, as mais completas possveis,
respondendo s perguntas: O qu? Onde? Quando? Fica localizado no
topo da tabela. As perguntas do ttulo referem-se respectivamente
espcie ou categoria, ao lugar e ao tempo. Essas tabelas, que
apresentam esses tipos de informaes, so denominadas Sries
Estatsticas.
- Corpo: conjunto de linhas e colunas que contm informaes sobre a
varivel em estudo;
- Cabealho: parte superior da tabela que especifica o contedo das
linhas;
11

- Coluna indicadora: parte da tabela que especifica o contedo das linhas;
- Linhas: retas imaginrias que facilitam a leitura, no sentido horizontal, de
dados que se inscrevem nos seus cruzamentos com as colunas;
- Casa ou clulas: espao destinado a um s nmero;
H ainda a considerar os elementos complementares da tabela, que so:
- Fonte, Notas e Chamadas: colocados de preferncia no seu rodap.

Obs.: De acordo com a resoluo n. 886 da Fundao IBGE, nas casas ou
clulas devemos colocar:
- um trao horizontal (--) quando o valor zero, no s quanto
natureza das coisas, como quanto ao resultado do inqurito;
- trs pontos (...) quando no temos dados;
- um ponto de interrogao (?) quando temos dvida quanto
exatido de determinado valor;
- zero (0) quando o valor muito pequeno para ser expresso
pela unidade utilizada. Se os valores so expressos em
numerais decimais, precisaremos acrescentar parte decimal
um nmero correspondente de zeros (0,0; 0,00; 0,000).

2.4 Forma de Distribuio de Dados
Os dados constituem a matria prima da estatstica e atravs deles o
pesquisador busca seu objetivo, analisando-os, verificando os resultados e
testando hipteses acerca da natureza da realidade.
Nesta seo sero apresentadas as maneiras de se manipular os dados
coletados em uma pesquisa, por exemplo, de modo que sejam agrupados
visando simplificao de sua utilizao e compreenso.

Dados Brutos: uma seqncia de valores numricos no organizados,
obtidos diretamente da observao de um fenmeno coletivo.
Se representarmos por X a caracterstica observada no fenmeno coletivo,
ento x1 representa o valor da caracterstica obtida na primeira observao do
fenmeno coletivo, x2 representa o valor da segunda caracterstica e assim
sucessivamente.
Assim, os dados podem ser representados por X: x1, x2, x3, ..., xn.
12

Rol uma seqncia ordenada dos Dados Brutos. Portanto, quando
ordenados na forma crescente ou decrescente, os dados brutos passam a se
chamar Rol.
Exemplo: Observando as notas de 30 alunos em uma prova, obtivemos os
seguintes dados:
X: 7,5; 3,5; 5,0; 4,5; 4,5; 5,0; 7,5; 3,5; 4,5; 4,5; 2,0; 3,5; 6,0; 3,0; 3,5;
4,5; 7,5; 4,5; 3,0; 7,5; 6,0; 4,5; 4,5; 6,0; 3,5; 7,5; 6,0; 4,5; 5,0; 3,0.
Se arrumarmos os dados brutos em rol, ficar da seguinte forma:
Rol: {2,0; 3,0; 3,0; 3,0; 3,5; 3,5; 3,5; 3,5; 3,5; 4,5; 4,5; 4,5; 4,5; 4,5; 4,5;
4,5; 4,5; 4,5; 5,0; 5,0; 5,0; 6,0; 6,0; 6,0; 6,0; 7,5; 7,5; 7,5; 7,5; 7,5}.
Os dados quantitativos coletados em um problema podem ser
agrupados segundo uma distribuio de freqncia simples ou uma distribuio
de freqncia agrupada.

2.4.1 Distribuio de freqncias o arranjo dos valores e suas respectivas
freqncias absolutas.

2.4.1.1 - Distribuio de Freqncias Varivel Discreta
A varivel discreta quando assume valores em pontos da reta real.
Exemplo: nmero de erros em um livro: 0, 1, 2, 3, ...

EXEMPLO NUMRICO - Dado uma srie qualquer...
Xi 3 4 7 8 12
fi 2 5 8 4 3

Tem-se que xi so os valores da varivel x e fi corresponde freqncia
simples (repetio) de cada valor de xi. Determina-se a mdia da seguinte
forma:
i Xi fi fri Fi Xi . fi
1 3 2 0,0909 2 6
2 4 5 0,2273 7 20
3 7 8 0,3636 15 56
4 8 4 0,1818 19 32
5 12 3 0,1364 22 36
22 1 150

13

8 , 6
22
150
__
~ =


=
fi
fi xi
X

Freqncia simples ou absoluta (fi): chama-se freqncia simples ou
absoluta de uma classe ou de um dado o nmero de observaes
correspondentes a essa classe ou a esse dado.
Obs.: Repare que o somatrio das freqncias simples (fi) igual ao
nmero total de observaes (n).

Freqncia acumulada (F
iAC
): a soma da freqncia simples deste elemento
com as freqncias simples dos elementos que o antecedem.
i iAC
f f f f F ...
3 2 1
+ + + =

Freqncia relativa simples (fri) - a relao da freqncia simples (fi) deste
elemento pelo nmero total (n) de elementos da srie.
n
f
f
i
ri
=

EXEMPLO PRTICO O gerente do departamento de uma instituio
financeira deseja analisar o nmero dirio de operaes fechadas nos ltimos
dois anos por um operador de seu departamento de opes de aes
negociadas na Bolsa de Valores. Na tabela seguinte foi registrada uma amostra
probabilstica simples de tamanho vinte e seis, extrada das operaes dirias
fechadas pelo Operador B nos ltimos dois anos.
Ordem
(i)
Operaes fechadas por
dia (Xi)
Dias (f
i
) (fr
i
) F
iAC

1 11 2 0,0769 2
2 12 5 0,1923 7
3 13 6 0,2308 13
4 14 7 0,2692 20
5 15 3 0,1154 23
6 16 2 0,0769 25
7 17 1 0,0385 26
26 1

Anlise da tabela de freqncias absolutas:
- O nmero mximo de 17 operaes dirias fechadas pelo Operador B
aconteceu em apenas um dia da amostragem.
14

- Entretanto, o valor mnimo 11 se repetiu em dois dias.
- Em seis dias da amostragem o operador B fechou 13 operaes por dia,
e em sete dias da amostragem fechou 14 operaes por dia.

2.4.1.2 - Distribuio de Freqncias Varivel Contnua
A varivel ser contnua quando assumir, teoricamente, qualquer valor em um
determinado intervalo da reta real. Exemplo: peso dos alunos: 50,5 Kg; 50,572
Kg; ...
Exemplo:
O grande atacadista W da cidade C, no ms de setembro de 2004, utiliza
uma empacotadora automtica para embalar os pacotes de 5,00Kg de acar
cristal, que ele j comercializava anteriormente, porm, medidos por balanas,
num processo bem artesanal.
Sempre preocupado em fazer bons negcios, o empresrio tratou de conferir o
trabalho da mquina ( de fundamental importncia para ele, estar tranqilo
com o Instituto de Pesos e Medidas IPM). Mandou que fosse medida a massa
(pelo processo artesanal) de uma amostra aleatria de trinta pacotes
(empacotados pela mquina), que resultou desta operao os dados abaixo:
4,60 4,65 4,68 4,72 4,75 4,76
4,78 4,78 4,79 4,80 4,80 4,82
4,83 4,84 4,85 4,86 4,87 4,89
4,90 4,91 4,92 4,93 4,93 4,95
4,97 4,99 5,00 5,04 5,06 5,08

A EXPLORAO destes dados est apresentada na tabela, nos grficos, nas
informaes e nos coeficientes apresentados abaixo:
FONTE: Dados hipotticos retirados dos registros apresentados pelos responsveis da
empresa W.

i Classes fi fri F
iAC
XI xi.fi
__
X Xi
2
__
|
|
.
|

\
|
X Xi fi X Xi
|
|
.
|

\
|

2
__

1 4,60 ___ 4,68 2 0,07 2 4,64 9,28 -0,22 0,0484 0,0968
2 4,68 ___ 4,76 3 0,10 5 4,72 14,16 -0,14 0,0196 0,0588
3 4,76 ___ 4,84 8 0,27 13 4,80 38,40 -0,06 0,0036 0,0288
4 4,84 ___ 4,92 7 0,23 20 4,88 34,16 +0,02 0,0004 0,0028
5 4,92 ___ 5,00 6 0,20 26 4,96 29,76 +0,10 0,0100 0,0600
6 5,00 ___ 5,08 4 0,13 30 5,04 20,16 +0,18 0,0324 0,1296
--- 30 1,00 --- --- 145,92 --- --- 0,3768
15

Setorgrama:
No resumo temos os parmetros:
Moda Mediana Mdia Desvio-padro
Kg Mo 83 , 4 ~ Kg Md 86 , 4 ~ Kg X 86 , 4
__
= Kg x s 0114 , ) ( =

Na anlise, temos os coeficientes:
0 26315789 , 0
0114 ,
83 , 4 86 , 4
) (
1
~ =

=
Kg
Kg Kg
x s
Mo Me
e

Segundo Pearson, houve simetria entre os elementos (os dimetros dos
eixos produzidos pela empresa H S/A)
Supondo que o Instituto que inspeciona os pesos (IPM) exige desta
empresa, que:
Exigncia I: os pacotes por ela lanados no mercado no podem
apresentar massa inferior a mais de 1% do valor nominal (menos de 4.950g);
Penalidade: (multa de R$ 10.000,00)
Exigncia II: os pacotes por ela lanados no mercado no podem
apresentar massa inferior a mais de 5% do valor nominal (menos de 4.750g);
Penalidade: (fecha a empresa e o responsvel preso por estar
lesando o consumidor gravemente)
4,60 a 4,68
7%
4,68 a 4,76
10%
4,76 a
4,84
27%
4,84 a
4,92
23%
4,92 a 5,00
20%
5,00 a 5,08
13%
As massas nos pacotes de acar empacotados pela mquina automtica adquirida pelo
atacaidsta "W" da cidade "C", no ms de setembro de 2004
16

Vamos supor que o IPM esteja inspecionando os pacotes embalados por esta
empacotadora. Ao retirar um pacote ao acaso, h chances:
1. a) De este empresrio ser multado, se a sua resposta for positiva, qual a
probabilidade disto ocorrer?
1. b) De este empresrio ser preso por estar lesando gravemente o
consumidor, se a sua resposta for positiva, qual a probabilidade disto
ocorrer?
2. Em relao s informaes da questo anterior, o empresrio chegou
concluso que, se algum pacote estiver a 1% do valor nominal, ele vai ter
problemas no contornveis, seja com o IPM ou com o seu bolso. Num
montante de dois mil pacotes embalados por esta empacotadora automtica,
quantos pacotes podem esperar que criem problemas no contornveis para o
mesmo?
3. Estabelea um intervalo de confiana com cinco pontos percentuais de
possibilidade de erro e interprete para uma pessoa que no estudou esse
contedo, o que isto representa?
Vamos entender os passos da EXPLORAO:
Frequentemente o pesquisador depara-se com a necessidade de
trabalhar com um volume muito grande de dados, em que a amplitude dessas
observaes tambm grande . Neste caso, a apresentao dos dados
agrupados na forma nominal torna-se de difcil leitura, no sentido de que se
esvazia o contedo das informaes. Desse modo, objetivando simplificao e
melhor compreenso dos dados, costuma-se agrupa-los em classes e construir
uma distribuio de freqncias agrupadas. Cada categoria ou grupo nesta
distribuio assim condensada recebe o nome de intervalo de classe, cujo
tamanho determinado pela quantidade de marcas ou escores nele contido.
Na determinao do tamanho e da quantidade de classes, as seguintes normas
devem ser observadas:
- As classes devem abranger todas as observaes;
- O extremo superior de uma classe o extremo inferior da classe
subjacente;
- Cada valor observado deve enquadrar-se em apenas uma classe;
- A quantidade de classes, de modo geral, no pode ser calculada
a partir do nmero de observaes (n) atravs do critrio da raiz.
17

Construo da Varivel Contnua

Nmero de classes (K)
Utilizando o critrio da raiz:
n K =

O valor de K deve ser o valor inteiro mais prximo de n , uma unidade a
menos ou a mais que este valor.
Exemplo: n = 30 477 , 5 30 = = K .
Portanto, o valor mais prximo 5. As opes para K ento so 4 ou 5 ou 6.

Amplitude de classes (h) tamanho das classes basta dividir a amplitude
total (AT) pelo nmero de classes (k).
K
At
h =


Amplitude Total (AT) de um conjunto de observaes igual a diferena entre
o maior e o menor elemento de uma seqncia. Ento, pode ser representada
por: AT=X mx X mn
Assim como no caso do nmero de classes (K), a amplitude das classes
(h) deve ser aproximada para o maior inteiro. Deve ser escolhido o valor de h
mais fcil de se operar.

Intervalo de classe qualquer subdiviso da amplitude total de uma srie
estatstica.

Limite das classes - cada intervalo de classe fica caracterizado por dois
nmeros reais. O menor valor chamado limite inferior (li) e o maior valor
chamado de limite superior (ls). Assim, se a classe for 2 ___ 4, o limite inferior
ser o valor 2 e o limite superior ser o valor 4.

Pontos mdios das classes (xi) - a mdia aritmtica entre o limite superior
(ls) e o limite inferior (li) da classe. Assim, se a classe for 2 ___ 4, teremos:
3
2
4 2
=
+
=
i
x , como ponto mdio da classe.
18

Obs.: O ponto mdio de uma classe considerado como o seu valor
representativo, ou seja, para efeito de anlise estatstica dos dados faz-se a
suposio de que todos os valores da classe coincidem com seu ponto mdio.
Passos para construir uma distribuio de freqncia a partir de uma
varivel contnua.
1. Decida sobre o nmero de classes a serem includas na distribuio de
freqncia;
2. Determine a amplitude da classe;
3. Calcule os limites de classes. Voc pode usar a entrada mnima dos
dados como o limite inferior da primeira classe, adicione a amplitude da
classe ao limite inferior remanescente. Lembre-se de que as classes
no podem se sobrepor.
4. Conte quantos dados devero constar em cada classe para determinar a
freqncia ( ) fi simples de cada classe.
Exemplo:
Y: {2,0; 2,5; 3,0; 3,5; 4,0; 4,0; 4,0; 4,5; 4,5; 5,0; 5,0; 5,0; 5,0; 5,5; 5,5;
5,5; 6,0; 6,0; 6,0; 6,5; 6,5; 6,5; 7,0; 7,5; 7,5; 7,5; 8,0; 8,5; 9,0; 9,5}.

Tabela de Freqncias para Variveis contnuas






Na apresentao das tabelas, podemos notar que:
- Os valores da freqncia simples (fi) nos mostram o nmero de vezes
que o elemento figura no conjunto de dados;
- Os valores da freqncia acumulada (Fi) nos mostram a soma da
freqncia simples de tal elemento com as freqncias simples dos
elementos que o antecedem;
- Os valores da freqncia relativa (fri) representam a participao
percentual de cada elemento da srie.
Classe Notas fi fri Fi FRi
1 2,0 ___ 3,5 3 3/30 = 0,10 3 3/30 = 0,10
2 3,5 ___ 5,0 6 6/30 = 0,20 9 9/30 = 0,30
3 5,0 ___ 6,5 10 10/30 = 0,33 19 19/30 = 0,63
4 6,5 ___ 8,0 7 7/30 = 0,23 26 26/30 = 0,87
5 8,0 ___ 9,5 4 4/30 = 0,13 30 30/30 = 1,00
n = 30 1,00
19

2.5 Somatrio ou Notao Sigma
Somatrio Notao Sigma () quando queremos representar uma
soma de n valores do tipo X1+ X2+ ...+ Xn , podemos codific-la a travs da
expresso:
X1+ X2+X3+ ...+ Xn =

=
n
i
i
X
1

Onde:
- utilizada para representar as operaes de adio entre as
parcelas.
Xi a parcela genrica.
A parcela genrica obtida tornando-se os termos constantes em todas
as parcelas, no caso X. Para representar a parte varivel em cada parcela, no
caso os ndices, utilizamos a letra i e indicamos a variao de i.
A expresso

=
n
i
i
X
1
deve ser lida: soma dos valores Xi, para i variantes
de 1 at n.
Se apenas parte dos valores que deve ser somada, usam-se ndices
para indic-los. Assim,
5 4 3 2 1
5
1
x x x x x x
i
i
+ + + + =

=



2.6 Medidas de Posio ou de Tendncia Central
As medidas de tendncia central so usadas para indicar um valor que
tende a tipificar, ou a representar melhor, um conjunto de nmeros. As trs
medidas mais usadas so a mdia, a mediana e a moda.

2.6.1.1 Mdia Aritmtica Simples (
__
X ou Me)
a idia que ocorre maioria das pessoas quando se fala em mdia.
Calcula-se a mdia aritmtica determinando-se a soma dos elementos (ou
valores) e dividindo-a pelo nmero de elementos no conjunto. Assim, se um
estudante fez quatro provas e obteve as notas 83, 94, 95 e 86, sua nota mdia
ser: 5 , 89
4
358
4
86 95 94 83
= =
+ + +

20

A mdia aritmtica simples de uma amostra representada pelo smbolo
___
X (leia-se X barra), e seu clculo pode expressar-se para uma seqncia
numrica X: X1, X2, ..., Xn, em notao sigma como segue.

n
n
x x x
n
n
i
i
X
X
+ + +
=

=
=
...
2 1 1
__



2.6.1.2 Dados Agrupados: Mdia Aritmtica Ponderada
Para uma seqncia numrica X: X1, X2, ..., Xn, afetados por pesos p1,
p2, ..., pn, respectivamente, a mdia aritmtica ponderada, que designaremos
por
___
X definida como:

=
=

=
n
i
i
n
i
i i
p
p X
X
1
1
___
ou

=

=
n
i
i
f
n
i
i
f
i
X
X
1
1
___


Exemplo 1:
Se um professor informar aos alunos que haver dois exames, valendo
cada um 30% do total de pontos do curso, e um exame final valendo 40%. O
clculo da mdia aritmtica ponderada deve levar em conta os pesos desiguais
dos exames. Assim, o estudante que obtm 80 no primeiro exame, 90 no
segundo, e 96 no exame final, ter uma mdia final de 89,4:





( ) ( ) ( )
4 , 89
40 , 0 30 , 0 30 , 0
40 , 0 96 30 , 0 90 30 , 0 80
1
1
___
=
+ +
+ +
=

=
=
n
i
i
n
i
i i
p
p X
X
Exame Nota Peso
N 1 80 0,30
N 2 90 0,30
final 96 0,40
1,00
21

2.6.2 Mediana (Md) - A Mediana (Md) um valor que ocupa a posio central
de uma srie.
Sua caracterstica principal dividir um conjunto ordenado de dados em
dois grupos iguais. S o nmero de observaes n for mpar, a Mediana ser o
elemento central (de ordem
2
1 + n
). Caso n seja par, a Mediana era a mdia
aritmtica entre os elementos centrais (de ordem
2
n
e 1
2
+
n
ou
2
n
e
2
2 + n
).
Para calcular a mediana, necessrio primeiro ordenar os valores em
ordem crescente.

2.6.2.1 Clculo da Mediana - Dados no-agrupados (Dados Brutos ou Rol)
a) { } 6 , 5 , 6 , 3 , 1 , 4 , 3 = A { } 6 , 6 , 5 , 4 , 3 , 3 , 1 = A Md = 4
b) { } 180 , 91 , 83 , 82 , 80 , 76 , 75 , 70 = B 81
2
82 80
=
+
= Md

2.6.2.2 Clculo da Mediana - Varivel Discreta
No caso da varivel discreta, aplica-se o mesmo raciocnio anterior.
Exemplo:
Ttulo......


Classe que
contm o valor
mediano.

Fonte: ....

A posio do termo central ( ) 11
2
1 22
=
+
=
|
|
.
|

\
|
d
M P .
Na freqncia acumulada (Fi) podemos localizar o 11 elemento da srie
que 7. A freqncia acumulada imediatamente superior a 11. Logo, 7 =
d
M .
Interpretao: 50% dos valores da srie so menores ou iguais a 7 e
50% dos valores da srie so maiores ou iguais a 7.

I Xi fi FiAC
1 3 2 2
2 4 5 7
3 7 8 15
4 8 4 19
5 12 3 22
--- 22 ---
22

No confundir Mediana com Posio da Mediana que dada por:
( ) |
.
|

\
| +
=
2
1 n
M P
d
.

2.6.2.3 Clculo da Mediana - Varivel Contnua
1 passo: achar a posio da mediana dada por: ( )
2
1 +
=
n
M P
d

2 passo: atravs da Freqncia Acumulada (Fi) identificar a classe que
contm a mediana.
3 passo: utiliza-se a frmula:
Onde:
i
l limite inferior da classe mediana;
n nmero de elementos da srie;
Fant Freqncia acumulada da classe anterior
classe mediana
fmd freqncia simples da classe mediana;
h amplitude do intervalo de classe.
Exemplo:
Ttulo......


3 classe que contm o
valor mediano
Fonte: ......
1 passo: ( ) 5 , 29
2
1 58
2
1
=
+
= |
.
|

\
| +
=
n
M P
d
;
2 passo: Atravs da freqncia acumulada (Fi), encontrar a classe que
contm a 29,5 posio;
3 passo: aplicar a frmula: h
f
F
n
li M
md
ant
d

+ =
2

i
l = 55 n = 58
ant
F =17
md
f = 18 10 55 65 = = =
i s
l l h
Classes fi Fi
35 ___ 45 5 05
45 ___ 55 12 17
55 ___ 65 18 35
65 ___ 75 14 49
75 ___ 85 6 55
85 ___ 95 3 58
58
h
f
F
n
li M
md
ant
d

+ =
2
23

Aplicando a frmula:

67 , 61 10
18
12
55 10
18
17
2
58
55
2
= + =

+ =

+ = h
f
F
n
li M
md
ant
d


2.6.3 Moda (MO) - a Moda o elemento mais freqente da distribuio e ser
denotada por Mo. Se nenhum elemento se destaca pela maior freqncia, o
conjunto de dados no possui moda, ento chamaremos de amodal.

2.6.3.1 Clculo da Moda
Exemplos:
a) A: 2, 8, 3, 5, 4, 5, 3, 5, 5, 1.
Mo = 5. uma seqncia unimodal.
b) B: 6, 10, 5, 6, 10, 2.
Mo = 6 e Mo =10. uma seqncia bimodal.
c) C; 2, 2, 5, 8, 5, 8.
Neste caso, todos os elementos da srie apresentam a mesma
freqncia, ento diremos que a srie amodal.

2.6.3.2 Clculo da Moda - Varivel Discreta

Exemplos:

A maior freqncia observada na segunda
coluna o 12 e corresponde ao s elementos
75 e 77 da srie. Portanto, uma srie
bimodal com Mo = 75 e Mo = 77.



Todos os elementos da srie possuem a
mesma freqncia. Portanto, a srie
amodal.
Xi fi
73 02
75 12
77 12
79 05
Xi fi
4 3
5 3
8 3
10 3
24

2.7 Medidas de Assimetria
As distribuies de freqncia de um conjunto de dados podem diferir
no s em termos das medidas de posio e de disperso, mas tambm com
relao forma caracterstica das respectivas curvas (representaes grficas
denominadas curvas de freqncias). Com relao forma, as curvas
caractersticas das distribuies de freqncias podem ser deformadas (ou
no) se comparadas com um certo padro de referncia ( Curva de
Distribuio Normal ou Curva de Gauss ).
Caso no haja coincidncia da mdia, da mediana e da moda, a distribuio
dita assimtrica e a curva caracterstica enviesada (deformada) para um
dos lados.

COEFICIENTE DE ASSIMETRIA DE PEARSON
Pearson props a seguinte relao emprica entre a MDIA, a MODA e a
MEDIANA.




Me Mo 3.( Me Md )
x x 3. ( x x
~
)
Em relao MODA;
e
1
=
) (x s
Mo Me

PROPRIEDADES DA ASSIMETRIA
Dado o coeficiente de assimetria de certa distribuio de dados:
1 - o seu mdulo indica o grau de enviesamento;
2 - o sinal indica o lado da inclinao
se positivo, a inclinao para a esquerda;
se negativo, a inclinao para a direita.

No caso dos coeficientes segundo Pearson, por exemplo,
se Mo < Md < Me ento :
e
1
> 0 e e
2
> 0 e a assimetria dita esquerda.
Caso contrrio se assimetria Me < Md < Mo ento
e
1
< 0 e e
2
< 0 e a assimetria dita direita.






Em relao MEDIANA;
e
2
=
) (
) .( 3
x s
Md Me

25

Representao grfica da posio relativa MDIA, MEDIANA e
MODA
Mo Md x ~ ~ curva SIMTRICA (ou segundo Gauss NORMAL)
x Md Mo ( ( curva ASSIMTRICA POSITIVA
Mo Md x ( ( curva ASSIMTRICA NEGATIVA





Resumo:
Segundo PEARSON pode-se medir o grau de simetria dos elementos
trabalhados em relao disperso destes, isto possvel atravs do
COEFICIENTE DE ASSIMETRIA:


ou

Para se fazer anlise atravs do coeficiente de Pearson (que resultou do
cruzamento de trs parmetros), preciso observar a tabela abaixo:





Exemplo: Classifique, quanto assimetria, a distribuio abaixo, segundo o
coeficiente de Pearson.
Em relao MODA;
e
1
=
) (x s
Mo Me

Em relao MEDIANA;
e
2
=
) (
) .( 3
x s
Md Me

Assim. Negativo SIMTRICO Assim. Positivo
__ e<0_______._ __e ~ 0____._____ e>0___
-0,50 0,50
26

Intervalos de
classes
fi Fi xi xi. fi
i i
f x x |
.
|

\
|

2
__

3|___ 5 1 1 4 4 16,81
5|___ 7 2 3 6 12 8,82
7|___ 9 13 16 8 104 0,13
9|___11 3 19 10 30 10,83
11|___13 1 20 12 12 15,21
20 162 51,8

1 , 8
20
162
__
= =


=
n
fi xi
x

( ) 5 , 10
2
1
=
+
=
n
Md P

0769 , 8 0769 , 1 7 2
13
3
2
20
7
2
~ + =

+ =

+ = Md h
fi
Fa
n
i
l Md

( ) ( )
0476 , 8 0476 , 1 7 2
3 2 13 2
2 13
7
2
~ + =
+

+ =
+

+ =
|
.
|

\
|
Mo h
post
f
ant
f
mo
f
ant
f
mo
f
i
l Mo

0326 , 0
6093 , 1
0476 , 8 1 , 8
) (
1
=

=
x s
Mo Me
e

x Md Mo ( ( CURVA ASSIMTRICA POSITIVA FRACA

2.8 Medidas Separatrizes
So nmeros reais que dividem a seqncia ordenada de dados em
partes que contm a mesma quantidade de elementos da srie.

Percentis - os percentis dividem um conjunto de dados em cem partes iguais.
Assim:
0% 1% 2% 3% . . . 50% . . . 98% 99% 100%

P
1
P
2
P
3
P
50
P
98
P
99

27

2.8.1 Clculo das Medidas Separatrizes - Dados Brutos ou Rol

1 passo ordenar os elementos obtendo o Rol;
2 passo identificar o percentil correspondente;
3 passo calcular o i% de n, ou seja,
100
n i
para localizar a posio do
percentil i no Rol;
4 passo identificar o elemento (xi) que ocupa esta posio;

Exemplo: Calcule o P
25
da seqncia X: 2, 5, 8, 5, 5, 10, 1, 12, 12, 11, 13, 15.
Soluo: X: 1, 2, 5, 5, 5, 8, 10, 11, 12, 12, 13, 15.
Calcula-se 25% de 12, que o nmero de elementos da srie ( ) 12 = n ,
obtendo:

P25 o 3 elemento do Rol. Ento, P25 = 5.

Interpretao: 25% dos valores desta seqncia so valores menores ou
iguais a 5 e 75% dos valores desta seqncia so valores maiores ou iguais a
5.

2.8.2 Clculo das Medidas Separatrizes - Variveis Discretas

1 passo calcular o i% de n, ou seja,
100
n i
para localizar a posio do Pi;
2 passo identificar o elemento que ocupa esta posio;

Exemplo: Calcule P
40
para a srie.







xi fi Fi
2 3 03
4 5 08
5 8 16
7 6 22
10 2 24
24
3
100
12 25
=

28


Soluo:
1 passo - calcula-se 40% de 24, ou seja, 6 , 9
100
24 40
40
=
= P
.
A posio do percentil est compreendida entre o 9 e o 10 elemento da srie.
2 passo - a mdia dos valores que ocupam estas posies 5
2
5 5
=
+
.
Assim, P40 = 5
Interpretao: 40% dos valores desta seqncia so valores menores ou
iguais a 5 e 60% dos valores desta seqncia so valores maiores ou iguais a
5.

2.9 Medidas de Disperso - So medidas estatsticas utilizadas para avaliar o
grau de variabilidade, ou disperso, dos valores em torno da mdia. Servem
para medir a representatividade da mdia.



___
X
Sejam as sries:
X: 10; 1; 18; 20; 35; 3; 7; 15; 11; 10.
Y: 12; 13; 13; 14; 12; 14; 12; 14; 13; 13.
Z: 13; 13; 13; 13; 13; 13; 13; 13; 13; 13.
Tem-se: 13
___
=
X
X 13
___
=
Y
X 13
___
=
Z
X

Apesar de as sries terem a mesma mdia, so seqncias completamente
distintas do ponto de vista da variabilidade de dados. Na srie X existem muitos
elementos bastante diferenciados da mdia 13. A srie Y h forte concentrao
em torno da mdia 13 e apresenta fraca disperso de dados. J na srie Z, no
h variabilidade de dados, ou seja, no h disperso. Assim, a mdia muito
mais representativa para a srie Z do que para a srie X.

29

As principais medidas de disperso absoluta so: Amplitude Total, Desvio
Mdio Simples, Varincia e Desvio-Padro. Todas elas, exceto a Amplitude
Total, tm na mdia o ponto de referncia.

2.9.1 Amplitude Total (AT) a diferena entre o maior e o menor dos
valores da srie.
At = X mx X mn

Comentrio: Apesar da facilidade de obteno da amplitude total, esta uma
medida que tem pouca sensibilidade estatstica, pois depende apenas de dois
valores. possvel modificar completamente a disperso ou a concentrao
dos elementos em torno da mdia, sem alterar a amplitude total da srie.

2.9.2 Varincia (
2
o ou
2
s ) uma mdia aritmtica calculada a partir dos
quadrados dos desvios obtidos entre os elementos da srie e sua mdia.
Para o caso do clculo da varincia populacional, a frmula :
n
f X X
i i
|
.
|

\
|

=

2
___
2
o


1. o2 indica varincia populacional e l-se sigma ao quadrado.
2.
___
X da frmula a mdia da populao.

Para o caso do clculo da varincia amostral, a frmula :

1
2
___
2

|
.
|

\
|

=

n
f X X
s
i i





30

Como voc deve ter observado, as diferenas entre as frmulas so: para o
caso da varincia populacional ( )
2
o , utiliza-se a mdia populacional
___
X tendo
como denominador o tamanho da populao (N). Para o clculo da varincia
amostral ( )
2
s , utiliza-se a mdia amostral
___
X , tendo como denominador o
tamanho da amostra menos um: (n 1).

2.9.3 Desvio-padro (o ou s) a raiz quadrada positiva da varincia.
2
o o = o desvio-padro populacional
2
s s = o desvio-padro amostral
Observando-se a frmula original para o clculo da varincia, nota-se que
uma soma de quadrados. Dessa forma, se a unidade da varivel for, por
exemplo, metro (m) teremos como resultado metro ao quadrado (m2). Para se
ter a unidade original, necessita-se definir outra medida de disperso, que a
raiz quadrada da varincia o desvio-padro.

Interpretao do desvio-padro

Como o desvio-padro a medida de disperso mais importante,
fundamental que se consiga relacionar o valor obtido do desvio-padro com os
dados da srie.
Quando uma curva de freqncia representativa da srie
perfeitamente simtrica como a curva abaixo, podemos afirmar que:
o intervalo
(
(

+ o o
__ __
; X X contm aproximadamente 68% dos valores;
o intervalo
(
(

+ o o 2 ; 2
__ __
X X contm aproximadamente 95% dos valores;
o intervalo
(
(

+ o o 3 ; 3
__ __
X X contm aproximadamente 99% dos valores .
68%
31



95%

99%




Cerca de 68% da rea est a dois desvios padro.

Cerca de 95% da rea est a dois desvios padro.

Cerca de 99% da rea est a dois desvios padro.

Quando se afirma que uma srie apresenta mdia 100
__
= X e desvio-
padro ( ) 5 = x o , pode-se interpretar estes valores da seguinte forma:

1. Os valores da srie esto concentrados em torno da mdia 100
__
= X .
2. O intervalo [95; 105] contm aproximadamente, 68% dos valores da
srie.

O intervalo [90; 110] contm aproximadamente, 95% dos valores da srie.
O intervalo [85; 115] contm aproximadamente, 99% dos valores da srie.
importante que se tenha percebido que, ao aumentar o tamanho do
intervalo, aumenta-se o percentual de elementos contido no intervalo.
2.9.4 Coeficiente de Variao trata-se de uma medida relativa de disperso
til para a comparao em termos do grau de concentrao em torno da mdia
de sries distintas.
100
___
=
X
CV
o
ou 100
___
=
X
s
CV

32

Onde:
o = desvio-padro populacional
s = desvio-padro amostral
___
X = mdia aritmtica

O coeficiente de variao expresso em porcentagens.


EXERCCIOS DE FIXAO


1 Estudo de Caso
Um novo material poder substituir o cimento em determinados casos na
construo civil, por apresentar um custo e um peso menor. Um tcnico
conhecedor das ferramentas disponibilizadas pela Estatstica foi requisitado
pelo laboratrio do L, na cidade de Campos dos Goytacazes/RJ no incio de
maro de 2004, para apresentar informaes sobre a resistncia deste
material. Para fazer uma boa explorao, o companheiro utilizou os recursos
do laboratrio desta instituio e conseguiu registrar as presses mximas
suportadas por trinta corpos de provas, no S.I., dados estes que esto
expressos a seguir:
7,3N/m2 4,0N/m2 6,6N/m2 10,0N/m2 7,9N/m2 4,8N/m2
5,6N/m2 6,2N/m2 5,0N/m2 8,6N/m2 9,0N/m2 5,8N/m2
8,4N/m2 8,9N/m2 7,6N/m2 4,5N/m2 7,1N/m2 6,1N/m2
7,N/m2 3,0N/m2 8,2N/m2 5,2N/m2 5,3N/m2 6,0N/m2
7,5N/m2 6,4N/m2 6,8N/m2 7,7N/m2 5,4N/m2 2,8N/m2

2 Estudo de Caso
A vida til de trinta pneus, em dias, foi monitorada pelo gerente de
transporte Y, da Distribuidora W, na cidade de C. G em janeiro de 2004.
Os dados abaixo registram estes desgastes:
700 845 690 712 850 725 788 750 810 735
800 650 710 755 720 660 860 745 880 827
760 775 900 840 600 750 815 640 715 790

33

Esses valores devem ser explorados convenientemente por voc, para
que se possa fazer confirmaes sobre a populao no futuro (estimaes).
Sabe-se que na explorao, depois da ORGANIZAO dos dados em tabelas
e grficos, deve-se RESUMI-LOS (atravs dos parmetros como:
Porcentagem, Moda, Mediana, Mdia Aritmtica e Desvio-padro) e analis-los
(segundo o grau de disperso e o grau de assimetria).

3 Estudo de Caso
No polgono de freqncias dados a seguir, temos retratado na
organizao dos dados, o nmero de problemas por programa, encontrado no
primeiro semestre de 2003 pelos tcnicos da Empresa Y que utilizam os
softwares rodados no linux, na cidade de So Joo da Barra.

fi 10





0 10 16 22 28 34 40 46
52
Nmero de problemas encontrados pelos tcnicos por programa

4 Estudo de Caso
Uma amostra de canos plsticos com 2,00 de dimetro, produzidos num
certo processo fabril, foi monitorada pelo gerente de produo W da empresa
Y, localizada na cidade de Maca em fevereiro de 2004. Abaixo temos os
registros das medidas encontradas deste canos.
2,01 2,05 2,06 2,06 2,01 2,00 2,07 2,03 2,05 2,04
2,03 2,04 1,97 2,07 2,06 2,04 2,02 2,02 2,04 1,99
2,02 2,06 2,02 2,01 1,95 1,99 2,03 1,97 2,01 2,09
2,04 1,99 1,98 2,03 2,04 2,00 1,98 1,99 1,97 2,03
2,04 2,01 2,03 1,99 2,00 2,01 2,03 2,00 2,01 2,06
34

2.10 Representao Grfica de Sries Estatsticas
A representao grfica das sries estatsticas tem por finalidade
representar os resultados obtidos, permitindo chegar-se a concluses sobre a
evoluo do fenmeno ou sobre como se relacionam os valores da srie.
H vrias maneiras de representar graficamente uma srie estatstica,
podendo citar entre elas os grficos em linhas; em colunas; em barras; em
porcentagens complementares etc. Contudo, os elementos simplicidade,
clareza e veracidade devem ser considerados na elaborao de um grfico.
Nosso interesse estar voltado para os grficos de anlise da srie
estatstica que so: Grficos setoriais, Histograma, Polgono de freqncia e a
Curva polida de freqncia.
Grficos Setoriais um dos mais simples recursos grficos, pois
consiste em um crculo cujos setores ou partes do mesmo crculo totalizam
100%. Eles so especialmente teis quando se tem como objetivo representar
diferenas de freqncias entre categorias de nvel nominal. Quando os dados
so agrupados em intervalos de classes os outros tipos de grficos so
preferveis aos setoriais.
Os grficos setoriais so tambm conhecidos em linguagem popular,
no cientifica, como grfico de pizza ou grfico de torta. A seguir, um
exemplo de aplicao de grfico setorial.

Exemplo:

Suponha que a populao de 2000 estudantes de uma determinada
universidade apresente as seguintes origens:
Ttulo:........
i Origem dos alunos Freqncia (fi) fri %
1 Urbana 240 12
2 Suburbana 1400 70
3 Rural 360 72
Total 2000 100
Fonte:.....


35



2.10.1.1 Grfico de colunas ou Histograma
Histograma para Varivel Discreta - um grfico de colunas que representa
a distribuio de um conjunto de dados. Um histograma possui as seguintes
propriedades:
1. A escala horizontal quantitativa e mede os valores dos dados (Xi).
2. A escala vertical mede as freqncias dos dados (fi).

Considerando uma srie qualquer:
xi 2 3 3,5 4,5 5 6 7,5
fi 1 3 5 9 3 4 5

Ento, o histograma assume a forma:


Urbana
12%
Suburbana
70%
Rural
18%
Origem dos alunos
Valores di stintos da srie
7,5 6,0 5,0 4,5 3,5 3,0 2,0
F
r
e
q
u

n
c
i
a

s
i
m
p
l
e
s

(
f
i
)
10
8
6
4
2
0
36

Histograma Varivel Contnua - um conjunto de retngulos justapostos,
representados em um sistema de coordenadas cartesianas, cujas bases so
intervalos de classe e cujas alturas so valores proporcionais s freqncias
simples correspondentes. Considerando a srie das variveis contnuas acima:





Ento o histograma assume a forma:


Se unirmos os pontos mdios das bases superiores destes retngulos,
obtemos uma nova figura chamada polgono de freqncia, onde a rea a
mesma do histograma.
Quando estamos trabalhando com um censo, o histograma representa
diretamente a distribuio de freqncia da populao, mas quando estamos
trabalhando com uma amostra, o histograma representa apenas a distribuio
de freqncia da amostra e no da populao.
No entanto, se imaginarmos o nmero n de elementos da amostra
aumentando progressivamente, o nmero de classes iria aumentando
progressivamente e a amplitude do intervalo de classe iria diminuindo, o que
transformaria o polgono de freqncia praticamente em uma figura polida,
chamada curva polida de freqncia.
Intervalos de classes
14
12
10
8
6
4
2
0
Classe Intervalo de classe fi
1 2 ___ 4 04
2 4 ___ 6 12
3 6 ___ 8 10
4 8 ___ 10 04
37


EXERCCIOS PROPOSTOS I ANLISE EXPLORATRIA DOS DADOS


1. Uma pesquisa sobre a idade, em anos de uma classe de calouros de
uma faculdade, revelou os seguintes valores:
18; 17; 18; 20; 21; 19; 20; 18; 17; 19;
20; 18; 19; 18; 19; 21; 18; 19; 18; 18;
19; 19; 21; 20; 17; 19; 19; 18; 18; 19;
18; 21; 18; 19; 19; 20; 19; 18; 19; 20;
18; 19; 19; 18; 20; 20; 18; 19; 18; 18.

Construa a distribuio de frequncias para estes dados e o histograma.

2. Um banco selecionou ao acaso 25 contas de pessoas fsicas em uma
agncia, em determinado dia, obtendo os seguintes saldos em unidades
monetrias:
52.500,00 18.300,00 35.700,00 43.800,00 22.150,00
6.830,00 3.250,00 17.603,00 35.603,00 7.800,00
16.323,00 42.130,00 27.606,00 18.350,00 12.521,00
25.300,00 31.452,00 39.610,00 22.450,00 7,380,00
28.000,00 21.000,00 14.751,00 39.512,00 17.319,00
Construa a distribuio de frequncias para estes dados e o histograma.

3. Calcule o salrio mdio, construa o histograma e o polgono de
frequncias para a srie representativa de uma amostra dos salrios de 25
funcionrios selecionados em uma empresa.
I Salrios $ Nmero de funcionrios
1 1.000,00 ___ 1.200,00 02
2 1.200,00 ___ 1.400,00 06
3 1.400,00 ___ 1.600,00 10
4 1.600,00 ___ 1.800,00 05
5 1.800,00 ___ 2.000,00 02
38


4. Calcule a mdia aritmtica da distribuio:
Classes fi
2 ___ 4 05
4 ___ 6 10
6 ___ 8 14
8 ___ 10 08
10 ___12 03
40

5. Um produto acondicionado em lotes contendo cada um deles 10
unidades. O lote s aprovado se apresentar um peso superior a 40 quilos. Se
as unidades que compem determinado lote pesam: 3; 4; 3,5; 5,0; 3,5; 4; 5;
5,5; 4; 5; este lote ser aprovado? Qual o peso mdio do produto?

6. Uma loja vende cinco produtos bsicos A, B, C, D, E. O lucro por
unidade comercializada destes produtos vale respectivamente $200,00;
$300,00; $500,00; $ 1.000,00; $ 5.000,00. A loja vendeu em determinado ms
20; 30; 20; 10; 5 unidades respectivamente. Qual foi o lucro mdio por unidade
comercializada por esta loja?

7. A mdia mnima para aprovao em determinada disciplina 5,0. Se um
estudante obtm as notas 7,5; 8,0; 3,5; 6,0; 5,0; 5,5; 4,0 nos trabalhos mensais
da disciplina em questo, pergunta-se se ele foi ou no aprovado.

8. Tm-se $2.000,00 disponveis, mensalmente, para a compra de
determinado artigo que custou, nos meses de junho, julho e agosto,
respectivamente, $ 200,00; $ 500,00 e $ 700,00. Qual foi o custo mdio do
artigo para esse perodo?

9. O salrio de 40 funcionrios est distribudo segundo o quadro abaixo.
Calcule o salrio mdio, mediano e o salrio mais frequente destes
funcionrios. Calcule tambm o desvio-padro.
39

I Salrios $ N. de funcionrios (fi)
1 400,00 ___ 500,00 12
2 500,00 ___ 600,00 15
3 600,00 ___ 700,00 08
4 700,00 ___ 800,00 03
5 800,00 ___ 900,00 01
6 900,00 ___ 1.000,00 01

10. Uma loja de departamentos selecionou um grupo de 54 notas fiscais,
durante um dia e obteve a seguinte tabela. Calcule o valor mdio e mediano
das notas fiscais e, seu desvio-padro.

I Valores $ N. de notas fiscais (fi)
1 0 ___ 50 10
2 50 ___ 100 28
3 100 ___ 150 12
4 150 ___ 200 02
5 200 ___ 250 01
6 250 ___ 300 01

11. O departamento de recursos humanos de uma empresa, tendo
em vista o aumento de produtividade de seus vendedores, resolveu, premiar
com um aumento de 5% no salrio, a metade de seus vendedores mais
eficientes. Para isto, fez um levantamento de vendas semanais, por vendedor,
obtendo a tabela:
I Vendas $ N. de vendas (fi)
1 0 ___ 10.000 10
2 10.000 ___ 20.000 28
3 20.000 ___ 30.000 12
4 30.000 ___ 40.000 02
5 40.000 ___ 50.000 01
Determine a mediana da distribuio e interprete o valor obtido.
40

12. A distribuio de frequncia abaixo representa idade de 50 alunos de
uma classe de primeiro ano de uma Faculdade.

Xi 17 18 19 20 21
fi 3 18 17 8 4

Calcule:
a) Q1 b) K3 c) D1 d) Q3 e) P95

13. A tabela de frequncias relativas a seguir apresenta os salrios, em
reais, dos trabalhadores de certo empreendimento:

Salrios Frequncias relativas (%)
400 |___ 500 16
500 |___ 600 26
600 |___ 700 15
700 |___ 800 24
800 |___ 900 10
900 |___ 1000 05
1000 |___ 1100 03
1100 |___ 1200 01

O terceiro quartil desses salrios melhor indicado por:
(A) 760,00; (B) 775,00; (C) 785,00 (D) 790,00; (E) 800,00.

14. (AGU, 2006) - As notas de dez alunos num exame esto dadas a seguir:
2 5 8 3 6 5 8 7 6 10

O desvio-mdio e a varincia dessas notas podem ser expressos,
respectivamente, por:

(A) 1,8 e 4,6; (B) 2,0 e 2,2; (C) 1,8 e 5,2; (D) 2,0 e 4,6; (E) 2,0 e 1,9.

41

15. (AFRF, 2005) Para dados agrupados representados por uma curva de
frequncias, as diferenas entre os valores da mdia, da mediana e da moda
so indicadores da assimetria da curva. Indique a relao entre essas medidas
de posio para uma distribuio negativamente assimtrica.
a) A mdia apresenta o maior valor e a mediana se encontra abaixo da moda.
b) A moda apresenta o maior valor e a mdia se encontra abaixo da mediana.
c) A mdia apresenta o menor valor e a mediana se encontra abaixo da moda.
d) A mdia, a mediana e a moda so coincidentes em valor.
e) A moda apresenta o menor valor e a mediana se encontra abaixo da mdia.
Resoluo:
O sinal que caracteriza uma curva como assimtrica positiva ou negativa
segundo Pearson, dado pela diferena entre a mdia aritmtica e a moda, da
distribuio considerada.
Para curvas desviadas para a esquerda ou para a direita a mediana se
localiza entre a mdia aritmtica e a moda.
Para que a curva seja assimtrica negativa, a mdia aritmtica ser
menor do que a moda, portanto, teremos a seguinte relao: Mdia aritmtica <
mediana < moda
Portanto as alternativas b e c so corretas

16. O grau, ao qual os dados numricos tendem a dispersar-se em torno de
um valor mdio chama-se:
a) mdia.
b) variao ou disperso dos dados.
c) mediana.
d) correlao ou disperso.
e) moda.

17. Em uma empresa, o salrio mdio dos homens de $4.000, com desvio-
padro de $1.500 e, o salrio mdio das mulheres de $3.000, com desvio-
padro de $1.200. A disperso relativa dos salrios maior para os homens ou
para as mulheres?
42

18. (FISCAL DO TRABALHO -1994) O levantamento de dados sobre os
salrios de 100 funcionrios de uma determinada empresa forneceu os
seguintes resultados:










correto afirmar que:
a) 20% dos funcionrios recebem acima de 6 salrios mnimos;
b) A mediana de 7 salrios mnimos;
c) 60% dos funcionrios recebem menos que 6 salrios mnimos;
d) O salrio mdio de 7 salrios mnimos;
e) 80% dos funcionrios recebem de 6 a 8 salrios mnimos.

19. (ENGENHEIRO DO BNDES 2008) Para um estudo sobre a
distribuio de salrio mensal dos empregados de uma empresa foram
coletados os salrios de uma amostra aleatria de 50 empregados. Os
resultados levaram construo da distribuio de frequncia abaixo. No
existem observaes coincidentes com os extremos das classes.

Classe (em salrios mnimos) Frequncia relativa acumulada
1 3 40
3 5 70
5 7 90
7 - 11 100
A mdia aritmtica e a varincia amostral da distribuio valem,
aproximadamente:

Quantidade de salrios mnimos N de empregados
02 (___ 04 25
04 (___ 06 35
06 (___ 08 20
08 (___ 10 15
10 (___ 12 05
43

Opes Mdia amostral (em salrios mnimos) Varincia amostral (em salrios mnimos
2
)
(A) 2,6 2,2
(B) 2,6 2,9
(C) 4,1 2,9
(D) 4,1 5,0
(E) 7,2 12,1

20. CESGRANRIO (Engenheiro (a) de Produo Junior - Petrobras/2008)
A mdia e a mediana do conjunto de nmeros (4; 10; 9; 3; 4; 6),
respectivamente, so:
(A) 5 e 4 (B) 5 e 6 (C) 6 e 4 (D) 6 e 5 (E) 6 e 6

21. CESGRANRIO (Analista de Sistemas Desenvolvimento de Aplicaes,
IBGE/2010)
A tabela abaixo apresenta a distribuio de freqncias das idades de um
grupo de crianas.
Classes (em anos) f
i

0 ___ 2 5
2 ___ 4 2
4 ___ 6 4
6 ___ 8 2
8 ___10 7

A mdia das idades dessas crianas, em anos, :
(A) 5,0 (B) 5,2 (C) 5,4 (D) 5,6 (E) 5,8

22 CESGRANRIO (Analista de Sistemas Desenvolvimento de Aplicaes,
IBGE/2010)
A tabela abaixo apresenta a distribuio de frequncias das idades de um
grupo de crianas.
Classes (em anos) f
i

0 ___ 2 5
2 ___ 4 2
4 ___ 6 4
6 ___ 8 2
8 ___10 7
A mediana da distribuio de frequncias apresentada
(A) 5,5 (B) 5,6 (C) 5,7 (D) 5,8 (E) 5,9

44

23 CESGRANRIO (Analista de Sistemas Desenvolvimento de Aplicaes,
IBGE/2010)
No ltimo ms, Alpio fez apenas 8 ligaes de seu telefone celular cujas
duraes, em minutos, esto apresentadas no rol abaixo.
5 2 11 8 3 8 7 4
O valor aproximado do desvio padro desse conjunto de tempos, em minutos,

(A) 3,1 (B) 2,8 (C) 2,5 (D) 2,2 (E) 2,0

24 (Analista Judicirio TRT 3 Regio (MG) FCC/2009)
Considere:
I. Dados demogrficos incluem informaes sobre uma populao tais como a
sua composio por sexo, raa e idade.
II. Estatsticas vitais lidam com nascimentos, mortes, casamentos, divrcios e
ocorrncias de doenas.
III. Em demografia, o conceito de taxa e de proporo tm o mesmo
significado.
IV. Pirmide etria uma representao grfica da composio da populao
de um lugar em funo da idade e do sexo, em um determinado perodo de
tempo.
Est correto o que se afirma APENAS em:
(A) I e II (B) I, II e IV (C) II, III e IV (D) II e III (E) III e IV

25 (Engenheiro (a) de Produo - ELETROBRAS / 2007)
Dados os valores da tabela abaixo, a mdia e a varincia populacionais da
varivel 0 1 so, respectivamente:
X P(x)
0 0,30
1 0,70
(A) 0,5 e 0,21; (B) 0,5 e 0,10; (C) 0,7 e 0,21; (D) 0,9 e 0,49;
(E) clculo impossvel sem a mquina calculadora.
45

26 - (Analista Judicirio TRT- 3 Regio (MG) FCC/2009)
Considere uma curva de uma distribuio estatstica unimodal apresentando o
valor da mediana superior ao valor da moda e o valor da mdia aritmtica
superior ao valor da mediana. Ento, com relao s medidas de assimetria e
curtose correto afirmar que se trata se uma curva apresentando uma
distribuio:
(A) Leptocrtica.
(B) Platicrtica.
(C) Assimtrica esquerda.
(D) Assimtrica direita.
(E) Com coeficiente de curtose igual ao da curva normal.

27 ESAF 2005 (Receita Federal - Auditor Fiscal da Receita Federal rea
Tecnolgica da Informao Prova I e rea Tributria Aduaneira Prova I
Em uma determinada semana uma empresa recebeu as seguintes quantidades
de pedidos para os produtos A e B:

Produto A 39 33 25 30 41 36 37
Produto B 50 52 47 49 54 40 43
Assinale a opo que apresente os coeficientes de variao dos dois produtos:
(A) CVA=15,1% e CVB=12,3%
(B) CVA=16,1% e CVB=10,3%
(C) CVA=16,1% e CVB=12,3%
(D) CVA=15,1% e CVB=10,3%
(E) CVA=16,1% e CVB=15,1%

28 (Engenheiro do BNDES - 2008)
Para um estudo sobre a distribuio de salrio mensal dos empregados de
uma empresa foram coletados os salrios de uma amostra aleatria de 50
empregados. Os resultados levaram construo da distribuio de frequncia
abaixo. No existem observaes coincidentes com os extremos das classes.
46

Classe (em salrios mnimos) Frequncia relativa acumulada
1 3 40
3 5 70
5 7 90
7 11 100
A mdia aritmtica e a varincia amostral da distribuio valem,
aproximadamente:
(A) 2,6 e 2,2 (B) 2,6 e 2,9
(C) 4,1 e 2,9 (D) 4,1 e 5,0
(F) 7,2 e 12,1




Gabarito Exerccios Propostos I - Pginas 37 a 46





Questo 1
Tabela de frequncias para variveis discretas
I Varivel
(Xi)
Frequencia
(fi)
Frequencia
relativa
(fri)
Porcentagem
(%)
Frequencia
Acumulada
(Fi
ac
)
Frequencia
relativa
acumulada
(Fri
ac
)
1 17 3 0,06 6 3 0,06
2 18 18 0,36 36 21 0,42
3 19 17 0,34 34 38 0,76
4 20 8 0,16 16 46 0,92
5 21 4 0,08 8 50 1,00
Total ... 50 1,00 100 ... ...
Fonte : Dados hipotticos





47

Histograma para variveis discretas

Fonte : Dados hipotticos


Questo 2

Tabela de frequncias para variveis contnuas
i Classes fi fri (%) Fi
ac
Fri
ac

1 3.250 ___ 11.458 4 0,16 16 4 0,16
2 11.458 ___19.666 7 0,28 28 11 0,44
3 19.666 ___ 27.874 5 0,20 20 16 0,64
4 27.874 ___ 36.082 4 0,16 16 20 0,80
5 36.082 ___ 44.290 4 0,16 16 24 0,96
6 44.290 ___ 52.498 0 0,00 0 24 0,96
7 52.498 ___ 60.706 1 0,04 4 25 1,00
Total ... 25 1,00 100 ... ...
Fonte : Dados hipotticos

Histograma para dados agrupados em classes

Fonte : Dados hipotticos




48

Questo 3
Mdia aritmtica - 492 . 1
__
= X

Histograma

Fonte: Dados hipotticos


Polgono de freqncias

Fonte : Dados hipotticos


Questo 4 - Mdia aritmtica - 70 , 6
__
= X

Questo 5 - Mdia aritmtica - 26 , 4
__
= X

Questo 6 - Mdia aritmtica - 40 , 682
__
= X

Questo 7 - Mdia aritmtica - 78 , 5
__
= X

Questo 8 - Mdia aritmtica - 50 , 450
__
= X

49

Questo 9 - Moda - 550 = Mo e Desvio-padro - 70 , 118 ) ( = x DP
Questo 10 - Moda 75 = Mo Mediana 4 , 80 = Md Mdia aritmtica 87
__
= X
Coeficiente de assimetria - 2 , 0 = e Desvio-padro - 5 , 49 ) ( = x DP
Questo 11 - Mediana - 86 , 892 . 15 = Md
Questo 12 - a) 18
25 1
= = P Q b) 19
60 3
= = P K c) 18
10 1
= = P D
d) 19
75 3
= = P Q e) 21
95
= P
Questo 13 - Letra B - 775
75 3
= = P Q
Questo 14 - Letra D Desvio mdio = 1,8 e Varincia = 5,2
Questo 15 - Letras B e C esto corretas.
Questo 16 - Letra B
Questo 17 - CV
H
= 37,5% e CV
M
= 40,0%
Questo 18 - Letra C
Questo 19 Letra D
Questo 20 - Letra D
Questo 21 - Letra C
Questo 22 - Letra A
Questo 23 - Letra B
Questo 24 - Letra B
Questo 25 - Letra C
Questo 26 - Letra D
Questo 27 - Letra B
Questo 28 - Letra D






50

BIBLIOGRAFIA:



BUSSAB, W. O, MORETTIN, L.G. Estatstica Bsica, 5 edio. Saraiva, 2004.

CARVALHO, Sergio. Estatstica Bsica, 2 edio. Elsevier Editora Ltda, 2006.

FONSECA, J. S, MARTINS, G.A. Curso de Estatstica. 6 edio. So Paulo:
Atlas, 1996.

HOFFMANN, R. Estatstica para Economistas, 4 edio revista e ampliada.
So Paulo. Pioneira Thomson Learning. 2006.

LARSON, R, FARBER, B. Estatstica Aplicada. 2 edio. So Paulo: Pearson -
Prentice Hall, 2004.

LEVIN, J., FOX, J. A. Estatstica para Cincias Humanas. 9 edio. So Paulo:
Prentice Hall, 2004.

MARTINS, G. A, DONAIRE, D. Princpios de Estatstica, 4 edio. So Paulo:
ATLAS, 1991.

SILVA, E. M, GONALVES, V, MUROLO, A. C. ESTATSTICA. 3 edio. So
Paulo: Atlas, 1999.

TAFNER, P. S. B, CARVALHO, M. M. Curso de Estatstica Elementar, 1
edio. Rio de Janeiro: Papel virtual, 2002.

TOLEDO, G. L, OVALLE, I. I. Estadstica Bsica. 2 edio. So Paulo, ATLAS,
1995.

51