apostila de estatística

Apostila de apoio de Estatística CE2 – CEPHAS

Centro de Educação Profissional Hélio Augusto de Souza – CEPHASTécnico em Comércio Exterior – 2º móduloComponente curricular: Estatística – 2007

Professor: Sidiclei Marcos Brocaneli

Considerações iniciaisO componente curricular de Estatística no curso Técnico em Comércio Exterior do

CEPHAS está dividido em 2 competências a serem adquiridas, e cada competência apresenta seus respectivos indicadores a serem avaliados.

Critérios de Avaliação: os alunos são avaliados por competências e habilidades.AC – Adquiriu a competência

NC – Não adquiriu a competência

Ementa: Conceito de Estatística Descritiva e Indutiva Fases do método estatístico População e amostra Tabelas e gráficos estatísticos Distribuição de frequências Representações gráficas de uma distribuição Medidas de posição Medidas de dispersão ou de variabilidade Noções de probabilidade CEP – Controle Estatístico do Processo

1a Competência: Aplicar conceitos de estatística descritiva e inferencial, utilizando a coleta de dados, construção de tabelas e gráficos para analisar situações e fazer controle de procedimentos utilizados na indústria e no comércio.

Indicadores:A – Diferencia Estatística Descritiva de Estatística Inferencial.B – Reconhece fases do método estatístico.C – Distingue e constrói os diversos tipos de gráficos.D – Realiza coleta de dados e apresenta dados dispostos graficamente.E – Calcula e interpreta distribuição de freqüência e apresenta os resultados graficamente.F – Calcula e interpreta os diversos tipos de medidas de posição e dispersão.G – Resolve problemas de probabilidade.H – Reconhece distribuição normal e calcula probabilidades com a tabela.

HistóricoTodas as ciências têm suas raízes na história do homem.A Matemática, que é considerada “a ciência que une à clareza do raciocínio a síntese

da linguagem”, originou–se do convívio social, das trocas, da contagem, com caráter prático, utilitário, empírico. A Estatística, ramo da Matemática Aplicada, teve origem semelhante.

Desde a Antiguidade, vários povos já registravam o número de habitantes, de nascimentos, de óbitos, faziam estimativas das riquezas individual e social, distribuíam equitativamente terras ao povo, cobravam impostos e realizavam inquéritos quantitativos por processos que, hoje, chamaríamos de “estatística”.

Na Idade Média colhiam-se informações, geralmente com finalidades tributarias ou bélicas.

A partir do século XVI começaram a surgir as primeiras análises sistemáticas de fatos sociais, como batizados, casamentos, funerais, originando as primeiras tábuas e tabelas e os primeiros números relativos.

Prof. Sidiclei Marcos Brocaneli 1


No século XVII o estudo de tais fatos foi adquirindo, aos poucos, feição verdadeiramente científica. Godofredo Achenwall batizou a nova ciência (ou método) com o nome de estatística, determinando o seu objetivo e suas relações com as ciências.

As tabelas tornaram-se mais completas, surgiram as representações gráficas e o cálculo das probabilidades, e a Estatística deixou de ser simples catalogação de dados numéricos coletivos para se tornar o estudo de como chegar a conclusões sobre o todo (população), partindo da observação de partes desse todo (amostra).

Atualmente, o público leigo (leitor de jornais e revistas) posiciona-se em dois extremos divergentes e igualmente errôneos quanto à validade das conclusões estatísticas: ou crê em sua infalibilidade ou afirma que elas nada provam. Os que assim pensam ignoram os objetivos, o campo e o rigor do método estatístico; ignoram a Estatística, quer teórica quer prática, ou a conhecem muito superficialmente.

Curiosidade: Florence Nightingale (1820-1910) é conhecida por muitos como a fundadora da profissão de enfermeira, mas ela também salvou milhares de vidas utilizando a estatística. Ao encontrar um hospital em más condições sanitárias e sem suprimentos, tratou de melhorar essas condições e passou a utilizar a estatística para convencer as autoridades da necessidade de uma reforma médica mais ampla. Elaborou gráficos originais para mostrar que, durante a guerra da Criméia, morreram mais soldados em consequência de más condições sanitárias do que em combate. Florence Nightingale foi a pioneira na utilização não só da estatística social como das técnicas de gráficos.Fonte: TRIOLA, Mário. Introdução à Estatística. LTC Editora, 7ª edição. Rio de Janeiro, 1999.

1.0 – Método Estatístico1.1 – O método científico

Método é o conjunto de meios dispostos convenientemente para se chegar a um fim que se deseja.

1.2 – O método experimentalO método 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.

É o método preferido no estudo da Física, da Química, etc.

1.3 – O método estatísticoO método estatístico, diante da impossibilidade de manter as causas constantes, admite

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

2.0 – A EstatísticaExprimindo por meio de números as observações que se fazem de elementos com, pelo

menos, uma característica comum (por exemplo: os alunos do sexo masculino de uma comunidade), obtemos os chamados dados referentes a esses elementos.Podemos dizer, então, que:

A Estatística é uma parte da Matemática aplicada que fornece métodos para a coleta, organização, descrição, análise e interpretação de dados e para a utilização dos mesmos na tomada de decisões.

A coleta, a organização e a descrição dos dados estão a cargo da Estatística Descritiva, enquanto a análise e a interpretação desses dados ficam a cargo da Estatística Indutiva ou Inferencial.

Em geral, as pessoas, quando se referem ao termo estatística, o fazem no sentido da organização e descrição dos dados (estatística do Ministério de Educação, estatística dos acidentes de tráfego, etc.), desconhecendo que o aspecto essencial da Estatística é o de proporcionar métodos inferenciais, que permitam conclusões que transcendam os dados obtidos inicialmente.



Assim, a análise e a interpretação dos dados estatísticos tornam possível o diagnóstico de uma empresa, o conhecimento de seus problemas (condições de funcionamento, produtividade), a formulação de soluções apropriadas e um planejamento objetivo de ação.

3.0 – Fases do método EstatísticoPodemos distinguir no método estatístico as seguintes fases:

3.1 – Coleta de dados Após cuidadoso planejamento e a devida determinação das características mensuráveis

do fenômeno coletivamente típico que se quer pesquisar, damos início à coleta dos dados numéricos necessários à sua descrição.

A coleta pode ser direta ou indireta.A coleta é direta quando feita sobre elementos informativos de registro obrigatório

(nascimentos, casamentos e óbitos, importação e exportação de mercadorias, etc).A coleta direta de dados pode ser classificada relativamente ao fator tempo em:

a. contínua (registro) – quando feita continuamente, tal como a de nascimentos e óbitos e a de freqüência dos alunos às aulas;

b. periódica – quando feita em intervalos constantes de tempo, como os censos (de 10 em 10 anos) e as avaliações mensais dos alunos;

c. ocasional – quando feita extemporaneamente, a fim de atender a uma conjuntura, por exemplo uma pesquisa de mercado para implantação de um negócio ou a uma emergência, como no caso de epidemias que assolam ou dizimam rebanhos inteiros.

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

3.2 – Crítica dos dadosObtidos os dados, eles devem ser cuidadosamente criticados, à procura de possíveis

falhas e imperfeições, a fim de não incorrermos em erros grosseiros ou de certo vulto, que possam influir sensivelmente nos resultados.

3.3 – Apuração dos dadosNada mais do que a soma e o processamento dos dados obtidos e a disposição

mediante critérios de classificação. Pode ser manual, eletromecânica ou eletrônica.

3.4 – Exposição ou apresentação dos dadosPor mais diversa que seja a finalidade que se tenha em vista, os dados devem ser

apresentados sob forma adequada (tabelas ou gráficos), tornando mais fácil o exame daquilo que está sendo objeto de tratamento estatístico e ulterior obtenção de medidas típicas.

3.5 – Análise dos resultadosComo já dissemos, o objetivo último da Estatística é tirar conclusões sobre o todo

(população) a partir de informações fornecidas por parte representativa do todo (amostra). Assim, realizadas as fases anteriores (Estatística Descritiva), fazemos uma análise dos resultados obtidos, através dos métodos da Estatística Indutiva ou Inferencial, que tem por base a indução ou inferência, e tiramos desses resultados conclusões e previsões.

4.0 – A Estatística nas EmpresasA direção de uma empresa, de qualquer tipo, incluindo as estatais e governamentais,

exige de seu administrador a importante tarefa de tomar decisões, e o conhecimento e o uso da Estatística facilitarão seu tríplice trabalho de organizar, dirigir e controlar a empresa.

Por meio de sondagem, de coleta de dados e de recenseamento de opiniões, podemos conhecer a realidade geográfica e social, os recursos naturais, humanos e financeiros



disponíveis, as expectativas da comunidade sobre serem alcançados a curto, médio ou longo prazos.

A Estatística ajudará em tal trabalho, como também na seleção e organização da estratégia a ser adotada no empreendimento e, ainda, na escolha das técnicas de verificação e avaliação da quantidade e da qualidade do produto e mesmo dos possíveis lucros e/ou perdas.

Tudo isso que se pensou, que se planejou, precisa ficar registrado, documentado para evitar esquecimentos, a fim de garantir o bom uso do tempo, da energia e do material e, ainda, para um controle eficiente do trabalho.

O esquema do planejamento é o plano, que pode ser resumido, com auxilio da Estatística, em tabelas e gráficos, que facilitarão a compreensão visual dos cálculos matemático-estatísticos que lhes deram origem.

5.0 – População e Amostra5.1 – Variáveis

Variável é, convencionalmente, o conjunto de resultados possíveis de um fenômeno.A variável será qualitativa quando resultar de uma classificação por tipos ou atributos.

Exemplo:a) População: alunos de uma escola.

Variável: cor dos cabelos.A variável será quantitativa quando seus valores forem expressos em números.Variável quantitativa contínua: aquela que pode assumir qualquer valor num certo

intervalo de variação.Exemplosa) População: alunos de uma escola.

Variável: altura dos alunos.Variável Quantitativa Discreta é aquela que pode assumir apenas valores

pertencentes a um conjunto inumerável.

b) População: alunos de uma escola. Variável: quantidade de alunos.

Os valores das variáveis discretas são obtidos de alguma forma de contagem, os valores das variáveis continuas resultam de uma medição (associados a uma unidade de medida), que depende do instrumento de medição que foi utilizado e do critério adotado na obtenção da medida.

Exercício1) Classifique as variáveis em qualitativas ou quantitativas (contínuas ou discretas), em

cada situação a seguir:a) População: casais residentes em uma cidade. Variável: número de filhos.

b) População: alunos de uma cidade. Variável: cor dos olhos.

c) População: Bolsa de Valores de São Paulo. Variável: número de ações negociadas.

d) População: Segmentos de reta. Variável: Comprimento.

5.2 – População Vimos no conceito de Estatística que ela se ocupa em obter conclusões a partir de

dados observados. Esses dados, portanto, vão formar um conjunto de elementos que irão constituir uma amostra retirada da população que se deseja estudar. Assim:

População estatística é o conjunto dos elementos com pelo menos uma característica comum.



Quando queremos conhecer as características de uma população, raramente nos valemos do estudo de todos os seus elementos já que é um trabalho exaustivo, oneroso e desprovido de senso prático, trabalhamos com parte da população o qual chamamos de amostra.

5.3 – Amostra Em estatística, Amostra é qualquer subconjunto de elementos da População, isto é,

uma parte do todo.Para as inferências serem corretas, é necessário garantir que a amostra seja

representativa da população, isto é, a amostra deve possuir as mesmas características básicas da população, no que diz respeito ao fenômeno que desejamos pesquisar. É preciso, pois, que a amostra ou as amostras que vão ser usadas sejam obtidas por processo adequado.

Amostragem é uma técnica especial para recolher amostras, que garante, tanto quanto possível, o acaso na escolha.

Veremos, a seguir, três das principais técnicas de amostragem.

5.3.1 – Amostragem casual ou aleatória simplesAmostra Aleatória é aquela que cada elemento da população tem igual probabilidade de

ser incluído.Este tipo de amostragem é equivalente a um sorteio lotérico.

5.3.2 – Amostragem proporcional estratificada.Muitas vezes a população se divide em subpopulações – estratos. Supondo, que, numa classe de 90 alunos 60 sejam meninos e 30 sejam meninas,

vamos obter a amostra proporcional estratificada.São, portanto, dois estratos (sexo masculino e sexo feminino) e queremos uma amostra

de 10% da população. Logo, temos:

Sexo População Amostra (10%)F 30 3M 60 6

total 90 9

5.3.3 – Amostragem sistemática. Quando os elementos da população já se acham ordenados, não há necessidade de

construir o sistema de referência. São exemplos os prontuários médicos de um hospital, os prédios de uma rua, as linhas de produção etc. Nestes casos, a seleção dos elementos que constituirão a amostra pode ser feita por um sistema imposto pelo pesquisador. A esse tipo de amostragem denominamos sistemática.

Assim, no caso de uma linha de produção, podemos, a cada dez itens produzidos, retirar um para pertencer a uma amostra da produção diária. Neste caso, estaríamos fixando o tamanho da amostra em 10% da população.

A principal vantagem da amostragem sistemática está na facilidade na determinação dos elementos da amostra.

6.0 – TabelasTabela é um quadro que resume um conjunto de observações.As tabelas e gráficos irão nos fornecer rápidas e seguras informações a respeito das

variáveis em estudo, permitindo-nos determinações administrativas e pedagógicas mais coerentes e científicas.

Uma tabela compõe de:a) Título – Indica a natureza do fato estudado, o local e a época em que o mesmo foi

observado. É sempre localizado no topo da tabela. Deve sempre responder as perguntas: O que? Onde? Quando?

b) Cabeçalho – parte superior da tabela que especifica o conteúdo das colunas.



c) Corpo – abrange colunas e linha que contém, respectivamente, as séries verticais e horizontais de informações.

d) Coluna indicadora – parte da tabela que específica o conteúdo das linhas.e) Coluna numérica – é a parte da tabela que representa as qualidades determinadas no

cabeçalho. f) Linhas – retas imaginárias que facilitam a leitura, no sentido horizontal.g) Casa ou célula – é o cruzamento de uma linha com uma coluna, espaço destinado a um só

número.

O rodapé é o espaço aproveitado em seguida ao fecho da tabela, para inserção de notas de natureza informativa.

A fonte é o indicativo, no rodapé da tabela, do órgão responsável pelo fornecimento dos dados.

De acordo com a Resolução 886 da Fundação IBGE, nas casas ou células devemos colocar: Um traço horizontal ( ___ ) quando o valor é zero, não só quanto à natureza das coisas,

como quanto ao resultado do inquérito. Três pontos ( ... ) quando não temos os dados. Um ponto de interrogação ( ? ) quando temos dúvida quanto à exatidão de determinado

valor. Zero ( 0 ) quando o valor é muito pequeno para ser expresso pela unidade utilizada. Se os

valores são expressos em numerais decimais, precisamos acrescentar a parte decimal um número correspondente de zeros (0,0; 0,00; 0,000;...).

Exemplo de tabela.

7.0 – Gráfico EstatísticoO gráfico estatístico é uma forma de apresentação dos dados estatísticos, cujo objetivo

é o de produzir, no investigador ou no público em geral, uma impressão mais rápida e viva do fenômeno em estudo, já que os gráficos falam mais rápido à compreensão que as séries.

A representação gráfica de um fenômeno deve obedecer a certos requisitos fundamentais para ser realmente útil:

a) Simplicidade: o gráfico deve ser destituído de detalhes de importância secundária, assim como de traços desnecessários que possam levar o observador a uma análise morosa ou com erros.

b) Clareza: o gráfico deve possibilitar uma correta interpretação dos valores representativos do fenômeno em estudo.

c) Veracidade: o gráfico deve expressar a verdade sobre o fenômeno em estudo.

Na confecção de gráficos devemos seguir alguns aspectos importantes: a) Observar limite superior e inferior dos dados.b) Escolha de uma escala conveniente.c) Quebra de escala, se necessário.d) Nome no gráfico e nos eixos.


Produção de café Brasil – 1991 - 1995

Anos Produção (1.000t) 1991 2.535

1992 2.666 1993 2.122 1994 3.750 1995 2.007

FONTE: IBGE

Título

CabeçalhoCabeçalho

Rodapé

CorpoCasa ou célula

Linhas

ColunaIndicadora

ColunaNumérica


e) Diagramar o gráfico só nas escalas.f) Apagar as linhas auxiliares.

Os principais tipos de gráficos são os diagramas e os pictogramas.

7.1 – DiagramasOs diagramas são gráficos geométricos de, no máximo, duas dimensões; para sua

construção, em geral, fazemos uso do sistema cartesiano.Dentre os principais diagramas, destacamos:

7.1.1 – Gráfico em linha ou em curvaÉ a representação de dados estatísticos, através de linhas poligonais, num sistema de

coordenada cartesiana.Nesse sistema fazemos uso de duas retas perpendiculares. As retas são os eixos

coordenados e o ponto de intercessão, a origem. O eixo horizontal é denominado eixo das abscissas (eixo dos x) e o vertical, eixo das ordenadas (eixo dos y).

7.1.2 – Gráficos em colunas ou em barrasÉ a representação de dados estatísticos por meio de retângulos, dispostos

verticalmente (em colunas) ou horizontalmente (em barras).Notas:

– Sempre que os dizeres a serem inscritos são extensos, devemos dar preferência ao gráfico em barras (séries geográficas e específicas).

– A ordem a ser observada é a cronológica, se a série for histórica, e a decrescente, se for geográfica ou categórica.

– A distância entre as colunas (ou barras), por questões estéticas, não deverá ser menor que a metade nem maior que os dois terços da largura (ou da altura) dos retângulos.

7.1.3 – Gráfico em colunas ou em barras múltiplasEste tipo de gráfico é geralmente empregado quando queremos representar,

simultaneamente, dois ou mais fenômenos estudados com o propósito de comparação.

7.1.4 – Gráficos em setoresEste gráfico é construído com base em um círculo, e é empregado sempre que

desejamos ressaltar a participação do dado no total.O total é representado pelo círculo, que fica dividido em tantos setores quantas são as

partes.Os setores são tais que suas áreas são respectivamente proporcionais aos dados da

série.Obtemos cada setor por meio de uma regra de três simples e direta, lembrando que o

total da série corresponde a 360o.

7.2 – PictogramaO pictograma constitui um dos processos gráficos que melhor fala ao público, pela sua

forma ao mesmo tempo atraente e sugestiva. A representação gráfica consta de figuras.

8.0 – Distribuição de Frequência8.1 – Tabela Primitiva – Rol

Consideremos a seguinte situação: Uma agência bancária fez, no último dia do mês, uma pesquisa sobre os depósitos em Caderneta de Poupança e seus respectivos valores em reais, desprezados os centavos e considerados valores abaixo de R$ 100,00, obteve os seguintes dados:

84 68 33 52 47 73 68 61 73 7774 71 81 91 65 55 57 35 85 8859 80 41 50 53 65 76 85 73 6067 41 78 56 94 35 45 55 64 74



65 94 66 48 39 69 89 98 42 54A esse tipo de tabela, cujos elementos não foram numericamente organizados,

denominamos tabela primitiva.A maneira mais simples de organizar os dados é através de uma certa ordenação

(crescente ou decrescente). A tabela obtida após a ordenação dos dados recebe o nome de rol.

8.2 – Distribuição de frequênciaDenominamos frequência o número de valores em reais depositados que fica

relacionado a um determinado valor da variável. E para facilitar o cálculo a solução mais aceitável é o agrupamento dos valores em vários intervalos.

Chamando de freqüência de uma classe o número de valores da variável pertencentes à classe, e assim denominamos distribuição de frequência com intervalos de classe, conforme iremos calcular a seguir:

8.3 – Elementos de uma distribuição de frequência8.3.1 – Classe

Classes de frequência ou, simplesmente, classes são intervalos de variação da variável.As classes são representadas simbolicamente por i, sendo i = 1, 2, 3, ...,k (onde k é o

número total de classes da distribuição).

8.3.2 – Limites de classeDenominamos limites de classe os extremos de cada classe.O menor número é o limite inferior da classe (li) e o maior número, o limite superior

da classe (Li).Nota: Os intervalos de classe devem ser escritos, de acordo com a Resolução 886/66

do IBGE, em termos de desta quantidade até menos aquela, empregando, para isso, o símbolo (inclusão de li e exclusão de Li).

8.3.3 – Número de classes (K)A primeira preocupação que temos, na construção de uma distribuição de frequência, é

a determinação do número de classe e, conseqüentemente, da amplitude e dos limites dos intervalos de classe.

Para a determinação do número de classe de uma distribuição podemos lançar mão da regra de Sturges, que nos dá o número de classe em função do número de valores da variável: Onde:K é o número de classe;n é o número total de dados.

8.3.4 – Amplitude amostral (R)Amplitude amostral (R) é a diferença entre o valor máximo e o valor mínimo da amostra:

8.3.5 – Amplitude de um intervalo de classeDecidido o número de classe que deve ter a distribuição, resta-nos resolver o problema

da determinação da amplitude do intervalo de classe, o que conseguimos dividindo a amplitude amostral (R) pelo número de classes (K):


K 1 + 3,3 . log n

R = x(max.) – x(min.)


8.3.6 – Ponto médio de uma classePonto médio de uma classe (xi) é, o ponto que divide o intervalo de classe em duas

partes iguais.Para obtermos o ponto médio de uma classe, calculamos a semi–soma dos limites da

classe (média aritmética):

8.4 – Tipos de Frequências8.4.1 – Frequências simples ou absolutas (fi)

Frequência simples ou absoluta ou, simplesmente, frequência de uma classe ou de um valor individual é o número de observações correspondente a essa classe ou a esse valor.

A frequência simples é simbolizada por fi (lemos: f índice i ou frequência da classe i).A soma de todas as frequências é representada pelo símbolo somatório.

Para a distribuição em estudo, temos:

8.4.2 – Frequências relativas (fri) Frequências relativas (fri) são os valores das razões entre as frequências simples e a

frequência total:

Evidentemente:

Nota:

O propósito das frequências relativas é o de permitir a análise ou facilitar as comparações.

8.4.3 – Frequência acumulada (Fi) Frequência acumulada (Fi) é o total das frequências de todos os valores inferiores ao

limite superior do intervalo de uma dada classe: ou

8.4.4 – Frequência acumulada relativa (Fri)

Frequência acumulada relativa (Fri) de uma classe é a frequência acumulada da classe, dividida pela frequência total da distribuição:

Agora vamos calcular e montar a seguinte tabela com as frequências estudadas:

i Valor do depósito

xi fi fri fri% Fi Fri Fri%


O símbolo (letra grega, maiúscula: sigma) é indicador de soma.

Lê-se: somatória de f índice i variando de 1 a 7.

Então:


Alguns exemplos de análises possíveis:

A maior quantidade dos depósitos estão concentrados entre R$ 60,00, no mínimo e inferior a R$ 70,00, que corresponde a ____ do total.

As menores quantidades de depósitos estão concentrados entre R$ 30,00, no mínimo e inferior a R$ 40,00 e também entre R$ 90,00, no mínimo e inferior a R$ 100,00, sendo que cada intervalo corresponde a ____% do total.

A maior quantidade dos depósitos estão concentrados entre R$ 30,00, no mínimo e inferior a R$ 70,00, que corresponde a ____% do total, atingido 30 depósitos do total de 50.

____% dos valores depositados estão concentrados entre R$ 80,00, no mínimo e inferior a R$ 100,00.

____% dos valores depositados estão concentrados entre R$ 70,00, no mínimo e inferior a R$ 90,00.

ExercícioOs dados abaixo referem-se ao número de unidades importadas de um determinado

produto, por uma empresa importadora, num período de 35 dias. Fazer o rol na tabela ao lado.

27 36 48 37 5025 42 36 39 3333 20 30 22 4123 39 37 24 4223 45 36 45 4138 40 37 36 3034 27 48 38 36

Agora vamos calcular e montar a seguinte tabela com as frequências estudadas:

i Número de unidades

xi fi fri fri% Fi Fri Fri%



8.5 – Representação gráfica de uma distribuiçãoUma distribuição de frequência pode ser representada graficamente pelo histograma,

pelo polígono de freqüência e pelo polígono de freqüência acumulada (ogiva de Galton).Construímos qualquer um dos gráficos mencionados utilizando o primeiro quadrante do

sistema de eixos coordenados cartesianos ortogonais. Na linha horizontal (eixo das abscissas) colocamos os valores da variável e na linha vertical (eixo das ordenadas), as frequências.

8.5.1 – HistogramaO histograma é formado por um conjunto de retângulos justapostos, cujas bases se

localizam sobre o eixo horizontal, de tal modo que seus pontos médios coincidam com os pontos médios dos intervalos de classe.

As larguras dos retângulos são iguais às amplitudes dos intervalos de classe.As alturas dos retângulos devem ser proporcionais às frequências das classes, sendo a

amplitude dos intervalos igual. Isso nos permite tomar as alturas numericamente iguais às frequências.

8.5.2 – Polígono de frequênciaO polígono de frequência é um gráfico em linha, sendo as freqüências marcadas sobre

perpendiculares ao eixo horizontal, levantadas pelos pontos médios dos intervalos de classe.Para realmente obtermos um polígono (linha fechada), devemos completar a figura,

ligando os extremos da linha obtida aos pontos médios da classe anterior à primeira e da posterior à última, da distribuição.

8.5.3 – Polígono de frequência acumuladaO polígono de frequência acumulada é traçado marcando-se as frequências

acumuladas sobre perpendiculares ao eixo horizontal, levantadas nos pontos correspondentes aos limites superiores dos intervalos de classe.

Uma distribuição de frequência sem intervalo de classe é representada graficamente por um diagrama onde cada valor da variável é representado por um segmento de reta vertical e de comprimento proporcional à respectiva frequência.

8.5.4 – A curva de frequência. Curva polidaComo, em geral, os dados coletados pertencem a uma amostra extraída de uma

população, podemos imaginar as amostras tornando-se cada vez mais amplas e a amplitude das classes ficando cada vez menor, o que nos permite concluir que a linha poligonal (contorno do polígono de frequência) tende a se transformar numa curva – a curva de frequência -, mostrando, de modo mais evidente, a verdadeira natureza da distribuição da população.

Podemos dizer, então, que, enquanto o polígono de frequência nos dá a imagem real do fenômeno estudado, a curva de frequência nos dá a imagem tendencial.

Assim, após o traçado de um polígono de frequência, é desejável, muitas vezes, que se lhe faça um polimento, de modo a mostrar o que seria tal polígono com um número maior de dados.

Esse procedimento, é claro, não nos dará uma certeza absoluta de que a curva obtida – curva polida – seja tal qual a curva resultante de um grande número de dados. Porém, podemos afirmar que ela assemelha-se mais à curva de frequência do que ao polígono de frequência obtido de uma amostra limitada. O polimento, geometricamente, corresponde à eliminação dos vértices da linha poligonal. Consegue-se isso com o emprego de uma fórmula bastante simples, a qual, a partir das frequências reais, nos fornece novas frequências – frequências calculadas – que se localizarão no polígono de frequência, nos pontos médios. A fórmula que nos dá a frequência calculada (fci) é:

Onde:



fci é a frequência calculada da classe considerada;fi é a frequência simples da classe considerada;fi – 1 é a frequência simples da classe anterior à classe considerada;f i +1 é a frequência simples da classe posterior à classe considerada.

Quando fazemos uso da curva polida, convém mostrar as frequências realmente observadas por meio de pontos ou pequenos círculos, de modo que qualquer interessado possa, por si mesmo, julgar até que ponto os dados originais foram polidos.

Curvas em forma de sino. As curvas em forma de sino caracterizam-se pelo fato de apresentarem um valor máximo na região central.

São muitos os fenômenos que oferecem distribuições em formas de sino: a estatura de adultos, o peso de adultos, a inteligência medida em testes mentais, os preços relativos, etc. Distinguimos a curva em forma de sino simétrica (a qual estudaremos aqui) e a assimétrica.

Curva simétrica. Esta curva caracteriza-se por apresentar o valor máximo no ponto central e os pontos equidistantes desse ponto terem a mesma frequência.

9.0 – Medidas de Posição

O estudo que fizemos sobre distribuição de frequência, até agora, permite-nos descrever, de modo geral, os grupos dos valores que uma variável pode assumir. Dessa forma, podemos localizar a maior concentração de valores de uma dada distribuição, isto é, se ela se localiza no início, no meio ou no final, ou, ainda, se há uma distribuição por igual.

Porém, para ressaltar as tendências características de cada distribuição, isoladamente, ou em confronto com outras, necessitamos introduzir conceitos que se expressem através de números, que nos permitam traduzir essas tendências. Esses conceitos são denominados elementos típicos da distribuição, que destacamos:

a. Medidas de posição.b. Medidas de variabilidade ou dispersão.

Dentre os elementos típicos, destacamos, as medidas de posição – estatísticas que representam uma série de dados orientando-nos quanto à posição da distribuição em relação ao eixo horizontal (eixo das abscissas).

As medidas de posição mais importantes são as medidas de tendência central, que destacamos:

a. A média aritmética.b. A moda.c. A mediana.

9.1 – Média aritmética9.1.1 – Média aritmética simples

Em um conjunto de dados, podemos definir vários tipos de médias. Porém, a mais importante é a média aritmética.

Média aritmética é o quociente da divisão da soma dos valores da variável pelo número deles:

sendo: a média aritmética

xi os valores da variáveln o número de valores

Exemplo:



Sabendo-se que num setor de uma empresa tem cinco funcionários, com salários de R$400,00, R$ 450,00, R$ 600,00, R$ 620,00 e R$ 700,00, qual o salário médio deste setor?

9.1.2 – Média aritmética ponderada (Mp)Média aritmética ponderada dos números a1, a2, ...,an, aos quais foram atribuídos os

pesos p1, p2, ..., pn, respectivamente, é:

Exemplos1) Um professor combinou com seus alunos que a nota de um determinado bimestre seria calculada através da média aritmética ponderada dos testes T1, T2 e T3, realizados durante o bimestre, com os respectivos pesos 3, 3 e 4. As notas do aluno Marcos foram T1 = 7, T2 = 5 e T3

= 9. Qual foi a nota de Marcos?

2) Qual é a média (média aritmética ponderada) de idade de um grupo em que há 6 pessoas de 14 anos, 9 pessoas de 20 e 5 pessoas de 16 anos?

Dados agrupados em classe: Neste caso, convencionamos que todos os incluídos em um determinado intervalo de classe coincide com o seu ponto médio, e determinamos a média aritmética ponderada por meio da fórmula:

onde xi é o ponto médio da classe.

1) Consideramos a distribuição:

i Depósitos fi xi fi.xi

1 30 402 40 503 50 604 60 705 70 806 80 907 90 100

= 50

Qual a média de depósitos dessa agência bancária?2) Verificando a durabilidade de 48 pilhas elétricas, quando utilizadas sem interrupção,

obtivemos os seguintes dados, em quantidade de dias:

Durabilidade (em dias)

nº de pilhas elétricas (fi)

xi fi.xi

0 2 02 4 164 6 186 8 128 10 2

fi = 48Calcule a durabilidade média (média aritmética ponderada) dessas pilhas.

9.2 – A Moda (Mo)



A palavra moda foi incorporada ao vocabulário em geral, como sinônimo de um tipo de vestimenta, música ou qualquer outra coisa que esteja em evidência numa determinada época, por usar ou consumir com grande frequência. Da mesma forma, essa expressão moda é utilizada em Estatística para designar o elemento que, dentro de um conjunto de valores, aparece com maior frequência.

De acordo com a definição, procurar o valor que mais se repete. A série de dados: 7, 8, 9, 10, 10, 10, 11, 12, 13, 15

tem moda igual a 10.Podemos, entretanto, encontrar séries na quais não exista valor modal, isto é, nas quais

nenhum valor apareça mais vezes que outros. É o caso da série:3, 5, 8, 10, 12, 13,

que não apresenta moda (amodal).Em outros casos, ao contrário, pode haver dois ou mais valores de concentração.

Dizemos, então, que a série tem dois ou mais valores modais. Na série:2, 3, 4, 4, 4, 5, 6, 7, 7, 7, 8, 9

temos duas modas: 4 e 7 (bimodal).

Com intervalo de classeA classe que apresenta a maior freqüência é denominada classe modal.O método mais simples para o cálculo da moda consiste em tomar o ponto

médio da classe modal.Damos a esse valor a denominação de moda bruta.

onde:l* é o limite inferior da classe modalL* é o limite superior da classe modal

Assim, vamos analisar a distribuição:

i Depósitos fi

1 30 402 40 503 50 604 60 705 70 806 80 907 90 100

= 50

Emprego da modaA moda é utilizada:

a. Quando desejamos obter uma medida rápida e aproximada de posição.b. Quando a medida de posição deve ser o valor mais típico da distribuição.

9.3 – Mediana Mediana é o valor central de uma série de valores ordenados, ou seja, é o valor que

divide a série em duas partes iguais.Ordena-se os valores em ordem crescente ou decrescente.

a) Número ímpar de valores:

A mediana será o termo de ordem , onde n é o número de valores da série.

Exemplo: 5,13,10,2,18,15,6,16,9 ordenados: 2,5,6,9,10,13,15,16,18.

b) Número par de valores:Exemplo: 6,10,13,12,2,21,18,7.


:. Md = 10


Ordenados: 2,6,7,10,12,13,18,21.

Calcula-se: termo.

Então a mediana será:

4,5 termo 4º termo: 10 :. Md =

5º termo: 12 Md = 11

Com intervalos de classeNeste caso, o problema consiste em determinar o ponto do intervalo em que está

compreendida e mediana.Para tanto, temos inicialmente que determinar a classe na qual se acha a mediana –

classe mediana. Tal classe será, evidentemente, aquela correspondente à freqüência

acumulada imediatamente superior a .

Feito isto, um problema de interpolação resolve a questão, admitindo-se, agora, que os valores se distribuam uniformemente em todo o intervalo de classe.

Assim, considerando a distribuição da tabela, acrescida das frequências acumuladas:

i Depósitos fi Fi

1 30 402 40 503 50 604 60 705 70 806 80 907 90 100

= 50

Como há 30 valores incluídos nas quatro primeiras classes da distribuição e como pretendemos determinar o valor que ocupa o 25º lugar, a partir do inicio da série, vemos que este deve estar localizado na quarta classe (i=4), supondo que as frequências dessas classes estejam uniformemente distribuídas.

Como há 11 elementos nessa classe e o intervalo de classe é igual a 10, devemos tomar, a partir do limite inferior, a distância:

e a mediana será dada por:

Md = 60 + . 10 = 60 + = 60 + 5,45 = 65,45

Logo: Md = R$ 65,45.

Emprego da medianaEmpregamos a mediana quando:

a. Desejamos obter o ponto que divide a distribuição em partes iguais;b. Há valores extremos que afetam de uma maneira acentuada a média;c. A variável em estudo é salário.

Exercício sobre interpolaçãoEm um ensaio para o estudo da distribuição de um atributo financeiro (X) foram

examinados 200 itens de natureza contábil do balanço de uma empresa. Esse exercício produziu a tabela de frequências a seguir. A coluna Classes representa intervalos de valores de X em reais e a coluna P representa a frequência relativa acumulada. Não existem


Temos:


observações coincidentes com os extremos das classes. Calcule a estimativa (em %) da frequência relativa acumulada de observações de X menores ou iguais a 145.

Classes P(%) 70 90 5 90 110 15 110 130 40 130 150 70 150 170 85 170 190 95 190 210 100

10.0 – Medidas de Dispersão ou de Variabilidade

10.1 – Dispersão ou VariabilidadeVimos anteriormente que um conjunto de valores pode ser convenientemente

sintetizado, por meio de procedimentos matemáticos, em poucos valores representativos – média aritmética, mediana e moda. Tais valores podem servir de comparação para dar a posição de qualquer elemento do conjunto.

No entanto, quando se trata de interpretar dados estatísticos, mesmo aqueles já convenientemente simplificados, é necessário ter–se uma ideia retrospectiva de como se apresentavam esses mesmos dados nas tabelas.

Assim, não é o bastante dar uma das medidas de posição para caracterizar perfeitamente um conjunto de valores, pois, mesmo sabendo, por exemplo, que a temperatura média de duas cidades é a mesma, e igual a 24ºC, ainda assim somos levados a pensar a respeito do clima dessas cidades. Em uma delas poderá a temperatura variar entre limites de muito calor e de muito frio e haver, ainda, uma temperatura média de 24ºC. A outra poderá ter uma variação pequena de temperatura e possuir, portanto, no que se refere à temperatura, um clima mais favorável.

Vemos, então, que a média – ainda que considerada como um número que tem a faculdade de representar uma série de valores – não pode, por si mesma, destacar o grau de homogeneidade ou heterogeneidade que existe entre os valores que compõem o conjunto.

Consideramos os seguintes conjuntos de valores das variáveis X, Y, e Z:X: 70, 70, 70, 70, 70.Y: 68, 69, 70, 71, 72.Z: 05, 15, 50, 120, 160.

Vemos, então, que os três conjuntos apresentam a mesma média aritmética: 70.Entretanto, é fácil notar que o conjunto X é mais homogêneo que os conjuntos Y e Z, já

que todos os valores são iguais à média.O conjunto Y, por sua vez, é mais homogêneo que o conjunto Z, pois há menor

diversificação entre cada um de seus valores e a média representativa.Chamando de dispersão ou variabilidade a maior ou menor diversificação dos valores

de uma variável em torno de um valor de tendência central tomado como ponto de comparação, podemos dizer que o conjunto X apresenta dispersão ou variabilidade nula e que o conjunto Y apresenta uma dispersão ou variabilidade menor que o conjunto Z.

Portanto, para qualificar os valores de uma dada variável, ressaltando a maior ou menor dispersão ou variabilidade entre esses valores e a sua medida de posição, a Estatística recorre às medidas de dispersão ou de variabilidade.

Dessas medidas, estudaremos a amplitude total, a variância, o desvio padrão e o coeficiente de variação.

10.1.1 – Amplitude amostral (R)Amplitude amostral (R) é a diferença entre o valor máximo e o valor mínimo da amostra:


R = x(max.) – x(min.)


10.1.2 – Variância (2)Como vimos, a amplitude total é instável, por se deixar influenciar pelos valores

extremos, que são, na sua maioria, devidos ao acaso.A variância e o desvio padrão são medidas que fogem a essa falha, pois levam em

consideração a totalidade dos valores da variável em estudo, o que faz delas índices de variabilidade bastante estáveis e, por isso mesmo, os mais geralmente empregados.

Variância da amostra é a média das diferenças ao quadrado entre cada uma das observações de um conjunto de dados e a média aritmética do conjunto.

A variância é uma medida que tem pouca utilidade como estatística descritiva, porém é extremamente importante na inferência estatística e em combinações de amostras, na área de colometria, indústria de tecelagem, estampagem de tecidos, etc.

10.1.3 – Desvio Padrão ()Porém vamos utilizar uma nova medida que tem utilidade e interpretação práticas,

denominada desvio padrão, definida como a raiz quadrada da variância e representada por :

Tanto o desvio padrão como a variância medem a dispersão “média” em torno da média aritmética, isto é, como as observações maiores flutuam acima dela e as observações menores se distribuem abaixo dela.

Vamos agora calcular a Variância e o Desvio Padrão () das variáveis X, Y e Z.

Com intervalos de classePara calcular o desvio padrão () de dados agrupados em classes, vamos precisar de

outros elementos.Assim, considerando a distribuição da tabela a seguir, temos:

i Depósitos fi xi fi.xi fi.xi2

1 30 402 40 503 50 604 60 705 70 806 80 907 90 100

= 50 = =

Com os dados calculados anteriormente, vamos substituir os valores na fórmula a seguir:



10.2 – Coeficiente de VariaçãoO fato de o desvio padrão ser expresso na mesma unidade dos dados limita o seu

emprego quando desejamos comparar duas ou mais séries de valores, relativamente à sua dispersão ou variabilidade, quando expressas em unidades diferentes.

Para contornar essas dificuldades e limitações, podemos caracterizar a dispersão ou variabilidade dos dados em termos relativos a seu valor médio, medida essa denominada coeficiente de variação (CV):

11.0 – Estudo das Probabilidades

Histórico: a probabilidade, do jogo de dados aos computadoresEm 1654, Blaise Pascal recebeu de seu amigo Chevalier de Méré a seguinte questão:

“Em 8 lances de um dado, um jogador deve obter 1, mas após 3 tentativas sem sucesso o jogo é interrompido. Como se deveria indenizar o jogador?”.

Pascal, então, iniciou, com Pierre de Fermat, uma correspondência sobre problemas desse tipo, que passou a ser considerada o ponto de partida da teoria das probabilidades.

Embora eles não divulgassem seus resultados, Huygens, em 1657, publicou um pequeno folheto (sobre o raciocínio em jogos de dados), estimulado pela correspondência entre Pascal e Fermat.

Jacques Bernoulli (1654-1705), em seu tratado Ars conjectandi (A arte de conjecturar), publicado em 1713, oito anos após sua morte, dedicou os dois últimos capítulos a problemas que ilustram a teoria das probabilidades.

Já por volta de 1750, um século após o contato entre Pascal e Fermat, encontramos Euler falando sobre expectativas de vida, loterias e outros aspectos.

Mas foi Pierre Simon de Laplace quem deu o maior avanço à teoria das probabilidades. Começou a escrever artigos sobre probabilidades em 1774 e os reuniu na sua obra Teoria analítica das probabilidades (1812). Laplace, em sua obra Ensaios filosóficos sobre probabilidades (1814), escreveu que a teoria das probabilidades é apenas o senso comum expresso em números.

E outros nomes surgira, tais como Karl Pearson (1857-1936) e Francis Galton (1822-1911), ligando a probabilidade definitivamente à estatística. Na Rússia, por vota de 1906, inicia-se o estudo das cadeias ligadas de eventos, chamadas cadeias de Markov (Andrei Andreyevitch Markov, 1856-1922).

No século XX, a probabilidade e a estatística não só estão intimamente ligadas com a Matemática pura, mas também agora é crescente a sua dependência com relação aos computadores.

11.1 – IntroduçãoDentro de certas condições, é possível prever a que temperatura o leite ferve. Esse tipo

de experimento, cujo resultado é previsível, recebe o nome de determinístico.No entanto, ao lançarmos um dado uma ou mais vezes, não podemos saber com

antecedência o número obtido; sabemos apenas que os possíveis resultados são 1, 2, 3, 4, 5, ou 6. Esse tipo de experimento, cujo resultado não pode ser previsto, é chamado aleatório.

Na teoria das probabilidades, estudamos os experimentos aleatórios equiprováveis, isto é, experimentos onde qualquer resultado pode ocorrer com a mesma chance.

11.2 – Possibilidade e ProbabilidadeConsideramos a seguinte situação: Numa caixa estão três bolas vermelhas e uma preta,

caso você retire uma bola dessa caixa, que bola sairá?



A resposta inicialmente será “sairá vermelho”, mas depois de pensar um pouquinho, surgirá uma dúvida na afirmação e a primeira frase será consertada para “poderá sair vermelha”. E isso porque? Porque, além de poder sair vermelha poderá sair preta.

Há, então, duas possibilidades: 1º Sair vermelha, 2º Sair preta; enquanto que a 1º tem maior probabilidade.

Concluímos que probabilidade é uma medida comparativa da possibilidade.

11.3 – Teoria das probabilidadesVamos analisar o seguinte experimento: lançando–se um dado não viciado, qual a

probabilidade de sair, na face voltada para cima, um número primo?Ao conjunto desses resultados possíveis damos o nome de espaço amostral ou

conjunto universo, representando por U.Então: U = {1, 2, 3, 4, 5, 6}Chamamos de evento qualquer subconjunto do espaço amostral U de um experimento

aleatório, que será representado por A.Portanto: A = {2, 3, 5}Sendo um experimento aleatório, e U o seu espaço amostral, vamos admitir que todos

os elementos de U tenham a mesma chance de acontecer, ou seja, que U é um conjunto equiprovável.

Chamamos, então, de probabilidade de um evento A (A U) o número Real P(A), tal que:

No nosso caso temos:U = {1, 2, 3, 4, 5, 6} n(U)= 6

A = {2, 3, 5} n(A)= 3

O resultado acima permite afirmar que, ao lançar uma dado não viciado, temos 50% de chance de ocorrer na face voltada para cima um número primo.

Logo definimos que a probabilidade de um “evento A qualquer (A U)” é um número

Real P(A), tal que: 0 ≤ P(A) ≤ 1.Vamos considerar o mesmo exemplo sobre lançamento de um dado, não viciado, e

calcular:a) A probabilidade de ocorrer, na face voltada para cima, um número menor ou igual a 6.U = {1,2,3,4,5,6} → n(U) = 6A = {1,2,3,4,5,6} → n(A) = 6

P(A)=

Logo definimos que a probabilidade do “evento certo” é igual a 1 ou 100%.

b) E qual seria a probabilidade de ocorrer um número maior que 6.U = {1,2,3,4,5,6} → n(u) = 6A = Ø → n(A) = 0 (evento impossível) Logo definimos que a probabilidade de um “evento impossível” é igual a zero.

Exercícios:1) Em um lote de 12 peças manufaturadas, 4 são defeituosas. Sendo retirada uma peça, calcule:a) a probabilidade de essa peça ser defeituosa.b) a probabilidade de essa peça não ser defeituosa.


onde:n(A) é o número de elementos de A.n(U) é o número de elementos de U.


2) Vamos formar todos os números de 3 algarismos distintos, permutando os dígitos 7,8,9. Qual a probabilidade, escolhendo um desses números ao acaso:a) dele ser impar.b) dele ser par.

3) Ao retirar uma carta do baralho com 52 cartas. Qual a probabilidade de que essa carta seja:a) um Reis.b) Uma carta vermelha.

4) Na escolha de um número Natural de 1 a 30, qual a probabilidade de que seja sorteado um número múltiplo de 5?

5) Uma urna contém 50 bolas idênticas. Sendo as bolas numeradas de 1 a 50, determine a probabilidade de, em uma extração ao acaso:a) Obtermos a bola de número 27.b) Obtermos uma bola de número par.c) Obtermos uma bola de número maior que 20.d) Obtermos uma bola de número menor ou igual a 20.

6) Uma empresa de cartão de crédito possui 18 milhões de clientes dos quais 10 milhões são homens e 8 milhões são mulheres. Em um mês típico, dos 18 milhões de clientes, 2 milhões atrasam o pagamento da fatura do cartão. Além disso, sabe-se que dos 2 milhões de clientes que atrasam o pagamento, 1,2 milhões são mulheres e 0,8 milhão são homens. Pergunta-se:a) Se sortearmos um cliente aleatoriamente, qual a probabilidade deste ser mulher? E de ser homem?b) Qual a probabilidade de um cliente atrasar o pagamento da fatura?c) Se um cliente for mulher, qual a probabilidade dela atrasar o pagamento da fatura?d) Se um cliente for homem, qual a probabilidade dele atrasar o pagamento da fatura?

Bibliografia Crespo, Antônio Arnot. Estatística fácil. 17 ed. – São Paulo: Saraiva, 2002. Barreto Filho, Benigno e Silva, Cláudio Xavier. Matemática aula por aula: volume único:

ensino médio – São Paulo: FTD, 2000. SPINELLI, Walter e Souza, Maria Helena S. de Souza. Introdução à Estatística – São

Paulo: Ática, 1990.


apostila de estatística

Education