Estatística PDF

Manual de Tronco Comum
Estatística
Código A0005
Universidade Católica de Moçambique (UCM)

Centro de Ensino à Distância (CED)
Direitos de autor (copyright)
Este manual é propriedade da Universidade Católica de Moçambique (UCM), Centro de
Ensino à Distância (CED) e contém reservados todos os direitos. É proibida a duplicação e/ou
reprodução deste manual, no seu todo ou em partes, sob quaisquer formas ou por quaisquer
meios (electrónicos, mecânico, gravação, fotocópia ou outros), sem permissão expressa de
entidade editora (Universidade Católica de Moçambique – Centro de Ensino à Distância). O
não cumprimento desta advertência é passível a processos judiciais.
Elaborado Por: Lazaro Domingos Sande
Revisado Por: Jacinto Ordem
Mestrado (Msc) em Matemática: Currículo
pela Pontifícia Universidade Católica de São Paulo – Brasil
Universidade Católica de Moçambique (UCM)

Centro de Ensino à Distância (CED)
Rua Correia de Brito No 613 – Ponta-Gêa
Beira – Sofala
Telefone: 23 32 64 05
Cell: 82 50 18 440
Moçambique
Fax: 23 32 64 06
E-mail: [email protected]
Website: www.ucm.ac.mz
Agradecimentos
A Universidade Católica de Moçambique (UCM) – Centro de Ensino à Distância (CED) e o

autor do presente manual, Lazaro Domingos Sande, agradecem a colaboração de todos que
directa ou indirectamente participaram na elaboração deste manual. À todos sinceros
agradecimentos.
Estatística i
Índice
Benvido à Estatística ......................................................................................................... 5
Objectivos do curso .......................................................................................................... 5
Quem deveria estudar este módulo ................................................................................... 5
Como está estruturado este módulo .................................................................................. 6
Ícones de actividade .......................................................................................................... 6
Acerca dos ícones .......................................................................................... 7
Habilidades de estudo ....................................................................................................... 7
Precisa de apoio? .............................................................................................................. 8
Tarefas (avaliação e auto-avaliação)................................................................................. 8
Avaliação .......................................................................................................................... 9
Unidade N0 01-A0013 10
Tema: Estatística e sua aplicação.................................................................................... 10
Introdução .............................................................................................................. 10
Sumário ........................................................................................................................... 10
Exercícios........................................................................................................................ 14
Tema: As etapas do método estatístico ........................................................................... 15
Introdução .............................................................................................................. 15
Sumário ........................................................................................................................... 15
Exercícios........................................................................................................................ 18
Tema: População, Amostra, Senso e Sondagem............................................................. 19
Introdução .............................................................................................................. 19
Sumário ........................................................................................................................... 19
Exercícios........................................................................................................................ 28
Sumário ........................................................................................................................... 31
Exercícios........................................................................................................................ 39
Tema: Frquências acumuladas e gráficos ....................................................................... 42
Introdução .............................................................................................................. 42
ii Índice
Sumário ........................................................................................................................... 42
Exercícios........................................................................................................................ 46
Tema: Somatórios. .......................................................................................................... 48
Introdução .............................................................................................................. 48
Sumário ........................................................................................................................... 48
Exercícios........................................................................................................................ 51
Tema: Medidas de Posição ou tendência central (dados não agrupados) ....................... 48
Introdução .............................................................................................................. 48
Sumário ........................................................................................................................... 48
Exercícios........................................................................................................................ 52
Tema: Medidas de posição (dados agrupados em classes da mesma posição). .............. 53
Introdução .............................................................................................................. 53
Sumário ........................................................................................................................... 53
Exercícios........................................................................................................................ 56
Tema: Outros tipos de médias. ....................................................................................... 58
Introdução .............................................................................................................. 58
Sumário ........................................................................................................................... 58
Exercícios........................................................................................................................ 60
Tema: Outras medidas de localização - quantis, quartis, decís e percentis. ................... 62
Introdução .............................................................................................................. 62
Sumário ........................................................................................................................... 62
Exercícios........................................................................................................................ 68
Tema: Medidas de Dispersão ou variabilidade. .............................................................. 69
Introdução .............................................................................................................. 69
Sumário ........................................................................................................................... 69
Exercícios........................................................................................................................ 76
Tema: Medidas de Assimetria ou Curtose. ..................................................................... 79
Introdução .............................................................................................................. 79
Sumário ........................................................................................................................... 79
Exercícios........................................................................................................................ 83
Tema: Distribuições bidimensionais. .............................................................................. 85
Introdução .............................................................................................................. 85
Estatística iii
Sumário ........................................................................................................................... 85
Exercícios........................................................................................................................ 90
Tema: Noção intuitiva e frequencista das probabilidades. ............................................. 94
Introdução .............................................................................................................. 94
Sumário ........................................................................................................................... 94
Exercícios...................................................................................................................... 101
Unidade N0 15-A0005 102

Tema: Acontecimentos equiprováveis. ......................................................................... 102
Introdução ............................................................................................................ 102
Sumário ......................................................................................................................... 102
Exercícios...................................................................................................................... 104
Unidade N0 16-A0005 107

Tema: Probabilidade condicional ................................................................................. 107
Introdução ............................................................................................................ 107
Sumário ......................................................................................................................... 107
Exercícios...................................................................................................................... 116
Estatística 5
Visão geral
Benvindo à Estatística
Etimologicamente a Estatística foi definida como a Ciência das
coisas que pertencem ao Estado. Nos nossos dias, a sua utilização
passou a ser mais vasta e imprescindível em todos ramos da
ciência e a nível de empresas, assim como a nível individual,
procurando estudar situações e elaborar planos que permitem a
tomada das decisões mais adequadas aos problemas
apresentados.
Objectivos do curso
Quando terminar o estudo de Estatística o estudante terá:
 Uma formação sobre a dimensão deontológica e técnica do exercício

das respectivas profissões.
Quem deveria estudar este

módulo
Este módulo foi concebido para todos aqueles que frequentam os
cursos à distância, oferecidos pela Universidade Católica de
Moçambique (UCM), através do seu Centro de Ensino à
Distância (CED).
6 Unidade
Como está estruturado este

módulo
Todos os módulos dos cursos produzidos por UCM - CED
encontram-se estruturados da seguinte maneira:
Páginas introdutórias
 Um índice completo.
 Uma visão geral detalhada do curso / módulo, resumindo os

aspectos-chave que você precisa conhecer para completar o estudo.
Recomendamos vivamente que leia esta secção com atenção antes de
começar o seu estudo.
Conteúdo do curso / módulo
O curso está estruturado em unidades. Cada unidade incluirá uma

introdução, objectivos da unidade, conteúdo da unidade
incluindo actividades de aprendizagem, um resumo da unidade
e uma ou mais actividades para auto-avaliação.
Outros recursos
Para quem esteja interessado em aprender mais, apresentamos

uma lista de recursos adicionais para você explorar. Estes
recursos podem incluir livros, artigos ou sites na internet.
Tarefas de avaliação e/ou Auto-avaliação
Tarefas de avaliação para este módulo encontram-seno final de

cada unidade. Sempre que necessário, dão-se folhas individuais
para desenvolver as tarefas, assim como instruções para as
completar. Estes elementos encontram-se no final do módulo.
Comentários e sugestões
Esta é a sua oportunidade para nos dar sugestões e fazer

comentários sobre a estrutura e o conteúdo do curso / módulo. Os
seus comentários serão úteis para nos ajudar a avaliar e melhorar
este curso / módulo.
Ícones de actividade
Ao longo deste manual irá encontrar uma série de ícones nas
margens das folhas. Estes icones servem para identificar
diferentes partes do processo de aprendizagem. Podem indicar
Estatística 7
uma parcela específica de texto, uma nova actividade ou tarefa,

uma mudança de actividade, etc.
Acerca dos ícones

Os icones usados neste manual são símbolos africanos,
conhecidos por adrinka. Estes símbolos têm origem no povo
Ashante de África Ocidental, datam do século XVII e ainda se
usam hoje em dia.
Pode ver o conjunto completo de ícones deste manual já a seguir,

cada um com uma descrição do seu significado e da forma como
nós interpretámos esse significado para representar as várias
actividades ao longo deste módulo.
Habilidades de estudo
Caro estudante, procure olhar para você em três dimensões
nomeadamente: o lado social, profissional e estudante, daí ser
importante planificar muito bem o seu tempo.
Procure reservar no mínimo 2 (duas) horas de estudo por dia e

use ao máximo o tempo disponível nos finais de semana.
Lembre-se que é necessário elaborar um plano de estudo
individual, que inclui, a data, o dia, a hora, o que estudar, como
estudar e com quem estudar (sozinho, com colegas, outros).
Evite o estudo baseado em memorização, pois é cansativo e não

produz bons resultados, use métodos mais activos, procure
desenvolver suas competências mediante a resolução de
problemas específicos, estudos de caso, reflexão, etc.
O manual contém muita informação, algumas chaves, outras

complementares, daí ser importante saber filtrar e apresentar a
informação mais relevante. Use estas informações para a
resolução das exercícios, problemas e desenvolvimento de
actividades. A tomada de notas desempenha um papel muito
importante.
Um aspecto importante a ter em conta é a elaboração de um

plano de desenvolvimento pessoal (PDP), onde você reflecte
sobre os seus pontos fracos e fortes e perspectivas o seu
desenvolvimento.
Lembre-se que o teu sucesso depende da sua entrega, você é o

responsável pela sua própria aprendizagem e cabe a ti planificar,
organizar, gerir, controlar e avaliar o seu próprio progresso.
8 Unidade
Precisa de apoio?
Caro estudante, temos a certeza de que por uma ou por outra
situação, o material impresso, lhe pode suscitar alguma dúvida
(falta de clareza, alguns erros de natureza frásica, prováveis erros
ortográficos, falta de clareza conteudística, etc). Nestes casos,
contacte o tutor, via telefone, escreva uma carta participando a
situação e se estiver próximo do tutor, contacte-o pessoalmente.
Os tutores têm por obrigação, monitorar a sua aprendizagem, dai

o estudante ter a oportunidade de interagir objectivamente com o
tutor, usando para o efeito os mecanismos apresentados acima.
Todos os tutores têm por obrigação facilitar a interação, em caso

de problemas específicos ele deve ser o primeiro a ser
contactado, numa fase posterior contacte o coordenador do curso
e se o problema for da natureza geral, contacte a direcção do
CED, pelo número 825018440.
Os contactos só se podem efectuar, nos dias úteis e nas horas

normais de expediente.
As sessões presenciais são um momento em que você caro

estudante, tem a oportunidade de interagir com todo o staff do
CED, neste período pode apresentar dúvidas, tratar questões
administrativas, entre outras.
O estudo em grupo, com os colegas é uma forma a ter em conta,

busque apoio com os colegas, discutam juntos, apoiem-me
mutuamnte, reflictam sobre estratégias de superação, mas
produza de forma independente o seu próprio saber e desenvolva
suas competências.
Juntos na Educação à Distância, vencedo a distância.
Tarefas (avaliação e auto-

avaliação)
O estudante deve realizar todas as tarefas (exercícios, actividades
e auto-avaliação), contudo nem todas deverão ser entregues, mas
é importante que sejam realizadas.As tarefas devem ser entregues
antes do período presencial.
Para cada tarefa serão estabelecidos prazos de entrega, e o não

cumprimento dos prazos de entrega , implica a não classificação
do estudante.
Estatística 9
As trabalhos devem ser entregues ao CED e os mesmos devem

ser dirigidos ao tutor/docentes.
Podem ser utilizadas diferentes fontes e materiais de pesquisa,

contudo os mesmos devem ser devidamente referenciados,
respeitando os direitos do autor.
O plagiarismo deve ser evitado, a transcrição fiel de mais de 8

(oito) palavras de um autor, sem o citar é considerado plágio. A
honestidade, humildade cintífica e o respeito pelos direitos
autorais devem marcar a realização dos trabalhos.
Avaliação
Vocé será avaliado durante o estudo independente (80% do
curso) e o período presencial (20%). A avaliação do estudante é
regulamentada com base no chamado regulamento de avaliação.
Os trabalhos de campo por si desenvolvidos , durante o estudo

individual, concorrem para os 25% do cálculo da média de
frequência da cadeira.
Os testes são realizados durante as sessões presenciais e

concorrem para os 75% do cálculo da média de frequência da
cadeira.
Os exames são realizados no final da cadeira e durante as sessões

presenciais, eles representam 60% , o que adicionado aos 40% da
média de frequência, determinam a nota final com a qual o
estudante conclui a cadeira.
A nota de 10 (dez) valores é a nota mínima de: (a) admissão ao

exame, (b) nota de exame e, (c) conclusão do módulo.
Nesta cadeira o estudante deverá realizar: 3 (três) trabalhos; 2

(dois) testes escritos e 1 (um) exame escrito.
Não estão previstas quaisquer avaliação oral.
Algumas actividades práticas, relatórios e reflexões serão

utilizadas como ferramentas de avaliação formativa.
Durante a realização das avaliações , os estudantes devem ter em

consideração: a apresentação; a coerência textual; o grau de
cientificidade; a forma de conclusão dos assuntos, as
recomendações, a indicação das referências utilizadas, o respeito
pelos direitos do autor, entre outros.
Os objectivos e critérios de avaliação estão indicados no manual.

Consulte-os.
Alguns feedbacks imediatos estão apresentados no manual.

10 Unidade
Unidade N0 01-A0005
Tema: Estatística e sua aplicação
Introdução
Embora nas antigas civilizações (chinesa, egípcia e romana) já se
fizessem inquéritos destinados a obter informações sobre as
populações e as riquezas económicas, permitindo aos
governantes fazer não só recrutamentos militares mas também
lançar impostos sobre as próprias populações, só bastante mais
tarde (século XVIII) a palavra “ Estatística” foi usada pelo
professor Godofredo Achenwal (economista alemão 1719 - 1772)
da Universidade de Gottingen que a definiu como “a ciência das
coisas que pertencem ao Estado”.
No entanto, o estudo da Estatística, com fundamentação

matemática, só se conseguiria com a criação do Cálculo das
Probabilidades e a sua aplicação aos fenómenos sociais. A
estatística deixa de ser, então, um amontoado de dados para se
transformar num instrumento de análise, de síntese e previsão das
soluções nos casos mais diversos.
Com efeito, nos nossos dias, a sua utilização passou a ser

imprescindível, quer a nível nacional e internacional quer a nível
de empresas, quer a nível individual, procurando estudar
situações e elaborar planos que permitem a tomada das decisões
mais adequadas aos problemas apresentados.
O conceito estatística e a importância de estudar estatística
A palavra ESTATÍSTICA vem do STATUS (Estados em Latim).

Como é do conhecimento geral, a leitura de um simples jornal ou
revista implica, hoje em dia, entender a linguagem dos gráficos e
dos números.
Em todos os campos da actividade humana, a informação é

essencial as decisões dos cidadãos, à vida das empresas, à
sobrevivência dos estados.
Isto implica a profusão dos jornais, revista, livros e relatórios

exibindo tabelas, mapas, gráficos, … contendo variadíssima
informação Estatística sobre os mais variados fenómenos e
características da actividade de um pais:
- Número de habitantes, de trabalhadores por profissão, de família
com e sem casas, de pequenas, médias e grandes empresas, de
importadores e exportadores.
Estatística 11
- Distribuição de voto por região, reprovação e aprovação por nível

e por disciplina, o nível de infecção de HIV/SIDA por região,
número de professores e de escolas, etc.
Qualquer cidadão tem de ser capaz de compreender, tirar ilações,
criticar e escolher o que lhe interessa, dessas informações que
diariamente lhe chegam pelos meios de comunicação social.
Ao iniciar um estudo de natureza estatística deverá fazer-se o

seguinte:
 Definir explicitamente o conjunto sobre o qual se vai fazer o
inquérito, de tal forma que se possa dizer, sem ambiguidade, se um
dado pertence ou não ao conjunto;
 Indicar com clareza os dados que se pretendem obter;
 Avaliar, na medida do possível, da veracidade dos dados
recolhidos (de forma a não alterar os resultados da analise que se
pretende);
 Ordenar convenientemente os dados recolhidos em tabelas, de
utilização rápida e estudo simplificado.
Ao completar esta unidade, você será capaz de:
 Colaborar na resolução de problemas da comunidade em que se

insere;
 Resolver problemas de natureza quantitativa no âmbito das ciências
humanas;
Objectivos  Comunicar com clareza, oralmente e por escrito;
 Avaliar e criticar afirmações de carácter estatístico;
 Interpretar e comparar distribuições estatísticas recorrendo às
medidas de localização e de dispersão e gráficos;
 Indicar situações em que a estatística presta relevantes serviços,
recorrer à calculadora para resolver problemas de estatísticas;
Sumário
Estatística descritiva e estatística Indutiva
Desde o século passado que a estatística constitui um ramo da

Matemática estruturando cientificamente e em estreita ligação
com o cálculo das probabilidades
Na estatística consideram-se dois ramos:

- A Estatística Descritiva, que visa descrever o real de forma a
permitir entende-lo melhor;
12 Unidade
- A Estatística Indutiva, que a partir de uma amostra da

população permite estender os resultados à população inteira.
Estatística Descritiva
Neste módulo pretende-se apresentar os conceitos princípios

relacionados com os métodos de recolha e apresentação de dados,
bem como das medidas estatística próprias para análise e
interpretação dos dados recolhidos. Em suma, pretende-se
desenvolver cada um dos aspectos presentes na definição de
Estatísticas Descritiva.
Consiste na recolha, apresentação, análise e interpretação de

dados numéricos através da criação de instrumentos adequados:
quadros, gráficos e indicadores numéricos.
Os métodos para recolher, classificar, sintetizar, apresentar e

interpretar informação qualitativa constituem uma parte
importante da teoria estatística; de facto, constituíram até a
matéria, quase exclusiva, das primeiras obras desta área
científica. Outros aspectos da teoria Estatística, cumpre assinalar,
têm igual ou maior importância, como sejam os métodos de
inferência Estatística que permitem retirar conclusões sobre um
grupo determinado – população ou universo – a partir da
informação recolhida para uma amostra.
Convém referir que o termo “ESTATÍSTICA” é utilizado para

referir a dois conceitos diferentes, conforme se utiliza no singular
ou no plural. Quando utilizado no plural, é sinónimo de factos ou
dados numéricos, enquanto que no singular constitui um objecto
de estudo, uma ciência, tal como o é a Matemática, e
compreende, como foi referido anteriormente, um conjunto de
princípios e métodos de recolha, classificação, síntese e
apresentação de dados numéricos.
A utilidade da estatística pode ser resumida de seguinte modo:

- Permitir descrever e compreender relações entre variáveis: numa
época em que a quantidade de informação aumenta tão
rapidamente, os centros de decisão têm necessidade de se
manterem actualizados e controlarem as grandes massas de dados
com que são inundados quase diariamente; para tal é necessário
que a informação lhe seja apresentada de forma a possibilitar a
sua interpretação imediata e a identificação das relações mais
importantes;
- Permitir a tomada de melhores e mais rápidas decisões: porque é
possível controlar mais informação num mais curto espaço de
tempo;
- Facilitar a tomada de decisões para fazer face à mudança: num
mundo em constante mudança, a planificação e a tomada de
decisões deverá apoiar-se em bases sólidas, no conhecimento
profundo das situações passadas e presentes e numa previsão
fundamentada da evolução futura
- O objectivo da estatística descritiva é informar, prevenir e
esclarecer.
Estatística 13
- O campo de acção da estatística descritiva tem-se revelado quase

ilimitado:
- Em diversos campos de carácter social sobre populações, as suas
condições de vida, de trabalho e de saúde, de educação, de
cultura.
- Em estudos de carácter económico, importações e exportações,
consumo de turistas, emigração etc…
- Em estudos metrológicos (temperatura, precipitação…)
- Em estudos políticos (distribuição de votos por região, ..) etc.
Estatística Indutiva (ou Inferencial)
Enquanto a estatística descritiva analisa todos os indivíduos de

um dado conjunto e tira conclusões sobre esse conjunto no seu
todo, a estatística indutiva trata de estabelecer conclusões
relativas a um conjunto mais vasto de indivíduos (população) a
partir da observação de uma parte dela (amostra) com base na
estrutura matemática que lhe confere o cálculo das
probabilidades.
Os resultados finais de uma eleição são objecto de estudo da

Estatística Destrutiva.
As previsões feitas por ocasião das eleições, imediatamente

depois do fecho das urnas, são feitas a partir de uma amostra
utilizando a Estatística Indutiva.
A Estatística Indutiva desempenha um importante papel na

investigação científica ,em diversos sectores como:
- A medicina, a farmácia, a sociologia, a psicologia, a química,

a educação, a agricultura, a linguística, a biologia.
Permitindo estabelecer previsões sobre acontecimentos futuros,

com margem de erro incrivelmente pequenas.
Os métodos estatísticos permitem hoje, em qualquer ciência,

obter uma descrição da realidade física ou social e fornecem um
meio de interpretação dessa realidade.
14 Unidade
Exercícios
1. Como surgiu a Estatística?

2. Em quantas partes se divide a estatística e quais são as áreas de
estudo de cada uma delas?
3. Qual a diferença entre os conceitos de estatística e estatísticas?
4. Porque razão é importante, no processo de tomada de decisões,
Auto-avaliação
recolher informações preliminares antes da definição especifica do
problema?
5. Diga em que domínio de estatísticas - descritiva ou inferência –
incluiria as seguintes afirmações:
a) 30% dos estudantes de estatística do curso de gestão não
conseguem fazer a cadeira em avaliação continua.
b) Os pneus da marca Rodamais duram 60.000 km.
c) Uma em cada dez empresas portuguesas tem dívidas à
segurança social.
Estatística 15
Unidade N0 02-A0005
Tema: As etapas do método
Introdução
Nesta unidade vamos estudar as principais etapas do método
estatístico pois elas são muito importantes para qualquer estudo
ou investigação de natureza estatística.
 Saber as etapas do método estatístico.

 Saber o objecto de estudo da estatística descritiva.
Objectivos
Sumário
As etapas do método estatístico
O objectivo deste módulo é, precisamente, apresentar métodos

estatísticos que satisfazem os três aspectos referidos e que se
realizam nas diferentes etapas constantes da definição de
estatística descritiva: recolha, apresentação e interpretação de
dados.
São estas as etapas que definem o método estatístico de resolução

de problemas:
1. Identificação do problema ou situação

Deverá ser claro, desde o inicio do estudo, qual o problema a
analisar e, uma vez conhecido, qual o tipo de decisões que se
pretendem tomar. Esta etapa requer já algum conhecimento
estatístico pois os métodos a aplicar não são, de modo nenhum,
independentes da informação que se pretende recolher. Uma
16 Unidade
identificação incorrecta do problema torna todas as etapas

seguintes inúteis. Ainda nesta etapa e para tornar a identificação
do problema mais fácil poderá ser utilizada alguma informação
quantitativa já existente.
2. Recolha de dados
Uma vez identificado o problema, a etapa seguinte consiste na

recolha dos dados necessários, apropriados, tão completos quanto
possível e, sobretudo, pertinentes para a situação que se pretende
analisar.
A recolha de toda a informação necessária pode ser feita

directamente quando os dados são obtidos de fonte originária ou
de forma indirecta quando os dados recolhidos provem já de uma
recolha directa. Aos primeiros, que é possível encontrar em
registos ou ficheiros, chamam-se dados primários enquanto que
os valores não disponíveis nestas fontes e calculados a partir
daquelas são dados secundários. Todos os dados resultantes de
inquéritos feitos directamente a uma população ou a um grupo
dessa população são dados primários. São ainda exemplos destes,
todos os dados disponíveis nas estatísticas publicadas pelo I.N.E.
– o número de nascimentos, casamentos e óbitos de cada região
do ano de 2007, por exemplo, o número de desempregados em
determinado sector de actividade económica, a distribuição das
empresas do sector agrícola pela área de exploração, etc., etc.
Dados secundários serão por exemplo, uma estimativa da
esperança de vida à nascença nos valores observados nos últimos
dez anos 2000 com base na inflação para o ano de 1995.
As fontes de dados podem ainda ser classificados como internas

ou externas. Por exemplo, os serviços de contabilidade,
produção ou marketing de uma empresa constituem fontes
internas de informação económica e comercial que deverão ser
postas ao dispor dos órgãos de decisão da empresa. Informação
externa à empresa é a proveniente dos organismos públicos,
como o Governo, o Instituto Nacional de Estatística (I.N.E.) ou
privados como os seminários económicos e revistas de
especialidade.
No respeitante à periodicidade, a recolha dos dados pode ser

classificada como:
- Continua −> Quando realizada permanentemente;
- Periódica −> Quando feita em intervalos de tempo;
- Ocasional −> Quando realizada de modo esporádico;
No processo de tomada de decisões na empresa, a todo momento

nos deparamos com a necessidade de conhecer as características
passadas e presentes da própria empresa e do seu meio
Estatística 17
envolvente: custos de produção, custos de aquisição da matéria-

prima, custos de comercialização e publicidade, tempo de
execução de determinadas tarefa, nível de escolaridade dos
empregos, preços dos produtos concorrentes, procura de
determinado produto, preferências dos consumidores, etc., etc.
Muitas vezes acontece não estar disponível toda a informação

necessária ou porque não existe de todo ou porque se encontra
desactualizada. Nestes casos, é necessário recolher nova
informação, o que poderá ter vantagens e desvantagens.
Vantagens porque permite uma definição precisa da informação a
recolher e das suas escalas de medida, para que os dados
verifiquem todas as propriedades necessárias para responder
eficazmente ao problema em analise. Desvantagem, também,
porque poderá tornar o estudo e a obtenção de resultados
demasiados morosos e caros.
Existem vários métodos para recolha de nova informação. As

entrevistas pessoais são uma prática corrente: um entrevistador
faz ao inquirido perguntas retiradas, de preferência, de um
questionário estruturado, e coloca as respostas nos espaços a elas
reservadas. Mas as entrevistas podem também ser feita pelo
telefone ou, quando por alguma razão se quer evitar a presença
de um entrevistador, pode optar – se por enviar o questionário
pelo correio.
3. Crítica dos dados
Uma vez os dados recolhidos, quer sejam dados primários ou

secundário é necessário proceder-se a uma revisão critica de
modo a suprimir valores estranhos ou eliminar erros capazes de
provocar futuros enganos de apresentação e analise ou mesmo de
enviesar as conclusões obtidos.
Esta critica é tanto mais necessária quando toda ou parte da

informação provem de fontes secundárias, sujeitas a erros de
reprodução e que nem sempre explicitam como os dados foram
recolhidos ou quais os limites à sua utilização.
4. Apresentação dos dados
Após a recolha e a critica, convêm organizar os dados de maneira

prática e racional, para um melhor entendimento do fenómeno
que se pretende estudar.
Começa aqui o principal objectivo da Estatística Descritiva: criar

os instrumentos necessários para classificar e apresentar
conjuntos de dados numéricos de tal modo que a informação
neles contida seja apreendida mais fácil e rapidamente.
18 Unidade
O processo de classificação consiste na identificação de unidade

de informação com características comuns e no seu agrupamento
em classes. Para classificar é necessário utilizar um método,
predeterminado, de codificação que torne possível a identificação
abreviada das unidades de informação.
Uma vez classificados os dados, passa a ser possível sintetizar a

informação neles contidos com a ajuda de quadros, gráficos e
valores numerários descritivos que ajudem a compreender a
situação e a identificar relações importantes entre as variáveis.
5. Análise e interpretação de resultados
Por último é necessário interpretar os resultados encontrados.

Esta interpretação estará tanto mais facilitada quando se tiverem
concluído em etapas anteriores os instrumentos mais apropriados
a representação de tipos de dados recolhidos.
Conclusões enviesadas podem ser propositados ou não e ter

diferentes causas. É suficientemente conhecido o exemplo de
entidades que, para situações idênticas, retiram conclusões
bastante divergentes: as taxas de infiltração e desemprego
estimadas pelos órgãos governamentais e pelos sindicatos
raramente coincidem. São exemplos de enviesamento
propositado para servir fins políticos em que se torna difícil
demonstrar, com rigor, qual delas está errada.
Mas, muitas vezes, o enviesamento não é propositado. Pode

começar por ser o resultado de medidas de estatística descritiva
pouco adequadas ao problema em causa, por diferentes escalas de
medida ou ainda por bases de comparação pouco adequadas.
Exercícios
1. Quais as etapas do método estatístico de resolução de problemas?

2. Como classifica as fontes de dados estatísticos.
3. Como classifica a recolha de dados estatísticos no que respeita à
periodicidade.
4. Quais os métodos de recolha de informação que conhece?
Auto-avaliação
5. Em que consiste o processo de classificação dos dados?
6. Dê alguns exemplos de enviesamento dos resultados obtidos
numa análise estatística.
Estatística 19
Unidade N0 03-A0005
Tema: População, Amostra, Senso

e Sondagem
Introdução
Para trabalhar com segurança nos dados estatísticos, é preciso
saber se está perante dados de uma amostra ou de uma população
inteira. É nesta unidade onde podemos estudar as diferenças entre
população e amostra, censo e sondagem.
 Ter conhecimento dos conceitos população e amostra, censo

e sondagem.
 Ser capaz de exemplificar cada conceito acima citado.

Objectivos
Sumário
População
É um conjunto de indivíduos ou objectos que apresentam pelo

menos uma característica em comum. A população pode ser
finita ou infinita. Na prática, quando uma população é finita, com
um número grande de elementos, considera-se como população
infinita.
Amostra
Considerando-se a impossibilidade, na maioria das vezes, do

tratamento de todos os elementos da população, retira-se uma
parte da população (amostra).
20 Unidade
Todo o subconjunto não vazio e com menor número de

elementos do que o conjunto definido como população constitui,
por definição, uma amostra dessa população.
Num estudo estatístico é sempre melhor usar uma população em

vez de uma amostra, mas tal nem sempre é possível.
Algumas das causas que levam ao uso de uma amostra são:

 A população ser infinita;
 Economia de dinheiro e tempo;
 Comodidade (diminuição do número de documentos);
 Testes destrutivos (no estudo destroem-se os elementos, por
exemplo: qualidade dos fósforos, de vinho, etc.).
É necessário ter muito cuidado na escolha da amostra. Se não for
bem escolhida todo o estudo pode conduzir a conclusões erradas.
Na escolha de uma amostra deve ter-se em conta a

imparcialidade, a representatividade e o tamanho.
As características da amostra devem aproximar-se tanto quanto

possível da população.
No caso da população moçambicana, amostra deve conter por

exemplo, indivíduos do norte, centro, e sul, do litoral e do
interior, das cidades e do campo, homens e mulheres, jovens e
adultos.
Censo
Se todos os elementos da população são observados diz-se que se

fez um levantamento exaustivo, ou recenseamento, ou apenas
censo.
Sondagem
Um estudo estatístico feito a partir de uma amostra chama-se

sondagem ou amostragem.
As sondagens, estudos feitos a partir da amostra, são muito

usadas, por serem mais fáceis de realizar, mais rápidas e mais
rápidas e mais económicas.
Alem disso, são indispensáveis quando a observação das

unidades implica a sua destruição
Estatística 21
Carácteres Estatísticos
Chama-se carácter ou variável estatística a propriedade que vai

ser estudada.
Entre os caracteres estatísticos temos:

 Carácteres quantitativos ou variáveis quantitativas – são os que
podem medir ou referenciar usando números. Podem ser discretos ou
contínuos.
O carácter ou a variável é discreta se o número de valores
diferentes que podem tomar é finito, isto é, se só pode tomar
valores isolados em pontos da recta real.
Exemplo 1: número de erros em um livro, número de golos,

número de irmãos, etc.
A variável é contínua se pode assumir teoricamente qualquer

valor em certo intervalo da recta real.
Exemplo2: Temperatura do ar, altura, peso de alunos, pressão

arterial, etc. Pois teoricamente um indivíduo poderá ter como
peso 50,5 kg, 50,572 kg, 50,585 kg …
Carácteres qualitativos – são os que não podem medir ou

referenciar numericamente.
Exemplo3: Nacionalidade, intenção de voto, profissão, raça, cor,

sexo, grupo sanguíneo,..
22 Unidade
Exercícios
1. Indique, nos casos seguintes, a população, o indivíduo, o

carácter e o tipo de carácter em estudo.
a) Marca de cada um dos carros estacionados num porque num

Auto-avaliação certo instante.
b) O número de espectadores com cartão-jovem num certo

concerto.
c) O número de faltas de cada aluno de uma escola num

trimestre.
d) A cor dos cabelos das senhoras com mais de 50 anos de idade.

2. Os estudos seguintes são feitos a partir de amostras.
Indica em cada caso, se as conclusões poderão ser válidas para
toda a população em estudo. Justifica.
a) Para investigar qual o desporto preferido pelos jovens entre 15 e
18 anos, inquiriram-se jovens dessas idades a saída de um jogo de
basquetebol.
b) Para estudar o interesse da população no programa televisivo
Fama – Show entrevista-se 100 candidatos à academia do Fama
no Caya – Cuanga.
c) Para estimar quantos alunos de uma escola estariam interessados
em usar a Internet inquiriram-se todos os alunos com o número
de matrícula múltiplo de 5.
Estatística 23
Unidade N0 04-A0005
Tema: Organização de dados e

frequência
Introdução
Na organização dos dados temos que ter em conta se vamos ou
não agrupar em classes. Para os dois casos temos que saber os
procedimentos para a composição das tabelas das frequências
absolutas e relativas.
 Saber compor a tabela das frequências absolutas e

relativas.
 Saber determinados as amplitudes e o numero de classes

Objectivos nos dados agrupados.
Sumário
Dados brutos e rol de uma amostra. Frequências absolutas e relativas
Como se observou anteriormente, a estatística tem como

objectivo encontrar as leis de comportamento para todo o
conjunto, por meio de sintetização dos dados numéricos, sob a
forma de tabelas, gráficos e medidas. A seguir são apresentadas
os procedimentos para a reprodução das distribuições de
frequências.
As séries estatísticas são o resultado de recolha de dados que

estão sujeitos no seu apuramento a determinadas leis:
24 Unidade
Dados brutos
O conjunto de dados numéricos obtidos após a crítica dos valores

colectados constitui-se nos dados brutos, assim: 24, 23, 22, 28,
34, 35, 21, 23, 33, 34, 21, 25, 36, 26, 22, 30, 32, 25, 26, 33, 34,
21, 31, 25, 31, 26, 25, 35, 33, 31 são exemplos de dados brutos.
(idades dos estudantes de uma turma).
Rol
É o arranjo dos dados brutos em ordem crescente ou decrescente.

Assim: 21, 21, 21, 22, 22, 23, 23, 24, 25, 25, 25, 25, 26, 26, 26,
28, 30, 31, 31, 32, 33, 33, 33, 34, 34, 34, 35, 35, 36.
Amplitude total “renge” (R) ou (At)
É a diferença entre o maior e o menor valores observados.
No exemplo dado, R = 36 – 21 = 15 ou At = 36 – 21 = 15
Frequência absoluta (fi)
Frequência absoluta do valor xi é o número de vezes que o

elemento xi aparece na amostra, ou é o número de elementos
pertencentes a uma classe.
No exemplo anterior, 3 é a frequência absoluta do valor 21 ou f

(21) = 3.
A soma de todas as frequências absolutas é igual a população.
 fi = N
i 1
Estatística 25
Distribuição de frequências
(dados não agrupados)
É o arranjo de valores e suas respectivas frequências.
Para o exemplo dado será:
Xi 21 22 23 24 25 26 28 30 31 32 33 34 35 36
Fi 3 2 2 1 4 3 1 1 3 1 3 3 2 1
15
f
i 1
i  30
Frequência relativa
A frequência relativa de um valor xi é o quociente entre a

frequência absoluta desse valor e o número total da população. A
frequência relativa pode apresentar-se:
fi
a) Por um numero abstracto, fr = , desta forma 0  fr  1
N
100 f i
b) Ou em percentagem, fr  %
N
No nosso exemplo (idade dos estudante de uma turma) podemos

calcular a frequência relativa, dos estudantes com 26 anos de
idade.
fr 26   0,1 ou fr 26 

3 3.100
 10%
30 30
A soma de todas frequências relativas é igual a unidade ou a

100%.
26 Unidade
n n
fi
i 1 N
  fri  1
i 1
Dados agrupados em classe
Quando a variável é continua ou quando o número de valores

observados é grande, é conveniente fazer o seu agrupamento em
classes.
O número de classes (k)
Não há uma fórmula exacta para o cálculo do número de classes.

Temos duas sugestões:
a) K  5 para N  25 e K  N para N > 25
b) Fórmula de Sturges K  1 3,22 . lgN onde N é o tamanho da

amostra.
Amplitude da classe (h)
h  R:h
O número de classes (k) assim como a amplitude das classes (h),

deve ser aproximado para o maior inteiro.
Assim, se K  6,4 usa-se K  7 ou se h  1,7 usa-se h  2 .
Limite das classes
Existem diversas maneiras de expressar os limites das classes.
a) 6,10 Compreende todos os valores de 6 a 10.

b) 6,10 Compreende todos valores de 5 a 10 excluindo o 10.
Estatística 27
c) 6,10 Compreende todos valores de 6 a 10, excluindo os

extremos.
d) 6,10 Compreende todos os valores de 6ª 10, excluindo o 6, usa-
se mais a forma b
Ponto médio ou marca da classe
É a média aritmética entre o limite inferior e superior da classe.
Exemplo 4
Está registado abaixo, o tempo em segundo que cada estudante

aguenta sem inspirar nem expirar depois de encher os pulmões.
83 59 83 47 72
84 37 33 43 42
39 42 20 35 40
58 40 69 73 55
30 82 21 34 59
45 52 30 86 30
26 77 48 85 65
31 29 80 70 30
36 86 76 81 30
60 22 81 55 55
Componha a tabela indicando: as classes, os pontos médios e as

frequências.
28 Unidade
Resolução
Amplitude total R = 86 – 20 = 66
Numero de classes K = 1+ 3,22lg50  7 ou K  50  7
Amplitude de classes h = R: h = 66: 7  10
Vamos considerar 7 classes de amplitude 10, de 20 a 90.
Ponto
médio ou Frequência Frequência
Classes Fr (%)
marca da absoluta (fi) relativa (fr)
classe (xi)
20,30 25 5 0,1 10
30;40 35 12 0,24 24
40;50 45 8 0,16 16
50;60 55 7 0,14 14
60;70 65 3 0,06 6
70;80 75 5 0,1 10
80;90 85 10 0,2 20
Total N=∑ ∑fi=1 100

fi =50
Exercícios
14. Numa turma da 10ª classe, perguntou-se a cada aluno quantos
irmãos tem. Segue-se o registo dos alunos:
0,1,6,3,2,3,1,1,0,1,1,12,0,2,2,4,2,1,0.
Construa a tabela das frequências.

Estatística 29
15. De uma pauta onde estavam registados os resultados de um

teste de estatística e cujas notas a atribuir variam de 7 a 14,
registarem-se as seguintes classificações:
11,8,11,8,12,14,9,11,10,9,12,9,11,12,10,9,8,11,8,8,8,10,10,9,10,1
3,9,9,10,9,10,10,13,12,13,14,11,14,14,12,8,11,12,11,12,13,11,11,
12 e 10.
Construa a tabela de frequências.
16. Na tabela abaixo estão os dados do inquérito feito aos

docentes de uma escola secundária, referente a marca do
telemóvel que usam.
Marca do Efectivo Frequência Fr (%)
telemóvel (fi) relativa (fr)
Ericson 10
Motorola 10
Nokia 12
Panasonic 4
Samsung 2
Siemens 6
Sony 8
Complete a tabela (arredonde os dados para duas casas decimais).

17. Nas eleições para um distrito urbano estavam inscritos 4000
eleitores. No partido A votaram 34%, no partido B 1200
eleitores, 10% abstiveram-se e os restantes votaram no partido C
a) Quantos leitores votaram?
b) Calcule a percentagem dos eleitores que votaram no Partido B.
c) Qual é o partido que venceu as eleições?

30 Unidade
18. Num inquérito económico regional do nosso País,

efectuaram-se levantamentos de dados sobre produção agrícola
da produção de milho, numa determinada época, tendo-se
apurado o seguinte resultado.
Auto-avaliação
Regional Efectivo da Percentagem

Produção (em da produção
toneladas)
Norte
Centro 850.000 35
Sul 580.000
Total
a) Indique a variável em estudo e classifique-a;

b) Complete o preenchimento da tabela acima apresentada;
c) Sabendo que cada região gastou, em média, 350 litros de
combustível (gasóleo) por tonelada de produção, quantos
meticais o país desembolsou em combustível nas três regiões,
atendendo que o litro custava 22,00Mt?
19. Num inquérito, feito a 30 alunos de uma classe de instrução

primária sobre suas alturas foram obtidas os seguintes resultados,
em centímetros:
126
1 124 130 136 124
3
0
128
1 128 131 127 130
3
1
131
1 130 127 124 127
2
7
130
1 125 136 129 135
2
8
127
1 132 132 133 123
3
2
a) Indique a variável em estudo e classifique-a.

b) Construa uma tabela de frequência.
Estatística 31
Unidade N0 05-A0005
Tema: Frequências acumuladas e

gráficos
Introdução
As frequências absolutas e relativas podem ser acumuladas
ascendentes e descendentes. Nesta unidade vamos compor as
tabelas das frequências acumuladas ascendentes e descendentes,
assim como os seus respectivos tipos de gráficos.
 Saber calcular as frequências acumuladas ascendentes e

descendentes;
Objectivos
 Ser capaz de reconhecer os gráficos: de barras e histogramas
de diferentes tipos de gráficos.
Sumário
Frequências absolutas acumuladas descendentes fa (  )
No exercício número 15 na unidade anterior falamos de dados

referentes aos resultados de uma pauta de Estatística.
Queremos resolver a seguinte questão:
Qual é a frequência absoluta dos estudantes com classificações

inferiores ou iguais a 10?
Podemos obter a resposta dessa questão somando as frequências

das classificações de 7, 8, 9 e 10.
Representa-se por:
fa x  10  fa x  7  fa x  8 fa x  9  fa x  10 
32 Unidade
 0  7  8  9  24.
De igual modo podemos calcular a frequência dos estudantes
com classificações iguais ou menores a 12.
fa x  12  0  7  8  9  10  42
Frequência acumulada descendente do valor xi, fa (  ) é a soma

de todas as frequências dos valores menores ou iguais a Xi.
Frequência absoluta acumulada ascendente fa ()
Agora queremos a frequência dos estudantes com notas maiores

ou iguais a 10. Pede-se neste caso F x  10 .
Analogamente como na tarefa anterior, vamos somar todas as

frequências dos valores maiores ou iguais a 10.
F x ,10  fax  10  fa  fax  11  fax  12  fax  13  fax  14 
 10  8  4  4  26
Frequência acumulada ascendente do valor Xi, é a soma de todas

as frequência dos valores (menores?) maiores ou iguais a Xi.
Podemos construir uma tabela com todas as frequências absolutas

e relativas, acumuladas descendentes e ascendentes:
fa ; fa ; fra.
Tabela das frequências do exercício número 2 da unidade 4.
fra
Xi fi fr Fa(  ) Fa(  ) Fra(  )
( )
7 0 0 0 50 0 1
8 7 0,14 7 50 0,14 1
9 8 0,16 15 43 0,3 0,86
10 9 0,18 24 35 0,48 0,70
11 10 0,2 34 26 0,68 0,52
12 8 0,16 42 16 0,84 0,32
13 4 0,08 46 8 0,92 0,16
14 4 0,08 50 4 1,00 0,08
Total 50 1
Estatística 33
Através desta tabela podemos obter respostas rápidas das

perguntas sobre as frequências acumulas:
- A Frequência absoluta dos estudantes com notas inferiores a 11 é
24 (ou seja, 24 alunos têm uma classificação menor ou igual a 11
/ 24 alunos têm uma classificação não superior a 11);
- A frequência absoluta dos estudantes com notas maiores ou
iguais a 12 é 16 (ou seja, 16 alunos têm uma classificação maior
ou igual a 12);
- A frequência relativa dos estudantes com notas maiores ou iguais
a 10 é 0,48 ou 48%.
- A Percentagem dos estudantes com notas maiores que 9 é de 70%
(ou seja, 70% dos alunos têm uma classificação não inferior a 9).
Formas de representação gráfica
 Gráfico de barras ou de colunas

Nestes gráficos os dados são representados por meio de colunas
(ou barras) da mesma largura e com alturas correspondentes às
frequências.
Exemplo 5
Fez-se um levantamento dos programas preferidos de 100

telespectadores de uma localidade.
Os resultados obtidos registaram-se na seguinte tabela:
Tipo de programas Efectivos
Filmes (F) 20
Concursos (C) 15
Telenovelas (T) 30
Informação (I) 25
Outros (O) 10
Total 100
Vamos construir um gráfico de barras corresponde às frequências

absolutas apresentadas na tabela.
34 Unidade
30
25 Filmes (F)
20 Concursos (C)
15 Gráfico de
Telenovelas (T)
10
frequências
Informação (I) absolutas
5 Outros (O)
0
Efectivos
Para traçar um gráfico de barras, marca-se sobre o eixo das

abcissas (de um sistema de dois eixos coordenados rectangulares)
os valores da variável Xi e, sobre o eixo das ordenadas, os valores
das frequências fi ou fa.
Por cada um dos pontos marcadores sobre o eixo das abcissas

traçam-se segmentos de recta de comprimento igual à frequência
respectiva,
Exemplo 6
Consideremos a seguinte tabela de frequências.
Variável (Xi) Frequência Frequência

absoluta (fi) acumulada (fa)
1 5 5
2 8 13
3 10 23
4 7 30
5 5 35
6 8 43
7 12 55
8 15 70
Estatística 35
Podemos fazer a sua representação gráfica utilizando um gráfico

de barras.
fi
15
10
5
0
1 2 3 4 5 6 7 8 9 xi
Gráfico de frequências absolutas
Observação: Este tipo de diagrama é indicado para comparar

dados qualitativos e quantitativos de tipo discreto.
fi 70
60
50
40
30
20
10
0
1 2 3 4 5 6 7 8 9 10 xi
Gráfico de frequências acumuladas
Sectogramas ou diagramas circulares
Este tipo de gráficos usa-se quando se pretende comparar

diversas partes de um todo.
Divide-se um circulo em sectores de amplitude proporcionais às

frequências absolutas.
Sabendo que ângulo ao centro correspondente a toda

circunferência vale 360º, temos:
amplitude 360º
 donde amplitude = 360ºfr se fr está
fr 1
expresso em percentagem, ampl=360º.fr
36 Unidade
Pictogramas
São gráficos cuja características principal é o uso de figuras

alusivas ao fenómeno em estudo. Utiliza-se bastante em
propaganda, dado o seu apelo visual permitir uma percepção
imediata do que se está a tratar.
Estatística 37
Exemplo 8
Uma fábrica produziu, durante três anos, os seguintes

computadores:
Produção de computadores Efectivos (fi)

em
2005 150000
2006 225000
2007 300000
2005 2006 2007
Cada representa 50 000 computadores
Histogramas e polígonos de frequências
Os histogramas são gráficos que representam os dados de uma

distribuição de valores agrupados em classes. São formados por
rectângulos justapostos de bases correspondentes às amplitudes
de cada classe, marcadas no eixo dos XX´, áreas proporcionais
às respectivas frequências (simples ou acumuladas).
Polígono de frequências simples
É a linha que une os vértices superiores de direitos dos

rectângulos de um histogramas de frequências acumuladas.
38 Unidade
Exemplo 9
As alturas, em cm, de alunos de uma turma são

Xi fi dadas pela tabela:
150,155 4 Vamos construir um

correspondente a estes dados.
histograma
155,160 7
160,165 8 180
170
165,170 6 160
150
170,175 5 140
130
1 2 3 4 5 6
Total N = 30
Altura dos alunos de uma turma
Exemplo 10
Vamos construir o polígono de frequências, que diz respeito ao

peso (em kg) dos alunos de uma escola cujos dados estão
representados na tabela seguinte:
Peso (em Nº de fa
kg) 70
alunos 60
(fi) 50
40
60,62 3 3 30
20
10
62,64 15 18 0
1 2 3 4 5 6
64,66 47 65
66,68 27 92
68,70 8 100
Total N = 100 -
Estatística 39
fi 100
80
60
40
20
0
1 2 3 4 5 6 7 8 xi
Histograma de frequências absolutas acumuladas
Exercícios
20. As classificações dos alunos de uma turma na disciplina de
filosofia no final do 1º trimestre, foram as seguintes:
10 10 12 11 9
14 8 9 10 12
15 13 8 13 14
9 11 10 12 17
14 9 8 12 10
a) Elabore uma tabela de frequências absolutas e relativas, simples a

acumuladas.
b) Qual foi a classificação mais frequente?
c) Determine a percentagem de alunos com classificação negativa.
d) Quantos alunos tiveram nota superior a 12?
e) Qual é o número de alunos que tiveram a nota inferior a 11?
f) Qual a percentagem de alunos cuja classificação variou entre 10 e
13 (inclusive)?
21. O gráfico seguinte indica o número de máquinas expedidas
em 1993 numa empresa.
15
10
0
5
0
Jan Abr Jul/Ag Nov
40 Unidade
a) Qual a população em estudo?

b) Indique a unidade estatística.
c) Faça uma tabela de frequências absolutas simples e
acumuladas que represente a distribuição apresentada no
gráfico.
d) Qual o mês em que houve maior expedição de máquinas?
e) Quantas máquinas se expediram até Junho de 93 (inclusive)?
22. Num congresso sobre “Qualidade de ensino” estiveram

presentes 10 oradores, 150 professores e 15 funcionários.
Represente esta informação através de um diagrama circular,

fazendo as legendas respectivas.
23. Dos 835 mil contos atribuídos pelo M.E., em 1993, para o
desporto de alta competição, 500 mil foram distribuídos de
seguinte modo:
Atletismo – 128500
Andebol – 65000
Basquetebol – 50000
Futebol – 200000
Natação – 51000
Tiro – 5500
a) Indique a população e amostra em estudo;

b) Indique a percentagem da verba atribuída ao futebol, em relação
à verba atribuída à amostra.
c) Calcule a percentagem da verba atribuída à modalidade
Basquetebol relativamente à dotação total da população;
d) Construa um diagrama circular dos dados apresentados.
e) Sabendo que foi de 3% a verba atribuída à Ginástica, determine o
montante recebido por esta modalidade.
25. A tabela a seguinte indica a distância de casa à escola de 30
alunos de uma turma:
Distância 0,5 5,10 10,15

em km
Efectivo 15 8 7
Estatística 41
a) Indique a amplitude de cada classe.

b) Qual é a marca de cada classe?
c) Represente os dados apresentados através de um hestograma.
d) Construa o polígono de frequências absolutas simples e de
frequências absolutas acumuladas.
26. Considere a seguinte tabela de dados agrupados:
Classes Frequências
Represente estes dados por
40,50 5 meio de um histograma de
frequências absolutas e
50,60 10
desenhe o respectivo
60,70 16 polígono de frequências.
70,80 12
80,90 8
80,90 5
Auto-avaliação
42 Unidade
Unidade N0 06-A0005
Tema: Somatórios
Introdução
Para ler este manual não é necessário conhecimentos de
matemática além do que é dado no 1º ciclo do Ensino Secundário
Geral ou noutros níveis equivalentes.
Entretanto, nesta Unidade é dada uma noção sobre somatório

que, apesar de simples, geralmente não é conhecido em tais
níveis.
 Conhecer o uso de Somatório e sua importância;
 Saber resolver expressões com somatórios
Objectivos
Sumário
Somatórios
Muitas vezes é necessário indicar a soma de n valores.
Como exemplo, vamos supor que 20 alunos fizeram uma prova e

existe interesse em determinar a média das notas obtidas.
Devemos então somar todas as notas e dividir a soma das notas
por 20.
Estatística 43
Existe uma forma, bastante compacta, para indicar que deve ser
feita uma operação de forma, conforme veremos aqui.
Suponhamos então que os nomes dos 20 alunos estão

organizados em uma lista, por ordem alfabética.
Basta um X1 indicar a nota do aluno cujo o nome é o primeiro da

lista, X2 indicar a nota do aluno é o segundo da lista e assim por
diante, até X20, que irá indicar a nota do aluno cujo o nome é o
vigésimo da lista. Então os índices 1, 2, 3,… 20, corresponde à
posição dos nomes da lista.
Estabelecida esta notação, podemos indicar a soma das notas dos

20 alunos como segue:
X1 + X2 +… +X20 onde os pontos significam “e assim por

diante”.
Entretanto, também podemos indicar esta soma de outra forma,

20
bem mais compacta. Basta escrever  Xi
i 1
que se lê
“Somatório de x índice i, i variando de 1 a 20”. O símbolo que

indica o somatório é,  , e é a letra grega sigma maiúscula.
n
Portanto, quando escrevemos i 1
Xi estamos
indicando que o índice i deve ser, sucessivamente, substituído por

números inteiros, em ordem crescente, começando por 1 e
terminando em n e depois deve ser feita a soma X1 + X2 + X3 +
… + Xn.
Podemos utilizar qualquer letra para indicar o índice. Entratanto,

são mais frequentemente utilizadas as letras i, j e k.
Vejamos um exemplo. Sejam X1 = 2, x2 = 4, x3 = 3 e x4 = 1. Para

indicar a soma desses valores, escrevemos:
 Xi
i 1
Desse modo, 
4
Xi = 2+4+3+1 = 10
i 1
Em estatística, muitas vezes é necessário obter o quadrado da

soma de X1, X2, …, Xn.
44 Unidade
Ora, já vimos que a soma de x1, x2, … xn pode ser indicada por
n
i 1
Xi . Para indicar o quadrado dessa soma, isto é, para
indicar (x1+x2+…, xn)2 basta escrever
n
(  Xi ) . Vejamos um exemplo. Sejam X
i 1
2
1 = 3, x2 = 4, x3
n
= 1, x4 = 2 e x5 = 3. É fácil ver que i 1
Xi =
3+4+1+2+3 = 13
5
Agora podemos obter (  Xii 1
)2 = 132 = 169
Muitas vezes também é necessário obter a soma dos quadrados

dos valores X1, X2, … Xn. Ora esta soma de quadrados pode ser
indicada como segue:
x1  x2  ...  xn .
2 2 2
Entretanto, também podemos indicar essa soma de quadrados

desses números escrevendo:
x
2
i .O valor dessa soma é
i 1
n
x  xi  x1  x2  32  5 2  12  35
2 2 2 2
i
i 1
Suponhamos agora que temos dois conjuntos de números, isto é,

o conjunto x1, x2, …, xn e o conjunto y1, y2, …, yn. Pode haver
interesse em obter a soma dos produtos x1 y1, x2 y2, …, xn yn.
Ora, esta soma pode ser indicada como segue:
X1 y1 + x2 y2 + …+ xn yn ou de uma forma mais compacta, como

n
segue: x
i 1
i yi
Vejamos um exemplo: Sejam X1 = 2, X2 = 3 e X3 = 0 e sejam y1

= 1, y2 = 2 e y3 = 5. A soma dos produtos é indicada por
3
x i 1
i yi O valor dessa soma é
3
x yi 1
i i  2.1  3.2  0.5  8
Dado um conjunto de n números, se as somas que pretendemos

obter se estendem a todos eles, podemos omitir o índice, por
Estatística 45
brevidade. Então muitas vezes escrevemos  x , em lugar de

n
x
i 1
i . Da mesma maneira podemos escrever
 y,  x ,  y ,  x ,  y 
2 2 2 2
Algumas propriedades dos somatórios
n n n
Aditiva:  a  bi    a   bi
i
i
i
i
i
n n
Homogênea:   .ai    . ai  cons tan te 
i  i 
Vejamos alguns exemplos: a) vamos calcular, recorrendo às

9
propriedades evocadas, o valor de  3  2 :
k 5
9 9 9 9 9
Temos:  3  2   3    2  3.    2 
 5  5  5  5  5
9
 3.5  6  7  8  9   2  105  2  2  2  2  2  115
 5
Ou
9 9 9 9 9 9
 3k  2   3k    2  3   k   2 3  5  6  7  8  9   2  105  (9  5  1)  115

k 5 k 5 k 5 k 5 k 5 k 5
5 5
b) Dada a equação  3i    2i  x   0, determinemos
i 0 i 0
o
valor de x:
Temos:
5 5 5
 3i    2i  x   0   3i  2i  x   0

i 0 i 0 i 0
5 5 5
  i  x   0   i   x  0 
i 0 i 0 i 0
 0  1  2  3  4  5  5  0  1.x  0  15  6 x  0  x  
5
2
46 Unidade
Exercícios
26. Represente sob a forma de somatório as seguintes expressões:
a) 1 2  3  4  5
b) 1  2  3  4  5  ...  n
c) 12+22+32+…+202
d) 4  4  4  ...  412 paralelas 
02  12  22  ...  n  1
2
e)
f) 1 3  5  7  9
g) 2  4  6  8  10  12  14
h) 2  4  6  8  ...  2n
i) x1  x2 3  x4  x5
j) f1 x1  f 2 x2  ...  f n xn
27. Calcule:
3 5 3
a)  2i  ;
i 1
b)   3 j  ;
j 0
c)    1;
k  1

d)  1  3i 
i  4
10 20 6
e) 

2;
1
f)  5 x  ;
j 0
g) i
i2
2
2
 6

h) 

 i 
i2
5
i)   3
k 1
100 100 2
28. Sabendo que a

K 1
K  25 e  a 
k 1
k  125 , calcule:
100 100 100 2
a)  a
k 1
k  1 ; b)  2  3.a  ; c)  a
k 1
k
k 1
k  1
Estatística 47
29. Escreva sob a forma de um único somatório:
8 8 5 5
a)  2k    3k  ;
k  1 k 1
b)  3i    i  1 ;
i 0 i 0
c)
15 15 20 20
 i  1   2i   14 ; d)  3i    1  i   2
i 1 i 1 i 1 i 1
30. Resolva em ordem a x as equações
20 20 15 4 15
a)  2i  1  x   2i  ; b)  1  2 j    x   1  2 j  ;
i 1 i 1 j 0 j 1 j 1
 
10 10 100 100
c) 2 x. i
i  2
2
  i 2 ; d)
i  2
k
k 0
2
 x   k 2 1
k 1
Auto-avaliação
48 Unidade
Unidade N0 07-A0005
Tema: Medidas de Posição ou de

Tendência central (dados não
agrupados)
Introdução
As medidas de posição são muito importantes na interpretação
dos dados estatísticos. Numa primeira fase, vamos falar da
média, modas e mediana para dados não agrupados em classes.
 Calcular a mediana, moda e a média ponderada com as

respectivas frequências.
Objectivos
Sumário
Medidas de posição (dados não agrupados)
Apesar das tabelas estatísticas e das representações gráficas nos

darem uma ideia clara da distribuição de frequências da variável
estudada, torna-se necessária simplificar ainda mais o conjunto
de dados, de forma a caracterizar a distribuição por um número
reduzido de medidas (parâmetros) que evidenciem o que demais
significativo existe no conjunto.
Estes parâmetros podem agrupar-se em dois tipos:

a) Medidas de posição ou de localização (ou de tendência central);
b) Medidas de dispersão ou de variabilidade;
Estatística 49
Vamos estudar em primeiro lugar as medidas de posição ou de

localização.
Essas medidas indicam-nos valores típicos a volta dos quais os

dados se distribuem. Essas subdividem-se em duas partes, que
são:
Medida de tendência central – Média, Moda e Mediana.
Medida de separação (ou medidas de ordem) – os quartis e

decís.

Média Aritmética ( X )
Dados não agrupados
Chama-se média aritmética de um conjunto de valores X1, X2,

X3,…,Xn, ao quociente que se obtêm da soma de todos os valores
pelo efectivo no total N.
 X 1  X 2  X 3  ...  X n
X
N
n
 x i
Utilizando simbolo de somatório teremos X i 1
ou
N
simplesmente X 

x
N
Exemplo 11
A média aritmética simples de valores 3, 7, 8, 12, 15, é:
 3  7  8  12  15 45
X  9
5 5
Média Ponderada
Se x é uma variável discreta que toma os valores x1, x2, x3, …, xn

com as frequências absolutas f1, f2, f3, …fn respectivamente, a
média aritmética será dada por
50 Unidade
 f x  f 2 x2  f 3 x3  ...  f n xn  fx i i
X  1 1 ou X  i 1
N N

Neste caso, diz-se que X é a média ponderada pelas respectivas
frequências.
Exemplo 12
Determine a média na seguinte distribuição:
xi 1 2 3 4
fi 1 3 5 2
Uma maneira mais prática de calcular é compor a tabela seguinte:
xi fi X i . fi
1 1 1
2 3 6
3 5 15
4 2 8
Total N=11 30

X
 f x
i i

30
 2,72
N 11
Moda (Mo)
Chama-se Moda (ou valor modal) da distribuição de frequências

ao valor da variável que corresponde a maior frequência.
Existem séries estatísticas com duas modas (bimodal), com três

modas (trimodal), etc.
Também existem séries em que não existe a moda.
No nosso exemplo (exemplo 2) de dados não agrupados em

classe a moda é o valor três porque tema a maior frequência
absoluta.
Estatística 51
Mais adiante vamos apresentar o cálculo da média para dados

agrupados em classe.
Mediana (Me)
A mediana é a medida de posição que divide a série estatística

em duas partes iguais, ou seja, é o valor da variável estatística
precedido por 50% das observações.
Para a sua determinação é necessário que os dados estejam

ordenados.
a) Variáveis discretas
- Número de valores observados ímpar.
Me = valor central depois da ordenação dos valores observados por

ordem crescente.
- Número de dados observados par
Me = média aritmética dos dois valores mais centrais depois da

ordenação dos valores observados por ordem crescente.
Exemplo 13:
a) A mediana do conjunto de números 2, 3, 3, 4, 5, 6, 7, 8, 9 é Me =

5
b) Para o conjunto 2, 3, 3, 4, 5, 6, 7, 8, 9, 10, a mediana será:
x5  x6 5  6
Me    5,5
2 2
c) Qual a mediana dos seguintes valores da tabela?
xi 1 3 6 8 12 15
fi 4 6 3 9 10 8
Para calcular a mediana começando por ordenar os dados para

achar o valor do meio, será um processo mais laborioso. Vamos
recorrer a tabela de frequências acumuladas.
52 Unidade
xi fi fa
1 4 4
3 6 10
6 3 13
8 9 22
12 10 32
15 8 40
Como o número de dados é par, a mediana é a média dos dois

dados centrais, x20 e x21. Pela tabela vê-se que o 20º e 21º dado
tem valor 8; logo, Me = 8.
A mediana é o valor a que corresponde a primeira frequência

N
acumulada, maior do que (metade do efectivo).
2
Exercícios
31. Mediram-se as alturas de 11 alunos de uma turma da 12ª
classe e obteve-se os seguintes resultados:
1,75; 1;72; 1,70; 1,68; 1,68; 1,65; 1,65; 1,58; 1,56; 1,50; 1,49.
Determine:
Auto-avaliação a) A moda; b) A mediana; c) A média aritmética.
32. Mostre que a media aritmética pode ser dada pela fórmula
= sendo fr a frequência relativa.
33. Calcule a média aritmética para cada uma das distribuições:
a)
xi 10 11 12 13
fi 5 8 10 6
b)
xi 2 3 4 5 6
fi 3 9 19 25 28
c)
xi 7 8 9 10 11
fi 1 5 1 2 2
16 18 3 9 48
d)
xi 85 87 88 89 90
fi 5 1 10 3 5
Estatística 53
Unidade N0 08-A0005
Tema: Medidas de Posição (dados

egrupados em classes de mesma
amplitude)
Introdução
Há uma ligeira diferença nos cálculos das medidas de tendências
central para dados agrupados em classes. Para facilitar a
compreensão das fórmulas da moda, mediana e média aritmética
preferimos tratar separadamente dos dados não agrupados.
 Conhecer as fórmulas das medidas de tendência central

para dados agrupados.
 Ser capaz de fazer a correcção das classes quando temos

Objectivos amplitudes diferentes.
Sumário
Dados agrupados em classes
Vamos calcular a media, mediana e moda para dados agrupados

em classes.
Média
Quando se trata de uma variável contínua, já agrupada em

classes, a média aritmética obtém-se substituindo a variável de
cada classe pela marca respectiva.
54 Unidade
Exemplo 14
Determine a media da seguinte distribuição:
Peso em kg Nº de Pontomédio xi.fi

pessoas (fi) (xi)
40,44 11 42 462
44,48 23 46 1058
48,52 20 50 1000
52,56 10 54 540
56,60 8 58 464
Total 72 - 3524

X
 fi  xi  3524  48,9 kg
N 72
Mediana
Para o cálculo da mediana aplica-se a seguinte fórmula:
N
 N i 1
M e  li 1  2  hi
Fi
Onde:
li-1 é o limite inferior da classe mediana
N é o total do efectivo da distribuição
Ni-1 é a frequência acumulada até a classe anterior à classe

mediana.
Fi é a frequência absoluta da classe mediana.
hi é a amplitude da classe mediana.

Estatística 55
Usando os dados do exemplo anteriores (exemplo 14) podemos

calcular a mediana :
Peso em kg Nº de pessoas (fi) Frequência

acumulada
40,44 11 11
44,48 23 34
48,52 20 54
52,56 10 64
56,60 8 72
Total N= f i  72 _
N 72
Sendo   36 , a mediana está na classe correspondente a
2 2
primeira frequência acumulada superior a 36, que é a classe
48,52 .
N
 N i 1
Aplicando a fórmula dada, Me = li-1 + 2  hi
Fi
li -1 = 48
Ni -1 = 34
Fi = 20
hi = 4
36  34 1
Me = 48 +  4  48   4  48,4
20 10
Moda
Se a variável (xi) é contínua e todos os dados estão agrupados em

classes de iguais amplitudes, dá-se o nome de classe modal à
classe de maior frequência.
Na maioria dos casos bastará saber o intervalo modal, mas

querendo calcular com rigor o valor da moda (Mo) poder-se-á
utilizar a fórmula:
D1
Mo = Li + h
D1  D2
em que:
56 Unidade
Li – Representa o limite inferior da classe modal.
D1 – Representa a diferença entre a frequência absoluta da classe

modal e a frequência absoluta da classe anterior.
D2 – Representa a diferença entre a frequência absoluta da classe

modal e a frequência da classe seguinte.
h – representa a amplitude da classe modal.
Exemplo 15
Na distribuição seguinte:
Xi Fi A moda está na classe 4,6 por esta ser

0,2 3 a de maior frequência; a esta chama-se
2,4 5 classe modal
Calculando a moda temos
4,6 10
10  5 5
6,8 Mo=4+ 2  4 2  5
6
10  5  10  6 5 4
8,10 3
10,12 4
Exercícios
34. considere a seguinte tabela que representa a distribuição das
alturas dos alunos de uma turma.
Alturas em Efectivos a) Classifique o carácter em
metros estudo;
1,40 1,45 3 b) Indique a amplitude da
1,45  1,50
distribuição e de cada classe;
10
c) Calcule a moda;
1,50  1,55 12 d) Calcule a moda;
1,55  1,60 5 e) Calcule a mediana;
f) Calcule a média aritmética.
1,60  1,65 2
1,65  1,70 4
35. Dada a amostra:

28 33 27 30 31 30 33 30 33 29
27 33 31 27 31 28 27 29 31 24
31 33 30 32 30 33 27 33 31 33
23 29 30 24 28 34 30 30 18 17
18 15 16 17 17 18 19 19 20 29
a) Agrupe os elementos em classe (use h = 5)

Estatística 57
b) Construa a tabela das frequências absolutas acumuladas

descendentes e ascendentes.
c) Represente no mesmo sistema de eixos, os polígonos das duas
frequências acumuladas.
d) Determine a mediana e visualize-a graficamente na sua figura.
36. A classificação final, em percentagem, de matemática de 80

estudantes de uma Universidade Estatal, é dada na tabela
seguinte:
68 84 75 82 68 90 62 88 76 96
73 79 88 73 60 93 61 59 85 75
61 65 75 87 74 62 95 78 63 72
66 78 82 75 94 77 69 74 68 60
96 78 80 61 75 95 60 79 83 71
79 62 67 97 78 85 76 65 71 75
65 80 73 57 88 78 62 76 53 74
86 67 73 81 72 63 76 75 85 77
Determine:
a) A amplitude da distribuição;
b) O número de classes e as suas amplitudes (use a fórmula de
Sturges)
c) Constroi a tabela de frequências absolutas, relativas e
acumuladas.
d) Quantos estudantes receberam graus abaixo de 83?
e) Qual é a percentagem dos estudantes que receberam graus entre
83 e 95?
f) Qual é o valor da moda.
Auto-avaliação
58 Unidade
Unidade N0 09-A0005
Tema: Outros tipos de Médias
Introdução
Nesta Unidade vamos falar doutros tipos de médias que são
usadas na estatística, que são a media geométrica, mediana,
quadrática e a média harmónica.
 Saber calcular as médias geométricas, quadráticas e

harmónicas;
 Conhecer a relação entre as diferentes tipos de médias.

Objectivos
 Ser capaz de aplicar as fórmulas do somatório;
Sumário
Outros tipos de médias
Média Geométrica (Mg)
A média geométrica dos valores observados x1, x2, x3, …,xn é a

raiz de índice n do produto desses números.
Mg = n x1  x2  x3 ...xn
Aplicando logaritumos temos
1 n
lg (Mg) =  lgxi 
n i i
Se os valores x1, x2, x3, …, xn estiverem com as suas respectivas

frequências absolutas f1, f2, f3, …, fn; a média geométrica será dada
Estatística 59
por Mg = n x1  f1  x2  f 2  x3  f 3 ...xn  f n donde resulta: lg(Mg) =

1 n
 fi  lgxi 
n i 0
Média harmônica (MH)
Ao inverso da média aritmética dos inversos dos valores x1, x2,

x3, …, xn da variável dá-se o nome de media harmónica. MH
n n
 
1 1 1 1 n
    
1
x1 x2 x3 xn
x
i 1 i
Se os valores x1, x2, x3, …, xn estiverem com as suas respectivas

frequências f1, f2, f3, …, fn; a média harmónica será dada por: MH =
n n
 n
1 1 1 f
f1  f2    fn  i
x1 x2 xn i 1 xi
Média quadrática
Consideremos os valores observados, x1, x2, x3, …, xn. A média

quadrática é a raiz quadrada da média aritmética dos quadrados
da variável.
MQ =
x 21  x 2 2  x 2 3      x 2 n

x 2
i
 fi
n n
No caso dos valores observados estiverem acompanhados com as

suas respectivas frequências f1, f2, f3, …, fn; a média quadrática
será dada por:
x  fi
2
x1  f1  x2  f 2  x3  f 3  ...  xn  f n
2 2 2 2
MQ =  i
n n
Os diferentes tipos de medias relacionam-se entre si da seguinte

maneira: Mh  Mg  M  MQ
Importância de cada uma das medidas de tendência central
As três medidas de tendência central média, moda e mediana,

pretendem localizar os valores em torno dos quais os dados se
agrupam.
Média
- É uma medida de precisão, cuja definição e propriedades são
tratadas por meios algébricos e que intervém em cálculos
estatísticos avançados.
- É uma medida complexa, isto é, faz intervir todos os dados, pelo
que é muito sensível a qualquer alteração de um ou mais valores.
60 Unidade
O seu valor não pertence, geralmente ao conjunto inicial de dados

(pode não ter existência real).
- É a medida mais usada para comprar distribuição, serve de
padrão de comparação.
Mediana
- Permite situar um indivíduo na metade inferior ou superior da
população quanto ao carácter em estudo;
- É um parâmetro “robusto” não afectado por flutuações dos
externos é uma medida de posição.
- Usa-se em geral quando as distribuições são muito assimétricas,
ou seja, desiquilibradas nos externos.
Moda
- Indica imediatamente o valor ou a modalidade de maior efectivo
ou frequência. É especialmente importante em estudos de
mercado.
- É a medida mais fácil e rápida de observar. Mas, com dados
agrupados, seu cálculo é mais trabalhoso.
- Aplica-se tanto a carácteres quantitativos como qualitativos.
Nota: uma distribuição estatística chama-se simétrica se a moda,

média e mediana coincidem.
Exemplo 46
xi fi xi .
fi
2 3 6
3 6 18
4 10 40
5 6 30
6 3 18
Total 28 112


X
 f xi i

112
4
N 28
 Mg = n x1  f1  x2  f 2  x3  f 3 ...xn  f n
1 n 16 14
 lg (Mg) =  f i lg xi    0,582  lgMg   0,582
n i 1 28
então Mg = 3,82
n n 28
Mh =    3,6
1 1 1 fi
x1
 f1   f 2  ...   f n
x2 xn
x 7,7
i
Exercícios
37. Dados os números 2, 5, 7, 10, 5, determine:
Estatística 61
a) A média aritmética
b) A média geométrica
c) A média harmónica.
38. Utilizando a tabela de frequências da tabela abaixo, calcule:
a) Moda
b) Mediana
c) Média aritmética
d) Média geométrica
e) Média quadrática
g) Qual é o valor do 11º dado? E do 32º?
h) Quantos dados são menores que 8?

xi 2 4 6 7 8 9 10 11
fi 10 12 8 11 10 5 5 9
T.P.C. – Primeiras sessões presencias
1. Ler e estudar todas as páginas do texto.
2. Resolver todos os exercícios de cada unidade.
3. Entregue os exercícios: 2, 6, 9, 12 b), 13 a), 15, 17, 18, 20,

23, 27 a), b) e 34.
Auto-avaliação
62 Unidade
Unidade N0 10-A0005
Tema: Outras medidas de

localização – quantis, quartis,
decís e percentis
Introdução
Os quartis, decís e percentis, são medidas de localização muito
usadas no estudo das séries estatísticas. É sobre esse assunto que
vamos falar nesta unidade, quer para variável descrita, quer para
continua.
 Saber calcular os quartis, decís e percentis
 Ser capas de interpretar o significado dessas medidas
Objectivos
Sumário
Quartis
Enquanto que a mediana divide um conjunto de dados estatísticos

ordenados em duas partis iguais, os quartis dividem-no em
quatro. São, por isso, em numero de três e representam-se,
respectivamente, por Q1, Q2 e Q3
O segundo quartil corresponde a mediana, ou seja, Q2=Me. Para a

determinação dos quartis, teremos que atender ao tipo de
distribuição apresentada.
O cálculo de Q2 = Me já foi tratado anteriormente vejamos como

determinar Q1 e Q3
Para dados não agrupados

Estatística 63
O primeiro quartil é a mediana da primera metade da

distribuição. Supondo que esta apresenta um número de
observação igual a N` , ordem de Q1 será:
N 1
se N` é ímpar.
2
N` N`
 1
2 2 Se N` par
2
O terceiro, quaril é a mediana da última metade da distribuição. A
ordem de Q3 pode ser obtida do seguinte modo:
N
 Ordem de Q1 se N par
2
N 1
 Ordem de Q1 se N ímpar.
2
Nota: se alguma das ordens encontradas não for inteira, o quartil

respectivo determina-se pela média aritmética de xk e xk+1 (ou seja,
xk  xk 1
), sendo K o número inteiro imediatamente inferior ao
2
número encontrado.
Exemplo 17
Na distribuição de dados simples:
13 14 16 18 20 21 22 24 27
Q2 = Me = = x5 = 20
Como N´ = 4, então o índice de Q1 é:
N N
 1
2 2 23 x  x 14  16
  2,5 logo Q1  2 3   15
2 2 2 2
N 1
A ordem de Q3 é :  2,5  5  2,5  7,5
2
x7  x8 22  24
Portanto, Q3    23
2 2
Exemplo 18
Consideramos, agora, a distribuição:
20 22 25 28 29 30
64 Unidade
x3  x4
Q2  M e   26,5
2
N  1 3 1
Ordem de Q1 :  2
2 2
Q1  x2  22
N
Ordem de Q3 :  2  3 2  5
2
Q3  x5  29
Exemplo 19
Seja a distribuição de dados não agrupados apresentada na tabela:
xi fi fa
1 3 3
2 5 8
3 12 20
4 7 27
5 5 32
Total N=32 -
x16  x17 3  3
Q2  M e   3
2 2
N  N  1

Ordem de Q1 : 2 2  8  9  8,5 logo
2 2
x8  x9 2  3
Q1    2,5
2 2
N x x 44
Ordem de Q3 :  8,5  24,5 logo Q3  24 25  4
2 2 2
Exemplo 20
Dada a distribuição:
xi fi fa
1 3 3
2 5 8
3 2 10
4 18 28
5 3 31
Total N =31 -
Estatística 65
x311
Q2  M e   x16  3
2
N   1 15  1
Ordem de Q1 :   8 logo Q1  x8  2
2 2
N 1
Ordem de Q3:  8  24 logo x3  x24  4
2
Para dados agrupados
As considerações feitas para a determinação da mediana de uma

distribuição de dados agrupados aplicam-se também na
determinação de Q1 e Q3. Quer N seja par ou ímpar
Q1 = XN/4 Q3 = X3N/4
Tratando-se de dados agrupados em classes obtém-se os quartis

através da formula.
Exemplo 21
Seja dada a distribuição de dados agrupados apresentada na

tabela:
Classes fi fa
1,55; 1,60 5 5
1,60; 1,65 11 16
1,65; 1,70 23 39
1,70; 1,75 8 47
1,75; 1,80 3 50
Total N = 50 -
Q1  x N  x12,5  o primeiro quartile encontra-se na classe

4
1,60; 1,65
Q3  x3 N  x37,5  O terceiro quartile encontra – se na classe
4
1,65; 1,70
Tratando – se de dados agrupados em classes obtêm – se os
quartis através da formula:
66 Unidade
N
C  N i 1
Qc  li 1  4  hi
Fi
C  1, 2, 3  Q1 , Q2 , Q3
As letras que entram nessa formula têm o mesmo significa que na

mediana.
N
C  N i 1
Qc  li 1  4  hi
Fi
Amplitude interquartis
Chama – se amplitude interquartis á diferença entre o terceiro e

primeiro quartis.
AQ = Q3 – Q1
Diagrama de extremos e quartis
O diagrama de extremos e quartis é um esquema que nos permite

ver se há concentração ou dispersão dos dados ao longo de toda a
distribuição.
Exemplo 22
Seja a distribuição:
13 14 16 18 20 21 22 24 27 cujos valores dos quartis já foram

determinados:
Q1 = 15, Q2 = Me = 20, Q3 = 23
O diagrama de extremos e quartis desta distribuição é o seguinte:

Estatística 67
Resolução
Primeiro vamos calcular a frequência acumulada para saber em

que classe se localiza a mediana.
Salário em dólar (xi) 5,10 10,15 15,20 20,25 25,30

Número de 26 43 17 9 5
funcionário (fi)
Frequência 26 69 86 95 100
acumulada (fa)
 50 logo a classe mediana é a 2ª classe 10,15 .

N 100

2 2
68 Unidade
100
45   26
P45  10  100  5  12,2 . Isto significa que 45% dos
43
funcionários tem salários até 12,2 dólares.
Exercícios
38. Determine a mediana e os quartis do seguinte conjunto de

dados.
10, 11, 12, 13, 14, 15, 16, 20, 21, 22, 23, 24, 25, 26, 27.
Auto-avaliação
39. Determine o 4º decil e o 62º percentil da seguinte

distribuição:
Classes fi fa
4,9 8
9,14 12
14,19 17
19,24 3
Estatística 69
Unidade N0 11-A0005
Tema: Medidas de Dispersão ou

de Variabilidade
Introdução
As medidas de tendência central estudadas reduzem a série de
dados a um só valor típico (media, mediana e moda). É
necessário completar o estudo de uma distribuição estatística com
outras medidas que permitem determinar o grau de dispersão dos
dados em torno dos valores centrais.
 Conhecer as unidades de dispersão mais usadas.

 Ser capaz de usar e interpretar as medidas de dispersão.
Objectivos
Sumário
Medidas de dispersão
As medidas de tendência central estudadas reduzem a série de

dados a um só valor típico (media, mediana e moda).
O valor central mais usado é o valor médio, que contudo, nem

sempre dá uma ideia suficiente da série estatística.
Ora vejamos o seguinte exemplo:
As notas de dois estudantes da 10ª classe no 1º trimestre são as

seguintes:
9; 9,6; 10,6; 10,8; 11; 11,1; 11,4; 11,6; 12; 13

70 Unidade
5; 6,4; 8; 9; 10,6; 12; 12,2; 14,2; 15,6; 17
Calculando a média vimos que os dois estudantes têm o mesmo


valor médio X  11 . Mas a distribuição dos valores é muito
diferente. Os valores do y são muito dispersos, enquanto que os
de x são mais concentrados. Assim, a media é mais representativa
para x do que para y.
É necessário completar o estudo de uma distribuição com outras

medidas que permitem determinar o grau de dispersão dos dados
em torno dos valores centrais.
As medidas de dispersão mais usadas são:

Amplitude total, Desvio quartílico, desvio médio, variância e
desvio padrão.
Amplitude total (range) – é a diferença entre o valor máximo e

mínimo.
R  X máx  X mín
Interquartil – é a diferença entre o 3º e o 1º quartil, isto é,
Q3  Q1
Semi amplitude quartílíca é a metade do interquartil.
Q3  Q1
2
Q3  Q1
Desvio quartilíco relativo Q 
Q2

Desvio de xi em relação a media x é a diferença entre os valores
observados e o valor médio.

d  xi  x
Chama – se desvio médio de uma distribuição (Dx) a média

aritmética dos valores absolutos dos desvios em relação a média.
Estatística 71
n
 

 f i  | xi  x | 
D x   i1  
N
Chama – se Variância, a média aritmética dos quadrados dos
desvios em relação a média aritmética.
2
n
  
 fi  xi  x 
 
V x   i 1
N
Nota: a variância é tanto maior quanto maior for a dispersão.
A representatividade dos valores centrais diminui quando a

variância aumenta.
Chama-se desvio padrão, a raiz quadrada da variância.
2
n
 

 f  x  x 
i i
  V x  ou
 i 1
N
A variância também pode ser dada pela fórmula.

2
f i xi 2
V x   i 1
x
N
Importância do desvio padrão
- O desvio padrão informa sobre dispersão, isto é, sobre o

afastamento dos dados em relação a média.
72 Unidade
 

- O intervalo  x   , x    contém sempre mais de
50% dos dados; isto significa que mais de metade dos dados se
situam a uma distância da média que é inferior a um desvio
padrão.
Coeficiente de variação ou de dispersão
O coeficiente de variação Cv, é uma medida de dispersão útil para

a comparação em termos relativos, do grau de concentração em

torno da média de séries distintas, e é dado por:
Cv  
x
As vezes o Cv é dado em percentagem.
Exemplo 24
Considere a distribuição estatística seguinte:

-4 -2 0 1 3 5 7
a) Determine a media aritmética dos valores apresentados
b) Calcule o desvio médio.
c) Determine os valores da variância e do desvio padrão
Resolução
  4   2  0  1  3  5  7
a) x  1,4
7
n 
f i xi  x
b)
d i 1
N
Estatística 73
 4  1,4  5,4
 2  1,4  3,4
0  1,4  1,4
1  1,4  0,4
3  1,4  1,6
5  1,4  3,6
7  1,4  5,6
5,4  3,4  1,4  0,4  1,6  3,6  5,6

d  3,06
7
c)
xi 4 -2 0 1 3 5 7
 - 5,4 - 3,4 1,4 - 0,4 1,6 3,6 5,6
xi- x
2 29,16 11,56 1,96 0,16 2,56 12,96 31,36
 

 i
x  x 
 
 fi ( X i  X )2 89, 72
V    12,81
N 7
  12,81  3,58
Exemplo 25
Considere a seguinte tabela de frequência absolutas:
X1 9 10 12 13 15 16 17
F1 4 5 10 12 4 4 1
a) Determine o valor da média aritmética
b) Calcule o desvio padrão.

74 Unidade
Resolução
O cálculo da média e do desvio padrão de uma distribuição do

tipo da que se apresenta neste exercício pode ser feito com base
no quadro seguinte:
Xi Fi Xi*FI Xi - X (Xi - X)2 FI(Xi - X)2

9 4 36 -3,575 12,78 51,12
10 5 50 -2,575 6,63 33,15
12 10 120 -0,575 0,33 3,3
13 12 156 -0,425 0,18 2,16
15 4 60 2,425 5,88 23,52
16 4 64 3,425 11,73 46,58
17 1 17 4,425 19,58 19,58
Total N = 40 503 -------- -------- 179,75
  fi  xi 503
a) X  i 1
  12,575
N 40
2
n
 

 fi  xi  X 
  179,75
b)     2,12
N 40
179,75
* A variância é  2   4,49375  4,49
40
Exemplo 26
Considere o seguinte histograma de uma distribuição estatística:

Estatística 75
Resolução
a)
Classes fi fac
1,2 10 10
2,3 28 38
3,4 30 68
4,5 20 88
5,6 15 103
Total N = 103 -
a) A classe modal é 3,4

76 Unidade
 51,5  a classe modal é3,4

N 103
b) 
2 2
c)
Classes fi xi Fi.xi   
xi- x (xi- x )2 Fi (xi- x )2
1,2 10 1,5 15 -2 4 40
2,3 28 2,5 70 -1 1 28
3,4 30 3,5 105 0 0 0
4,5 20 4,5 90 1 1 20
5,6 15 5,5 82,5 2 4 60
Total N = 103 - 362,5 0 - 148

x
 f x i i

362,5
 3,5
N 103
148
  1,44  1,2
103
 1,2
Cv  
  0,34 ou Cv  34%
x 3,5
Exercícios
Auto-avaliação
40. Para a série 5, 5, 5, 6, 6, 6, 6, 7, 7, 7, 7, 7, 8, 8, 8, 9, 9.
a) Construa uma tabela de frequências

Estatística 77
b) Calcule a amplitude.
c) Determine o desvio médio.
d) Calcule a variância e o desvio padrão.
41. Considere as seguintes distribuições:
A: 2 4 5 6 7 9 11
B: 1,3 2,4 0,5 3 1,1 6 0,2 2,5
C: -3 4 -5 5 -1 -4 0 4
10
Determine a mediana, o primeiro e o terceiro quartis dos dados

apresentados.
42. Num inquérito efectuado a 1000 trabalhadores, referente à

distância do local de trabalho à residência, obteve-se a seguinte
distribuição de frequências:
Distância Número de
(km) trabalhadores
0,5 353
5,10 159
10,15 255
15,20 147
20,25 59
25,30 27
Total N = 1000
a) Determine a média e indique a classe modal dos dados

apresentados.
b) Localize os quartis.
c) Determine o valor da mediana.
d) Determine a percentagem de trabalhadores que percorre
distâncias acima das da classe mediana.
44. Considere as seguintes distribuições:
A: 12, 6, 7, 3, 15, 18, 10,

5.
B: 9, 3, 8, 8, 9, 8, 9,
18.
Relativamente a cada uma delas, determine:

a) A amplitude total.
b) O desvio médio.
c) O desvio padrão.
78 Unidade
45. Considere a seguinte tabela de frequência absolutas:

xi fi
0 12
1 16
2 27
3 20
4 16
5 9
TOTAL N = 100
Determine:
a) A amplitude total e a média da distribuição
b) A moda e a mediana.
c) O coeficiente de variação.
46. Considere a seguinte tabela de dados agrupados:

Classes fi
20-25 9
25-30 27
30-35 36
35-40 45
40-45 18
45-50 9
50-55 3
55-60 3
Total N=150
Determine:
a) A amplitude total.
b) A media e a moda.
c) A variância e o desvio padrão.
d) O coeficiente de variação.
Estatística 79
Unidade N0 12-A0005
Tema: Medidas de Assimetria e

Curtose
Introdução
Assimetria é o grau de desvio em relação a uma distribuição
simétrica. É nesta unidade onde vamos falar dos diferentes casos
de assimetria e dos graus de achatamento – curtose de uma
distribuição.
 Conhecer os coeficientes de assimetria e de curtose.
 Ser capaz de classificar distribuições quanto ao grau de desvio e

achatamento.
Objectivos
Sumário
Mediadas de Assimetria
Assimetria é o grau de desvio em relação a uma distribuição

simétrica.
Ao representarmos graficamente uma distribuição de frequências,

três casos são possíveis:

1º Caso: x  Me  Mo . Estamos perante uma distribuição
simetria.
2º Caso < Me < Mo. Estamos perante uma distribuição

assimétrica
a esquerda ou negativa.
80 Unidade
3º Mo < Me < Estamos perante uma distribuição assimétrica a

direita ou positiva.
Coeficiente de Assimetria (As)
Karl Pearson propôs duas maneiras de avaliar o grau de

achatamento ou de formação da curva de uma distribuição de
frequências, cujo objectivo principal é justamente indicar a
grandeza do afastamento em termos relativos.
a) Primeiro coeficiente

x M o
As 
 Onde,

x = Média Aritmética
Mo = Moda
 = Desvio padrão da amostra.
b) Segundo coeficiente
  
3 x  Med 
3 x 3Med
As    As 

ou

onde, Med = Mediana
Em função dos resultados de (As), é possível determinar o

comportamento da curva de cada distribuição. Assim, se:
As  0 A distribuição é simétrica.
As  0 A distribuição é assimétrica positiva.
As  0 A distribuição é assimétrica negativa.

Estatística 81
Exemplo 26
Consideremos a seguinte tabela de distribuição de frequências:

Notas fi
0,2 30
2,4 20
4,6 20
6,8 10
8,10 10
Total
f i = 90
Temos:
Para o primeiro coeficiente de assimetria

x M o 3,89  1,50
As    0,885
 2,32
Para o segundo coeficiente de assimetria
 
3 x Med 
As     33,89  3,50  0,43 As  0 a

Logo,
2,32
distribuição é assimetria positiva.
Exemplo 27
Consideremos a seguinte tabela de distribuição de frequências:

Notas fi
0,2 10
2,4 10
4,6 20
6,8 20
8,10 30
Total
f i = 90
Temos:
Para o primeiro coeficiente de assimetria

82 Unidade

x M o 6,11  8,50
As    0,885
 2,70
 
3 x Med 
As     6,11  6,50  0,43 As  0 , a
logo,
 2,70
distribuição é assimetria negativa.
Medidas de Achatamento – Curtose
Curtose nada mais é do que o grau de achatamento da curva de

uma distribuição de frequências. Isto considerando que uma
curva pode apresentar –se mais achatada ou mais afilada em
relação a uma curva considerada curva – padrão ou curva normal.
Assim, dentro destas especificações, uma curva normal deve

apresentar um coeficiente de curtose igual a 0,263 (mesocurtica) ,
e , se o mesmo coeficiente for menor que 0,263, a curva devera-
se apresentar mais aguda que a normal (Leptocúrtica).
Graficamente, teremos:
Estatística 83
O cálculo deste coeficiente é dado pela seguinte expressão:
Q3  Q1
2 Dq
C ou C  onde Dq = desvio quartilico.
C90  C10 C90  C10
Exemplos 28
Para a tabela do exemplo 26, teremos:
Q3 = 5,75
Q1 = 1,50
C90 = 8,20
C10 = 0,60
Dq 2,125
Logo, C    0,2796
C90  C10 7,6
Então, 0,2796  0,263 = curva platicútica.
Exercícios
Auto-avaliação
47. Dada a distribuição:
Classes 2,6 6,10 10,14 14,18 18,22 22,26

Frequências 2 3 8 10 12 5
84 Unidade
a) Calcula a moda, mediana e a média aritmética.
b) Calcule o desvio padrão e o coeficiente de variação.
c) Classifique a distribuição quanto a assimetria.
d) Classifique a distribuição quanto ao achatamento (curtose).
48. Cronometrado o tempo para várias gincanas automobilísticas

encontrou-se:
Equipa X:
40 Provas; tempo médio 45 segundos; variância 400.
Equipa y
Tempo (em seg.) 20 40 50 80

11º De pessoas 10 15 30 5
Qual é a equipa que apresenta resultados mais homogéneos?
Justifique.
49. Dada a amostra de 60 rendas em Euros, de uma dada região.
10 7 8 5 4 3 2 9 9 6
3 15 1 13 14 4 3 6 6 8
10 11 12 13 14 2 15 5 4 10
2 1 3 8 10 11 13 14 15 16
8 9 5 3 2 3 3 4 4 4
5 6 7 8 9 1 12 13 14 16
a) Agrupar os elementos em classes. Faça K=6 e h=3

b) Calcule a média e a mediana.
c) Calcule a medida que deixa 25% das rendas.
d) Determine Q3, Q4, P47 e, interprete o resultado.
e) Determine o desvio padrão.
f) Determine a variância e o desvio padrão.
g) Qual é o valor do coeficiente de variação.
h) A distribuição é simétrica?
i) A distribuição é mesocúrtica?
Estatística 85
Unidade N0 13-A0005
Tema: Distribuições
bidimensionais
Introdução
Nesta unidade vamos falar das distribuições com duas variáveis,
o modo como essas se relacionam mutuamente. Teremos que
desenhar a nuvem de pontos, a recta de regressão e calcular o
coeficiente de correlação.
 Conhecer os tipos de correlação existentes.
Objectivos  Ser capaz de desenhar a nuvem de pontos e a recta regressão.
 Ser capaz de calcular o coeficiente de correcção.
Sumário
Distribuições Bidimensionais
O estado estatístico refere-se muitas vezes a dois caracteres da

mesma população visando investigar em que medida eles se
relacionam, isto é, de que modo a variação de um deles exerce
influência na variação do outro.
Por exemplo:
1. Os gastos em publicidade e o volume de venda.
2. Altura média de um casal e a altura dos filhos.
3. Altura de um local e a respectiva pressão atmosférica.
4. Hora do dia e a temperatura atmosférica.
5. O peso dos alunos e a respectiva nota em filosofia.
6. Peso e o preço do telemóvel
As distribuições estatísticas envolvendo o estudo da relação entre
duas variáveis chamam-se distribuições bidimensionais.
86 Unidade
Há caracteres entre os quais é impossível descobrir qualquer

relação, como por exemplo, o peso dos alunos e a respectiva nota
em filosofia. Diz-se que estes são caracteres independentes.
Diz-se que há influência de um carácter neutro.
O maior ou menor grau de dependência estatística entre duas

variáveis traduz-se por um número – o coeficiente de correlação
que só varia de -1 a 1.
Correlação positiva – as variáveis evoluem em geral no mesmo

sentido.
Exemplo: altura e o peso das pessoas.
Correlação negativa – as variáveis evoluem em sentido

contrário quando uma aumenta a outra tende a diminuir.
Exemplo: intensidade da chuva e a temperatura do ar.
Correlação nula – não há influência de uma variável na outra, as

variáveis são independentes.
Exemplo: a idade do pai e a nota de desenho de cada aluno.
Se o coeficiente de correlação for igual a 1 ou a -1, então a

dependência entre duas variáveis é tão rigorosa que se pode
traduzir por uma lei matemática: diz – se que há uma
dependência funcional.
A dependência funcional é um caso extremo da dependência

estatística.
De uma distribuição bidimensional de variáveis xi e yi podemos

fazer uma representação gráfica num sistema de eixo dos x x’ e
os da outra variável no eixo dos y y’.
A essa representação chama – se diagrama de dispersão.
Se todos os pontos desse diagrama se situar nas proximidades de

uma recta (recta de regressão), a correlação diz – se linear.
Estatística 87
Coeficiente de Correlação
Intuitivamente podemos prever a existência de correlação entre

duas variáveis. Para quantificar a relação usa - se o coeficiente de
correlação linear de Pearson que se representa por  .
Cx , y

 x  y Onde:
f i xi  yi  

Cx , y  i 1
 x  y (Co – variância ou variância
N
conjunta das variáveis x e y)
  x  Desvio padrão da variável x.

  y  Desvio padrão da variável y.
O coeficiente de correlação  é um número do intervalo  1,1
88 Unidade
Exemplo 29
A tabela seguinte mostra a classificação de 12 alunos em dois

testes cotados de o a 100.
Classificação
em
30 18 70 20 80 45 70 100 50 85 70 40
Matemática
(x)
Classificação
em
75 24 60 54 70 40 90 90 65 100 80 37
Português
(y)
Estatística 89
Exemplo 30
Os pares de valores (x,g) de uma variável bidimensional ocorrem

com as frequências dadas pela seguinte tabela de dupla entrada.
y 2 3 4
x
1 3 1 0
2 1 4 1
3 2 0 2
a) Construa uma tabela simples a partir dos dados da tabela dada.

b) Calcule o coeficiente de correlação entre x e y.
Resolução
a)
X Y F
1 2 3
1 3 1
2 2 1
2 3 4
2 4 1
3 2 2
3 4 2
c) Vamos construir uma tabela onde apareçam valores que ajudam

ao cálculo do coeficiente de correlação.
x y f f*y
1 2 3 6
1 3 1 3
2 2 1 4
2 3 4 24
2 4 1 8
3 2 2 12
3 4 2 24
 f  14  f  y  81
Para a variável x, remos:

x  2 ,  x  0,756
Para a variável y, temos:
90 Unidade

y  2,857 ;  y  0,833 Logo
Cx, y 
 f  y  x y  81  2  2,857  0,07
 
f 14
Cx, y 0,07
Assim     0,11
 x  y 0,756  0,83
Exercícios
Auto-avaliação
50. Para cada uma das situações, diga se, na sua opinião, haveria
interesse em realizar um estudo estatístico sobre a relação entre:
a) O tráfego nas ruas que dão acesso a uma escola e o número de

alunos que chegam atrasados a essa escola.
b) O número de televisores vendido por uma loja de uma cidade e o
número de passageiros que viajam nos transportes públicos dessa
cidade.
c) O número de pessoas que vivem num prédio e o custo da
electricidade de todos os andares do prédio.
d) O número de flores de um jardim e o número de abelhas no
mesmo jardim.
e) O número de horas de estudo da disciplina de Matemática e a
nota em Matemática.
f) A marca da máquina de barbear que os alunos de uma turma
usam e o número de pretendentes.
51. Construa uma tabela de dupla entrada a partir dos dados de

cada uma das seguintes tabelas:
a)
xi yi fi
4 3
1
2 5 5
3 6 2
N=10
Estatística 91
b)
xi yi fi
0,3 45,90 1
3,6 90,120 3
6,9 120,160 4
N=8
c)
xi yi fi
5 2 4
5 3 7
6 1 2
6 2 5
N = 18
52. Construa uma tabela normal (simples) a partir dos dados de

cada uma das seguintes tabelas de dupla entrada:
a)
yi 4 5 6
xi
1 - 2 - 2
2 1 1 2 4
1 3 2 6
b)
yi 1 2 3
xi
-2 1 - 2 3
-3 1 1 - 2
-4 2 2 1 5
4 3 3 10
53. Para cada uma das seguintes tabelas, represente o diagrama

de dispersão.
a)
xi 1 2 3 4 5
yi 4 3 2 1 1
b)
xi 1 2 3 4 5
yi 3 2 4 1 3
92 Unidade
54. Diga, na sua opinião, se será positiva, negativa ou nula a

correlação entre:
a) A altura de uma pessoa e a sua idade até aos vinte anos;
b) O número de anos de um carro e o seu custo;
c) O número de idas à praia e a medida do sapato;
d) A temperatura de uma sala e a altura do mercúrio num

termómetro colocado nessa sala.
55. A tabela seguinte mostra a classificação obtida por 18 alunos

de uma turma no último teste das disciplinas de Matemática e
Física.
Classificação
em
40 55 20 70 60 25 55 70 85 35 45 90 10 45 100 10 60 65
Matemática,
%
Classificação
60 65 40 65 80 50 65 85 80 50 50 95 30 65 95 40 85 70
em Física, %
a) Desenhe, de acordo com os dados, o diagrama de dispersão.

b) O António teve 55% no teste de Matemática mas faltou ao teste
de Física. Com base no diagrama que desenhou em a) que
percentagem ele poderia esperar obter no teste de Física?
56. Considere a seguinte variável bidimensional constituída pelas

variáveis xi e yi dadas pelas tabelas:
xi 2 3 4 5 6
yi 3 4 5 3 6
Calcule:
a) A média da variável x e a da variável y;
b) O desvio padrão da variável x e o da variável y;
c) A co-variância das variáveis x e y;

d) O coeficiente de correlação.
57. De um conjunto de 50 pares (x, y) sabe –se que:

Estatística 93
 x  100,  y 900,  x  208,  y  16650 e  xy  1836

2 2
Calcule:
 
a) xe y
b)
x ey
c)
C x , y e
Segundas sessões presenciais
T. P. C.
1. 1º Ler e 2º estudar todas as páginas do referido texto.
2. Resolver todos os exercícios.
3. Entregar os exercícios números: 43, 45, 46, 48, 54 e 56,

94 Unidade
Unidade N0 14-A0005
Tema: Noção intuítiva e

frequencista das probabilidades
Introdução
Existem duas noções até agora usadas para compreender melhor
o conceito de probabilidades. Nesta primeira unidade do estudo
das probabilidades vamos falar dessas duas noções e, faremos a
menção dos principais termos usados na probabilidade.

o
 Conhecer a noção intuitiva e frequencista da probabilidade.
 Ser capaz de calcular a probabilidade de um acontecimento.
 Ser capaz de distinguir acontecimentos incompatíveis ou

Objectivos
contrários.
Sumário
Noção intuitiva das probabilidades
Os jogos de azar que se praticam há milhares de anos, estão na

origem das primeiras obras escritas sobre probabilidades e que
começaram a surgir no século XVIII.
O dado é um instrumento dos jogos de azar por excelência, a tal

ponto que duas das palavras mais usadas para lidar com o que é
casual, ou fortuito, ou contingente são:
Azar de az – zãr e Aleatório de álea, ambas com origem na

palavra dado, respectivamente em árabe e latim.
Por esta sua origem concreta, a teoria das probabilidades utiliza

uma linguagem própria que é preciso conhecer.
Estatística 95
Uma experiência diz-se aleatória se pode ter vários resultados

cujo aparecimento, em cada prova da experiência, é impossível
prever.
Diz-se que o resultado depende do “acaso” ou da “sorte” ou do

“azar”.
Os fenómenos aleatórios são o objecto de estudo da teoria das

probabilidades.
Acaso significa ausência de causa conhecida.
São aleatórias todas as experiências que se fazem nos jogos:

- Tirar uma carta no baralho; atirar um dado; comprar uma rifa;
rodar a roleta; jogar no totoloto…
Mas há muitos outros como:
- Abrir um livro e ver o número de página, perguntar a um aluno
qualquer quantos irmãos tem…
As experiências do laboratório que se fazem na escola, cujo
resultado já é conhecido e é sempre o mesmo, não são
experiências aleatórias.
Para compreender melhor o conceito de probabilidade, há

experiências aleatórias muito simples que podemos realizar com
um grupo de trabalho, porque devem ser repetidas muitas vezes e
em condições análogas; só assim é possível tirar conclusões
significativas.
Vamos descrever algumas experiências e atribuir a probabilidade

aos vários resultados que podem dar, introduzindo a terminalogia
adequada.
1ª Experiência – Lançamento de dado
Lançamento de um dado sobre uma superfície lisa, plana e

horizontal.
Qualquer das 6 faces pode ficar voltada para cima. Diz – se que
esta experiência tem 6 resultados possíveis ou 6 casos possíveis.
O conjunto E = {1, 2, 3, 4, 5, 6} é de todos os resultados

possíveis, é o espaço amostral desta experiência aleatória.
Qualquer elemento de E, é então um caso possível. 3 E logo

3 é um caso possível.
A saída de 3 é um acontecimento elementar que se designa por

{3}.
96 Unidade
A saída de um número par também é um acontecimento mas não

é elementar porque sair par equivale a sair 2, ou sair 4, ou sair 6.
Tratando os acontecimentos em termos de conjunto de resultados
termos:
Acontecimento sair número par>> = {2}  {4}  {6}; logo é uma

reunião de acontecimentos elementares.
Acontecimento é qualquer subconjunto de E, incluindo A numa

prova, significa que o resultado dessa prova é um elemento de A.
Nota: Diz-se que A se realizou quando o resultado é elemento A.
A  B verifica – se quando ou se realiza A ou B.
A  B verifica – se quando A e B se realizam simultaneamente.
Noção frequencista
Suponha que o dado é perfeito, ou seja, rigorosamente simétrico,

sem faces privilegiadas, então, é natural esperar que jogando o
dado muitas vezes, o resultado de cada face seja
aproximadamente o mesmo, visto que todas tem a mesma
possibilidade de ficar para cima.
Faça essa experiência no seu grupo.
Componha uma tabela de frequências relativas dos resultados dos

resultados do lançamento.
Acontecimento Frequência Frequência

Absoluta Relativa
{1}
{2}
{3}
{4}
{5}
{6}
Se o número de provas for 250 ou 300, verás que as frequências

1
relativas estarão próximas de  16,666...% que é o resultado
6
esperado a priori visto que são 6 acontecimentos com a mesma
probabilidade de sair.
No entanto, há desvios bastante sensíveis.

Estatística 97
Lei dos Grandes Números (Lei de Bernoulli) – Definição

frequencista de probabilidade.
Quando o número de provas aumenta muito, frequências relativa de um

acontecimento tende a estabilizar num determinado valor que se adopta como
probabilidade teórica desse acontecimento
Podemos dizer que:
A probabilidade de um acontecimento associado a certa

experiência é a frequência relativa esperada desse acontecimento
quando o número de provas for muito elevado.
A probabilidade de um acontecimento é um número de 0 a 1 (em

percentagem: de 0% a 100%)
0  P A  1
Probabilidade = 1: o acontecimento é certo nessa experiência

que se realize sempre.
Exemplo: «sair menos de sete» = {1, 2, 3, 4, 5, 6}, no lançamento

de um dado
Probabilidade = 0: o acontecimento nunca se dá nesta

experiência, é um acontecimento impossível.
Exemplo: «sair zero» no lançamento de um dado.
Observa os resultados obtidos com um dado de madeira

defeituoso, em 5000 provas.
Acontecimento Frequência
relativa
{1} 16%
{2} 9%
{3} 18%
{4} 14%
{5} 24%
{6} 19%
Podemos atribuir aos acontecimentos elementares as

probabilidades da tabela.
Por exemplo: P(5) = 0,24
Probabilidade de outros acontecimentos:

98 Unidade
A1 = «Sair múltiplo de 3» = {3}  {6}. P(A1) = 0,18 + 0,19 =

0,37
A2 = «Sair par» = {2}  {4}  {6}. P(A2) = 0,09 + 0,14 + 0,19 =

0,42
A3 = «Sair menos de 3» = {1}  {2}. P(A3) = 0,16 + 0,09 = 0,25
Vemos que a probabilidade de um acontecimento é a soma das

probabilidades dos acontecimentos elementares nele contidos.
Qual será agora a probabilidade de se dar A1 ou A2?
Sabendo que a disjunção “ou” corresponde a união de conjuntos

teremos:
P (A1 ou A3) = P (A1  A3) = P (sair 3, 6, 1,2) = P (A1) + P (A3);

porque os acontecimentos A1 e A3 são incompatíveis, isto é,
A1  A3 = Ø (não podem realizar – se simultaneamente).
Já não podemos dizer o mesmo de A1 e A2 porque a intersecção

não é vazia.
A1  A2 = {6}, logo P (A1  A2)  P (A1) + P (A2)
P (A1  A2) = P (sair 3, 6, 2, 4) = 0,60; enquanto P (A1) + P (A2)

= 0,79.
Este acontecimentos são compatíveis.
Um teorema importante ... o teorema da soma
Sejam dois acontecimentos A e B resultantes de uma mesma

experiência aleatória. Então
P(AB) = P(A) + P(B) – P(AB)
Se AB = , então P(AB) = P(A) + P(B)
No caso em que AB = , diz-se que os acontecimentos são

incompatíveis
Estatística 99
Acontecimentos contrários:
Seja A = «sair menos 4» e B = «sair mais do que 5».
Temos A  B = Ø
Seja A = «sair número par» e B = «sair número impar».
Vemos também que A  B = Ø; mas este último exemplo tem

uma diferença importante em relação aos anteriores. Se não se
realiza A, então ocorre B (se não sai par, sai impar) o que
significa que A  B engloba todos resultados possíveis desta
experiência. Então os acontecimentos além de incompatíveis,
dizem – se contrários.
Os acontecimentos A e B dizem – se contrários se a sua conjugação é

impossível (não incompatíveis) e, simultaneamente a sua disjunção é
certa.
A B = Ø ^ A B = 
O acontecimento contrário de A designa – se por A e é

complementar de A.
Definição Axiomática das Probabilidades
Acabamos de ver atrás intuitivamente, como a lógica dos

conjuntos e noção da frequência relativa intervêm na construção
do conceito de «Probabilidade de um Acontecimento». Foi
com base nesses acontecimentos que Kolmogrov concebeu a
primeira construção axiomática geral para a teoria das
probabilidades. Em 1950, esta obra foi dada a conhecer a todo o
Mundo cientifico pela tradução inglesa «Foundations of the
theory of Probability» e a partir de então a teoria das
probabilidades não parou de ganhar importância.
Como já dissemos, o espaço amostral E associado a uma

experiência aleatória é o conjunto de todos os resultados
possíveis dessa experiência. O espaço amostral pode ser discreto
(por exemplo, caso da lotaria ou dado) ou contínuo (por exemplo,
caso do tempo de esperar por um autocarro); no caso de ser
discreto pode ser finito (lotaria ou dado) ou ter um número
infinito de elementos (escolha de um numero natural qualquer).
100 Unidade
Lidaremos apenas com espaços discretos finitos.
Acontecimento é todo o subconjunto de E (incluindo o vazio Ø e

o próprio E).
Espaço de acontecimento é o conjunto de todas as partes ou

subconjuntos de E. Designa-se por  (E).
Definição axiomática das Probabilidades
A cada acontecimento A de espaço de acontecimentos faz-se

corresponder um número real que se chama probabilidade de A,
escreve-se P (A), o qual cumpre os seguintes axiomas:
A1: P (A)  0  A   (E)
A2: P (E) = 1 (acontecimento certo)
A3: Se A  B = Ø (A, B incompatíveis) então P ( A  B ) = P (A)

+ P(B)
Os axiomas A1 e A3 fazem com que a probabilidade seja uma

«mediana». O axioma A2 fixa a «quantidade» total da
probabilidade em 1, a semelhança das frequências relativas.
Assim, podemos dizer que a probabilidade mede até que ponto se
pode esperar que ocorra um acontecimento e que a medida
máxima é 1.
Primeiras consequências dos axiomas
(propriedades)
T1: A probabilidade do acontecimento contrário a A é dada por P

( A ) = 1 – P (A)
Corolário 1: P (Ø) = 0
A probabilidade de um acontecimento impossível é zero.
Corolário 2: P (A)  1.
T2: Quaisquer que sejam os acontecimentos A, B, C,….

Incompatíveis dois a dois tem-se P(A  B  C ...) = P(A) +
P(B) + P(C) +…
Estatística 101
Exercícios
58. Quando lançamos uma moeda sobre uma superfície plana,
qual é o conjunto de todos os casos possíveis?
59. Se em 1000 lançamentos de um dado se obtêm 400 vezes a

face 6, o dado deve ser viciado. Porque?
60. Uma urna contém várias bolas sendo umas vermelhas, outras
amarelas e as restantes brancas. Sabe-se que a probabilidade de
tirar bola vermelha é ¼.
a) Qual é a probabilidade de tirar amarelas ou brancas?
b) Qual é o espaço amostral?
c) Sendo V, A, B os acontecimentos elementares e sendo P (B) = 2
P(A), complete o quadro:
Acontecimentos V A B
Probabilidade
d) Há acontecimentos equiprováveis; dá mais do que um exemplo.

   
e) Calcula P ( V ), P ( B ) e P ( A ou B ).
61. Supondo que para certo dado, a probabilidade de observar
cada face é 1/6.
a) Qual a probabilidade de sair 4 ou 5 ou 6?
b) De sair menos de 1.
c) Lançando 200 vezes este dado é legitimo que o 6 sais quantas
vezes?
62. Num mau dado de póquer, (dado de 6 faces) a probabilidade
de sair rei é 1/5 e de sair às é de 1/4.
Qual a probabilidade de num lançamento:

a) Sair rei ou às?
b) Sair rei e às?
c) Não sair rei nem às?
63. Num dado viciado a probabilidade de obter a face 6 é dupla
de qualquer das outras. Calcule a probabilidade da saída de cada
uma das faces.
Auto-avaliação
102 Unidade
Unidade N0 15-A0005
Tema: Acontecimentos
equiprováveis
Introdução
Nesta unidade vamos falar da definição axiomática da
probabilidade, a definição de LAPLACE que trabalha com casos
favoráveis e casos possíveis.
.1.1. Conhecer os casos de acontecimentos equiprováveis.
.1.2. Ser capaz de calcular a probabilidade usando a

definição de LAPLACE.
Objectivos

Sumário
Acontecimentos equiprováveis
É bom lembrarmos que na maior parte das experiências

aleatórias, a única forma de avaliar a probabilidade de cada
acontecimento elementar consiste em repetir a experiência muitas
vezes em condições análogas: por exemplo, experiências com
objectos irregulares, acidentes na estrada, eleições e as
experiências científicas com adubos e medicamentos. Só uma
experimentação prolongada permite achar valores aproximados
das suas probabilidades.
Mas pensemos agora nas experiências em que é possível calcular

as probabilidades a priori, mesmo antes de realizar quaisquer
provas. Em geral estão ligadas a jogos de azar que usam objectos
regulares construídos com grande perfeição como dados, roletas,
urnas com bolas, moedas, baralho de cartas, … nestes casos a
experimentação reiterada, limita-se a confirmar os cálculos feitos
a priori.
Por exemplo no dado perfeito.

Estatística 103
Se é perfeito, P(1) = P(2) = P(3) = P(4) = P(5) = P(6), isto é, os

acontecimentos elementares são equiprováveis.
Como são 6, a probabilidade de cada um deles é 1/6.
Qualquer outro acontecimento é reunião de acontecimentos

elementares equiprováveis.
Definição clássicas de probabilidade
(ou lei de LAPLACE)
Se uma experiência aleatória tem n resultados possíveis

incompatíveis e equiprováveis, a probabilidade dum
acontecimento A é dada por:
nº de casos favoraveis a A # A # A
P (A) =  
nº de casos possiveis n #E
Sendo os «casos favoráveis a A» os elementos de A.
(# A designa o número de elementos de A).
Exemplo 31
Dum baralho de 52 cartas bem baralhados, extraiu-se uma carta

ao acaso. Qual a probabilidade:
a) de que seja figura?
b) de que seja de espada?
Resolução
a) Se o baralho estava correctamente baralhado e a extracção é feita
«à sorte» temos 52 casos possíveis equiprováveis (e
incompatíveis).
# E = Nº de casos possíveis = 52.
Então a probabilidade de tirar uma dada carta é P(A)=1/52.
O acontecimento da a) é «saída de figura» e temos 12 figuras no

baralho logo número de casos favoráveis = 12. Seja B: na
extracção obter figura
A probabilidade de obter figura é P(B) = .

104 Unidade
b) Cada naipe tem 13 cartas. Seja C: a carta extraída é espada.

Logo a probabilidade de tirar espadas é P(C) = , pois existem
13 cartas de espada (coração preto).
Exemplo 32.
Uma urna contém 5 bolas brancas e 3 bolas azuis. Retiramos ao

acaso duas bolas. Qual a probabilidade de que as duas sejam
brancas?
Resolução
Calculando o numero de casos possíveis (escolha de 2 bolas das 8

disponíveis):
8 8! 8!
C 2
= =
2!(8  2)! 2!6!
= 28
 Calculo do número de casos favoráveis (número de

possibilidades de escolher 2 bolas brancas das 5 disponíveis):
5! 5!
C25    10
2!(5  2)! 2!3!
Então, se D representa o acontecimento “as duas escolhidas são

brancas”, temos:
P(D) = =
Exercícios
Auto-avaliação
64. Uma urna contém 20 bolas vermelhas e 30 bolas brancas.
Extrai-se uma ao acaso. Qual a probabilidade de que saia:

a) Uma bola vermelha?
b) Uma bola branca?
c) Uma bola vermelha ou branca?
Estatística 105
65. De um baralho de 52 cartas, retira-se uma delas. Determine a

probabilidade dos seguintes eventos:
a) a carta é um 5 de copas;
b) a carta é um 5 qualquer.
66. Uma urna contém 10 bolas pretas, 11 bolas azuis e 12 bolas

brancas. Retirando-se uma bola ao acaso, qual a probabilidade
dela ser azul?
67. Uma urna contém 20 cartões numerados de 1 a 20. Um cartão

é retirado ao acaso. Determine a probabilidade dos seguintes
eventos:
a) O cartão tem o número 11;
b) O cartão tem um número maior que 15;
c) O cartão tem um número múltiplo de 3;
d) O cartão não tem o número 13.
68. Uma urna contém uma ficha para cada anagrama da palavra
CARRO. Escolhendo uma ficha ao acaso, determine a
probabilidade de que:
a) O anagrama comece com C.
b) O anagrama comece com R e termine com C.
68. De um baralho de 52 cartas, tiram-se 2 delas sem reposição.
Determine a probabilidade dos seguintes eventos:
a) As duas cartas serem “reis”;
b) As duas cartas serem de “espada”;
c) Termos um “rei” e um “oito”.
70. No lançamento simultâneo de 2 dados, determine a

probabilidade de se obter:
a) número nos dois lados;
b) pontos iguais nos dois dados.
71. Seis casais estão em uma festa. Escolhendo duas pessoas ao

acaso, determine a probabilidade de termos:
a) um homem e uma mulher;
b) um marido e sua esposa;
c) duas mulheres;
d) o casal Silva (um dos 6 casais presentes).
72. Uma urna contém 10 bolas: 5 azuis, 3 brancas e 2 pretas.

Escolhendo-se 3 bolas ao acaso e sem reposição, determine a
probabilidade de que:
106 Unidade
a) as três sejam brancas;

b) apenas uma seja branca;
c) pelo menos uma seja preta.
73. Numa caixa existem 6 parafusos e 6 porcas. Retira-se

aleatoriamente 3 peças.
a) qual é a probabilidade de que as três sejam porcas?
b) qual é a probabilidade de termos retirado 3 peças iguais?
Estatística 107
Unidade N0 16-A0005
Tema: Probabilidade Condicional
Introdução
Muitos casos da probabilidade condicionada são vividos
frequentemente na sociedade.
Nesta unidade vamos falar das possibilidades do cálculo.

o
 Conhecer as regras do cálculo da probabilidade condicional e até

que ponto uma informação adicional pode afectar o cáculo da
probabilidade de um acontecimento
Objectivos  Ser capaz de calcular a probabilidade da intersecção de

acontecimentos.
Sumário
Probabilidade Condicionada
Acontecimentos independentes
Probabilidade Condicional
Parece razoável defender que a probabilidade de uma pessoa,

escolhida ao acaso, gostar de Matemática, não é deve ser a
mesma se a escolha for feita num grupo de Licenciatura em
Ensino de Matemática ou num grupo de Liceniatura em ensino de
Filosofia.
De que maneira uma informação adicional afecta a probabilidade

de um acontecimento, é o que vamos tratar.
Questão 1:
108 Unidade
Sabemos que no lançamento de um dado perfeito a probabilidade

de saiR cada uma das faces é 1/6.
Supõe, porém, que o dado foi lançado e que a face voltada para
cima é um número par. Qual a probabilidade que a tal face é
divisível por 3?
Solução
No lançamento de um dado perfeio de 6 faces o espaço de

resultados é
E = {1, 2, 3, 4, 5, 6} e atribuimos a probabilidade 1/6 a cada

elemento de E.
Consideremos os acontecimentos:
A: “divisível por 3”  A = {3, 6}; B: “par”  B = {2, 4, 6}
O que pretendemos?
Pretendemos de que um elemento esteja em A, sabendo que

pertence a B.
Dado que estamos unicamente interessados em resultados nos

quais o número é par, podemos pôr de lado os resultados 1, 3, 5
resultaNdo desse modo um novo espeço de resultados, que é B =
{2, 4, 6}. Deste conjunto apenas {6} satisfaz a condição dada –
ser divisível por 3.
Se todos os resultados de B são equiprováveis, então P({2}) =

P({4}) = P({6}) = 1/3. Logo, a probabilidade que se procura é
1/3, isto é,
P(A ocorrer dado que B ocorreu) = 1/3. Simbolicamente isto se

escreve:
P(A/B) = 1/3.
Para resolvermos o problema, muito simplesmente mudamos o

espaço de resultados de E para B e procedemos a uma nova
atribuição de probabilidades.
Temos a liberdade de fazer isto de qualquer maneira consistente

com a definição de medidas de probabilidades, mas para B não
temos escolha a não ser P(B) = 1, pois B é o novo espaço
amostral “reduzido”.
Sistematizemos como surgiu o resultado de P(A/B) = 1/3

Estatística 109
 P(A/B) = , B  0 – regra (1) para o
cálculo da probabilidade condicional
Se de novo reparamos no espaço de resultados E = {1, 2, 3, 4, 5,

6}, vemos que
P(AB) = 1/6; P(B) = 3/6
Para obtermos o resultado do problema proposto, basta

considerar que:
P(A/B) = =  =
Portanto, P(A/B) = , P(B)  0, já que B considera-se que

ocorreu.
Suponhamos que os 40 alunos de uma turma da 11ª classe foram

agrupados atendendo à cor do cabelo (louro e preto) e à cor dos olhos
(azuis e castanhos), tendo-se obtido os seguintes resultados:
cabelos louros - 5
Olhos azuis 
cabelos pretos - 2
cabelos louros - 10
Olhos castanhos 
cabelos pretos - 23
Consideremos agora os seguintes acontecimentos:
A  ter cabelo louro 


A  ter cabelo preto
B  ter olhos azuis
A  B  ter cabelo louro e olhos azuis
B / A  ter olhos azuis entre os que tem cabelo louro
As probabilidades para cada um destes acontecimentos se

verificar é:
110 Unidade
15 7  25
P( A)  ; P( B)  ; P( A)  ;
40 40 40
 33 5 5
P( B)  ; P( A  B)  ; P( B / A) 
40 40 15
(Uma vez que dos alunos de cabelos louros apenas 5 têm olhos
azuis).
Comparando os resultados obtidos conclui-se:
5
5 P( A  B)
P( B / A)  = 40 
15 15 P( A)
40
Observação: P(B/A) diz-se probabilidade de B se A ou

probabilidade de B se realizar dado que A se realizou.
De um forma geral:
Sendo A e B dois acontecimentos relativos a uma experiência

aleatória e P(A)  0, chama-se probabilidade condicional de B,
conhecendo A, ou mais simplesmente, probabilidade de B se A,
P( A  B)
ao quociente: P(B/A) =
P( A)
P( A  B)
Observação: De igual modo, se P(B)  0, P(A/B) =
P( B)
Das relações anteriores obtém-se as formulas:
P A  B   PB / A P( A)
P A  B   P A / B  P( B)
Conhecidas por leis da multiplicação.
A probabilidade do acontecimento intersecção ( A B ) é igual à

probabilidade de um deles, suposta não nula, pela probabilidade
do outro condicionada realização do anterior.
Estatística 111
Exemplo 33
Extraem-se sucessivamente, duas cartas de um baralho de 52

cartas.
Qual a probabilidade de obter dois valetes?
Resolução
Usando a notação:
A – o acontecimento “sair valete” na primeira extracção.
B – o acontecimento “sair valete” na segunda extracção.
Temos:
P A  B   PB / A  P( A)
4 3 43 1
P( A  B)      0,00452
52 51 52  51 221
3
Observação: P( B / A)  porque uma vez extraído um valete
51
apenas ficam 3 num conjunto de 51 cartas.
Se a ocorrência do acontecimento A não afecta a ocorrência do

acontecimento B e vice-versa, diz-se que os acontecimentos A e
B são independentes, o que significa que:
P(B/A) = P(B) e P(A/B) = P(A)
Então P(A  B) = P(A) x P(B)
Ou generalizando:
Se os acontecimentos A1, A2 …, An são independentes teremos:
P( A1  A2  ...  An)  P( A1 )  P( A2 ).....P( An )
Exemplo 34
112 Unidade
Consideremos uma urna com 15 bolas equiprováveis, sendo 7

brancas e 8 pretas.
Tira-se uma bola e, antes de tirar nova bola, repõe-se na urna a

bola saída.
Qual a probabilidade de sair duas vezes bola branca em duas

extracções sucessivas?
Resoluções
Sejam os acontecimentos, A: “a primeira bola é branca” e B: “ a

segunda bola é branca”.
Dado que a extracção é com reposição, a probabilidade de extrair

bola branca na primeira tentativa, não afecta a probabilidade de
extrair bola branca na segunda tentativa. Então os acontecimentos
A e B são independentes, logo, a probabilidade pedida será:
P( A  B)  P( A)  P( B)
7 7
P( A  B)    0,217
15 15
Exemplo 35
Em 100 congressistas, 80 falam Francês e 40 falam Inglês. Qual a

probabilidade de 2 congressistas, escolhidos ao acaso, se
entenderem numa daquelas línguas?
Resolução
Escolhido o primeiro congressista, ele pode falar em Francês ou

Inglês.
Suponhamos que fala Francês.
80 8
A probabilidade do 1º congressista falar Francês é 
100 10
79
A probabilidade do 2º congressista também falar Francês é
99
Então:
Estatística 113
A probabilidade de 2 congressistas, escolhidos ao acaso, falarem

Francês será:
8 39
  0,639
10 99
A probabilidade de dois congressistas, escolhidos ao acaso,

falarem Inglês será:
40 39 4 39
   0,157
100 99 10 99
Seja A: “os dois congressistas falam a mesma língua”. Então a

probabilidade pedida é: P( A)  0,638  0,157  0,795
Exemplo 36
No lançamento de dois dados, determinar a probabilidade que a

soma dos resultados dos dois seja 5, supondo que no primeiro, o
resultado tenha sido menor que 3.
Resolução
Vamos considerar:
Evento A: “a soma dos resultados dos dois dados igual a 5”
Evento E: “o resultado do primeiro dado menor que 3”
Assim: A  (1,4); (2,3); (3,2); (4,1)
E  (1,1); (1,2); (1,3); (1,4); (1,5); (1,6); (2,1); (2,2); (2,3); (2,4); (2,5); (2,6).
A  E  (1,4); (2,3)
# ( A  E) 2 1
Então: P( A / E )   
#E 12 6
Exemplo 37
114 Unidade
De um baralho são retiradas, sucessivamente, duas cartas, sem

reposição. Qual a probabilidade de que as duas cartas retiradas
sejam damas?
Resolução
Vamos considerar:
 Evento A: obter dama na primeira carta.
 Evento B: obter dama na segunda carta.
Então, estamos procurando P(A  B).
P( A  B)  P( A)  P( B / A).
 Para a obtenção da primeira carta, existem 4 damas, num total de
4
52 cartas, então: P( A) 
52
 Para a obtenção da segunda carta, considerando que já saiu uma
dama a primeira retirada, temos 3 damas num total de 51 cartas,
3
então: P( B / A) 
51
4 3 1
Assim, P( A  B)   
51 51 221
Exemplo 38
Uma moeda é lançada 3 vezes. Qual é a probabilidade de que

apareça coroa nas três vezes?
Resolução
Espaço amostral: S  cara, coroa
Sejam os acontecimentos:
A: saiu coroa no primeiro lançamento
B: saiu coroa no segundo lançamento
C: saiu coroa no terceiro lançamento.
Então:
1
 Probabilidade de sair coroa no 1º lançamento  P( A) 
2
1
 Probabilidade de sair cora no 2º lançamento  P( B) 
2
Estatística 115
1
 Probabilidade de sair coroa no 3º lançamento  P(C ) 
2
1 1 1 1
Assim, P( A  B  C )    
2 2 2 8
Exemplo 39
Uma urna contém bolas numeradas de 1 a 15. Escolhendo-se ao

acaso uma bola, qual a probabilidade dela ser múltiplo de 2 ou
múltiplo de 3?
Resolução
Vamos considerar:
 S  1,2,3,4,5,6,7,8,9,10,11,12,13,14,15
 Evento A: “ocorre múltiplo de 2”.
A  2,4,6,8,10,12,14,
 Evento B: “ocorre múltiplo de 3”.
B  3,6,9,12,15
Assim, A  B = 6,12 . Então, a probabilidade de que o número

seja múltiplo de 2 ou múltiplo de 3, P( A  B)
7 5 2 10 2
é P( A  B)  P( A)  P( B)  P( A  B)     
15 15 15 15 3
Exemplo 40
Um lote de peças contém 15 peças boas, 4 com defeitos menores

e 2 com defeitos graves.
Escolhendo uma peça ao acaso, ache a probabilidade de que:

a) a peça seja boa;
b) a peça não seja boa.
Resolução

Se A é o evento “retirar uma peça boa”, então A é o evento “não
retirar uma peça boa”.
15 5
a) P( A)  
21 7
116 Unidade
 5   5 2
b) P( A)  P( A)  1   P( A)  1  P( A)  1  
7 7 7
Exemplo 41
Dois prémios iguais serão sorteados entre 8 pessoas, sendo 3

homens e 5 mulheres. Sabendo que os dois prémios não podem
ser ganhos pela mesma pessoa, qual é a probabilidade de ser
premiada pelo menos uma pessoa?
Resolução
Observe que, se P (A) é a probabilidade de que 2 homens sejam


premiados, então P( A ) é a probabilidade de que pelo uma
mulher seja premiada.
 Calculando P (A):
3 2 2
P( A)   
8 7 28
  3   25
Calculando P( A) : P( A)  P( A)  1   P( A)  1  P( A) 
 28 28
Exercícios
74. Em uma bola há 20 fichas numeradas de 1 a 20.
Tira-se uma ficha que em seguida é recolocada na bolsa, logo

após retira-se a outra ficha.
Qual é a probabilidade de se tirar duas vezes a mesma ficha?
75. Um grupo de 50 estudantes universitários é formado por 30

estudantes de Direito, 15 estudantes de Psicologia e 5 estudantes
de Matemática. Escolhendo um desses estudantes ao acaso, qual
é a probabilidade de que ele estude Psicologia ou Matemática?
76. Uma moeda é lançada, sucessivamente, três vezes.
Qual é a probabilidade de ocorrer pelo menos uma coroa,

sabendo que saiu cara na primeira jogada?
Estatística 117
77. Uma moeda é lançada quatro vezes seguidas.
Qual é a probabilidade de conseguirmos pelo menos uma cara,

sabendo que no primeiro lançamento foi obtido cara?
78. Determine a probabilidade de um casal ter 3 filhos, todos do

sexo feminino.
79. No lançamento de dois dados qual é a probabilidade da soma

ser 8, supondo que saiu no número 5 no primeiro dado?
80. A probabilidade de um casal de namorados passear no sábado

é 0,9 e quando saem, a probabilidade de jantar fora é 0,6. Qual é
a probabilidade desse casal sair para jantar no sábado?
81. Em uma corrida de automóveis, as chances de um piloto

ganhar são de 72%. Qual é a probabilidade dele perder a corrida?
82. Duas pessoas (A e B) vão resolver um exercício. As

probabilidades de que consigam resolvê-lo são:
P  A  e PB   . Determine a probabilidade de que:

1 2
3 5
a) Ambos resolvam o exercício;
b) A resolva e B não consiga resolver;
c) Ambos não resolvam o exercício;
d) Pelo menos um deles resolva.
83. Uma urna contém 3 bolas: uma verde, uma azul e uma
branca. Tira-se uma bola ao acaso, regista-se a cor e coloca-se a
bola de volta à urna. Repete-se esta experiência mais duas vezes.
Qual a probabilidade de serem registadas três cores distintas?
84. No problema anterior: Qual a probabilidade de obtermos três

bolas da mesma cor?
Terceiras sessões presencias.

118 Unidade
T.P.C.
1. Ler e estudar todas as páginas do referido texto.
2. Resolver todos os exercícios.
3. Entregar os exercícios números: 65, 67, 69, 72, 75, 78.
Auto-avaliação
Estatística 119
REFERÊNCIA BIBLIOGRÁFICA
3. PINTO, Helena Soares; NEVES, Isabel Costa; Métodos

quantitativos, Edições ASA. Lisboa, 1994.
4. FERREIRA, Maria Augusta Neves; CARVALHO, Maria

Luísa Brito; Exercícios de; Matemática 10º Ano, Porto
Editora, Lisboa.
5. LIMA, Yolanda; GOMES, Francelino; Xeqmat, Matemática

12º, Editorial o Livro, Lisboa, 2003.
6. PARENTE, Eduardo Afonso, BASSO, Otair; DANI, Adolfo;

CAMARGO, João Alfredo; Matemática Vol. 2, Editora
Pedagógica e Universitária, Lda, São Paulo.

Estatística PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Estatística PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Estatística PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Manual de Tronco Comum

Universidade Católica de Moçambique (UCM)

Elaborado Por: Lazaro Domingos Sande

Revisado Por: Jacinto Ordem

Mestrado (Msc) em Matemática: Currículo

pela Pontifícia Universidade Católica de São Paulo – Brasil

Universidade Católica de Moçambique (UCM)

A Universidade Católica de Moçambique (UCM) – Centro de Ensino à Distância (CED) e o

Unidade N0 15-A0005 102

Unidade N0 16-A0005 107

 Uma formação sobre a dimensão deontológica e técnica do exercício

Quem deveria estudar este

Como está estruturado este

 Uma visão geral detalhada do curso / módulo, resumindo os

Conteúdo do curso / módulo

O curso está estruturado em unidades. Cada unidade incluirá uma

Para quem esteja interessado em aprender mais, apresentamos

Tarefas de avaliação e/ou Auto-avaliação

Tarefas de avaliação para este módulo encontram-seno final de

Esta é a sua oportunidade para nos dar sugestões e fazer

uma parcela específica de texto, uma nova actividade ou tarefa,

Acerca dos ícones

Pode ver o conjunto completo de ícones deste manual já a seguir,

Procure reservar no mínimo 2 (duas) horas de estudo por dia e

Evite o estudo baseado em memorização, pois é cansativo e não

O manual contém muita informação, algumas chaves, outras

Um aspecto importante a ter em conta é a elaboração de um

Lembre-se que o teu sucesso depende da sua entrega, você é o

Os tutores têm por obrigação, monitorar a sua aprendizagem, dai

Todos os tutores têm por obrigação facilitar a interação, em caso

Os contactos só se podem efectuar, nos dias úteis e nas horas

As sessões presenciais são um momento em que você caro

O estudo em grupo, com os colegas é uma forma a ter em conta,

Juntos na Educação à Distância, vencedo a distância.

Tarefas (avaliação e auto-

Para cada tarefa serão estabelecidos prazos de entrega, e o não

As trabalhos devem ser entregues ao CED e os mesmos devem

Podem ser utilizadas diferentes fontes e materiais de pesquisa,

O plagiarismo deve ser evitado, a transcrição fiel de mais de 8

Os trabalhos de campo por si desenvolvidos , durante o estudo

Os testes são realizados durante as sessões presenciais e

Os exames são realizados no final da cadeira e durante as sessões

A nota de 10 (dez) valores é a nota mínima de: (a) admissão ao

Nesta cadeira o estudante deverá realizar: 3 (três) trabalhos; 2

Não estão previstas quaisquer avaliação oral.

Algumas actividades práticas, relatórios e reflexões serão

Durante a realização das avaliações , os estudantes devem ter em

Os objectivos e critérios de avaliação estão indicados no manual.

Alguns feedbacks imediatos estão apresentados no manual.

Tema: Estatística e sua aplicação

No entanto, o estudo da Estatística, com fundamentação

Com efeito, nos nossos dias, a sua utilização passou a ser

O conceito estatística e a importância de estudar estatística

A palavra ESTATÍSTICA vem do STATUS (Estados em Latim).

Em todos os campos da actividade humana, a informação é

Isto implica a profusão dos jornais, revista, livros e relatórios

- Distribuição de voto por região, reprovação e aprovação por nível

Ao iniciar um estudo de natureza estatística deverá fazer-se o

Ao completar esta unidade, você será capaz de: