Sunteți pe pagina 1din 120

MDULO DE:

ESTATSTICA

AUTORIA:

FREDERICO GOMES CARVALHAES

Copyright 2008, ESAB Escola Superior Aberta do Brasil

Copyright 2007, ESAB Escola Superior Aberta do Brasil

Mdulo de: Estatstica


Autoria: Frederico Gomes Carvalhaes

Primeira edio: 2009

CITAO DE MARCAS NOTRIAS


Vrias marcas registradas so citadas no contedo deste mdulo. Mais do que simplesmente listar esses nomes
e informar quem possui seus direitos de explorao ou ainda imprimir logotipos, o autor declara estar utilizando
tais nomes apenas para fins editoriais acadmicos.
Declara ainda, que sua utilizao tem como objetivo, exclusivamente na aplicao didtica, beneficiando e
divulgando a marca do detentor, sem a inteno de infringir as regras bsicas de autenticidade de sua utilizao
e direitos autorais.
E por fim, declara estar utilizando parte de alguns circuitos eletrnicos, os quais foram analisados em pesquisas
de laboratrio e de literaturas j editadas, que se encontram expostas ao comrcio livre editorial.

Todos os direitos desta edio reservados


ESAB ESCOLA SUPERIOR ABERTA DO BRASIL LTDA
http://www.esab.edu.br
Av. Santa Leopoldina, n 840/07
Bairro Itaparica Vila Velha, ES
CEP: 29102-040
Copyright 2008, ESAB Escola Superior Aberta do Brasil

Copyright 2007, ESAB Escola Superior Aberta do Brasil

presentao

Prezado aluno, seja bem-vindo !


Neste mdulo voc convidado a aprofundar seus estudos na rea da Estatstica. Buscouse apresentar os principais conceitos e ferramentas estatsticas dentro de uma forma
acessvel, objetiva e prtica. Foram evitadas demonstraes para no tornar o contedo
desgastante e extenso, mas para os interessados em informaes mais detalhadas uma
vasta bibliografia sugerida ao final de nosso mdulo. Este material complementado por
baterias de exerccios disponveis na plataforma, nas quais se procurou trabalhar com
situaes prticas, aplicando a Estatstica em casos reais para o perfeito entendimento de
sua importncia. Mantenha em dia seus estudos e no deixe acumular dvidas. Sempre que
preciso, entre em contato comigo. Estarei disposio para auxili-lo na concluso de mais
esta etapa acadmica. Sucessos e bons estudos !

bjetivo

Apresentar os principais conceitos e ferramentas relacionadas Estatstica;

Desenvolver o raciocnio lgico por meio da aplicao dos conhecimentos adquiridos


aos exerccios propostos;

Aplicar os conhecimentos estatsticos em situaes prticas, relacionadas aos


conceitos tericos adquiridos;

Utilizar a Estatstica como ferramenta de tomada de deciso por meio de tcnicas de


anlise de dados, interpretaes e inferncias.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

menta

Histrico, conceitos, profisso e aplicaes; Mtodos Estatsticos; Variveis Estatsticas;


Populao e Amostra; Amostragem; Sries e Grficos Estatsticos; Distribuio de
Frequncia; Medidas de Posio e Variabilidade; Assimetria e Curtose; Probabilidades;
Distribuies de Probabilidade; Correlao e Regresso Linear.

obre o Autor

Frederico Gomes Carvalhaes mineiro, natural de Belo Horizonte, residente em Vitria,


Esprito Santo. graduado em Engenharia Eltrica e Matemtica, ps-graduado em Gesto
de Negcios e Tecnologia da Informao e Mestre em Cincias Contbeis (rea
Administrao Estratgica / Finanas). aluno de Doutorado na COPPE/UFRJ, no Programa
de Planejamento Energtico (rea Modelos Matemticos aplicados Energia). Possui vasta
experincia no Setor Eltrico, tendo trabalhado em empresas como CEMIG, ESCELSA e
ECOCEL. consultor em energia, atuando na gesto da energia eltrica para grandes
indstrias, buscando otimizar seu uso e reduzir custos para as empresas. tutor de
Educao Distncia, Professor Universitrio e Coordenador de Curso de Ps-Graduao,
responsvel por ministrar disciplinas como Matemtica Aplicada, Matemtica Financeira,
Estatstica, Clculo Atuarial, Mtodos Quantitativos e Gesto de Energia Eltrica. Tambm
atua desenvolvendo projetos educacionais e ministrando palestras e cursos relacionados s
Cincias Exatas e Energia.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

UMRIO

UNIDADE 1 ........................................................................................................... 8
Histrico da Estatstica ....................................................................................... 8
UNIDADE 2 ......................................................................................................... 11
Mtodos Estatsticos ........................................................................................ 11
UNIDADE 3 ......................................................................................................... 14
Fases do Mtodo Estatstico ............................................................................ 14
UNIDADE 4 ......................................................................................................... 17
Variveis Estatsticas ....................................................................................... 17
UNIDADE 5 ......................................................................................................... 20
Amostragem ..................................................................................................... 20
UNIDADE 6 ......................................................................................................... 25
Principais tcnicas da Amostragem ................................................................. 25
UNIDADE 7 ......................................................................................................... 29
Sries Estatsticas ............................................................................................ 29
UNIDADE 8 ......................................................................................................... 32
Grficos Estatsticos ........................................................................................ 32
UNIDADE 9 ......................................................................................................... 39
Distribuio de Frequncia .............................................................................. 39
UNIDADE 10 ....................................................................................................... 43
Elementos de uma Distribuio de Frequncia ............................................... 43
UNIDADE 11 ....................................................................................................... 47
Clculo do nmero de classes (k) e intervalo de classes (hi) ......................... 47
UNIDADE 12 ....................................................................................................... 49
Medidas de Posio ......................................................................................... 49
UNIDADE 13 ....................................................................................................... 55
Copyright 2007, ESAB Escola Superior Aberta do Brasil

Medidas Separatrizes ...................................................................................... 55


UNIDADE 14 ....................................................................................................... 57
Medidas Separatrizes ...................................................................................... 57
UNIDADE 15 ....................................................................................................... 60
Medidas Separatrizes ...................................................................................... 60
UNIDADE 16 ....................................................................................................... 61
Medidas de Disperso ou Variabilidade .......................................................... 61
UNIDADE 17 ....................................................................................................... 64
Medidas de Disperso ou Variabilidade .......................................................... 64
UNIDADE 18 ....................................................................................................... 66
O coeficiente de variao (CV) ........................................................................ 66
UNIDADE 19 ....................................................................................................... 67
Escore padronizado (zi) ................................................................................... 67
UNIDADE 20 ....................................................................................................... 69
Medidas de Assimetria ..................................................................................... 69
UNIDADE 21 ....................................................................................................... 74
Medidas de Curtose ......................................................................................... 74
UNIDADE 22 ....................................................................................................... 78
Noes de Probabilidades ............................................................................... 78
UNIDADE 23 ....................................................................................................... 81
Probabilidade ................................................................................................... 81
UNIDADE 24 ....................................................................................................... 84
Exerccios resolvidos envolvendo o clculo de Probabilidades ...................... 84
UNIDADE 25 ....................................................................................................... 93
Distribuies de Probabilidade ........................................................................ 93
UNIDADE 26 ....................................................................................................... 98
Distribuio Binomial ........................................................................................ 98
UNIDADE 27 ..................................................................................................... 100
Copyright 2007, ESAB Escola Superior Aberta do Brasil

Distribuio Normal ........................................................................................ 100


UNIDADE 28 ..................................................................................................... 106
Correlao ...................................................................................................... 106
UNIDADE 29 ..................................................................................................... 109
Correlao Linear ........................................................................................... 109
UNIDADE 30 ..................................................................................................... 114
Regresso Linear ........................................................................................... 114
GLOSSRIO ..................................................................................................... 119
BIBLIOGRAFIA ................................................................................................ 120

Copyright 2007, ESAB Escola Superior Aberta do Brasil

NIDADE

Objetivo: Apresentar e discutir o Histrico da Estatstica e sua origem

Histrico da Estatstica

Embora a palavra Estatstica ainda no existisse, h indcios de que desde 3000 A.C. j se
faziam censos na Babilnia, China e Egito.
Desde a Antiguidade, vrios povos j registravam o nmero de habitantes, de nascimentos,
de bitos, faziam estimativas das riquezas individuais e sociais, distribuam equitativamente
terras ao povo, cobravam impostos e realizavam inquritos quantitativos por processos que,
hoje, chamaramos de estatsticas.
A palavra censo deriva do latim censere, que significa taxar.
A palavra estatstica deriva do latim status, que significa estado.
Assim, a Estatstica servia como ferramenta administrativa nas mos do Estado. Na Idade
Mdia colhiam-se informaes, geralmente com a finalidade tributria ou blica.
J a partir do sculo XVI comearam a surgir os primeiros controles sistemticos de fatos
sociais, como nascimentos, batizados, casamentos e funerais, dando origem s primeiras
tbuas e tabelas e aos primeiros nmeros relativos.
Foi no sculo XVIII que os estudos de tais fatos foram adquirindo forma verdadeiramente
cientfica. Godofredo Achenwall batizou a nova cincia (ou mtodo) com o nome de
Estatstica, determinando o seu objetivo e suas relaes com as cincias.
No incio do sculo XIX, os estudos estatsticos ganharam a contribuio de grandes
matemticos. Nos trabalhos de dois deles, o francs Simon Laplace e o alemo Carl

Copyright 2007, ESAB Escola Superior Aberta do Brasil

Friedrich Gauss (1777-1855), surge a ideia de Distribuio Normal de Frequncia. Essa


ideia levou a uma teoria muito til para fazer previses.
A teoria da distribuio normal foi usada pelo astrnomo e matemtico belga Adolphe
Qutelet (1796-1874), no estudo estatstico de diversas caractersticas das populaes
humanas: altura, peso, natalidade, mortalidade, renda mensal, etc.
Ronald Aylmer Fisher (1890-1962), geneticista e estatstico britnico, concentrou seus
estudos na gentica das populaes, campo em que obteve importantes resultados, sendo
considerado um dos grandes criadores do neodarwinismo. Na Estatstica trabalhou com
ajustes de curvas de frequncias, com coeficientes de correlao, os chamados coeficientes
de Fisher, na anlise de varincia e nas tcnicas de estimao de um parmetro.
Influenciado pelos trabalhos de Karl Pearson, outro importante geneticista e estatstico
britnico, Fisher utilizou os resultados que obteve na Estatstica como ferramentas para
aplicao nos seus estudos de gentica, sendo hoje considerado um dos maiores nomes na
Teoria de Estatstica e na Estatstica aplicada Biologia.
Assim, as tabelas tornaram-se mais completas, surgiram s representaes grficas e o
clculo das probabilidades, quando a Estatstica deixou de ser simples catalogao de dados
numricos coletivos para se tornar o estudo de como chegar a concluses sobre o todo
(populao), partindo da observao de partes desse todo (amostras).
Atualmente o pblico leigo (leitor de jornais e revistas) se posiciona em dois extremos
divergentes e igualmente errneos quanto validade das concluses estatsticas: ou cr em
sua infalibilidade ou afirma que elas nada provam. Os que assim pensam ignoram os
objetivos, o campo e o rigor do mtodo estatstico; ignoram a Estatstica, seja terica ou
prtica, ou a conhecem muito superficialmente.
A Estatstica em diversas reas vem avanando muito rapidamente e, com seus processos e
tcnicas, tem contribudo para a organizao dos negcios e para a evoluo do mundo
moderno.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

A profisso do Estatstico
O Estatstico promove o levantamento de pesquisas estatsticas em suas aplicaes tcnicas
e cientficas, investigando, elaborando e testando mtodos matemticos e sistema de
amostragem, bem como coletando, analisando e interpretando os dados relacionados com
os fenmenos estatsticos, e ainda estudando e renovando a metodologia estatstica a fim de
estabelecer a sua evoluo e desenvolvimento.
As especializaes da profisso vinculam-se aos campos profissionais que exigem ou
permitem o exerccio do estatstico. Elas resultam da prtica profissional e decorrem quase
sempre da demanda decorrente no mercado de trabalho. So elas:

Demografia

Bioestatstica

Estatstico Matemtico

Estatstico de Estatstica Aplicada

Principais cargos procurados:

Estatstico

Estatstico Matemtico

Estatstico de Estatstica Aplicada

Copyright 2007, ESAB Escola Superior Aberta do Brasil

10

NIDADE

Objetivo: Apresentar e discutir os principais Mtodos Estatsticos existentes.

Mtodos Estatsticos

O mtodo cientfico
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 de conhecimento resulta da observao e do estudo.
Embora muito desse conhecimento possa ter sido observado inicialmente por acaso, a
verdade que desenvolvemos processos cientficos para seu estudo e para adquirirmos tais
conhecimentos.
Podemos ento dizer que:
Mtodo um conjunto de meios dispostos convenientemente para se chegar a um fim
que se deseja.
Dos mtodos cientficos, destacaremos o mtodo experimental e o estatstico.

O mtodo experimental
O mtodo experimental consiste em manter constantes todas as causas (fatores), menos
uma, e variar esta causa de modo que o pesquisador possa descobrir seus efeitos, caso
existam.
o mtodo preferido no estudo da Fsica, da Qumica etc.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

11

O Mtodo Estatstico
Muitas vezes temos 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 fazemos variar a causa
que, naquele momento, nos interessa.
Como exemplo, podemos citar a determinao das causas que definem o preo de uma
mercadoria. Para aplicarmos o mtodo experimental, teramos de fazer variar a quantidade
da mercadoria e verificar se tal fato iria 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 dos
consumidores deveria permanecer constante, seria necessria a fixao do nvel geral dos
preos das outras necessidades, etc. Mas isso tudo impossvel.
Nesses casos, lanamos mo de outro mtodo, embora mais difcil e menos preciso,
denominado mtodo estatstico.

O mtodo estatstico, diante da impossibilidade de manter as causas constantes,


admite todas essas causas presentes variando-as, registrando essas variaes e
procurando determinar, no resultado final, que influncias cabem a cada uma delas.

A Estatstica
Exprimindo por meio de nmeros as observaes que se fazem de elementos com, pelo
menos, uma caracterstica comum (por exemplo: os alunos do sexo masculino de uma
comunidade), obtemos os chamados dados referentes a esses elementos.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

12

Podemos dizer, ento, que:


A Estatstica uma parte da Matemtica Aplicada que fornece mtodos para a coleta,
organizao, descrio, anlise e interpretao de dados, para a utilizao dos
mesmos na tomada de decises.

A coleta, a organizao e a descrio dos dados esto a cargo da Estatstica Descritiva,


enquanto a anlise e a interpretao desses dados ficam a cargo da Estatstica Indutiva ou
Inferencial.
Em geral, as pessoas, quando se referem ao termo estatstica, o fazem no sentido da
organizao e descrio dos dados (estatstica do Ministrio da Educao, estatstica dos
acidentes de trfego, etc.), desconhecendo que o aspecto essencial da Estatstica o de
proporcionar mtodos inferenciais, que permitam concluses que transcendam os dados
obtidos inicialmente.
Assim, a anlise e a interpretao dos dados estatsticos tornam possvel o diagnstico de
uma empresa (por exemplo, de uma escola), o conhecimento de seus problemas (condies
de funcionamento, produtividade), a formulao de solues apropriadas e um planejamento
objetivo de ao.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

13

NIDADE

Objetivo: Apresentar e discutir as Fases do Mtodo Estatstico.

Fases do Mtodo Estatstico


So verificadas no mtodo estatstico as seguintes fases:

1. Coleta de dados
Aps cuidadoso planejamento e a devida determinao das caractersticas mensurveis do
fenmeno que se quer pesquisar, damos incio coleta dos dados numricos necessrios
sua descrio.
A coleta pode ser direta ou indireta.
A coleta direta quando feita sobre elementos informativos de registro obrigatrio
(nascimentos, casamentos e bitos, importao e exportao de mercadorias, etc) ou, ainda,
quando os dados so coletados pelo prprio pesquisador atravs de inquritos e
questionrios, como o caso das notas de verificao e de exames, do censo demogrfico,
etc.
A coleta direta dos dados pode ser classificada relativamente ao fator tempo em:

Contnua (registro) Quando feita continuamente, tal como a de nascimentos e


bitos, frequncia de alunos s aulas, etc.

Peridica Quando feita em intervalos constantes de tempo, como os censos (de 10


em 10 anos), avaliaes mensais dos alunos, etc.

Ocasional Quando feita extemporaneamente, a fim de atender a uma conjuntura ou


a uma emergncia, como no caso de epidemias, acidentes naturais, etc.
Copyright 2007, ESAB Escola Superior Aberta do Brasil

14

A coleta se diz indireta quando inferida de elementos conhecidos (coleta direta) e/ou do
conhecimento de outros fenmenos relacionados com o fenmeno estudado. Como exemplo,
podemos citar a pesquisa sobre a mortalidade infantil, que feita atravs de dados colhidos
por uma coleta direta.

2. Crtica dos dados


Obtidos os dados, eles devem ser cuidadosamente criticados, procura de possveis falhas
e imperfeies, a fim de no incorrermos em erros grosseiros ou de certo vulto, que possam
influenciar sensivelmente nos resultados.
A crtica externa quando visa s causas dos erros por parte do informante, por distrao ou
m interpretao das perguntas que lhe foram feitas; interna quando visa observar os
elementos originais dos dados da coleta.

3. Apurao dos dados


a operacionalizao algbrica e o processamento dos dados obtidos e a disposio
mediante critrios de classificao. Pode ser manual, eletromecnica ou eletrnica.

4. Apresentao dos dados


Independentemente da finalidade da pesquisa, os dados devem ser apresentados sob forma
adequada atravs de tabelas ou grficos, tornando mais fcil a anlise daquilo que est
sendo objeto de tratamento estatstico para posterior obteno de medidas tpicas.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

15

5. Anlise dos resultados


O objetivo da Estatstica tirar concluses sobre o todo (populao), a partir de informaes
fornecidas por parte representativa do todo (amostra). Assim, realizadas as fases anteriores
(Estatstica Descritiva), fazemos uma anlise dos resultados obtidos atravs dos mtodos da
Estatstica Indutiva ou Inferencial, que tem por base a induo ou inferncia, e tiramos
desses resultados concluses e previses.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

16

NIDADE

Objetivo: Apresentar e discutir as Variveis Estatsticas, Populao e Amostra.

Variveis Estatsticas

Varivel o conjunto de resultados possveis de um fenmeno.


Pode ser classificada em:

Qualitativa => quando seus valores so expressos por atributos. Exemplo:

Sexo (masculino ou feminino)

Cor da pele (branca, preta, amarela, vermelha, parda, etc.)

Quantitativa => quando seus valores so expressos em nmeros. Exemplo:

Salrio

Idade

Uma varivel quantitativa que pode assumir, teoricamente, qualquer valor entre dois limites
recebe o nome de varivel contnua; uma varivel que s pode assumir valores pertencentes
a um conjunto enumervel recebe o nome de varivel discreta ou descontnua.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

17

Exemplos:

Varivel contnua =>Peso dos alunos de uma sala de aula

Varivel discreta => N de alunos de uma sala de aula

Outros exemplos:

Cor dos olhos

varivel qualitativa

ndice de liquidez nas indstrias brasileiras

varivel quantitativa contnua

Produo de caf no Brasil

varivel quantitativa contnua

Nmero de defeitos em aparelhos de TV

varivel quantitativa discreta

Comprimento dos pregos de uma caixa

varivel quantitativa contnua

O ponto obtido em cada jogada de um dado

varivel quantitativa discreta

Populao e Amostra
Ao conjunto finito ou infinito de elementos que possuem PELO MENOS UMA caracterstica
comum denominamos populao estatstica ou universo estatstico.
Assim, os jogadores de futebol, por exemplo, constituem uma populao, pois apresentam
pelo menos uma caracterstica comum: so aqueles que jogam futebol.
Entretanto, na maioria das vezes, por impossibilidade ou inviabilidade econmica ou
temporal, limitamos as observaes referentes a uma determinada pesquisa a apenas uma
parte da populao. A essa parte proveniente da populao em estudo denominamos
amostra.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

18

Assim, amostra qualquer conjunto finito e no vazio de uma populao, ou seja, uma
subcoleo.
Verificamos, ento, que a Estatstica Indutiva tem por objetivo tirar concluses sobre as
populaes, baseada em resultados verificados nas amostras retiradas destas populaes.
Entretanto, para que as inferncias estejam corretas, necessrio garantir que a amostra
seja representativa da populao, isto , a amostra deve possuir as mesmas caractersticas
bsicas da populao, no que diz respeito ao fenmeno que ser pesquisado. Dessa forma,
necessrio que a amostra a ser usada seja obtida por processos adequados.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

19

NIDADE

Objetivo: Apresentar e discutir Amostragem e as principais tcnicas existentes.

Amostragem
a tcnica utilizada para recolher amostras, que garante, tanto quanto possvel, o acaso na
escolha.
Dessa forma, cada elemento da populao passa a ter a mesma chance de ser escolhido, o
que garante amostra o carter de representatividade. Isto muito importante pois as
concluses relativas populao vo estar baseadas nos resultados obtidos nas amostras
dessa populao.

Principais tcnicas da Amostragem

1. Amostra casual ou aleatria simples


Este tipo de amostragem equivalente a um sorteio de loterias.
realizada numerando-se a populao de 1 a n e sorteando-se por meio de um dispositivo
aleatrio qualquer, k nmeros dessa sequncia, os quais correspondero aos elementos
pertencentes amostra.

Exemplo:
Obter uma amostra representativa de 10% da populao para a pesquisa de salrios dos 90
funcionrios de uma empresa.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

20

Procedimentos:
1. Numera-se os funcionrios da empresa de 01 a 90;
2. Escreve-se os nmeros, de 01

a 90, em pedaos iguais de um mesmo papel,

colocando-os dentro de uma caixa. Agita-se sempre a caixa para misturar bem os
pedaos de papel e retira-se, um a um, nove nmeros que formaro a amostra, neste
caso, 10% da populao.

Quando o nmero de elementos da amostra grande, esse tipo de sorteio torna-se muito
trabalhoso. A fim de facilit-lo, foi elaborada uma tabela - TABELA DE NMEROS
ALEATRIOS, construda de modo que os dez algarismos (0 a 9) so distribudos ao acaso
nas linhas e colunas.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

21

Para obtermos os elementos da amostra usando a tabela, escolhemos ao acaso um


algarismo qualquer da mesma, a partir do qual iremos considerar nmeros de dois, trs ou
TABELA DE NMEROS ALEATRIOS
6
1
8
3
0
6
9
2
5
1
8
5
7
8
8
1
8
5
0
1
9
3
7
9
2
2
5
0
4
5
6
5
4
8
9
0
1
5
9
7
6
0
0
5
1
4
6
6
4
5
6
6
6

3
1
4
5
9
2
1
0
9
8
4
8
8
7
8
9
0
5
3
9
5
6
7
7
3
6
2
9
9
1
7
5
2
2
3
4
9
9
6
6
3
5
5
4
8
6
2
2
2
1
6
8
4

1
1
1
9
2
1
1
6
0
1
1
7
2
0
2
8
0
9
7
2
6
0
0
9
5
3
2
6
7
1
5
0
0
5
1
6
0
0
5
7
7
1
6
9
8
4
2
6
0
3
5
8
6

2
9
9
9
2
8
2
5
2
1
5
1
4
4
4
6
7
8
1
5
3
6
6
5
0
7
1
6
9
5
5
0
6
6
1
6
2
5
7
3
5
3
2
8
0
1
3
8
4
2
3
0
7

4
7
1
6
5
5
4
2
4
7
0
3
7
6
9
2
8
5
1
1
7
0
5
1
4
2
2
2
9
9
9
9
2
9
8
1
7
6
6
0
0
2
0
8
5
6
8
2
7
3
3
8
5

4
1
8
9
4
4
4
2
8
3
9
4
9
8
8
0
4
3
4
7
3
7
5
5
0
3
6
1
4
6
8
8
4
4
8
2
7
4
9
6
1
6
3
6
9
3
4
3
9
5
6
7
9

4
3
5
1
0
6
4
3
4
4
6
5
9
8
2
0
5
5
2
7
3
2
8
2
0
0
5
7
7
0
1
2
8
7
0
3
5
6
3
3
6
4
8
3
4
4
6
7
3
3
0
3
2

2
8
3
8
0
6
1
8
2
7
0
8
7
2
5
2
9
5
4
2
3
6
6
9
0
3
0
9
9
5
2
6
0
8
2
4
9
9
2
9
5
2
3
0
3
7
3
5
4
9
3
6
4

7
9
8
9
3
0
6
7
0
4
5
2
5
8
4
6
2
5
1
9
1
1
0
6
1
1
5
5
0
9
3
7
5
0
0
4
2
9
5
9
9
8
7
7
5
7
0
7
5
9
0
8
4

0
8
2
9
2
6
6
2
3
4
0
2
3
6
1
9
1
0
3
7
7
5
3
7
2
2
0
9
7
0
1
4
8
5
9
6
3
4
6
8
9
7
4
4
7
4
6
9
0
8
4
6
5

9
7
4
4
1
6
1
1
2
2
9
2
1
5
8
0
7
6
2
4
4
2
6
7
8
5
4
9
8
4
6
1
4
6
8
0
4
2
1
7
9
5
9
1
1
6
7
3
1
4
3
7
4

2
5
0
2
5
8
5
6
8
2
5
7
0
3
3
8
0
3
7
1
9
0
4
7
1
6
3
9
5
2
8
2
5
1
6
2
0
5
8
9
1
6
5
7
0
0
7
0
9
4
2
4
5

6
6
7
2
1
9
9
9
2
8
6
2
1
5
2
1
5
6
8
8
5
3
7
0
7
7
2
6
9
4
2
8
5
6
5
9
8
8
1
6
8
5
7
0
9
6
7
5
9
4
1
0
0

1
6
9
0
6
5
1
4
4
6
7
9
4
2
7
2
6
0
3
0
8
9
9
6
3
0
2
6
8
9
1
7
0
0
6
8
1
8
6
6
4
9
2
2
6
1
1
3
7
3
4
2
7

0
8
7
8
4
6
5
8
0
2
1
6
8
6
1
6
3
1
6
9
4
1
0
3
5
7
9
2
9
9
6
4
4
7
3
6
0
5
6
3
2
5
3
9
7
7
9
2
6
7
8
8
4

6
3
6
7
8
6
9
4
3
7
5
5
1
9
9
7
0
4
4
9
8
2
3
7
7
6
0
1
7
0
2
4
0
3
8
3
6
1
5
9
4
8
5
6
9
5
5
2
8
5
2
6
1

6
2
2
9
0
0
2
1
0
1
3
0
9
6
2
4
0
1
2
4
6
8
1
7
0
0
5
6
9
5
1
4
0
0
9
5
4
8
0
8
8
1
0
3
8
7
1
2
4
8
8
0
9

3
3
9
1
3
9
9
0
7
6
4
0
9
9
6
8
2
3
4
7
4
4
0
2
9
7
2
8
8
4
5
0
5
5
1
1
7
7
3
4
3
0
5
9
5
4
6
3
6
9
1
8
8

9
8
0
6
9
1
4
5
9
1
2
2
6
3
6
5
9
2
6
0
2
6
1
3
8
7
4
5
5
4
0
2
3
9
3
1
0
6
7
5
2
3
0
4
1
2
0
7
5
2
5
3
2

4
4
4
3
4
4
0
0
3
9
2
2
5
6
2
1
7
6
2
9
8
7
3
0
3
8
2
3
5
2
5
9
3
3
4
3
7
8
9
3
6
7
2
6
1
3
3
0
0
6
1
3
4

4
1
9
1
4
9
3
8
6
9
6
9
8
2
6
7
2
9
5
3
6
4
8
0
8
1
8
9
2
0
9
4
0
9
9
7
5
5
0
7
8
9
5
4
9
3
7
2
1
2
6
4
5

3
0
5
1
9
7
1
5
8
9
8
3
2
9
3
8
3
3
6
4
3
3
8
5
2
1
0
4
4
6
8
3
2
1
1
2
8
3
8
5
2
4
8
3
6
6
9
5
1
0
9
4
8

5
2
4
6
7
6
8
1
7
3
4
7
6
2
6
8
4
4
2
3
4
8
3
1
6
5
0
0
6
0
5
3
2
3
8
5
7
5
4
8
2
9
2
5
1
3
5
2
3
6
5
9
1

0
3
9
1
8
1
1
0
2
8
2
8
8
5
4
9
6
3
3
7
7
0
2
7
0
7
4
0
5
0
3
4
4
7
7
2
8
3
0
0
8
3
4
2
3
7
1
9
0
3
2
5
6

1
4
9
4
9
0
7
8
5
9
9
3
4
5
4
8
8
0
4
1
6
2
2
5
9
4
9
0
7
1
3
7
8
4
5
7
8
1
5
1
1
8
1
0
2
1
0
8
7
9
6
6
8

8
6
8
2
5
4
7
4
9
8
7
3
6
0
9
6
6
7
0
3
4
1
1
8
7
4
1
5
6
1
6
8
1
3
2
1
1
3
8
0
6
0
4
8
1
5
4
5
5
7
6
9
9

8
4
5
3
3
2
8
7
6
7
5
4
0
5
0
1
8
3
2
8
2
1
1
0
4
9
9
0
3
8
6
9
5
9
9
5
6
0
9
2
1
7
6
8
9
2
4
5
8
0
4
1
6

7
3
7
6
6
1
3
5
2
8
8
8
5
8
4
3
8
2
9
3
4
9
9
9
6
1
9
8
3
6
5
5
7
7
4
9
4
2
3
1
3
1
1
5
0
0
6
4
5
8
1
0
9

8
4
8
5
7
3
4
0
4
8
7
7
8
7
6
1
1
6
6
8
5
9
2
8
3
2
9
9
1
9
3
9
2
5
5
5
8
1
7
6
8
3
0
3
9
9
2
6
7
3
6
4
9

2
1
1
1
0
5
3
4
4
9
6
3
6
3
9
2
8
7
0
4
6
6
6
1
2
7
7
0
9
9
6
6
3
8
9
3
0
6
8
6
3
3
1
4
0
0
0
3
1
5
6
2
5

4
9
0
6
0
3
7
0
0
1
6
7
5
8
5
4
1
6
6
7
9
1
3
6
2
7
9
9
0
0
5
4
4
5
9
4
9
8
7
5
5
8
0
9
0
7
8
9
7
0
7
0
4

9
9
5
5
0
4
8
5
5
6
5
1
5
0
9
4
0
0
8
3
0
3
5
4
1
8
6
2
8
9
2
8
6
9
5
2
6
8
2
4
8
8
5
5
6
2
2
5
3
3
4
5
0

4
8
8
9
4
6
2
4
6
7
6
7
9
1
2
0
7
4
4
7
8
3
5
6
0
0
4
5
6
0
9
4
4
6
4
8
0
1
4
9
5
2
3
5
9
3
7
1
4
8
3
3
0

6
4
1
9
0
8
8
3
6
1
4
8
0
3
0
2
1
3
9
9
7
2
2
2
2
9
7
3
2
5
0
1
6
0
3
6
8
5
9
5
9
2
7
3
2
1
0
3
1
7
2
2
6

0
0
0
2
9
5
7
8
2
9
8
1
7
0
2
0
5
7
1
4
5
5
9
6
5
7
8
1
3
2
4
2
4
3
5
1
5
3
3
5
0
1
5
9
9
9
6
9
4
2
5
2
3

1
1
4
9
6
5
4
5
4
0
9
5
9
7
3
6
5
0
0
6
8
1
5
9
5
3
2
3
2
7
1
8
0
3
3
9
1
0
7
2
9
5
7
3
2
6
4
2
6
3
3
7
5

8
2
7
8
5
5
0
7
3
1
6
7
5
2
7
3
6
5
3
9
1
9
0
8
4
8
7
6
7
5
8
6
7
2
0
7
4
2
7
8
6
0
3
6
1
8
7
2
8
2
7
9
1

7
4
0
5
5
8
1
7
2
3
4
0
3
7
9
4
6
4
9
6
9
4
1
1
7
7
6
2
2
1
3
8
8
0
2
3
4
1
3
8
3
6
7
4
6
6
0
8
9
1
2
2
6

4
5
8
7
1
7
0
0
8
5
0
0
2
6
1
1
1
7
5
5
7
9
0
7
4
6
5
5
4
8
9
3
3
8
4
0
6
7
6
7
3
6
8
8
4
5
2
9
7
2
2
1
9

3
8
7
2
8
4
5
1
5
5
7
4
0
6
2
7
2
0
9
6
5
1
2
8
8
6
3
8
5
0
3
9
7
1
0
8
6
4
6
1
4
6
7
9
4
1
2
0
9
9
4
8
3

3
1
6
2
7
8
8
1
7
0
7
8
2
4
1
6
3
7
5
1
5
0
5
3
2
6
4
4
4
1
1
3
9
8
3
9
4
8
8
0
0
9
5
2
7
5
4
8
2
1
5
7
0

Copyright 2007, ESAB Escola Superior Aberta do Brasil

5
5
6
3
2
5
7
5
9
0
1
8
7
1
1
7
0
6
1
7
7
6
3
0
1
6
6
7
1
5
0
1
5
7
6
1
3
3
4
4
0
7
1
2
0
5
6
3
8
0
9
2
1

6
7
9
5
0
9
4
5
8
0
3
6
7
6
9
8
3
2
3
9
7
1
7
3
1
4
7
9
5
0
6
4
0
2
5
8
0
1
6
6
8
8
0
0
3
3
4
9
7
5
4
0
5

2
7
6
3
3
6
1
4
0
0
0
1
1
8
1
8
8
7
5
7
7
1
0
4
3
1
8
0
0
7
1
3
4
9
8
7
3
2
1
3
7
3
4
8
9
4
0
7
0
9
1
8
5

6
1
7
9
6
2
0
6
7
6
7
8
1
1
8
8
6
8
7
2
9
7
3
6
7
0
4
2
9
9
8
8
7
1
8
4
1
8
5
7
6
8
6
1
1
9
3
5
3
7
1
4
1

2
4
5
3
1
3
2
4
0
9
3
1
2
1
3
9
2
1
3
1
0
9
4
2
5
2
9
4
7
5
7
5
4
6
0
9
0
0
0
5
7
6
5
8
9
5
3
1
1
5
8
3
1

0
2
5
0
8
4
1
2
1
3
4
8
4
4
2
3
1
5
5
9
8
2
0
9
2
6
1
4
2
9
5
2
2
5
1
6
9
6
7
7
7
5
9
8
0
4
6
5
1
5
6
5
2

4
5
0
4
6
5
2
5
4
6
0
1
0
8
5
6
8
4
6
7
9
7
9
0
4
9
7
5
2
0
6
6
4
9
7
2
6
2
4
7
4
4
2
4
6
6
5
6
4
0
9
0
4

3
6
1
4
9
9
2
0
3
2
3
8
6
3
0
6
8
3
1
7
4
1
5
9
1
1
6
3
3
6
5
3
8
3
5
5
0
7
3
4
2
7
4
7
7
0
3
2
4
5
8
5
8

1
8
5
8
9
4
7
1
4
2
2
3
8
4
8
0
8
4
2
4
2
6
4
3
4
4
6
4
5
2
1
3
0
4
7
2
0
3
8
4
4
4
1
4
1
5
2
9
2
2
4
5
7

9
1
9
9
2
8
2
3
3
8
1
7
7
2
3
9
2
2
7
3
0
4
2
5
1
2
0
3
6
6
3
3
6
3
5
9
5
9
0
2
8
0
7
6
0
8
2
4
0
8
4
7
6

3
8
6
9
1
2
3
2
4
2
5
2
7
6
8
8
6
3
5
9
3
8
3
7
4
5
6
8
8
5
4
5
9
5
7
2
6
2
3
7
8
1
7
5
6
0
9
2
3
9
6
4
5

6
3
3
2
2
9
2
4
9
4
9
6
3
3
0
0
9
4
0
3
9
3
2
6
2
4
0
4
8
6
0
8
2
9
1
4
3
5
2
8
6
4
6
9
5
2
9
2
5
7
3
1
9

0
5
9
2
9
2
4
3
2
7
4
7
2
0
3
7
8
1
2
3
5
6
4
4
0
3
5
3
6
3
5
4
5
9
2
2
9
2
4
2
8
1
5
2
9
1
2
1
7
7
8
7
8

22

mais algarismos, conforme nossa necessidade. Os nmeros assim obtidos iro indicar os
elementos da amostra.
A leitura da tabela pode ser feita horizontalmente (da direita para a esquerda ou vice-versa),
verticalmente (de cima para baixo ou vice-versa), diagonalmente (no sentido ascendente ou
descendente) ou formando o desenho de uma letra qualquer. A opo, porm, deve ser feita
antes de iniciado o processo.
O primeiro passo definir o critrio da leitura da tabela. Assim, consideremos, por exemplo,
a 6 linha, tomando os nmeros de dois algarismos (tantos algarismos quantos formam o
maior nmero da populao), da esquerda para direita e de cima para baixo, e assim
sucessivamente. Obtivemos ento:
62

18

54

66

06

68

95

66

09

14

97

61

Evidentemente, os numerais 95 e 97 sero desprezados, pois no constam da populao,


como tambm ser abandonado um numeral que j tenha aparecido, no caso o 66. Tem-se,
ento:
62

18

54

66

06

68

95

66

09

66

06

68

09

14

61

14

97

61

Ou, reescrevendo:
62

18

54

Organizando os dados em uma ordem crescente, temos:


06

09

14

18

54

61

62

66

68

Estas foram as pessoas escolhidas para o critrio adotado. Com base na listagem dos
funcionrios, deve- se buscar posteriormente as informaes salariais de cada um. Anota-se,
Copyright 2007, ESAB Escola Superior Aberta do Brasil

23

assim, os salrios das pessoas correspondentes aos nmeros sorteados, obtendo-se uma
amostra de 10% dos salrios dos 90 funcionrios da empresa.
Observe que no houve direcionamento na escolha (aleatoriedade) e todos os 90
funcionrios tiveram a mesma chance de serem escolhidos, garantindo assim, a
representatividade da amostra.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

24

NIDADE

Objetivo: Apresentar e discutir as principais tcnicas de Amostragem.

Principais tcnicas da Amostragem

2. Amostragem proporcional estratificada


Muitas vezes a populao se divide em subpopulaes - estratos.
Como provvel que a varivel em estudo apresente, de estrato em estrato, um
comportamento heterogneo e, dentro de cada estrato, um comportamento homogneo,
convm que o sorteio dos elementos da amostra leve em considerao tais estratos.
exatamente isso que fazemos quando empregamos a amostragem proporcional
estratificada, que, alm de considerar a existncia dos estratos, obtm os elementos da
amostra proporcional ao nmero de elementos dos mesmos.

Exemplo:
Supondo que no exemplo anterior, dos 90 funcionrios, 54 sejam do sexo masculino e 36
sejam do sexo feminino, vamos obter a amostra proporcional estratificada de 10% da
populao. So, portanto, dois estratos: sexo masculino e sexo feminino.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

25

Logo, teremos:
Sexo

Populao

Masculino

54

Feminino

36

TOTAL

90

10%

Amostra

10 54
5,4
100
10 36
3,6
100
10 90
9,0
100

5
4
9

Numera-se os funcionrios da empresa de 01 a 90, sendo que de 01 v a 54 correspondero


ao sexo masculino e de 55 a 90 ao sexo feminino. Como critrio, estabeleceremos na
Tabela de Nmeros Aleatrios a 3 e 4 colunas, de cima para baixo e da esquerda para a
direita, e assim sucessivamente.
Obtivemos ento:
12

19

19

99

22

18

12

24

86

07

98

71

25

63

65

02

11

15

71

24

04

Da mesma forma, deveremos desprezar todos os numerais que no constam da populao,


bem como aqueles que j tiverem sido selecionados. Tambm devemos parar a seleo para
um estrato quando j tiver sido preenchida sua quantidade de elementos necessrios. Dessa
forma:
12

19

19

99

22

18

12

24

86

07

98

71

25

63

65

02

11

15

Copyright 2007, ESAB Escola Superior Aberta do Brasil

71

24

04

26

Ou, separando por estratos:


12

19

22

18

65

71

86

63

02

=>

Para o sexo masculino

=>

Para o sexo feminino

Organizando os dados em uma ordem crescente, teremos:


02

12

18

19

63

65

71

86

22

=>

Para o sexo masculino

=>

Para o sexo feminino

Estas foram as pessoas escolhidas para o critrio adotado em cada estrato. Com base na
listagem dos funcionrios, deve-se buscar posteriormente as informaes salariais de cada
um. Anota-se, assim, os salrios das pessoas correspondentes aos nmeros sorteados em
cada estrato, obtendo-se uma amostra proporcional estratificada de 10% dos salrios dos 90
funcionrios da empresa, separados por sexo. Tambm pode ser verificada a aleatoriedade
na determinao da amostra, o que garante sua representatividade.

3. Amostragem Sistemtica
uma seleo feita por algum critrio preestabelecido, como, por exemplo, intervalos de
tempo para coleta, peas de uma linha de montagem, etc.
Quando os elementos da populao j se acham ordenados, no h necessidade de
construir o sistema de referncia.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

27

Exemplos:
Pronturios mdicos de um hospital
Prdios de uma rua
Linhas de produo

Nestes casos, a seleo dos elementos que constituiro a amostra pode ser feita por um
sistema imposto pelo pesquisador. A esse tipo de amostragem denominamos sistemtica.
Assim, no caso de uma linha de produo, podemos, por exemplo, a cada dez itens
produzidos, retirar um para pertencer a uma amostra da produo diria. Neste caso,
estaramos fixando o tamanho da amostra em 10% da populao.

Exemplo:
Suponha-se uma avenida contendo 900 prdios, dos quais desejamos obter uma amostra
formada por cinquenta prdios. Podemos, neste caso, usar o seguinte procedimento: como

900
18
50
, escolhemos por sorteio casual um nmero de 1 a 18 (inclusive), o qual indicaria o
primeiro elemento sorteado para a amostra; os demais elementos seriam periodicamente
considerados de 18 em 18. Assim, se o nmero sorteado fosse o 4, tomaramos, pelo lado
direito da rua, o 4 prdio, o 22, o 40, etc. , at voltarmos ao incio da avenida, pelo lado
esquerdo.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

28

NIDADE

Objetivo: Apresentar e discutir as principais Sries Estatsticas.

Sries Estatsticas
Denominamos srie estatstica toda tabela que apresenta a distribuio de um conjunto de
dados estatsticos em funo da poca, do local ou da espcie.
Numa srie estatstica, observamos a existncia de trs elementos ou fatores: o tempo, o
espao e a espcie. Conforme varie um dos elementos da srie, podemos classific-la em
Histrica, Geogrfica, Especfica ou Mista.

1. Sries Temporais, Histricas, Cronolgicas ou Marchas


So aquelas onde os dados so observados conforme poca de ocorrncia. Descrevem os
valores da varivel em determinado local, discriminados segundo intervalo de tempo varivel.
Exemplo:

Vendas da Companhia "Vale Tudo"


2001 - 2008
Ano
Vendas (RS)
2001
22.600,00
2002
39.870,00
2003
51.240,00
2004
63.850,00
2005
90.730,00
2006
100.540,00
2007
123.190,00
2008
139.820,00

Copyright 2007, ESAB Escola Superior Aberta do Brasil

29

2. Sries Geogrficas, Espaciais, Territoriais ou de Localizao

So aquelas onde os dados so observados conforme a localidade de ocorrncia.


Descrevem os valores da varivel em determinado instante, discriminados segundo regies.
Exemplo:
Vacinao contra doena "X"
Brasil - 2006
Regio
Quantidade
Norte
542.863
Nordeste
947.321
Sudeste
1.589.647
Sul
754.294
Centro-Oeste
349.612

3. Sries Especficas ou Categricas


So aquelas onde os dados so observados em determinado tempo e local, discriminados
conforme especificaes ou categorias.
Exemplo:
Produo mdia de cada operrio por setor
Pas "Z" - 2007
Setor Industrial
Quantidade produzida (ton)
Ao
789
Papel
247
Acar
6.587
Caf
5.421
Chocolate
23.144
Trigo
1.239
Soja
1.024
Carne
456
Granito
872

Copyright 2007, ESAB Escola Superior Aberta do Brasil

30

4. Sries Mistas ou Conjugadas


So aquelas onde os dados provenientes de duas ou mais sries so colocados em uma
nica srie.
Exemplo:
Aparelhos celulares em servio no pas "MEGA"
2005 - 2007
Regio
2005
2006
2007
Norte
11.300.493
12.989.073
15.463.182
Nordeste
20.800.020
23.908.069
28.461.987
Sudeste
38.413.867
44.153.870
52.564.131
Sul
26.074.207
29.970.352
35.678.991
Centro-Oeste 17.808.678
20.469.745
24.368.744

Copyright 2007, ESAB Escola Superior Aberta do Brasil

31

NIDADE

Objetivo: Apresentar e discutir os principais tipos de Grficos Estatsticos.

Grficos Estatsticos

um conjunto de figuras geomtricas representativas dos fenmenos. O grfico estatstico


uma forma de apresentao dos dados estatsticos, cujo objetivo o de produzir uma
impresso mais rpida e viva do fenmeno em estudo.
A representao grfica de um fenmeno deve obedecer a certos requisitos fundamentais
para ser realmente til:

Simplicidade => o grfico no deve conter detalhes de importncia secundria, assim


como de traos desnecessrios que possam levar o leitor a uma anlise demorada ou
errnea.

Clareza => o grfico deve possibilitar uma correta interpretao dos valores
representativos do fenmeno em estudo.

Veracidade => o grfico deve expressar a verdade sobre o fenmeno em estudo.

DIAGRAMAS so representaes grficas de sries estatsticas por intermdio de linhas e


superfcies. Dentre os principais diagramas, destacam-se:

Copyright 2007, ESAB Escola Superior Aberta do Brasil

32

1. Grfico em linha ou em curva


a representao grfica de uma srie estatstica por meio de uma linha poligonal e constitui
uma aplicao do processo de representao das funes num sistema de coordenadas
cartesianas. a melhor representao para uma srie temporal, onde se deve observar a
ordem cronolgica das informaes. usada para mostrar a variao entre os valores de
uma srie.

Exemplo:

Vendas (R$) da Companhia "Sucesso S/A"


200.000
190.000
180.000
170.000
160.000
150.000
140.000
130.000
120.000
110.000
100.000
2001

2002

2003

2004

2005

2006

Copyright 2007, ESAB Escola Superior Aberta do Brasil

2007

2008

33

2. Grfico em colunas ou em barras


a representao grfica de uma srie estatstica por meio de retngulos, dispostos
verticalmente (em colunas) ou horizontalmente (em barras).
Quando em colunas, os retngulos tm a mesma base e as alturas so proporcionais aos
respectivos dados.
Quando em barras, os retngulos tm a mesma altura e os comprimentos so proporcionais
aos respectivos dados.
Dessa forma, asseguramos a proporcionalidade entre as reas dos retngulos e os dados
estatsticos.
Exemplos:
a. Grfico em Colunas

Mil Toneladas

Produo de Soja do Pas "Omega"


200.000
180.000
160.000
140.000
120.000
100.000
80.000
60.000
40.000
20.000
0
1990

1991

1992

1993

1994

1995

Copyright 2007, ESAB Escola Superior Aberta do Brasil

1996

1997

34

b. Grfico em Barras

Exportaes Brasileiras - Ano XX


So Paulo
Minas Gerais
Rio de Janeiro
Bahia
Cear
Esprito Santo
Paran
Pernambuco
Santa Catarina
Gois

500

1.000

1.500

2.000

2.500

US$ milhes

Observaes:
1. Sempre que as informaes escritas das legendas forem extensas, devemos dar
preferncia ao grfico em barras (sries geogrficas ou especficas). Porm, mesmo
assim for escolhido o grfico em colunas, as informaes das legendas devem ser
dispostas de baixo para cima, jamais o contrrio.
2. A ordem a ser observada a cronolgica, se a srie for histrica, e a decrescente, se
for geogrfica ou categrica.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

35

3. Para uma melhor apresentao e visualizao de informaes, a distncia entre as


colunas (ou barras) no dever ser menor que a metade nem maior que dois teros da
largura (ou da altura) dos retngulos.

3. Grfico em colunas ou em barras mltiplas


geralmente empregado quando queremos representar, simultaneamente, dois ou mais
fenmenos estudados com o propsito de comparao.

Exemplo:

Balana Comercial do Pas "mega"


Exportaes

Importaes

US$ milhes

40.000
30.000
20.000
10.000
0
2000

2001

2002

2003

Copyright 2007, ESAB Escola Superior Aberta do Brasil

2004

36

4. Grfico em setores ou circular (pizza)


a representao grfica de uma srie estatstica por meio de superfcies setoriais. usado
para comparar os valores de uma srie com a soma total.
O grfico construdo com base em um crculo dividido em partes, onde cada ngulo central
proporcional frequncia de cada varivel.
Obtemos cada setor por meio de uma regra de trs simples e direta, lembrando que o total
da srie corresponde 360.

Exemplo:
Vacinao contra doena "X"
Brasil - 2006
Regio
Quantidade
Norte
542.863
Nordeste
947.321
Sudeste
1.589.647
Sul
754.294
Centro-Oeste
349.612
TOTAL
4.183.737

Copyright 2007, ESAB Escola Superior Aberta do Brasil

37

Vacinao contra doena "X" - Brasil - 2006


8%

13%

18%

Norte
Nordeste
23%

Sudeste
Sul
Centro-Oeste

38%

Observaes:
1. Para uma melhor apresentao e interpretao dos dados, o grfico em setores s
deve ser empregado quando h, no mximo, sete dados.
2. Se a srie j apresenta os dados percentuais, obtemos os respectivos valores em
graus multiplicando o valor do percentual por 3,6.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

38

NIDADE

Objetivo: Apresentar e discutir os conceitos relacionados Distribuio de Frequncia.

Distribuio de Frequncia

Suponhamos termos feito uma coleta de dados relativos s estaturas de 40 alunos, que
compem uma amostra dos alunos de uma Faculdade brasileira, resultando a seguinte
tabela de valores, dados em centmetros (cm):
166

160

161

150

162

160

165

167

164

160

162

161

168

163

156

173

160

155

164

168

155

152

163

160

155

155

169

151

170

164

154

161

156

172

153

157

156

158

158

161

A esse tipo de tabela, cujos elementos no foram numericamente organizados,


denominamos tabela primitiva.
Partindo dos dados acima, difcil averiguar em torno de que valor tende a se concentrar as
estaturas, qual a menor e qual a maior estatura ou, ainda, quantos alunos se acham abaixo
ou acima de uma dada estatura.
Dessa forma, conhecidos os valores de uma varivel, difcil formarmos uma ideia exata do
comportamento do grupo como um todo, a partir dos dados no ordenados.
A maneira mais simples de se organizar os dados atravs de certa ordenao (crescente
ou decrescente). A tabela obtida aps a ordenao dos dados recebe o nome de rol.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

39

Assim, obtemos o seguinte rol para os dados apresentados:


150

154

155

157

160

161

162

164

166

169

151

155

156

158

160

161

162

164

167

170

152

155

156

158

160

161

163

164

168

172

153

155

156

160

160

161

163

165

168

173

Agora podemos obter com relativa facilidade qual a menor estatura (150 cm) e qual a
maior (173 cm). Podemos tambm determinar qual foi a amplitude de variao (173 - 150 =
23 cm) e, ainda, a ordem que um valor em particular da varivel ocupa no conjunto.
Observamos tambm que h uma concentrao das estaturas em algum valor entre 160 cm
e 165 cm e, mais ainda, existem poucos valores abaixo de 155 cm e acima de 170 cm.
Com base nas informaes anteriores, podemos organizar o que chamamos de Quadro de
Distribuio de Frequncias.
Definindo arbitrariamente, por exemplo, 6 classes, com intervalos de 4 cm, teremos:
ESTATURAS DE 40 ALUNOS

i
1
2
3
4
5
6

Estaturas (cm)
150 154
154 158
158 162
162 166
166 170
170 174

Freqncias (fi)
4
9
11
8
5
3
fi = 40

O smbolo um intervalo fechado esquerda e aberto direita. Por exemplo, na classe


2, em 154 158 , teremos todas as frequncias de 154 (inclusive) at 158 (exclusive).

Copyright 2007, ESAB Escola Superior Aberta do Brasil

40

Assim, ao invs de dizermos que a estatura de 1 aluno 154 cm; de 4 alunos de 155 cm;
de 3 alunos de 156 cm; e de 1 aluno de 157 cm, diremos que 9 alunos tm estaturas
entre 154, inclusive, e 158 cm, exclusive. Estaremos desse modo, agrupando os valores da
varivel em intervalos, chamados em Estatstica de classes.
Ao agruparmos os valores da varivel em classes, ganhamos em simplicidade, mas
perdemos em

pormenores.

Nos dados originais (chamados de dados desagrupados),

podemos verificar que 4 alunos tm 161 cm de altura e que no existe nenhum aluno com
171 cm de altura. Entretanto, no quadro acima (dados agrupados) no podemos ver se
algum aluno tem a estatura de 159 cm. No entanto, sabemos, com segurana, que 11 alunos
tm a estatura compreendida entre 158 e 162 cm.
O que se pretende com a construo deste quadro realar o que h de essencial nos
dados e, tambm, tornar possvel o uso de tcnicas analticas para sua total descrio.
Recorde que a Estatstica tem por finalidade especfica analisar o conjunto de valores,
desinteressando-se por casos isolados.
A partir do quadro anterior, podemos elaborar um quadro mais completo, pelo qual ser
possvel extrair um maior volume de informaes sobre a varivel em estudo. Este quadro
conhecido na Estatstica como Quadro de Distribuio de Frequncias, conforme abaixo:
QUADRO DE DISTRIBUIO DE FREQUNCIAS

i
1
2
3
4
5
6

Classes (cm)
150 154
154 158
158 162
162 166
166 170
170 174
TOTAL

xi

fi

fri (%)

Fi

Fri (%)

152
156
160
164
168
172

4
9
11
8
5
3
40

10,00
22,50
27,50
20,00
12,50
7,50
100

4
13
24
32
37
40

10,00
32,50
60,00
80,00
92,50
100,00

Copyright 2007, ESAB Escola Superior Aberta do Brasil

41

Com este quadro, podemos observar, por exemplo, que existem 27,5% dos alunos com
estaturas entre 158 e 162 cm. Verificamos tambm que existem 80% dos alunos com
estaturas at 166 cm e que existem 33 alunos com estaturas entre 154 e 170 cm. Cada um
dos elementos deste quadro ser detalhado a seguir.

Relao Estatstica x Profisso


Como vimos, a Estatstica possui grande importncia para nossa formao. Dessa forma,
relacione a Estatstica com sua profisso, destacando os principais pontos onde sua
aplicao (ou poderia ser) relevante.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

42

NIDADE

10

Objetivo: Apresentar e discutir os principais Elementos de uma Distribuio de Frequncia.

Elementos de uma Distribuio de Frequncia


1. Classes (i)
Classes de frequncia ou simplesmente classes so intervalos de variao da varivel.
So representadas simbolicamente por i, sendo i = 1, 2, 3, ... , k, onde k o nmero total de
classes da distribuio.

2. Limites de Classe
Denominamos limites de classe os extremos de cada classe.
O menor nmero o limite inferior da classe ( i ) e o maior nmero, o limite superior da
classe (Li).

3. Amplitude de um intervalo de classe (hi)


Amplitude de um intervalo de classe ou, simplesmente, intervalo de classe a medida do
intervalo que define a classe.
obtida pela diferena entre os limites superior e inferior dessa classe e indicada por hi.
Assim:
hi = Li -

Copyright 2007, ESAB Escola Superior Aberta do Brasil

43

4. Amplitude total da distribuio (AT)


a diferena entre o limite superior da ltima classe (limite superior mximo) e o limite
inferior da primeira classe (limite inferior mnimo):

AT = Lmx - mn

5. Amplitude Amostral (AA)


a diferena entre o valor mximo e o valor mnimo da amostra.
AA = xmx - xmn

6. Ponto mdio de uma classe (xi)


Como o prprio nome indica, o ponto que divide o intervalo de classe em duas partes
iguais. Para obtermos o ponto mdio de uma determinada classe, calculamos a soma dos
limites da classe e dividimos por 2, ou seja:

xi

i Li
2

O ponto mdio de uma classe o valor que a representa.

7. Frequncia simples ou absoluta (fi)


Frequncia simples ou frequncia absoluta ou, simplesmente, frequncia de uma classe ou
de um valor individual o nmero de observaes correspondentes a essa classe ou a esse
valor.
Copyright 2007, ESAB Escola Superior Aberta do Brasil

44

Obviamente, a soma de todas as frequncias igual ao nmero total de observaes n.

fi n
i 1

8. Frequncia relativa (fri)


o valor da razo entre a frequncia simples e a frequncia total.

fri

fi
f
i
fi n

9. Frequncia acumulada (Fi)


o total das frequncias de todos os valores inferiores ao limite superior do intervalo de uma
dada classe.

Fi = f1 + f2 + f3 + ... + fk

10. Frequncia acumulada relativa (Fri)


Frequncia acumulada relativa de uma classe a frequncia acumulada da classe, dividida
pela frequncia total da distribuio.

Fri

Fi
F
i
fi n

Copyright 2007, ESAB Escola Superior Aberta do Brasil

45

Antes de dar continuidade aos seus estudos fundamental que voc acesse sua
SALA DE AULA e faa a Atividade 1 no link ATIVIDADES.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

46

NIDADE

11

Objetivo: Apresentar e calcular o Nmero de Classes e Intervalo de Classes de uma


Distribuio.

Clculo do nmero de classes (k) e intervalo de classes (hi)

a primeira preocupao na construo de uma distribuio de frequncias. No exemplo


anterior, foi o valor de k foi arbitrariamente usado como sendo 6 e hi como 4 cm. Entretanto,
vamos agora aprender a calcular estes valores, o que no necessariamente ser o mesmo
valor arbitrado anteriormente.
Para determinao do n de classes de uma distribuio podemos utilizar a Regra de
Sturges, que nos d o n de classes em funo do nmero de valores da varivel:

k 1

log n
log 2

Em que k o nmero de classes e n o nmero total de dados.


Quando

resultado

no

for

exato,

iremos

sempre

arredond-lo

para

mais,

independentemente do valor decimal encontrado.


Uma vez encontrado o nmero de classes da distribuio, devemos determinar a amplitude
do intervalo de classes (hi). Obtemos o valor de hi dividindo o valor da amplitude amostral
(AA) pelo valor de k.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

47

Assim, temos:

hi

AA
k

Tambm iremos manter o critrio de arredondamento para mais para facilitar nossos
clculos, na medida do possvel.
Para o exemplo das estaturas dos alunos, temos:
n = 40 alunos

k 1

log 40 1,602059991

1 5,321928093 7
log 2
0,301029996

Observe que foi feito um arredondamento matemtico para mais, independente do valor
decimal encontrado.
Para o clculo de hi, temos:
AA = 173 - 150 = 23 cm

hi

AA 23

3,285714286 4
k
7

Observe que tambm foi feito um arredondamento matemtico para mais, independente do
valor decimal encontrado.
Assim, teramos para o exemplo anterior os valores calculados de k = 7 classes e hi = 4 cm.
Conforme foi dito, inicialmente no existia a preocupao em se calcular k, que havia sido
arbitrariamente definido como 6.
Sempre que for solicitada a aplicao da Frmula de Sturges, devero ser considerados k e
hi calculados.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

48

NIDADE

12

Objetivo: Apresentar e discutir as principais Medidas de Posio.

Medidas de Posio

O estudo que fizemos sobre as distribuies de frequncias, at agora, permite-nos


descrever, de modo geral, os grupos dos valores que uma varivel pode assumir. Dessa
forma, podemos localizar a maior concentrao de valores de uma dada distribuio, isto ,
se ela se localiza no incio, no meio ou no final, ou ainda, se h uma distribuio por igual.
Porm, para ressaltar as tendncias caractersticas de cada distribuio, isoladamente, ou
em confronto com outras, necessitamos introduzir conceitos que se expressem atravs de
nmeros, que nos permitam traduzir essas tendncias.
As medidas de posio so dados que nos orientam quanto posio da distribuio em
relao ao eixo horizontal (eixo das abscissas).
Dentre as medidas de posio mais importantes esto as medidas de tendncia central, que
recebem tal nome pelo fato dos dados observados tenderem, em geral, a ser agrupar em
torno dos valores centrais.
Destacamos:

Mdia Aritmtica;

Mediana;

Moda.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

49

As outras medidas de posio so as separatrizes, que englobam:

A prpria mediana;

Os quartis;

Os decis;

Os percentis.

1. Mdia Aritmtica ( x )
o quociente da diviso da soma dos valores da varivel pela quantidade de variveis.
Para dados no agrupados, temos:

xi
n

x i fi
fi

Para dados agrupados, temos:

Sendo:

=>

mdia aritmtica

xi

=>

cada valor da varivel, de ordem i

=>

nmero de valores

fi

=>

frequncia simples, de ordem i


Copyright 2007, ESAB Escola Superior Aberta do Brasil

50

A mdia utilizada quando desejamos obter a medida de posio que possui maior
estabilidade

2. Moda (Mo)
o valor que ocorre com maior frequncia em uma srie de valores.
Por exemplo, o salrio modal de uma empresa o salrio mais comum, isto , o salrio
recebido pelo maior nmero de empregados desta empresa.
Nos dados no agrupados, podemos encontrar sries que no possuam valor modal (srie
amodal). Em contra-partida, podem haver dois ou mais valores de concentrao de uma
varivel. Nestes casos, a srie chamada de bimodal, trimodal, tetramodal, etc .
Para dados agrupados, a moda o ponto mdio da classe modal, ou seja, da classe de
maior frequncia.
A moda utilizada quando:

Desejamos obter uma medida rpida e aproximada de posio;

A medida de posio deve ser o valor mais tpico da distribuio.

3. A mediana ( Md )
definida como o nmero que se encontra no centro de uma srie de nmeros, estando
estes dispostos segundo uma ordem.
o valor situado de tal forma no conjunto de dados que o separa em dois subconjuntos de
mesmo nmero de elementos.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

51

Para dados no agrupados, se a srie tiver nmero mpar de elementos, a mediana ,


obviamente, o valor central da srie, disposta em uma determinada sequncia.
Se a srie tiver um nmero par de elementos, a mediana ser, por definio, qualquer dos
nmeros compreendidos entre os dois valores centrais da srie. Convencionou-se utilizar o
ponto mdio dos valores centrais.

3.1 Mediana para dados agrupados


O problema consiste em determinar o ponto do intervalo em que est compreendida a
mediana.
Para tanto, temos inicialmente que determinar a classe na qual se acha mediana - classe
mediana. Tal classe ser, evidentemente, quela correspondente frequncia acumulada

fi
imediatamente superior a

Feito isto, um problema de interpolao resolve a questo, admitindo-se, agora, que os


valores se distribuam uniformemente em todo o intervalo de classe.
Interpolao =>

Insero de uma determinada quantidade de valores entre dois nmeros

dados.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

52

Veja o exemplo:
ESTATURAS DE 40 ALUNOS DE UMA FACULDADE

i
1
2
3
4
5
6

Classes (cm)
150 154
154 158
158 162
162 166
166 170
170 174
TOTAL

xi

fi

fri (%)

Fi

Fri (%)

152
156
160
164
168
172

4
9
11
8
5
3
40

10,00
22,50
27,50
20,00
12,50
7,50
100

4
13
24
32
37
40

10,00
32,50
60,00
80,00
92,50
100,00

Classe mediana

Como h 24 valores includos nas trs primeiras classes da distribuio e como pretendemos
determinar o valor que ocupa o 20 lugar, a partir do incio da srie, vemos que este deve
estar localizado na terceira classe (i = 3), supondo que as frequncias destas classes
estejam uniformemente distribudas.

Como h 11 elementos nessa classe e o intervalo de classe igual a 4, devemos tomar, a


partir do limite inferior, a distncia:

4
4
28
20 13 7
2,54
11
11
11

A mediana ser dada por:

Md = 158 + 2,54 = 160,54 cm

Na prtica, executamos os seguintes passos:

Copyright 2007, ESAB Escola Superior Aberta do Brasil

53

1. Determinamos as frequncias acumuladas;

fi
2. Calculamos 2 ;
3. Marcamos a classe correspondente frequncia acumulada imediatamente superior

fi
2 (classe mediana) e, em seguida, empregamos a frmula:
fi
*

F
(
ant
)
2
h

*
Md
f*

Na qual:

F(ant) a frequncia acumulada da classe anterior classe mediana;

f* a frequncia simples da classe mediana;

h* a amplitude do intervalo da classe mediana.

o limite inferior da classe mediana;

Empregamos a mediana quando:


1. Desejamos obter o ponto que divide a distribuio em partes iguais;
2. H valores extremos que afetam a mdia de uma maneira acentuada;
3. A varivel em estudo salrio.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

54

NIDADE

13

Objetivo: Apresentar e discutir as Medidas Separatrizes Quartis.

Medidas Separatrizes

Como vimos, a mediana caracteriza uma srie de valores devido sua posio central. No
entanto, ela apresenta outra caracterstica, to importante quanto primeira: ela separa a
srie em dois grupos que apresentam o mesmo nmero de valores.
Assim, alm das medidas de posio que estudamos, h outras que, consideradas
individualmente, no so medidas de tendncia central, mas esto ligadas mediana
relativamente sua segunda caracterstica, j que se baseiam em sua posio na srie.
Essas medidas - os quartis, os decis e os percentis - so, juntamente com a mediana,
conhecidas pelo nome genrico de medidas separatrizes.

1. Os quartis
Denominamos quartis os valores de uma srie que a dividem em quatro partes iguais. H,
portanto, trs quartis:

O primeiro quartil (Q1)


Valor situado de tal modo na srie que uma quarta parte (25%) dos dados menor que ele e
as trs quartas partes restantes (75%) so maiores.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

55

O segundo quartil (Q2)


Evidentemente, coincide com a mediana (Q2 = Md ).

O terceiro quartil (Q3)


Valor situado de tal modo na srie que as trs quartas partes (75%) dos dados so menores
que ele e uma quarta parte (25%) maior.
Quando os dados esto agrupados, para determinar os quartis usamos a mesma tcnica do

fi
clculo da mediana, bastando substituir, na frmula da mediana, 2 por:
k fi
4

sendo k o nmero de ordem do quartil.


Assim, temos:

k fi
*

F
(
ant
)
4
h
*
Qk
f*

Copyright 2007, ESAB Escola Superior Aberta do Brasil

56

NIDADE

14

Objetivo: Apresentar e discutir as Medidas Separatrizes Decis.

Medidas Separatrizes

2. Os decis
Denominamos decis os valores de uma srie que a dividem em dez partes iguais. H,
portanto, dez decis:

O primeiro decil (D1)


Valor situado de tal modo na srie que 10% dos dados menor que ele e 90% restantes so
maiores.

O segundo decil (D2)


Valor situado de tal modo na srie que 20% dos dados menor que ele e 80% restantes so
maiores.

O terceiro decil (D3)


Valor situado de tal modo na srie que 30% dos dados menor que ele e 70% restantes so
maiores.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

57

O quarto decil (D4)


Valor situado de tal modo na srie que 40% dos dados menor que ele e 60% restantes so
maiores.

O quinto decil (D5)


Valor situado de tal modo na srie que 50% dos dados menor que ele e 50% restantes so
maiores. Evidentemente, coincide com a mediana (D5 = Q2 = Md ).

O sexto decil (D6)


Valor situado de tal modo na srie que 60% dos dados menor que ele e 40% restantes so
maiores.

O stimo decil (D7)


Valor situado de tal modo na srie que 70% dos dados menor que ele e 30% restantes so
maiores.

O oitavo decil (D8)


Valor situado de tal modo na srie que 80% dos dados menor que ele e 20% restantes so
maiores.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

58

O nono decil (D9)


Valor situado de tal modo na srie que 90% dos dados menor que ele e 10% restantes so
maiores.

O dcimo decil (D10)


Valor situado de tal modo na srie que 100% dos dados menor que ele e 0% restantes so
maiores (ou seja, nenhum maior).

fi
O clculo de um decil segue a mesma tcnica do clculo da mediana, porm a frmula 2
ser substituda por:

k fi
10

Sendo k o nmero de ordem do decil.


Assim, temos:

k fi

F(ant ) h*

10

Dk *
f*

Copyright 2007, ESAB Escola Superior Aberta do Brasil

59

NIDADE

15

Objetivo: Apresentar e discutir as Medidas Separatrizes Percentis.

Medidas Separatrizes

3. Os percentis

Denominamos percentis os noventa e nove valores que separam uma srie em 100 partes
iguais.
O clculo de um percentil segue a mesma tcnica do clculo da mediana, porm a frmula

fi
2 ser substituda por:
k fi
100

sendo k o nmero de ordem do percentil.


Assim, temos:

k fi

F(ant ) h*

100

Pk *
f*

Copyright 2007, ESAB Escola Superior Aberta do Brasil

60

NIDADE

16

Objetivo: Apresentar e discutir as Medidas de Disperso ou Variabilidade.

Medidas de Disperso ou Variabilidade

Vimos anteriormente que um conjunto de valores pode ser sintetizado por meio de
procedimentos matemticos em poucos valores representativos: mdia aritmtica, mediana
e moda. Tais valores podem servir de comparao para dar a posio de qualquer elemento
do conjunto.
No entanto, quando se trata de interpretar dados estatsticos, mesmo aqueles j
convenientemente simplificados, necessrio ter-se uma ideia retrospectiva de como se
apresentavam estes mesmos dados nas tabelas.

Vemos, ento, que a mdia - ainda que considerada como um n que tem a faculdade de
representar uma srie de valores - no pode, por si mesma, destacar o grau de
homogeneidade ou heterogeneidade que existem entre os valores que compem o conjunto.
Consideremos os seguintes conjuntos de valores das variveis X, Y e Z:
X

70, 70, 70, 70, 70.

68, 69, 70, 71, 72.

5, 15, 50, 120, 160.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

61

Calculando a mdia aritmtica de cada um desses conjuntos, obtemos:

x i 350

70
n
5
;

y i 350

70
n
5
;

z i 350

70
n
5
;

Vemos, ento, que os trs conjuntos apresentam a mesma mdia aritmtica: 70.
Entretanto, fcil notar que o conjunto X mais homogneo que os conjuntos Y e Z, j que
todos os valores so iguais mdia.
O conjunto Y, por sua vez, mais homogneo que o conjunto Z, pois h menor diversificao
entre cada um de seus valores e a mdia representativa.
Chamando de disperso ou variabilidade a maior ou menor diversificao dos valores de
uma varivel em torno de um valor de tendncia central tomado como ponto de comparao,
podemos dizer que o conjunto X apresenta disperso ou variabilidade nula e que o conjunto
Y apresenta uma disperso ou variabilidade menor que o conjunto Z.
Portanto, para qualificar os valores de uma dada varivel, ressaltando a maior ou menor
disperso ou variabilidade entre esses valores e a sua medida de posio, a Estatstica
recorre s medidas de disperso ou de variabilidade.
Dessas medidas, estudaremos a amplitude total, a varincia, o desvio padro e o coeficiente
de variao.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

62

Amplitude Total
Para dados no agrupados
a diferena entre o maior e o menor valor observado.

AT = x(mx) x(mn)

Para dados agrupados


a diferena entre o limite superior da ltima classe e o limite inferior da primeira classe.

AT = L(superior) (inferior)

A amplitude total tem o inconveniente de s levar em conta os dois valores extremos da


srie, descuidando do conjunto de valores intermedirios, o que quase sempre invalida a
idoneidade do resultado. Ela apenas uma indicao aproximada da disperso ou
variabilidade.
Faz-se uso da amplitude total quando se quer determinar a amplitude da temperatura em um
dia ou no ano, no controle de qualidade ou como uma medida de clculo rpido, e quando a
compreenso popular mais importante que a exatido e a estabilidade.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

63

NIDADE

17

Objetivo: Apresentar e discutir as Medidas de Disperso ou Variabilidade Varincia e


Desvio Padro.

Medidas de Disperso ou Variabilidade

Varincia e Desvio Padro


Como vimos, a amplitude total instvel, por se deixar influenciar pelos valores extremos,
que so, na sua maioria, devidos ao acaso.
A varincia e o desvio padro so medidas que fogem a essa falha, pois levam em
considerao a totalidade dos valores da varivel em estudo, o que faz delas ndices de
variabilidade bastante estveis e, por isso mesmo, os mais geralmente empregados.
A varincia baseia-se nos desvios em torno da mdia aritmtica, porm determinando a
mdia aritmtica dos quadrados dos desvios. Assim, representando a varincia por s2,
temos:
2
2
x i x
x i x
s

n
fi
2

Sendo a varincia calculada a partir dos quadrados dos desvios, ela um n em unidade
quadrada em relao varivel em questo, o que, sob o ponto de vista prtico, um
inconveniente.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

64

Por isso mesmo, imaginou-se uma nova medida que tem utilidade e interpretao prticas,
denominada desvio padro, definida como a raiz quadrada da varincia e representada por s:

s s2

Assim, teremos que:

s
Desvio padro:

2
x i x
n

(Para populao)

Quando nosso interesse no se restringe descrio dos dados, mas, partindo da amostra,
visamos tirar inferncias vlidas para a respectiva populao, convm efetuar uma
modificao, que consiste em utilizarmos o divisor n - 1 no lugar de n.
Assim, teremos:
2
x i x
n 1

s
Desvio padro:

(Para amostra)

Desvio padro para dados agrupados


Analogamente ao caso da mdia, o desvio padro de um conjunto de dados agrupados
dado por:
Desvio padro na amostra:

2
2
x i .fi n.x
n 1

Copyright 2007, ESAB Escola Superior Aberta do Brasil

65

NIDADE

18

Objetivo: Apresentar e discutir o Coeficiente de Variao.

O coeficiente de variao (CV)

O desvio padro por si s no nos diz muita coisa. Assim, um desvio padro de duas
unidades pode ser considerado pequeno para uma srie de valores cujo valor mdio 300;
no entanto, se a mdia for igual a 30, o mesmo no pode ser dito.
Alm disso, o fato de o desvio padro ser expresso na mesma unidade de medida dos dados
limita o seu emprego quando desejamos comparar duas ou mais sries de valores,
relativamente sua disperso ou variabilidade, quando expressas em unidades diferentes.
Para contornar essas dificuldades e limitaes, podemos caracterizar a disperso ou
variabilidade dos dados em termos relativos a seu valor mdio. Toma-se ento uma medida
relativa da variabilidade, comparando o desvio padro com a mdia. Esta medida o
coeficiente de variao (CV).

CV

s
100
x

J vimos que o desvio padro tem a mesma unidade de medida que os dados, de modo que
o coeficiente de variao adimensional.
A grande utilidade do coeficiente de variao permitir a comparao das variabilidades de
diferentes conjuntos de dados.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

66

NIDADE

19

Objetivo: Apresentar e discutir o Escore Padronizado.

Escore padronizado (zi)

No contexto de um nico conjunto de dados, o desvio padro pode ser interpretado


intuitivamente como unidade natural de disperso de dados. Esta interpretao utilizada na
construo de escores padronizados, de larga aplicao em medidas educacionais.
Por exemplo, em uma escala de 0 a 10, a nota 6 em uma prova em que a nota mxima foi
6 muito mais do que a mesma nota 6 em uma prova em que a nota mxima foi 9. Uma
forma de captar essa diferena considerar a nota do aluno como a sua posio relativa no
grupo, medida por:

zi

xi x
s

, onde zi o que se chama escore padronizado

Dessa forma, estamos comparando a nota do aluno com a mdia do grupo, ou seja, estamos
considerando o afastamento da nota em relao mdia, tomando esta como origem. Ao
dividirmos aquela diferena pelo desvio padro s, estamos tomando o desvio padro como
unidade ou padro de medida. Da o nome desvio padro.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

67

Aplicao das Ferramentas no dia a dia


De acordo com o que voc aprendeu, como poderamos aplicar as ferramentas e mtodos
estatsticos em seu dia a dia ? Quais rotinas ou processos poderiam ser melhorados? Como?

Copyright 2007, ESAB Escola Superior Aberta do Brasil

68

NIDADE

20

Objetivo: Apresentar, discutir e calcular as Medidas de Assimetria.

Medidas de Assimetria

Voc j ouviu falar dessas medidas ? Sabe como calcul-las? Vamos esto estud-las nesta
unidade.
Chamamos de assimetria o grau de desvio ou afastamento da simetria de uma distribuio
(mdia e moda).
As medidas podem ser simtricas ou assimtricas. Elas so simtricas quando os valores da
Mdia e Moda se coincidem. Quando a mdia menor que a moda, a medida assimtrica
esquerda ou negativa. Quando a mdia maior que a moda, a medida assimtrica
direita ou positiva. Naturalmente, quanto mais prxima de zero for a medida de assimetria,
mais simtrica ser a distribuio.
Os conceitos de assimetria de uma curva de frequncia esto ilustrados nos grficos abaixo:

Copyright 2007, ESAB Escola Superior Aberta do Brasil

69

Baseando-se nas relaes entre a Mdia e a Moda, podemos determinar o tipo de


assimetria.
Se tivermos:

x Mo = 0 =>

assimetria nula ou distribuio simtrica

x Mo < 0 =>

assimetria negativa ou esquerda

x Mo > 0 =>

assimetria positiva ou direita

onde:

Mdia

Mo

Moda
Copyright 2007, ESAB Escola Superior Aberta do Brasil

70

Exemplos:
1. Suponhamos os seguintes valores: x = 18 e Mo = 18.
Temos nesse caso uma distribuio simtrica, pois x Mo = 18 18 = 0
2. Suponhamos os seguintes valores: x = 14,3 e Mo = 17.
Temos nesse caso uma distribuio assimtrica negativa, pois x Mo = 14,3 17 =
2,7
3. Suponhamos os seguintes valores: x = 15,1 e Mo = 12.
Temos nesse caso uma distribuio assimtrica positiva, pois x Mo = 15,1 12 =
3,1

Coeficiente de Assimetria de Pearson


Nessa medida de coeficiente, podemos verificar se a assimetria moderada, fraca ou forte,
por meio da frmula:

As

3 x Md
s
, em que:

As

Coeficiente de Assimetria de Pearson

Mdia

Md

Mediana

Desvio-padro

Copyright 2007, ESAB Escola Superior Aberta do Brasil

71

Aps calcular os valores da mdia, mediana e desvio-padro, basta aplicar na frmula


anterior para se obter o Coeficiente de Assimetria de Pearson.
A assimetria considerada moderada se o mdulo do resultado encontrado estiver entre
0,15 e 1, ou seja, se 0,15 < |As| < 1. Se 0 < |As| 0,15 , temos uma assimetria fraca e,
caso |As| 1, ento a assimetria considerada forte.

Assim, temos:
As = 0

temos uma simetria

0 < |As| 0,15

temos uma assimetria fraca

0,15 < |As| < 1

temos uma assimetria moderada

|As| 1

temos uma assimetria forte

Exemplos:
1. Considere os valores: x = 10, Md = 10 e s = 4,8. Calcule o coeficiente de assimetria.

As

3 x Md
s

As

3 10 10 3 0

0
4,8
4,8

Como As = 0, temos neste caso uma simetria.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

72

2. Considere os valores: x = 14,5 , Md = 15,2 e s = 4,2. Calcule o coeficiente de


assimetria.

As

3 x Md
s

As

3 14,5 15,2 3 0,7 2,1

0,5
4,2
4,2
4,2

Como As = 0,5 e 0,15 < |As| < 1, temos neste caso uma assimetria negativa moderada.

3. Considere os valores: x = 11,6 , Md = 10,62 e s = 2,1. Calcule o coeficiente de


assimetria.

As

3 x Md
s

As

3 11,6 10,62 3 0,98 2,94

1,4
2,1
2,1
2,1

Como As = 1,4 e |As| 1, temos neste caso uma assimetria positiva forte.

Antes de dar continuidade aos seus estudos fundamental que voc acesse sua
SALA DE AULA e faa a Atividade 2 no link ATIVIDADES.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

73

NIDADE

21

Objetivo: Apresentar, discutir e calcular as Medidas de Curtose.

Medidas de Curtose

Voc j ouviu falar dessas medidas ? Sabe como calcul-las ? Vamos esto estud-las nesta
unidade.
Chamamos de Curtose o grau de achatamento de uma distribuio em relao a uma
distribuio padro, denominada Curva Normal, que uma curva correspondente a uma
distribuio terica de probabilidade.

Curva Normal ou Curva de Gauss

Quando a distribuio apresentar uma curva de frequncia mais aberta que a normal (ou
mais achatada em sua parte superior), ela receber o nome de Platicrtica.
Se a distribuio em estudo apresentar uma curva de frequncia mais fechada que a normal
(ou mais aguda em sua parte superior), ela receber o nome de Leptocrtica.
A curva normal, que a nossa base referencial, recebe o nome de Mesocrtica.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

74

Os tipos de curvas de frequncia em termos de curtose esto mostrados abaixo:

Coeficiente de Curtose
Uma frmula para medir a curtose mediante o clculo do Coeficiente Percentlico de
Curtose, conforme abaixo:

Q 3 Q1
2 P90 P10

onde:
C

Coeficiente Percentlico de Curtose ou Coeficiente de Curtose

Q1

1 Quartil da Distribuio

Q3

3 Quartil da Distribuio

P10

10 Percentil da Distribuio

P90

90 Percentil da Distribuio

Copyright 2007, ESAB Escola Superior Aberta do Brasil

75

Para o caso especial da Curva Normal, temos que C = 0,263.


Assim:
Se

C = 0,263

=>

Curva Mesocrtica

Se

C < 0,263

=>

Curva Leptocrtica

Se

C > 0,263

=>

Curva Platicrtica

Exemplos:
1. Sabendo que uma distribuio apresenta as seguintes medidas:
Q1

21,84 cm

Q3

45,32 cm

P10

18,69 cm

P90

53,24 cm

Calcule o coeficiente de curtose e classifique a distribuio em relao curva normal.

Soluo:

Q 3 Q1
2 P90 P10

45,32 21,84
23,48
23,48

0,3398
2 53,24 18,69 2 34,55 69,10

Como 0,3398 > 0,263 , temos uma distribuio Platicrtica em relao normal.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

76

2. Uma distribuio salarial de uma empresa apresentou os seguintes valores:


Q1

R$ 925,36

Q3

R$ 2.043,75

P10

R$ 658,31

P90

R$ 2.983,87

Calcule o coeficiente de curtose e classifique a distribuio em relao curva normal.

Soluo:

Q 3 Q1
2 P90 P10

2.043,75 925,36
1.118,39
1.118,39

0,2405
2 2.983,87 658,31 2 2.325,56 4.651,12

Como 0,2405 < 0,263 , temos uma distribuio Leptocrtica em relao normal.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

77

NIDADE

22

Objetivo: Apresentar e discutir os principais elementos relacionados s Probabilidades.

Noes de Probabilidades

conveniente dispormos de uma medida que exprima a incerteza presente em afirmaes


tais como: possvel que chova amanh, ou No h chance de vitria, em termos de uma
escala numrica que varie do impossvel ao certo. Esta medida a probabilidade.
O conceito de probabilidade fundamental para o estudo de situaes onde os resultados
so variveis, mesmo quando mantidas inalteradas as condies de sua realizao.

Experimento Aleatrio
Em quase tudo, em maior ou menor grau, vislumbramos o acaso. Assim, da afirmao
provvel que o meu time ganhe a partida de hoje pode resultar:

que, apesar do favoritismo, ele perca;

que, como pensamos, ele ganhe;

que empate.

Como vimos, o resultado final depende do acaso. Fenmenos como esses so chamados
fenmenos aleatrios ou experimentos aleatrios.
Experimentos ou fenmenos aleatrios so aqueles que, mesmo repetidos vrias vezes sob
condies semelhantes, apresentam resultados imprevisveis.
Copyright 2007, ESAB Escola Superior Aberta do Brasil

78

o processo de coleta de dados relativos a um fenmeno que acusa variabilidade em seus


resultados.

Espao Amostral
o conjunto de todos os resultados possveis de um experimento. Vamos represent-lo por
S. Assim, ao lanarmos uma moeda, h dois resultados possveis: ocorrer cara ou ocorrer
coroa. Logo, temos:
S = {CARA , COROA}

J ao lanarmos um dado, h seis resultados possveis. Assim, temos:


S = {1, 2, 3, 4, 5, 6}

Ao conjunto desses resultados possveis damos o nome de espao amostral ou conjunto


universo, representado por S.
Do mesmo modo, como em dois lanamentos sucessivos de uma moeda podemos obter
cara nos dois lanamentos, ou cara no primeiro e coroa no segundo, ou coroa no primeiro e
cara no segundo, ou coroa nos dois lanamentos, o espao amostral :
S = {(Ca, Ca) , (Ca, Co) , (Co, Ca) , (Co, Co)}

Cada um dos elementos de S que corresponde a um resultado recebe o nome de ponto


amostral. Assim:
2 S 2 um ponto amostral de S

Copyright 2007, ESAB Escola Superior Aberta do Brasil

79

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

Exemplo:
No lanamento de um dado, onde S = {1, 2, 3, 4, 5, 6}, temos:

A = {2, 4, 6} S; logo, A um evento de S.

B = {1, 2, 3, 4, 5, 6} S; logo, B um evento certo de S (B = S).

C = {4} S; logo, C um evento elementar de S.

D = S; logo, D um evento impossvel de S.

Um evento sempre definido por uma sentena. Assim, os eventos acima podem ser
definidos pelas sentenas:

Obter um nmero par na face superior.

Obter um nmero menor ou igual a 6 na face superior.

Obter o nmero 4 na face superior.

Obter um nmero maior que 6 na face superior.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

80

NIDADE

23

Objetivo: Apresentar e calcular as Probabilidades.

Probabilidade

Dado um experimento aleatrio, sendo S o seu espao amostral, vamos admitir que todos os
elementos de S tenham a mesma chance de acontecer, ou seja, que S um conjunto
equiprovvel.
Chamamos de probabilidade de um evento A (A S) o nmero real P(A), tal que:

P(A)

n( A )
n (S)

Onde:

n(A) o nmero de elementos de A ou nmero de vezes que A ocorreu;

n(S) o nmero de elementos de S ou nmero total de repeties do experimento;

Assim, pelos exemplos anteriores podemos concluir que, sendo n(S) = n:

A probabilidade do evento certo igual a 1 =>


P(S) = 1

Copyright 2007, ESAB Escola Superior Aberta do Brasil

81

A probabilidade do evento impossvel igual a zero =>


P() = 0

A probabilidade de um evento E qualquer (E S) um nmero real P(E), tal que:


0 P(E) 1

A probabilidade de um evento elementar E qualquer , lembrando que n(E) = 1:

P(E)

1
n

n(A
Eventos Complementares
Sabemos que um evento pode ocorrer ou no. Sendo p a probabilidade de que ele ocorra
(sucesso) e q a probabilidade de que ele no ocorra (insucesso), para um mesmo evento
existe sempre a relao:

p q 1 q 1 p

Eventos Independentes
Dizemos que dois eventos so independentes quando a realizao ou a no realizao de
um dos eventos no afeta a probabilidade da realizao do outro e vice-versa.
Por exemplo, quando lanamos dois dados, o resultado obtido em um deles independe do
resultado obtido no outro.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

82

Se dois eventos so independentes, a probabilidade de que eles se realizem


simultaneamente igual ao produto das probabilidades de realizao dos dois eventos.
Assim, sendo p1 a probabilidade de realizao do primeiro evento e p2 a probabilidade de
realizao do segundo evento, a probabilidade de que tais eventos se realizem
simultaneamente dada por:

p p1 p 2

Eventos Mutuamente Exclusivos


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

p p1 p 2

Copyright 2007, ESAB Escola Superior Aberta do Brasil

83

NIDADE

24

Objetivo: Exerccios resolvidos envolvendo o clculo de Probabilidades.

Exerccios Resolvidos Envolvendo o Clculo de Probabilidades

1. Qual a probabilidade de sair o valete de espadas quando retiramos uma carta de um


baralho de 52 cartas ?
Soluo:
Evento A = {sair valete de espadas em um baralho de 52 cartas}
P(A) = Probabilidade de ocorrer o Evento A
n(A) = Quantidade de valetes de espadas existentes no baralho de 52 cartas
n(S) = Quantidade de elementos do Espao Amostral S, ou seja, nmero de cartas do
baralho.
Logo, temos:

P( A )

Resposta:

n( A )
1

0,0192308 1,92%
n(S) 52

A probabilidade de sair o valete de espadas quando retiramos uma carta de


um baralho de 52 cartas de aproximadamente 1,92%.

2. Qual a probabilidade de sair uma dama quando retiramos uma carta de um baralho de 52
cartas ?
Soluo:
Evento A = {sair dama em um baralho de 52 cartas}
P(A) = Probabilidade de ocorrer o Evento A
n(A) = Quantidade de damas existentes no baralho de 52 cartas
Copyright 2007, ESAB Escola Superior Aberta do Brasil

84

n(S) = Quantidade de elementos do Espao Amostral S, ou seja, nmero de cartas do


baralho.
Logo, temos:

P( A )

Resposta:

n( A )
4

0,0769231 7,69%
n(S) 52

A probabilidade de sair uma dama quando retiramos uma carta de um


baralho de 52 cartas de aproximadamente 7,69%.

3. No lanamento de dois dados, calcule a probabilidade de se obter soma igual a 7.


Soluo:

O evento obter soma igual a 7 formado pelos elementos (1, 6) , (6, 1) , (2, 5) , (5, 2) ,
(3, 4) , (4, 3). Como o nmero de elementos do Espao Amostral S 36 (pois existem ao
todo 6 x 6 = 36 possveis combinaes no lanamento de dois dados), temos que:

P( A ) =

n( A ) 6
=
16,67%
n(S) 36

4. Em um lote de 18 peas, 5 so defeituosas. Sendo retirada uma pea, calcule:


a) A probabilidade de essa pea ser defeituosa;
b) A probabilidade de essa pea no ser defeituosa;

Soluo:

a) Evento A = {sair pea defeituosa}


Copyright 2007, ESAB Escola Superior Aberta do Brasil

85

P(A) = Probabilidade de ocorrer o Evento A


n(A) = Quantidade de peas defeituosas existentes no lote.
n(S) = Quantidade de total de peas do lote.
Logo, temos:

P( A ) =

n( A ) 5
=
= 0,277777778 27,78 %
n(S) 18

b) Evento B = {sair pea no defeituosa}


P(B) = Probabilidade de ocorrer o Evento B
n(B) = Quantidade de peas no defeituosas existentes no lote.
n(S) = Quantidade de total de peas do lote.
Logo, temos:

P(B) =

n(B) 13
=
= 0,722222222 72,22 %
n(S ) 18

Como os eventos A e B so eventos complementares, tambm poderamos fazer


neste problema:
P(A) + P(B) = 1
P(B) = 1 P(A) = 1 0,277777778 = 0,722222222 72,22%
Resposta:

A probabilidade de se retirar uma pea defeituosa de aproximadamente

27,78% e de se retirar uma no defeituosa de aproximadamente 72,28%.


5. Uma urna A contm: 5 bolas brancas, 3 pretas, 3 verdes; uma urna B contm: 4 bolas
brancas, 2 pretas, 2 verdes; uma urna C contm: 3 bolas brancas, 2 pretas, 4 verdes.
Uma bola retirada de cada urna. Qual a probabilidade de as trs bolas retiradas da
primeira, segunda e terceira urnas serem, respectivamente, branca, preta e verde ?
Soluo:
p1 = { sair bola branca na primeira urna }
p2 = { sair bola preta na segunda urna }
Copyright 2007, ESAB Escola Superior Aberta do Brasil

86

p3 = { sair bola verde na terceira urna }


Como so trs acontecimentos simultneos e independentes (uma urna no afeta
outra), temos que:
pTotal = p1 x p2 x p3
p Total =

5 2 4 40
5
=
=
5,05%
11 8 9 792 99

6. De dois baralhos retiram-se, simultaneamente, uma carta do primeiro baralho e uma


carta do segundo. Qual a probabilidade de a carta do primeiro baralho ser uma dama e a
do segundo ser o 6 de copas ?
Soluo:
p1 = { sair dama }
p2 = { sair 6 de copas }
Como so dois acontecimentos simultneos e independentes (um baralho no afeta
outro), temos que:
pTotal = p1 x p2
p Total =

4
1
4
1

=
=
0,15%
52 52 2704 676

7. De um baralho retiram-se, ao acaso, duas cartas sem reposio. Qual a probabilidade


de a primeira carta ser o rei de espada e a segunda ser o valete de ouros ?
Soluo:

p1 = { sair rei de espada }


p2 = { sair valete de ouros }

Copyright 2007, ESAB Escola Superior Aberta do Brasil

87

Como so dois acontecimentos simultneos e independentes (um baralho no afeta


outro), temos que:

pTotal = p1 x p2
p Total =

1 1
1

=
0,04%
52 51 2652

Observe que, aps a retirada da primeira carta, restam 51 cartas no baralho, uma
vez que a carta retirada no foi reposta, conforme solicita o enunciado da questo.

8. No lanamento de um dado, qual a probabilidade de se obter um nmero no inferior a


4?
Soluo:
A probabilidade de se obter um nmero no inferior a 4 a probabilidade de se obter
4 ou 5 ou 6. Como so eventos mutuamente exclusivos, temos que:
p1 = { sair 4 }

p2 = { sair 5 }

p3 = { sair 6 }

pTotal = p1 + p2 + p3
p Total =

1 1 1 3
+ + = = 50,00%
6 6 6 6

9. Qual a probabilidade de sair uma figura quando retiramos uma carta de um baralho ?
Soluo:

Sair uma figura significa sair rei ou sair dama ou sair valete.

p1 = { sair rei }

4
1
=
52
13

Copyright 2007, ESAB Escola Superior Aberta do Brasil

88

p2 = { sair dama }

4
1
=
52
13

p3 = { sair valete }

4
1
=
52
13

Como os trs eventos so mutuamente exclusivos (ou sai rei, ou sai dama ou sai
valete uma opo exclui a outra), temos que:

pTotal = p1 + p2 + p3

p Total =

1
1
1
3
+
+
=
23,08%
13 13 13 13

Tambm poderamos resolver este problema da seguinte forma:

Como em um baralho temos 12 figuras (4 reis, 4 damas e 4 valetes), teramos que:

p Total =

12 3
=
23,08%
52 13

10. Qual a probabilidade de sair uma carta de paus ou de copas quando retiramos uma carta
de um baralho ?
Soluo:
p1 = { sair paus }

13
1
=
52
4

p2 = { sair copas }

13
1
=
52
4

Como os dois eventos so mutuamente exclusivos (ou sai paus ou sai copas uma
opo exclui a outra), temos que:

Copyright 2007, ESAB Escola Superior Aberta do Brasil

89

pTotal = p1 + p2

p Total =

1 1 2 1
+ = = = 50,00%
4 4 4 2

11. Dois dados so lanados conjuntamente. Determine a probabilidade de a soma ser 9 ou


maior que 9.
Soluo:
A probabilidade de temos soma 9 ou maior que 9 significa dizer que a soma dever ser
9, 10, 11 ou 12. Dessa forma, temos que calcular a probabilidade de cada uma dessas
possibilidades. Assim, temos:

Soma igual a 9: Este evento formado pelos elementos (3, 6) , (6, 3) , (4, 5) , (5, 4).

Soma igual a 10: Este evento formado pelos elementos (4, 6) , (6, 4) , (5, 5).

Soma igual a 11: Este evento formado pelos elementos (5, 6) , (6, 5).

Soma igual a 12: Este evento formado pelo nico elemento (6, 6).

Lembrando que o nmero de elementos do Espao Amostral S 36 (pois existem ao todo


6 x 6 = 36 possveis combinaes no lanamento de dois dados), temos que:
p1 = { sair soma 9 }

4
36

p2 = { sair soma 10 }

3
36

p3 = { sair soma 11 }

2
36

p4 = { sair soma 12 }

1
36

Copyright 2007, ESAB Escola Superior Aberta do Brasil

90

Como estes quatro eventos so mutuamente exclusivos (ou sai soma 9, ou soma 10,
ou soma 11 ou soma 12 uma opo exclui a outra), temos que:
pTotal = p1 + p2 + p3 + p4
p Total =

4
3
2
1 10 5
+
+
+
=
=
27,78 %
36 36 36 36 36 18

12. So dados dois baralhos de 52 cartas. Tiramos, ao mesmo tempo, uma carta do primeiro
baralho e uma carta do segundo. Qual a probabilidade de tirarmos um 4 e um 7, no
necessariamente nesta ordem ?
Soluo:
p1 = { sair quatro }

4
1
=
52
13

p2 = { sair sete }

4
1
=
52
13

Vamos calcular a probabilidade de termos um quatro no primeiro baralho e um sete no


segundo baralho. Como so dois acontecimentos simultneos e independentes (um
baralho no afeta outro), temos que:

p3 = p1 x p2

p3 =

1 1
1

=
13 13 169

A probabilidade de tirarmos um sete no primeiro baralho e um quatro no segundo


baralho a mesma, ou seja:

p4 = p1 x p2

p4 =

1 1
1

=
13 13 169

Como estes dois eventos so mutuamente exclusivos (ou sai a sequncia 4 7 , ou


sai a sequncia 7 4 , pois uma opo exclui a outra), temos que:
Copyright 2007, ESAB Escola Superior Aberta do Brasil

91

pTotal = p3 + p4

p Total =

1
1
2
+
=
1,18 %
169 169 169

Copyright 2007, ESAB Escola Superior Aberta do Brasil

92

NIDADE

25

Objetivo: Apresentar e discutir as principais Distribuies de Probabilidades.

Distribuies de Probabilidade

Sero apresentados dois modelos tericos de Distribuio de Probabilidade, aos quais um


experimento aleatrio estudado possa ser adaptado, o que permitir a soluo de grande
nmero de problemas prticos.

1. Varivel Aleatria
Suponhamos um espao amostral S e que a cada ponto amostral seja atribudo um nmero.
Fica, ento, definida uma funo chamada VARIVEL ALEATRIA, indicada por uma letra
maiscula, sendo seus valores indicados por letras minsculas.
Assim, se o espao amostral relativo ao lanamento simultneo de duas moedas S =
{(Ca,Ca) , (Ca,Co) , (Co,Ca) , (Co,Co)} e se X representa o nmero de caras que
aparecem, a cada ponto amostral podemos associar um nmero para X, de acordo com a
tabela abaixo:
Ponto Amostral

(Ca,Ca)

(Ca,Co)

(Co,Ca)

(Co,Co)

Copyright 2007, ESAB Escola Superior Aberta do Brasil

93

2. Distribuio de Probabilidade
Consideremos a distribuio de frequncias relativa ao nmero de acidentes dirios em um
estacionamento:
Nmero de Acidentes

Frequncias

22

TOTAL

30

Em um dia qualquer, a probabilidade de:

22
0,73
30

5
0,17
30

2
0,07
30

1
0,03
30

No ocorrer acidente :

Ocorrer um acidente :

Ocorrerem dois acidentes :

Ocorrem trs acidentes :

Copyright 2007, ESAB Escola Superior Aberta do Brasil

94

Podemos escrever:
Nmero de Acidentes

Probabilidades

0,73

0,17

0,07

0,03

Esta tabela denominada DISTRIBUIO DE PROBABILIDADE.

Seja X uma varivel aleatria que pode assumir os valores x1, x2, x3, ... , xn. A cada valor xi
correspondem pontos do espao amostral. Associamos, ento, a cada valor xi a
probabilidade pi de ocorrncia de tais pontos no espao amostral.
Assim, temos:

pi 1

Os valores x1, x2, x3, ... , xn e seus respectivos correspondentes p1, p2, p3, ... , pn definem
uma distribuio de probabilidade.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

95

Logo, para o caso do lanamento de duas moedas, teremos:


Ponto Amostral

P(X)

(Ca,Ca)

1 1 1
x
2 2 4

(Ca,Co)

1 1 1
x
2 2 4

(Co,Ca)

1 1 1
x
2 2 4

(Co,Co)

1 1 1
x
2 2 4

Assim, poderemos escrever:


Nmero de Caras (X)

P(X)

1
4

2
4

1
4
1

Ao definir a distribuio de probabilidade, estabelecemos uma correspondncia unvoca


entre os valores da varivel aleatria X e os valores da varivel P. Esta correspondncia
Copyright 2007, ESAB Escola Superior Aberta do Brasil

96

define uma funo; os valores xi ( i = 1, 2, 3, ... , n) formam o domnio da funo e os valores


pi ( i = 1, 2, 3, ... , n) formam o seu conjunto imagem.
Esta funo, assim definida, denominada funo de probabilidade e representada por:
f(x) = P (X = xi)

A funo P (X = xi) determina a distribuio de probabilidade da varivel aleatria X.


Assim, ao lanarmos um dado, a varivel aleatria X, definida por pontos de um dado, pode
tomar os valores 1, 2, 3, 4, 5 e 6.
Como a cada um destes valores est associada uma e uma s probabilidade de realizao e

P(x i ) 1 ,

fica definida uma funo de probabilidade, da qual resulta a seguinte

distribuio de probabilidade:
X

P(X)

1
6

1
6

1
6

1
6

1
6

1
6
1

Copyright 2007, ESAB Escola Superior Aberta do Brasil

97

NIDADE

26

Objetivo: Apresentar e discutir a Distribuio Binomial.

Distribuio Binomial

Consideraremos experimentos que satisfaam as seguintes condies:

O experimento deve ser repetido, nas mesmas condies, um nmero finito de vezes
(n);

As provas repetidas devem ser independentes, isto , o resultado de uma NO deve


afetar os resultados das sucessivas;

Em cada prova deve aparecer um dos dois possveis resultados: SUCESSO e


INSUCESSO;

No decorrer do experimento, a probabilidade p do sucesso e a probabilidade q

(q =

1 - p) do insucesso manter-se-o constantes.

Resolveremos problemas do tipo: determinar a probabilidade de se obterem k sucessos em n


tentativas.
Por exemplo, o experimento obteno de caras em cinco lanamentos sucessivos e
independentes de uma moeda satisfaz essas condies.
Sabemos que, quando da realizao de um experimento qualquer em uma nica tentativa, se
a probabilidade de realizao de um evento (sucesso) p , a probabilidade de no realizao
desse mesmo evento (insucesso) 1 - p = q .

Copyright 2007, ESAB Escola Superior Aberta do Brasil

98

Ao realizarmos a mesma prova n vezes sucessivas e independentes, a probabilidade de que


um evento se realize k vezes nas provas dada pela funo:

n
f ( X) P( X k ) pk qn k
k

Onde:

P(X = k) a probabilidade de que o evento se realize k vezes em n provas;

p a probabilidade de que o evento se realize em uma s prova - SUCESSO;

q a probabilidade de que o evento no se realize no decurso da prova INSUCESSO;

n
n!

k
o coeficiente binomial de n sobre k, igual a k!( n k )! .
Essa funo, denominada lei binomial, define a distribuio binomial.

n

O termo BINOMIAL possui origem no fato de que k pk . qn-k

o termo geral do

desenvolvimento do BINMIO DE NEWTON.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

99

NIDADE

27

Objetivo: Apresentar e discutir a Distribuio Normal.

Distribuio Normal

Curva Normal
Entre as distribuies tericas de varivel aleatria contnua, uma das mais empregadas a
DISTRIBUIO NORMAL.
Muitas variveis analisadas em pesquisas socioeconmicas correspondem distribuio
normal ou dela se aproximam.
O aspecto grfico de uma distribuio normal o da figura abaixo:

Curva Normal ou Curva de Gauss


Copyright 2007, ESAB Escola Superior Aberta do Brasil

100

Para uma perfeita compreenso da distribuio normal, analisaremos a figura e


observaremos as seguintes propriedades:
1. A varivel aleatria X pode assumir todo e qualquer valor real;
2. A representao grfica da distribuio normal uma curva em forma de sino,
simtrica em torno da mdia ( x ), que recebe o nome de curva normal ou de Gauss;
3. A rea total limitada pela curva e pelo eixo das abscissas igual a 1, j que essa rea
corresponde probabilidade de a varivel aleatria X assumir qualquer valor real;
4. A curva normal assinttica em relao ao eixo das abscissas, isto , aproxima-se
indefinidamente do eixo das abscissas sem, contudo, alcan-lo;
5. Como a curva simtrica em torno de x , a probabilidade de ocorrer valor maior do
que a mdia igual probabilidade de ocorrer valor menor do que a mdia, isto ,
ambas as probabilidades so iguais a 0,5 (ou 50%).

Escrevemos:

P( X > x ) = P( X < x ) = 0,5

Quando temos uma varivel aleatria com distribuio normal, nosso principal interesse
obter a probabilidade de essa varivel aleatria assumir um valor em um determinado
intervalo.
Seja X a varivel aleatria que representa os dimetros dos parafusos produzidos por certa
mquina. Vamos supor que essa varivel tenha distribuio normal com os seguintes dados:
Mdia

x = 2 cm

Desvio padro

s = 0,04 cm
Copyright 2007, ESAB Escola Superior Aberta do Brasil

101

Vamos determinar a probabilidade de um parafuso ter dimetro com valor entre 2 e 2,05 cm.
Essa probabilidade indicada por: P(2 < X < 2,05) , correspondente rea hachurada na
figura abaixo:

xi x
s

Se X uma varivel aleatria com distribuio normal de mdia x e desvio padro s, ento a
varivel z tem distribuio normal reduzida, isto , tem distribuio normal de mdia 0 e
desvio padro 1, onde z o escore padronizado, calculado da seguinte forma:

As probabilidades associadas distribuio normal padronizada so encontradas em


tabelas, no havendo necessidade de serem calculadas.

xi x
s

Observe a curva e tabela a seguir:


rea subentendida pela Curva Normal reduzida de 0 a Z:

Copyright 2007, ESAB Escola Superior Aberta do Brasil

102

Copyright 2007, ESAB Escola Superior Aberta do Brasil

103

A probabilidade de Z tomar qualquer valor entre a mdia 0 e um dado valor z :

P(0 < Z < z)

Temos, ento, que se X uma varivel aleatria com distribuio normal de mdia x e
desvio padro s, podemos escrever:

P ( x < X < x ) = P ( 0 < Z < z ), com

xi x
s .

Queremos calcular P(2 < X < 2,05). Para obter essa probabilidade, devemos calcular o valor
de z que corresponde a x = 2,05 (x = 2 z = 0, pois x = 2). Temos, ento:

x i x 2,05 2 0,05

1,25
s
0,04
0,04

Onde:
P(2 < X < 2,05) = P(0 < X < 1,25)

Olhando na tabela o valor de z = 1,25, temos:


Na primeira coluna encontramos o valor de 1,2. Em seguida, encontramos, na primeira linha,
o valor 5, que corresponde ao ltimo algarismo do nmero 1,25. Na interseo da linha e
coluna correspondentes encontramos o valor 0,3944, o que nos permite escrever:
P(0 < Z < 1,25) = 0,3944

Copyright 2007, ESAB Escola Superior Aberta do Brasil

104

Assim, a probabilidade de um parafuso fabricado por essa mquina apresentar um dimetro


entre a mdia x = 2 e o valor x = 2,05 0,3944.
Escrevemos, ento:
P(2 < X < 2,05) = P(0 < Z < 1,25) = 0,3944 ou 39,44%

Copyright 2007, ESAB Escola Superior Aberta do Brasil

105

NIDADE

28

Objetivo: Apresentar e discutir os conceitos principais relacionados Correlao.

Correlao

Nosso estudo anterior se preocupava em descrever a distribuio de valores de uma nica


varivel. Entretanto, quando consideramos observaes de duas ou mais variveis, surge um
novo problema: as relaes que podem existir entre as variveis estudadas.
Quando consideramos variveis como peso e altura de um grupo de pessoas, uso do cigarro
e a incidncia de cncer, vocabulrio e compreenso da leitura, dominncia e submisso,
procuramos verificar se existe alguma relao entre as variveis de cada um dos pares e
qual o grau dessa relao. Para isso, necessrio o conhecimento de novas medidas.
Sendo esta relao de natureza quantitativa, o instrumento adequado para descobrir e medir
essa relao denomina-se CORRELAO.
Uma vez caracterizada esta relao, procuraremos descrev-la atravs de uma funo
matemtica. A REGRESSO o instrumento adequado para determinar os parmetros
dessa funo.

Relao Funcional x Relao Estatstica


J sabemos que o permetro e o lado de um quadrado esto relacionados. A relao que os
liga perfeitamente definida e pode ser expressa por meio de uma sentena matemtica:

Copyright 2007, ESAB Escola Superior Aberta do Brasil

106

Onde

o permetro e o lado do quadrado.

Ao atribuirmos um valor qualquer a

, possvel determinar exatamente o valor de

Consideremos, agora, a relao que existe entre o peso e a estatura de um grupo de


pessoas. evidente que essa relao no do mesmo tipo da anterior; ela bem menos
precisa. Pode acontecer que a estaturas diferentes correspondam pesos iguais ou que a
estaturas iguais correspondam pesos diferentes. Porm, em mdia, quanto maior a estatura,
maior o peso.
As relaes do tipo permetro-lado so conhecidas como relaes funcionais e as do tipo
peso-estatura, como relaes estatsticas.
Quando duas variveis esto ligadas por uma relao estatstica, dizemos que existe
correlao entre elas.

Diagrama de Disperso
Consideremos uma amostra aleatria formada por 10 dos 98 alunos de uma determinada
Faculdade A e pelas notas por eles obtidas nas disciplinas de Matemtica e Estatstica.
Vejamos os valores obtidos:
N do
aluno
01
08
24
38
44
58
59
72
80
92

NOTAS
Matemtica (xi) Estatstica (yi)
5,0
6,0
8,0
9,0
7,0
8,0
10,0
10,0
6,0
5,0
7,0
7,0
9,0
8,0
3,0
4,0
8,0
6,0
2,0
2,0

Copyright 2007, ESAB Escola Superior Aberta do Brasil

107

Representando os pares ordenados (xi , yi) em um sistema coordenado cartesiano ortogonal,


obtemos uma nuvem de pontos que denominamos Diagrama de Disperso. Este diagrama
nos fornece uma ideia grosseira, porm til, da correlao existente entre as variveis:

Copyright 2007, ESAB Escola Superior Aberta do Brasil

108

NIDADE

29

Objetivo: Apresentar e discutir Correlao Linear, calculando o Coeficiente de Correlao.

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

Copyright 2007, ESAB Escola Superior Aberta do Brasil

109

Como a correlao em estudo tem como imagem uma reta ascendente, ela chamada
correlao linear positiva.

Assim, uma correlao :

Linear Positiva se os pontos do diagrama tm como imagem uma reta ascendente.

Linear Negativa se os pontos tm como imagem uma reta descendente.

No Linear se os pontos tm como imagem uma curva.

Se os pontos apresentam-se dispersos, no oferecendo uma imagem definida, conclumos


que no h relao alguma entre as variveis em estudo.
Temos ento que:

Copyright 2007, ESAB Escola Superior Aberta do Brasil

110

Coeficiente de Correlao Linear


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

n x i y i x i y i

n x

2
i

x i n y i2 y i

Onde n o nmero de observaes.


Os valores limites de r so -1 e +1.

Se r = +1 , h uma correlao perfeita e positiva entre as variveis;

Se r = -1 , h uma correlao perfeita e negativa entre as variveis;

Se r = 0 , ou no h correlao entre as variveis, ou a relao que porventura possa


existir no linear;

Para que uma relao possa ser descrita por meio do Coeficiente de Correlao de Pearson
imprescindvel que ela se aproxime de uma funo linear. Uma maneira prtica de
verificarmos a linearidade da relao a inspeo do diagrama de disperso: se a elipse
apresenta salincias ou reentrncias muito acentuadas, provavelmente trata-se de
correlao curvilnea.
Para podermos tirar concluses significativas sobre o comportamento simultneo das
variveis analisadas, necessrio que:
0,6 | r | 1

Copyright 2007, ESAB Escola Superior Aberta do Brasil

111

Se 0,3 | r | < 0,6 , h uma correlao relativamente fraca entre as variveis.

Se 0 < | r | < 0,3 , a correlao muito fraca e praticamente nada podemos concluir
sobre a relao entre as variveis em estudo.

Vejamos o exemplo anterior:


N do
aluno
01
08
24
38
44
58
59
72
80
92

NOTAS
Matemtica (xi) Estatstica (yi)
5,0
6,0
8,0
9,0
7,0
8,0
10,0
10,0
6,0
5,0
7,0
7,0
9,0
8,0
3,0
4,0
8,0
6,0
2,0
2,0

Para o clculo do coeficiente de coeficiente de correlao linear r, devemos calcular colunas


2
auxiliares xi.yi , x i

2
e y i . Posteriormente devemos calcular o somatrio de cada coluna.

Assim, teremos:

Matemtica (xi)
5,0
8,0
7,0
10,0
6,0
7,0
9,0
3,0
8,0
2,0
65

Estatstica (yi)
6,0
9,0
8,0
10,0
5,0
7,0
8,0
4,0
6,0
2,0
65

xi . yi
30,0
72,0
56,0
100,0
30,0
49,0
72,0
12,0
48,0
4,0
473

x2i
25,0
64,0
49,0
100,0
36,0
49,0
81,0
9,0
64,0
4,0
481

Copyright 2007, ESAB Escola Superior Aberta do Brasil

y2i
36,0
81,0
64,0
100,0
25,0
49,0
64,0
16,0
36,0
4,0
475

112

Calculando r , temos:

n x i y i x i y i

n x

2
i

x i n y i2 y i

10 473 65.65

10 481 65 2 10 475 65 2

4730 4225
585.525

505
307125

505
0,911242136 0,911
307125

O resultado indica uma correlao linear positiva forte, ou seja, aponta uma relao
altamente significativa entre as duas variveis.

Correlao e Regresso Linear


Em qual(is) processo(s) de seu dia a dia (ou de seu conhecimento) poderamos implementar
os conceitos relacionados Correlao e Regresso Linear ? Quais vantagens voc imagina
que seriam obtidas ?

Copyright 2007, ESAB Escola Superior Aberta do Brasil

113

NIDADE

30

Objetivo: Apresentar, discutir e calcular Regresso Linear e Equao da Reta.

Regresso Linear

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

Y = a.X + b

Onde a e b so os parmetros da equao e:

n x i y i x i y i
n x i2 x i 2

b y ax

Copyright 2007, ESAB Escola Superior Aberta do Brasil

114

Em que:

n o nmero de observaes;

xi
x

n
x a mdia dos valores de xi =>

yi
y

n
y a mdia dos valores de yi =>

Veja o exemplo:
xi
yi

5
6

8
9

7
8

10
10

6
5

7
7

9
8

3
4

8
6

2
2

Diagrama de Disperso

Notas de Estatstica (yi)

10,0

8,0

6,0

4,0

2,0

0,0
0,0

2,0

4,0

6,0

8,0

10,0

Notas de Mate mtica (xi)

Copyright 2007, ESAB Escola Superior Aberta do Brasil

115

Baseado nos dados do problema, vamos determinar a equao de reta de Regresso Linear
calculando os parmetros a e b:

10 473 65.65
10.481 65

4730 4225 505

0,8632
4810 4225 585

b 6,5 0,8632 .6,5 0,8889

Logo, temos que a equao estimada da reta :


= 0,8632.X + 0,8889
onde o Y estimado para a equao de Regresso Linear.

Observe o grfico abaixo que mostra a reta ajustada ao diagrama de notas do exemplo:

Notas de Estatstica (yi)

10,0
8,0
= 0,8632.X + 0,8889
6,0
4,0
2,0
0,0
-2,0

0,0

2,0

4,0

6,0

8,0

10,0

Notas de Matemtica (xi)

Copyright 2007, ESAB Escola Superior Aberta do Brasil

116

Interpolao e Extrapolao
Observando os dados do exerccio anterior, podemos facilmente verificar que no temos a
nota 4,0 entre as notas de Matemtica.
Entretanto, obtida a equao estimada da reta, podemos estimar a nota correspondente em
Estatstica, fazendo X = 4,0 na equao estimada .
Eis uma das grandes aplicaes da Regresso Linear !!
Assim, temos que:
= 0,8632 X + 0,8889
= 0,8632 . 4,0 + 0,8889
= 4,34
Isso significa dizer que, com base nas notas apresentadas do grupo, por meio da equao da
reta de Regresso Linear, podemos estimar a nota de Estatstica. Uma pessoa que por
ventura tirasse 4,0 em Matemtica, dentro daquele grupo, essa nota estimada seria 4,34.
Como a nota 4,0 pertence ao intervalo de notas de Matemtica do grupo (que vai de 2,0 a
10,0), dizemos que foi feita uma Interpolao.
E qual seria a nota estimada de Estatstica de uma pessoa que tirasse 1,0 em Matemtica?
De forma anloga, podemos tambm fazer uma estimativa para a nota de Estatstica,
fazendo X = 1,0 na equao estimada .
Assim, temos que:
= 0,8632 X + 0,8889
= 0,8632 . 1,0 + 0,8889
= 1,75

Copyright 2007, ESAB Escola Superior Aberta do Brasil

117

Isso significa dizer que, com base nas notas apresentadas do grupo, estimamos a nota de
Estatstica como 1,75 para uma pessoa que por ventura tirasse 1,0 em Matemtica, dentro
daquele grupo.
Como a nota 1,0 no pertence ao intervalo de notas de Matemtica do grupo (que vai de 2,0
a 10,0), dizemos que foi feita uma Extrapolao.

Antes iniciar a Avaliao On-line, fundamental que voc acesse sua SALA DE
AULA e faa a Atividade 3 no link ATIVIDADES.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

118

LOSSRIO

Caso haja dvidas sobre algum termo ou sigla utilizada, consulte o link Glossrio em sua
sala de aula, no site da ESAB.

Copyright 2007, ESAB Escola Superior Aberta do Brasil

119

IBLIOGRAFIA

BUSSAB, Wilton O, MORETTIN, Pedro A. Estatstica Bsica. 5a ed. So Paulo: Saraiva,


2003.
BUSSAB, Wilton O, MORETTIN, Pedro A. Mtodos quantitativos: Estatstica Bsica.
Editora Atual, 1987.
CRESPO, Antnio Arnot. Estatstica Fcil. So Paulo: Saraiva, 2002..
HOFFMAN, Rodolfo. Estatstica para Economistas. So Paulo: Livraria Pioneira Editora,
1980.
LEVIN, J. Estatstica Aplicada a Cincias Humanas. So Paulo: Harbra, 1987.
LEVINE, David M., STEPHAN, David, KREHBIEL, Timothy C., BERENSON, Mark L.
Estatstica - Teoria e Aplicaes usando o Microsoft Excel em Portugus. Rio de
Janeiro: LTC, 2005.
MEYER, Paul L. Probabilidade: aplicaes Estatstica. Traduo do Prof. Ruy C. B.
Loureno Filho. Rio de Janeiro: LTC, 1978.
NETO, Pedro Luiz de Oliveira Costa, CYMBALISTA, Melvin. Probabilidades: resumos
tericos, exerccios resolvidos, exerccios propostos. So Paulo: Edgard Blucher, 1974.
NETO, Pedro Luiz de Oliveira Costa. Estatstica. So Paulo: Edgard Blucher, 1977.
SOARES, Jos Francisco, FARIAS, Alfredo Alves de, CESAR, Cibele Comini. Introduo
Estatstica. Rio de Janeiro: Guanabara Koogan S.A, 1991.
STEVENSON, William J. Estatstica Aplicada Administrao. So Paulo: Harbra, 1986.
WONNACOTT, Ronald J., WONNACOTT, Thomas. Fundamentos de Estatstica. Rio de
Janeiro: LTC, 1985.
Copyright 2007, ESAB Escola Superior Aberta do Brasil

120

S-ar putea să vă placă și