Estatística Aplicada - Slide Video Aula Completa

Prévia do material em texto

Unidade I
ESTATÍSTICA APLICADA 
Profa. Ana Carolina Bueno
Estatística
 Interpretar processos em que há 
variabilidade.
 “Estatísticas” indica qualquer coleção de 
dados quantitativos, ou ainda, ramo da 
matemática que trata da coleta, da análise, 
da interpretação e da apresentação de 
massa de dados numéricos.
 “Estatística” é um conjunto de métodos 
e processos quantitativos que serve para 
estudar e medir os fenômenos coletivos.
Áreas da estatística
 Estatística descritiva: descreve e analisa 
determinada população, utilizando 
métodos numéricos e gráficos, para se 
determinarem padrões, em um conjunto 
de dados e, assim, apresentar a 
informaçãoinformação.
 Estatística inferencial: conjunto de 
métodos para a tomada de decisões, nas 
situações em que há incerteza, variações 
ou outras generalizações acerca de um 
conjunto maior de dadosconjunto maior de dados.
Classificação dos dados
Qualitativos
Dados
Quantitativos
Discretos
Contínuos
Classificação dos dados
Elementos da estatística
 População
 Amostra
 Amostragem
 Amostragem simples
Elementos da estatística
 Amostragem sistemática
 Amostragem estratificada
Formas iniciais de tratamento de 
dado 
A tabela mostra uma pesquisa sobre o 
número de filhos por funcionário de uma 
certa empresa:
0 2 1 2 3 5 2 0 2 1
 Dados Brutos
2 0 0 1 1 2 3 3 1 2
0 0 0 0 1 1 1 1 1 2
 Rol
2 2 2 2 2 2 3 3 3 5
Séries estatísticas
 Uma série estatística se define como 
qualquer tabela na qual haja distribuição 
de um conjunto de dados estatísticos 
destinados a uma mesma ordem de 
classificação: quantitativa.
Séries estatísticas
Séries homógradas: em que há variação 
discreta ou descontínua na variável descrita.
 Série temporal
 Série geográfica
 Série específica Série específica
Séries heterógradas: são aquelas nas quais
o fenômeno/fato apresenta gradações
ou subdivisões.
 Distribuição de frequências
Distribuição de frequências
 Organiza os dados de acordo com as 
ocorrências dos diferentes resultados 
observados.
 Apresentada em tabela ou gráfico.
 Tabela: apresenta de forma resumida um 
conjunto de dados.
 Tabelas de Frequência 
 Tabelas de Frequência Relativas
 Tabelas de Frequência AcumuladasTabelas de Frequência Acumuladas
Tabelas
Interatividade
São dados os seguintes experimentos:
I. Lançar uma moeda cinco vezes e observar o número 
de caras.
II. Numa linha de produção, observar dez itens, tomados 
ao acaso, e verificar quantos estão defeituosos.
III. Verificar o tempo que internautas ficam em site de p q
reportagem.
IV. Em uma realização de projeto, verificar a porcentagem 
do término do projeto após 6 meses.
Quais dos itens acima terão eventos classificados como 
variáveis aleatórias discretas?
a) I, II.a) ,
b) I, IV.
c) II, IV.
d) III.
e) I, II, III, IV.
Distribuição de frequências
 Gráficos: são usados para visualizar facilmente 
a natureza da distribuição dos dados.
 Um gráfico é uma figura constituída a partir de 
uma tabela, pois é quase sempre possível locar 
um dado tabulado num gráfico.
C l Colunas
 Barras
 Linhas
 Setores
 DispersãoDispersão
 Histograma
 Polígono de frequência
 Etc.
Gráfico em colunas
Gráfico em barras
Gráfico em linhas
Gráfico em setores
 Total __________360º
 Parte___________ xº
Diagrama de dispersão
Histograma
8
10
12
un
os
Estatura de 40 alunos
0
2
4
6
8
N
úm
er
o d
e a
lu
0
148. 152. 156. 160. 164. 168. 172. 176.
estatura
Polígono de frequência
8
10
12
al
un
os
Estatura de 40 alunos
0
2
4
6
148. 152. 156. 160. 164. 168. 172. 176.
N
úm
er
o d
e a
Estatura
Medidas de tendência central
 Como podemos Como podemos 
descrever estes 
dados?
 Como podemos 
resumir estes dados?
 Média
Estatura Xi Fi
150  154 152 4
154  158 156 9
158  162 160 11
162 166 164 8
 Mediana
 Moda
12s
Estatura de 40 alunos
166  170 168 5
170  174 172 3
Total 40
0
2
4
6
8
10
148. 152. 156. 160. 164. 168. 172. 176.
N
úm
er
o d
e a
lu
no
s
Estatura
Média
 É a soma dos valores de todas as 
observações dividida pelo número 
de observações envolvidas. 
 Vantagem: leva em conta todos os 
valores no seu cálculo.
Número de filhos – média 
0 0 0 0 1 1 1 1 1 2
2 2 2 2 2 2 3 3 3 5
Nº de filhos fi
0 4
1 5
2 7
3 3
4 0
5 1
Total 20
Média ponderada
 Um aluno fez um teste (peso 1) e duas 
provas (peso 2), tirando 8 no teste, 5 na 
primeira prova e 6 na segunda prova. 
 A sua média (ponderada) será 
 Se o teste e a prova tivessem o mesmo 
peso (e não importa qual o valor do peso, 
 
importa apenas a relação entre os pesos), 
a média seria, aproximadamente, 6,33.
Interatividade
Em um levantamento realizado em maio, com os 
134 funcionários da empresa XK, em relação a 
variável expressa em unidades monetárias (u.m.), 
obteve-se a tabela abaixo. Determine a média.
Salário Nº de funcionários
3 32
a) 3 salários. 
3 32
5 34
7 40
9 28
b) 4 salários.
c) 5 salários.
d) 6 salários.
e) 7 salários.
Mediana (Md)
 Divide uma série ordenada de dados em 
duas partes iguais. Ocupa a posição 
central. Não é afetada por valores 
extremos.
 A amostra pode ter número ímpar de 
elementos ou número par de elementos.
 Calcular a posição da mediana com a 
formula a seguir: 
 Posição mediana = (n + 1)/2.
Mediana – nº ímpar de elementos
 Um conjunto de dados indica o salário 
de funcionários de uma empresa xi = {6, 
9, 3, 5, 2, 9, 5, 5, 8, 7, 1, 7, 2}, em que n = 
13. 
 Rol - {1, 2, 2, 3, 5, 5, 5, 6, 7, 7, 8, 9, 9}
 Posição mediana = (n+1)/2
 Posição mediana = (13+1)/2 = 7 (indica a 
posição)
 Então
 Md = 5
Mediana – nº par de elementos
 Exemplo: número de filhos
 Posição mediana = (20 + 1) / 2 = 10,5
0 0 0 0 1 1 1 1 1 2
2 2 2 2 2 2 3 3 3 5
 Então:
 Md = (2 + 2)/2 = 2 filhos
Moda (Mo)
 Um conjunto de dados ao dado que 
ocorre com maior frequência. A moda 
não é afetada por valores extremos. É 
utilizada para fins descritivos apenas, 
uma vez que é, dentre as medidas de 
tendência a mais variável de amostratendência, a mais variável de amostra 
para amostra.
 Uma moda: unimodal
 Duas modas: bimodal
 Mais de duas modas: multimodalMais de duas modas: multimodal
 Nenhuma moda: amodal
Número de filhos – moda 
 Mo = 2 filhos (unimodal)
0 0 0 0 1 1 1 1 1 2
2 2 2 2 2 2 3 3 3 5
Nº de 
filhos
fi
0 4
1 5
2 7
3 3
4 0
5 1
Total 20
Medidas de dispersão
 Medidas que mostram a dispersão dos dados 
em torno da tendência central.
 A variação se refere a quanto os valores 
podem diferir entre si e pode ser medida por 
números específicos.
 Os números relativamente próximos uns Os números relativamente próximos uns 
dos outros têm baixas medidas de variação, 
enquanto os valores mais dispersos têm maior 
medida de variação.
10
12
os
Estatura de 40 alunos
0
2
4
6
8
10
148. 152. 156. 160. 164. 168. 172. 176.
N
úm
er
o d
e a
lu
n
Estatura
Medidas de dispersão
 Amplitude
Amplitude Total = Valor máximo – Valor mínimo
 Variância
 Desvio padrão
 Coeficiente de variação
100
x
sCV
Amplitude – número de filhos
 Amplitude Total = Valor máximo – Valor mínimo
 Amplitude Total = 5 – 0 = 5
Nº de 
filhos
fi
0 4
1 5
2 7
3 3
4 0
5 1
Total 20
Variância – número de filhos
0 0 0 0 1 1 1 1 1 2
2 2 2 2 2 2 3 3 3 5
   
 
 
 
�
�
Número de filhosVariância (s²)
Nº de filhos fi
0 4 (-1,65)² = 2,72 2,724 = 10,88
1 5 (-0,65)² = 0,42 0,425 = 2,10 
2 7 0,35² = 0,12 0,12  7 = 0,84 
   
3 3 1,35² = 1,82 1,82  3 = 5,46 
4 0 2,35² = 5,52 5,52  0 = 0 
5 1 3,35² = 11,22 11,22  1 = 11,22 
Total 20  = 30,50
�
�
Número de filhos – desvio padrão 
(s)
�
��
�
Interatividade
Dada a tabela do número de erros de impressãoDada a tabela do número de erros de impressão 
da primeira página de um jornal durante 50 dias, 
assinale a alternativa correta.
Erros fi xi . fi (xi – x)² * fi
7 11 7 x 11 = 77 (7 – 12,7)² x 11 = 357,4
11 14 11 x 14 154 (11 12 7)² x 14 40 5
a) O tamanho da amostra é igual a 52. 
11 14 11 x 14 = 154 (11 – 12,7)² x 14 = 40,5
15 14 15 x 14 = 210 (15 – 12,7)² x 14 = 74,1
19 9 19 x 9 =171 (19 – 12.7)² x 9 = 357,2
48  = 612  = 829,2
b) A média é igual a 10,5 erros.
c) O desvio padrão é igual a 17,3 erros.
d) O desvio padrão é igual a 4,2 erros.
e) A variância é igual a 4 erros².
Coeficiente de variação (CV)
 O coeficiente de variação é a razão entre 
o desvio padrão e a média. O resultado é 
multiplicado por 100, para que o coeficiente 
de variação seja dado
em porcentagem.
 O coeficiente de variação mede a dispersão 
em relação à média comparando dois
100
x
sCV
em relação à média, comparando dois 
conjuntos de dados diferentes.
Coeficiente de variação
 Idade
100
x
sCV
 Estatura
100
65,1
23,1 CV %55,74CV
100
161
57,5 CV %46,3CV
Exemplo
Considere uma população de 40 profissionais 
liberais que foram questionados sobre o 
número de revistas e/ou jornais que eles são 
assinantes. Obteve-se os seguintes dados:
2 0 4 3 1 2 3 0 2 1
3 1 2 4 4 0 3 2 1 3
2 1 3 0 2 3 2 1 2 3
4 1 2 2 1 3 3 0 2 0
Exemplo
 Rol 0 0 0 0 0 0 1 1 1 1
1 1 1 1 2 2 2 2 2 2
2 2 2 2 2 2 3 3 3 3
3 3 3 3 3 3 4 4 4 4
Nº de publicações Nº de profissionais
0 6
1 8
3 3 3 3 3 3 4 4 4 4
2 12
3 10
4 4
Exemplo – gráfico 
10
12
14
on
ai
s
Nº de assinantes
0
2
4
6
8
10
1 2 3 4 5
N
º d
e p
ro
fis
si
o
0 1 2 3 41 2 3 4 5
Nº de publicações
0 1 2 3 4
Exemplo – média e moda
Nº de publicações Nº de profissionais xi.fi
0 6 0x6 = 0
1 8 1x8 = 8
2 12 2x12 = 24
 Média = 1,95 publicação
3 10 3x10 = 30
4 4 4x4 = 16
Total 40 (xifi) = 78
 Moda
 Mo = 2 publicações
95,1
40
78
40
16302480 x
Exemplo – mediana
0 0 0 0 0 0 1 1 1 1
1 1 1 1 2 2 2 2 2 2
2 2 2 2 2 2 3 3 3 3
3 3 3 3 3 3 4 4 4 4
 Mediana
 Posição: (40 + 1)/2 = 20,5
 Então,
Md (2 2)/2 2 bli õ
3 3 3 3 3 3 4 4 4 4
 Md = (2 + 2)/2 = 2 publicações
Exemplo – amplitude 
Nº de publicações Nº de profissionais
0 6
1 8
2 12
A lit d V l V l
2 12
3 10
4 4
 Amplitude Total = Valor máximo – Valor mínimo
 Amplitude Total = 4 – 0 = 4
Exemplo – variância 
Nº de publicações Nº de profissionais (xi – x)².fi
0 6 (0 – 1,95)²  6 
= 22,82
1 8 (1 – 1,95)²  8 
= 7,22
 Sabendo que a média é 1,95 publicações
2 12 (2 – 1,95)²  12 
= 0,03
3 10 (3 – 1,95)²  10 
= 11,03
4 4 (4 – 1,95)²  4 
= 16,81
Total 40  = 57,91
  ²45,1
40
91,57²
2
publicação
n
xxs 
Exemplo – desvio padrão 
Nº de publicações Nº de profissionais (xi – x)².fi
0 6 (0 – 1,95)²  6 
= 22,82
1 8 (1 – 1,95)²  8 
= 7,22
 Sabendo que a média é 1,95 publicações
2 12 (2 – 1,95)²  12 
= 0,03
3 10 (3 – 1,95)²  10 
= 11,03
4 4 (4 – 1,95)²  4 
= 16,81
Total 40  = 57,91
publicaçãos 20,145,1 
Exemplo – coeficiente de variação
 Um CV igual a 61,54% indica que a 
dispersão dos dados em relação à média
%54,61100
95,1
2,1 CV
dispersão dos dados em relação à média 
é muito grande, ou seja, a dispersão 
relativa é alta.
Interatividade
 É dada uma tabela de uma 
amostra das notas dos alunos 
da disciplina de estatística.
I. A amostra tem 5 alunos.
II A édi d t é i l 3
Nota Alunos
6,3 2
8,4 3
5,3 2
9 5 3II. A média da nota é igual a 3.
III. A moda da nota é igual a 6,5.
IV. A variância não pode ser usada como parâmetro 
para medir a variabilidade dos dados.
Assinale a alternativa com as afirmações incorretas.
) I
9,5 3
6,5 5
a) I.
b) II. 
c) III e IV.
d) I, II e IV.
e) I, II, III e IV.
ATÉ A PRÓXIMA!
Unidade II
ESTATÍSTICA APLICADA 
Profa. Ana Carolina Bueno
Classificação dos dados
Dados
Qualitativos
Quantitativos
Discretos
Contínuos
Distribuição de frequências
 Organiza os dados de acordo com as 
ocorrências dos diferentes resultados 
observados.
 Apresentada em tabela ou gráfico.
 Tabela: apresenta, de forma resumida, 
um conjunto de dados.
 Tabelas de frequência. 
 Tabelas de frequência relativas.
 Tabelas de frequência acumuladas.
Distribuição de frequências
 Gráficos: são usados para visualizar 
facilmente a natureza da distribuição 
dos dados.
 Um gráfico é uma figura constituída 
a partir de uma tabela, pois é quase 
sempre possível locar um dado 
tabulado num gráfico.
 Colunas.
 Barras.
 Linhas.
 Setores.
 Dispersão.
 Histograma.
 Polígono de frequência.
 Etc.
Exemplo – número de filhos 
(variável aleatória discreta) 
A tabela mostra uma pesquisa sobre 
o número de filhos por funcionário 
de uma certa empresa:
 Dados brutos
 Rol
0 2 1 2 3 5 2 0 2 1
2 0 0 1 1 2 3 3 1 2
0 0 0 0 1 1 1 1 1 2
2 2 2 2 2 2 3 3 3 5
Tabela de frequência
 Relaciona categorias (ou classes) 
de valores, junto com contagens (ou 
frequências) do número de valores 
que se enquadram em cada categoria. 
No de filhos Frequência
0
1
2
3
4
5
4
5
7
3
0
1
Total 20
Número de filhos
Frequência simples ou absoluta (fi), 
relativa (fr) e acumulada (fa)
No de 
filhos
fi fr fa
0 4 (4/20) * 100 = 20% 4
1 5 (5/20) * 100 = 25% 9
2 7 (7/20) * 100 = 35% 16
3 3 (3/20) * 100 = 15% 19
4 0 (0/20) * 100 = 0% 19
5 1 (1/20) * 100 = 5% 20
Total 20 100% 20
Número de filhos
Gráfico de colunas
Outro exemplo – faixa etária 
de crianças
 Dificulta estabelecer em torno de qual valor 
tendem a se concentrar as idades das 
crianças, ou ainda, as que se encontram 
acima ou abaixo de determinada idade.
Dados brutos:
6 10 9 14 7 4
8 4 12 5 9 13
9 10 8 6 7 14
11 6 12 11 15 13
12 11 4 10 7 13
10 12 8 8 13 7
Faixa etária de crianças
 Organizar os dados em rol
4 6 8 10 11 13
4 7 8 10 12 13
4 7 8 10 12 13
5 7 9 10 12 14
6 7 9 11 12 14
6 8 9 11 13 15
Faixa etária de crianças
Tabela de frequência
Idade Frequência
4 3
5 1
6 3
7 4
8 4
9 3
10 4
11 3
12 4
13 4
14 2
15 1
Idade Frequência
4  6 4
6 8 7
810 7
1012 7
1214 8
1416 3
Idade Frequência
4  6 4
6 8 7
810 7
1012 7
1214 8
1416 3
4 6 8 10 11 13
4 7 8 10 12 13
4 7 8 10 12 13
5 7 9 10 12 14
6 7 9 11 12 14
6 8 9 11 13 15
Faixa etária de crianças
Tabela de frequência
 Limites de 
classe (4  6)
 Amplitude de um 
intervalo de 
classe
 hi = Li – li
Interatividade
Número de 
defeitos
Frequência
0 30
1 25
2 10
3 5
4 2
 Assinale a alternativa com as afirmações 
corretas.
a) I. b) II. c) III.
d) I e II. e) II e III. 
 A tabela refere-se ao 
número de defeitos 
encontrados em placas 
de circuito integrado. 
I – O tamanho da amostra 
é de 10 placas.
II – 55 placas possuem 
nenhum ou 1 defeito.III – Aproximadamente 7 % 
das placas apresentam 
3 defeitos.
Idade xi Frequência
4  6 5 4
6 8 7 7
810 9 7
1012 11 7
1214 13 8
1416 15 3
Faixa etária de crianças 
Ponto médio de uma classe
 Ponto médio de uma classe (xi)
Xi = (Ii + Li)/2 x1 = (4 + 6)/2 = 5.
Idade xi Fi Fr Fa
4  6 5 4 (4/36)*100 = 11% 4
6 8 7 7 19% 11
810 9 7 19% 18
1012 11 7 19% 25
1214 13 8 22% 33
1416 15 3 8% 36
Total 36 98% ~ 100% 36
Faixa etária de crianças 
Frequências
Mais um exemplo – estatura
Construção da tabela de frequência 
 Suponhamos termos feito uma coleta de 
dados relativos às estaturas de 40 alunos, 
que compõem uma amostra dos alunos de 
uma faculdade, resultando a seguinte 
tabela de valores:
Tabela – Dados Brutos
ESTATURAS DE 40 ALUNOS DA FACULDADE A
166 160 161 150 162 160 165 167 164 160
162 168 161 163 156 173 160 155 164 168
155 152 163 160 155 155 169 151 170 164
154 161 156 172 153 157 156 158 158 161
Estatura
Construção da tabela de frequência 
40
Tabela – Rol
ESTATURAS DE 40 ALUNOS DA FACULDADE A
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
ROL
 Decidir o número de classes da tabela de 
frequência.
 Regra de Sturges: i = 1 + 3,3*log n =
 i = 1 + 3,3*log 40 = 6,27
 Regra do Quadrado: = 6,32
Estatura
Construção da tabela de frequência 
Classes Estatura Frequência
1 150  154 4
2 154  158 9
3 158  162 11
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
 Determinar a amplitude de classe, dividindo a 
amplitude pelo número de classes. 
 Amplitude de variação: 173 – 150 = 23 cm.
 23 / 6 = 3,83 (arredondar o resultado para mais)
Estatura
Construção da tabela de frequência 
Estatura xi fi fr fa
150  154 152 4 0,10 ou 10% 4
154  158 156 9 0,225 ou 22,5% 13
158  162 160 11 0,275 ou 27,5% 24
162 166 164 8 0,20 ou 20% 32
166  170 168 5 0,125 ou 12,5% 37
170  174 172 3 0,075 ou 7,5% 40
Total 40 1 ou 100% 40
Estatura
Histograma e polígono 
de frequência 
Estatura Xi Fi
146  150 148
150  154 152 4
154  158 156 9
158  162 160 11
162 166 164 8
166  170 168 5
170  174 172 3
174  178 176
Total 40
Estatura – Histograma
0
2
4
6
8
10
12
148. 152. 156. 160. 164. 168. 172. 176.
Nú
m
er
o d
e 
alu
no
s
estatura
Estatura de 40 alunos
Estatura – Polígono de frequência
0
2
4
6
8
10
12
148. 152. 156. 160. 164. 168. 172. 176.
Nú
me
ro
 de
 al
un
os
Estatura
Estatura de 40 alunos
Interatividade
Uma pesquisa foi 
realizada em um 
acampamento sobre 
a faixa etária das 
crianças 
participantes. 
Analise o gráfico e 
assinale a alternativa 
incorreta.
5 7 9 11 13 15
0
1
2
3
4
5
6
7
8
Idade
Fr
eq
a) O conjunto de dados possui 6 classes e a amplitude de 
cada classe é de 2.
b) O limite inferior da 1a classe é 5 e o limite superior é 7.
c) Os valores 5, 7, 9, 11, 13 e 15 são os pontos médios de 
cada classe.
d) O tamanho da amostra é de 36 crianças
e) O polígono de frequência é construído a partir
dos pontos médios de cada classe.
Medidas de tendência central para 
distribuição de frequência
0
2
4
6
8
10
12
148. 152. 156. 160. 164. 168. 172. 176.
Nú
me
ro
 de
 al
un
os
Estatura
Estatura de 40 alunos
Estatura Xi Fi
150  154 152 4
154  158 156 9
158  162 160 11
162 166 164 8
166  170 168 5
170  174 172 3
Total 40
 Como podemos 
descrever estes 
dados?
 Como podemos 
resumir estes dados?
 Média
 Mediana
 Moda
Estatura – Média
Estatura xi fi xifi
150  154 152 4 152 x 4 = 608
154  158 156 9 156 x 9 = 1404
158  162 160 11 160 x 11 = 1760
162 166 164 8 164 x 8 = 1312
166  170 168 5 168 x 5 = 840
170  174 172 3 172 x 3 = 516
Total 40  xifi = 6440
A estatura média 
para a amostra de 
alunos é de 161 cm
 
 
 
Estatura Xi Fi fa
150  154 152 4 4
154  158 156 9 13
158  162 160 11 24
162 166 164 8 32
166  170 168 5 37
170  174 172 3 40
Total 40
Estatura – Mediana
Li = limite inferior da classe mediana (158)
A = amplitude de classe (4)
(fi/2) = 40/2 = 20 (referência)
fant = frequência acumulada anterior à classe mediana 
(13 + 4 = 7)
fant = freq. simples da classe mediana (11)
 
 
 
 
Estatura – Moda
Estatura xi fi
150  154 152 4
154  158 156 9
158  162 160 11
162 166 164 8
166  170 168 5
170  174 172 3
Total 40
Li = limite inferior da classe modal (158)
A = amplitude de classe (4)
d1 = f – fant (11 – 9 = 2)
d2 = f – fpost (11 – 8 = 3)
f = frequência simples da classe modal
fant = freq. simples anterior à classe modal
fpost = freq. simples posterior à classe modal
Moda de Czuber
 
 
 
 
Medidas de dispersão
 Medidas que mostram a dispersão dos 
dados em torno da tendência central.
 Os números relativamente próximos 
uns dos outros têm baixas medidas 
de variação, enquanto os valores mais 
dispersos têm maior medida de variação.
0
2
4
6
8
10
12
148. 152. 156. 160. 164. 168. 172. 176.
Nú
me
ro
 de
 al
un
os
Estatura
Estatura de 40 alunos
Medidas de dispersão
 Variância
 Desvio padrão
 Coeficiente de variação
 Amplitude
 Xmaior – Xmenor
100
x
s
CV
 
 
Estatura xi fi
150  154 152 4
154  158 156 9
158  162 160 11
162 166 164 8
166  170 168 5
170  174 172 3
Total 40
Estatura – Amplitude 
 Amplitude
Xmaior – Xmenor = 172 – 152 = 20
Estatura xi fi
150  154 152 4 (152 – 161)² = 81 81 x 4 = 324
154  158 156 9 (156 – 161)² = 25 25 x 9 = 225
158  162 160 11 (160 – 161)² = 1 1 x 11 = 11
162 166 164 8 (164 – 161)² = 9 9 x 8 = 72
166  170 168 5 (168 – 161)² = 49 49 x 5 = 245
170  174 172 3 (172 – 161)² = 121 121 x 3 = 363
Total 40  = 1240
Estatura – Variância 
 
 
Estatura – Desvio padrão
 
 
Coeficiente de variação
100
x
s
CV
100
161
57,5
CV %46,3CV
Interatividade
 Foram obtidos dados referentes à idade de carros (em 
anos) de estudantes. 
Assinale a alternativa incorreta.
a) A média é igual a aproximadamente 9,2 anos. 
b) A tabela possui 4 classes com amplitude de 4.
c) A variância é igual a 33,35 anos².
d) O desvio padrão é igual a 3,43 anos.
e) A amplitude é igual a 12 anos.
Idade dos 
carros
xi fi xi  fi (xi – x)² * fi
3  7 5 33 5 x 33 = 165 (5 – 9,2)² x 33 = 582,12
7  11 9 63 9 x 63 = 567 (9 – 9,2)² x 63 = 2,52
11  15 13 19 13 x 19 = 247 (13 – 9,2)² x 19 = 274,36
15 19 17 10 17 x 10 =170 (17 – 9,2)² x 10 = 608,4
Total 12
5
 = 1149  = 1467,4
Probabilidade
 Para fazer inferência estatística usam-se 
técnicas que exigem o conhecimento 
de probabilidade.
 A teoria das probabilidades busca estimar 
as chances de ocorrer um determinado 
acontecimento. 
 Antes de ativar uma usina nuclear, 
devemos analisar a probabilidade 
de uma detonação acidental. 
 Antes de aumentar o limite de velocidade 
em nossas rodovias, devemos procurar 
estimar a probabilidade do aumento 
em acidentes fatais.
Experimentos, espaço 
amostral e eventos
 Experimentos: resultadono lançamento 
de um dado; hábito de fumar de um 
estudante sorteado em sala de aula; tipo 
sanguíneo de um habitante escolhido ao 
acaso.
 Espaço amostral: lançamento de um dado: 
 = {1, 2, 3, 4, 5, 6}; exame de sangue (tipo 
sanguíneo):  = {A, B, AB, O}; hábito de 
fumar:  = {Fumante, Não fumante}; 
tempo de duração de uma lâmpada: 
 = {t: t  0}.
 Eventos: alguns eventos de um dado:
A: sair face par A = {2, 4, 6}  
B: sair face maior que 3 B = {4, 5, 6}  
Probabilidade – exemplo
 Medida da incerteza associada aos 
resultados do experimento aleatório.
 Em um vestibular, uma questão típica 
de múltipla escolha tem 5 respostas 
possíveis. Respondendo à questão 
aleatoriamente, qual é a probabilidade de 
sua resposta estar errada?
)(
)(
)(
Sn
An
AP 
8,0
5
4
)_( erradarespostaP
Probabilidade – mais dois exemplos
 Imagine que um dado foi jogado. Qual é 
a probabilidade de ter ocorrido 5? 
 No lançamento de um dado perfeito, qual 
é a probabilidade de sair um número 
maior do que 4? 
 
 
Probabilidade – outro exemplo
 Determine a probabilidade 
de que um casal com três 
filhos tenha exatamente 
2 meninos. 
1º 2º 3º
H
H
H
H
M
M
M
M
H
H
M
M
H
H
M
M
H
M
H
M
H
M
H
M
 
Probabilidade condicional –
exemplo
Selecione um aluno ao acaso e defina 
os eventos:
a) o aluno selecionado é do sexo masculino, 
dado que cursa o Cursão –
P(HC) = 15/19 = 0,7895 ou 78,95%;
b) a disciplina selecionada é estatística,
dado que é homem –
P(EH) = 16/41 = 0,3902. 
Homens (H) Mulheres (M) Total
Cursão (C) 15 4 19
Estatística (E) 16 15 31
Física (F) 6 0 6
Outros (O) 4 2 6
Total 41 21 62
Eventos independentes – exemplo 
Dado Moeda
Cara Coroa
1 Cara; 1 Coroa; 1
2 Cara; 2 Coroa; 2
3 Cara; 3 Coroa; 3
4 Cara; 4 Coroa; 4
5 Cara; 5 Coroa; 5
6 Cara; 6 Coroa; 6
 Qual a 
probabilidade de 
ocorrer cara na 
moeda sabendo 
que ocorreu face 
6 no dado?
 P(sair cara na 
moeda, sabendo 
que ocorreu 6 no 
dado) = ½ = 0,5.
 Imagine que um dado e uma moeda são 
jogados ao mesmo tempo. 
Regra da adição – exemplo com 
eventos mutuamente excludentes
 P(A ou B) = P(A  B) = P(A) + P(B)
 Palavra-chave: OU
 Suponha que uma urna contém duas 
bolas brancas, uma azul e uma vermelha. 
Retira-se uma bola da urna ao acaso. Qual 
a probabilidade de ter saído bola colorida, 
isto é, azul ou vermelha?
 A probabilidade de sair bola azul é ¼ = 
0,25 ou 25%.
 A probabilidade de sair bola vermelha é ¼ 
= 0,25 ou 25%.
 Então a probabilidade de sair bola 
colorida é ¼ + ¼ = 2/4 = ½ = 0,5 ou 50%.
Regra da adição – eventos não 
excludentes 
P(A ou B) = P(A  B) = P(A) + P(B) – P(A  B)
 Imagine uma carta ser retirada ao acaso de 
um baralho. Qual é a probabilidade de sair 
uma carta de espadas ou um ás?
 Um baralho tem 52 cartas.
 13 são de espadas e 4 são ases.
 P(sair uma carta de espadas ou um ás) é:
 13/52 + 4 /52 (Resposta errada)
 P(sair uma carta de espadas ou um ás) é:
 13/52 + 4/52 – 1/52 = 16/52 = 4/13 = 0,3077 
ou 30,77% (Resposta correta)
Regra da multiplicação – eventos 
independentes
 P(A e B) = P(A  B) = P(A) . P(B)
 Palavra-chave: E
 Uma moeda será jogada duas vezes. 
Qual é a probabilidade de ocorrer cara 
nas duas jogadas? 
 Probabilidade de ocorrer cara na 
primeira jogada é ½ = 0,5 ou 50%.
 Probabilidade de ocorrer cara na 
segunda jogada é: ½ = 0,5 ou 50%.
 Para obter a probabilidade de ocorrer 
cara nas duas jogadas, faz-se o produto: 
½ . ½ = ¼ = 0,25 ou 25%.
Regra da multiplicação – eventos 
dependentes
 Se os eventos A e B são dependentes, 
temos que:
 P(A e B) = P(A  B) = P(A) . P(B/A)
 Uma urna contém duas bolas brancas e 
uma vermelha. Retiram-se duas bolas da 
urna ao acaso, uma seguida da outra e 
sem que a primeira tenha sido 
recolocada. Qual é a probabilidade de as 
duas serem brancas?
Regra da multiplicação – eventos 
dependentes
 A probabilidade da primeira bola ser 
branca é: 2/3 = 0,6667 ou 66,67%.
 A probabilidade da segunda bola ser 
branca: ½ = 0,5 ou 50%.
 Para obter a probabilidade das duas 
bolas retiradas serem brancas, faz-se o 
produto: 
 P(2 bolas brancas) = 2/3 * 1/2 = 2/6 = 1/3 = 
0,3333 ou 33,33%.
Interatividade
 Com referência à tabela, admita que todas 
as escolhas envolvam os 2.000 indivíduos. 
Se uma pessoa é selecionada aleatoriamente, 
qual é a probabilidade de ela ter sido vítima 
de um estranho, dado que foi escolhida 
uma vítima de furto?
a) P(estranho / furto) = 0,75.
b) P(estranho / furto) = 0,559.
c) P(estranho / furto) = 0,2525.
d) P(estranho / furto) = 0,5087.
e) P(estranho / furto) = 0,1739.
Homicídio Furto Assalto Total
Estranho
Conhecido ou parente
Ignorado
12
39
18
379
106
20
727
642
57
1118
787
95
Totais 69 505 1429 2000
ATÉ A PRÓXIMA!