1.152 - ESTATISTICA - CFC - TEORIA - v3

EX
AM E
E D ST
E S AT
UF ÍST
ICI
ÊN I CA
CIA
+
-C
Questões
Conceitos
1
Fundamentais
FC
SUMÁRIO
1 APRESENTAÇÃO…………………………………………………………………………………………3
2 INTRODUÇÃO À ESTATÍSTICA…………………………………………………………………………4
3 ESTATÍSTICA DESCRITIVA……………………………………………………………………………..5
3.1 DISTRIBUIÇÃO DE FREQUÊNCIAS.….………………………………………………………………5
3.2 MEDIDAS DE POSIÇÃO………….………………………………………………………………….…7
3.2.1 Medidas de Tendência Central..…….……………………………………………….……………8

3.2.1.1 Média Aritmética ( x )..…….……………………………………………………………….………8
3.2.1.1.1 Média Aritmética para Dados Agrupados em Classes..…….……………………….………9
3.2.1.1.2 Média Ponderada ( xw )……….……………………….……………………………………..…10
3.2.1.2 Mediana (Md)…..……….……………………………………………………………….…………12
3.2.1.3 Moda (Mo)…..……….……………………………………………………………….………….…15
3.2.1.3.1 Moda para Dados Agrupados em Classes………….………………………….………….…15
3.2.2 Separatrizes..…….…………………………………………………..…………………………..…16
3.3 MEDIDAS DE DISPERSÃO (ou variabilidade)………………………………………………..…..…17
3.3.1 Variância………………………………………………………………………………..……………18
3.3.2 Desvio Padrão.….……………………………………………………………………..……………18
3.3.3 Coeficiente de Variação (de Pearson)………………………………………………..…………22
4 ESTATÍSTICA INFERENCIAL………….….……….…………………………………………………..26
4.1 AMOSTRAGEM…………………………………………………………………………………..….…26
4.1.1 Distribuição Normal….……………….……………………………………………………………26

4.1.1.1 Tabela Z….….………………………………………………………………………………………29
4.1.2 Distribuição Amostral, Inferências Estatísticas e Intervalo de Confiança………………35

4.1.2.1 Intervalo de Confiança.……………………………………………………………………………36
4.1.2.2 Teste de Hipóteses……………………………………………………………………………..…39
4.2 CORRELAÇÃO, ESTIMAÇÃO E REGRESSÃO LINEAR…………………………………..……….42
4.2.1 Média Aritmética (2 variáveis)……………………………………………………………………42

4.2.2 Desvio Padrão………………………………………………………………………………………44
4.2.3 Estimação Linear e Correlação…………………………………………………………..……..46
4.2.4 Regressão Linear….………………………………………………………………………..……..49
5 QUESTÕES DE EXAMES ANTERIORES……………………………………………………….……55
5.1 QUESTÕES DE EXAMES ANTERIORES SEM COMENTÁRIOS……………………….……..….55
2.2 QUESTÕES DE EXAMES ANTERIORES COM COMENTÁRIOS……………………………...….63
3 GABARITO……………………………………………………….……………………………………….84
4 FINALIZANDO…………………………………………….………………………………..……………85
2
1 APRESENTAÇÃO
Olá, querido(a) colega e aluno(a)!
Esta apostila traz alguns conceitos fundamentais de estatística e todas as questões cobradas
desde 2011 até o exame de Suficiência 2020.2 do CFC sobre o assunto.
Se tiver dúvidas, fique à vontade para colocar lá nos comentários da aula ou me procurar no
nosso grupo do Telegram!
Visite também o meu canal do Youtube para acessar mais conteúdos sobre a HP12C!
Um grande abraço e vamos juntos!
Talita Kuroda.
youtube.com/talitakuroda
facebook.com/talita.kuroda
instagram.com/talitakuroda
3
2 INTRODUÇÃO À ESTATÍSTICA
Definição:
A Estatística é “o conjunto de métodos e processos quantitativos que servem para estudar,
avaliar e conceituar as medidas e os valores de um determinado fenômeno”.
Subdivisões:
A Estatística é subdividida em duas partes:
1) Estatística DESCRITIVA ou DEDUTIVA

Refere-se à organização e descrição dos dados de uma determinada população.
2) Estatística INDUTIVA ou INFERENCIAL

Refere-se à análise e interpretação dos dados de uma população, baseando-se
em amostras de probabilidade. Os dados amostrais são usados para fazer
inferências (generalizações) sobre uma população.
Alguns termos utilizados:

População: é o conjunto de todos os elementos e valores a serem estudados, passíveis
de medição. Quando a população é muito grande, é utilizada uma porcentagem de seus
elementos denominada amostra.
Amostra: é um subconjunto de elementos extraídos de uma população.
Censo: é o estudo de 100% da população.
Variáveis:
Dividem-se em:
Qualitativas:
Nominal: ex.: sexo, religião, estado civil, etc.
Ordinal: ex.: dia da semana, mês, grau de instrução, etc.
Quantitativas:
Discretas: ex.: número de faltas, irmãos, etc.
Contínuas: ex.: peso, altura, área, volume, etc.
4
3 ESTATÍSTICA DESCRITIVA
A estatística descritiva está relacionada à organização dos dados a serem estudados de uma
população.
Vamos estudar dentro da estatística descritiva:
1) Distribuição de Frequências;
2) Medidas de Posição;
3) Medidas de Dispersão.
3.1 DISTRIBUIÇÃO DE FREQUÊNCIAS
Quando começamos a fazer uma pesquisa, vamos coletando os dados na ordem em que eles
aparecem, ou seja, eles ainda estão desorganizados. Nessa fase, eles são chamamos de DADOS
BRUTOS.
Após a coleta dos dados, o próximo passo é organizar os dados em ROL, que consiste em
colocá-los em ordem crescente ou decrescente.
Depois de organizados em ROL, já podemos calcular a AMPLITUDE TOTAL dos dados, que é a
diferença entre o maior e o menor número.
Exemplo:
Você está fazendo uma pesquisa da faixa etária dos alunos de uma turma. Nela existem 30
alunos, sendo que o mais novo tem 18 anos e o mais velho tem 50 anos. Ao coletar os dados,
você anotou as seguintes idades:
28, 25, 19, 22, 44, 50, 22, 25, 33, 20,
18, 19, 21, 35, 48, 24, 32, 26, 33, 40,
DADOS BRUTOS
42, 22, 30, 40, 45, 19, 20, 25, 32, 21.
18, 19, 19, 19, 20, 20, 21, 21, 22, 22,
22, 24, 25, 25, 25, 26, 28, 30, 32, 32,
ROL (crescente)
33, 33, 35, 40, 40, 42, 44, 45, 48, 50.
50 - 18 = 32 AMPLITUDE TOTAL (Xmáx - Xmín = AT)
Nesse caso, chamamos de FREQUÊNCIA o número de pessoas relacionado a uma determinada idade.
Assim, obtemos uma tabela denominada DISTRIBUIÇÃO DE FREQUÊNCIAS.
5
A tabela de DISTRIBUIÇÃO DE FREQUÊNCIAS é dividida em CLASSES.
fi
Idade
(frequência simples)
18 |— 22 8 1ª Classe
22 |— 26 7 2ª Classe
26 |— 30 2 3ª Classe
30 |— 34 5 4ª Classe
34 |— 38 1 5ª Classe
38 |— 42 2 6ª Classe
42 |— 46 3 7ª Classe
46 |— 50 2 8ª Classe
Total n = 30
A AMPLITUDE de um intervalo de classe é representada pela letra h, e é calculada subtraindo-se o limite

inferior do limite superior:
h = limsup - liminf
Por exemplo, a amplitude da 2ª classe é:
Frequência Simples Amplitude da Classe
Idade fi h = limsup - liminf
22 |— 26 7 h = 26 - 22 = 4
O PONTO MÉDIO de uma classe é representado por xi, e divide o intervalo de classe em duas partes
iguais. Portanto, para a 2ª classe, já temos as seguintes informações:
Frequência Simples Ponto Médio
Idade fi xi = (liminf_i + limsup_i) ÷ 2
xi = (22 + 26) ÷ 2
22 |— 26 7 xi = 48 ÷ 2
xi = 24
Além da frequência absoluta simples que acabamos de ver, também podemos encontrar a frequência
relativa - que é dada em percentual - e a frequência acumulada - que é o somatório das frequências
simples até determinada classe.
6
A tabela com os três tipos de frequências e o ponto médio ficaria assim:
fi fr fac
xi
Idade (frequência (frequência (frequência
(ponto médio)
simples) relativa) (%) acumulada)
18 |— 22 8 20 8/30 = 27% 8
22 |— 26 7 24 7/30 = 23% 15
26 |— 30 2 28 2/30 = 7% 17
30 |— 34 5 32 5/30 = 16% 22
34 |— 38 1 36 1/30 = 3% 23
38 |— 42 2 40 2/30 = 7% 25
42 |— 46 3 44 3/30 = 10% 28
46 |— 50 2 48 2/30 = 7% 30
Total n = 30 100%
Algumas conclusões:
1) Metade dos alunos da turma (27% + 23% = 50%) têm de 18 a 26 anos.
2) Apenas 3% dos alunos estão na faixa etária de 34 a 38 anos.
3) 73% dos alunos estão abaixo dos 34 anos (27% + 23% + 7% + 16%)
3.2 MEDIDAS DE POSIÇÃO
As MEDIDAS DE POSIÇÃO são valores que determinam a localização das premissas

encontradas na distribuição de frequências, e são usadas para análise e conclusão da pesquisa.
Essas medidas possuem as seguintes subdivisões:
1) Medidas de Tendência Central:
a) Média Aritmética (Me);
b) Mediana (Md);
c) Moda (Mo).
2) Separatrizes:
a) Quartil;
b) Decil;
c) Percentil;
d) Mediana.
7
3.2.1 Medidas de Tendência Central
3.2.1.1 Média Aritmética ( x )
A MÉDIA ARITMÉTICA é a medida de tendência central que corresponde ao grau de

concentração dos valores de uma distribuição de frequências.
Ela corresponde a um valor que pode substituir todos os elementos de uma lista sem alterar o
valor da soma entre eles.
A fórmula para a média aritmética é:
x1 + x2 + … + xn
x=
Exemplo:
Vamos calcular a média aritmética dos números 4, 7, 8, 29:
Pela fórmula da Média Aritmética ( x )
x = (x1 + x2 + x3 + x4) ÷ n
x = (4 + 7 + 8 + 29) ÷ 4
x = 48 ÷ 4
x = 12
A HP12C possui funções nativas para o cálculo da média aritmética. Para fazer esse mesmo
cálculo, siga os seguintes comandos:
8
Teclas Mostrador Descrição
f CLEAR REG 0,00 Limpar Registros
1,00 x1
4
2,00 x2
7
3,00 x3
8
4,00 x4
29
12,00 x (Média Aritmética)
3.2.1.1.1 Média Aritmética de Dados Agrupados por Classes ( x )
Já para calcular a média aritmética de dados agrupados por classes, temos que multiplicar o
valor de xi (ponto médio) pela frequência, e dividir pela soma das frequências. Vamos ver como
ficaria no nosso exemplo da turma de 30 alunos:
fi
xi
Idade (frequência xi . fi
(ponto médio)
simples)
18 |— 22 8 20 8 x 20 = 160
22 |— 26 7 24 7 x 24 = 168
26 |— 30 2 28 2 x 28 = 56
30 |— 34 5 32 5 x 32 = 160
34 |— 38 1 36 1 x 36 = 36
38 |— 42 2 40 2 x 40 = 80
42 |— 46 3 44 3 x 44 = 132
46 |— 50 2 48 2 x 48 = 96
∑ ( i i)
Total n = 30 x f = 888
∑ (xi fi)
x=
n
888
x= = 29,60 anos
30
9
3.2.1.1.2 Média Ponderada ( xw )
Enquanto na média aritmética comum todos os valores contribuem com o mesmo peso, na
média ponderada se leva em consideração o peso ou contribuição de cada termo.
Com isso, se todos os pesos forem iguais, o valor da média ponderada será igual ao da média
aritmética.
A HP12C possui uma função nativa para cálculo da média ponderada:
(g xw - Média Ponderada - azul) Calcula a média ponderada dos valores y (item)

e x (peso) usando as estatísticas acumuladas.
Para fazer o cálculo da média ponderada, os comandos são os seguintes:
Teclas Descrição
Limpar registros estatísticos
f CLEAR ∑
(e também os registros da pilha)
( ou f CLEAR REG ) Limpar registros (exceto programas)
(valor do item) ENTER

Primeiro item
(peso) ∑+

Segundo item
(peso) ∑+

Terceiro item
(peso) ∑+

(Mesmo procedimento com todos os os itens)
(peso) ∑+
Valor da Média Ponderada
10
Vamos ver um exemplo:
EXEMPLO) Suponha que você fez uma viagem e teve que parar em 4 postos para abastecer. Os
respectivos volumes e preços por litro são:
Posto 1: 15 litros a R$1,16 por litro;
Posto 4: 17 litros a R$1,18 por litro.
Qual o preço médio por litro de combustível comprado?
f CLEAR ∑ 0,00
( ou f CLEAR REG ) 0,00 Limpar registros (exceto programas)
1.16 ENTER 1,16

Primeiro posto
15 ∑+ 1,00
1.24 ENTER 1,24

Segundo posto
7 ∑+ 2,00
1.20 ENTER 1,20

Terceiro posto
10 ∑+ 3,00
1.18 ENTER 1,18

Quarto posto
17 ∑+ 4,00
Média ponderada do custo

1,19
por litro
Se você tivesse comprado a mesma quantidade por litro em cada posto, poderia calcular a média
aritmética simples. 
11
3.2.1.2 Mediana (Md)
A MEDIANA é o valor do elemento central de uma distribuição se o número de elementos (n) for
ímpar, ou a média dos dois termos centrais se “n” for par.
Vamos ver como esse assunto já foi cobrado:
1. (FBC - Exame de Suficiência CFC - 2011.1 - q.33)

Os preços em reais (R$) para uma amostra de equipamentos de som estão indicados na tabela
abaixo.
Equipamento 1 2 3 4 5 6 7
Preço (R$) 500,00 834,00 470,00 480,00 420,00 440,00 440,00
Com base na amostra, o valor CORRETO da mediana é igual a:
a) R$440,00.
b) R$470,00.
c) R$512,00.
d) R$627,00.
Comentário:
A questão pede o valor da mediana.
Passo 1) Organizar os dados brutos em ROL, que consiste em colocá-los em ordem crescente
ou decrescente. Vamos colocar em ordem crescente.
(n) (1) (2) (3) (4) (5) (6) (7)
Preço (R$) 420,00 440,00 440,00 470,00 480,00 500,00 834,00
Passo 2) Encontrar a mediana. A mediana (ou valor mediano) é uma medida de posição
(separatriz) que divide o conjunto em dois subconjuntos com o mesmo número de elementos.
Nesse caso, temos um número ímpar de termos, portanto, a mediana é igual ao termo central,
cuja posição é calculada pela fórmula Md = (n+1) ÷ 2, sendo “n” o número de elementos.
12
Md = (n+1) ÷ 2
Md = (7+1) ÷ 2
Md = 8 ÷ 2 = 4
Assim, descobrimos que a mediana é o termo que se encontra na posição 4, que é o valor de
R$470,00.
(n) (1) (2) (3) (4) (5) (6) (7)
Preço (R$) 420,00 440,00 440,00 470,00 480,00 500,00 834,00
Gabarito: Letra B.

Uma sociedade empresária obteve uma receita total, no ano de 2014, no valor de R$31.200,00,
distribuída mensalmente como segue:
Mês Receita
Janeiro R$ 1.000,00
Fevereiro R$ 15.000,00
Março R$ 1.200,00
Abril R$ 1.500,00
Maio R$ 1.800,00
Junho R$ 2.700,00
Julho R$ 1.000,00
Agosto R$ 1.600,00
Setembro R$ 1.100,00
Outubro R$ 1.600,00
Novembro R$ 1.400,00
Dezembro R$ 1.300,00
Analisando-se os dados e calculando-se as medidas de tendência central, pode-se afirmar que a

mediana é de:
a) R$1.450,00.
13
b) R$1.850,00.
c) R$2.600,00.
d) R$2.700,00.
Comentário:
(n) (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12)
R$ 1.000 1.000 1.100 1.200 1.300 1.400 1.500 1.600 1.600 1.800 2.700 15.000
jan jul set mar dez nov abr ago out mai jun fev
Nesse caso, temos um número par de termos, portanto, a mediana será igual à média aritmética
dos dois termos centrais, sendo que os dois termos centrais são n/2 e (n/2 + 1):
n/2 = 12/2 = 6
n/2 + 1 = 12/2 + 1 = 6 + 1 = 7
(n) (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12)
R$ 1.000 1.000 1.100 1.200 1.300 1.400 1.500 1.600 1.600 1.800 2.700 15.000
Para encontrar a média aritmética (Md) de n6 e n7:
Md6,7 = (n6 + n7) / 2
Md6,7 = (1.400 + 1.500) / 2
Md6,7 = 2.900 / 2
Md6,7 = 1.450
A mediana é igual a R$1.450,00.
Gabarito: Letra A.
14
3.2.1.3 Moda (Mo)
A MODA é o valor que mais aparece na distribuição de frequências, sendo que um conjunto de
valores pode apresentar mais de uma moda.
Exemplo:
(CESPE - Polícia Federal - 2018)
dia
1 2 3 4 5
X
(quantidade diária de
10 22 18 22 28
drogas apreendidas,
em kg)
Tendo em vista que, diariamente, a Polícia Federal apreende uma quantidade X, em kg, de drogas
de determinado aeroporto do Brasil, e considerando os dados hipotéticos da tabela precedente,
que apresenta os valores observados da variável X em uma amostra aleatória de 5 dias de
apreensões no citado aeroporto, julgue o item.
A moda da distribuição dos valores X registrados na amostra foi igual a 22kg.
Comentário:
A assertiva está CORRETA, pois o número 22 aparece 2 vezes, enquanto os outros números
aparecem apenas 1 vez. Portanto, a moda é igual a 22.
Gabarito: CERTO
3.2.1.3.1 Moda para Dados Agrupados em Classes
Existem ainda algumas fórmulas para cálculos da Moda para dados agrupados em classe. Vamos
citá-las aqui, mas não vamos nos aprofundar neste assunto.
Moda de Pearson Mo = 3 . Md - 2x
É o ponto médio da classe modal
Moda Bruta (classe que possui a maior

frequência).
15
li = limite inferior
fM = frequência da classe modal
Moda de Czuber fant = frequência da classe anterior
fpost = frequência da classe posterior
h = amplitude da classe
Moda de King
3.2.2 Separatrizes
SEPARATRIZES são valores que dividem uma distribuição de frequências em partes iguais.
Fórmula
Separatriz Representação gráfica
(p/ dados agrupados em classes)
Mediana
Quartil Q2 = Mediana (Md)
Decil
Percentil (100 partes iguais)
Md = Mediana
li = Limite Inferior
Qx = xº Quartil
16
Dx = xº Decil
Px = xº Percentil
facant = Frequência Acumulada Anterior
fi = frequência da classe
n = número de elementos
h = amplitude da classe
3.3 MEDIDAS DE DISPERSÃO (ou variabilidade)
As MEDIDAS DE DISPERSÃO ou de variabilidade complementam as informações fornecidas

pelas medidas de posição e demonstram o grau de variação existente em um conjunto de
valores.
Elas são divididas em:
1) Amplitude Total (AT);
2) Variância [S2 (amostral) ou σ 2(populacional)];
3) Desvio padrão [S (amostral) ou σ (populacional)];
4) Coeficiente de Variação (Cv).
Já vimos no início do curso como calcular a Amplitude Total (AT):
28, 25, 19, 22, 44, 50, 22, 25, 33, 20,
18, 19, 21, 35, 48, 24, 32, 26, 33, 40,
DADOS BRUTOS
42, 22, 30, 40, 45, 19, 20, 25, 32, 21.
18, 19, 19, 19, 20, 20, 21, 21, 22, 22,
22, 24, 25, 25, 25, 26, 28, 30, 32, 32,
ROL (crescente)
33, 33, 35, 40, 40, 42, 44, 45, 48, 50.
50 - 18 = 32 AMPLITUDE TOTAL (Xmáx - Xmín = AT)
Vamos ver a seguir as demais medidas de dispersão.
17
3.3.1 VARIÂNCIA
A VARIÂNCIA determina o quanto o valores de uma distribuição estão distantes da média

aritmética.
Ela é calculada pela média aritmética dos quadrados dos DESVIOS, sendo que os desvios são
calculados pela diferença de cada elemento em relação à média aritmética. A fórmula resultante
desse conceito é a seguinte:
Variância Populacional ( σ 2 ) Variância Amostral ( S2 )
∑ (x i − x ) ∑ (x i − x )
2 2
2 2
σ = S =
n n−1
Vamos ver um exemplo após o estudo do DESVIO PADRÃO, pois a VARIÂNCIA é o quadrado do
desvio padrão.
Variância Desvio Padrão
Populacional σ2 σ
Amostral S2 S
3.3.2 DESVIO PADRÃO
O DESVIO PADRÃO expressa o grau de dispersão de um conjunto de dados, ou seja, indica o

quando o conjunto é uniforme.
Quanto mais próximo de 0 (zero) for o desvio padrão, mais homogêneos são os dados.
Como vimos no tópico anterior, ele é calculado extraindo-se a raiz quadrada da variância.
Também é possível calcular diretamente o Desvio Padrão com a HP12C, pois ela possui uma
função nativa para esse cálculo.
Vamos ver alguns exemplos já cobrados em provas:
18
3. (CONSULPLAN - Exame de Suficiência CFC - 2019.2 - q.32)
Os seguintes dados amostrais foram obtidos de uma pesquisa que buscou saber o
comportamento de determinada ação cotada em bolsa de valores no decorrer de nove pregões:
PREGÕES
P1 P2 P3 P4 P5 P6 P7 P8 P9
Preços R$ 7,00 7,40 7,50 7,60 7,70 7,80 7,75 7,35 7,00
Considerando apenas os dados amostrais apresentados, é correto afirmar que:
a) A mediana dos preços é igual a R$7,50.

b) A variância dos preços é, aproximadamente, R$0,30.
c) A média aritmética simples dos preços é igual a R$7,00.
d) O desvio-padrão dos preços é, aproximadamente, R$0,09.
Comentário:
As opções de resposta citam a mediana, a variância, a média aritmética e o desvio-padrão.
(n) (1) (2) (3) (4) (5) (6) (7) (8) (9)
Preços R$ 7,00 7,00 7,35 7,40 7,50 7,60 7,70 7,75 7,80
Md = (n+1) ÷ 2
Md = (9+1) ÷ 2
Md = 10 ÷ 2
Md = 5
19
(n) (1) (2) (3) (4) (5) (6) (7) (8) (9)
Preços R$ 7,00 7,00 7,35 7,40 7,50 7,60 7,70 7,75 7,80
R$7,50.
Com isso, já encontramos o gabarito na letra A. Mas vamos ver as outras alternativas para
aproveitarmos o estudo.
Passo 3) Calcular a média aritmética, o desvio padrão e a variância.
Podemos calcular rapidamente a média aritmética, o desvio padrão e a variância utilizando as

funções da HP12C:
f CLEAR REG 0,00 Limpar registros
f2 0,00 2 casas decimais
7 ∑+ 1,00 1º número da série
7.35 ∑+ 3,00 3º número da série
7,46 Média Aritmética
0,30 Desvio Padrão
expoente de 0,30
2 2, (pois a variância é igual ao

quadrado do desvio padrão)
yx 0,09 Variância
20
IMPORTANTE: perceba que o enunciado deixa claro que se tratam de dados AMOSTRAIS. A
função da HP12C para cálculo do desvio padrão ( g S ) também é baseado em AMOSTRA. Se
estivéssemos tratando de uma população, o cálculo seria feito de maneira diferente.
Gabarito: Letra A.

Durante o primeiro semestre de 2019, as Sociedades Empresárias Alfa e Beta apresentaram os
seguintes valores de receitas de vendas ao mês:
Receitas de Vendas (em R$) no Primeiro Semestre/2019
Janeiro Fevereiro Março Abril Maio Junho
Sociedade Alfa 20.000,00 20.000,00 15.000,00 18.000,00 30.000,00 35.000,00
Sociedade Beta 35.000,00 35.000,00 15.000,00 18.000,00 30.000,00 20.000,00
Considerando apenas as informações apresentadas, quais são os respectivos valores que mais
se aproximam do desvio-padrão amostral das receitas de vendas da Sociedade Alfa e da
Sociedade Beta no primeiro semestre de 2019?
a) 7.071,07 e 7.340,91
b) 7.340,91 e 7.071,07
c) 7.340,91 e 8.041,56
d) 7.745,97 e 8.916,28
Comentário:
A questão pede o desvio padrão amostral das receitas de vendas da Sociedade Alfa e da
Sociedade Beta no primeiro semestre de 2019.
Podemos resolver rapidamente essa questão utilizando as funções estatísticas da HP12C.
Vamos começar pela Sociedade Alfa:
21
7.745,97 Desvio Padrão Amostral de Alfa
Já chegamos ao gabarito na letra D, mas vamos continuar o estudo e calcular o desvio padrão
amostral da Sociedade Beta:
Desvio Padrão Amostral de

8.916,28
Beta
Gabarito: Letra D.
3.3.3 COEFICIENTE DE VARIAÇÃO (de Pearson)
Quando fazemos o cálculo do Desvio Padrão e chegamos ao valor de 1 cm, por exemplo, não
temos como saber se esse valor é substancial ou não, ou seja, se os dados estão muito
afastados ou pouco afastados da média.
Se estivermos medindo postes de 10m, 1 cm é um desvio padrão muito pequeno, ou seja,

poderíamos dizer que os postes são bem homogêneos.
Porém, se estivermos medindo objetos pequenos, como copos, por exemplo, um desvio padrão
de 1cm seria inaceitável.
22
Por isso, existe uma medida de dispersão que relaciona o desvio padrão com a média, que é o
COEFICIENTE DE VARIAÇÃO, cuja definição nos leva à seguinte fórmula:
σ
Cv =
x
Assim, o Coeficiente de Variação é usado para analisar a dispersão em termos relativos ao valor
médio, visto que dois ou mais conjuntos de valores podem apresentar unidades de medida
diferentes.
Visto que tanto o Desvio Padrão ( σ ) quanto a média aritmética ( x ) possuem a mesma unidade,
o Coeficiente de Variação (Cv) é adimensional, e geralmente é expresso em porcentagem.
Vamos ver um exemplo de como esse assunto já foi cobrado:

A empresa Fernandes Ltda. possui dois investimentos W e Y. O departamento financeiro levantou
as seguintes informações: o retorno esperado de W é de 1,5% e o de Y 1,4%. O desvio-padrão
é de 10% para W e para Y. Considerando que o nível de risco absoluto é igual para ambas as
alternativas de investimento pelo critério de variação relativa (coeficiente de variação), assinale
qual investimento é mais arriscado.
a) Considerando que o risco absoluto é o mesmo para os dois investimentos, as duas

alternativas não serão interessantes.
b) Os dois são interessantes, pois, pelo critério proposto, os riscos de ganhar ou perder para os
dois investimentos são os mesmos. Portanto, não faz diferença.
c) O investimento W é bem mais arriscado do que o Y, pois, para cada R$1,00 de retorno do
investimento em W, a empresa pode perder ou ganhar R$0,14; já o investimento em Y, para
cada R$1,00 de retorno, a empresa pode ganhar ou perder R$0,15.
d) O investimento Y é mais arriscado do que W, pois, para cada R$1,00 de retorno do

investimento W, a empresa pode perder ou ganhar R$6,67; já o investimento Y, para
Comentário:
A questão pergunta qual é o investimento mais arriscado segundo o critério de variação

relativa (coeficiente de variação), sendo que o desvio padrão para ambos é de 10%.
23
Vamos esquematizar as informações do enunciado para facilitar a compreensão:
Investimento W Investimento Y
Retorno médio (k w) de 1,5%

Retorno médio (k y) de 1,4%
Desvio padrão (σw) de 10% Desvio padrão (σy) de 10%
Isso quer dizer que o retorno esperado o Isso quer dizer que o retorno esperado o
investimento W é de 1,5%, podendo variar investimento Y é de 1,4%, podendo variar
10% para cima ou 10% para baixo. 10% para cima ou 10% para baixo.
10% 1,5% 10% 10% 1,4% 10%
Quanto MAIOR for o desvio padrão, MAIOR será o risco do investimento. O nível de risco
absoluto é medido pelo desvio padrão, por isso, o enunciado diz que ele “é igual para ambas as
alternativas de investimento”.
O cálculo do desvio padrão apenas quantifica o risco, mas não diz qual é a melhor relação
entre risco e retorno.
Para isso existe o Coeficiente de variação (Cv), que é uma medida de dispersão que relaciona
o desvio padrão (σ) com o retorno médio (k). Ou seja:
σ
Cv =
O Coeficiente de variação (Cv) fornece um parâmetro para analisarmos se o risco dado pelo
desvio padrão é grande ou pequeno em relação ao retorno médio do investimento. Ou seja, no
mostra qual investimento possui a melhor relação risco X retorno.

24
Cvw = 10% ÷ 1,5%
CvY = 10% ÷ 1,4%
Cvw = 6,67 = 0,0667% CvY = 7,14 = 0,0714%
A melhor relação risco X retorno é aquela que tiver o menor Coeficiente de variação (Cv),
assim como diz a letra D:

investimento W, a empresa pode perder ou ganhar R$6,67; já o investimento Y, para cada R$1,00
de retorno, a empresa pode ganhar ou perder R$7,14. - CERTO
Gabarito: Letra D.
Alguma questão ainda pode pedir o valor da VARIÂNCIA RELATIVA, que é calculada elevando-
se o Coeficiente de Variação ao quadrado:
Vr = (Cv)2
25
4 ESTATÍSTICA INFERENCIAL
A Estatística Inferencial ou Indutiva refere-se à análise e interpretação dos dados de uma

população, baseando-se em amostras de probabilidade.
Ela realiza induções sobre o todo - ou seja, sobre uma população - a partir de uma amostra,
controlando a probabilidade de erro.
4.1 AMOSTRAGEM
AMOSTRAGEM é a técnica de seleção de uma amostra, para que seja possível estudar as
características de uma população.
Para compreender o princípio de amostragem, é preciso estudar a distribuição de valores. Vamos

estudar 2 tipos de distribuições, que são:
a) Distribuição Normal;
b) Distribuição Amostral.
4.1.1 Distribuição Normal
A Distribuição Normal é uma distribuição contínua de probabilidades que possui dois parâmetros
fundamentais:
a) Média (parâmetro de localização);
b) Desvio padrão (parâmetro de dispersão).
A curva da distribuição normal é conhecida como Curva de Gauss, e tem o seguinte formato:
26
50% 50%
Md = x = Mo
A Curva de Gauss possui as seguintes características:
a) A Média, a Moda e a Mediana são iguais;
b) Tem forma de sino e é simétrica em torno da média;
c) A área total sob a curva é de 100%.
Vamos ver um exemplo de como esse assunto já foi cobrado:
A quantidade diária de unidades vendidas do produto X em uma determinada indústria segue

uma distribuição normal, com média de 1.000 unidades e desvio padrão de 200 unidades. O
gráfico abaixo representa a distribuição normal padrão com média igual a 0 (zero) e desvio-
padrão igual a (um), cujas percentagens representam as probabilidades entre os valores de
desvio padrão.
27
Com base nas informações fornecidas, é CORRETO afirmar que:
a) a probabilidade de a quantidade vendida ficar abaixo de 800 unidades é de 34,13%.
b) a probabilidade de a quantidade vendida ficar acima de 1.200 unidades é de 13,6%.
c) a probabilidade de a quantidade vendida ficar entre 800 e 1.200 unidades é de 68,26%.

d) a probabilidade de a quantidade vendida ficar entre 800 e 1.200 unidades é de 31,74%.
Comentário:
A distribuição normal é uma distribuição de probabilidade determinada por dois parâmetros:
µ = Média (parâmetro de localização)
σ = Desvio padrão (parâmetro de dispersão)
A curva de distribuição normal também é conhecida como Curva de Gauss. A Curva de Gauss é
simétrica, com a área total sob a curva representando 100%, sendo 50% à esquerda da média e
50% à direita da média.
Os valores de média, moda e mediana são iguais.
34,13% 34,13%
µ = 1000
µ-σ= µ+σ=
1000 - 200 = 1000 + 200 =
800 1200
28
Como o desvio padrão igual a 1 representa 200 unidades, podendo variar para cima ou para
baixo da média (1000), basta somarmos as áreas entre -1 e +1, sendo que as porcentagens
foram fornecidas pela questão.
Substituindo os valores na curva de Gauss, verificamos que a probabilidade de a quantidade

vendida ficar entre 800 e 1.200 unidades é de 68,26%.
Gabarito: Letra C
4.1.1.1 Tabela Z
Na questão anterior, o enunciado forneceu todos os dados para o cálculo do resultado da

probabilidade.
Porém, é possível que alguma questão traga um valor aleatório de X, para que seja calculada a
sua probabilidade de ocorrência através da distribuição normal.
Na distribuição normal, os resultados da probabilidade são obtidos através de uma tabela de

score, chamada de Tabela Z. Esses resultados são identificados pelo posicionamento dos
valores dentro da curva.
A fórmula para encontrar o valor de Z para a identificação da probabilidade é:
Z = valor da tabela Z
X−μ X = Valor aleatório

Z=
σ µ = Média aritmética
σ = Desvio padrão
Veja na página a seguir a tabela com os valores de Z: 
29

*Destaque referente ao exemplo a seguir: Z=1,53
30
Vamos ver um exemplo de como encontrar a probabilidade de Z numa distribuição normal:
a) A área em laranja abaixo corresponde a P (Z≤1,53) (lê-se: probabilidade de Z menor ou igual a

1,53):
0,50 0,4370
Z = 1,53
Valores de Z
Para encontrar o valor de Z=1,53, temos que cruzar na Tabela Z a linha 1,5 com a coluna 0,03.
Esse cruzamento nos mostra o valor de 0,4370, visto que a tabela mostra os valores a partir de
0,00.
Por isso, para encontrarmos P(Z≤1,53), temos que somar o valor encontrado na Tabela Z com
mais 0,50 (50%) que estão abaixo de zero, encontrando P(Z≤1,53) = 0,50 + 0,4370 = 0,9370.
Vamos ver um exemplo de como isso pode ser cobrado:
31
EXEMPLO:
A média de idade de um determinado grupo de alunos é igual a 20 anos e o desvio padrão é
igual a 2 anos. Sabendo que a distribuição das idades é uma distribuição normal, qual é o
percentual de alunos com idades entre 17 e 22 anos?
Vamos desenhar o gráfico de distribuição normal:
15 16 17 18 19 20 21 22 23 24
Temos que calcular o percentual referente área laranja do gráfico, que abrange os alunos entre 17
e 22 anos.
Vamos chamar 17 de X1 e 22 de X2.
A questão informou o valor da média: µ = 20
E do desvio padrão: σ = 2
Agora, temos que encontrar os valores de Z referentes aos valores de X1 e X2:
X−μ
Z=
32
X1 − μ X2 − μ
Z1 = Z2 =
σ σ
17 − 20 22 − 20
Z1 = Z2 =
2 2
3 2
Z1 = − Z2 =
2 2
Z1 = − 1,5 Z2 = 1
Inserindo os valores de Z na distribuição, temos o seguinte:
15 16 17 18 19 20 21 22 23 24
Z
-1,5 0 1
Agora, vamos conferir na Tabela Z o percentual referente a esses valores, sendo que ambos
encontram-se na primeira coluna de cruzamento:
33
43,32% 34,13%
15 16 17 18 19 20 21 22 23 24

Z
-1,5 0 1
Para Z=1,5 temos 0,4332 ou 43,32%.
Para Z=1 temos 0,3413 ou 34,13%.
Assim, o percentual de alunos que têm entre 17 e 22 anos é de 43,32% + 34,13% = 77,45%.
34
4.1.2 Distribuição Amostral, Inferências Estatísticas e Intervalo de Confiança
A DISTRIBUIÇÃO AMOSTRAL é uma distribuição de probabilidade de uma medida estatística

baseada em uma amostra aleatória. O posicionamento de seus valores é determinado dentro dos
parâmetros da média e do desvio padrão.
Para que uma população seja estudada é necessário que haja uma amostra, que necessita de
uma fundamentação específica para validação de seus dados. Essa validação é fundamentada
por INFERÊNCIAS ESTATÍSTICAS.
INFERÊNCIA ESTATÍSTICA é um processo que refere-se à possibilidade de obter informações

sobre a população por meio de resultados amostrais.
Imagine que você está cozinhando uma sopa e precisa

saber como está o sabor: se tem sal o suficiente, se
precisa de mais tempero, ou mais água…
Você pega apenas uma pequena amostra da sopa e

experimenta, e a partir disso, tira uma conclusão sobre o
todo.
Você não precisa tomar TODA a sopa! Você misturou bem e sabe que o conjunto está
homogêneo, portanto, pode tirar uma conclusão sobre o todo com base em uma amostra.
As inferências estatísticas são divididas em 2 áreas:
a) Estimação de parâmetros;
b) Testes de Hipóteses.
O parâmetro é uma constante que descreve alguma característica numérica da população,

portanto, seu valor não varia.
Já o estimador de um parâmetro populacional é uma característica determinada na amostra,

pois quando tiramos uma conclusão a partir de uma amostra, ela é uma estimativa.
Veja no quadro a seguir os símbolos de alguns parâmetros e seus estimadores:
35
Parâmetros ( θ ) Estimadores ( θ ̂ )
(população) (amostra)
Média µ x
Variância σ2 S2
Desvio padrão σ S
Coeficiente de Correlação ρ r
Como uma amostra não inclui todos os elementos da população, uma a estimativa geralmente
difere do parâmetro a que está relacionada.
Com isso, a diferença entre o estimador e o parâmetro é chamado de ERRO AMOSTRAL ( ε ).
ε = θ ̂ - θ
4.1.2.1 Intervalo de Confiança
O INTERVALO DE CONFIANÇA mede a confiabilidade de uma amostra retirada de uma

população. Seu estudo serve para aumentar o grau de confiança na pesquisa, ou seja, aumentar
a probabilidade de acerto.
Exemplificando de maneira simples, se encontrássemos uma média amostral com valor 50 ( x=

50 ), poderíamos estimar através de cálculos estatísticos que o parâmetro populacional média (
µ ) estivesse num intervalo entre 40 e 60 (40 ≤ µ ≤ 60), por exemplo. Esse seria o nosso intervalo
de confiança.
x = 50
40 ≤ µ ≤ 60
36
O cálculo do Intervalo de Confiança para a média é feito através da seguinte fórmula:
Onde:
µ = Média Populacional
σ
μ=X±z X = Média Amostral
n Z = Valor na Tabela Z
σ = Desvio Padrão
n = número de elementos
Essa parte da fórmula é chamada de ERRO. Portanto, podemos dizer que a média
populacional é igual à média amostral mais ou menos o erro.
Exemplo:
(ELETROBRAS)
Uma amostra aleatória simples de tamanho 1.600 de uma população normal com variância de
100 foi observada e resultou uma média amostral igual a 15. Um intervalo de 95% de confiança
para a média populacional será estimado por:
a) (14,26; 15,74)
b) (14,51; 15,49)
c) (13,92; 16,08)
d) (13,66; 16,34)
e) (13,20; 16,80)
Comentário:
A questão informou os seguintes dados:
O tamanho da amostra (n) é igual a 1.600.
n = 1.600
A variância populacional (σ 2) é igual a 100. Portanto, temos que o Desvio Padrão populacional é
igual a 10.
σ = 10.
A média amostral é igual a 15.
X = 15
37
O intervalo de confiança é de 95%, ou seja, 47,5% (0,4750) de cada lado da distribuição
normal. Com isso, conseguimos encontrar o valor de Z na tabela, que corresponde a 1,96
(cruzamento de 1,90 com 0,06).
Z=1,96.
Agora, basta substituir os dados na fórmula para calcular o intervalo de confiança para a média
populacional:
σ
μ =X±z
n
10
μ = 15 ± 1,96
1600
10
μ = 15 ± 1,96 ×
40
μ = 15 ± 0,49
Portanto, o intervalo de confiança será de 14,51 a 15,49.
No gráfico, teremos a seguinte representação:
47,5% 47,5%
14,51 X = 15 15,49
(média amostral)
µ = 15 ± 0,49
(intervalo de confiança p/ a média populacional)
Z
-1,96 0 1,96
Gabarito: Letra B. 

38
4.1.2.2 Testes de Hipóteses
O TESTE DE HIPÓTESES é um processo de análise que permite verificar se uma afirmação

sobre algum parâmetro populacional é verdadeira ou falsa.
Partimos de duas hipóteses básicas:
H0 = Hipótese Nula
H1 = Hipótese Alternativa (também chamada de HA)
A Hipótese Nula (H0) pode ser considerada o valor que tomamos como verdade, e a Hipótese
Alternativa (H1) é a sua negação, ou seja, se o resultado obtido estiver fora da região de aceitação
da Hipótese Nula (H0).
Formulação da Hipótese Nula (H0) e da Hipótese Alternativa (H1)
Exemplo:
Você é gerente de uma fábrica que produz coxinhas congeladas de 100g.

Pode ser que algumas fiquem um pouco maiores ou um pouco menores,
mas a média deve ser 100g. Esse será a nossa Hipótese Nula (H0).
H0: µ = 100g
Para manter o controle de qualidade de modo que os clientes não reclamem

por receber uma coxinha menor do que o tamanho anunciado e para que a fábrica não tenha
prejuízo caso as coxinhas sejam maiores que o planejado, não é desejável que elas tenham uma
média diferente de 100g. Essa será a Hipótese Alternativa (H1).
H1 : µ ≠ 100g
Visto que não é possível analisar todas as coxinhas produzidas, você pega (por exemplo) quatro
coxinhas por dia durante um mês para calcular a média amostral.
39
Nível de Significância ( α )
O NÍVEL DE SIGNIFICÂNCIA ( α ) é o padrão estatístico especificado para rejeitar a hipótese

nula, ou seja, a probabilidade de se rejeitar uma hipótese verdadeira.
Pode-se dizer também que é a probabilidade de cometermos um Erro do Tipo I.
H0 Verdadeira H0 Falsa
Erro Tipo II
Aceitar H0 Decisão Correta
(ß)
Erro Tipo I
Rejeitar H0 Decisão Correta
( probabilidade α )
Num caso de teste de hipóteses bilateral, como é o nosso exemplo da coxinha, o nível de
significância ( α ) fica divido entre os dois lados da distribuição, sendo α/2 para cada lado:
TESTE BILATERAL
α/2 1 -α α/2
98 µ = 100 102
Região crítica Região de aceitação Região crítica
No exemplo das coxinhas e de acordo com a distribuição acima, decidiu-se rejeitar a hipótese
nula se a média amostral do peso das coxinhas for menor que 98g ou maior que 102g.
Dependendo do objetivo da pesquisa, também podem ser realizado os testes unilaterais:
40
TESTE UNILATERAL À ESQUERDA TESTE UNILATERAL À DIREITA
α α
Nesses casos, estaríamos testando (por exemplo) a probabilidade das coxinhas serem menores
que 98g (teste unilateral à esquerda) ou a probabilidade das coxinhas serem maiores que 102g
(teste unilateral à direita).
Vamos analisar os erros:
H0 Verdadeira H0 Falsa
Erro Tipo II
Aceitar H0 Decisão Correta
(ß)
Erro Tipo I
Rejeitar H0 Decisão Correta
( probabilidade α )
Situação 1) Se H0 for verdadeira, ou seja, se o tamanho médio das coxinhas realmente estiver
dentro da região de aceitação (entre 98g e 102g), e a partir da análise da amostra chegarmos a
essa mesma conclusão, aceitaremos H0 e tomaremos a decisão correta.
Situação 2) Se H0 for verdadeira, ou seja, se o tamanho médio das coxinhas realmente estiver
dentro da região de aceitação (entre 98g e 102g), e a partir da análise da amostra chegarmos a
uma conclusão diferente (que H0 é falsa), rejeitaremos H0 e cometeremos um Erro Tipo I (α).
Situação 3) Se H0 for falsa, ou seja, se o tamanho médio das coxinhas estiver abaixo de 98g ou
acima de 102g, e a partir da análise da amostra chegarmos a essa mesma conclusão,
rejeitaremos H0 e tomaremos a decisão correta.
Situação 4) Se H0 for falsa, ou seja, se o tamanho médio das coxinhas estiver abaixo de 98g ou
acima de 102g, porém, a partir da análise da amostra chegarmos à conclusão que H0 é
verdadeira, aceitaremos H0 e e cometeremos um Erro Tipo II ( ß ).
41
4.2 CORRELAÇÃO, ESTIMAÇÃO E REGRESSÃO LINEAR
Para estudar os conceitos de correlação, estimação e regressão linear, vamos iniciar com um
exemplo de cálculo bi-variado de média aritmética e desvio padrão utilizando a HP12C.
Utilizaremos esse mesmo exemplo desde o cálculo da média até a regressão linear.
4.2.1 Média Aritmética (2 variáveis)
(g x - Média Aritmética - azul) Calcula a média aritmética dos valores x e y

usando as estatísticas acumuladas.
Em cálculos bi-variados, o par ordenado possui dois valores: x e y. Nesse caso, deve-se realizar
a seguinte sequência:
A) Digitar o valor de y;
B) Apertar ENTER;
C) Digitar o valor de x;
D) Apertar ∑+.
E)
Primeiramente, a média dos valores de x aparece no mostrador. Para exibir a

média dos valores de y, basta apertar a tecla de troca entre x e y.
EXEMPLO - CÁLCULOS BI-VARIADOS - valores de x e y)
Foi realizado um levantamento com sete vendedores de uma loja. Eles trabalham o número de
horas por semana e vendem por mês o valores de acordo com a tabela abaixo:
42
Vendedor Horas / Semana ( y ) Vendas / Mês ( x )
1 32 R$ 17.000,00
2 40 R$ 25.000,00
3 45 R$ 26.000,00
4 40 R$ 20.000,00
5 38 R$ 21.000,00
6 50 R$ 28.000,00
7 35 R$ 15.000,00
Calcule:
A média de horas trabalhadas por semana por vendedor? ( média de y )
A média de vendas por mês por vendedor? ( média de x )
f CLEAR ∑ 0,00
( ou f CLEAR REG ) 0,00 Limpar registros (exceto programas)
32 ENTER 32,00
Primeiro par (vendedor 1)
17000 ∑+ 1,00
40 ENTER 40,00
Segundo par (vendedor 2)
25000 ∑+ 2,00
45 ENTER 45,00
Terceiro par (vendedor 3)
26000 ∑+ 3,00
40 ENTER 40,00
Quarto par (vendedor 4)
20000 ∑+ 4,00
38 ENTER 38,00
Quinto par (vendedor 5)
21000 ∑+ 5,00
50 ENTER 50,00
Sexto par (vendedor 6)
28000 ∑+ 6,00
35 ENTER 35,00 Sétimo par (vendedor 7)
15000 ∑+ 7,00 (número total de pares da amostra)
Média das vendas mensais
21.714,29
(média de x)
Média do número de horas trabalhadas

40,00 por semana
(média de y)
43
4.2.2 Desvio Padrão
(g S - Desvio Padrão - azul) Calcula os desvios-padrão da amostra dos valores x

e y usando as estatísticas acumuladas.
O desvio padrão é uma medida de dispersão em relação à média, representado pela letra “S”.
Ele indica o quanto um conjunto de dados é uniforme. Quanto mais próximo de 0 (zero) for o
desvio padrão, mais homogêneos são os dados.
Quando apertado o comando “g S”, a calculadora exibe o desvio padrão dos

valores de x. Para exibir o desvio padrão dos valores de y, basta apertar a tecla de
troca entre x e y.
Para calcular o desvio padrão dos valores do exemplo anterior, basta seguir esses comandos:
4.820,59 Desvio padrão das vendas (x)
6,03 Desvio padrão das horas trabalhadas (y)
As fórmulas usadas pela HP12C para calcular o desvio padrão são baseadas em uma AMOSTRA
da população.
Devemos supor então, que os sete vendedores para os quais calculamos as médias e o desvio
padrão, são uma AMOSTRA de uma população de vendedores.
44
Se os sete vendedores fossem uma população inteira, o cálculo do desvio padrão
populacional (σ) poderia ser feito da seguinte forma:
21.714,29 Médias (reais)
8,00 Número de pares + 1
4.463,00 Desvio padrão populacional de x (σx)
5,58 Desvio padrão populacional de y (σy)
Se quiséssemos continuar entrando mais dados, bastaria apertar os seguintes comandos:
21.714,29 Médias (reais)
Número total de pares da amostra de 7

7,00
vendedores
E depois, entrar os novos dados de outros vendedores, por exemplo, como veremos no próximo
tópico. 
45
4.2.3 Estimação Linear e Correlação
Com os dados que já acumulamos nos registros estatísticos, podemos estimar um novo valor de
y, dado um novo valor de x, e estimar um novo valor de x dado um novo valor de y.
(g ˆy, r - Estimativa Linear - azul)

- Estimativa Linear (registro X), coeficiente de correlação (registro Y). Ajusta uma
reta a um conjunto de pares de dados (x, y) informados usando ∑+, e depois
extrapola essa linha para estimar um valor y para um dado valor x.
- Calcula o grau (coeficiente de correlação r) com que os dados do conjunto (x, y)

se aproximam de uma reta.
(g ˆx, r - Estimativa Linear - azul)

- Estimativa Linear (registro X), coeficiente de correlação (registro Y). Ajusta uma
reta a um conjunto de pares de dados (x, y) informados usando ∑+, e depois
extrapola essa linha para estimar um valor x para um dado valor y.
- Calcula o grau (coeficiente de correlação r) com que os dados do conjunto (x, y)

se aproximam de uma reta.
Isso pode ocorrer, por exemplo, se tivermos que estimar o valor de vendas de um outro vendedor
que trabalhe 48 horas por semana, baseado no resultado anterior:
Horas / Semana Vendas / Mês

Vendedor
(y) (x)
8 48 ?
Para fazer esse cálculo, aperte:
Vendas estimadas para uma semana útil

28.818,93
48 de 48 horas.
Chegamos a um resultado baseado numa estimativa linear de x.
A confiabilidade de uma estimativa linear depende da aproximação dos pares de dados a uma
reta, quando desenhados em um gráfico. A medida usual dessa confiabilidade é o coeficiente de
correlação “r”.
Esse coeficiente é calculado automaticamente, sempre que a estimativa linear de x ou y é

calculada.
46
Para verificar a confiabilidade da estimativa linear do exemplo anterior, aperte:
0,90 Coeficiente de correlação “r”
Um coeficiente de correlação perto de 1 ou de -1 indica que os pares de dados se aproximam

bem de uma reta, ou seja, que existe uma relação linear entre as duas grandezas x e y.
Portanto, o coeficiente de correlação de 0,90 indica que a estimativa das vendas calculada tem
um bom nível de confiabilidade.
A correlação é positiva quando as grandezas variam no mesmo sentido (relação direta entre
as grandezas). No nosso exemplo, quanto maior o número de horas, maior o número de vendas.
Por isso, o coeficiente de correlação resultou num valor positivo (+0,90). Esse gráfico mostra uma
reta ascendente.
A correlação é negativa quando as grandezas variam em sentidos opostos (relação inversa entre
as grandezas). Quanto mais uma cresce, mais a outra diminui. Nesse caso, teríamos a reta
decrescente no gráfico.
47
Por outro lado, um coeficiente de correlação perto de 0, indicaria que os pares de dados não
se aproximam de uma reta, ou seja, que não existe uma relação linear entre as duas grandezas
x e y. Nesse caso, a estimativa linear utilizando esses dados não seria muito confiável.
Não há correlação
48
4.2.4 Regressão Linear
A Regressão Linear Simples é uma equação matemática de apenas duas variáveis que apresenta
uma relação de linha reta entre elas.
y = mx + p
Uma boa correlação, como vimos há pouco, serve para prever comportamentos, formando o
modelo de regressão.
Vamos continuar com o nosso exemplo, e utilizar os mesmos valores das variáveis x e y:
Horas / Semana Vendas / Mês

Vendedor
(y) (x)
1 32 R$ 17.000,00
2 40 R$ 25.000,00
3 45 R$ 26.000,00
4 40 R$ 20.000,00
5 38 R$ 21.000,00
6 50 R$ 28.000,00
7 35 R$ 15.000,00
Na regressão linear simples, a variável x é a chamada variável independente e a variável y é

chamada de variável dependente.
Para desenhar a reta de regressão gerada pelo nosso exemplo, temos que calcular os
coeficientes da equação linear y = mx + p, onde:
m é o coeficiente angular; e
p é o coeficiente linear.
Inserindo os dados no Excel, podemos confirmar os dados encontrados pela HP12C, e visualizar
a linha de tendência gerada:
49

Vamos ver agora como calcular os coeficientes de equação linear y = mx + p com a HP12c,
chegando aos mesmos resultados encontrados no Excel:
Calcula o coeficiente linear “p”, que é

0 15,55
a interseção com o eixo y para x=0.
1 1,
1,
15,55
Calcula o coeficiente angular “m”,

0,90 que é a inclinação da reta.
Indica a mudança nos valores

estimados causados por uma
15,55 mudança incremental no valor x.
15,55
0,001
50
Portanto, assim como encontrado pelo Excel, a equação que descreve a reta de regressão é:
y = 0,001x + 15,55
Vamos ver a seguir alguns exemplos de como esses assuntos já foram cobrados:

O conceito de correlação visa explicar o grau de relacionamento verificado no comportamento
de duas ou mais variáveis. Assim, a correlação entre duas variáveis indica a maneira como elas
se movem em conjunto. Uma empresa obteve uma covariância entre as variáveis “nível de
produção” e “nível da taxa de juros” de -0,63%; o desvio padrão da primeira variável foi de
14,08% e da segunda de 4,65%. Ao analisar a correlação entre as variáveis, pode-se afirmar que:
a) Não há correlação significativa entre as duas variáveis estudadas.
b) Caso ocorra aumento no nível de produção da economia, o nível da taxa de juros também
aumentará.
c) Caso ocorra diminuição no nível de produção da economia, o nível da taxa de juros também
diminuirá.
d) Caso ocorra aumento no nível de produção da economia, o nível da taxa de juros

diminuirá.
Comentário:
A covariância e a correlação são medidas que relacionam duas variáveis.
A correlação é positiva quando as grandezas variam no mesmo sentido, ou seja, quando há

uma relação direta entre elas.
A correlação é negativa quando as grandezas variam em sentidos opostos, ou seja, quando há

uma relação inversa entre elas.
A correlação é calculada dividindo-se a covariância pelo produto dos desvios padrões:
Os dados fornecidos foram:
covariância = -0,63%
S’ = 14,08%
S” = 4,65%
51
Portanto:
Corr = Cov / (S’ . S”)

Corr = -0,0063 / (0,1408 . 0,0465)
Corr = -0,0063 / 0,0065472
Corr = -0,962243
Vamos analisar as alternativas:
a) Não há correlação significativa entre as duas variáveis estudadas. - ERRADA

Existe sim uma correlação significativa, pois ela é bem próxima de -1,00. Isso quer dizer
que as variáveis têm uma forte correlação entre si, e enquanto uma cresce a outra
decresce.
aumentará. - ERRADA
A correlação é negativa (-0,96). Portanto, enquanto uma variável cresce, a outra decresce.
diminuirá. - ERRADA
d) Caso ocorra aumento no nível de produção da economia, o nível da taxa de juros diminuirá. -
CERTA
A correlação é negativa e forte (próxima de -1,00). Enquanto uma variável cresce a outra
decresce.
Gabarito: Letra D.
52
Durante todo o mês de julho de 2018, a Sociedade Empresária Alfa realizou pesquisa diária
visando medir a força relativa da relação linear entre o número de acessos ao seu site na Internet
e o volume de vendas (em R$) de seu Produto “A”. Sabe-se que os dados amostrais obtidos para
os quatro primeiros dias de pesquisa foram:
Volume de vendas do Produto

Dia Número de acessos ao site
“A” (em R$)
1 7 14,00
2 10 20,00
3 9 18,00
4 10 20,00
Considerando-se apenas as informações apresentadas, qual das alternativas a seguir apresenta

o valor que mais se aproxima do coeficiente de correlação (r de Pearson) existente entre o
número de acessos ao site e o volume de vendas do Produto “A” nos quatro primeiros dias da
pesquisa?
a) 1.
b) 4.
c) 9.
d) 18.
Comentário:
Essa questão pode ser resolvida rapidamente com um conhecimento básico do coeficiente de
correlação “r”, de que ele varia entre -1,0 e 1,0.
Somente com essa informação, a única alternativa possível é a letra A.
Mas vamos ver as formas de resolução para aproveitarmos o estudo. Uma das maneiras seria
resolver pela fórmula do Coeficiente de Correlação Linear de Pearson:
Mas isso certamente tomaria muito tempo na hora da prova.
53
Poderíamos resolver rapidamente com as funções estatísticas da HP12C, da seguinte maneira:
(Considere o número de acessos como “y” e o volume de vendas como “x”, sendo a sequência
“y ENTER x ∑+”)
7 ENTER 14 ∑+ 1,00 1º par
10 ENTER 20 ∑+ 2,00 2º par
9 ENTER 18 ∑+ 3,00 3º par
10 ENTER 20 ∑+ 4,00 4º par
A partir daqui, vamos inserir um valor aleatório de y, de 8 acessos ao site (y=8), para estimar um
valor de x (número de vendas estimado) e calcular o Coeficiente de Correlação “r”.
Estimativa linear de x para y=8
16,00 (para 8 acessos,
8 teremos 16 vendas)
Coeficiente de Correlação
1,00
Linear “r”
Veja que o Coeficiente de Correlação “r” é igual a 1,00, ou seja, é uma reta crescente. Isso quer
dizer que a estimativa linear é extremamente confiável.
Conforme o número de acessos aumenta, o volume de vendas também aumenta, sendo sempre
o dobro do número de acessos.
Gabarito: Letra A. 

54
3 QUESTÕES DE EXAMES ANTERIORES
3.1 QUESTÕES DE EXAMES ANTERIORES SEM COMENTÁRIOS

abaixo.
Preço (R$) 500,00 834,00 470,00 480,00 420,00 440,00 440,00
a) R$440,00.
b) R$470,00.
c) R$512,00.
d) R$627,00.

Mês Receita
Janeiro R$ 1.000,00
Março R$ 1.200,00
Abril R$ 1.500,00
Maio R$ 1.800,00
Junho R$ 2.700,00
Julho R$ 1.000,00
Agosto R$ 1.600,00
55
Outubro R$ 1.600,00

mediana é de:
a) R$1.450,00.
b) R$1.850,00.
c) R$2.600,00.
d) R$2.700,00.

PREGÕES
P1 P2 P3 P4 P5 P6 P7 P8 P9
Preços R$ 7,00 7,40 7,50 7,60 7,70 7,80 7,75 7,35 7,00

Para determinar a quantidade de contratos que terão seus cálculos revisados, em um
procedimento de auditoria, o auditor utiliza a seguinte fórmula:
Z2 ⋅ σ2 ⋅ N
n= 2
d ⋅ (N − 1) + Z 2 ⋅ σ 2
Onde:
56
n = tamanho da amostra aletória simples a ser selecionada da população.
Z = abcissa da distribuição normal padrão, fixado um nível de (1 - α )% de confiança para

construção do intervalo de confiança para a média.
σ = desvio padrão da população
N = tamanho da população
d = erro amostral admitido
Em relação à quantidade de contratos a serem selecionados para revisão de cálculos, mantidos

constantes os valores dos demais componentes da fórmula, é CORRETO afirmar que:
a) quanto maior for o desvio padrão da população e maior for o tamanho da população, menor
será a amostra dos contratos.
b) quanto maior for o desvio padrão da população, maior será a amostra de contratos.
c) quanto maior for o erro amostral admitido e menor for o desvio padrão da população, maior
será a amostra de contratos.
d) quanto menor for o erro amostral admitido, menor será a amostra de contratos.

Sociedade Alfa 20.000,00 20.000,00 15.000,00 18.000,00 30.000,00 35.000,00
Sociedade Beta 35.000,00 35.000,00 15.000,00 18.000,00 30.000,00 20.000,00
a) 7.071,07 e 7.340,91
b) 7.340,91 e 7.071,07
c) 7.340,91 e 8.041,56
d) 7.745,97 e 8.916,28
57
O conceito de correlação visa explicar o grau de relacionamento verificado no comportamento de
duas ou mais variáveis. Assim, a correlação entre duas variáveis indica a maneira como elas se
movem em conjunto. Uma empresa obteve uma covariância entre as variáveis “nível de
aumentará.
diminuirá.
d) Caso ocorra aumento no nível de produção da economia, o nível da taxa de juros diminuirá.


“A” (em R$)
1 7 14,00
2 10 20,00
3 9 18,00
4 10 20,00

pesquisa?
a) 1.
b) 4.
c) 9.
d) 18.
58
as seguintes informações: o retorno esperado de W é de 1,5% e o de Y 1,4%. O desvio-padrão é
de 10% para W e para Y. Considerando que o nível de risco absoluto é igual para ambas as


investimento W, a empresa pode perder ou ganhar R$6,67; já o investimento Y, para cada
R$1,00 de retorno, a empresa pode ganhar ou perder R$7,14.

Uma indústria produz um único produto e adota a análise de regressão linear para estimar os
custos indiretos de manutenção fixos e variáveis. Ela fundamenta-se em dados históricos da sua
capacidade normal de produção e utiliza a seguinte Função de Regressão Amostral (FRA):
Y = β 1̂ + β 2̂ x + u
̂
Onde:
Y = total dos custos indiretos de manutenção
β 1̂ = intercepto
β 2̂ = coeficiente angular
x = volume de produção em unidades do produto
û = termo de erro aleatório
É sabido que o setor da indústria passa por um momento de retração e a mesma vem
produzindo, há vários meses, menos de 50% da capacidade normal, sem, no entanto, reduzir sua
estrutura de custos fixos. No mês de maio de 2018, a indústria produziu 2.000 unidades de seu
produto, equivalente a 40% da capacidade normal de produção. O total dos custos indiretos de
manutenção incorridos no mesmo mês foi de R$1.700.000,00. Em sua última estimação baseada
59
em uma série histórica com dados mensais de produção em nível de capacidade normal, a
indústria encontrou β 1̂ = 1.000.000 e β 2̂ = 350, sendo estes dados utilizados para alocação de
custos no mês de maio de 2018. Considerando-se apenas as informações apresentadas e de
acordo com a NBC TG 16 (R2) - Estoques, assinale, entre as opções a seguir, o valor dos custos
indiretos de manutenção fixos não alocados aos produtos que deve ser reconhecido diretamente
como despesa no mês de maio de 2018.
a) R$0,00.
b) R$350.000,00.
c) R$600.000,00.
d) R$1.000.000,00.

Uma sociedade empresária apresentou as seguintes estimativas de vendas de computadores:
Quantidade a ser vendida no mês Percentual de probabilidade
120 unidades 10%
140 unidades 40%
180 unidades 35%
220 unidades 15%
A quantidade esperada de unidades a serem vendidas no mês é de:
a) 140 unidades.
b) 164 unidades.
c) 165 unidades.
d) 600 unidades.

Uma determinada indústria produz três produtos. A produção total é 1.000 unidades por mês.
O controle de qualidade da indústria registrou os seguintes números de peças defeituosas na

produção:
60
Número de unidades
Produto Produção mensal total
defeituosas
Produto A 400 unidades 60 unidades
Produto B 350 unidades 35 unidades
Produto C 250 unidades 45 unidades
Total 1.000 unidades 140 unidades
A probabilidade de encontrar uma peça defeituosa do produto B é de:
a) 10%.
b) 14%.
c) 15%.
d) 18%.

desvio padrão.
61
62
8.1 QUESTÕES DE EXAMES ANTERIORES COM COMENTÁRIOS

abaixo.
Preço (R$) 500,00 834,00 470,00 480,00 420,00 440,00 440,00
a) R$440,00.
b) R$470,00.
c) R$512,00.
d) R$627,00.
Comentário:
(n) (1) (2) (3) (4) (5) (6) (7)
Preço (R$) 420,00 440,00 440,00 470,00 480,00 500,00 834,00
Md = (n+1) ÷ 2
Md = (7+1) ÷ 2
Md = 8 ÷ 2 = 4
63
R$470,00.
(n) (1) (2) (3) (4) (5) (6) (7)
Preço (R$) 420,00 440,00 440,00 470,00 480,00 500,00 834,00
Gabarito: Letra B.

Mês Receita
Janeiro R$ 1.000,00
Março R$ 1.200,00
Abril R$ 1.500,00
Maio R$ 1.800,00
Junho R$ 2.700,00
Julho R$ 1.000,00
Agosto R$ 1.600,00
Outubro R$ 1.600,00

mediana é de:
a) R$1.450,00.
b) R$1.850,00.
c) R$2.600,00.
d) R$2.700,00.
64
Comentário:
(n) (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12)
R$ 1.000 1.000 1.100 1.200 1.300 1.400 1.500 1.600 1.600 1.800 2.700 15.000
Nesse caso, temos um número par de termos, portanto, a mediana será igual à média aritmética
dos dois termos centrais, sendo que os dois termos centrais são n/2 e (n/2 + 1):
n/2 = 12/2 = 6
n/2 + 1 = 12/2 + 1 = 6 + 1 = 7
(n) (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12)
R$ 1.000 1.000 1.100 1.200 1.300 1.400 1.500 1.600 1.600 1.800 2.700 15.000
Para encontrar a média aritmética (Md) de n6 e n7:
Md6,7 = (n6 + n7) / 2
Md6,7 = (1.400 + 1.500) / 2
Md6,7 = 2.900 / 2
Md6,7 = 1.450
A mediana é igual a R$1.450,00.
Gabarito: Letra A.
65
PREGÕES
P1 P2 P3 P4 P5 P6 P7 P8 P9
Preços R$ 7,00 7,40 7,50 7,60 7,70 7,80 7,75 7,35 7,00

Comentário:
As opções de resposta citam a mediana, a variância, a média aritmética e o desvio-padrão.
(n) (1) (2) (3) (4) (5) (6) (7) (8) (9)
Preços R$ 7,00 7,00 7,35 7,40 7,50 7,60 7,70 7,75 7,80
Md = (n+1) ÷ 2
Md = (9+1) ÷ 2
Md = 10 ÷ 2
Md = 5
66
(n) (1) (2) (3) (4) (5) (6) (7) (8) (9)
Preços R$ 7,00 7,00 7,35 7,40 7,50 7,60 7,70 7,75 7,80
R$7,50.
Com isso, já encontramos o gabarito na letra A. Mas vamos ver as outras alternativas para
aproveitarmos o estudo.
Passo 3) Calcular a média aritmética, o desvio padrão e a variância.
Podemos calcular rapidamente a média aritmética, o desvio padrão e a variância utilizando as

funções da HP12C:
f2 0,00 2 casas decimais
7,46 Média Aritmética
0,30 Desvio Padrão
expoente de 0,30
2 2, (pois a variância é igual ao

quadrado do desvio padrão)
yx 0,09 Variância
67
IMPORTANTE: perceba que o enunciado deixa claro que se tratam de dados AMOSTRAIS. A
função da HP12C para cálculo do desvio padrão ( g S ) também é baseado em AMOSTRA. Se
estivéssemos tratando de uma população, o cálculo seria feito de maneira diferente.
Gabarito: Letra A.

Para determinar a quantidade de contratos que terão seus cálculos revisados, em um
procedimento de auditoria, o auditor utiliza a seguinte fórmula:
Z2 ⋅ σ2 ⋅ N
n= 2
d ⋅ (N − 1) + Z 2 ⋅ σ 2
Onde:
n = tamanho da amostra aleatória simples a ser selecionada da população.
Z = abcissa da distribuição normal padrão, fixado um nível de (1 - α )% de confiança para

construção do intervalo de confiança para a média.
σ = desvio padrão da população
N = tamanho da população
d = erro amostral admitido
Em relação à quantidade de contratos a serem selecionados para revisão de cálculos, mantidos

constantes os valores dos demais componentes da fórmula, é CORRETO afirmar que:
a) quanto maior for o desvio padrão da população e maior for o tamanho da população, menor
será a amostra dos contratos.
b) quanto maior for o desvio padrão da população, maior será a amostra de contratos.
c) quanto maior for o erro amostral admitido e menor for o desvio padrão da população, maior
será a amostra de contratos.
d) quanto menor for o erro amostral admitido, menor será a amostra de contratos.
Comentário:
É possível resolver essa questão apenas fazendo adaptações algébricas da fórmula e

relembrando alguns conceitos básicos.
Vamos analisar inicialmente as alternativas A e D:
68
a) quanto maior for o desvio padrão da população e maior for o tamanho da população (N),
menor será a amostra (n) dos contratos. - ERRADA
Se N aparece apenas no numerador da fórmula, quanto MAIOR o valor de N, MAIOR o
valor de n. (No denominador N aparece sendo diminuído de 1, portanto, será menor que N).
Z2 ⋅ σ2 ⋅ N
n=
d 2 ⋅ (N − 1) + Z 2 ⋅ σ 2
d) quanto menor for o erro amostral admitido (d), menor será a amostra (n) de contratos. -
ERRADA
Se d aparece apenas no denominador, quanto menor o valor de d, MAIOR o valor de n.
Z2 ⋅ σ2 ⋅ N
n= 2
d ⋅ (N − 1) + Z 2 ⋅ σ 2
Agora, vamos analisar as alternativas B e C:
b) quanto maior for o desvio padrão da população, maior será a amostra de contratos. - CERTA
Fazendo as seguintes adaptações algébricas, invertendo a fórmula e colocando o desvio
padrão (σ) apenas no denominador, conseguimos visualizar que ele é diretamente proporcional ao
tamanho da amostra (n).
c) quanto maior for o erro amostral admitido (d) e menor for o desvio padrão da população (σ),
maior será a amostra (n) de contratos. - ERRADA
De acordo com a adaptação algébrica que fizemos acima, podemos verificar que d é
inversamente proporcional a n e σ é diretamente proporcional a n.
Gabarito: Letra B.
69
Sociedade Alfa 20.000,00 20.000,00 15.000,00 18.000,00 30.000,00 35.000,00
Sociedade Beta 35.000,00 35.000,00 15.000,00 18.000,00 30.000,00 20.000,00
a) 7.071,07 e 7.340,91
b) 7.340,91 e 7.071,07
c) 7.340,91 e 8.041,56
d) 7.745,97 e 8.916,28
Comentário:
A questão pede o desvio padrão amostral das receitas de vendas da Sociedade Alfa e da
Sociedade Beta no primeiro semestre de 2019.
Podemos resolver rapidamente essa questão utilizando as funções estatísticas da HP12C.
Vamos começar pela Sociedade Alfa:
7.745,97 Desvio Padrão Amostral de Alfa
70
Já chegamos ao gabarito na letra D, mas vamos continuar o estudo e calcular o desvio padrão
amostral da Sociedade Beta:
Desvio Padrão Amostral de

8.916,28
Beta
Gabarito: Letra D.

O conceito de correlação visa explicar o grau de relacionamento verificado no comportamento
de duas ou mais variáveis. Assim, a correlação entre duas variáveis indica a maneira como elas
se movem em conjunto. Uma empresa obteve uma covariância entre as variáveis “nível de
aumentará.
diminuirá.
d) Caso ocorra aumento no nível de produção da economia, o nível da taxa de juros

diminuirá.
Comentário:
A covariância e a correlação são medidas que relacionam duas variáveis.
A correlação é positiva quando as grandezas variam no mesmo sentido, ou seja, quando há

uma relação direta entre elas.
71
A correlação é negativa quando as grandezas variam em sentidos opostos, ou seja, quando há
uma relação inversa entre elas.
A correlação é calculada dividindo-se a covariância pelo produto dos desvios padrões:
Os dados fornecidos foram:
covariância = -0,63%
S’ = 14,08%
S” = 4,65%
Portanto:
Corr = Cov / (S’ . S”)

Corr = -0,0063 / (0,1408 . 0,0465)
Corr = -0,0063 / 0,0065472
Corr = -0,962243
Vamos analisar as alternativas:
a) Não há correlação significativa entre as duas variáveis estudadas. - ERRADA

Existe sim uma correlação significativa, pois ela é bem próxima de -1,00. Isso quer dizer
que as variáveis têm uma forte correlação entre si, e enquanto uma cresce a outra
decresce.
aumentará. - ERRADA
diminuirá. - ERRADA
d) Caso ocorra aumento no nível de produção da economia, o nível da taxa de juros diminuirá. -
CERTA
A correlação é negativa e forte (próxima de -1,00). Enquanto uma variável cresce a outra
decresce.
Gabarito: Letra D.
72

“A” (em R$)
1 7 14,00
2 10 20,00
3 9 18,00
4 10 20,00

pesquisa?
a) 1.
b) 4.
c) 9.
d) 18.
Comentário:
Essa questão pode ser resolvida rapidamente com um conhecimento básico do coeficiente de
correlação “r”, de que ele varia entre -1,0 e 1,0.
Somente com essa informação, a única alternativa possível é a letra A.
Mas vamos ver as formas de resolução para aproveitarmos o estudo. Uma das maneiras seria
resolver pela fórmula do Coeficiente de Correlação Linear de Pearson:
Mas isso certamente tomaria muito tempo na hora da prova.
73
Poderíamos resolver rapidamente com as funções estatísticas da HP12C, da seguinte maneira:
(Considere o número de acessos como “y” e o volume de vendas como “x”, sendo a sequência
“y ENTER x ∑+”)
7 ENTER 14 ∑+ 1,00 1º par
10 ENTER 20 ∑+ 2,00 2º par
9 ENTER 18 ∑+ 3,00 3º par
10 ENTER 20 ∑+ 4,00 4º par
A partir daqui, vamos inserir um valor aleatório de y, de 8 acessos ao site (y=8), para estimar um
valor de x (número de vendas estimado) e calcular o Coeficiente de Correlação “r”.
Estimativa linear de x para y=8
16,00 (para 8 acessos,
8 teremos 16 vendas)
Coeficiente de Correlação
1,00
Linear “r”
Veja que o Coeficiente de Correlação “r” é igual a 1,00, ou seja, é uma reta crescente. Isso quer
dizer que a estimativa linear é extremamente confiável.
Conforme o número de acessos aumenta, o volume de vendas também aumenta, sendo sempre
o dobro do número de acessos.
Gabarito: Letra A.
74
as seguintes informações: o retorno esperado de W é de 1,5% e o de Y 1,4%. O desvio-padrão
é de 10% para W e para Y. Considerando que o nível de risco absoluto é igual para ambas as


investimento W, a empresa pode perder ou ganhar R$6,67; já o investimento Y, para
Comentário:
A questão pergunta qual é o investimento mais arriscado segundo o critério de variação

relativa (coeficiente de variação), sendo que o desvio padrão para ambos é de 10%.
Vamos esquematizar as informações do enunciado para facilitar a compreensão:

Isso quer dizer que o retorno esperado o Isso quer dizer que o retorno esperado o
investimento W é de 1,5%, podendo variar investimento Y é de 1,4%, podendo variar
10% para cima ou 10% para baixo. 10% para cima ou 10% para baixo.
10% 1,5% 10% 10% 1,4% 10%
75
Quanto MAIOR for o desvio padrão, MAIOR será o risco do investimento. O nível de risco
absoluto é medido pelo desvio padrão, por isso, o enunciado diz que ele “é igual para ambas as
alternativas de investimento”.
O cálculo do desvio padrão apenas quantifica o risco, mas não diz qual é a melhor relação
entre risco e retorno.
Para isso existe o Coeficiente de variação (Cv), que é uma medida de dispersão que relaciona
o desvio padrão (σ) com o retorno médio (k). Ou seja:
σ
Cv =
O Coeficiente de variação (Cv) fornece um parâmetro para analisarmos se o risco dado pelo
desvio padrão é grande ou pequeno em relação ao retorno médio do investimento. Ou seja, no
mostra qual investimento possui a melhor relação risco X retorno.

Cvw = 10% ÷ 1,5%

CvY = 10% ÷ 1,4%
Cvw = 6,67 = 0,0667% Cvw = 7,14 = 0,0714%
A melhor relação risco X retorno é aquela que tiver o menor Coeficiente de variação (Cv),
assim como diz a letra D:

investimento W, a empresa pode perder ou ganhar R$6,67; já o investimento Y, para cada R$1,00
de retorno, a empresa pode ganhar ou perder R$7,14. - CERTO
Gabarito: Letra D.
76
Uma indústria produz um único produto e adota a análise de regressão linear para estimar os
custos indiretos de manutenção fixos e variáveis. Ela fundamenta-se em dados históricos da sua
capacidade normal de produção e utiliza a seguinte Função de Regressão Amostral (FRA):
Y= β 1̂ + β 2̂ x + û
Onde:
Y = total dos custos indiretos de manutenção
β 1̂ = intercepto
x = volume de produção em unidades do produto
É sabido que o setor da indústria passa por um momento de retração e a mesma vem
produzindo, há vários meses, menos de 50% da capacidade normal, sem, no entanto, reduzir sua
estrutura de custos fixos. No mês de maio de 2018, a indústria produziu 2.000 unidades de seu
produto, equivalente a 40% da capacidade normal de produção. O total dos custos indiretos
de manutenção incorridos no mesmo mês foi de R$1.700.000,00. Em sua última estimação
baseada em uma série histórica com dados mensais de produção em nível de capacidade
normal, a indústria encontrou β 1̂ = 1.000.000 e β 2̂ = 350, sendo estes dados utilizados para
alocação de custos no mês de maio de 2018. Considerando-se apenas as informações
apresentadas e de acordo com a NBC TG 16 (R2) - Estoques, assinale, entre as opções a seguir,
o valor dos custos indiretos de manutenção fixos não alocados aos produtos que deve ser
reconhecido diretamente como despesa no mês de maio de 2018.
a) R$0,00.
b) R$350.000,00.
c) R$600.000,00.
d) R$1.000.000,00.
Comentário:
A questão pede o valor dos custos indiretos de manutenção fixos não alocados aos produtos
que deve ser reconhecido diretamente como despesa no mês de maio de 2018.
Segundo a A NBC TG 16 - Estoques, o valor do custo fixo alocado a cada unidade produzida
não pode ser aumentado por causa de um baixo volume de produção ou ociosidade. Os custos
77
fixos não alocados aos produtos devem ser reconhecidos diretamente como despesa no
período em que são incorridos.
Vamos ver duas formas de resolver essa questão, uma rápida e uma detalhada, para estudarmos
o assunto “análise de regressão linear”.
Resolução Rápida:
β 1̂ (intercepto) é o ponto de interseção com o eixo y para x=0.

Vamos considerar como “y” os custos indiretos e “x” o volume de produção.
Para 0 unidades produzidas, temos que a totalidade dos custos indiretos = custos indiretos
fixos.
A questão informou que na capacidade normal, β 1̂ = 1.000.000, portanto:
y β 1̂
Custos indiretos fixos = 1.000.000
Se com a capacidade normal os custos indiretos fixos são de R$1.000.000,00, com a

produção de 40% teremos um custo fixo de R$400.000,00 (1.000.000 x 40%) e o restante será
reconhecido como despesa de acordo com o CPC 16 - Estoques:
1.000.000 x 40% = 400.000 (custo fixo em maio de 2018)
1.000.000 - 400.000 = 600.000 (despesa)
Gabarito: Letra C 
78
Resolução por Análise de Regressão Linear:
O enunciado diz que a indústria adota a análise de regressão linear. A regressão linear
simples é uma equação matemática de apenas 2 variáveis que apresenta um relação de linha
reta entre elas, sendo representada por:
m: coeficiente angular (aparece junto de x)
p: coeficiente linear
(interseção com o eixo y para x=0)
y = mx + p
y: variável dependente
x: variável independente
Já a Função de Regressão Amostral (FRA) trazida pela questão traz um elemento a mais, que é o
termo de erro aleatório “û”:
(m, aparece junto de x)
β 1̂ = intercepto (p, coeficiente linear, que é
Y = β 1̂ + β 2̂ x + û
a interseção com o eixo y para x=0)
Y: variável dependente
(total dos custos indiretos de manutenção)
x: variável independente
(volume de produção em unidades do produto)
O erro aleatório é “a diferença entre o resultado da medição e a média que resultaria de um

número infinito de medições da mesma grandeza que queremos medir”. Os erros aleatórios são
causados por flutuações desconhecidas ou imprevisíveis. No caso dessa questão, esse erro
aleatório (û) é justamente o valor do custo fixo que deverá ser reconhecido como despesa
devido à retração da produção.
Como em maio de 2018 a indústria produziu 40% da capacidade normal, ou seja, temos um
novo valor para β 1̂ , tendo produzido 2.000 unidades e com custos indiretos de manutenção de
R$1.700.000,00, utilizando o coeficiente angular β 2̂ = 350.
Novo β 1̂ = 1.000.000 x 40% = R$400.000,00 = custos indiretos fixos em maio
79
Y = β 1̂ + β 2̂ x + û
1.700.000 = 400.000 + (350 . 2.000) + û

1.700.000 = 400.000 + 700.000 + û
1.700.000 = 1.100.000 + û
û = 1.700.000 - 1.100.000
û = 600.000
Gabarito: Letra C

Uma sociedade empresária apresentou as seguintes estimativas de vendas de computadores:
Quantidade a ser vendida no mês Percentual de probabilidade
120 unidades 10%
140 unidades 40%
180 unidades 35%
220 unidades 15%
A quantidade esperada de unidades a serem vendidas no mês é de:
a) 140 unidades.
b) 164 unidades.
c) 165 unidades.
d) 600 unidades.
Comentário:
A questão pede a quantidade esperada de unidades a serem vendidas.
Veja que de cara já podemos eliminar a letra D, pois a maior quantidade possível de ser vendida é
220 unidades.
A Esperança E(x) é calculada multiplicando-se cada valor por sua probabilidade e depois
somando-se os resultados.
E(x) = (120 x 10%) + (140 x 40%) + (180 x 35%) + (220 x 15%)
80
E(x) = 12 + 56 + 63 + 33
E(x) = 164
Gabarito: Letra B.

Uma determinada indústria produz três produtos. A produção total é 1.000 unidades por mês.
O controle de qualidade da indústria registrou os seguintes números de peças defeituosas na

produção:
Número de unidades
Produto Produção mensal total
defeituosas
Produto A 400 unidades 60 unidades
Produto B 350 unidades 35 unidades
Produto C 250 unidades 45 unidades
Total 1.000 unidades 140 unidades
A probabilidade de encontrar uma peça defeituosa do produto B é de:
a) 10%.
b) 14%.
c) 15%.
d) 18%.
Comentário:
A questão pede a probabilidade de se encontrar uma peça defeituosa do produto B.
A regra geral da probabilidade é:
Probabilidade = eventos favoráveis / eventos possíveis
Ou ainda:
Probabilidade = o que eu quero saber / tudo o que pode acontecer
Portanto:
81
Probabilidade de uma peça defeituosa em B = n. de peças defeituosas em B / total de B
PB = 35 / 350
PB = 0,10 = 10%
Gabarito: Letra A

desvio padrão.

Comentário:
A distribuição normal é uma distribuição de probabilidade determinada por dois parâmetros:
82
µ = Média populacional (parâmetro de localização)
σ = Desvio padrão populacional (parâmetro de dispersão)
A curva de distribuição normal também é conhecida como Curva de Gauss.
A Curva de Gauss é simétrica, com a área total sob a curva representando 100%, sendo 50% à
esquerda da média e 50% à direita da média.
Os valores de média, moda e mediana são iguais.
µ = 1000
µ-σ= µ+σ=
1000 - 200 = 1000 + 200 =
800 1200
Substituindo os valores na curva de Gauss, verificamos que a probabilidade de a quantidade

vendida ficar entre 800 e 1.200 unidades é de 68,26%.
Gabarito: Letra C
83
9 GABARITO
1. B
2. A
3. A
4. B
5. D
6. D
7. A
8. D
9. C
10. B
11. A
12. C
84
10 FINALIZANDO
Chegamos ao final do nosso caderno de questões!
Reveja as aulas e refaça os exercícios quantas vezes for necessário para pegar segurança.
Foi um enorme prazer estar com vocês!
Obrigada, e um grande abraço!
Talita Kuroda.
youtube.com/user/talitakuroda
facebook.com/talita.kuroda
instagram.com/talitakuroda
“O insucesso é uma oportunidade para recomeçar com mais inteligência.”

(Henry Ford) 
85

1.152 - ESTATISTICA - CFC - TEORIA - v3

Enviado por

Direitos autorais:

Formatos disponíveis

1.152 - ESTATISTICA - CFC - TEORIA - v3

Enviado por

Dados do documento

Descrição original:

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

1.152 - ESTATISTICA - CFC - TEORIA - v3

Enviado por

Direitos autorais:

Formatos disponíveis

EX

3.2 MEDIDAS DE POSIÇÃO………….………………………………………………………………….…7

3.2.1 Medidas de Tendência Central..…….……………………………………………….……………8

3.2.1.1.1 Média Aritmética para Dados Agrupados em Classes..…….……………………….………9

3.2.1.1.2 Média Ponderada ( xw )……….……………………….……………………………………..…10

3.2.1.2 Mediana (Md)…..……….……………………………………………………………….…………12

3.2.1.3 Moda (Mo)…..……….……………………………………………………………….………….…15

3.2.1.3.1 Moda para Dados Agrupados em Classes………….………………………….………….…15

4.1.1 Distribuição Normal….……………….……………………………………………………………26

4.1.2 Distribuição Amostral, Inferências Estatísticas e Intervalo de Confiança………………35

4.1.2.2 Teste de Hipóteses……………………………………………………………………………..…39

4.2 CORRELAÇÃO, ESTIMAÇÃO E REGRESSÃO LINEAR…………………………………..……….42

4.2.1 Média Aritmética (2 variáveis)……………………………………………………………………42

2.2 QUESTÕES DE EXAMES ANTERIORES COM COMENTÁRIOS……………………………...….63

Olá, querido(a) colega e aluno(a)!

Um grande abraço e vamos juntos!

1) Estatística DESCRITIVA ou DEDUTIVA

2) Estatística INDUTIVA ou INFERENCIAL

Alguns termos utilizados:

Amostra: é um subconjunto de elementos extraídos de uma população.

Censo: é o estudo de 100% da população.

Nominal: ex.: sexo, religião, estado civil, etc.

Ordinal: ex.: dia da semana, mês, grau de instrução, etc.

Discretas: ex.: número de faltas, irmãos, etc.

Contínuas: ex.: peso, altura, área, volume, etc.

Vamos estudar dentro da estatística descritiva:

3.1 DISTRIBUIÇÃO DE FREQUÊNCIAS

50 - 18 = 32 AMPLITUDE TOTAL (Xmáx - Xmín = AT)

A AMPLITUDE de um intervalo de classe é representada pela letra h, e é calculada subtraindo-se o limite

Por exemplo, a amplitude da 2ª classe é:

Frequência Simples Amplitude da Classe

Idade fi h = limsup - liminf

Frequência Simples Ponto Médio

Idade fi xi = (liminf_i + limsup_i) ÷ 2

1) Metade dos alunos da turma (27% + 23% = 50%) têm de 18 a 26 anos.

2) Apenas 3% dos alunos estão na faixa etária de 34 a 38 anos.

3.2 MEDIDAS DE POSIÇÃO

As MEDIDAS DE POSIÇÃO são valores que determinam a localização das premissas

Essas medidas possuem as seguintes subdivisões:

1) Medidas de Tendência Central:

a) Média Aritmética (Me);

3.2.1.1 Média Aritmética ( x )

A MÉDIA ARITMÉTICA é a medida de tendência central que corresponde ao grau de

A fórmula para a média aritmética é:

Vamos calcular a média aritmética dos números 4, 7, 8, 29:

Pela fórmula da Média Aritmética ( x )

f CLEAR REG 0,00 Limpar Registros

12,00 x (Média Aritmética)

3.2.1.1.1 Média Aritmética de Dados Agrupados por Classes ( x )

A HP12C possui uma função nativa para cálculo da média ponderada:

(g xw - Média Ponderada - azul) Calcula a média ponderada dos valores y (item)

Para fazer o cálculo da média ponderada, os comandos são os seguintes:

Limpar registros estatísticos

( ou f CLEAR REG ) Limpar registros (exceto programas)

(valor do item) ENTER

(valor do item) ENTER

(valor do item) ENTER

(valor do item) ENTER