2. FACEBOOK
Não curtir? Por quê?
SUGESTÕES
cadernosppt@gmail.com.br
3. Aviso
Esse material foi criado a partir do caderno
de um aluno do curso de administração.
Sendo assim, não substituirá nenhuma fonte
didática como: livros, artigos científicos, etc.
Observação
O objetivo dessa apresentação é
simplesmente ajudar o estudante, nada além
disso.
5. População
População é conjunto de elementos sobre
os quais queremos informações.
Ex.: Paulistanos, veículos, cães
abandonados, produtos para vender.
6. Amostra
Uma parte do conjunto (sub-conjunto) da
população.
Ex.: Moradores da Paulista, raça de cães,
final de placa.
7. Variável
É a característica que queremos estudar.
As variáveis podem ser:
Qualitativa
Os valores são qualidades ou atributos.
Quantitativas
Os valores são quantidade.
8. Variável
Definição
As variáveis qualitativas pode ser ordinal
(possui ordem natural) ou nominal (não possui
ordem natural).
As variáveis quantitativas pode ser discreta
(assume valores exatos) ou contrários (assume
valores aproximados).
Exemplo: População de cães abandonados.
11. Classificação
Exercício
Moradores de uma cidade
Camisetas à venda em uma loja
V. Quant. Discreta: Preço
V. Qual. Nominal: Marca, cor
V. Qual. Ordinal: Tamanho
Alunos desta sala
12. Índices, coeficientes e taxas
• Os índices são razões entre duas grandezas tais que uma não inclui a
outra.
Numerador é uma coisa e denominador é outra coisa..são coisas
separadas.
Exemplos
Densidade demográfica
Divide a população pela superfície.
Produção per capita
Valor total da produção dividido pela população
Renda per capita
Valor total da renda dividido pela população
13. • Os coeficientes são razões entre o numero de
ocorrências e o numero total (a soma dos números de
ocorrências e de não ocorrências).
São razões entre partes e o todo.
• Coeficiente de natalidade
Número de nascimentos dividido pela população, ou
seja, é um subconjunto dentro de um conjunto.
• Coeficiente de mortalidade
Número de óbitos dividido pela população.
• Coeficiente de Evasão Escolar
Número de alunos evadidos dividido pelo numero inicial
de matriculas
14. • As taxas são coeficientes multiplicados por uma
potencia de 10, para tornar o resultado mais
inteligível.
• Exemplo: em cada 200 celulares vendidos, 4
apresentam defeito..
• Coef. de defeitos = 4/200 = 0,02
• Taxa de defeitos = 2% ... é quando é
multiplicado por 100.
15. • Taxa de natalidade = coeficiente de
natalidade x 1000
• Taxa de mortalidade = coeficientes de
mortalidade x 1000
• Taxa de evasão escolar = coeficientes de
evasão escolar x 100
16. Exercício
• O estado A apresentou 733.986 matriculas no 1º
ano no inicio de 2009 e 683.816 no final do ano.
O estado B apresentou, respectivamente,
436.127 e 412.457 matriculas. Qual estado
apresentou maior evasão escolar?
Evasão estado A: 6,8%
Evasão estado B: 5,5%
18. Técnicas de Descrição Gráfica
• Considere uma população ou amostra com N elementos
(ou o numero de dados), em que está sendo estudada
determinada variável.
• Considere que K é o numero de valores diferentes que
esta variável pode assumir:
• Definimos a FREQUÊNCIA (f) de um valor como o
numero de vezes que ele foi observado.
N: tamanho da população ou amostra, em que
consideramos uma variável.
K: quantidade de valores diferentes que a variável
assume.
Fi: é a frequência do i-ésimo valor.
19. Exemplo
• Perguntou-se para 10 pessoas quantos
irmãos elas tinham, e as respostas foram:
0,1,2,2,1,0,3,6,1,0
(variável quantitativa discreta)
20. Exemplo
N: 10 : quantidade de números
K: 5 : quantidade de variáveis
Fi: temos 5 freqüências;
F1: Freq do 0: 3 (quantidade de 0s)
F2: Freq do 1: 3
F3: Freq do 2: 2
F4: Freq do 3: 1
F5: Freq do 4: 1
21. • Soma-se as freqüências e tem que dar 10 (n)
• Definimos a freqüência relativa Fr (ou proporção) de
um valor como o quociente da sua freqüência pelo
numero de dados.
• Assim: Fr1 = F1 / N
Exemplo:
Fr1: 3/10: 0,3
Fr2: 3/10: 0,3
Fr3: 2/10: 0,2
Fr4: 1/10: 0,1
Fr5: 1/10: 0,1
Somando todas as Frs...da 1..assim como 100%
22. Exemplo
Cálculo de Frequências
De 50 funcionários: QU
AL
ITA
TIV
A
30 são solteiros, 15 são casados, 3
separados e 2 viúvos.
27. Séries Estatística
• Cronológica ou histórica
Função do local
• Espacial ou geográfica
Função do lugar
• Específica ou categórica
Função da espécie
38. Característica Numérica
Distribuição de Frequência
x = variável
quantidade
x1 = i-ésimo valor da
variável x
Medidas de Posição
servem para localizar
os dados na reta real.
39. Exemplo
Ex.: Idade de 5 x = 18 + 22 + 25 + 21 + 25
pessoas: 5
18, 22, 25, 21 e 24 x = 110 / 5 = 22 idade média
x1, x2, ...
X = Idade
N=5
40. Calculando a Média - HP12C
Podemos usar as teclas de funções estatísticas da
calculadora HP12C para calcular a média de uma série de
dados da forma abaixo (refazendo o último exemplo):
‘f’ ∑ (limpa as memórias estatísticas)
18 ∑+ (insere o primeiro dado)
22 ∑+ (insere o segundo dado)
25 ∑+ (insere o terceiro dado)
21 ∑+ (insere o quarto dado)
24 ∑+ (insere o quinto dado)
‘g’ (a média aparecerá no visor)
As memórias R1 a R6 guardam algumas informações
associadas à série de dados que forem inseridos. Na
memória R1 temos o valor n, em R2, ∑x e em R3, ∑x2. No
nosso exemplo, como entramos com apenas uma série de
dados, as memoras R4 a R6 não fazem sentido.
43. Exercício
A última fórmula é a média ponderado,
onde as frequência são os pesos.
Ex.: Calcular a média de 3 provas, onde
P1 = 5, com peso 3, P2 = 4, com peso 2 e
P3 = 8, com peso 5.
M = 5.3+4.2+8.5/3+2+5 = 63/10 = 6,3
61. Dados
L* = Limite inferior de classe mediana
F(ant) = frequência acumulada da classe
anterior à classe mediana
h* = amplitude da classe mediana
f* = frequência de classe mediana
63. Mediana
Md E 0 6
=
Classe mediana
Md = 5,36 anos
64. Resposta
Isto é, dos 5000 casamentos
que acabaram em divórcios,
metade durou até 5,36 anos e
a outra metade durou mais
de 5,36.
65. Quantis
Um quantil de ordens p1 ou p – quantil
(q (p)), onde p é uma proporção
(0 < p < 1), é uma medida tal que 100.p%
dos valores ficam abaixo dele.
q (0,6)
0,6%
0,25%
q (0,25)
66. 0,25
Exercício
5, 10, 15, 20, 25, 30, 35, 40, 45, 50
X1, x2, x3
q(0,25) = ?
P. n = 0,25 . 10 = 2,5
Queremos á posição 2,5 que está entre o 2º e o 3º
dados.
q(0,25) = 10 + 15/2 = 12,5
69. Dados
• L* = Limite inferior de classe do quantil
• F(ant) = frequência acumulada da classe
anterior à classe quantil
• h* = amplitude da classe do quantil
• f* = frequência de classe do quantil
105. Variância
1) A fórmula de S² que de demos é a
variância de uma populãção.
A variância da amostra tem o
denominador -1 ao invés de n.
2) A unidade de S² é a unidade de X ao
quadrado.
Se X é dado em cm, S² é dado em cm².
106. Desvio-Padrão
Tira
rar
qua aiz
drad
S= a
O desvio-padrão está na mesma unidade de x.
Coeficiente
de Variação
108. Questões:
a) Qual o nº médio de erros por página?
b) E o nº mediano?
c) E a variância?
d) E o desvio-padrão?
e) E o coeficiente de variação?
f) Se o livro tiver 500 páginas, qual o nº
esperado do erros?
118. f)
f) Se o livro tiver 500 páginas, qual o nº
esperado do erros?
119. Exercícios
• O Departamento Pessoal da firma X fez
o levantamento dos salários dos 120
funcionários (em números de salários
mínimos) e obteve os resultados da
tabela abaixo:
E
Lis xerc
ta í
Re cio
vis
ão
121. Pede-se:
• Quantos funcionários estão na faixa 4├ 6 salários
mínimos?
• Esboce o histograma.
• Calcule a média, a amplitude, a variância e o desvio-
padrão.
• Calcule o primeiro quartil e a mediana.
• Se for concedido um aumento de 100% a todos os
funcionários, haverá alteração na média? E na
variância?
• Se for concedido um aumento de um salário mínimo a
todos os funcionários, haverá alteração na média? E
na variância?
134. e)
• Se for concedido um aumento de 100% a
todos os funcionários, haverá alteração na
média? E na variância?
Resposta: A média será dobrada. A
variância se quadruplicará.
135. f)
• Se for concedido um aumento de um
salário mínimo a todos os funcionários,
haverá alteração na média? E na
variância?
Resposta: A média subirá (1) salário
mínimo. A variância não mudará.
137. Exercícios One
1) Quais são os tipos de variáveis que
existem? Dê um exemplo de cada tipo
para a população carros à venda em uma
concessionária.
138. Resolução
Variável é a característica de interesse
que é medida em cada elemento da
amostra; Como o nome diz, seus valores
variam de elemento para elemento.
As variáveis podem ter valores numéricos
ou não numéricos e serem classificadas
da seguinte forma:
139. Resolução
Continuação
Variáveis Quantitativas
São as características que podem ser medidas em uma escala
quantitativa, ou seja, apresentam valores numéricos que fazem
sentido. Podem ser contínuas ou discretas.
Variáveis contínuas são características mensuráveis que
assumem valores em uma escala contínua (na reta real), para as
quais valores fracionais fazem sentido. Usualmente devem ser
medidas através de algum instrumento.
Exemplos: Peso (balança), altura (régua), tempo (relógio), pressão
arterial, idade.
Variáveis discretas são características mensuráveis que podem
assumir apenas um número finito ou infinito contável de valores e,
assim, somente fazem sentido valores inteiros. Geralmente são o
resultado de contagens.
Exemplos: Número de filhos, número de bactérias por litro de leite,
número de cigarros fumados por dia.
140. Resolução
Continuação
Variáveis Qualitativas
São as características que não possuem valores
quantitativos, mas, ao contrário, são definidas por várias
categorias, ou seja, representam uma classificação dos
indivíduos. Podem ser nominais ou ordinais.
Variáveis nominais não existe ordenação dentre as
categorias.
Exemplos: sexo, cor dos olhos, fumante/não fumante,
doente/sadio.
Variáveis ordinais existe uma ordenação entre as
categorias.
Exemplos: escolaridade (1o, 2o, 3o graus), estágio da
doença (inicial, intermediário, terminal), mês de
observação (janeiro, fevereiro,..., dezembro).
141. Resolução
Continuação
Dê um exemplo de cada tipo para a população carros à
venda em uma concessionária.
Podemos relacionar os tipos para a população de carros
a venda em uma concessionária na forma das seguintes
variáveis:
Variáveis Quantitativas
Discreta: Preço, portas, lugares, donos.
Contínua: Tamanho em metros, peso.
Variáveis Qualitativas
Nominais: Cor, modelo, tipo de combustível
Ordinais: Ano de fabricação
142. Exercícios Two
2) Considere a tabela abaixo onde estão listadas as notas de 40
alunos:
Nota f
5 10
6 8
7 9
8 6
9 5
10 2
(a)Calcule a média, a mediana, a moda, a amplitude, a variância, o
desvio-padrão e o coeficiente de variação;
(b)Faça um diagrama em barras.
153. Exercícios
O que acontece com a mediana, a média, o desvio-
padrão e a variância de uma série de dados quando:
Cada observação é multiplicada por 2?
A média, a mediana e o desvio padrão ficaram multiplicados
por 2, ou seja, dobrará. Já a variância se quadruplicará.
Soma-se 10 a cada observação?
A média e a mediana ficam somadas com 10, o desvio padrão e
a variância não se alteram.
Subtrai-se a média de cada observação?
A média e a mediana ficam igual a zero e o desvio padrão não
se altera.
155. a)
Se você fosse um candidato a
trabalhar nesta companhia e o seu
futuro salário fosse escolhido ao
acaso entre os salários pagos
atualmente pela companhia, o que
seria mais provável, ganhar mais ou
menos de R$ 3.000,00?
156. Resolução
O candidato receberá
75%
menos de R$ 3000,
pois 75% dos
funcionários dessa
empresa ganham até
esse valor.
157. b)
Suponha que na companhia B a
média dos salários é R$ 4.000,00 e
a variância quase zero, e que você
também se apresenta como
candidato. Se o seu futuro salário
também fosse escolhido ao acaso
entre os salários pagos atualmente,
em qual companhia você preferiria
trabalhar?
158. Resolução
Nessa avaliação a
empresa B é mais viável,
pois a maioria dos
trabalhadores ganham
mais de R$ 4000.
160. Probabilidade
Natureza
Fenômenos determinístico: nas mesmas condições,
os resultados são o mesmo.
Exemplo: A água sempre ferve a 100 ºC ao nível do
mar.
Fenômenos aleatório: nas mesmas condições, o
resultado é imprevisível.
Exemplo: Duas laranjas no mesmo pomar dão
produções diferentes.
161. Detalhes
Um experimento aleatório é um fenômeno
aleatório produzido pelo homem.
Exemplo: Jogar um dado; Jogar uma
moeda; Tirar uma carta do baralho;
Sorteio da Mega Sena.
162. Conjunto
O conjunto de todos os resultados possíveis de
um experimento aleatório é chamado de espaço
amostral. ( ou ℮).
Ex.: Jogando um dado
= {1, 2, 3, 4, 5, 6}
Ex.: Jogando 2 moedas, C= Cara, R = Coroa
= {(C,C); (C,R); (R,C); (R,R)}
Um evento é qualquer subconjunto de .
Exemplo: Jogando um dado, descreva:
= {1, 2, 3, 4, 5, 6}
163. Exemplos
A) nº par A = {2, 4, 6}
B) nº menor que 4 B = {1, 2, 3}
C) nº menor que 2 C = {1} Evento Unitário
D) nº menor que 7 D= Evento Certo
E) nº maior que 6 E = 0 Evento Impossível
164. Operações com Eventos
Aleatórios
= {e1, e2, ..., en}, A, B e C
União
A υ B = {ei ℮ / ei ℮A ou ei ℮B)
172. Exercícios
Exercícios do Capítulo 5 do livro
“Estatística Básica” de Bussab e Morettin
Uma urna contém duas bolas brancas e
três bolas vermelhas. Retira-se uma bola
ao acaso da urna. Se for branca, lança-
se uma moeda, se for vermelha, ela é
devolvida à urna e retira-se outra.
173. a) Dê o espaço amostral do
experimento:
= Espaço Amostral = Resultado do Experimento
174. b)
Lance um dado até que a face 5
apareça pela primeira vez.
Enumere os possíveis
resultados do experimento.
175. Exercício One
Três jogadores, A, B e C disputam um
torneio de tênis. Inicialmente, A joga com
B e o vencedor joga com C, e assim por
diante. O torneio termina quando um
jogador ganha duas vezes seguidas ou
quando são disputadas, ao todo, quatro
partidas.
Quais são os resultados possíveis do
torneio?
187. Exercício
Consideraremos os 250 alunos de uma
escola de línguas, distribuídos nos cursos
de inglês e espanhol da seguinte maneira:
Sorteando-se um aluno ao acaso, qual a
probabilidade que curse espanhol,
dado que é do sexo feminino?
197. Exercício One
Uma urna possui 5 bolas cinzas e 6
pretas. Retira-se duas, sem reposição.
Calcule a probabilidade de:
a) Ambas serem cinzas
b) Casa uma de uma cor
201. Exercício Two
Jogamos um dado, e se sair 1 ou 2,
tiramos uma bola da urna 1 (que tem 5
cinzas e 3 pretas), e se sair 3, 4, 5 ou 6,
tiramos uma bola da urna 2 (3 cinzas e 2
pretas).
Qual a probabilidade da bola retirada
ser cinza?
206. Eventos Independentes
A, B, C
A e B são independentes se:
P(A/B) = P(A) e P(B/A) = P(B)
Logo, P(A∩B) = P(A). P(B)
207. Exemplo
Utilizando os exercícios One e Two, os
eventos são dependentes, já no exercício
Three, ele é independente.
Exemplos:
= {1, 2, 3, 4, 5, 6}
A e B são dependentes
A = {2, 4, 6}
B = {2, 3, 4, 5, 6}
C = {3, 4, 5, 6} A e C são independentes
210. Exercício One
Em uma cidade do interior do Brasil, a
probabilidade de que um habitante
escolhido ao acaso tenha televisão em
casa é 11/12. Já a probabilidade de esse
habitante ser um comerciante é 1/11.
Escolhendo um habitante dessa cidade
ao acaso, qual a probabilidade de que
ele tenha televisão em casa e seja
comerciante?
212. Exercício Two
Alguns professores estão prestando concurso
para dar aulas em uma escola. Inicialmente,
eles farão uma prova escrita e, depois de
serem aprovados nessa prova, farão uma
prova prática. Aquele que for aprovado na
prova prática será contratado. Sabendo que a
probabilidade de aprovação na prova escrita é
1/4 e de aprovação na prova prática (depois
de ser aprovado na escrita) é 2/3, calcule a
probabilidade de que um professor, escolhido
ao acaso, seja contratado.
214. Exercício Nine
No exame para tirar a carteira de motorista, a
probabilidade de aprovação na prova escrita é
9/10 . Depois de ser aprovado na parte
teórica, há uma prova prática de direção. Para
os que já passaram no exame escrito, a
probabilidade de passar nessa prova prática é
2/3. Qual a probabilidade de que, escolhido
um candidato ao acaso, ele seja aprovado em
ambas as provas escrita e prática e tire a
carteira de motorista?
216. Exercício Twelve
Em uma sala de ensino médio, 12
alunos gostam de vôlei, 13 gostam de
futebol, 5 gostam dos dois esportes e
outros 10 não gostam nem de vôlei nem
de futebol. Sabendo que a turma tem 30
alunos, qual a probabilidade de que um
aluno, escolhido ao acaso, goste de vôlei
ou de futebol?
219. Exercício
Na experiência de jogar, aleatoriamente,
um dado "honesto" de seis faces
numeradas de 1 a 6, verificar se os
eventos "número dois" e "número par"
são independentes.
220. Resolução
= {1, 2, 3, 4, 5, 6}
A = {2, 4, 6}
B = {2}
224. Exercício One
(MPOG/2003/ESAF) Paulo e Roberto foram
indicados para participarem de um torneio
de basquete. A probabilidade de Paulo ser
escolhido para participar do torneio é 3/5. A
probabilidade de Roberto ser escolhido para
participar do mesmo torneio é 1/5. Sabendo
que a escolha de um deles é independente
da escolha do outro, a probabilidade de
somente Paulo ser escolhido para participar
do torneio é igual a:
227. Exercício Two
(MPU/2004) Carlos sabe que Ana e Beatriz estão
viajando pela Europa. Com as informações que
dispõe, ele estima corretamente que a probabilidade
de Ana estar hoje em Paris é 3/7, que a probabilidade
de Beatriz estar hoje em Paris é 2/7, e que a
probabilidade de ambas, Ana e Beatriz, estarem hoje
em Paris é 1/7. Carlos então recebe um telefonema
de Ana, informando que ela está hoje em Paris. Com
a informação recebida pelo telefonema de Ana,
Carlos agora estima corretamente que a
probabilidade de Beatriz também estar hoje em Paris
é igual a:
230. Exercício Three
(MPU/2004) Quando Lígia pára em um posto
de gasolina, a probabilidade de ela pedir
para verificar o nível de óleo é de 0,28; a
probabilidade de ela pedir para verificar a
pressão dos pneus é 0,11 e a probabilidade
de ela pedir para verificar ambos, óleo e
pneus, é de 0,04. Portanto, a probabilidade
de Lígia parar em um posto de gasolina e
não pedir nem para verificar o nível de óleo e
nem para verificar a pressão nos pneus é
igual a:
233. Teoria da Probabilidade Total
e
Teo de Bayes
Motivação: Suponha uma população em
que 1% possua determinada doença.
Existe em teste para detectá-la que dá
probabilidade de falso-positivo de 1% e de
falso-negativo de 1%.
249. Definição
• Variável Aleatória (v.a) é a função que
associa a todo evento pertencente a uma
partição do espaço amostral um único
número real.
• A variável aleatória é discreta quando
assume valores em um conjunto finito ou
enumerável.
250. Variáveis Aleatórias Discretas
Função de Probabilidade é a função que
associa a cada valor assumido pela
variável aleatória a probabilidade do
evento correspondente, isto é:
Ao conjunto {(xi, p(xi)) i = 1, ..., n} é a
distribuição de probabilidades.
252. Exemplo
• Considere uma urna contendo 3 bolas
vermelhas e 5 pretas. Retire 2 bolas, sem
reposição, e defina a variável X: nº de
ão
bolas pretas. Obtenha a distribuição de X.
URNA
253. Resolução
X = QUANTIDADE DE BOLAS PRETAS RETIRADAS
Ao somar os numerados (circulados) o resultado será o denominador.
254. Exemplo
• Considere uma urna contendo 3 bolas
vermelhas e 5 pretas. Retire 2 bolas, com
reposição, e defina a variável X: nº de
ão
bolas pretas. Obtenha a distribuição de X.
URNA
255. Resolução
X = QUANTIDADE DE BOLAS PRETAS RETIRADAS
Ao somar os numerados (circulados) o resultado será o denominador.
258. Esperança Matemática
(Valor médio ou Média)
Uma seguradora cobra R$1.000 por carro
e paga R$ 30000 em caso de sinistro (o
que ocorre 3% das vezes).
Quanto ela espera ganhar em média, por
carro?
263. Esperança Matemática
(Valor médio ou Média)
Podemos definir mediana, moda, variância
e desvio-padrão, de forma similar à feita
em distribuição de frequência, mas
usando p(xi) no lugar de fi/n.
Observação
Notação da variância: o²x, o²(x), o².
267. Distribuição Binomial
• Experimento com somente duas
possibilidades:
SUCESSO (S)
FRACASSO (F)
Você estabelece um quantidade e verifica
quanto saio no final da verificação.
268. Variável Aleatório Contínua
É uma v.a. que assume valores em um
intervalo contínuo.
Exemplo:
X → Alturacm de um grupo de pessoas.
269. Funções Densidade de
Probabilidade
Seja X uma v.a. contínua A função
densidade de probabilidade é a função f(x)
tal que:
a) f(x) > 0, para todo x ℮ Rx = {valores
assumidos por x}
b) Rx f(x) dx = 1
271. Distribuição Normal
Modelos de Distribuição Contínuas
É a distribuição normal Z , que tem média.
O e desvio-padrão 1.
Qualquer distribuição normal x com média
µ e desvio-padrão o pode ser transformado
em Z através de mudança de variável.
272. Exemplos
Distribuição Normal
Quanto menor o formato do “sino” maior será a aproximação dos dados
avaliados.