Delfim 2019

AUTOINSTRUCIONAL
Relação dos Ícones
Fique Ligado
Você sabia?
Vamos refletir
Hora de Praticar
Atividades
Glossário
Sumário
UNIDADE 1 - FUNDAMENTOS DO MÉTODO ESTATÍSTICO I
Estatística na prática 7
Conceituando a estatística 14
Interpretação de gráficos 18
Grupos de estatística 33
Métodos de pesquisa 35
UNIDADE 2 - FUNDAMENTOS DO MÉTODO ESTATÍSTICO II

O IBGE - Estatística na prática 43
Variáveis estatísticas 54
Técnicas de amostragem e coleta de dados 68
Tabelas estatísticas 90
UNIDADE 3 - ESTATÍSTICA DESCRITIVA I

Conceito de frequẽncia 109
Intervalo de classe 119
Medidas de tendência central - média, moda e mediana 127
Medidas de dispersão 148
Sumário
UNIDADE 4 - PROBABILIDADE
Análise combinatória 173
A história da probabilidade 182
Probabilidade 203
UNIDADE 5 - ESTATÍSTICA DESCRITIVA II

Análise de frequência 227
Curva Gaussiana 233
Estatística e probabilidade 236
Métodos probabilísticos 239
Glossário 266
Referências 270
Ficha Técnica 272
Minicurrículo dos Autores 273
Unidade 1: Fundamentos do método estatístico I
Introdução EDA
Olá! Bem-vindo(a) à primeira parte do nosso estudo sobre os

fundamentos do método estatístico.
A partir do estudo desta primeira unidade didática, você poderá
alcançar os seguintes objetivos de aprendizagem:
• Definir os principais conceitos básicos da estatística;

• Aplicar análise exploratória de dados com gráficos; e
• Distinguir os métodos científicos de pesquisa: experimental e
estatístico.
Fique atento, leia e também pratique.

Bons estudos!
Estatística na Prática
Iniciaremos nosso estudo entendo um pouquinho sobre a

importância da estatística para a sociedade e como ela pode ser
aplicada no contexto prático. Isso te ajudará a enxergar os
benefícios que essa maravilhosa ciência pode proporcionar para a
sua vida pessoal e profissional. Vem comigo!
De acordo com o Princípio da Publicidade, constante no artigo 37 da
Constituição Federal Brasileira de 1988, uma instituição pública
deve prestar contas de seus atos à sociedade e, além disso, a equipe
gestora precisa de respaldo para identificar possíveis problemas e
criar planos de ação.
É nesse contexto que a estatística se apresenta como uma ciência

capaz de subsidiar a tomada de decisão e a elaboração de
estratégias de ação que favoreçam o alcance de metas para o
cumprimento da missão institucional.
No caso de uma instituição pública de ensino, como o Instituto

Federal de Brasília (IFB), a estatística possibilita a equipe gestora,
por exemplo, conhecer os dados estatísticos sobre a evolução do
número de alunos que é fundamental para que se tomem decisões
estratégicas, tais como: o fortalecimento de políticas públicas e a
adequação da oferta dos cursos, ampliando, modificando ou até
mesmo extinguindo-os se for o caso.
Criado pela com a Lei 11.892, de 29 de dezembro de 2008 e

com a missão de oferecer ensino, pesquisa e extensão no
âmbito da Educação Profissional e Tecnológica.
Vejamos um exemplo real dessa situação na prática!
O IFB criou, em 2016, a plataforma “IFB em Números”, com a

finalidade de disponibilizar para a comunidade informações sobre os
campi, número de alunos, indicadores educacionais, de pessoal, entre
outros. O espaço trata-se de uma plataforma de visualização interativa
em que o usuário pode navegar por meio de abas, selecionando
módulos de informação, período de análise e indicadores a serem
exibidos. Com essas informações, a sociedade tem a oportunidade de
conhecer com detalhes os dados da instituição, que é pública.
Fonte: https://www.ifb.edu.br/reitori/10657-ifb-lanca-plataforma-ifb-em-numeros
Para conhecer a plataforma IFB em números, acesse:

www.ifbemnumeros.ifb.edu.br
Ainda sobre o IFB em Números, o gráfico, abaixo, mostra a evolução do número de alunos
por tipo de oferta do IFB entre os anos de 2009 e 2018.
Informações complementares do
gráfico:
- O curso técnico subsequente é para

alunos que já concluíram o ensino médio;
- O curso técnico concomitante é para
aqueles alunos que cursam, ao mesmo
tempo, o ensino médio e a formação
técnica na mesma instituição ou em
instituições diferentes, a partir de acordo
de cooperação;
- O curso técnico integrado é para alunos
inseridos em curso de nível médio
integrado com o curso técnico;
- O Proeja é um curso de
profissionalizante para a educação de
jovens e adultos.
Outros cursos (superiores – licenciaturas,
Gráfico disponível em: <http://ifbemnumeros.ifb.edu.br/ >. Acesso em: 10 de mai.2019. tecnólogos, bacharéis e cursos de
formação inicial e continuada).
No gráfico “Evolução do n° de alunos por tipo de oferta IFB”, devemos nos atentar às
informações apresentadas, observando a legenda, a evolução e as cores das linhas, os
eixos (ano x quantidade), para ter uma leitura completa.
Que tal aproveitarmos esse exemplo e exercitarmos um pouquinho nossa capacidade

analítica?
Com base no gráfico você já pode responder algumas questões:
1) Quais as ofertas que mais se destacaram positivamente entre 2009 e

2018?
2) A evolução das matrículas nos cursos integrados se tornou expressiva
a partir de que ano?
3) Podemos concluir que algumas modalidades permaneceram estáveis
ao longo desses nove anos?
4) As informações do gráfico podem respaldar ações dos gestores do
IFB? Você consegue sugerir alguma?
5) Esse gráfico trouxe informações boas ou ruins para o IFB?
Veja se você acertou!
Gabarito:
1) As ofertas de cursos subsequentes (verde) e outros tipos de ofertas (roxo).
2) A partir de 2014, quando já se percebe um crescimento do número de matriculados.
3) Sim, as ofertas de PROEJA e cursos concomitantes.

4) Sim, as informações podem respaldar as ações dos gestores do IFB. Algumas sugestões: continuar
fortalecendo os cursos técnicos subsequentes e os demais (como superiores e FIC’s), constituir grupo
de estudos para propor ações a fim de promover os cursos PROEJA, divulgar mais os cursos técnicos
integrados para continuar ampliando a oferta, entre outras ações.
5) Sim, nele há boas informações para o IFB, já que existem ofertas se destacando positivamente,
entretanto, o gráfico trouxe um alerta para as modalidades que estão estagnadas por anos.
Em 2016, a Plataforma “IFB em Números” foi uma das
vencedoras do 4.º Concurso de Boas Práticas da CGU, organizado
pelo Ministério da Transparência, Fiscalização e Controle (MTFC),
na categoria “Promoção de transparência ativa e/ou passiva”.
Para ler a matéria completa acesse o link:

https://www.ifb.edu.br/reitori/12748-ifb-em-numeros-vence-o-4
-concurso-de-boas-praticas-organizado-pelo-ministerio-da-tran
sparencia-fiscalizacao-e-controle-mtfc
Conceituando a Estatística
Você sabe o que é estatística?
A estatística está presente em diversas ocasiões! Observe,

por exemplo, os jornais impressos e on-line e veja como as
informações são apresentadas a partir de gráficos e tabelas.
Veja um exemplo real do que estamos falando:
Segundo o Boletim do Instituto do Homem e Meio Ambiente da Amazônia

- IMAZON, em fevereiro de 2019, 69% do desmatamento da Amazônia
Legal ocorreu em áreas privadas ou sob diversos estágios de posse. O
restante do desmatamento foi registrado em assentamentos (24%),
unidades de conservação (4%) e terras indígenas (3%).
Os dados são apresentados com vários gráficos que podem ser acessados
pelo seguinte link:
https://imazon.org.br/publicacoes/boletim-do-desmatamento-da-amazoni
a-legal-fevereiro-2019-sad/
Você acha que a estatística é algo novo? De jeito nenhum!
Esse lance de “contar gente”, por exemplo, é bem antigo…

Crespo (2009) que o diga! Esse autor afirma que desde os
tempos antigos, diversos povos já faziam esses registros de
número de habitantes, de nascimentos, de óbitos, além disso,
eles faziam levantamentos sobre riqueza individual e social,
distribuição igual de terras ao povo, cobrança de impostos e
também faziam inquéritos quantitativos por processo o que hoje
conhecemos como “estatísticas”.
O estudo da estatística permeia os mais diversos campos do conhecimento, como as ciências
biológicas, agroecológicas, computação, medicina e outras áreas, sendo esse estudo aplicado
tanto com o intuito de constatar fatos como também de percepção de tendências.
Dessa forma, podemos conceituar a estatística como:
“A ciência dos Dados”
A Estatística é um ramo da matemática aplicada que fornece métodos para a coleta,

classificação, sumarização, organização, análise e interpretação de dados para o respaldo e
para a tomada de decisões.
Outra forma de conceituar estatística é com base em Bérquó (1981) que a define como um
ramo do conhecimento científico que consta de um conjunto de processos que têm por objeto
a observação, a classificação formal e a análise dos fenômenos coletivos ou de massa
(descritivos); ele acrescenta, também, que a estatística investiga a possibilidade de fazer
inferências válidas a partir dos dados observados e buscar métodos capazes de permitir esta
inferência (indutiva).
Observe que geralmente estamos na posição de receptores das

informações, mas em determinadas situações, assumimos o papel
ativo na construção da informação, principalmente, quando realizamos
pesquisas. O importante é destacar que seja na condição de receptor
de informações, seja na condição de produtor delas, a estatística se
apresenta como ciência imprescindível, já que ela cuida do tratamento
de dados e seus significados.
Interpretação de gráficos
Você sabe para que servem os gráficos? E qual a finalidade deles?
Os gráficos são utilizados para apresentar os dados estatísticos e o objetivo do uso deles é
produzir no investigador, ou no público em geral, uma impressão mais rápida e lúdica do
fenômeno em estudo.
Os meios de comunicação e as evoluções tecnológicas nos levam a

uma exposição cada vez maior de informações apresentadas com
tratamento estatístico, como a utilização de gráficos, tabelas e
medidas estatísticas.
Ao nos depararmos com uma informação tratada estatisticamente, é

muito importante que tenhamos a capacidade de interpretar,
compreender, estabelecer relações e realizar previsões a partir dos
dados expostos, já que a abordagem estatística é utilizada para
fortalecer as informações que estão sendo apresentadas, entretanto, a
leitura crítica da informação como um todo deve ser feita para
evitarmos acreditar em fake news.
Para saber mais sobre esse assunto, sugerimos a leitura da matéria

Fake News no meio acadêmico
(https://www.eng.com.br/artigo.cfm?id=6249# ).
Vejamos um exemplo e já aproveitamos para praticar:
ENEM 2018) A raiva é uma doença viral e infecciosa, transmitida por mamíferos. A
campanha nacional de vacinação anti-rábica tem objetivo de controlar a circulação
do vírus da raiva canina e felina, prevenindo a raiva humana. O gráfico mostra a
cobertura (porcentagem de vacinados) da campanha, em cães, nos anos de 2013,
2015 e 2017, no município de Belo Horizonte, em Minas Gerais. Os valores das
coberturas dos anos de 2014 e 2016 não estão informados no gráfico e deseja-se
estimá-los. Para tal, levou-se em consideração que a vacinação na cobertura de
vacinação da campanha anti-rábica, nos períodos de 2013 a 2015 e de 2015 a
2017, deu-se de forma linear.
Qual teria sido a cobertura dessa
campanha no ano de 2014?
a) 62,3%
b) 63,0%
c) 63,5%
d) 64,0%
e) 65,5%
Resolvendo...
Observe que o gráfico escolhido para a representação da cobertura

(porcentagem de vacinados) da campanha em cães, nos anos de 2013,
2015 e 2017, no município de Belo Horizonte, em Minas Gerais, foi o de
linha, já que trata de período não interrompido de análise.
Nele podemos destacar algumas informações:
- Os dados coletados da pesquisa são para o período de 2013 a

2017.
- Em 2013, 67% da população de cães e gatos foi vacinada contra o
vírus da raiva.
- Em 2015, houve um decrescimento de 8% no número de animais
vacinados, quando comparado com 2013.
- Em 2017, percebeu-se um crescimento de 2% no número de
animais vacinados comparando com 2015.
Entretanto, o exercício pergunta a cobertura dessa campanha no ano de

2014. Observe que houve um decrescimento linear, isto é, sempre com a
mesma taxa, entre 2013 e 2015, de 8% em dois anos, ou seja, 4% em
cada ano. Logo, de 67%, a cobertura caiu para 63%.
Continuando a resolução...
Observe, também, que o gráfico apresenta um cenário crítico

que piorou em 2015; neste momento, os governantes tiveram
de agir para mudar a tendência de queda, o que foi percebido
no ano posterior, quando a porcentagem de vacinados subiu
2%. Para além do gráfico, podemos pensar a situação
apresentada.
A situação está estável ou ainda exige atenção? Avaliando os

dados no contexto da sociedade, estamos desenvolvendo o
pensamento crítico.
O exemplo utilizou o gráfico de linhas para representar seus

dados, entretanto, existem outros modelos de gráficos que
serão apresentados em seguida.
Tipos de Gráficos
Como falei anteriormente, podemos representar os dados estatísticos por meio de gráficos e
existem diversas formas de fazer isso. Apresentaremos aqui apenas dois dos modelos de
gráficos mais utilizados: Diagramas e Pictogramas.
São gráficos geométricos

Diagramas de no máximo duas
dimensões.
É a representação gráfica
Pictogramas mais lúdica, com a
complementação de
figuras e símbolos.
Vou explicar para você sobre cada um desses gráficos, ok? Continue comigo!
Tipos de Gráficos
Diagramas
Este grupo é composto pelos seguintes Você já deve conhecer alguns desses gráficos,
tipos de gráficos: mas vou te mostrar alguns exemplos.
● gráfico em linha ou em curva; Eu preparei uma questão para cada um dos

gráficos que estudaremos aqui. A realização
● gráfico em coluna ou em barras; dessas questões te ajudarão a interpretar
esses tipos de gráficos.
● gráfico em colunas ou em barras
múltiplas; Para realizar o exercícios, acesse o
questionário disponibilizado na aba desta
● gráfico de setores “gráfico de Unidade 1 e coloque em prática o que
pizza”. aprendeu. Todas as questões possuem
gabarito que te ajudarão a compreender os
erros e acertos. Lembrando que essa atividade
não vale nota! Aproveite!
Diagramas
Gráfico em linhas
Fonte: SGA – Sistema de Gestão acadêmica do IFB

Diagramas
Gráfico em curvas
Curva de solubilidade do KNO3 em água
Fonte: Gráfico disponível em:

<https://brasilescola.uol.com.br/quimica/graficos-das-curvas-solubilidade.htm>
Diagramas
Gráfico em colunas
Fonte: dados na plataforma e-mec (maio de 2019)

Diagramas
Gráfico em barras
Fonte: Gráfico disponível em e-mec (maio de 2019)

Diagramas
Gráfico de setores "gráfico de pizza"
Fonte: Gráfico disponível em <http://ifbemnumeros.ifb.edu.br/>. Acesso em: 22 de mai.2019.

Pictogramas
Como já mencionei anteriormente, o Pictograma é a representação gráfica mais lúdica, com a
complementação de figuras e símbolos.
Imagem disponível em:

<https://www.otempo.com.br/infogr%C3%A1ficos/percentual-de-tentativas-de
-fraude-em-compras-do-e-commerce-1.2189704 >. Acesso em: 22 de
mai.2019.
Pensamento Científico
Tornando-se um pesquisador...
Acredito que você tenha observado que os gráficos apresentados

foram criados a partir de uma pesquisa.
Para chegar aos resultados apresentados, possibilitando

conclusões, os pesquisadores precisaram conhecer minimamente
os caminhos da pesquisa científica. Na posição ativa da construção
do conhecimento, ou seja, quando você interage com o objeto de
estudo, é indispensável desenvolvermos o pensamento científico,
por isso, nosso próximo assunto é justamente sobre o
pensamento científico.
Vamos continuar nossos estudos? Então venha comigo!

Pensamento Científico
Quando fazemos pesquisa, tratamos de hipóteses e queremos comprová-las, para isso o
pensamento científico precisa estar presente e concretizado por meio de uma linguagem
teórica sobre os conceitos e hipóteses científicas.
Já para a etapa da comprovação, é necessária a utilização de uma linguagem e um método

operacional cujos conceitos estão organizados em dois grupos da estatística: descritiva e
inferencial.
Vamos conhecer um pouquinho o que cada um desses grupos representa.

Hipótese Científica ou
Inferência dedutiva
Grupos da Estatística
Estatística descritiva: Estatística inferencial:
Trata da organização, sumarização e Martins (2009, p.19) define a estatística

descrição de um conjunto de dados. É inferencial como “métodos que tornam
nesta parte que os gráficos são possível a estimação de características
construídos e com base no cálculo de de uma população baseada em
medidas de tendência central e de resultados amostrais”.
dispersão que serão tratados ao longo
deste curso.
Agora vamos sair um pouco das formas tradicionais de apresentação de gráficos, veja o curta
metragem Xingu, o rio que pulsa em nós | Juruna denunciam impactos de Belo Monte, do
Instituto Socioambiental. O curta foi premiado no AnimaMundi, o maior festival de animação
da América Latina. Mais de 300 filmes de 40 países diferentes fizeram parte 27ª edição
mostra, que aconteceu no Rio de Janeiro e São Paulo. Observe atentamente como os gráficos
são apresentados e reflita sobre a mensagem da obra.
“Xingu, o rio que pulsa em nós”
Fonte: Instituto Socioambiental (2018)

https://www.youtube.com/watch?v=fh1mwlwOzLw
Métodos de pesquisa
Observe a seguinte situação que aconteceu com a estudante Maria dos Remédios.
Maria dos Remédios construiu uma horta no quintal de sua casa; plantou alface, couve,
cenoura, cebola e coentro. Estava dando tudo certo, mas alguns insetos insistiam em danificar
suas plantas. Maria não sabia o que fazer para proteger sua horta de maneira natural, mas já
estava estudando alternativas. Em poucos dias, Maria percebeu que nasceram calêndulas
próximas à horta, achou interessante e continuou sua vida; contudo, com o passar dos dias, ela
observou que a quantidade de insetos na horta havia reduzido e ficou se perguntando sobre o
que poderia ter acontecido. Foi nesta hora que Maria criou a hipótese de que os insetos
preferem as flores da calêndula a sua horta. Ela então resolveu fazer um experimento: plantou
calêndulas em lugares estratégicos, próximos à horta e, dia após dia, sem mudar sua rotina,
observou, anotou e, então, fez uma análise sobre a quantidade de insetos na horta e a
quantidade de insetos nas flores da calêndula.
Então, Maria dos Remédios chegou à conclusão de que havia uma alternativa natural para o
controle de pragas na sua horta, já que os insetos preferiam as flores às hortaliças. Maria,
sem perceber, tinha se tornado uma pesquisadora.
Observe que Maria dos Remédios seguiu um fluxo, um caminho que chamaremos de
método.
Observação Perguntas Hipóteses Experimento Análise

Conclusão.
Com base nessa explanação, chegamos ao conceito de “Método”

Método: é um conjunto de caminhos organizados para se chegar a um fim que se deseja.
Existem, dentro do método científico – foco deste estudo, dois importantes métodos para a
realização de uma pesquisa, são eles: o experimental e o estatístico.
Vejamos detalhadamente cada um deles:
Método experimental
Consiste em manter constantes todas as causas (fatores), menos uma, e variar esta causa
de modo que o pesquisador possa descobrir seus efeitos, caso existam. (CRESPO 2009
p.2).
Método estatístico
Diante da impossibilidade de manter as causas constantes, admitem todas essas causas
presentes variando-as, registrando essas variações e procurando determinar, no resultado
final, que influências cabem a cada uma delas. (CRESPO 2009 p.3).
Hora de Revisar!
Parabéns! Você terminou o estudo desta Unidade.

Que tal fazermos uma retomada resumida dos conteúdos estudados apenas para te ajudar
a sintetizar o que você estudou?
Então, vamos lá…
● Iniciamos o estudo sobre o método estatístico; definimos a

ciência estatística como um ramo da matemática aplicada que
fornece métodos para a coleta, classificação, resumo,
organização, análise e interpretação de dados para o respaldo e
para a tomada de decisões.
● Foram apresentados os principais tipos de gráficos utilizados

para a divulgação de dados estatísticos, e como analisá-los,
foram eles: os diagramas (gráfico em linha ou em curva, em
coluna ou em barras, em colunas ou em barras múltiplas e o de
setores) e os pictogramas, que são gráficos mais lúdicos, com a
complementação de figuras e símbolos.
Hora de Revisar!
● Distinguimos, com base em Crespo (2009 pp.2-3), os métodos científicos de pesquisa:

experimental e estatístico, sendo o experimental aquele que mantém constantes
todas as causas (fatores), menos uma, e observa a variação desta causa de modo que
o pesquisador possa descobrir seus efeitos, caso existam. Já o método estatístico,
diante da impossibilidade de manter as causas constantes, admite todas essas causas
presentes variando-as, registrando essas variações e procurando determinar, no
resultado final, que influências cabem a cada uma delas.
Chegou o momento de verificar sua aprendizagem!
Ficou com alguma dúvida? Retome a leitura.

Quando se sentir preparado, acesse a verificação de aprendizagem
Fique atento, pois essa atividade vale nota! Te encontro na próxima
unidade.
Até lá!
Unidade 2: Fundamentos do método estatístico II
Introdução EDA
Olá! Estudante,
Continuando nossos estudos, vamos agora iniciar a Unidade 2 que

trata dos fundamentos do método estatístico.
Na Unidade 1, você aprendeu os conceitos básicos da estatística,

compreendendo um pouco sobre a história e a importância dessa
ciência fantástica, que é capaz de auxiliar na tomada de decisões,
bem como as formas como ela está presente nos noticiários, em
trabalhos científicos ou em outros meios de comunicação.
Você conheceu, também, um pouco sobre os métodos científicos de

pesquisa e a aplicação das análises exploratórias de dados com
gráficos estatísticos.
Agora, vamos nos aproximar mais da realidade prática do mundo
da estatística. Assim, por meio do estudo desta Unidade 2,
esperamos que você consiga alcançar os seguintes objetivos de
aprendizagem:
● diferenciar os tipos de variáveis estatísticas;

● aplicar técnicas de amostragem e coleta de dados;
● construir e interpretar tabelas estatísticas.
Fique atento, leia e também pratique. Bons estudos!

O IBGE - Estatística na Prática
Certamente você já ouviu falar sobre o IBGE - Instituto Brasileiro de

Geografia e Estatística – ou, quem sabe, você até mesmo já
participou de alguma pesquisa feita por este órgão.
Então, o IBGE tem uma importância enorme para o nosso país, e

você sabe por quê?
Vamos juntos descobrir!

O IBGE é o principal provedor de dados e de informações do país. O

trabalho realizado pelo IBGE atende às necessidades dos mais
diversos segmentos da sociedade civil, bem como dos órgãos das
esferas governamentais: federal, estadual e municipal.
Por isso, como descrito em seu site institucional, a missão do IBGE é
"retratar o Brasil com informações necessárias ao

conhecimento de sua realidade e ao exercício da
cidadania."
As principais funções do IBGE consistem em:
● produção e análise de informações estatísticas;
● coordenação e consolidação das informações estatísticas;
● produção e análise de informações geográficas;
● coordenação e consolidação das informações geográficas;
● estruturação e implantação de um sistema das informações

ambientais;
● documentação e disseminação de informações e coordenação

dos sistemas estatístico e cartográfico nacionais.
Para ter acesso aos dados e saber mais sobre

o IBGE, acesse o link https://www.ibge.gov.br/
Censo ou Recenseamento
Quando falamos do IBGE, muitas pessoas o associam ao censo. Foi o seu caso aqui neste
estudo? Provavelmente sim! Então, vamos aproveitar e comentar sobre o censo!
Observe o texto a seguir:

“Conhecer em detalhe como é e como vive o nosso povo é de extrema importância para o
governo e para a sociedade. Os resultados obtidos através da realização do Censo
Demográfico permitem traçar um retrato abrangente e fiel do País. [...] Retratar o Brasil que
entrará na próxima década é um desafio para o IBGE. Qual é o tamanho da população
brasileira? Em que condições vive? Como se distribui no Território Nacional? Qual é o nível
de escolaridade de nossas crianças e jovens? Quais as condições de emprego e renda da
população? Estas e muitas outras perguntas serão respondidas pelo Censo Demográfico
que o IBGE realizará no ano 2020.” (IBGE, 2019).
Ao lermos o texto acima, percebemos que o IBGE já se preparou para o Censo Demográfico
2020, mas antes de analisar as variáveis desta pesquisa, vamos tratar um pouco mais do
conceito de Censo.
O que é Censo?
Fonte: https://pixabay.com/pt/photos/confundido-m%C3%A3os-at%C3%A9-d%C3%BAvidas-2681507/
Censo é o conjunto de dados estatísticos que informa diferentes características dos

habitantes de uma região (escola, bairro, cidade, estado, país, ou qualquer outra região).
O censo nos fornece informações, tais como: quantos somos, como somos, onde estamos e
como vivemos.
Segundo Camargo (2019), a ONU define

recenseamento de população como o
conjunto das operações que consistem em
recolher, agrupar e publicar dados
demográficos, econômicos e sociais
relativos a um momento determinado ou a
certos períodos para todos os habitantes
de um país ou território e acontece de
forma periódica.
Fonte:
https://pixabay.com/pt/illustrations/lupa-humanos-cabe%C3%A7a-faces-
Vale acrescentar que, no Brasil, o 1607208/
recenseamento acontece de dez em dez
anos.
Tem curiosidade em saber como é o questionário do censo

demográfico utilizado pelo IBGE?
O arquivo está no seguinte link:
https://censo2010.ibge.gov.br/images/pdf/censo2010/questionarios/qu
estionario_basico_cd2010.pdf
O censo demográfico é apenas uma das várias possibilidades de

censo; existem outros tipos de censo como, por exemplo, o censo
agropecuário, o censo eleitoral, o censo escolar, etc.
Já sabemos que o censo pode gerar dados de regiões extensas,
mas você sabia que a mesma metodologia do censo pode ser
aplicada em situações pontuais?
Para deixar isso mais claro para você, observe o estudo de caso a
seguir.
Estudo de caso
José Carlos vive em uma comunidade rural chamada Pequeno Rio e é produtor com foco na
agricultura familiar. José Carlos percebeu que existe uma vontade nas pessoas em se
qualificar para melhorar ou aprender novas técnicas de produção. Alguns falam que
gostariam de aprender sobre apicultura, outros falam em floricultura, alguns também falam
de piscicultura. José percebeu que pode ajudar sua comunidade e foi buscar apoio em uma
instituição de ensino pública da área. Chegando lá, recebeu a seguinte missão: identificar o
perfil das pessoas da comunidade e quais os seus interesses.
Estudo de caso
Então, José criou o seguinte questionário* como instrumento de coleta de dados para a sua
pesquisa:
Conheça uma parte dele!

José está na posição de pesquisador, certo? Com o objetivo de
traçar o perfil da sua comunidade, ele escolheu as seguintes
características (variáveis da pesquisa) para observar: tempo em
que vivem na comunidade, gênero, idade, ocupação, grau de
instrução acadêmica, área de interesse para formação profissional
e disponibilidade de turno para essa formação. A partir delas, ele
irá traçar o perfil da comunidade. Já que falamos em variáveis,
vamos defini-las?
Variáveis são as características da pesquisa, isto é, atributos

mensuráveis que observamos para então concluir algo.
Podemos avaliar uma variável ou um conjunto delas, como José

pretende fazer e, além disso, é importante saber que existem
variáveis de diferentes tipos e podemos classificá-las em
quantitativas e qualitativas.
Vamos entender um pouco mais sobre elas?

Variáveis estatísticas
Quando estudamos as populações utilizando a visão da estatística, se torna necessário
classificar os indivíduos de acordo com características mensuráveis. Estas características,
como já tratamos, são chamadas de variáveis. A identificação e o estudo das variáveis irão
permitir a descrição da população e o estabelecimento de comparações entre grupos ou até
mesmo caracterizar um grupo específico, como é o caso do estudo de caso que está sendo
realizado por José.
Observe que no questionário de José tem variáveis que são descritas a partir de números
(quantidades) e também aquelas que são descritas por nomes (qualidades).
Esta é a principal diferença entre as variáveis quantitativas e qualitativas:
Uma é representada por um número A outra é representada por um nome

Variáveis quantitativas Variáveis qualitativas
Variável quantitativa está relacionada a valores numéricos.
Exemplos: idade, massa corporal, altura, salário (renda), preços, quantidade de

cômodos em uma casa, quantidade de bebês nascidos em junho de 2019 no DF, nota
final da disciplina de matemática, etc.
Observe que todas essas variáveis acima são representadas a partir de números, às vezes,
números inteiros, às vezes, números decimais, o que nos leva a separação desse grupo
em variáveis quantitativas discretas e quantitativas contínuas.
A variável quantitativa se divide em dois tipos:

● variáveis quantitativas discretas;
● variáveis quantitativas contínuas.
A seguir, veremos cada uma delas!

Tipos de variável quantitativa
1. Variáveis Quantitativas Discretas: 2. Variáveis Quantitativas Contínuas:

são representadas por números os valores numéricos podem assumir
inteiros como, por exemplo, a valores quebrados, isto é, decimais,
quantidade de colaboradores em uma como, por exemplo: a altura das
empresa, a quantidade de pacientes pessoas em metros (1,54m, 1,67m, 1,76
atendidos em um hospital, a m, 1,80m), o preço da gasolina em
quantidade de crianças nascidas em diferentes postos, a nota final em um
determinado mês, a quantidade de curso, etc.
aprovados em uma prova, a
quantidade salas de aula em uma
escola, etc.
Vamos praticar um pouco sobre as variáveis quantitativas?
Classifique as seguintes variáveis quantitativas de

acordo com a seguinte organização abaixo:
(D) Discreta (C) Contínua
( ) Quantidade de árvores plantadas em um parque.

( ) Quantidade de pessoas atendidas no hospital.
( ) Nota final dos alunos em um curso.
( ) Altura de 10 crianças em centímetros.
( ) Altura de 10 crianças em metros.
E aí, foi uma prática bem tranquila, não é mesmo?
Veja aqui o gabarito do exercício: D D C D C
Bem, já entendemos que quando uma variável estiver representada

numericamente, estamos falando de variável quantitativa. Mas e
quando essa variável tratar de uma característica não numérica como a
cor dos olhos de uma pessoa ou a característica referente ou uma
qualidade ou um atributo? Trata-se de que tipo de variável?
Respondendo a essa pergunta, posso afirmar que, nesse caso,

se trata de uma variável qualitativa.
Então, vamos conversar um pouco mais sobre esse tipo de variável para
que você compreenda assim como compreendeu a variável quantitativa.
A variável qualitativa está relacionada a uma qualidade, atributo ou qualquer outra
característica cuja forma de se classificar seja a partir de um nome.
Ah, professor, você poderia exemplificar essas variáveis qualitativas para ficar mais claro
para mim? Claro! Eu te mostro aqui!
Exemplos de variáveis qualitativas:
●
●
●
●
●
Observe que todas essas variáveis que mostrei
no exemplo são representadas a partir de
nomes; às vezes, esses nomes estão ordenados
ou hierarquizados, às vezes, não, o que nos leva
a separação desse grupo em dois tipos de
variáveis qualitativas: variável qualitativa
ordinal e qualitativa nominal.
A variável qualitativa se subdivide em dois tipos:
● Variável qualitativa ordinal

● Variável qualitativa nominal
Você pode estar pensando: nossa, professor, quanta classificação! Mas não se preocupe! O
importante é que você compreenda o que cada uma significa e saiba diferenciá-las.
Ao final deste estudo sobre as variáveis, eu vou te apresentar um desenho que vai te ajudar
a resumir todas essas classificações.
Então, vamos lá! Vou agora apresentar a classificação das variáveis qualitativas.
A variável ordinal, como o próprio nome indica,
“ordem”, ‘sequência”; ela define categorias, isto é,
mesmo não sendo números, estas podem ser
ordenadas, vejamos alguns exemplos:
Exemplos de variável ordinal:
- Altura de uma pessoa: baixa, média, alta;

- Grau de concordância de uma pessoa com
relação a algum assunto: não concordo,
concordo pouco, concordo, concordo muito;
- Nível de desenvolvimento de um país: não
desenvolvido, pouco desenvolvido,
desenvolvido, muito desenvolvido;
- Estado civil: solteiro, casado,
divorciado/separado, viúvo.
Fonte: https://www.freepik.com/free-photos-vectors/people
People photo created by rawpixel.com - www.freepik.com
Observe que existe uma hierarquização das categorias, o que não acontece com a variável
qualitativa nominal que não necessita de uma ordenação subjetiva, vejamos alguns
exemplos:
Exemplos de variável nominal:
- Cor do cabelo de uma mulher: branco, loiro, ruivo, preto;

- Raças de cachorros: labrador, pastor-alemão, shih-tzu, poodle, os famosos vira-latas.
- Gosto musical de um grupo de jovens: axé, black music, blues, bossa nova, chillout,
classic rock, clássico, country, dance, disco, electro swing.
- Tipos de veículos automotores: passeio, conversível, pick-up, antigo, SUV.
Vamos praticar um pouco?
Classifique as seguintes variáveis qualitativas de acordo com a seguinte

organização abaixo:
(O) Ordinal
(N) Nominal
( ) Tipos de imóveis para venda (apartamento, casa, chácara).

( ) Raças de gatos (persa, siamês, sphynx, himalaio, angorá).
( ) Menção de disciplina (II, MI, MS, MM, MS, SS).
( ) Nível de desenvolvimento de uma região (não desenvolvida, pouco
desenvolvida, desenvolvida, muito desenvolvida).
( ) Escala Likert (Discordo totalmente, Discordo parcialmente,
Indiferente, Concordo parcialmente, Concordo totalmente)
E aí, você acertou as classificações no
exercício proposto? Espero sim!
Veja o gabarito: N N O O O
Bom, como eu falei anteriormente, para te ajudar a fixar a classificação das variáveis, eu
elaborei uma imagem que ilustra um resumo dessa classificação. Ao olhar para a imagem a
seguir, tente relembrar das características de cada variável.
Classificação das variáveis
Fonte: própria do autor

E aí, ficou mais simples de organizar na memória a
classificação das variáveis? Espero que sim!
Já aprendemos até aqui que as variáveis estatísticas

geram os dados da pesquisa, certo? Agora, vamos
estudar sobre como coletar esses dados.
Vem comigo!
Técnicas de amostragem e coleta de dados
Você ainda se lembra do José que está fazendo um levantamento do perfil da sua
comunidade? Então, ele está muito empenhado e para que tudo dê certo ele segue um
planejamento. José já pensou em como serão realizadas as fases seguintes, já
determinou o objetivo da pesquisa e os métodos que serão utilizados para, dessa
forma, iniciar a coleta dos dados. Como lembrete, temos no planejamento a definição
dos objetivos, das características da amostra, do método de aquisição e do
processamento de dados.
Já se sabe que José irá aplicar o questionário em sua

comunidade, mas ele irá aplicar para toda a
comunidade ou para uma parte dela? Isso faz
diferença? Vejamos.
População e Amostra
A pesquisa científica, observacional ou experimental busca dados sobre a tese a ser

comprovada e estabelece comparações entre grupos com características distintas. A primeira
pergunta do pesquisador no início da pesquisa é: serão coletados os dados de toda uma
população ou de apenas uma parcela representativa dessa população?
Pense comigo: se a população é muito grande, então, terei muito

trabalho para coletar os dados. Será mesmo necessário investir tanto
tempo, energia e financeiro em algo que pode ser simplificado e obter
os mesmos resultados? Leia a seguinte citação e pense um pouco mais
a respeito disso:
“Se a dimensão da amostra é demasiado grande, desperdiça-se tempo
e talento; se a dimensão da amostra é demasiado pequena,
desperdiça-se tempo e talento” (Mendenhall et al. apud Vieira, Maria,
2008, p.85).
Para tanto, é necessário definir os conceitos de população e amostra.

Para Vieira (2008), definir qual deve ser o tamanho de uma amostra é uma das principais
dificuldades encontradas nos trabalhos de levantamento amostral; segundo a autora, o
tamanho da amostra é independente do tamanho da população, já que o tamanho da
amostra, por si só, não determina se ela é boa ou de má qualidade; o que mais importa em
uma amostra é o seu grau de similaridade com a população.
Para o cálculo do tamanho da amostra, deve-se levar em consideração os seguintes fatores:
● o nível de confiança;
● a precisão desejada para os resultados obtidos;
● a variabilidade dos dados (o quanto estão dispersos em relação à característica em
estudo) e o custo.
E aí, ficou mais simples de organizar na memória a classificação

das variáveis? Espero que sim!
Já aprendemos até aqui que as variáveis estatísticas geram os

dados da pesquisa, certo? Agora, vamos estudar sobre como
coletar esses dados.
Vem comigo!
A estatística está a serviço do pesquisador, entretanto, o pesquisador tem interesses ao
concluir uma pesquisa, isto é, comprovar sua hipótese; agora, pense um pouco mais, e se o
pesquisador quiser direcionar os resultados da pesquisa, ele pode? A resposta é sim. Quando
uma coleta é tendenciosa, propositalmente ou por descuido, dizemos que a amostra está
viciada.
Vejamos um exemplo:
Já ouviu falar em pesquisa de opinião?
Uma pesquisa de opinião sobre a descriminalização da maconha para uso pessoal foi realizada
no DF, entretanto, observou-se que os entrevistados eram, em sua maioria, pessoas com idade
acima dos 40 anos e com uma religião definida. Você acha que esses dados estão viciados? A
resposta é sim. E isso poderá gerar falsas conclusões, pois se o assunto é de interesse de toda
a população, logo, é necessário garantir a representatividade de todos os perfis e não
somente de um ou de outro. É disso que trata o estudo das técnicas de amostragem.
Quer aprender um pouco mais sobre pesquisa de opinião? Acesse o
seguinte link
https://www.institutophd.com.br/pesquisa-de-opiniao-o-que-e-como-funci
ona/

Na classificação geral do levantamento de coleta de amostra, temos duas possibilidades de
coletas:
Não Probabilística Probabilística
Vejamos quais as características da cada uma dessas possibilidades de coleta.

Coleta Probabilística Coleta Não Probabilística
Ao realizar esse tipo de coleta, o pesquisador Ao realizar esse tipo de coleta, o pesquisador
escolhe um método simples, sistemático, escolhe de maneira deliberada os elementos
estratificado, por conglomerado e sabe que da amostra, utilizando seus próprios critérios
cada unidade amostral tem uma de escolha. O problema desse tipo de
probabilidade conhecida diferente de zero. amostragem é que não se conhece a
probabilidade de cada unidade amostral
pertencer à amostra.
Existem três classificações para este tipo de

amostra: intencional, voluntária e acidental.
Entretanto, só garantimos a ausência de
vícios utilizando as técnicas probabilísticas.
Coleta Não Probabilística - Comentário
Esses métodos são subjetivos, ou seja, o pesquisador define sua amostra com
intencionalidade, de maneira voluntária ou por acidente e deve deixar isso muito claro em
seus relatórios de pesquisa. Por exemplo, um pesquisador escolheu realizar a coleta de
dados em um hospital A, pois gosta da forma como os servidores trabalham. Percebe que
não há qualquer problema nisso?
Em pesquisas bem planejadas, acidentes em coleta de dados são raros, mas podem
acontecer, por exemplo, quando encontramos dados que não estavam elencados nos
objetivos da pesquisa, mas que podem ser analisados.
O destaque aqui é para a dificuldade ao fazer generalizações dos resultados, pois todo e
qualquer resultado da pesquisa se limita ao público escolhido e não à população que está
inserido.
Antes de aprofundarmos nos métodos probabilísticos, vejamos a organização que o professor
Alves (2013) fez sobre a classificação dos levantamentos amostrais.
Fonte: ALVES, 2013.

Agora, sim, vamos nos aprofundar no estudo sobre os métodos de coleta probabilísticos,
compreendendo cada uma das amostragens probabilísticas como descritas na imagem que
você acabou de ver na tela anterior.
Amostragem probabilística aleatória

simples
Na Amostragem Probabilística Aleatória

Simples, os elementos da amostra são
escolhidos aleatoriamente, podendo ser por
meio de sorteios, de sistemas ou de qualquer
outra forma aleatória. Porém, ainda assim,
deve-se ter o cuidado de ter uma amostra
representativa.
Quer saber na prática como fazer isso?

Eu explico para você de forma bem simples. Vamos adiante!
Em um grupo de 80 pessoas, precisamos de uma amostra com 20 pessoas, então, fazemos da
seguinte forma:
1) Enumeramos as 80 pessoas.
2) Realizamos o sorteio de 20 números, de 1 a 80, pode ser no mesmo formato de um
bingo.
3) Após o sorteio, teremos as vinte pessoas selecionadas para compor a amostra, que
representa 25% da população.
O que achou? Foi fácil? Então,

vamos continuar nosso estudo
sobre os métodos de coleta
probabilísticos.
Amostragem probabilística sistemática Vamos a um exemplo para ficar mais fácil

entender!
Na Amostragem Probabilística Sistemática, os
elementos da amostra são escolhidos a partir Em um grupo de 100 pessoas, precisamos de
de um fator de repetição, intervalo fixo, isto é, uma amostra com 20 pessoas, então, faremos
fixamos o tamanho da população ou, quando da seguinte forma:
necessário, um valor aproximado e
identificamos cada um pela sua posição. 1) enumeramos as 100 pessoas de 1 a 20;
2) realizamos o sorteio entre 1 e 20;
3) considerem que o número sorteado foi o

6, então, todas as pessoas com o
número 6 farão parte da amostra.
Amostragem probabilística estratificada
Na Amostragem Probabilística Estratificada, os elementos da amostra são escolhidos

proporcionalmente ao tamanho de cada estrato da população, isto é, a população é dividida em
subgrupos ou estratos, sem sobrepor os elementos. É importante assegurar que as amostras
dos diferentes estratos são independentes: as observações escolhidas num estrato não
dependem das observações escolhidas nos outros estratos.
Vejamos um exemplo:
População é agora vista como um conjunto de grupos e não como um todo. Vejamos o caso de
uma pesquisa que objetiva saber a opinião de homens e mulheres a respeito de um novo
produto. Sabe-se que em um grupo de 100 pessoas, há 40 mulheres e 60 homens. Em sua
opinião, as técnicas apresentadas anteriormente podem gerar uma amostra não viciada? Se
utilizarmos os métodos anteriores, corremos o risco de termos as seguintes situações:
- uma amostra somente com homens;

- uma amostra somente com mulheres;
- uma amostra sem garantir a característica desta população que é ter 40% de mulheres e
60% de homens.
Continuando...
Nesse caso, precisamos levar em consideração os perfis dentro da população. Se o

pesquisador precisa de uma amostra com 20 pessoas, então, fazemos da seguinte forma:
1) separamos os dois grupos (estratos), 40 mulheres e 60 homens;

2) para termos uma amostra de 20 pessoas, precisamos de 8 mulheres e 12 homens;
3) para cada estrato, podemos utilizar os métodos anteriores;
4) por fim, somamos as 20 pessoas com a mesma representatividade da população.
O que achou? Foi fácil? Então,

vamos continuar nosso estudo
sobre os métodos de coleta
probabilísticos.
Amostragem probabilística por É importante destacar que a

conglomerados (por clusters) heterogeneidade do grupo é
essencial para ter uma boa
Finalmente, na Amostragem Probabilística amostra por conglomerados.
Estratificada, os elementos da amostra são Além disso, os elementos
escolhidos aleatoriamente de forma natural dentro de cada grupo devem
por grupos (clusters); esse método se faz ser tão diversos como a
necessário em situações nas quais é população-alvo!
impossível ou inviável criar um quadro de
amostragem de uma população-alvo porque
ela é espalhada geograficamente e o custo da
recolha de dados é relativamente alto.
Vejamos um exemplo: Desta forma:
Considere uma pesquisa que tem como objetivo A população foi dividida em
conhecer o perfil dos adolescentes brasileiros. Observe conglomerados (Estados);
que é inviável alcançar todos os adolescentes
brasileiros, desta forma, pode-se dividir a população em Cada conglomerado foi dividido em
estados ou regiões, por exemplo. outros menores, cidades;
Considere que o pesquisador escolheu agrupar esta
população por estado. Até aqui está tudo certo,
Seleciona-se uma amostra de
contudo, ainda assim, não será possível alcançar todos
conglomerados;
os adolescentes de cada estado, sendo assim,
devem-se selecionar amostras dentro dos
Observam-se todos os elementos dos
conglomerados.
conglomerados selecionados;
Para selecionar a amostra nos conglomerados, pode-se
realizar uma das metodologias já estudadas ou aplicar
Conclui-se a característica da
novamente a amostragem probabilística por
conglomerados, formando grupos menores, por população.
exemplo, cidades. Assim a amostra é selecionada. O
pesquisador que definirá o limite da divisão.
Até aqui estudamos bastante sobre as

Técnicas de Amostragem. Espero que você
tenha aprendido bastante. Agora, vamos
focar na coleta dos dados. Entenderemos
como funciona a coleta indireta e direta.
Continue comigo e bons estudos!
Coleta de dados
Existem duas formas para coletarmos dados de uma pesquisa: direta e indireta.
Vamos conhecer um pouco sobre cada uma delas!
Coleta indireta Coleta direta

É feita a partir dos dados já coletados É aquela realizada pelo próprio
anteriormente por meio da coleta pesquisador, utilizando os diferentes
direta ou do conhecimento de meios disponíveis – questionários,
fenômenos relacionados ao objeto de entrevistas, levantamento de registros
estudo como, por exemplo, citando (nascimentos, óbitos, notas fiscais,
uma pesquisa já realizada. impostos, etc.). A coleta direta pode ser
classificada de três formas: contínua,
periódica ou ocasional.
Como eu já expliquei, a coleta direta pode ser classificada de três formas: contínua,
periódica ou ocasional. Vou te explicar cada uma delas de maneira bem simples!
Coleta Direta Contínua Coleta Direta Periódica Coleta Direta Ocasional
Como o próprio nome já Quando a coleta é feita em Quando a coleta é feita em

sugere, a coleta direta é intervalos constantes de determinada situação pontual,
classificada como contínua tempo, ela é classificada como para atender a um objetivo
quando é feita de forma periódica, por exemplo, os específico, essa coleta é
continuada, como registros de censos (10 em 10 anos), classificada como ocasional,
casamentos, nascimentos e avaliações bimestrais dos por exemplo, uma pesquisa
óbitos, importação e alunos, ENADE - Exame para traçar o perfil de
exportação de mercadorias, Nacional de Desempenho dos comunidade e suas demandas
prontuários, frequência de Estudantes – com por formação profissional,
alunos às aulas, etc. periodicidade máxima trienal superpopulação de algas em
para cada área do praia, pesquisa de um produto
conhecimento, etc. no mercado, etc.
Para te ajudar a organizar melhor o que acabamos de estudar, elaborei a figura a seguir que
apresenta um resumo sobre as formas de coletas de dados:

Após estudar sobre a coleta de dados, já podemos
organizá-los e uma maneira de fazer isso é com as
tabelas, continue comigo!
Tabelas Estatísticas
Continuando a sua pesquisa a partir da sondagem para traçar o perfil da comunidade
Pequeno Rio e suas demandas por formação profissional, José Carlos já coletou todos
os dados da pesquisa, aplicou o questionário para 50 produtores e para organizar seus
dados, pensando em construir tabelas ou gráficos, ele criou as chamadas tabelas
primitivas.
A primeira tabela que surge quando se organiza os
dados, também chamada tabela primitiva (ROL -
organização dos dados por ordem de valor), é
simplesmente a tabela organizada, na qual os
elementos são ordenados de maneira crescente ou
decrescente.
Após a organização dos dados, é possível identificar a

frequência com que os dados aparecem e, a partir
disso, gerar uma tabela compacta como a primeira
tabela da pesquisa de José (veja a Tabela 1 a seguir).
José apresenta a primeira tabela que trata do tempo em que os produtores rurais residem na
comunidade. Observe com atenção, pois conversaremos mais sobre ela a seguir.
Tabela 1 – Tempo (ano) em que os produtores rurais residem na comunidade

Pequeno Rio - 2019

Observe a tabela 1 e responda às seguintes perguntas:
1) Do que trata esta tabela?
2) Quantas linhas e quantas colunas existem nesta tabela?
3) Qual a fonte dos dados?

Você percebeu que nas tabelas, assim como também acontece com os gráficos
em geral, os dados são apresentados de maneira organizada?
A Associação Brasileira de Normas Técnicas (ABNT), através da norma NBR

14724:2011, conceitua tabela como forma não discursiva de apresentar
informações das quais o dado numérico se destaca como informação central, em
outras palavras, tabela é um quadro que resume um conjunto de dados
dispostos segundo linhas e colunas de maneira organizada (sistemática).
Você sabe como se estrutura uma tabela?
Segundo ALVES (2013), uma tabela deve apresentar a seguinte estrutura: cabeçalho, corpo e
rodapé. Veja a figura abaixo:
Estrutura de uma tabela

Deve conter informações
suficientes para que sejam dadas
informações a respeito do que
está sendo representado, o local e
a data da extração dos dados.
É o conjunto de linhas e colunas
que contêm as séries verticais e
horizontais de informação.
É o espaço reservado à fonte da
pesquisa, entidade responsável
pela informação.

Classificação de Tabelas
Você sabia que as tabelas além de possuírem uma estrutura formal também recebem
uma classificação?
Dependendo dos dados apresentados as

tabelas podem ser classificadas em:
● série histórica;
● série específica ou categórica;
● série geográfica ou tabelas de dupla
entrada.
Vamos ver cada uma delas a seguir.

Continue comigo!
Tabela 2 – Total de Alunos do IFB Campus Planaltina
Classificação de Tabelas entre 2009 e 2018.
Série histórica Ano Quantidade de Alunos
2009 642
(também conhecida como temporais ou
cronológicas) 2010 762
2011 1027
- Consiste em que o elemento
2012 1105
variável é o fator cronológico,
como no exemplo ao lado, em que 2013 1031
este é representado em anos.
2014 903
2015 1777
2016 2290
2017 2085
2018 2079
Total 13701
Fonte: SISTEC / IFB em números – atualizado em 12/06/2019

Classificação de Tabelas Tabela 3 - Áreas interesse para qualificação – produtores rurais da
comunidade - 2019
Série específica ou categórica Área de formação N° de produtores interessados
Saneamento Ambiental Rural 30

- Descreve os valores da
variável em determinado Manejo e Conservação do Solo e da Água 26
tempo e local, discriminados
segundo especificações ou Apicultura, Meliponicultura 21
categorias. Observe a tabela Minhocultura 20
3 e perceba que as categorias
neste caso são as áreas de Economia Solidária 15
formação. Nutrição Animal 12
Empreendedorismo 10
Máquinas e Equipamentos Agrícolas 9
Fertilidade do solo e Nutrição de Plantas 7
Outros 0
Total de respostas 150

Classificação de Tabelas
Série geográfica Tabela 4 – Os três estados brasileiros com mais cursos superiores EaD
registrados em maio de 2019
(também conhecida como espacial,
Estado N° de cursos EaD registrados
territorial ou de localização)
SP 240
- Descreve os valores da variável, em
determinado tempo, discriminados PR 237
segundo a localização geográfica
da variável. Na Tabela 4, o tempo RS 222
fixado foi maio de 2019 e os
espaços geográficos definidos
foram os estados de São Paulo,
Paraná e Rio Grande do Sul. Fonte: E-mec – maio/2019
Tabela 5 – Quantidade de cursos superiores, presenciais e EaD, registrados
no Brasil em maio de 2019
Estado Cursos Presenciais Cursos EaD
Classificação de Tabelas AC 79 159

AL 149 170
AM 222 185
Tabelas de Dupla Entrada AP 95 153
BA 309 208
- Este tipo de tabela é utilizado CE 210 195

DF 184 189
quando há necessidade de
ES 185 196
apresentar diferentes situações ao GO 243 199
mesmo tempo ou quando se MA 158 203
pretende comparar dados. As MG 138 196
tabelas de dupla entrada são MT 196 198
compostas de séries estatísticas PA 194 196
resultantes da combinação das PB 178 186

PE 223 180
séries estatísticas temporais, PI 140 166
geográficas ou específicas. PR 385 237
RJ 374 208
Veja um exemplo deste tipo na tabela a RN 160 176
seguir (tabela 5) RO 104 177

RR 87 166
RS 376 222
SC 287 214
SE 126 149
SP 711 240
Fonte: E-mec – maio/2019 TO 104 173
Chegamos ao final de mais uma etapa de estudos!
Vamos lá revisar o que estudamos? Essa revisão te ajudará a

fixar os conteúdos, mas se ainda restarem dúvidas, não deixe
de registrá-las no fórum de dúvidas.
Então, vamos lá!

Hora de Revisar!
Nesta unidade, estudamos sobre o IBGE, cuja missão institucional é "retratar o Brasil com
informações necessárias ao conhecimento de sua realidade e ao exercício da cidadania".
Conversamos a respeito do censo demográfico que produz informações atualizadas e

precisas e que são fundamentais para o desenvolvimento e implementação de políticas
públicas e para a realização de investimentos, tanto do governo quanto da iniciativa privada.
Aprendemos que em uma pesquisa existem as variáveis ou características mensuráveis. A

identificação e o estudo das variáveis vão permitir a descrição da população e o
estabelecimento de comparações entre grupos. Elas podem ser classificadas em
quantitativas (relacionadas a valores numéricos) e qualitativas (relacionadas a uma
qualidade, atributo ou qualquer outra característica cuja forma de se classificar seja a partir
de um nome).
Hora de Revisar!
As variáveis quantitativas podem ser classificadas em discreta, geralmente com números

inteiros, ou quantitativa contínua, cujos valores numéricos podem assumir valores
quebrados, decimais. Já as variáveis qualitativas podem ser classificadas em ordinal ou
nominal, sendo a primeira a que define categorias, isto é, mesmo não sendo números, estas
podem ser ordenadas; já a segunda, define-se por não necessitar de uma ordenação
subjetiva.
Foi tratado, também nesta unidade, dos estudos a respeito das técnicas de amostragem e
coleta de dados; estas são fundamentais para a realização de uma pesquisa, garantindo a
melhor utilização do tempo e recursos do pesquisador. Definimos o conceito de população e
amostra, sendo população o conjunto de elementos que têm, em comum, determinada
característica; e a amostra é todo subconjunto não vazio e com número menor de elementos
da população.
Hora de Revisar!
Vieira (2008) afirma que o tamanho de uma amostra é uma das principais dificuldades
encontradas nos trabalhos de levantamento amostral. Para a autora, o tamanho da amostra
independe do tamanho da população, já que o tamanho da amostra, por si só, não
determina se ela é boa ou de má qualidade; o que mais importa, numa amostra, é o seu
grau de similaridade com a população. Por isso, trabalhamos com algumas técnicas de
Amostragem: não probabilística e probabilística.
Dentre as técnicas não probabilísticas, temos a amostragem não aleatória intencional,

voluntária e a acidental; já para a amostragem aleatória, foco desse estudo, temos a
simples, sistemática, estratificada e a por conglomerados.
Após a coleta dos dados estatísticos, precisamos organizá-los e uma alternativa são as
tabelas estatísticas, entretanto, para cada tipo de gráfico existe um tipo de tabela
recomendada, são elas: tabelas de série histórica, de série específica ou categórica, de série
geográfica e tabelas de dupla entrada.
Chegou o momento de verificar sua aprendizagem.
Ficou com alguma dúvida? Retome a leitura.
Quando se sentir preparado, acesse a Verificação

de Aprendizagem. Fique atento, pois essa atividade
vale nota!
Vamos lá?!
Unidade 3: Estatística descritiva I
Introdução EDA
Olá! Estudante,
Que bom que você continua por aqui!

Iniciaremos agora a Unidade 3 do curso que abordará sobre a
Estatística Descritiva.
Por questões didáticas, ou seja, pensando em uma maneira de facilitar

sua aprendizagem, dividimos este conteúdo em duas partes: Parte 1 -
Estatística Descritiva I e Parte 2 - Estatística Descritiva II.
Nesta unidade, estudaremos a primeira parte e continuaremos o

estudo da segunda parte apenas na Unidade 5, após estudarmos sobre
probabilidade, que é uma das bases para este estudo.
Na Unidade 2, você aprendeu a distinguir os diferentes tipos de

variáveis estatísticas, conheceu detalhadamente as técnicas de
amostragem e as regras para a correta coleta de dados. Além disso,
aprendeu a construir e a interpretar tabelas estatísticas. Esperamos
que tenha sido produtivo!
Agora, o nosso foco será nos conceitos da Estatística Descritiva
que trata da organização, sumarização e descrição de um conjunto
de dados, assim, por meio do estudo desta Unidade 3, esperamos
que você consiga alcançar os seguintes objetivos de
aprendizagem:
● construir uma tabela de frequência, diferenciando as

frequências absoluta, relativa e suas respectivas
representações acumuladas.
● utilizar um intervalo de classe em uma tabela de frequência,
assim como definir a amplitude desta classe.
● interpretar as medidas de tendência central (média, moda e
mediana).
● interpretar as medidas de dispersão (Desvio médio (Dm),
Variância (V) e desvio padrão (Dp).
Na unidade anterior, você aprendeu sobre diferentes métodos de
coleta de dados para uma pesquisa, mas talvez você esteja se
perguntando: o que fazer com esses dados?
Que tal iniciarmos com a organização deles? Exatamente!
A organização facilita a visualização e a padronização,

favorecendo o processo de avaliação desses dados. Essa
organização pode ocorrer por meio de agrupamento.
Em muitos casos, o agrupamento inadequado pode inviabilizar a

análise dos dados. Por essa razão, é muito importante que você
conheça as formas adequadas de organização dos dados
coletados para uma pesquisa. É sobre este assunto que
trataremos agora. Vem comigo!
Conceito de frequência
Na prática
Para facilitar o entendimento sobre este assunto, vamos acompanhar uma situação de
coleta e organização de dados com poucos elementos; pense, ainda, em uma mesma
situação com uma quantidade significativa de dados e pense, também, que existem
planilhas eletrônicas que auxiliam e facilitam a análise desses dados.
Se você quiser aprender o básico sobre planilhas eletrônicas,

indico-lhe um bom tutorial sobre como criar planilhas no LibreOffice
Calc, passo a passo. Uma planilha básica de vendas, mas com muitos
pontos importantes.
https://www.youtube.com/watch?v=1k8aY5P8J6A
Voltamos!
A nutricionista de uma escola fez a medição da

massa (kg) de alguns alunos para analisar o
cardápio escolar e montou a seguinte tabela ao lado:
Observe na tabela que apenas dois alunos têm 40

kg e que oito deles têm 45 kg, confirmou? Para
organizar esses dados, vamos utilizar uma tabela,
entretanto, devemos antes identificar a frequência,
quantidade de vezes em que cada característica
aparece.
Já sabemos duas delas: duas unidades para a

Fonte: elaborado pelo autor
característica 40 kg e oito unidades para a
característica 45 kg. E as demais? Quantas vezes
aparecem? Vejamos a seguir.
40kg 40kg 45kg 45kg 45kg 45kg
Inicialmente, vamos organizar esses dados em ROL,
crescente ou decrescente, você escolhe. Eu prefiro
crescente.
Organização dos 55 kg 55kg 55kg 55kg 55kg 60kg

dados em ordem
crescente ou
decrescente. 60kg 60kg 60kg 65kg 65kg 65kg
E agora, melhorou? Eu acredito que sim, mas pode 65kg 65kg 75kg 75kg 75kg 75kg
melhorar ainda mais transformando essa tabela
primitiva em uma tabela de frequência.
Vamos fazer isso? Continue comigo nesse raciocínio! Fonte: elaborado pelo autor
O que fizemos até aqui foi agregar as respostas
iguais e contar quantas vezes cada uma apareceu.
Chamamos isso de frequência, portanto…
Conceituamos frequência como:
A quantidade de vezes que um dado surge

no conjunto de dados.
Distribuir frequências é organizar da melhor forma

os dados, isto é, tabulá-los. Observe que, para a
situação anterior, os dados ficaram bem
organizados, mas se a diversidade de características
fosse maior, se tornaria inviável organizá-los como
acima. Concorda comigo?
Fonte: elaborado pelo autor

Tipos de frequência
Na estatística, o estudo sobre frequências se subdivide em dois grupos que se diferenciam de
acordo com a sua função na tabela:
1. Frequência absoluta: dados absolutos da 2. Frequência relativa - dados

frequência. comparados com a amostra.
Para ficar mais claro, vejamos

alguns exemplos a seguir.
Continue comigo!
Exemplo 01 - Foi feita uma pesquisa, durante 30
dias, sobre a qualidade do almoço em um
restaurante universitário. Os resultados obtidos
foram:
bom, ruim, bom, ótimo, ótimo, bom, ruim, bom,

bom, ótimo, regular, regular, ruim, regular,
péssimo, péssimo, regular, péssimo, regular, ótimo,
regular, regular, ruim, regular, ótimo, péssimo,
ótimo, bom, ruim, bom
Organizando os dados em tabela temos:

Fonte: elaborada pelo autor
A frequência absoluta (f) representa a
quantidade exata de vezes em que
cada elemento apareceu; já a
frequência relativa (fr) compara cada
categoria com o todo, sendo
representada na forma de decimal ou
em porcentagem.
Veja na tabela ao lado:

Existem, também, as frequências absoluta acumulada (fa) e relativa acumulada (fra), elas
acumulam as categorias, vejamos:
Com a frequência acumulada, podemos fazer as

seguintes leituras:
- 9 estudantes, ou quase 30% deles, classificaram

o restaurante como péssimo ou ruim.
- 49,9% (79,8% - 29,9%) dos estudantes
classificaram o restaurante como regular ou bom.
- As três primeiras categorias representam a
opinião de mais de 55% dos estudantes.

Agora, vamos ao Exemplo 2 :
As notas da avaliação de 70 alunos estão em rol, abaixo. Observe que quanto maior o
número de categorias, mais trabalhosa é a organização dos dados em uma tabela de
frequência. Cada nota pode ser tratada como categoria única, uma em cada linha, mas isso
torna o trabalho inviável, por isso, apresentamos o conceito de intervalo de classe para
categorias.
2,0 2,0 2,4 2,4 2,5 2,9 2,9 3,0 3,0 3,0 3,0 3,2 3,6 3,6
3,7 3,9 4,0 4,4 4,4 4,6 4,7 4,8 4,8 4,8 4,9 4,9 5,0 5,5
5,5 5,6 5,7 5,7 5,7 5,7 5,8 5,9 5,9 6,0 6,0 6,0 6,1 6,2
6,3 6,5 7,0 7,0 7,1 7,2 7,3 7,5 7,5 7,5 7,5 7,5 7,8 7,9
7,9 8,0 8,3 8,3 8,6 8,6 8,6 8,8 8,9 9,0 9,0 9,0 9,1 9,4

Veja a tabela de distribuição de frequência dos dados anteriores, sem utilizar os intervalos
de classe. Depois compare com a próxima tabela.

Intervalo de Classe
O intervalo de classe representa um espaço
delimitado por dois valores, incluindo eles ou não,
cuja frequência será dada para a quantidade de
elementos que fazem parte desse grupo.
Por exemplo: No intervalo entre 2,0 e 3,5 existem
12 elementos, 2,0⊢3,5 (intervalos de 2,0 a 3,5,
incluindo o 2,0 e excluindo o 3,5).
Neste caso, a amplitude (tamanho do intervalo ou
diferença entre o maior e o menor valor) foi igual a
1,5.
Veja ao lado como fica a tabela completa com todas

as frequências.

Intervalo de Classe
A amplitude foi definida pelo pesquisador, a partir
de um critério subjetivo, porém, existem orientações
para definir o tamanho ideal para cada situação. As
mais utilizadas são: a regra de Sturges, o critério da
desigualdade e o critério da raiz quadrada.
Para este estudo, no limitaremos ao critério da raiz

quadrada.

Critério da raiz quadrada para definir a quantidade de classes e a amplitude dos
intervalos
k = √n
Com :
k = número de classes.
n = o número total de observações na amostra.
Reorganizando a tabela acima, teríamos:

k = √70
k = 8,36
Isto é, aproximadamente 8 classes com amplitude

igual a (9,4 - 2,0)/8= 0,92 ou aproximadamente 1
unidade.
Critério da raiz quadrada para definir a quantidade de classes e a amplitude dos
intervalos
A tabela ficaria da seguinte forma:

Para conhecer mais sobre os outros critérios, indicamos o
seguinte site:
http://professorguru.com.br/estatistica/estat%C3%ADstica%20
descritiva/constru%C3%A7%C3%A3o%20de%20classes%20-
%20quantidade%20e%20tamanho%20das%20classes.html
Hora de praticar!
1) Os dados que seguem representam as idades, em anos

completos, de todas as crianças atendidas em certo dia por
um posto de puericultura. Organize os dados e construa a
tabela de frequência com as seguintes frequências: absoluta,
relativa e as respectivas frequências acumuladas.
1 3 0 1 1 8 2 3 1
1 2 5 0 3 4 1 2 0
Confira o gabarito ao final desta unidade.

2) De uma análise de dados de
balanço de 49 indústrias,
obtiveram-se os valores
seguintes para seus coeficientes
de liquidez. Organize os dados,
agrupe-os em classe com base
no critério da raiz quadrada e
construa a tabela de frequência
com as seguintes frequências:
absoluta, relativa e as
respectivas frequências
acumuladas.
Confira o gabarito ao final desta

unidade.
EEAR 2019/1 - A tabela apresenta as Notas Frequência
frequências acumuladas das notas de acumulada
70 alunos, obtidas em uma avaliação.
2,0⊢3,5 12
A frequência absoluta da 2ª classe é:
3,5⊢5,0 26
a) 14
5,0⊢6,5 43
b) 15
c) 16 6,5⊢8,0 57
d) 17
8,0⊢9,5 70
Confira o gabarito ao final deste

unidade.
Medidas de tendência central – média, moda e mediana
Quando precisamos representar um conjunto de valores obtidos em uma pesquisa, em um
único valor, utilizamos as chamadas medidas de tendência central, pois indicam que os dados
tendem a se concentrar em torno dele. Essa convergência de dados ou condensação dos dados
facilita a compreensão das características essenciais de uma amostra ou população.
As medidas de tendência central serão mais confiáveis quanto mais representativo for o
conjunto de elementos da amostra ou da população, isto é, se o conjunto de elementos for bem
selecionado, guardando características semelhantes da população que foi extraída e com o
tamanho da amostra ideal. Isso garantirá uma melhor aproximação com o que poderíamos
encontrar na população.
A primeira medida de tendência central e mais conhecida é a média aritmética, simples ou

ponderada, vamos estudar agora cada uma delas.
Média Aritmética ( Média Simples )
A média é um valor que, se for atribuído a todos os elementos da série em estudo, mantém
algum valor agregado constante, ou seja, a média consiste na soma dos valores de um
conjunto de dados, divididos pelo número de elementos.
A média aritmética simples é dada pela seguinte fórmula:
Em que é a média aritmética simples de um conjunto de n valores

Exemplo 01 comentado
IFPR 2018 - A tabela ao lado apresenta o número de inscritos

no Exame Nacional do Ensino Médio (Enem) entre os anos de
2011 e 2017.
Observando a tabela, analise as afirmações a seguir.

I) Comparando o Enem 2017 com o Enem 2016, houve uma
queda de 10% no número de inscrições.
II) A média do número de inscritos entre 2015 e 2017 é de 8,4
milhões.
III) O recorde do número de inscritos nesse período ocorreu em
2014.
É correto o que se afirma, apenas, em:

a) I e II.
b) I.
c) I e III.
d) II e III.
Vamos avaliar cada item separadamente?

I) Comparando o Enem 2017 com o Enem 2016, houve uma
queda de 10% no número de inscrições.
Observe que em 2017 houve 7,6 milhões de inscritos,
entretanto, em 2016 foram 9,2 milhões, desta forma, já
podemos afirmar que houve uma queda, contudo, para saber a
porcentagem desta queda, calcularemos a razão entre as
quantidades.
= 0,8260 ou 82,60% isto é, uma redução de

17,40% e não 10%.
II) A média do número de inscritos entre 2015 e 2017 é de 8,4

milhões.
Vamos calcular a média simples somando as respectivas
quantidades de inscritos, entre 2015 e 2017, e dividindo por
3, já que são três anos.
= 8,4 milhões, conforme afirmou o item.

III) O recorde do número de inscritos nesse período ocorreu em
2014. Sim! Com 9,4 milhões de inscritos.
Desta forma é correto o que se afirma apenas em II e III.

FATEC 2012/2 - EMPREENDEDORISMO NO BRASIL - No Brasil, desde o ano 2000, o Instituto

Brasileiro de Qualidade e Produtividade (IBQP) coordena e executa a pesquisa Global
Entrepreneurship Monitor (GEM) que fornece dados para entender melhor o perfil
empreendedor do cidadão brasileiro.
O resultado da pesquisa GEM, divulgado em 2010, mostra que o Brasil alcançou a maior Taxa
de Empreendedores em Estágio Inicial (TEA): 17,5% da população adulta, na faixa etária de 18
a 64 anos, estava exercendo, com até três anos e meio de existência, alguma atividade em
negócios.
(Empreendedorismo no Brasil 2010 - Elaborado por IBQP – GEM. Disponível em: <http://www.sebrae.com.br>.
Acesso em: 08 de mar.2012. Adaptado)
Considere o gráfico ao lado: evolução da Taxa de
Empreendedores Iniciais (TEA) Brasil - período de
2002 a 2010
De acordo com o gráfico, a média das Taxas de
Empreendedores Iniciais brasileiros, no período de
2002 a 2010, era, aproximadamente:
a) 14,4%.
b) 14,1%.
c) 13,9%.
d) 13,4%.
e) 12,8%.
O exercício pede, com base nos dados do gráfico, a
média das Taxas de Empreendedores Iniciais
brasileiros, no período de 2002 a 2010, ou seja, a
taxa média.
Utilizando a fórmula da média simples, temos:
Média Aritmética ( Média Ponderada )
A média aritmética ponderada, como o nome sugere, acrescenta o fator peso às categorias;
vejamos a fórmula para calcular a média ponderada.
Onde xp é a média aritmética ponderada de um conjunto de n valores (x1, x2, x3, x4, …, xn-1,
cujos pesos são respectivamente (p1, p2, p3, p4, …, pn-1, pn).
CESMAC 2º Dia Medicina 2019/1 - Um pediatra obteve a

seguinte tabela ao lado contendo informações sobre a idade
com que as crianças começaram a andar pela primeira vez:
De acordo com esses dados, qual a média do número de

meses que uma criança precisa para começar a andar? Indique
o valor mais próximo do valor obtido.
a) 9 meses
b) 10 meses
c) 12 meses Observe que o peso neste caso é a
d) 13 meses quantidade de crianças. Utilizando a
fórmula temos:
O Programa de Monitoria, vinculado à Política de Assistência Estudantil do IFB, visa

proporcionar aos estudantes do IFB um espaço colaborativo para o desenvolvimento da
aprendizagem. Uma professora, que tem interesse em selecionar um monitor ou monitora para
a sua disciplina, estabeleceu os seguintes pré-requisitos para a seleção e classificação dos
interessados, cada disciplina abaixo possui um peso.
Continuando o exemplo 2
A professora recebeu os dados do histórico de

quatro alunos interessados. Quem foi selecionado como monitor?
Utilizando as notas e os pesos dos
pré-requisitos, vamos calcular a média
ponderada de cada acadêmico.
Willian
Oziel
Márcia
Vitória
Desta forma, temos como selecionada a aluna

Vitória!
Moda (Mo)
É uma medida de tendência central correspondente aos valores de maior frequência em um
conjunto de dados. Um conjunto de dados pode ser classificado, sob a ótica da medida moda,
em:
Amodal (sem moda) Unimodal (uma moda)

Exemplo: {4, 7, 8, 9,10, 16, 20} Exemplo: {4, 7, 8, 9,10, 16, 16, 16, 20}
Bimodal (duas modas) Polimodal/ multimodal (várias modas)

Exemplo: {4, 4, 4, 4, 7, 8, 9,10, 10, 10, Exemplo: {4, 4, 7, 8, 9,10, 10, 16, 20, 20,
10, 16, 20} 21, 22, 22}
UEG 2013/1 – (com adaptações) A professora Maria Paula registrou as notas de sete alunos,
obtendo os seguintes valores: 2, 7, 5, 3, 4, 7 e 8. A moda das notas desses alunos é:
a) 6
b) 7
c) 8
d) 9
Considerando que entre os valores 2, 7, 5, 3, 4, 7 e 8, o que possui maior frequência é o 7, já

que foi que apareceu duas vezes, enquanto os demais apareceram somente uma vez cada.
Com base nos dados da tabela ao lado,

determine a moda:
Resposta:
Mo é 45 kg, com frequência igual a oito.
Mediana (MD)
É o valor intermediário do agrupamento do conjunto. Observe que falar em intermediário,
aquele que está no meio, exige uma correta organização dos dados, por isso, é obrigatório o
ROL. Quando calculamos a mediana de um conjunto, podemos perceber duas situações, a
primeira com um número ímpar de elementos, neste caso, é fácil perceber que o elemento
central será único e ele será a própria mediana.
Seja
A mediana do conjunto acima é igual a 3, mas se fosse o seguinte conjunto?
Neste segundo caso, a mediana será dada pelos elementos centrais 3 e 5, o que pode ser feito
com uma média aritmética simples, isto é, mediana igual a 4.
FACASPER 2016 - A tabela abaixo mostra as

médias mensais da chuva registrada no sistema
Cantareira de outubro de 2013 a setembro de
2014, período que marcou o início da crise hídrica
em São Paulo.
Para o período registrado, a média e a mediana dos
dados observados é de respectivamente:
a) 74,36mm e 67,95mm
b) 100,4mm e 67,95mm
c) 67,95mm e 74,36mm
d) 74,36mm e 100,4mm
e) 100,4mm e 58mm
Calculando a média:
Calculando a mediana: dados em ROL e destacando o elemento central:
Destacando os elementos centrais (já que temos uma quantidade par de elementos):
Calculando a média simples entre eles:

ENEM 2º dia 2011 - Uma equipe de especialistas

do centro meteorológico de uma cidade mediu a
temperatura do ambiente, sempre no mesmo
horário, durante 15 dias intercalados, a partir do
primeiro dia de um mês. Esse tipo de procedimento
é frequente, uma vez que os dados coletados
servem de referência para estudos e verificação de
tendências climáticas ao longo dos meses e anos.
As medições ocorridas nesse período estão
indicadas no quadro ao lado.
Em relação à temperatura, os valores da média,
mediana e moda são, respectivamente, iguais a:
a) 17 °C, 17 °C e 13,5 °C.

b) 17 °C, 18 °C e 13,5 °C.
c) 17 °C, 13,5 °C e 18 °C.
d) 17 °C, 18 °C e 21,5 °C.
e) 17 °C, 13,5 °C e 21,5 °C.
Calculando a média:
Calculando a mediana: dados em ROL e destacando o elemento central:
Destacando os elementos centrais (já que temos uma quantidade par de elementos):
Md=18°C
Mo= 13,5°C já que foi o elemento com maior frequência.
MEDIDAS DE DISPERSÃO
Enquanto que as medidas de tendência central indicam se os
dados tendem a concentrar-se em torno dele, as medidas de
dispersão indicam se aquelas possuem distorções.
Elas indicam e quantificam o espalhamento dos valores da
amostra ou da população em torno da medida de
centralidade. Acompanhe a seguinte situação.
Em um time, com três membros, apenas um irá competir na final representando a equipe.
Abaixo está apresentada a pontuação em cinco jogos da temporada.
Com base na tabela, qual

membro o técnico da
equipe deverá escalar
para a final?
Como já estudamos, a média é uma medida Com base apenas na média, o jogador A será
de tendência que pode auxiliar na análise de o escolhido, mas parece ser suficiente essa
dados condensados. Vejamos a média de análise? Para uma final é melhor ter um
cada membro da equipe: jogador que pode ter uma ótima pontuação
ou uma pontuação baixa, como acontece com
o jogador A, ou ser mais regular, como no
caso do jogador B? Analise um pouco.
As medidas de dispersão são parâmetros estatísticos
usados para determinar o grau de variabilidade dos dados
de um conjunto de valores, isto é, utilizamos esses
parâmetros para tornar a análise de uma amostra mais
confiável, visto que as variáveis de tendência central (média,
mediana, moda) muitas vezes escondem a homogeneidade
ou não dos dados.
MEDIDAS DE DISPERSÃO - Desvio Médio (Dm)
O desvio médio (Dm) de um conjunto de n valores é dado pela média aritmética dos valores
absolutos dos desvios de cada valor em relação à média; ele representa a distância média
entre os elementos do conjunto e a média. Observe que, por se tratar de distância, utilizamos a
unidade da diferença entre o elemento e a média.
Fórmulas Vamos calcular os desvios médios das pontuações ao
lado:
Com os respectivos desvios médios, temos que a jogador B foi o que manteve a pontuação
mais próxima da média.
Além do desvio médio, também é possível calcular o desvio padrão, a partir do resultado da
variância. As vantagens em utilizar o desvio padrão surge para conjuntos de dados com
números extensos e com muitos elementos (acima de 30). Ele elimina erros de
arredondamento. Dois novos conceitos apareceram certo? Vamos estudá-los agora.
Iniciaremos calculando da variância para então definir o desvio padrão.
Obs: outra forma de tornar a diferença entre xn-x sempre positiva ou nula sem a utilização do
módulo é elevando o resultado ao quadrado, xn- x2
MEDIDAS DE DISPERSÃO - Variância
A variância de um conjunto de n valores é dada pela média aritmética dos quadrados dos
desvios médios de cada valor em relação à média.
Fórmulas
Com os dados da população:
Com os dados da amostra

MEDIDAS DE DISPERSÃO - Variância
Calculando a variância (populacional) para cada jogador da situação problema.
A partir dos valores da variância, podemos

definir o desvio padrão, que nada mais é
que uma forma mais próxima da unidade
de medida estudada que, neste caso, são
os pontos do jogo.
MEDIDAS DE DISPERSÃO - Desvio Padrão
O desvio padrão (Dp) de um conjunto de n valores é dado pela raiz quadrada variância.
Fórmula
Quanto mais próximo de zero estiver o desvio padrão, mais regular será o conjunto de valores,
ou seja, mais próximo da média estarão esses valores.
Obs: uma raiz quadrada possui valores positivos e negativos, isto é,

em volta da média de pontos do jogador Arthur, o desvio da
pontuação ficou em torno de 8,69 para mais ou para menos. Para o
jogador Bento, a variação foi de 7,67 para mais ou para menos em
torno da média e para Caio, o desvio ficou em oito pontos para mais
ou para menos a partir de sua pontuação média.
Desta forma, o desvio em torno da média que apresentou menor
variação ou maior regularidade foi no conjunto de pontos do
jogador B.
Hora de Praticar
1) Você foi comprar um fogão de 4 bocas e uma sanduicheira,

mas antes fez uma pesquisa de preços em 7 lojas. Qual
produto tem a maior variabilidade de preços e qual valor do
desvio padrão dos preços com relação à média de preços
para cada caso?
Dados:
Fogões
R$ 329,00; R$539,00; R$719,00; R$389,00; R$899,00; R$299,00 e R$ 319,00
Sanduicheiras
R$57,00; R$47,00; R$117,00; R$50,00; R$ 44,00; R$85,00 e R$67,00.
Confira o gabarito ao final desta unidade.

Hora de Revisar!
Você terminou o estudo desta unidade! Para te ajudar a
sintetizar os conteúdos estudados, retomaremos, de forma bem
resumida, os principais conceitos. Vamos lá?
Com os dados coletados, o próximo passo é organizá-los e,

quando fazemos isso, já consideramos como uma etapa da
avaliação. Muitas vezes é impraticável a realização de uma
análise sem antes agrupar dos dados, para tanto, organizá-los
adequadamente por meio de agrupamentos é um caminho
necessário e pode ser feito a partir das tabelas de frequência,
em que os dados são organizados e as frequências são
identificadas. Classificamos as frequências em absoluta – com
valores que indicam quantas vezes cada categoria apareceu
entre os dados – e relativa, quando compara os valores
absolutos com o valor total da amostra. Também conhecemos
a frequência acumulada, que nada mais é do que apresentar as
frequências absoluta e relativa, acumulando linha após linha
até comprovar que possui o total da amostra.
Hora de Revisar!
Como comentado anteriormente, dependendo da
diversidade de dados, é conveniente agrupá-los. Para
decidir quantas classes precisará para compor sua tabela,
podemos usar algumas regras, por exemplo, o critério da
raiz quadrada cuja fórmula é k=√n, sendo k o número de
classes e n o número total de observações na amostra.
Com os dados organizados e com objetivo de interpretá-los

a partir de um único valor, estudamos as medidas de
tendência central, foram elas: média aritmética, mediana e
moda. Essa convergência de dados ou condensação dos
dados facilita a compreensão das características essenciais
de uma amostra ou população.
Hora de Revisar!
Enquanto as medidas de tendência central indicam que os

dados tendem a concentrar-se em torno delas, as medidas
de dispersão indicam se aquelas possuem distorções.
As medidas de dispersão são parâmetros estatísticos

usados para determinar o grau de variabilidade dos dados
de um conjunto de valores, isto é, utilizamos esses
parâmetros para tornar a análise de uma amostra mais
confiável, visto que as variáveis de tendência central muitas
vezes escondem a homogeneidade ou não dos dados.
Hora de Revisar!
As medidas de dispersão estudadas foram o desvio médio, a
distância média entre os elementos do conjunto e a média, a
variância - dada pela média aritmética dos quadrados dos
desvios médios de cada valor em relação à média e o desvio
padrão, que indica a regularidade dos dados em torno da
medida central, isto é, quanto mais próximo de zero estiver o
desvio padrão, mais regular será o conjunto de valores.
Agora, sim, você revisou os principais conceitos estudados nesta

unidade. Relembrou? Ficou com alguma dúvida? Retome a
leitura e se ainda assim restarem dúvidas, deixe sua mensagem
no fórum de dúvidas.
Agora chegou o momento de verificar

sua aprendizagem.
Quando se sentir preparado, acesse a
Verificação de Aprendizagem. Fique
atento, pois essa atividade vale nota!
Continue comigo! Até a próxima unidade.
Gabarito
1)
Gabarito
2) Definindo a quantidade de classes utilizaremos o critério da raiz quadrada k=√n
k=√49
k=7 classes
Definindo a amplitude de cada classe temos: (19,4 – 0,5)/7 = 18,9/7 = 2,7. Segue a tabela com
os intervalos.
⊢
⊢
⊢
⊢
⊢
⊢
⊢
Gabarito
Organizando os dados em ROL. Retornando a tabela e completando as
colunas das frequências temos:
⊢
⊢
⊢
⊢
⊢
⊢
⊢
Gabarito
3) Considerando (26 – 12) temos que a segunda classe, de maneira absoluta tem 14 elementos.
Letra a.
4) Dados:
Fogões
R$ 329,00; R$539,00; R$719,00; R$389,00; R$899,00; R$299,00 e R$ 319,00
Sanduicheiras
R$57,00; R$47,00; R$117,00; R$50,00; R$ 44,00; R$85,00 e R$67,00.
Calculando as médias
Gabarito
Calculando as variâncias das amostras - Fogão.
Gabarito
Calculando as variâncias das amostras -Sanduicheiras
Gabarito
Calculando os desvios padrão
Resposta: o preço do fogão foi o que mais variou, já que os preços ficaram mais
espalhados com relação à média, o que aconteceu em menor medida quando fizemos a
mesma análise para as sanduicheiras. Já o desvio padrão com relação à média para o
fogão foi de R$ 232,16, já para a sanduicheira foi de R$ 26,27.
Unidade 4: Probabilidade
Introdução EDA
Olá! Estudante,
Continuando nosso curso, vamos agora iniciar a unidade IV que trata

do estudo sobre probabilidade.
Na unidade III você aprendeu a construir uma tabela de frequência,

diferenciando as frequências absoluta, relativa e suas respectivas
representações acumuladas. Aprendeu o melhor momento para
utilizar um intervalo de classe em uma tabela de frequência, assim
como definir a amplitude dessa classe. Aprendeu também a calcular
e a interpretar as medidas de tendência central (média, moda e
mediana), além de calcular e interpretar as medidas de dispersão:
Desvio médio (Dm), Variância (V) e desvio padrão (Dp).
Agora, o foco do nosso estudo será nos conceitos da
probabilidade. Assim, por meio da unidade 4, esperamos que você
consiga alcançar os seguintes objetivos de aprendizagem:
Recordar os principais conceitos da análise combinatória.

Estudar a teoria da probabilidade Clássica.
Aplicar o cálculo de probabilidade em situações reais.
Fique atento (a), leia e pratique. Bons estudos!

Análise Combinatória
Para que você compreenda sobre análise combinatória, iniciaremos com uma demonstração
prática.
Então, vamos lá!
Vamos começar com uma pergunta bem interessante...
Quer ficar rico ou rica?

Quem não quer né? Umas das formas de ficar rico é ganhando na Mega-Sena, certo? Mas
isso depende de sorte! Sim, mas e se jogássemos todas as combinações possíveis?
Certamente ganharíamos. E qual o valor mínimo, em Reais, para ter certeza que iremos
ganhar na Mega-Sena? Parece complicado? Então, vamos descobrir tudo isso agora!
Para aqueles que não sabem, a Mega-Sena é um concurso realizado

pela Caixa Econômica Federal que pode pagar milhões ao
apostador que acertar seis números, dentre sessenta, que são
sorteados ao menos duas vezes por semana – normalmente, às
quartas-feiras e aos sábados. Também é possível ganhar prêmios
menores ao acertar quatro (Quadra) ou cinco dezenas (Quina). Até o
fechamento dessa unidade, a menor aposta deveria ser de 6
números (R$ 4,50) e a maior de 15 números (R$22.522,50).
Para ganhar na Mega-Sena a lógica é simples, basta jogar todas as possibilidades de
combinações possíveis. Concorda comigo? Vamos lá entender na prática como fazer isso.
Com valores entre 1 e 60, quantos jogos podemos fazer com combinações de 6 números?
Observe que até aqui não falamos em probabilidade, mas sim em combinações. Por isso,
vamos conceituar análise combinatória.
A análise combinatória
faz o estudo das
possibilidades de um
dado evento ocorrer sem
necessariamente
descrever todas elas.
Antes de calcular todas as possibilidades de combinações de 6 elementos, tomados 60
elementos possíveis, vamos fortalecer a sua base e relembrar os principais conceitos da
análise combinatória. Para te ajudar a entender esse assunto ou a relembrar, para aqueles
que já conhecem, selecionei três vídeos que explicam de maneira bem simples.
Para assistir aos vídeos clique nos links abaixo:
Análise combinatória - aula 1 - Professor Rodrigo Sacramento

(https://www.youtube.com/watch?v=t69U2fm8-Hk)

(https://www.youtube.com/watch?v=uUW_kX_F6yE)

(https://www.youtube.com/watch?v=XcfugXWUVi0)
Agora que você já assistiu as vídeo aulas, que tal praticar com os
exercícios formativos disponibilizados na unidade? São 8
questões a respeito dos conceitos apresentados.
Depois de realizar a atividade,

volte e continue o estudo desta
unidade. Vamos lá?
Ok! Já aprendemos sobre os principais
conceitos da Análise Combinatória.
Agora, vamos aplicá-los no desafio
anterior que é ganhar na Mega-Sena?
Então, vamos calcular uma combinação
simples, isto é, todos os sub grupos ou
agrupamentos não ordenados formados
por 6 elementos distintos escolhidos
entre 60 elementos dados.
Fonte;
https://tribunadovale.com.br/index.php/mega-sen
a-acumula-e-premio-pode-chegar-a-r-36-milhoes
-proxima-semana-tem-tres-sorteios/
Atenção! Cinquenta
milhões, sessenta e três
mil e oitocentas e
sessenta possíveis
combinações, ou possíveis
jogos com seis números
distintos. É bastante!
Para ter certeza de que um jogo - uma combinação - será
sorteado teremos que realizar 50.063.860 jogos. Se cada um
custa R$ 4,50, logo o investimento obrigatório deverá ser de
R$225.287.370,00.
Vamos comparar este valor com o maior prêmio individual da

Mega-Sena já pago na história?
O sorteio foi às 20h (horário de Brasília) em São Paulo (SP) e

pagou R$ 289,4 milhões. A premiação, que teve o resultado
divulgado na noite do sábado, 11 e deu fim à maior série de
rodadas acumuladas já vista até então. Foram 14 concursos
consecutivos sem que ninguém acertasse as seis dezenas. De
acordo com a Caixa, foram feitas 126,3 milhões de apostas nas
lotéricas do país e pela internet. (ESTADÃO, maio 2019).
Então … para ganhar na Mega-Sena com certeza, você vai precisar de mais de R$
225,2 milhões. Você não tem esse dinheiro? Tudo bem, nós também não, mas
podemos contar com a sorte e fazer apenas um jogo. Vamos aprender nesta
unidade como calcular as probabilidades e em breve calcularemos a
probabilidade de ganhar na Mega-Sena com apenas um jogo.
Para inspirar
“Os que se encantam com a prática sem a ciência são como
os timoneiros que entram no navio sem timão nem bússola,
nunca tendo certeza do seu destino.”
Leonardo da Vinci
A história da probabilidade
Por que estudar probabilidade?
A teoria da probabilidade teve início, não exclusivamente, mas
fortemente, com os jogos que dependiam da sorte, como os jogos de
cartas, dados, tabuleiros, roletas.
Chevalier Méré, cidadão parisiense e típico jogador, propôs à Blaise
Pascal, matemático, questões sobre as possibilidades de um jogador
vencer um “jogo de sorte”. Pascal junto ao matemático Pierre de
Fermat estudaram e desenvolveram o estudo das incertezas, a
probabilidade. Isso aconteceu há muito tempo, porém o estudo deste
ramo da matemática não se limita ao estudo de jogos de sorte.
Por que estudar probabilidade?
O cálculo da probabilidade pode ser uma ferramenta

muito boa, por exemplo: antes de inserir uma planta
fora de seu habitat natural, por diversos motivos, para
dar certo, no passado não muito distante faziam pelo
método de tentativa e erro, agora graças aos estudos
da probabilidade, modelos matemáticos foram
desenvolvidos e pode-se, com eles, calcular os
possíveis resultados antes mesmo de se plantar essa
espécie exótica.
Conceito
A probabilidade é um ramo da matemática que estuda os possíveis
resultados de um evento aleatório. Toda vez que não temos certeza
sobre o resultado de algum evento, estamos tratando sobre a
probabilidade de certos resultados acontecerem ou quais as chances
de eles acontecerem.
Você deve estar se perguntando o porquê de estudarmos
probabilidade em um curso de estatística? Estudamos, pois a análise
de eventos determinados pela probabilidade é chamada de
estatística. (Khan Academy).
Conceito
Vamos à fórmula básica para o cálculo

da probabilidade. Observe que se, em
um fenômeno aleatório, as
possibilidades são igualmente
prováveis, então a probabilidade de
ocorrer um evento A é:
Experimento aleatório
Segundo Alves (2014) para a) cada experimento pode ser repetido

calcularmos uma probabilidade, é indefinidamente sob as mesmas
necessário que tenhamos um condições (n);
experimento aleatório, que apresenta
as seguintes características: b) não se conhece a priori o resultado
do experimento, mas podem-se
descrever todos os possíveis
resultados;
c) quando o experimento for repetido

muitas vezes, surgirá uma regularidade
do resultado, isto é, haverá uma
estabilidade da fração (frequência
relativa) da ocorrência de um particular
resultado, onde r corresponde ao
número de vezes que um determinado
resultado aconteceu.
Na probabilidade é fundamental que o experimento seja definido como aleatório. Vamos

entender rapidamente o que significa isso? Bom, este tipo de experimento é aquele que,
quando repetido em iguais condições, pode fornecer resultados diferentes, ou seja, são
resultados explicados ao acaso. Quando se fala de possibilidades de ganho na loteria, a
abordagem envolve cálculo de experimento aleatório, lembra do primeiro exemplo da desta
unidade?
Desta forma, um evento aleatório acontece quando o fenômeno realizado tem resultados
imprevisíveis, entre os possíveis desfechos, e possuem condições iguais para todas as
possibilidades.
Vamos para um exemplo prático!
Ao jogar um dado não viciado, garantimos que existem iguais

condições para os possíveis resultados: 1, 2, 3, 4, 5 e 6. Concorda?
Quando jogamos um dado e sai o 1 com a face para cima, chamamos

este de ponto amostral, que na teoria é basicamente o resultado de
um experimento aleatório, isto é, pode ser qualquer uma das
possibilidades.
Exemplo: ao jogar o mesmo dado, o resultado foi o 3, então este foi o

ponto amostral. Ao lançar pela segunda vez, a face superior foi o
número 5, que neste caso é o novo ponto amostral. Trazemos esse
conceito, pois queremos falar sobre um conceito maior, o de espaço
amostral.
Vamos juntos!
Espaço amostral
Vamos para um exemplo!

O Espaço Amostral é o universo da
probabilidade, é o todo do qual as
O lançamento de um dado com 6 faces
partes serão extraídas, em outras
só pode ter seis resultados (1, 2, 3, 4, 5,
palavras, são todos os resultados de
6). Desta forma, a representação do
um experimento aleatório, ou seja,
espaço amostral pode ser feita das
conjunto de pontos amostrais. O Espaço
seguintes maneiras
amostral pode ser representado pela
Ω = {1, 2, 3, 4, 5, 6} ou S = {1, 2, 3, 4, 5, letra grega ômega (Ω) ou por S (Space).
6}.
Evento probabilístico
Bom, se o espaço amostral é o universo da
probabilidade, de onde todas as partes serão
extraídas? Que partes são essas? Eu posso calcular a
probabilidade de acontecer algo específico dentro de
um grupo maior?
Vamos estudar agora sobre eventos probabilísticos!
Evento probabilístico é um subconjunto do espaço
amostral, ou seja, está contido no espaço amostral. O
evento pode ser nulo ou impossível quando não há
ponto amostral do evento no espaço amostral ou ser
certo ou garantido, quando o evento é exatamente do
tamanho do espaço amostral. Representamos o evento
pela letra E.
Vamos para um exemplo!
Ao lançar um dado de 6 faces, gostaríamos de calcular a probabilidade de o número sorteado

ser primo, observe que neste caso o “número de casos favoráveis” é o conjunto E= {1, 2, 3, 5},
enquanto que “número de casos possíveis”, continua sendo o conjunto completo, o espaço
amostral.
Anteriormente, já apresentei a fórmula para o cálculo da probabilidade, uma conta bem
simples de se fazer: o cálculo se dá pela razão entre o número de resultados favoráveis
(Eventos) pelo número de resultados possíveis (Espaço Amostral). Veja a fórmula novamente.
Em que n(E) é o evento e n(Ω) o espaço amostral.

Observação: os resultados dessa divisão variam entre 0 e 1, ou seja, 0 ≤ P ≤ 1, mas estamos
mais acostumados com as porcentagens, concorda? Ficaria assim então variando 0% ≤ P ≤
100%.
Ou pode-se ler assim também:
Evento impossível < evento possível < evento certo

Exercícios com o professor
Estamos na metade da unidade e agora vamos treinar um pouco. Avalie os seguintes exercícios
comentados e, em caso de dúvidas busque o fórum de dúvidas que estarei por lá.
Exercício 1 - EEAR 2018/1
Em um lote com 250 peças, foi constatado que existem

exatamente seis defeituosas. Retirando-se, ao acaso, uma peça
desse lote, a probabilidade de que ela seja perfeita é de _____%.
a) 82,3
b) 85,5
c) 97,6
d) 98,2
Resolvendo:
O exercício pede a probabilidade de que ela seja perfeita, retirando-se ao acaso

uma peça entre 250. Se apenas 6 são defeituosas, logo 244 são perfeitas e esse é
o evento da probabilidade pedida, o espaço amostral é 250.
Vamos ao cálculo.
Atenção: existem outros caminhos para chegar nesta mesma resposta, faça da
forma que for mais fácil para você.
Exercício 2 - IFAL 2018/1
Em uma das salas de aula do IFAL - Instituto Federal de Alagoas -

com 50 estudantes, sendo 28 do sexo masculino e 22 do sexo
feminino, foi sorteado, aleatoriamente, um estudante para ser o
representante da turma. Qual a probabilidade de o estudante
sorteado ser do sexo feminino?
a) 2%.
b) 22%
c) 28%
d) 44%
e) 56%
Resolvendo:
O evento da probabilidade solicitada é igual a 22, estudantes do sexo feminino, já o espaço

amostral, todos os alunos da turma, é igual a 50. Vamos ao cálculo.
Exercício 3
Ao lançar dois dados perfeitos, isto é, sem vícios, qual a

probabilidade de que a soma dos resultados obtidos seja igual a
5?
Resolvendo:
Ao associar os valores do primeiro dado com os

do segundo e adicionar, como solicita o
exercício, somente 4 combinações possuem
soma igual a 5, isto é, o evento é igual a 4 e o
espaço amostral igual a 36.
Vamos ao cálculo:
Observe que outras probabilidades podem ser

calculadas com esses dados! Agora vamos
retornar com a Mega-Sena?
Probabilidade de ganhar na Mega-Sena
No site da Caixa tem reservado um espaço com as

probabilidades dos jogos, por exemplo qual a
probabilidade de ganhar na Mega-Sena
escolhendo 7 números? No início da unidade
fizemos os cálculos com seis unidades e te prometi
que calcularemos a probabilidade de ganhar na
Mega-Sena com apenas um jogo. Fiz uma
promessa e irei cumpri-la agora!
Vamos lá então!
O espaço amostral será o conjunto de todas as combinações possíveis com 6 números, isto é,
50.063.860 possibilidades, já o evento é igual a 1, pois calcularemos para apenas um jogo.
Vamos aos cálculos.
As chances de ganhar na Mega-Sena são quase nulas, mas não nulas. Observe que, apenas
para fins de comparação, temos mais chances de capturar um Pokémon Shiny, um dos mais
raros no Pokémon GO, do que ganhar na Mega-Sena. A probabilidade de encontrar um
Pokémon Shiny é de 1 em 8.192 (0,012%).
Se você gosta e quer saber mais sobre outras probabilidades no Pokémon GO, segue o link.
(https://www.tudocelular.com/curiosidade/noticias/n128622/pokemon-go-shiny-e-como-captu
rar.html)
Curiosidade: no site da Caixa Loterias tem um espaço reservado

para as probabilidades da Mega-Sena, Quina e Quadra. Tem
curiosidade para saber sobre quais as suas chances ao jogar
combinações de 7, 8 ou até 15 números?
Acesse o site:
http://loterias.caixa.gov.br/wps/portal/loterias/landing/megasena/
Probabilidade de união de eventos e probabilidade condicional
Agora vamos analisar alguns casos especiais da probabilidade e que são bem comuns no dia a
dia. O primeiro caso é a Probabilidade da união de eventos, para acontecimentos mutuamente
exclusivos ou não mutuamente exclusivos. Antes, para melhor compreender esses conteúdos
vamos relembrar dois conceitos de Conjuntos Numéricos.
O primeiro conceito é o de união, representado pelo símbolo ∪ . A união de conjuntos

nada mais é que a junção dos conjuntos que representam os eventos de um mesmo espaço
amostral, ou seja, um evento somado ao outro evento. Deve-se tomar cuidado para não
repetir os elementos que aparecem nos dois eventos.
Exemplo:
Probabilidade de união de eventos e probabilidade condicional
O segundo conceito é o de intersecção, representada pelo símbolo ∩

. Neste caso
buscamos os elementos que aparecem no evento A e no evento B ao mesmo tempo, isto é,
os elementos que eles possuem em comum.
A partir dessa breve explicação, já temos condições de aprofundar no assunto.

Probabilidade
Vamos estudar essa questão - Numa frente de emergência,
criada para atender as vítimas da chuva de certa cidade,
trabalhavam 500 pessoas, das quais 150 eram menores de 20
anos, 400 eram casadas e nenhuma das pessoas maiores de 20
anos era solteira. Se uma das pessoas da frente de emergência
for escolhida ao acaso para supervisionar os trabalhos, qual a
probabilidade percentual de ela ser menor de 20 anos e casada?
(CESMAC Demais Cursos 2019/1)
Probabilidade
Para este caso, estamos tratando de Mas quantas pessoas cumprem com a
acontecimentos mutuamente exclusivos, característica “ser menor de 20 anos e
pois uma pessoa não pode ter mais e casada”? Vamos pensar e separar os
menos do que 20 anos ao mesmo tempo, grupos.
nem estar casada e solteira oficialmente I - Existem 500 pessoas, das quais:
ao mesmo tempo. Dizemos que dois 150 são menores de 20 anos e não se
eventos são mutuamente exclusivos sabe ainda o estado civil delas.
quando, na ocorrência de um, o outro não Consequentemente, 350 são maiores
pode ocorrer. Outro exemplo é o de 20 anos.
lançamento de uma moeda: ou ela será
II - Em relação ao estado Civil, sabe-se
cara ou coroa.
que 400 são casadas, porém foi
informado que ninguém acima de 20
anos é solteiro. Portanto, conclui-se que
todos maiores de 20 anos são casados,
isto é, 350 pessoas e
consequentemente 50 pessoas casadas
são menores de 20 anos.
Probabilidade
III – resumindo temos:
350 pessoas casadas e acima de 20 anos.

050 pessoas casadas abaixo de 20 anos.
100 pessoas solteiras abaixo de 20 anos.
000 pessoas solteiras acima de 20 anos.
IV – O evento solicitado pelo exercício é composto por 50 elementos de um total de 500.
Desta forma a probabilidade de ser casada e menor de 20 é de 10%,

já que 50/500 = 10%.
Probabilidade
Como já citado, outra forma de classificar a união de eventos é com os não mutuamente
exclusivos. Dizemos que dois eventos NÃO são mutuamente exclusivos quando podem
ocorrer simultaneamente. Utilizamos a seguinte fórmula para o cálculo da probabilidade:
Exemplo: se existem pessoas que preferem alimentos doces, existem os que preferem
alimentos salgados, mas sabemos que existem aqueles que gostam dos dois, sem problemas,
esse último grupo representa o conceito de não mutuamente exclusivos.
Vamos entender como funciona com a análise desse caso.

Probabilidade
Um professor de Educação Física fez uma pesquisa rápida com uma turma de terceiro ano do
ensino médio, em que ele queria saber quantos alunos gostam de futebol, quantos gostam de
vôlei e quantos não gostam de nenhum dos dois esportes. O resultado foi:
Probabilidade
O diretor da escola precisou indicar um aluno para representar a escola na abertura do evento
esportivo do bairro. Os Alunos que gostam de futebol são representados por n(A) e os alunos
que gostam de vôlei são representados por n(B). Ao escolher um aluno ao acaso, qual a
probabilidade de ele gostar de futebol ou vôlei?
Probabilidade
Observe que os alunos que gostam de Observe que o cálculo do espaço

futebol ou vôlei são representados por amostral é dado por:
A∪B e os alunos que gostam de
futebol e vôlei por A∩B. O estudo de
conjuntos numéricos nos ensina que:
n(A∪B)=n(A)+n(B)-n(A∩B), logo, Ou seja, 40 estudantes. Esses “10”
nesse caso temos são os alunos que não gostam de
n(A∪B)=25+20-15=30 alunos que nenhum dos dois esportes. Agora,
gostam de futebol ou vôlei ou ambos, finalmente, calculando a
não importa, gostando de um já cumpre probabilidade de um aluno, escolhido
com o requisito concorda? Mas foi ao acaso, gostar de vôlei ou futebol é
necessário retirar o sombreamento, de:
aqueles que apareciam duas vezes, no
grupo que gosta de futebol e no grupo
que gosta de futebol e vôlei.
Probabilidade
Percebeu que esses cálculos exigem um raciocínio mais sofisticado? Se ficou com alguma
dúvida até aqui revise o material e leve suas dúvidas para o fórum de dúvidas. Estamos à
disposição.
Mais um exemplo para facilitar o entendimento:
Em um aeroporto foi realizada uma pesquisa com 80

mulheres e 60 homens que iriam embarcar em um dos voos.
Constatou-se que 30 mulheres e 20 homens iriam viajar de
avião pela primeira vez e que os demais já haviam voado
antes. Escolhendo um desses passageiros aleatoriamente:
a) Qual a probabilidade de escolher uma mulher ou um

passageiro que vai voar pela primeira vez?
b) Qual é a probabilidade de escolher uma mulher que já
voou antes ou um homem que vai voar pela primeira vez?
Probabilidade
Inicialmente vamos organizar os dados em uma tabela.
Mulheres Homens
Passageiros que vão viajar 30 20

de avião pela primeira vez
Passageiros que já voaram 50 40

antes
Total 80 60
Nosso espaço amostral é de 140 pessoas entrevistadas.

Probabilidade
a) Qual a probabilidade de escolher uma mulher ou um passageiro que vai voar pela
primeira vez? Sendo “A” o evento formado pelas mulheres entrevistadas, temos que n(A)=
80; sendo “B” o evento dos passageiros que vão viajar pela primeira vez, temos n(B)= 50.
Sabe-se que n(A∩B) = 30, calcula-se:
b) Qual é a probabilidade de escolher uma mulher que já voou antes ou um homem

que vai voar pela primeira vez? Sendo “C” o evento formado pelas mulheres que já voaram
antes, temos que n(C)= 50; sendo “D” o evento formado pelos homens que vão voar pela
primeira vez, temos n(D)= 20. Os eventos citados são mutuamente exclusivos e concluímos
que:
Probabilidade
Antes de iniciar o último tópico desta unidade, indicamos este material extra
para aqueles que estão com mais tempo ou mais vontade de estudar sobre
Teoria dos Conjuntos. São 4 aulas do professor Ferretto.
Link:https://www.youtube.com/playlist?list=PLTPg64KdGgYgTXWPsURDnPBd
7GUwPVBLx
Agora estudaremos Probabilidade Condicional
“Probabilidade de acontecer A, considerando que B já aconteceu”.
Sim é isso mesmo que você está pensando. Como o nome sugere é um evento
condicionado à ocorrência de outro, isto é, dados dois eventos A e B de um
espaço amostral S, a probabilidade do evento A ocorrer quando B já tiver
ocorrido é chamada de probabilidade condicional de A em relação à B.
Probabilidade condicional
Para um melhor compreensão analisaremos um caso:
Em uma confraternização de 12 amigos, estava sendo sorteada uma caixa de chocolate entre
eles, e todos tinham iguais condições de ganhar. Sabe-se que o número sorteado foi ímpar.
Qual a probabilidade de o número sorteado ser maior que 6?
Você percebeu uma condição aí? Se não, pense bem, o espaço amostral foi delimitado, agora
somente os números ímpares fazem parte dele.
Antes do sorteio e dos eventos surgirem, o espaço amostral era {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11,
12} e as chances de cada um seriam facilmente calculadas por: P=1/12 ou 0,083 ou 8,3%.
Porém ao sortear um número, surgiu o primeiro evento A, que reduziu o espaço amostral aos
números ímpares, n(A)= {1, 3, 5, 7, 9, 11}, ao identificarmos a condição, além de ímpar, ser
também maior que 6, criou-se o evento B, portanto, n(B)= {7, 8, 9, 10, 11, 12}.
Desta forma, a resposta deve ser um número ímpar maior que 6; vamos aos cálculos! Ser ímpar
e maior que 6, isto é a interseção entre os conjuntos A e B, sendo assim temos n(A∩B) = {7,
9,11}. Calculando a probabilidade condicional temos:
Vejamos, a seguir, para mais um caso.

Em uma sala estão reunidos 20 homens e 20
mulheres. Entre os homens, 3 são
administradores, 8 são engenheiros e os
demais economistas. Entre as mulheres, 7 são
administradoras, 8 são economistas e as
demais engenheiras. Um desses profissionais,
foi escolhido ao acaso para ler a pauta da
reunião, sabe-se que uma mulher foi
escolhida, qual a probabilidade de ela ser
economista?
Fonte;
https://www.freepik.com/free-photo/business-people-havin
g-meeting-office_2911112.htm#page=1&query=meeting&p
osition=48
Homens Mulheres
Administradores (as) 3 7
Engenheiros (as) 8 5
Economistas 9 8
Inicialmente já percebemos que o espaço amostral foi alterado, pois antes eram 40 pessoas
(homens e mulheres) e a partir da escolha de uma mulher, um evento A foi criado, que é o
total de mulheres (20). A questão pede a probabilidade de uma economista ser sorteada,
sabendo disso, podemos calcular a probabilidade de uma mulher economista ser sorteada:
Inicialmente já percebemos que o espaço amostral foi alterado. Observe que antes eram 40
pessoas (homens e mulheres), mas com com a escolha de ser uma mulher sorteada, o
evento A foi criado, com um total de 20 mulheres. A questão solicita a probabilidade de uma
que uma economista ser sorteada, ou seja, n(B)= 17 (todos os economistas), sendo 8
mulheres neste grupo. Calculando:
Probabilidades independentes
Você pode estar com uma dúvida: e se os eventos não tivessem nada em comum, sem relação
alguma um com o outro? Você pensou nisso? Se não, é importante pois para este caso teremos
as chamadas probabilidades independentes, vamos entender como funciona na prática?
Exemplo 1 - A probabilidade de um homem jovem ter cálculo renal daqui a 30 anos é 19% e
de sua mulher 5%. Qual é a probabilidade de que daqui a 30 anos:
a) Ambos tenham cálculo renal?
Como a probabilidade de um não interfere na do outro, temos então a multiplicação das

probabilidades
b) Somente a mulher tenha cálculo renal?
Neste caso, precisaremos da probabilidade de o homem não ter cálculo renal, isto é 81%.
c) Ambos não tenham cálculo?
Neste caso, precisaremos da probabilidade de o homem não ter cálculo renal, isto é 81% e da
mulher também não ter, 95%.
d) Pelo menos 1 deles tenha cálculo renal?
Observe que neste caso é necessário considerar as três possibilidades:
I – Somente ele ter cálculo real. 18,05%

II – Somente ela ter cálculo real. 4,05%
III – Ambos terem cálculo renal. 0,95%
Desta forma, basta somar todas as probabilidades: 18,05% + 4,5% + 0,95% = 23,05%.
Observe que para este tipo de probabilidade os eventos são totalmente

independentes e para cada probabilidade solicitada devemos analisar as
condições, ou seja, multiplicando as probabilidades individuais, para análises
diretas ou somando as probabilidades individuais para os casos em que
demandam a probabilidade de acontecer “pelo menos um”, “ao menos dois”, dos
eventos avaliados.
Hora de Revisar!
No desenrolar do nosso dia a dia deparamo-nos com situações que nos obrigam a tomar
decisões as quais nem sempre temos certeza. Apenas temos indicações que nos permitem
decidir com alguma probabilidade de acertarmos. Quando estamos falando de probabilidade,
queremos identificar a chance de ocorrência de um determinado resultado de interesse em
situações controladas. Desta forma, trabalhamos com chances ou probabilidades.
A probabilidade é um ramo da matemática que estuda os possíveis resultados de um

evento aleatório e a análise de eventos determinados pela probabilidade é chamada de
estatística.
Hora de Revisar!
cada experimento pode ser repetido

indefinidamente sob as mesmas
condições (n), não se conhece a priori o
resultado do experimento, mas
Para calcular a probabilidade de um podem-se descrever todos os possíveis
evento probabilístico, é necessário que resultados e quando o experimento for
tenhamos um experimento aleatório, repetido muitas vezes, surgirá uma
que apresenta as características: regularidade do resultado, isto é,
haverá uma estabilidade da fração
(frequência relativa) da ocorrência de
um particular resultado, onde r
corresponde ao número de vezes que
um determinado resultado aconteceu.
(ALVES 2014).
Hora de Revisar!
Existem alguns casos especiais no cálculo das probabilidades, um deles é a probabilidade

da união entre dois eventos. Vale destacar que esses eventos podem ser mutuamente
exclusivos, isto é, quando na ocorrência de um, o outro não pode ocorrer, por exemplo, o
lançamento de uma moeda, ou ela será cara ou coroa. Ou eventos não mutuamente
exclusivos, isto é, os dois eventos podem ocorrer simultaneamente.
Outro tipo de probabilidade importante é a chamada probabilidade condicional, que como

o nome sugere, isto, é um evento está condicionado à ocorrência de outro, ou seja, dados
dois eventos A e B de um espaço amostral S, a probabilidade do evento A ocorrer quando
B já tiver ocorrido é chamada de probabilidade condicional de A em relação à B. É
importante relembrar que podemos fazer relações entre probabilidades, isto é, com
probabilidades independentes, calculando uma possível relação entre elas, mas sem
condicionar uma a outra.
Unidade 5: Estatística descritiva II
Introdução EDA
Olá! Estudante,
Chegamos à última unidade deste curso! Já aprendemos muita coisa
até aqui e pretendemos avançar um pouco mais nesta unidade 5.
Na unidade 4, você recordou os principais conceitos da análise
combinatória, estudou sobre a teoria da probabilidade e aplicou esta
teoria em situações reais.
Agora, o foco será nas relações entre a estatística e a probabilidade,
assim, por meio do estudo desta unidade 5, esperamos que você
consiga alcançar os seguintes objetivos de aprendizagem:
• inter-relacionar os conceitos da estatística e da probabilidade;

• interpretar a distribuição de frequência normal/Gaussiana;
• aplicar os modelos probabilísticos discretos: Bernoulli, Binomial e
Poisson.
Fique atento, leia e pratique. Bons estudos!

Análise de frequência
Estamos sempre buscando regularidades e padrões nos objetos de nossas pesquisas,
porém, mesmo não sendo fácil encontrá-los, quando conseguimos, podemos entender
melhor o fenômeno e até mesmo fazer previsões seguras a respeito do estudo. Como já
tratamos, coletar informações de populações inteiras geralmente é inviável, impossível ou
antiético, por isso, estimar um comportamento é suficiente para gerar embasamento nas
conclusões de pesquisa.
Quando conhecemos a probabilidade de um evento acontecer ou não acontecer, a partir de

uma amostra, estamos tratando de um evento aleatório com uma probabilidade associada e
focaremos nesse cenário agora, entender que em experimentos aleatórios é natural que
existam condições extremas, ou seja, com eventos que são mais raros do que outros, isto é,
enquanto uns possuem alta probabilidade de acontecer outros possuem probabilidade
baixíssima.
Você consegue imaginar algum fenômeno nesse estilo? Caso não consiga, não se preocupe,
pois separei alguns exemplos e estudaremos sobre eles ao longo deste texto.
Esse evento é raro ou comum?
Já reparou que alguns eventos são mais raros do que outros? Se não pensou, irei te contar
alguns exemplos. O primeiro deles é com relação ao tamanho médio das pessoas. Segundo a
BBC Brasil, o homem brasileiro tem, em média, 1,73m, e a mulher, 1,60m. Para homens, o Brasil
é o 68º (sexagésimo oitavo) colocado em altura entre os países pesquisados - ficando acima de
nações como Portugal, México e Chile e abaixo da Romênia, Argentina e Jamaica.
A mulher brasileira alcançou a 71ª (septuagésima primeira) posição; mais alta que a mulher
turca, argentina ou chinesa e mais baixa que as espanholas, israelenses e inglesas. Nos Estados
Unidos, por exemplo, a altura dos cidadãos começou a atingir um limite nos anos de 1960 e
1970. Ao longo do último século, homens e mulheres cresceram apenas 6 cm e 5 cm,
respectivamente. A genética explica algumas variações de altura pelo planeta, mas os
estudiosos afirmam que nosso DNA pode não ser o fator principal (AMOS BBC Brasil 2016).
Esse evento é raro ou comum?
Vamos focar novamente nos

brasileiros? Percebemos que a
altura média está em torno de
1,75m, desta forma, podemos
dizer que é comum conhecer
um brasileiro com uma altura
próxima ou exatamente 1,75m.
Quais são os casos raros? Veja
esse histograma1.
No histograma acima, podemos identificar que

1 São constituídos por um conjunto de
existem grupos de alturas médias que são mais
retângulos com as bases assentadas sobre comuns que outras; nesta população, é tão raro
um eixo horizontal, tendo o centro dela no achar um brasileiro com 1,50 m de altura quanto
ponto médio da classe que representa e
cuja altura e proporcional a frequência da um brasileiro de 2 m. Será que esse tipo de
classe (ALVES, 2013, p.68) distribuição só acontece com as alturas? Vejamos,
a seguir, outro exemplo.
Vamos agora avaliar o gráfico de
frequência, histograma, das notas dos
alunos do Instituto Federal de Brasília,
Campus Planaltina, na primeira fase da
OBMEP – Olimpíada Brasileira de
Matemática das Escolas Públicas, em 2019.
Ele relaciona as notas - entre 0 e 10 – e
indica a frequência em que cada uma
apareceu no conjunto de notas dos alunos
do Campus Planaltina. Existe um conjunto
de notas mais comuns? E um conjunto de
notas mais raras?
Vamos praticar um pouco?

Responda:
a) Quais as duas notas mais comuns, nesta avaliação, para esta população de alunos?
b) Quais as quatro notas mais raras, nesta avaliação, para esta população de alunos?
Você percebeu uma similaridade Pense comigo, a partir dos histogramas
entre os histogramas apresentados apresentados, poderíamos representá-los a partir
até agora? Tratamos, inicialmente, de uma curva? Avalie a curva abaixo.
sobre a distribuição de frequência
das alturas dos brasileiros e depois
das notas dos alunos do Campus
Planaltina na OBMEP 2019. Será
coincidência? Já adianto que não.
Esse tipo de distribuição de
frequência é muito comum nos
experimentos que tratam de variáveis
aleatórias, tão comum que achamos
normal histogramas com formatos
parecidos com os anteriores.
Fonte: Imagem disponível em: <http://professorguru.com.br>. Acesso em: nov.

de 2019.
Atenção! Quando a distribuição

da frequência seguir esse
modelo, isto é, concentrando o
que é comum e dispersando o
que é raro, temos a chamada
distribuição normal.
A distribuição normal pode ser
representada a partir de um
modelo, uma curva que será
chamada de Curva Normal ou
Curva Gaussiana. Veja, ao
lado, a curva normal.
Curva Gaussiana
A Curva Gaussiana, para muitos, tem o formato de sino, por isso muitos a chamam de “curva
de sino”. Ela é a distribuição contínua mais conhecida e usada de todas as distribuições de
probabilidade, pois se aproxima muito de muitos fenômenos naturais. A Curva Gaussiana se
tornou um padrão de referência para vários problemas de probabilidade. Já que vários
conjuntos de dados seguem a distribuição normal: por exemplo, as alturas dos adultos, os
pesos dos bebês, os resultados dos testes de inteligência, a sobrecarga de bagagens em voos
comerciais, os retornos do mercado de ações, entre outros conjuntos.
Veja agora o famoso “Tabuleiro de Galton”

que apresenta de forma didática a curva
normal se formando a partir de eventos
aleatórios.
https://www.youtube.com/watch?v=Kq7e6cj
2nDw
Curva Gaussiana
A distribuição Gaussiana é a mais importante distribuição contínua por vários
motivos, dentre eles, o Teorema Central do Limite. Este Teorema é um resultado
fundamental em aplicações práticas e teóricas, pois ele garante que mesmo que um
conjunto de dados não seja normalmente distribuído, a sua média converge para
uma distribuição normal à medida que os dados aumentam. Segue um exemplo de
curva gerada por amostra de 100 elementos com média= 50 e Desvio Padrão=100.
Curva Gaussiana
Curiosidade
A exposição Ela está em tudo foi concebida durante o Biênio da Matemática

no Brasil (2017-2018), com o principal objetivo de mostrar que matemática é
sim coisa de menina. Incomodadas com o predomínio masculino nas áreas de
ciências exatas e, particularmente, na matemática, as idealizadoras
organizaram uma exposição dedicada às mulheres que gostam de
matemática.
Leitura complementar
Você pode aprender um pouco mais sobre a Curva Gaussiana a partir de um

trabalho de Monyze Negreiros Silva, uma das mulheres do projeto “Ela está em
tudo”. Boa leitura!
http://elaestaemtudo.ime.usp.br/?portfolio=new-mobile-app-3-2-2-5-2-2
Estatística e probabilidade
Iniciamos essa unidade tratando da distribuição de frequência de eventos
aleatórios. Por isso, antes de aprendermos mais sobre a distribuição de
frequências, vamos entender um pouco mais sobre a relação entre a
estatística e a probabilidade. Vamos lá?
A teoria da probabilidade é muito útil para fazer estimativas e

previsões, pois estas formam uma parte importante da ciência
dos dados e com a ajuda dos métodos estatísticos se torna
possível realizar estimativas para uma análise mais aprofundada.
Assim, os métodos estatísticos são amplamente dependentes da
teoria da probabilidade, e todas as probabilidades e estatísticas
dependem de dados, de acordo com Shetty (2018).
A probabilidade verifica a chance de ocorrer algo específico. Se

você conhece a população e para entender os estudos
estatísticos, é necessário que haja uma boa compreensão do
conceito de probabilidade, principalmente, as probabilidades
condicionadas e a aplicabilidade da probabilidade, como já
estudamos.
Quando tratamos de probabilidade, estamos quantificando as

possibilidades de acontecer um evento raro ou um evento comum,
concorda?
Então, vamos imaginar um evento A, no qual realizamos n tentativas para

alcançar o evento A.
Observe que o número de vezes que o evento A ocorreu nessas n
tentativas é a conhecida frequência absoluta. Para sabermos se esse
evento é ou não raro, é necessário calcular sua frequência relativa. Lembra
dela?
Bom, a frequência relativa do evento A é o número de vezes em que este

ocorreu k em relação ao número total de tentativas n. A frequência relativa
é sempre um número compreendido entre 0 e 1, sendo o primeiro o evento
impossível e o segundo o evento certo, isto é, 100%.
A frequência de um mesmo evento Como já sabemos, a estatística nos
varia com o número de tentativas. possibilita fazer inferências sobre as
Diferentes séries, compreendendo o populações e suas características e essas
mesmo número n de tentativas, nas análises estão diretamente relacionadas
mesmas condições, podem apresentar com a probabilidade, já que um dos
diferentes frequências relativas. Pela objetivos é fazer previsões e quantificar o
experiência, sabe-se, no entanto, que a quão real é possível ocorrer ou não ocorrer
frequência relativa para uma certa algo com base no que já aconteceu. Para
classe de fenômenos, em condições isso, precisamos organizar os dados com um
bem definidas, tende a oscilar em torno foco especial, isto é, avaliando suas
de um certo número p que coincide probabilidades e isso fazemos estudando a
com a probabilidade matemática do distribuição de probabilidade.
evento estudado. Além disso, já se
comprovou que quanto maior o número A distribuição de probabilidade é um
de repetições, mais a frequência modelo matemático ou uma função de
relativa aproxima-se da probabilidade probabilidade/distribuição que relaciona
matemática, limite para o qual tende a um certo valor da variável em estudo com
frequência relativa em um número a sua probabilidade de ocorrência.
indefinido de repetições (MACIEL & Também podemos chamá-la de função de
TELLES, 2000). densidade de probabilidade e representá-la
como
Modelos probabilísticos
As distribuições de probabilidade podem ser distribuições de
probabilidades contínuas ou distribuições de probabilidade
discretas, dependendo se eles definem probabilidades para
variáveis contínuas ou discretas.
A distribuição contínua que estudamos até agora foi a Normal -
que descreve uma variável que se distribui de forma simétrica a
um valor central – entretanto, ela não é a única, como por
exemplo a Distribuição Exponencial.
Trataremos agora de outros três tipos de distribuição: Bernoulli,
Binomial e Poisson, que são discretas.
Observe que existem outras distribuições que não serão

tratadas neste curso, mas que podem ser estudadas a partir da
leitura complementar indicada ao final do módulo. Vamos
começar?
Distribuição de Bernoulli
Exemplos:
A Distribuição de Bernoulli baseia-se em O lançamento de uma moeda: cara ou coroa.

experimentos conhecidos como ensaios de
Bernoulli e é característica de experimentos Fonte:
em que se pode observar a presença ou não https://universogemini.wordpr
ess.com/2017/04/20/cara-ou-c
de algum resultado de interesse, situações oroa-os-rostos-da-moeda/1
como “falso” ou “verdadeiro”, “sucesso” ou
O resultado de uma avaliação: aprovado ou
“insucesso”.
não aprovado.
Este modelo se baseia num espaço amostral
de apenas dois resultados que serão
denominados, aqui, de “sucesso” e “fracasso”
(um sendo a negação do outro). Para que os
resultados tenham mais significado, a variável
aleatória de uma Bernoulli atribui apenas os O sinal de internet: ativo e não ativo.
valores 0 e 1.
Se uma variável aleatória assume somente os Exemplo: vamos supor que, em certa
valores zero e um, as probabilidades podem comunidade, a probabilidade de uma
ser apresentadas pela dupla 1-p e p, pessoa ter problemas de psicose seja
respectivamente, ou seja, sua distribuição é igual a 0,01. Se definimos:
dada por:
{1, se uma dada pessoa da comunidade
tem psicose, 0, em caso contrário.
Teremos que Y é uma variável aleatória

de Bernoulli e sua distribuição é dada por:
Distribuição de Bernoulli Sabendo que a probabilidade pode ser
descrita por uma distribuição de Bernoulli,
então, podemos criar a variável aleatória do
sorteio isolado 𝑋 que é o “número de
consumidores da droga sorteados”. Como o
Vamos contextualizar um pouco mais? sorteio é isolado, a variável 𝑋 só pode
assumir os valores 0 ou 1. Assim, temos
Considere um experimento em que se farão uma distribuição de Bernoulli com
pesquisas sobre o efeito de determinada parâmetro 0,25 e a função de probabilidade
droga em testes de rendimento de associada é:
estudantes durante avaliações acadêmicas
(não entraremos no mérito do tipo de droga).
Para tanto, optou-se por sortear, em um
determinado grupo, uma série de alunos cuja
frequência de consumo de drogas é de 25%.
Agora, imagine um sorteio isolado. Cada
sorteio isolado é um ensaio de Bernoulli,
concorda? Já que temos somente duas
possibilidades, ser consumidor da droga (1)
ou não ser consumidor da droga (0).
A função probabilidade de Bernoulli tem o Montando a função com base nas

seguinte é representada desta forma: probabilidades acima, temos:
E com os dados do exemplo temos a função

probabilidade Se te interessa chutar apenas uma questão
Essa função é a mais elementar, já que trata ok, mas e se a avaliação for composta por
de eventos individuais. Entretanto, temos 10 questões do mesmo tipo e a aprovação
eventos individuais que se relacionam entre for pelo acerto de, pelo menos 6 questões,
si. Vejamos. qual a probabilidade de ser aprovado?
Em uma prova, com uma questão objetiva de Percebe que neste caso a relação entre os
5 alternativas, qual seria a probabilidade de eventos individuais, o chute em cada
acertar e de errar esta questão chutando? questão, é inevitável? Por isso devemos
Sucesso (1) = 1/5 = 0,2 aprender a nova distribuição, Binomial, mas
antes, vou te deixar praticar um pouco. Veja
Fracasso (0) = 4/5 = 0,8
o próximo exercício.
Exercício 1 - Qual a função probabilidade de um evento aleatório cuja

probabilidade de obter sucesso seja 5%?
O gabarito está na próxima página.
Continuando ...
1 Pense no exemplo da avaliação com 10 questões, compare com o
seguinte conceito e depois verifique se estamos falando do mesmo
cenário. Vamos lá?
Se um experimento consiste em n repetições independentes de

Bernoulli, sendo constante e igual a p a probabilidade de sucesso em
cada repetição, então, dizemos que esse é um experimento binomial.
E aí, percebeu que chutar cada questão é uma função de Bernoulli, pois
cada chute tem a mesma probabilidade de acerto e de erro.
Estudaremos agora um conjunto de eventos independentes, mas com
as mesmas características; trataremos da Distribuição Binomial.
Continue comigo!
Distribuição Binomial
A Distribuição Binomial é útil para determinar a probabilidade de um

certo número de sucessos num conjunto de observações. Ela segue as
seguintes determinações:
- o experimento consiste em n tentativas em iguais condições;

- cada tentativa tem dois possíveis resultados: sucesso ou fracasso;
- as probabilidades de sucesso (p) e de fracasso (1-p) permanecem
constantes;
- o experimento é limitado a um número finito de vezes (vai de 0 até 𝑛).
Gabarito do exercício 1
A Distribuição Binomial descreve a probabilidade num experimento que envolve certo número
𝑛 de ensaios de Bernoulli. Segundo Azevedo (2016), se uma variável aleatória X corresponde
ao número de sucessos em n repetições de um experimento binomial (k), sendo p a
probabilidade de sucesso em cada repetição, então, se diz que X tem distribuição binomial com
parâmetros n e p e a função de probabilidades é dada por:
Suponhamos que serão sorteados oito

Se recorda do primeiro
alunos num grupo cuja frequência de
exemplo que tratava da
pesquisa sobre o efeito de consumo de drogas é de 25%. Qual a
determinada droga em testes probabilidade de sortearmos cinco
de rendimento acadêmico de consumidores desta droga?
estudantes? Observe a nova
situação.
Observe que cada sorteio isolado é um
ensaio de Bernoulli, px=0,25x.0,751-x,
e a probabilidade pedida pode ser
descrita por uma distribuição binomial:
Tudo certo até aqui?

Essa é a nossa função probabilidade e
a partir dela podemos responder à
pergunta: qual a probabilidade de
sortearmos cinco consumidores desta
droga? Para isso, o valor de entrada da
função é 5, cinco consumidores.
Calculando a probabilidade para x=5.
Isto é, a probabilidade de sortearmos

exatos cinco consumidores desta droga
neste grupo é de 2,31%.
Um pouco mais de prática! Vamos? Vamos para um novo exemplo? Faça as

contas junto comigo.
Qual a probabilidade de sortearmos
exatos 4 alunos, do mesmo grupo de (AZEVEDO, 2016) Um exame de
8, que sejam consumidores da estatística consta de seis problemas. Para
droga? Calcule aí e verifique a ser aprovado, um estudante deverá
resposta. resolver, corretamente, pelo menos 4
deles. Um determinado estudante sabe
60% do assunto sobre o qual serão
Clique
R: 8,65%para elaborados os problemas. Qual será a
obter a resposta probabilidade desse estudante ser
aprovado?
Uma dica valiosa para seus estudos é O estudante será

que podemos pensar por diferentes aprovado se:
caminhos e esse exercício deixa isso
muito claro. Vou te mostrar como
resolvê-lo a partir de dois raciocínios
diferentes.
a) acertar seis dos seis b) acertar cinco dos seis c) acertar quatro dos seis
problemas problemas problemas
Já temos as probabilidades para cada caso e todas elas nos servem, concorda?
Então, vamos somar todas elas. Some e confirme o resultado 0,54432, isto é, a
probabilidade desse estudante ser aprovado é de 54,43%.
O segundo raciocínio é calcular a probabilidade de ele ser aprovado a partir da

probabilidade de ele ser reprovado. Consegue pensar em algo? Este é o seu
exercício 2. O gabarito está disponível ao final da unidade.
Observe que a partir da função probabilidade com os dados do contexto da

pesquisa, podemos calcular probabilidades específicas de acordo com o
interesse do pesquisador.
Distribuição de Poisson
Iniciamos essa unidade conversando sobre eventos raros, você se recorda? Agora, iremos
aprender sobre uma distribuição que está associada a eles, a distribuição de Poisson. Saiba
que, em muitas ocasiões, nos deparamos com a situação em que o número de ensaios n é
grande (n→∞) e p é pequeno (p→0), no cálculo da função binomial, o que nos leva a algumas
dificuldades, pois, como podemos analisar, para n muito grande e p pequeno, fica
relativamente difícil calcularmos a probabilidade de k sucessos a partir do modelo binomial,
isto é, utilizando a função de probabilidade (PORTAL ACTION, 2019).
A distribuição de Poisson é uma distribuição discreta de uma variável

aleatória x dada pela fórmula:
µ (mi) é o parâmetro média.

e é o número de Euler - irracional 2,711828 …
x é a variável aleatória.
A função anterior é aplicável na ocorrência de um número de eventos em

um intervalo específico e calcula a probabilidade de um evento x ocorrer
em um determinado intervalo de tempo, área ou volume, mas, para isso, o
evento deve garantir algumas características.
São apenas três, porém, indispensáveis.
a) O experimento calcula quantas vezes um evento ocorre em um

determinado intervalo de tempo, área, volume etc.
b) A probabilidade de ocorrer o evento é a mesma para cada intervalo.
c) O número de ocorrências de um intervalo é independente do outro.
Distribuição de Poisson Observe os exemplos abaixo e observe se as
propriedades acima são respeitadas.
A distribuição de Poisson é muito usada na
distribuição do número de:
- automóveis que passam por um cruzamento por
minuto, durante uma certa hora do dia;
- colônias de bactérias numa dada cultura por
0,01mm², numa plaqueta de microscópio;
- mortes por determinada doença por ano, numa
cidade;
- usuários de computador logados à Internet, por
determinado tempo;
- clientes chegando ao caixa de um supermercado, por
dia da semana.;
- carros que chegam a um posto de gasolina, por
turno;
- erros de digitação, por página, em um material
impresso e outros.
Agora, vamos pensar um pouco mais …
Se queremos calcular a probabilidade de
Vamos ficar no contexto desse último exemplo. que uma página contenha pelo menos 3
Leia a seguinte situação-problema: erros, então, devemos calcular a
probabilidade de ter exatos 3 erros,
Num livro de 800 páginas, há 800 erros de
devemos somar a probabilidade de ter
impressão. Qual a probabilidade de que uma
exatos 4 erros e também devemos somar
página contenha pelo menos 3 erros?
a probabilidade de ter 5, 6 ,7 8 … 800
erros. (Ter pelo menos 3 erros é ter três
Se tratando da análise de uma página dentre
ou mais erros.).
oitocentas, temos um bom exemplo da
Parece inviável fazer todos esses cálculos
distribuição de Poisson. Mas qual seria a média
sem o auxílio de planilhas eletrônicas, por
de erros por página? Sem problemas até aí, pois
exemplo, concorda? Vamos pensar então
a média seria de um erro por página concorda?
em calcular apenas três probabilidades:
µ=1. Vamos montar a função probabilidade!
1ª – Ter zero erro por página
2ª – Ter um erro por página
3ª – Ter dois erros por página
1ª probabilidade – Ter zero erros por página
Mas você deve estar se perguntando: “Não foi

isso que solicitaram no exercício, por isso, 2ª probabilidade – Ter um erro por página
precisamos das probabilidades acima de três
erros!”. Concordo, mas pense bem. Se eu
calcular a probabilidade de acontecer o não 3ª probabilidade – Ter dois erros por página
solicitado, eu retiro essa probabilidade do total,
100%, e fico então com a probabilidade
solicitada. Somando as três probabilidades, temos
0,9197, ou seja, 91,97%. Mas não se
Concorda comigo? esqueça! Essa é a probabilidade de ter até 2
Então, vamos aos cálculos! erros por página. A probabilidade de que
uma página contenha pelo menos 3 erros é
de apenas 8,03%.
Gostou? Vamos treinar mais um pouquinho?

Agora é com você!
Exercício 3 - Em uma agência, foi

constatado, após uma coleta de dados,
que o número médio de clientes que
adquire um determinado seguro é de 4 Leitura Complementar
por hora. Determine, então, a Modelos probabilísticos discretos. Disponível
probabilidade de, em uma determinada em:
hora do dia, serem vendidas, exatamente, <http://www.portalaction.com.br/probabilidades
7 apólices deste produto. Qual seria a /modelos-probabilisticos-discretos>.
probabilidade de em uma determinada
hora serem vendidos menos que 3
apólices?
Ao terminar esta atividade, verifique se

acertou no gabarito comentado.
Hora de Revisar!
Observe que na análise de frequências, estamos buscando
regularidades, padrões nos dados da pesquisa e com os
conceitos da probabilidade, se torna possível entender que em
experimentos aleatórios é natural que existam condições
extremas, ou seja, com eventos que são mais raros do que
outros e isso se dá com base nas regularidades identificadas.
Uma das formas de representar graficamente a frequência dos
dados de um evento é com o histograma e, com base em
observações, percebemos que um tipo de histograma está
muito presente. Ele é tão comum que quando o transformamos
em uma curva a chamamos de Curva Normal.
A Curva Normal é originária de uma Distribuição Normal que
também é conhecida como Curva Gaussiana. Para muitos, ela
tem o formato de sino, por isso, muitos a chamam de “Curva de
Sino”, e é a distribuição mais conhecida e usada de todas as
distribuições de probabilidade, pois se aproxima muito de
muitos fenômenos naturais.
Hora de Revisar!
Quando tratamos de frequências, estamos tratando
de quantidades de acontecimentos ocorridos, quando
focamos na probabilidade, temos, então, a distribuição
de probabilidades. A distribuição de probabilidade é
um modelo matemático ou uma função de
probabilidade/distribuição que relaciona um certo
valor da variável em estudo com a sua probabilidade
de ocorrência.
Com esse conceito, é possível calcular a probabilidade
de um evento ocorrer dadas suas características
individuais e o contexto no qual está inserido, por isso,
temos os modelos probabilísticos e, neste estudo,
cujas variáveis são discretas, os modelos também
serão.
Hora de Revisar!
1º Modelo 2º Modelo 3º Modelo
O primeiro modelo estudado Se um experimento O terceiro modelo é o de Poisson; este

foi o de Bernoulli que se consiste em n repetições está associado a “eventos raros”. Ele é
baseia num espaço amostral independentes de aplicável a ocorrências de um número
de apenas dois resultados: Bernoulli, sendo de eventos em um intervalo específico e
“sucesso” e “fracasso”. Para constante e igual a p a calcula a probabilidade de um evento x
que os resultados tenham probabilidade de sucesso ocorrer em um determinado intervalo de
mais significado, a variável em cada repetição, então, tempo, área ou volume, mas para isso, o
aleatória de uma Bernoulli dizemos que esse é um evento deve garantir que ocorre em um
atribui apenas os valores 0 e experimento binomial. A determinado intervalo de tempo, área,
1. Entretanto, a distribuição Distribuição Binomial é volume etc., que a probabilidade de
de Bernoulli é para eventos útil para determinar a ocorrer o evento é a mesma para cada
individuais e quando probabilidade de um certo intervalo e que o número de ocorrências
acontecem vários eventos número de sucessos num de um intervalo é independente do
individuais? Temos, então, o conjunto de observações. outro.
Modelo Binomial.
Hora de Revisar!
Existem outros modelos probabilísticos,
contudo, para estes estudos, os três acima são
suficientes. O estudo da estatística descritiva
pode ser aprofundado - e eu indico que você
aprofunde os seus estudos, já que com uma boa
base se tornará mais fácil e prazeroso entender
o potencial que ela possui.
Prazer em te conhecer!
Gabaritos
1)
2) O estudante será reprovado se: - Acertar dois dos seis problemas

- Acertar zero dos seis problemas
- Acertar um dos seis problemas - Acertar três dos seis problemas

Gabaritos
2)
Continuação
Já temos as probabilidades para cada caso e todas elas nos servem, concorda? Então, vamos
somar todas elas. Some e confirme o resultado 0,45568, isto é, a probabilidade desse
estudante ser reprovado é de 45,57%. Mas atenção, o exercício pediu a probabilidade da
aprovação, ou seja, probabilidade desse estudante ser aprovado é de 54,43%.
Gabaritos
3) Calculando a probabilidade de serem vendidos exatamente 7 seguros.
Temos aqui a função probabilidade pela distribuição Poisson:
Aproximadamente 6%.
A probabilidade de em uma determinada hora serem vendidos menos que 3 seguros é o
mesmo que vender 0, 1 ou dois seguros em uma hora, vamos calcular as probabilidades
separadamente.
Probabilidade de vender nenhum seguro:
Probabilidade de vender um seguro:
Probabilidade de vender dois seguros:
Somando as três probabilidades, temos 0,2381, ou seja, aproximadamente 23,81%.

Glossário
Amostra: todo subconjunto não vazio e com número menor de elementos da população.
Amostragem: representação a amostra feita por coleta probabilística ou não probabilística.
Amplitude: tamanho do intervalo ou diferença entre o maior e menor valor de um intervalo de
classe.
Análise combinatória: faz o estudo das possibilidades de um dado evento ocorrer sem
necessariamente descrever todas elas.
Censo: conjunto de dados estatísticos que informa diferentes características dos habitantes de uma
região (escola, bairro, cidade, estado, país, ou qualquer outra região).
Coleta de dados: formas de obtenção dos dados de uma pesquisa, pode ser classificada como
direta ou indireta.
Desvio médio: medida que representa da distância média entre os elementos do conjunto e a média.
Desvio padrão: medida que indica o quão regular está o conjunto de valores com relação à média.
Diagramas: são gráficos geométricos de no máximo duas dimensões.
Distribuição de probabilidade: modelo matemático ou função de densidade, que relaciona um certo
valor da variável em estudo com a sua probabilidade de ocorrência.
Distribuição normal: distribuição da frequência que concentra o que é comum e dispersa o que é
raro no evento.
Espaço Amostral: é o universo da probabilidade.
Glossário
Estatística descritiva: parte da estatística que trata da organização, sumarização e descrição de um
conjunto de dados.
Estatística inferencial: parte da estatística que estuda a estimação de características de uma
população baseadas em resultados amostrais.
Estatística: ferramenta científica que usa a linguagem matemática para avaliar ideias e identificar
padrões.
Evento aleatório: acontece quando o fenômeno realizado tem resultados imprevisíveis, entre os
possíveis desfechos, e possuem condições iguais para todas as possibilidades.
Evento probabilístico: é um subconjunto do espaço amostral.
Experimento aleatório: experimento que, quando repetido em iguais condições, pode fornecer
resultados diferentes, ou seja, são resultados explicados ao acaso.
Frequência absoluta: frequência que apresentar os dados em valores absolutos.
Frequência relativa: frequência que apresenta os dados em valores fracionários ou percentuais,
comparados com a amostra ou população.
Frequência: quantidade de vezes, em que cada característica aparece nos dados estatísticos.
Gráficos: forma rápida e lúdica para apresentação dos dados estatísticos.
Histograma: gráfico formado por colunas, com as bases assentadas sobre um eixo horizontal, tendo
o centro dela no ponto médio da classe que representa, e cuja altura e proporcional a frequência da
classe.
Glossário
IBGE: é o principal provedor de dados e de informações do país.
Média aritmética: soma dos valores de um conjunto de dados, divididos pelo número de elementos.
Pode ser simples ou ponderada.
Mediana: valor intermediário do agrupamento do conjunto.
Medidas de dispersão: são parâmetros estatísticos usados para determinar o grau de variabilidade
dos dados de um conjunto de valores.
Medidas de tendência central: representação de um conjunto de valores obtidos em uma pesquisa,
em um único valor.
Métodos de pesquisa: um conjunto de caminhos científicos organizados para se chegar a um fim
que se deseja.
Moda: medida de tendência central correspondente aos valores de maior frequência em um
conjunto de dados.
Pensamento Científico: pensamento que trata de hipóteses e objetiva comprová-las a partir dos
métodos de pesquisa.
Pictograma: é a representação gráfica mais lúdica, com a complementação de figuras e símbolos.
Ponto amostral: resultado de um experimento aleatório.
População: conjunto de elementos que tem em comum uma determinada característica.
Glossário
Probabilidade condicional: probabilidade de acontecer A, considerando que B já aconteceu.
Probabilidade: é um ramo da matemática que estuda os possíveis resultados de um evento
aleatório.
Probabilidades independentes: eventos que não possuem elementos em comum, ou seja, sem
relação alguma um com o outro.
Rol: organização dos dados por ordem de valor.
Tabela Estatística: é um quadro que resume um conjunto de dados dispostos segundo linhas e
colunas de maneira organizada (sistemática).
Tabela primitiva: primeira tabela que surge quando se organiza os dados.
Variância: medida dada pela média aritmética dos quadrados dos desvios médios de cada valor em
relação à média.
Variáveis estatísticas: características mensuráveis que permitem a descrição da população e o
estabelecimento de comparações entre grupos ou até mesmo caracterizar um grupo específico.
Variável qualitativa: variável estatística relacionada uma qualidade, atributo ou qualquer outra
característica cuja forma de se classificar seja a partir de um nome. Pode ser classificada como
ordinal ou nominal.
Variável quantitativa: variável estatística relacionada a valores numéricos. Pode ser classificada
como discreta ou contínua.
Referências
ALVES, Vilmar dos Santos. Estatística aplicada. Curso Técnico – Rede E- Tec. (IFRO). Cuiabá:
Ed.UFMT, 2013.
AMOS, Jonathan. Brasileiro cresce em altura nos últimos cem anos, mas ainda é 'baixinho';
conheça o ranking mundial. BBC New Brasil. (2016). Disponível em:
<https://www.bbc.com/portuguese/geral-36892772>. Acesso em: 20 de ago.2019.
AZEVEDO, Paulo Roberto Medeiros de. Introdução à estatística [recurso eletrônico] / Paulo Roberto
Medeiros de Azevedo. - 3. ed. - Natal, RN : EDUFRN, 2016.
BERQUÓ, E.S; Souza, J.M.P.; Gotlieb, S.L.D. Bioestatística. 2º Ed., Editora pedagógica e Universitária,
São Paulo, 1981, p.1-6.
CRESPO, Antônio Arnot. Estatística Fácil. 19.ed. atual – São Paulo: Saraiva, 2009.
Referências
ESTADÃO. O Estado de S.Paulo. Mega-Sena paga o maior prêmio individual na história, de R$

289 milhões. Disponível em<
https://brasil.estadao.com.br/noticias/geral,mega-sena-sorteia-premio-de-r-289-milhoes-confira-o-
resultado,70002825163>. Acessado em: Maio 2019.
MACIEL, E. M. G. S. & TELLES, F. S. P. Ensaio sobre a relação epistemológica entre probabilidade e

método científico. Cad. Saúde Pública, Rio de Janeiro, 16(2):487-497, abr-jun, 2000
MARTINS, Gilberto de Andrade. Estatística geral e aplicada. 3.ed.Atlas – São Paulo, 2009.
PORTAL ACTION. Distribuição de Poisson. 2019. Disponível em:
<http://www.portalaction.com.br/probabilidades/52-distribuicao-de-poisson>. Acesso em: 20 de
ago.2019.
Ficha Técnica
Instituto Federal de Brasília Equipe de Produção
Reitora Professor Autor do Curso

Luciana Massukado Hênio Delfino Ferreira de Oliveira
Pró-Reitora de Ensino - PREN Licenciando Coautor do Curso

Yvonete Bazbuz da Silva Santos Iago Soares Cruz Vaz
Revisora de Conteúdo
Equipe DEaD Lidiane Szerwinski Camargos
Diretora de Educação a Distância - DEaD Desenhista Instrucional

Jennifer de Carvalho Medeiros Maria de Jesus Rezende
Pedagoga Gestora Moodle

Carolina Novaes Xavier de L. Reynaldo Daniele Cadête
Apoio Administrativo Ilustradores e Diagramadores

Cláudia Sabino Fernandes Erika Ventura Gross
Joscélia Moreira de Azevedo Fábio Lucas Vieira
Noeme César Gonçalves
Produtor Audiovisual
Alexandre de Souza Garcia
Este trabalho está licenciado com uma Licença Creative Commons -

Atribuição-NãoComercial-CompartilhaIgual 4.0 Internacional
Minicurrículo dos Autores
Hênio Delfino
Docente EBTT do IFB Campus Planaltina, Licenciado em Matemática e

Especialista em Docência e Gestão na Educação a Distância.
Iago Vaz
Licenciando do curso de Biologia do IFB Campus Planaltina, pesquisador na

área de Educação a Distância.

Delfim 2019

Enviado por

Direitos autorais:

Formatos disponíveis

Delfim 2019

Enviado por

Dados do documento

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

Delfim 2019

Enviado por

Direitos autorais:

Formatos disponíveis

AUTOINSTRUCIONAL

Relação dos Ícones

UNIDADE 2 - FUNDAMENTOS DO MÉTODO ESTATÍSTICO II

UNIDADE 3 - ESTATÍSTICA DESCRITIVA I

UNIDADE 5 - ESTATÍSTICA DESCRITIVA II

Olá! Bem-vindo(a) à primeira parte do nosso estudo sobre os

• Deﬁnir os principais conceitos básicos da estatística;

Fique atento, leia e também pratique.

Iniciaremos nosso estudo entendo um pouquinho sobre a

É nesse contexto que a estatística se apresenta como uma ciência

No caso de uma instituição pública de ensino, como o Instituto

Criado pela com a Lei 11.892, de 29 de dezembro de 2008 e

O IFB criou, em 2016, a plataforma “IFB em Números”, com a

Para conhecer a plataforma IFB em números, acesse:

- O curso técnico subsequente é para

Que tal aproveitarmos esse exemplo e exercitarmos um pouquinho nossa capacidade

1) Quais as ofertas que mais se destacaram positivamente entre 2009 e

1) As ofertas de cursos subsequentes (verde) e outros tipos de ofertas (roxo).

2) A partir de 2014, quando já se percebe um crescimento do número de matriculados.

3) Sim, as ofertas de PROEJA e cursos concomitantes.

Para ler a matéria completa acesse o link:

A estatística está presente em diversas ocasiões! Observe,

Veja um exemplo real do que estamos falando:

Segundo o Boletim do Instituto do Homem e Meio Ambiente da Amazônia

Esse lance de “contar gente”, por exemplo, é bem antigo…

Dessa forma, podemos conceituar a estatística como:

“A ciência dos Dados”

A Estatística é um ramo da matemática aplicada que fornece métodos para a coleta,

Observe que geralmente estamos na posição de receptores das

Os meios de comunicação e as evoluções tecnológicas nos levam a

Ao nos depararmos com uma informação tratada estatisticamente, é

Para saber mais sobre esse assunto, sugerimos a leitura da matéria

Observe que o gráﬁco escolhido para a representação da cobertura

- Os dados coletados da pesquisa são para o período de 2013 a

Entretanto, o exercício pergunta a cobertura dessa campanha no ano de

Observe, também, que o gráﬁco apresenta um cenário crítico

A situação está estável ou ainda exige atenção? Avaliando os

O exemplo utilizou o gráﬁco de linhas para representar seus

São gráﬁcos geométricos

● gráﬁco em linha ou em curva; Eu preparei uma questão para cada um dos

Fonte: SGA – Sistema de Gestão acadêmica do IFB

Curva de solubilidade do KNO3 em água

Fonte: Gráﬁco disponível em:

Fonte: dados na plataforma e-mec (maio de 2019)

Fonte: Gráﬁco disponível em e-mec (maio de 2019)

Fonte: Gráﬁco disponível em <http://ifbemnumeros.ifb.edu.br/>. Acesso em: 22 de mai.2019.

Imagem disponível em:

Acredito que você tenha observado que os gráﬁcos apresentados

Para chegar aos resultados apresentados, possibilitando

Vamos continuar nossos estudos? Então venha comigo!

Já para a etapa da comprovação, é necessária a utilização de uma linguagem e um método

Vamos conhecer um pouquinho o que cada um desses grupos representa.

Estatística descritiva: Estatística inferencial:

Trata da organização, sumarização e Martins (2009, p.19) deﬁne a estatística

“Xingu, o rio que pulsa em nós”

Fonte: Instituto Socioambiental (2018)

Observação Perguntas Hipóteses Experimento Análise

Com base nessa explanação, chegamos ao conceito de “Método”

Parabéns! Você terminou o estudo desta Unidade.

● Iniciamos o estudo sobre o método estatístico; deﬁnimos a