Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
Unidade I PROBABILIDADE E ESTATÍSTICA Prof. Emilio Celso Introdução A Estatística é uma ferramenta para explicar problemas e verificar tendências de todos os tipos: opiniões, crescimento etc. Neste curso, os assuntos são encadeados na direção do conhecimento necessário para o estudo de Estatística Descritiva. Basicamente, a organização de dados e, posteriormente, as noções de Estatística Inferencial, em que se fazem extrapolações de uma amostra para uma população. Assim, pretendemos apresentar ao estudante ferramentas matemáticas e suas aplicações, no universo cotidiano e profissional, ligadas ao tema. Para isso, estudaremos os conteúdos da análise combinatória e da Teoria de Probabilidades. Análise combinatória O experimento matemático mais elementar é o de contar, ou seja, obter a quantidade de um conjunto de objetos por meio de alguma operação ou algoritmo. Por exemplo, o homem primitivo contava suas ovelhas, atribuindo a cada ovelha uma pedrinha. Comparando quantidades de pedrinhas colecionadas em momentos distintos (dias, semanas etc.), avaliava a variação nos números de seu rebanho. A atividade de contar objetos é comum em nosso cotidiano, seja contar dinheiro, minutos, pessoas, carros; enfim, uma infinidade de objetos. No entanto, por incrível que pareça, algumas coisas são difíceis de contar, não pela sua quantidade (contar o número de grãos de arroz em um pote é trabalhoso, mas o plano para a contagem é bem simples), mas pela natureza do problema em si. Análise combinatória Por exemplo, contar o número de placas de automóveis distintas possíveis de serem criadas ou o número de resultados possíveis da Mega-Sena são projetos de contagem que exigem raciocínio e criatividade, pois não se tratam de contagens nada intuitivas. Ao investigar um pouco mais os fenômenos que nos cercam, podemos verificar que tais contagens não são tão incomuns e que, portanto, merecem atenção e estudo. O ramo da Matemática que estuda os processos de contagem e suas propriedades é denominado de Análise Combinatória. Em termos mais formais, estuda a contagem de estruturas discretas e suas propriedades. Ferramentas matemáticas: fatorial Seja um número n pertencente ao conjunto dos números naturais (n). Define-se o fatorial desse número como o produto de todos os naturais positivos menores ou iguais a n. Denotando fatorial por n!, temos: n! = n.(n – 1).(n – 2). ... .1 Ou de um modo mais simples: n = Em que a letra grega Π (pi), em maiúscula, representa um produtório. Define-se, ainda, o fatorial de zero: 0! = 1 (𝐢) 𝐧 𝐢=𝟏 Propriedade fundamental dos fatoriais Inspecionando mais de perto a definição do fatorial de um número: n! = n(n – 1)(n – 2) (n – 3)...1 Podemos notar que: n! = n.(n – 1)! Tal igualdade é conhecida como propriedade fundamental dos fatoriais, útil no cálculo de expressões envolvendo fatoriais. Exemplos de aplicação 1. Qual o valor de 6!? Solução Pela propriedade fundamental do fatorial:n! = n.(n-1).(n-2). ... .1 Então: 6! = 6.(6-1).(6-2).(6-3).(6-4).(6-5)= 6.5.4.3.2.1 = 720. Resposta: 6! = 720. 2. Obtenha o valor da expressão Solução Desenvolvendo a expressão: Resposta: O valor da expressão é 144. 𝟒!.𝟔! 𝟓! = 𝟒!.𝟔.𝟓! 𝟓! = 4!6 = (4.3.2.1).6 = 144 𝟒!.𝟔! 𝟓! Princípio fundamental da contagem Contar entidades discretas que pertençam a um dado conjunto finito é, por vezes, tarefa mais exigente do que o enunciado do problema possa transparecer. Isso porque precisamos pensar em etapas de um processo. Investiguemos a seguinte situação-problema: uma pessoa dispõe de uma camisa rosa e outra branca e de três calças nas cores azul, preto e bege. Deseja-se saber de quantas maneiras diferentes ela pode se vestir usando uma camisa e uma calça. O problema parece simples, pois procuramos uma quantidade finita de pares possíveis (camisa e calça), cujo processo de contagem, no entanto, não vem à tona imediatamente. Logo, precisamos pensar em uma maneira de solucionar o problema. Criando algoritmos Uma alternativa é criar uma série de etapas de cálculo (um algoritmo) que nos leve à quantidade desejada. Por exemplo, podemos representar a formação de pares como ilustra a figura em seguida: c a m is a r o s a calça azul calça preta calça bege c a m is a b ra n c a calça azul calça preta calça bege Diagrama + algoritmo Veja que a figura mostra duas etapas: a escolha de uma camisa e de uma calça, para formar uma vestimenta. Tais escolhas são denominadas experimentos. Assim, a formação de um par é fruto da combinação de dois experimentos. Iniciando por camisa branca, podemos formar 3 pares distintos (um com cada calça disponível). O mesmo se verifica para camisa rosa; logo, o número total de pares possíveis (n) entre eles é: n = 2 x 3 = 6 Essa forma de abordar essa situação-problema típica de contagem exigiu o uso de uma estrutura criativa e eficiente (diagrama + algoritmo). Problemas de anagrama Anagrama é uma nova palavra, com sentido linguístico ou não, criada pelo rearranjo das letras da palavra original. Por exemplo, vamos procurar os anagramas da palavra amor. Observe: No esquema, a letra A, primeira letra escolhida, formou anagrama por meio de uma sequência organizada de escolha das outras letras. Diagrama ou árvores de árvores Temos um algoritmo em que obtivemos 6 anagramas que iniciam com a letra A. Uma vez que o processo deve ser o mesmo para os anagramas que iniciam com as outras letras (m, o e r), concluímos que o número total de anagramas (n) é: n = 4 x 6 n = 24 O algoritmo descrito pode ser exemplificado por meio de um diagrama ou árvore de possibilidades que representa o processo completo de obtenção dos anagramas. Anagramas de palavras com letras repetidas Um problema decorrente do anterior é encontrar um procedimento para o caso de palavras com letras repetidas, por exemplo, a palavra CASA. Se ignorarmos que a palavra tem letras repetidas, o número de anagramas (n) é igual a 4! = 24. Nesse resultado, contamos a mais todas as permutações das letras A entre si, que, por sua vez, não mudam o anagrama! Veja: CA1SA2 =CA2SA1 Observe que as permutações da letra A não alteram a palavra, mas incluem mais valores ao cálculo feito. Para corrigir esse valor, basta dividir pelo número de anagramas repetidos (2!): Assim, = 4.3 = 12 anagramas.𝟒! 𝟐! = 𝟒.𝟑.𝟐.𝟏 𝟐.𝟏 Contando agrupamentos: arranjos simples Considere a seguinte situação: em uma prova de atletismo, participam 8 competidores. De quantos modos distintos as medalhas de ouro, prata e bronze podem ser distribuídas entre os competidores, de acordo a classificação final? Trata-se de uma situação em que a contagem de agrupamentos é requerida. Nela, os agrupamentos constituem o conjunto de todos os possíveis 3 primeiros lugares, ou seja, dado o conjunto dos 8 atletas, dispomos estes em “pacotes” de 3, cujo número total corresponde ao número total de possíveis distribuições de medalhas. Situações assim, nas quais se contam agrupamentos, em que a ordem dos elementos diferencia os agrupamentos, são denominadas arranjos simples. Permutações simples sem repetição Um caso particular de arranjos simples é o conhecido como permutação simples. Isso acontece quando o número de elementos nos agrupamentos coincide com o número total dos elementos do conjunto de origem, isto é, dado um conjunto M com n elementos, as permutações simples são arranjos simples de n elementos tomados de n a n. Assim, quando tratamos de permutações simples, em que não há elementos repetidos, temos: Pn = An,n = n.(n – 1).(n – 2). ... .(n – n + 1) Pn = n.(n – 1).(n – 2) ...1 = n! Pn =n! Permutações com repetição É comum acontecerem situações nas quais permutar elementos não diferencia os agrupamentos. Um exemplo já conhecido nosso é o cálculo de anagramas de palavras com letras repetidas. Tais situações são conhecidas como permutações com repetição, cujo cálculo é dado pela expressão: , sendo nk (k = 1, 2, 3...) corresponde à quantidade de repetições do k-ésimo elemento. Note que, necessariamente: n1 + n2 + ...+ nk = n. Observe que, se aplicarmos a relação anterior em uma situação em que não há elementos repetidos, isto é, n1 = n2 = ...= nk = 1, recuperamos a expressão correspondente a permutações sem repetição: Interatividade Considere a palavra integral. O número de anagramas da palavra integral que começa com vogal e termina com consoante é: a) 3!.5!.6! = 518.400 b) 3.5!.6 = 2.160 c) 2.8! = 80.640 d) 3!.5.6 = 180 e) 3.5.6! = 10.800 Resposta Alternativa correta e). Comentário Os anagramas são do tipo: vogal __ __ __ __ __ __ consoante A primeira letra que inicia o anagrama pode ser escolhida entre 3 vogais, a letra final entre 5 consoantes e as 6 letras restantes podem ser permutadas entre essas duas letras de P6 = 720 modos. Temos, então, que o total de anagramas (n) é: n = 3.5.6! = 10.800. Permutações circulares Seja um grupo de 5 pessoas sentadas ao redor de uma mesa redonda. Vamos nominar essas pessoas com letras:A, B, C, D e E. A pergunta é: de quantas formas tais pessoas podem se posicionar ao redor da mesa? Situações como essa são casos típicos de permutações circulares. Permutações circulares Observe que, se girarmos no sentido horário, obtemos as seguintes permutações em linha: ABCDE (partindo de A); BCDEA (partindo de B); CDEAB (partindo de C); DEABC (partindo de D); EABCD (partindo de E). Essas 5 permutações em linha correspondem a uma única permutação circular, pois, se trocarmos as pessoas de lugares, daremos origem a novas permutações circulares. Na verdade, podemos trocar as pessoas de lugar de 4! formas distintas, justamente como se estivéssemos calculando os anagramas de ABCDE. A generalização do raciocínio é imediata. Dado um conjunto M de n elementos dispostos de forma circular, o número de possíveis permutações circulares é: Pc = (n – 1)! Combinações simples Há situações nas quais devemos contar agrupamentos em que a ordem não é importante, isto é, a ordem dos elementos agrupados não diferencia o agrupamento. Vejamos um exemplo Dentre 10 pessoas, 3 devem ser escolhidas para compor um grupo que participará de um congresso acadêmico. De quantos modos distintos podemos formar os grupos? Claramente, a ordem dos eleitos não altera o grupo, pois o importante é fazer parte da comitiva. Situações assim são conhecidas como combinações simples e obedecem à seguinte fórmula: Números binomiais e binômio de Newton Representação binomial e propriedades fundamentais Como já sabemos, a combinação simples de n elementos, tomados p a p, é dada por: Essa nova notação não altera o significado numérico da quantidade, possibilita a criação de uma estrutura algébrica (operações e propriedades) em torno desse novo objeto. Números binomiais complementares Dois números binomiais são ditos complementares quando tiverem o mesmo numerador e a soma dos denominadores for igual ao numerador comum aos dois, ou seja, são complementares os números binomiais que respeitem a seguinte estrutura: Por exemplo: 21 21 8 13 21 Propriedades fundamentais 1. Igualdade de números binomiais complementares Propriedade: dois números binomiais complementares são sempre iguais. Demonstração: somando e subtraindo n ao denominador (p!) 2. Igualdade de números binomiais quaisquer Propriedade: dados dois números binomiais quaisquer: Relação de Stiffel Sendo: {n,p} C ϗ, •(p +1) < n, temos: Expressão conhecida como Relação de Stiffel. Exemplo: O Triângulo de Pascal Os números binomiais podem ser organizados em uma estrutura conhecida como Triângulo de Pascal, em homenagem ao grande matemático Blaise Pascal. O esquema é organizar os números binomiais em linhas e colunas. Binômio de Newton Newton generalizou uma relação para o de (x + y)n ao perceber que os coeficientes são combinações e que os expoentes do produto xy a cada parcela segue uma regularidade. Newton chegou à seguinte expressão: Ou, de modo mais simples: Binômio de Newton e Triângulo de Pascal O fato de encontrarmos números binomiais no Teorema do Binômio de Newton sugere alguma conexão com o Triângulo de Pascal. De fato, essa conexão existe e torna fácil o cálculo de potências de monômios, se dispusermos de um Triângulo de Pascal à mão. É o caso do cálculo de (x + y), usando um Triângulo de Pascal. Para calcularmos, basta encontrarmos a linha correspondente ao expoente do monômio, no caso, linha 5. Assim, ( x + y )5 = 1.x5.y0 + 5.x4.y1 + 10.x3.y2 + 10.x2.y3 + 5.x1.y4 + 1.x0.y5 = = x5 + 5x4y + 10x3y2 + 10x2y3 + 5xy4 + y5 Interatividade B Um bairro é constituído de 12 quarteirões, Uma pessoa deseja sair de A e chegar a B, por caminhos mais curtos, isto é, tendo o mapa ao lado por referência, movendo-se da esquerda A para a direita ou de baixo para cima. A quantidade de maneiras diferentes que ela poderá fazer essa caminhada é: a) 42 b) 35 c) 32 d) 24 e) 12 Resposta Alternativa correta b). Comentário Em sua caminhada, a pessoa se desloca quatro vezes para a direita (D) e três vezes para cima (C). Dessa forma, uma caminhada seria representada assim: D C D C D C D Perceba que se trata de uma permutação com repetição: = = = = 35 maneiras. Introdução ao estudo de probabilidades e operações com probabilidades Determinismo e aleatoriedade Podemos dizer que determinísticos são todos os experimentos que, realizados de maneira idêntica, levam a resultados idênticos. Ao contrário, experimentos realizados sob as mesmas condições, mas que levam a resultados diferentes, são denominados aleatórios. Exemplo de determinismo: ao soltar uma folha de papel de certa altura, ela cai em direção ao chão. Exemplo de aleatoriedade: ao soltar uma folha de papel de certa altura, anota-se o lugar onde caiu. Ao soltar outras vezes a mesma folha, podemos verificar que ela cairá em diferentes lugares. Claro, eventualmente, ela pode cair em um mesmo lugar, mas não podemos prever isso antecipadamente. Seja um conjunto A denominado espaço amostral, cujos elementos sejam todos os possíveis resultados de um dado experimento ou evento. Seja E um subconjunto de A, denominado conjunto dos eventos, cujo conteúdo é um dado número de eventos possíveis do experimento ou evento em estudo. Define-se como probabilidade de ocorrência do conjunto dos eventos à razão entre o número de elementos do conjunto dos eventos e o número de elementos do espaço amostral. 3.2 Definição clássica de probabilidade Probabilidade e análise combinatória Um olhar atento à definição clássica de probabilidade mostra- nos que um dos grandes desafios dos cálculos probabilísticos é a contagem dos elementos, tanto do espaço amostral como no conjunto dos eventos. De fato, em muitas situações, vemo- nos frente a frente com contagens que só podem ser feitas (quando possível!) via análise combinatória. Assim, a análise combinatória é ferramenta fundamental no estudo de probabilidades. Vejamos um exemplo de aplicação Seja um campeonato de futebol no qual doze times são inicialmente divididos aleatoriamente em 4 grupos com 3 times cada. Qual a probabilidade de dois times, dados, por exemplo, A e B, pertencerem ao mesmo grupo? Probabilidade e análise combinatória A seguir uma das possíveis configurações: O número total de permutações entre os times é de 12!, que é justamente o tamanho de nosso espaço amostral. Agora, falta calcular o número de elementos de nosso conjunto de eventos que, por sua vez, pode ser feito de maneira combinatória também. Observe que, para um dado grupo, A dispõe de 3 lugares para ocupar, restando, portanto, 2 lugares para B ocupar no mesmo grupo (já que se deseja que ambos pertençam ao mesmo grupo), enquanto os demais times podem permutar livremente nas outras posições. Probabilidade e análise combinatória O número de possibilidades de A e B pertencerem a um dado grupo é: 3.2.10 No entanto, são 4 grupos, logo, o número de possibilidades em que A e B figurem no mesmo grupo é: 4.3.2.10! Assim, n(E) = 4.3.2.10! n(A) = 12! Para solução do problema, temos: Logo: Eventos mutuamente exclusivos e a adição de probabilidades É comum depararmo-nos com situações em que devemos calcular a probabilidade de ocorrência desse ou daquele evento, por exemplo, de se nos apresentar a face 2 ou face 5, ao lançarmos um dado (não viciado). Situações assim, do tipo ou, são solucionadas pelo Teorema da Adição de Probabilidades. Vamos conhecê-lo: Seja um espaço amostral (A), finito e não vazio, e dois subconjuntos de E, denominados X e Y. O Diagrama de Venn ilustra o que tratamos. Eventos mutuamente exclusivos e a adição de probabilidades Analisando o Diagrama de Venn, verificamos que o número de elementos da união de X com Y pode ser obtido pela soma dos integrantes de cada subconjunto, subtraindo-se, porém, a quantidade presente na região de intersecção, ou seja: n(X U Y) = n(X) + n(Y) – n(X ∩ Y) Dividindo-se ambos os termos da igualdade pelo número de elementos do espaço amostral n(A), temos: Ou seja, P(X UY) = P(X) + P(Y) – P(X ∩ Y). Se P(X ∩ Y) = Ǿ, temos P(XUY) = P(X) + P(Y) e dizemos que os eventos são mutuamente exclusivos. Eventos mutuamente exclusivos e a adição de probabilidades Dessa forma, agora estamos em condições de responder a nossa questão inicial: qual a probabilidade de ocorrência da face “2” ou face “5” ao lançarmos um dado (não viciado)? Observe que os eventos de face 2 e face 5 são mutuamente exclusivos. Assim, P(X U Y) = P(X) + P(Y) P(face “2”) ou P(face “5”) = P(2) + P(5) Ou seja, podemos calcular essa probabilidade tipo ou somando as probabilidades correspondentes às ocorrências individuais de cada resultado. Então: Probabilidade condicional, eventos independentes e o produto de probabilidades Denomina-se como condicional a probabilidade do acontecimento de um dado evento que depende da ocorrência de um outro. Vamos considerar o exemplo: seja um baralho composto de 52 cartas divididas em 4 naipes distintos (ouros, espadas, copas, paus), sendo que cada naipe possui 13 tipos distintos de cartas (ás, dois, três, quatro, cinco, seis, sete, oito, nove, dez, valete, dama e rei). Considerando o maço de cartas bem embaralhado, qual a probabilidade de ser escolhida, ao acaso, uma dama de ouros? Observe que o evento dama de ouros depende da ocorrência do evento retirar uma dama. Situações assim são problemas típicos de probabilidade condicional. Probabilidade condicional, eventos independentes e o produto de probabilidades Usando o recurso de Diagrama de Venn novamente: A probabilidade de ocorrer o evento Y, dada a ocorrência de X, reduz o espaço amostral ao próprio subconjunto X. Assim, o evento Y só poderá ocorrer na região de intersecção entre X e Y. Probabilidade condicional, eventos independentes e o produto de probabilidades Voltando ao problema proposto: Assim: Interatividade Um torneio de futebol é composto por 24 times divididos em seis grupos, com 4 times cada um. Suponha que a escolha do grupo de cada time seja feita ao acaso. A probabilidade de dois times A e B se encontrarem no mesmo grupo é: a) 0,25 b) 0,20 c) 0,13 d) 0,30 e) 0,10 Resposta Alternativa correta c). Comentário O espaço amostral é o conjunto de todas as permutações de 24 elementos (times), ou seja, em um total de 24! Os 24 times estão distribuídos em 6 grupos. A e B estão no primeiro grupo. A pode ser disposto em 4 lugares e B em três no primeiro grupo, sendo que os demais times podem ser dispostos de 22! maneiras diferentes. Assim, o número de permutação de A e B no primeiro grupo é 6.4.3.22!. A probabilidade procurada é = ≈ 0,13. Estatística descritiva A estatística pode ser considerada uma ciência, no sentido do estudo de uma população, e como um método, quando utilizada como um instrumento por outra ciência. Atualmente, é considerada como um conjunto de métodos e técnicas para coleta, organização, apresentação e interpretação de dados; a fim de que conclusões, que vão além dos dados iniciais, possam ser obtidas para a tomada de decisões. Sob esse aspecto, pode ser subdividida em duas grandes áreas: aquela responsável pela coleta, pela organização e pela descrição dos dados, a Estatística Descritiva e a responsável pela análise e interpretação de dados, a Estatística Indutiva (ou Inferencial), que é fundamentada na teoria da probabilidade e compreende dois grandes tópicos: a estimação de parâmetros e os testes de hipótese. Gráficos Têm como objetivo facilitar a compreensão de dados numéricos por meio de apresentação visual e também apresentar resultados ou conclusões de uma análise. Podem ser classificados, segundo seu objetivo, em: Gráficos de informação: tipicamente expositivos, devem ser o mais completos possível. São destinados ao público em geral e têm a finalidade de proporcionar uma compreensão clara e rápida do objeto em estudo. Gráficos de análise: são os usados pela estatística. Em uma análise, esses gráficos frequentemente vêm acompanhados de uma tabela, além de um texto que procura chamar a atenção do leitor para os principais pontos apresentados tanto pelo gráfico quanto pela tabela. A elaboração de um gráfico necessita de alguns cuidados 1. Todo gráfico deve ter título, escala e fonte. 2. Cada eixo do gráfico tem que ser identificado claramente, como mostra o exemplo: 3. O sistema de eixos cartesianos e as linhas auxiliares devem ter traçados mais leves do que a parte do gráfico que se pretende evidenciar. Cuidados na elaboração de um gráfico 4. Todo gráfico deve ser: Simples: constituído somente das informações importantes, desconsiderando detalhes de importância secundária, assim como traços desnecessários que possam levar a erros. Verdadeiro: expressar a verdade sobre o fenômeno em estudo. Claro: permitir a interpretação correta dos dados em estudo. 5. A utilização indevida dos gráficos pode trazer uma ideia falsa dos dados que estão sendo analisados, chegando mesmo a confundir a pessoa. Cuidados na elaboração de um gráfico Gráficos que podem causar má interpretação: Fonte: CARVALHO, Valéria de; CRUZ, Emerson Flamarion da; GUIMARÃES, Lúcia F. de Almeida. Probabilidade e Estatística. São Paulo, UNIP, 2014. Gráfico de barras (horizontais) agrupadas Visa à comparação de dois ou mais itens obtidos de duas diferentes fontes. Fonte: CARVALHO, Valéria de; CRUZ, Emerson Flamarion da; GUIMARÃES, Lúcia F. de Almeida. Probabilidade e Estatística. São Paulo, UNIP, 2014. Gráfico de barras (horizontais) agrupadas Visa à comparação de dois ou mais itens obtidos de duas diferentes fontes. Fonte: CARVALHO, Valéria de; CRUZ, Emerson Flamarion da; GUIMARÃES, Lúcia F. de Almeida. Probabilidade e Estatística. São Paulo, UNIP, 2014. Gráfico de colunas e colunas agrupadas Tem o mesmo objetivo que o gráfico de barras, sendo preferível quando as legendas referentes aos retângulos são curtas. Exemplo: Fonte: CARVALHO, Valéria de; CRUZ, Emerson Flamarion da; GUIMARÃES, Lúcia F. de Almeida. Probabilidade e Estatística. São Paulo, UNIP, 2014. Gráfico de colunas agrupadas O gráfico de colunas agrupadas permite uma melhor comparação entre as grandezas das diferentes variáveis. Exemplo: Fonte: CARVALHO, Valéria de; CRUZ, Emerson Flamarion da; GUIMARÃES, Lúcia F. de Almeida. Probabilidade e Estatística. São Paulo, UNIP, 2014. Gráfico de linhas ou gráficos lineares ou de curvas Utilizado para a representação de valores em função do tempo. Mais eficiente do que as colunas quando existem intensas variações nas informações ou quando é necessária a apresentação de várias no mesmo gráfico. Exemplo: Fonte: CARVALHO, Valéria de; CRUZ, Emerson Flamarion da; GUIMARÃES, Lúcia F. de Almeida. Probabilidade e Estatística. São Paulo, UNIP, 2014. Gráfico de setores (ou de pizza) É usado para representar valores absolutos ou percentuais em função de um todo. Exemplos: Fonte: CARVALHO, Valéria de; CRUZ, Emerson Flamarion da; GUIMARÃES, Lúcia F. de Almeida. Probabilidade e Estatística. São Paulo, UNIP, 2014. Cartogramas Fonte: CARVALHO, Valéria de; CRUZ, Emerson Flamarion da; GUIMARÃES, Lúcia F. de Almeida. Probabilidade e Estatística. São Paulo, UNIP, 2014. Representação dos dados sobre uma carta geográfica (mapa). Usados quando o objetivo é representar os dados diretamente relacionados com áreas geográficas ou políticas. Pictograma ou gráficos pictóricos São gráficos cuja representação é realizada por figuras. Pela sua forma atraente e sugestiva, são os que melhor falam ao público. Exemplo: Fonte: CARVALHO, Valéria de; CRUZ, Emerson Flamarion da; GUIMARÃES, Lúcia F. de Almeida. Probabilidade e Estatística. São Paulo, UNIP, 2014. Variáveis qualitativas A figura a seguir mostra os resultados obtidos pelo professor de Estatística: Fonte: CARVALHO, Valéria de; CRUZ, Emerson Flamarion da; GUIMARÃES, Lúcia F. de Almeida. Probabilidade e Estatística. São Paulo, UNIP, 2014. Variáveis quantitativas Para as variáveis quantitativas, a distribuição de frequência pode ser graficamente representada por meio de histograma, polígono de frequência e polígono de frequência acumulada (ou Ogiva de Galton). Em todos os tipos de gráficos, as abscissas (eixo horizontal) serão os valores da variável e as ordenadas (eixo vertical) serão as frequências. Variáveis quantitativas: histograma. Conjunto de retângulos superpostos, cuja base fica no eixo horizontal, de tal forma que seus pontos médios coincidem com os pontos médios da classe. A largura desses retângulos equivale à amplitude da classe e sua altura é proporcional às frequências das classes. Histograma Exemplo de histograma: Fonte: CARVALHO, Valéria de; CRUZ, Emerson Flamarion da; GUIMARÃES, Lúcia F. de Almeida. Probabilidade e Estatística. São Paulo, UNIP, 2014. Variáveis quantitativas: polígono de frequência acumulada Gráfico de linhas, construído a partir dos valores da frequência absoluta acumulada. Exemplo: Fonte: CARVALHO, Valéria de; CRUZ, Emerson Flamarion da; GUIMARÃES, Lúcia F. de Almeida. Probabilidade e Estatística. São Paulo, UNIP, 2014. Interatividade (ENEM 2008) O gráfico abaixo mostra a área desmatada da Amazônia, em km², cada ano, no período de 1988 a 2008. Fonte: CARVALHO, Valéria de; CRUZ, Emerson Flamarion da; GUIMARÃES, Lúcia F. de Almeida. Probabilidade e Estatística. São Paulo, UNIP, 2014. Interatividade As informações do gráfico indicam que: a) O maior desmatamento ocorreu em 2004. b) A área desmatada foi menor em 1997 do que em 2007. c) A área desmatada a cada ano manteve-se constante, entre 1998 e 2001. d) A área desmatada por ano foi maior entre 1994 e 1995 do que entre 1997 e 1998. e) O total de área desmatada em 1992, 1993 e 1994 é maior que 60.000 km². Resposta Alternativa correta: “d”. Comentário Pelo gráfico, observe que a área desmatada por ano foi maior entre 1994 e 1995 do que entre 1997 e 1998. Fonte: CARVALHO, Valéria de; CRUZ, Emerson Flamarion da; GUIMARÃES, Lúcia F. de Almeida. Probabilidade e Estatística. São Paulo, UNIP, 2014. ATÉ A PRÓXIMA!
Compartilhar