05 - Estatística

Aula 05
Resumos para Concursos
Autor:
05 de Dezembro de 2023
25058725037 - Leonardo Marçal

Aula 05
BIZU ESTRATÉGICO DE ESTATÍSTICA
ANÁLISE ESTATÍSTICA
Pessoal, segue abaixo uma análise estatística dos assuntos mais exigidos no âmbito da
disciplina de Estatística, com base nas principais Bancas: FCC, FGV e Cebraspe.
Probabilidade 29,03%
Estimação Pontual e Intervalar. Teoria da

16,13%
Amostragem
Análise Combinatória 12,90%
Medidas de Variabilidade ou de Dispersão 9,68%
Médias 9,68%
Distribuições Discretas de Probabilidade 9,68%

www.estrategiaconcursos.com.br

Aula 05
Com essa análise, podemos verificar quais são os temas mais exigidos e, através disso,
focaremos nos principais pontos em nossa revisão!
Apresentação de Dados 1a8
Média 9 a16
Moda 17 a19
Medidas de Variabilidade ou de Dispersão 20 a 24
Probabilidade e Análise Combinatória 25a33
Distribui¢des Discretas de Probabilidade 34 a 43
Estimação Pontual e Intervalar. 44 a 47


Aula 05
Apresentação de Dados
1. Estatística Descritiva x Estatística Inferencial
* A Estatistica é um ramo da Matemática Aplicada, intimamente relacionada a
coleta, organização, apresentação, análise e interpretação de dados. Divide-se
basicamente em dois ramos:
* Estatística Descritiva: responsável pela "parte inicial", ou seja, coletar, organizar
e descrever os dados.
* Estatísticalnferencial: responsável pela "parte final", pegar os "dados prontos"
e realizar inferências, ou seja, analisá-los e interpretá-los para se tirar conclusões.
DESPENCA NA
PROVA!
ESTATÍSTICA DESCRITIVA ESTATÍSTICA PROBABILÍSTICA ESTATISTICA INFERENCIAL
É responsável pela coleta, É responsável por estabelecer o É responsével pela análise e

organização, descrição e resumo dos modelo matemático adotado para interpretação dos dados.
dados observados. explicar fendmenos aleatérios.
* O objetivo da estatistica é justamente aplicar determinadas metodologias para
"extrapolar” os dados analisados e obter informagées sobre algo maior.
2. Censo x Amostra / Parametro x Estimador


Aula 05
Quando estamos fazendo algum estudo estatístico, temos a População, um
conjunto do qual fazem parte todos os elementos que interessam para a
situação. Por exemplo, se queremos saber a média de filhos que as mulheres
brasileiras têm, a população seria composta por todas as mulheres brasileiras.
Um Censo acontece quando coletamos os dados de todos os elementos da
população. Frequentemente é um procedimento caro, demorado ou até mesmo
inviável.. Os dados de uma população são chamados de parâmetros
populacionais.
Uma Amostra é uma parte da população. Com as técnicas corretas, é possível
obter resultados precisos sobre a população de uma forma mais barata e rápida.
Na situação do exemplo, poderíamos estudar uma parcela das mulheres
brasileiras e chegar a resultados satisfatórios a respeito da população. Os dados
de uma amostra são chamados de estimadores.
Parâmetros e Estimadores são coisas diferentes, e consequentemente são
representados de forma diferente. Por exemplo:
X — média amostral (estimador)

u > média populacional (parâmetro)
O Parâmetro é geralmente um valor fixo, já o estimador varia de acordo com a
amostra estudada.
As ESTATÍSTICAS são MEDIDAS NUMÉRICAS OBTIDAS DE AMOSTRAS

representativas extraídas da população. A partir das informações colhidas da
amostra, as estatísticas amostrais obtidas podem ser utilizadas para inferir ou


Aula 05
tirar conclusões acerca dos parâmetros populacionais, como a proporção de
homens e mulheres na população brasileira. De forma resumida, as estatísticas
(ou estimadores) são descrições numéricas de características amostrais.
Normalmente, as estatísticas amostrais diferem de uma amostra para outra.
04
ESQUEMATIZANDO
POPULACAO
CONJUNTO
de TODOS os elementos a
serem estudados, que apresentam uma
©ou mais caracteristicas em comum.
SUBCONJUNTO extraido DA POPULAGAO

para anilise, devendo ser representativo
daquele grupo
PARAMETROS
Descrições numéricas de caracteristicas

da POPULACAO, que normalmente
precisam ser estimadas.
3. Dados Brutos x Rol
* Dados Brutos são os dados desorganizados de uma pesquisa. Se colocados em
uma tabela, esta é chamada de Tabela Primitiva.
* Ao organizar os Dados Brutos em ordem crescente ou decrescente, estaremos
diante de um Rol.
* Este procedimento da Estatistica Descritiva pode parecer despretensioso, mas


Aula 05
veremos que algumas conclusões e procedimentos dependerão de os dados
estarem organizados dessa forma.
Os valores não são organizados por ordem de grandeza

crescente ou decrescente.
p
Fornece poucas informagdes uteis ao leitor (tabela

primitiva).
Dados
7 ™
Os valores são organizados por ordem de grandeza em
crescente ou decrescente.
F.
f .
Facilita a identificação dos valores máximo e minimo.
- J
4. Frequéncia Absoluta e Frequéncia Relativa
Observe a seguinte sequéncia de dados:
1233347101212
Observe que alguns dados aparecem mais de uma vez, com isso podemos
montar a seguinte tabela:
- - FREQUENCIA | FREQUENCIA
FREQUENCIA | FREQUENCIA
DADO ABSOLUTA | RELATIVA
ABSOLUTA | RELATIVA
ACUMULADA | ACUMULADA
1 1 10% 1 10%
2 1 10% 2 20%
3 3 30% 5 50%
4 1 10% 6 60%


Aula 05
7 1 10% 7 70%
10 1 10% 8 80%
12 2 20% 10 100%
TOTAL 10 100% 10 100%
* A Frequência Absoluta corresponde ao número de vezes que o dado aparece
na sequência:
Faps; =1
* A Frequência Relativa corresponde a frequéncia absoluta dividida pelo número
de elementos na sequência:
Faps;
Fret; =
* Asfrequências acumuladas somam à frequência "normal" as frequências dos
valores anteriores ao valor em questão.
5. Intervalos de Classes
* Podemos expandir o agrupamento para considerar intervalos de valores. Se por
um lado simplificamos os dados, também perdemos algumas informações, para
os dados mostrados anteriormente, poderíamos fazer:
FREQUENCIA
INTERVALO
ABSOLUTA
0F3 2
36 4
6+9 1
9r1i2 1


Aula 05
12HF15
* Observe que o símbolo significa que estamos incluindo o valor da esquerda
e excluindo o valor da direita na contagem da frequéncia. Ou seja, o intervalo
é fechado na esquerda e aberto na direita.
Notação Notação
o de Intervalo : = cado
atem estati:
Engloba todos os elementos entre
Intervalo aberto a<x<b a-
a e b, mas não engloba a nem b.
Intervalo fechado à
esquerda
e abertoà a<x<b arb
a e b, inclusive a mas não b.
direita
Intervalo aberto à
<
esque‘rda_ e.fechado a<x<b adb a e b, inclusive b mas não a.
a direita
Intervalo fechado — a<x<b aHb S
aeb,inclusiveaeb.
6. Densidade de Frequéncia
* Esse é um conceito pouco comum de aparecer, mas entendendo (ou
decorando) sua férmula, vocé pode acertar uma questdozinha e se destacar da
concorréncia:
frequéncia
Densidade de frequéncia = amplitude
* Aamplitude refere-se a diferenga entre o limite superior e inferior da classe. No

nosso exemplo:


Aula 05
7. Variáveis
* Uma variável é o conjunto dos possíveis resultados esperados em um
"experimento". Por exemplo, se a variável X representa os possiveis resultados
de sexo de um recém-nascido, seus valores poderiam ser "Masculino" ou
"Feminino”". As variáveis podem ser:
Nominais
Qualitativas <
Ordinais
* Qualitativa: seus possiveis valores ndo sdo nimeros, mas atributos. Por exemplo
Masculino/Feminino, ou Pequeno/Médio/Grande.
v No primeiro exemplo temos uma Varidvel Qualitativa Nominal, pois não
há como estabelecer uma ordem entre os valores.
v No segundo caso temos uma Varidvel Qualitativa Ordinal, pois é possivel
"ordenar" seus valores.
* Quantitativa: seus possiveis valores são números.
v Discretas: quando podem assumir apenas valores dentro de um conjunto
enumeravel. (Ex: nimeros naturais, nimeros impares, nimeros miltiplos de
0,5...). Cuidado, variaveis discretas também podem assumir infinitos valores, em
alguns casos.


Aula 05
v Continuas: quando podem assumir qualquer valor em intervalos reais.
Os resultados obtidos não podem ser

ordenados/hierarquizados.
t
P”
Ex: cor dos olhos; esporte praticado.
t
Qualitativas
P
Os resultados obtidos podem ser
ordenados/hierarquizados.
Ex: nivel de escolaridade.
Varidveis
P
Os possíveis valores formam um conjunto finito ou

enumerável; resultam de contagem.
Y
Ex: número de leitos por cidade; idade.
t
Quantitativas
P
Os possíveis valores formam um intervalo de números
reais; resultam de mensuração.
Ex: peso; altura.
8. Interpretação de Gráficos
Um aspecto importante não só para provas de Estatística, é saber interpretar
gráficos. Não é um assunto fácil para ensinar por um "bizu", é algo que se

10

Aula 05
aprende continuamente. Mas chamo atenção para uma diferença importante,
que pode te confundir:
v Gréfico de barras/colunas justapostas é frequentemente utilizado para
dados discretos ou atributos:
Idadesx Frequéncia Absoluta

16
14
&
&
EA
s 10
2
o
B
<
sS
2s
E
El
&
2
é o I
20 2 2 2 2 25
Idades em anos
v Histograma é frequentemente utilizado para dados continuos, "o valor
onde "encerra" uma barra, inicia a préxima":

11

Aula 05
" Éalárlos d-os Funcionáflos da E;nprés.a x emrnilfiaresr de rrealsr o
[10,17,6] 17.6,252] 252,328 328,404

12

Aula 05
n O gráfico de hastes ou bastões é muito utilizado para

" representar dados não agrupados em classes, o que
” " ’ normalmente ocorre com dados discretos.
s .
: í l I .
" O histograma é um gráfico destinado a representar dados

: agrupados em classe, sendo composto por um conjunto de
: retângulos contiguos (justapostos).
q 500 100135 L5006 16180 160175 U5 AN
. A poligonal característica é construída utilizando apenas os

. contornos do histograma.
B s 50 906 1606 0.5 ma
0 poligono de frequéncias é um grafico em linha obtido por

meio da ligagdo, por segmentos de reta, dos pontos médios
das bases superiores dos retangulos de um histograma.

13

Aula 05
Média
9. Medidas de Posição
* As medidas de posição são estatísticas que caracterizam o comportamento dos
elementos de uma série de dados, orientando quanto à posição da distribuição em
relação ao eixo horizontal do gráfico da curva de frequência.
* Medidasdetendência central: representam o ponto central ou o valor típico de um conjunto de
dados, indicando onde está localizada a maioria dos valores de uma distribuição. As medidas
mais utilizadas são:
v Média aritmética: é a medida de posição mais utilizada, sendo o valor resultante da
divisio entre a soma de todos os valores de uma série de observações e o numero de
observagdes;
v Mediana: valor que ocupa a posi¢do central de uma série de observagbes, quando
organizadas em ordem crescente ou decrescente; e
v Moda: valor mais frequente em uma série de observagdes, ou seja, o que aparece o maior
numero de vezes dentro de um conjunto de valores observados.
* Medidas separatrizes: dividem (ou separam) uma série em duas ou mais partes, cada uma
contendo a mesma quantidade de elementos. As medidas mais utilizadas são:
Y Mediana: divide uma série em duas partes iguais. Reparem que, além de ser uma medida
separatriz, a mediana também é uma medida de tendéncia central;
Y Quartis: dividem uma série em quatro partes iguais;

14

Aula 05
Y Decis: dividem uma série em dez partes iguais; e
Y Percentis: dividem uma série em cem partes iguais.
Média Aritmética
Medidas de Média Geométrica

Tendência Média Harmônica
Central
Medidas de
Posição
Medidas
Separatrizes
10. Somatório e suas Propriedades
* Osomatório é uma importante ferramenta para simplificar a escrita de adições.
Seu simbolo é o }. Geralmente o somatório tem essa “cara”:
* Otermo a representa o termo que está sendo somado. O índice i, indicado
abaixo do somatório, inicia em 1 e termina em 10 (mostrado acima). Assim esse
somatório eq uivale a:

15

Aula 05
a, +a, +a;z +a,+as+a,+a,+a,+a,+ad,.
* Asduas principais propriedades do somatório são:
v Podemos "quebrar" somas internas:
Dlatby=Y
e+ b
v Podemos "retirar" multiplicadores internos:
Z(m) =k- Z(ui) ,sendo k uma constante real.
11. Média Aritmética
* Essa medida é definida como o QUOCIENTE entre a SOMA DE TODOS OS
ELEMENTOS e o NUMERO DELES. A propriedade principal da média é
preservar a soma dos elementos de um conjunto de dados.
* A média aritmética é um valor que substitui todos os elementos de uma
sequéncia, mantendo seu somatério. É comumente representado por x. Sua
férmula é:
— Xt Xttt x,
— n
v Ou seja, basta somar todos os termos, e dividir pela quantidade de
termos.

16

Aula 05
v As principais propriedades da média aritmética sdo:
v Ela sempre existe, e é única.
v Ela sempre será igual ou inferior ao maior termo da sequéncia, e igual ou
superior ao menor termo:
m<x<M,
v será igual apenas quando todos os valores da sequéncia forem iguais.
v Somando-se (ou subtraindo-se) a mesma constante a todos os termos da
sequéncia a média é aumentada (ou diminuida) desse valor.
v Multiplicando-se (ou dividindo-se) uma constante por todos os termos da
sequéncia, a média é multiplicada (ou dividida) por esse nimero.
12. Média Ponderada ou Média com Frequéncias
Uma média ponderada é a média de um conjunto de dados cujos valores
possuem pesos variados.
Na média ponderada, alguns termos da sequéncia "pesam" mais do que os
outros. Por exemplo: vocé faz duas provas, mas sua nota final não é
simplesmente a média aritmética das duas, a segunda prova tem "peso 2" (e a
primeira, "peso 1").
A Média Ponderada tem a seguinte Férmula:

17

Aula 05
— 2X %Py F F XnDn
Pa +FP2 F FPn
* Onde pi é o peso referente ao termo i
* Para dados agrupados por Valor, a frequéncia desempenha papel semelhante
ao do "peso".
==3d6404==
* Resumindo:
@ A média ponderada pode ser calculada por

meio das seguintes etapas:
Multiplicamos os valores por seus respectivos

pesos.
Somamos as operagdes de multiplicação da

etapa anterior e guardamos o resultado.
â Dividimos o resultado pela soma dos pesos.
13. Média para dados Agrupados por Classe
* Aqui, antes de calcular a média exatamente como mostramos nos tópicos
anteriores, precisamos primeiro "trocar" o intervalo por um valor, para isso
fazemos a média dos limites do intervalo. Por exemplo, o intervalo 10 + 20
"assumiria" o valor 15.
14. Geométrica


Aula 05
A média geométrica é uma medida estatística muito utilizada em situações de
acumulação de percentuais, fato muito comum em problemas financeiros.
Essa medida é definida, para o conjunto de números positivos, como a raiz n-
ésima do produto de n elementos de um conjunto de dados. A propriedade
principal dessa média é preservar o produto dos elementos de um conjunto de
dados.
A Média Geométrica, em vez de preservar o somatório de uma sequência de
termos, preserva o produto desses valores. Sua fórmula é:
G="Yx; %" Xn
n
15. Média Harménica
A média harménica é muito utilizada quando precisamos trabalhar com
grandezas inversamente proporcionais. É o caso de problemas classicos, como
o célculo da velocidade média de um automével ou da vazão de torneiras
(quanto tempo duas ou mais torneiras levam para encher um tanque).
Essa medida é definida, para o conjunto de nimeros positivos, como o inverso
da média aritmética dos inversos. A propriedade principal dessa média é
preservar a soma dos inversos dos elementos de um conjunto de nimeros.
A Média Harménica preserva a soma dos inversos dos números de uma
sequéncia. Sua férmula é:

19

Aula 05
16. Desigualdade das Médias
* Seosvalores de uma sequência forem iguais, as três médias serão iguais. Se pelo menos
um for diferente teremos a seguinte desigualdade: x >G > H. Ou seja, a média
aritmética é maior que a média geométrica que é maior que a média harménica.

20

Aula 05
Moda
17. Conceitos Iniciais
* A moda é aquele valor (ou valores) que aparecem com maior frequência em um
determinado conjunto de elementos. Cuidado, pois a moda é o valor e não a
maior frequência. Podemos classificar o conjunto em 3 tipos:
v Umimodal: a moda é única, apenas um valor aparece mais
vezes.
v Plurimodal (ou polimodal): a moda é mdiltipla, vários valores
compartilham a mesma frequéncia, e ela é a maxima.
v Amodal: ndo há moda, todos os valores possuem a mesma
frequéncia.
18. Moda de Pearson
* Em raras ocasides, a questdo solicita que seja calculada a moda de Pearson. Sua
férmula é a seguinte:
M, =3 Mg—2%
* Observe que, neste caso, a moda é calculada em função da Mediana (M,) e da
Média (x).
19. Moda Bruta, de Czuber e de King
e A situagdo se complica um pouco quando os valores dos dados estdo

21

Aula 05
agrupados em classes. É simples descobrir qual classe possui a maior frequência
(classe modal), entretanto não é tão evidente qual valor, dentro do intervalo da
classe, deve ser considerado a moda. Para se chegar a um valor pontual,
existem 3 procedimentos distintos:
* Moda Bruta: adota-se simplesmente o ponto médio da classe
modal.
* Moda de Czuber: a moda dependerá das frequéncias das classes
imediatamente antes e depois da classe modal, bem como da
frequéncia da classe modal. Se a frequéncia da classe anterior for
maior do que a da classe posterior, a moda serd "puxada" mais
para perto do limite inferior da classe modal. E vice-versa. Se as
frequéncias forem iguais, a moda será exatamente o ponto médio.
. Moda de King: semelhante a moda de Czuber, mas a frequéncia da classe
modal não entra na férmula.
. Vamos para um exemplo, vai facilitar bastante as coisas. Imagine a
seguinte situagdo:
FREQUENCIA
INTERVALO
ABSOLUTA
36 15
6+9 25
9r1i2 5
Y Primeiramente identificamos a classe modal: é a segunda (6 - 9)
pois tem a maior frequência absoluta.

22

Aula 05
Y A Moda Bruta é simplesmente o ponto médio dela, ou seja 7,5.
v A moda de Czuber é definida pela férmula:
Su = fane
G fn * G - fm)]
M, =1, —|"h
v Substituindo os valores: M, = 6 + [ (25-15)+(25-5)

22 ] *3=7
Y A moda de King é definida pela férmula:
M, =L+ fl].h
ant + Ípost.
v Substituindo os valores: M, = 6 + [ 5 ] *3=6,75

15+5
v Observe que como a frequéncia da classe anterior é maior do que a da
posterior, a moda foi "puxada" para mais perto de 6 (do que de 9).
v Podem existir outros intervalos de classe nos dados, mas a moda é
apenas influenciada pelos imediatamente adjacentes.
v Se a classe modal for a primeira (ou a última) adotamos como frequéncia
anterior (ou posterior) o valor zero.

23

Aula 05
Medidas de Dispersão
* Também chamadas de Medidas de Variabilidade, procuram descrever o quão
homogêneo ou não são os dados de um conjunto. São medidas que analisam o
afastamento dos valores em uma sequência. Algumas são bem simples:
v Amplitude (Total): é a diferenga entre o maior e menor
número da sequéncia. Não considera nenhum outro valor. Para
dados agrupados em classe, é a diferenca entre o limite inferior
da primeira classe, e o limite superior da última.
v Amplitude Interquartilica: é a diferenga entre o Terceiro e
Primeiro Quartil. Não confunda com desvio quartilico ou
amplitude semi-quartilica, que são a metade desse valor.
21. Desvio
* O desvio é basicamente a diferenga de um número, em relação a outro. É
bastante comum, calcular a diferença de cada elemento X da sequência em
relação à média desse conjunto de dados. Nesse caso particular, temos a
seguintes consequências:
v A soma de todos os desvios em relação & média e nula.
v A soma dos quadrados dos desvios em relação a média é
minima, quando comparado aos desvios em relagdo a outros

24

Aula 05
números.
Chamamos de Desvio Absoluto Médio a soma dos módulos de todos os desvios
em relação a média, divididos pelo número de termos:
Elx; — x|
Dy =~
22. Variancia e Desvio Padrao
O Desvio Absoluto Médio dá uma boa ideia do grau de dispersão dos dados,
mas a "operação módulo" não é algo facil de se trabalhar na matematica. Para
contornar o problema dos termos positivos e negativos se anularem, quando
calculamos o desvio em relagdo & média, podemos também elevar os desvios ao
quadrado. Esse valor, chamamos de variancia:
o = I(x; —X))2
n
v O famoso Desvio Padrão é simplesmente a raiz quadrada da variéncia.
v É importante notar que há uma pequena diferenca entre a Variancia
Populacional e Amostral, consequentemente os desvios também serdo
diferentes. Não cabe aqui explicar o motivo da diferenga, apenas atente-se para
as férmulas:
Z(xln')
Variância Populacionalo a2 =
.—x)/2
an x/=39)2
Variância Amostral — s2 = 2(,:—11

25

Aula 05
v Para transformar de Populacional para Amostral basta multiplicar por (n/n-
v Somando-se (ou subtraindo-se) uma constante a todos os elementos da
série, nem o desvio padrdo nem a varidncia mudam.
v Multiplicando (ou dividindo) uma constante c por todos os elementos da
série, o desvio padrão fica multiplicado (ou dividido) por c e a variância por c2.
23. Calculo da Variancia e Desvio Padrão
Calcular a variancia pelas férmulas mostradas anteriormente pode ser bastante
trabalhoso em alguns casos, há uma forma mais simples, e com muito mais
chances de aparecer na sua prova:
É fundamental que vocé saiba usar essa férmula: "a variancia (populacional) é a
média dos quadrados menos o quadrado da média”. Imagine a sequéncia 1, 3,
4,8.
v Média: (1+3+4+8) / 4 = 4, quadrado da média: 42 = 16.
v Soma dos quadrados: 1+ 9 + 16 + 64 = 90. Média dos
quadrados: 90/4 = 22.5
v Variancia Populacional: 22.5 - 16 = 6.5

26

Aula 05
v Variancia Amostral: 6.5 * (4/3) = 8.667
24. Coeficiente de Variagao e Variancia Relativa
Y Para avaliarmos a "relevancia” do desvio padrão e variancia, é interessante
comparé-los com a magnitude dos dados a que ele se refere. Por exemplo, um
desvio padrão de 10 gramas em numa produção de pastas de dente pode ser
relevante, mas na de sacos de cimento n3o. Para isso temos duas relagdes:
v Coeficiente de Variação: Cy =
v Variancia Relativa: Vz = C,* >ilq

27

Aula 05
Probabilidade e Análise Combinatória
25. Definições de Probabilidade
* A Teoria da Probabilidade é o ramo da Estatistica que estuda experimentos e
fenômenos aleatórios, cujos resultados são incertos. Como exemplo, podemos
citar:
Y Lançamentos de dados ou moedas;
Y Seleções feitas ao acaso (ou aleatoriamente), como de uma carta no baralho,
de uma pessoa ou peça dentro de um grupo, etc.;
Y Fenômenos naturais, como chuva em determinado dia.
* Espaço amostral é o conjunto de todos os resultados possíveis de um
experimento aleatório.
* Evento é todo subconjunto do espaço amostral.
Definição Clássica de Probabilidade:
Número de casos favoráveis

Probabilidade = - —
Número de casos possíveis

28

Aula 05
Combinações de eventos:
União de dois eventos: Considere dois eventos A e B. O evento união
ocorre se e somente se A ou B (ou ambos) ocorrerem.
A intersecção de dois eventos: Considere dois eventos A e B. O evento
interseção ocorre se e somente se os dois eventos ocorrerem (A e B
ocorrerem).
Complementar de um evento: Considere um evento A. O evento
complementar de A ocorre se e somente se não ocorre A.
Se A U B = U, dizemos que A e B sdo_eventos exclusivos.
Se AN B = @, dizemos que A e B são eventos mutuamente exclusivos (ou
excludentes).
o Definição Axiomética de Probabilidade:
P(A) =0
PW) =1
Se A e B sdo eventos mutuamente excludentes (ANB = @), entdo
P(AUB) = P(A) + P(B).

29

Aula 05
26. Probabilidade Condicional
* Aprobabilidade de que um evento B ocorra, sabendo que um evento A ocorreu é dada
por:
P(ANB)
P(Bx,«1)=W
* Se a ocorréncia do evento A não influir no calculo da probabilidade do evento B, os
eventos são ditos independentes e neste caso tem-se:
P(ANB) = P(A).P(B)
No último concurso da Receita Federal, a FGV apresentou o seguinte trecho:
Ana vai passar o fim de semana em sua casa de praia. A previsdo do tempo diz que a
probabilidade de chuva no sábado é de 30%, e a probabilidade de chuva no domingo é de
40%. Nesse caso, a probabilidade de que Ana consiga ir à praia no fim de semana sem pegar
chuva é de:

30

Aula 05
Para que Ana consiga ir à praia no fim de semana, ela pode ir sábado OU domingo, ou seja, é
necessário que não chova sábado OU não chova domingo, que corresponde ao complemento
da interseção de chover sábado e domingo:
U Cp) = P(Cs
P(Cs N Cp)
N Cp) = 1— P(Cs
Por serem eventos independentes, a probabilidade da interseção é o produto das
probabilidades. Sendo a probabilidade de chover sábado P(CS ) = 30% e a probabilidade de
chover domingo P(CD ) = 40%, então a probabilidade da interseção é:
P(Cs N Cp) = P(Cs) x P(Cp) = 0,3 x 0,4 = 0,12
E a probabilidade desejada é complementar:
P(Cs UCp) = 1— 0,12 = 0,88 = 88%
Agora, no último concurso do BB, a FGV apresentou o seguinte trecho:
Um dado cúbico honesto, com as faces numeradas de 1 a 6, é lançado 4 vezes consecutivas.
Considere como resultado a sequência dos 4 números sorteados.
Assinale o número de resultados possíveis de ocorrer, de tal modo que o produto dos 4
números sorteados não seja divisível por 4.
Analisando o caso, temos:

31

Aula 05
- O número 4 não pode ser sorteado, já que é par e é divisor de 4.
- O mesmo ocorre para os números 2 e 6, se um destes números forem sorteados uma vez o
outro não pode ser sorteado.
- Por fim, os números 1, 3 ou 5 podem se repetir mais de uma vez no sorteio, já que o produto
entre eles não é divisível por 4.
Perceba que para cada um dos 4 lançamentos existem 3 possibilidades de números, ou seja,
1, 3 ou 5. Então, ficamos com os seguintes casos:
3* = 81 possibilidades
Agora, calculando as possibilidades de serem sorteados o nimero 2 ou o nimero 6. Note que
existem apenas duas possibilidades em qualquer um dos 4 lancamentos possiveis. Já os outros
3 langamentos só podem ocorrer de 3 maneiras distintas cada, ou seja, os nimeros 1, 3 e 5.
Dessa forma, o nimero de possibilidades, seria:
4 * 2 * 33 =216 possibilidades
Logo, o nimero de resultados possiveis é a soma das possibilidades, veja:
81+ 216 = 297 maneiras
27. Teorema de Bayes
* Esse é um assunto bem tedrico, dificil de ser explicado e bem compreendido mesmo
quando temos mais tempo. Mas na pratica fica bem mais simples de aplica-lo. A

32

Aula 05
"fórmula" do teorema é a seguinte:
P(Ey) .P(B|Ey)
P(E|B) =
X P(E).P(BIE)
e Estranha né?! Não se preocupe, vocé ndo precisa decora-la. Para dominar bem esse
assunto, aprenda através de alguma questão resolvida. Se vocé sabe como montar
aqueles "diagramas" sabera responder praticamente qualquer quest&o sobre Teorema
de Bayes e Probabilidade Total.
28. Fatorial de um Número Natural
* Sendo n um nimero natural, define-se fatorial de n e indica-se n! a expressão:
n=n.n-1).(n—2)....2.1
=1
ol=1
Exemplos:
e 3 =3x2x1=6
o 41 = 4x3x2x1=24
29. Principio Fundamental da Contagem
v Se um experimento pode ocorrer em várias etapas sucessivas e independentes
de tal modo que:
º p1é o número de possibilidades da 1º etapa.
º p2 é o número de possibilidades da 2º etapa.

33

Aula 05
º Pn é o número de possibilidades da n-ésima etapa.
. O número total de possibilidades de o acontecimento ocorrer é
igual a:
P1-P2---Pn
30. Principio Aditivo
e O principio fundamental da contagem (principio multiplicativo) diz que se há m modos
de tomar uma decisdo D1 e, depois de tomada a decisdo D1, há n modos de tomar
uma decisdo D2, então o total de possibilidades para tomar sucessivamente as
decisdes D1 e D2 é igual am x n.
31. Permutacéo Simples
* Dequantas maneiras é possivel ordenar n objetos distintos?
* No caso geral, temos n modos de escolher o objeto que ocupara o primeiro lugar, n — 1
modos de escolher o objeto que ocupara o se segundo lugar,..., 1 modo de escolher o objeto
que ocupara o último lugar. Portanto, o número de modos de ordenar n objetos distintos é:
n.n—-1).(n—2)....2.1=n!
* Cadauma destas ordenagbes é chamada de permutag&o simples de n objetos e o número de

permutagdes simples de n objetos distintos é representado por P,. Desta maneira P,, = n!.
32. Combinacao Simples

34

Aula 05
* Havendo um conjunto com n elementos, o número de subconjuntos com p elementos
é igual ao número de combinações de n elementos tomados p a p e é calculado da
seguinte maneira:
n
pl (n—p)!
* Existem várias notações para o número de combinações. As mais comuns são as
seguintes:
1
Cup = (:) = m
33. Permutacdo de Elementos Ordenados
* De uma maneira geral, se vamos permutar n elementos dos quais k deles devem estar
em uma determinada ordem, o total de permutações é:

~
E

35

Aula 05
Distribuições Discretas de Probabilidade
Estatistica Inferencial ou Inferéncia Estatistica, que é o ramo da Estatistica que nos ajuda
a tirar conclusdes a respeito de um todo (que chamamos de população) a partir das
observagdes feitas em uma parte dessa população (que chamamos de amostra). A
inferéncia é uma técnica importante, pois normalmente não é possivel conhecer a
informação exata (por exemplo, altura, idade, salério, etc.) para toda a população.
Selecionar uma amostra Calcular a estatistica da Inferir o pardmetro

amostra populacional
(ol b s ]
-
35. Variaveis Aleatórias
Variavel aleatéria (v.a.) é uma varidvel que é associada a uma distribuicio de
probabilidade. Ela pode assumir valores de uma maneira completamente aleatéria, ou
seja, ndo temos como prever o seu resultado. Por outro lado, podemos associar valores
de probabilidade a cada um dos possiveis resultados.
v Uma variável aleatéria discreta pode assumir apenas certos valores, usualmente
números racionais, e resultam basicamente de contagens. Quantidade de valores
possiveis é enumeravel (finito ou n3o). Atribuimos probabilidades a resultados
especificos.

36

Aula 05
v Uma varidvel aleatéria continua é aquela que resulta de uma medida e pode
assumir qualquer valor dentro de um dado intervalo. Assumem qualquer valor dentro
de um intervalo. Os resultados possiveis sdo infinitos e ndo enumeraveis. Não
atribuimos probabilidade a resultados especificos, apenas a intervalos.
36. Esperanga Matematica
* A esperanga matematica (também chamada de expecténcia, valor médio ou média) é,
por defini¢do, o nimero:
H=EX) = ) X0 P(X)
=1
* Esta expressdo significa que, para calcular a esperanca de uma varidvel aleatdria,
devemos multiplicar cada valor da variável pela sua respectiva probabilidade e depois
somar tudo.
37. Variancia e Desvio Padrao
* Avariancia de uma variável aleatória é, por definição, 62 = E(X - u)?.
* Desenvolvendo essa express3o, temos 62 = E(X2) - nº
38. Distribuicdo Uniforme Discreta
e A distribuicdo uniforme discreta é aquela em que todos os elementos tém a mesma
probabilidade de ocorrer.
* Em uma distribuicdo uniforme discreta, a esperanga é a média aritmética dos valores.

37

Aula 05
E(X) =
39. Distribuição de Bernoulli
A distribuição de Bernoulli se caracteriza pela existência de apenas dois eventos,
mutuamente exclusivos, que denominaremos de sucesso e fracasso, em um experimento

que é realizado uma única vez.
Em resumo, a distribuição de Bernoulli pode assumir os valores O e 1 (fracasso e sucesso,
respectivamente) em um experimento que é realizado uma única vez.
A probabilidade de ocorrer um sucesso é p e a probabilidade de ocorrer um fracasso é
igual
a q, tal quep +g=1.
EX)=p
Var(X) = pq
40. Distribuigdo Binomial
A diferenca da distribuicdo binomial para a distribuicdo de Bernoulli é que no caso
anterior o experimento seria realizado apenas uma vez. Aqui na distribuição binomial
realizaremos o experimento n vezes.
Consideremos um experimento constituido por n ensaios INDEPENDENTES de
Bernoulli. Cada ensaio pode resultar em um de dois eventos mutuamente excludentes.

38

Aula 05
* A probabilidade de ocorrer o resultado favorável (sucesso) em cada ensaio é pe a
probabilidade de ocorrer o resultado desfavorável (fracasso) em cada ensaio é q=1-
p.
v X é o nimero de sucessos em n ensaios. Assim, X é no minimo 0 e no maximo
v X tem distribui¢do binomial com pardmetros n e p.
v A probabilidade de ocorrerem k sucessos em n ensaios é:
v A média do ndmero X de resultados favoraveis em uma distribui¢do binomial é
np e a variancia é npq.
41. Distribuigdo Geométrica
e A distribuico geométrica também se refere a sucessos e fracassos, mas,
diferentemente da binomial, é a probabilidade de que o sucesso ocorra exatamente no
k-ésimo ensaio.
v Aqui, a probabilidade de ocorrer o resultado favoravel (sucesso) em cada ensaio
também é p.
v Nesta distribuição:
EX) =

39

Aula 05
Var(X) = lz
p
42. Distribuição Hipergeométrica
e A distribuição hipergeométrica refere-se à probabilidade de, ao retirarmos, sem
reposição, n elementos de um conjunto com N elementos, saiam k elementos com o
atributo sucesso, considerando-se que, do total de N elementos, s possuem esse
atributo e, portanto, N — s possuem o atributo fracasso.
Y Resumindo:
= Temos um conjunto com N elementos dos quais s possuem o
atributo sucesso e N - s possuem o atributo fracasso.
- Ser3o retirados n elementos do conjunto sem reposição.
- Queremos calcular a probabilidade de obtermos k sucessos.
o Assim, a probabilidade de obtermos um sucesso (no primeiro
experimento) é igual a p = s/N. Queremos calcular a probabilidade de que,
retirando-se n elementos, k possuam o atributo sucesso e n — k possuam o

atributo fracasso.
v Esta probabilidade é dada por:

40

Aula 05
v A média da distribuição hipergeométrica é dada por:
E(X) = np
v A variancia da distribuição hipergeométrica é dada por:
N-n
Var(X) = NPA NTA
43. Distribuição de Poisson
* Paraexplicar essa distribuição, vamos utilizar como exemplo um objeto muito utilizado
no cotidiano: o telefone. Talvez até sejamos capazes de dizer quantas vezes, em média,
nosso telefone toca por dia. Mas quantas vezes o telefone não toca? Essa pergunta é
muito difícil de responder. Quando uma variavel aleatória tem um comportamento
parecido com esse, dizemos que ela segue uma distribuição de Poisson.
e Se considerarmos que sucesso é tocar o telefone, é muito difícil calcular p, a
probabilidade de isso ocorrer, já que não temos como calcular a não-ocorrência do
evento.
* A solução é imaginar que p é muito pequeno (p — 0), já que o toque do telefone dura
apenas alguns segundos em um dia de 24 horas (86.400 segundos). Dessa forma, o
número de vezes que o experimento é realizado (telefone toca ou não toca), que é o n
da distribuição binomial, é realizado muitas vezes (n — ).

41

Aula 05
v É assim que modelamos a distribuição de Poisson: partimos de uma distribuigio
binomial, considerando que p é muito pequeno (tende a zero) e que n é muito grande
tende a infinito).
A média da distribuicdo de Poisson é dada por:
A=np
v Esse número À é exatamente o nimero médio de vezes que o evento ocorre. No
exemplo do telefone, é o nimero de vezes que o telefone toca por dia.
A variancia da distribuição de Poisson é dada por:
=A
A probabilidade nessa distribuição é:
e ? 2k
P(X=k) = F
v Em que e é uma constante (nimero de Euler) e vale aproximadamente 2,718....

42

Aula 05
Estimação Pontual e Intervalar
44. Estimadores
Estimadores
Erro Padrão é o desvio
padrão (raiz quadrada da
= Média amostral X: E(f) = 1, V(%) = Z, EP(X) = 2 variancia) do estimador
= Proporção amostral p: E(p) = p, V(p) = ?.EP(fi
= Estimador da varidncia amostral: s? = z”:’—:f)l
45. Propriedades dos Estimadores
e Suficiente (contempla todas as informagdes para estimar o pardmetro
populacional).
* Não Tendencioso (esperanca do estimador é igual ao pardmetro populacional.
e Eficiente (menor variancia possivel).
* Consistente (estimativas convergem com o aumento do tamanho amostral).
46. Método de Estimagao

43

Aula 05
" -2
= Método dos Momentos: Resulta em X como estimador para a média; e em P= ):(x.Tx)
como estimador para a variancia (02 é tendencioso)
= Método da Maxima Verossimilhanca: Resulta em p como estimador para a proporcao; para

uma população normal, em X como estimador da média e o2 = X(X'TW como estimador
para a variância (o2 é tendencioso)
= Método dos Minimos Quadrados: Resulta em X como estimador para a média; e em É como
estimador para a proporção
47. Estimação Intervalar
Erro Máximo
(metade da amplitude
do intervalo)
= Erro depende do nível de confiança desejado e do tamanho da amostra 1
/
= Intervalo de confianca para populagdo com variancia conhecida: X + z.‘%- /
= Intervalo de confianca para população com variancia desconhecida: X + t_...%

44

05 - Estatística

Enviado por

Direitos autorais:

Formatos disponíveis

05 - Estatística

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

05 - Estatística

Enviado por

Direitos autorais:

Formatos disponíveis

Aula 05

Resumos para Concursos

25058725037 - Leonardo Marçal

BIZU ESTRATÉGICO DE ESTATÍSTICA

Estimação Pontual e Intervalar. Teoria da

Análise Combinatória 12,90%

Medidas de Variabilidade ou de Dispersão 9,68%

Distribuições Discretas de Probabilidade 9,68%

Resumos para Concursos

25058725037 - Leonardo Marçal

focaremos nos principais pontos em nossa revisão!

Apresentação de Dados 1a8

Medidas de Variabilidade ou de Dispersão 20 a 24

Probabilidade e Análise Combinatória 25a33

Distribui¢des Discretas de Probabilidade 34 a 43

Estimação Pontual e Intervalar. 44 a 47

Resumos para Concursos

25058725037 - Leonardo Marçal

1. Estatística Descritiva x Estatística Inferencial

* A Estatistica é um ramo da Matemática Aplicada, intimamente relacionada a

coleta, organização, apresentação, análise e interpretação de dados. Divide-se

basicamente em dois ramos:

* Estatística Descritiva: responsável pela "parte inicial", ou seja, coletar, organizar

* Estatísticalnferencial: responsável pela "parte final", pegar os "dados prontos"

e realizar inferências, ou seja, analisá-los e interpretá-los para se tirar conclusões.

ESTATÍSTICA DESCRITIVA ESTATÍSTICA PROBABILÍSTICA ESTATISTICA INFERENCIAL

É responsável pela coleta, É responsável por estabelecer o É responsével pela análise e

* O objetivo da estatistica é justamente aplicar determinadas metodologias para

"extrapolar” os dados analisados e obter informagées sobre algo maior.

2. Censo x Amostra / Parametro x Estimador

Resumos para Concursos

25058725037 - Leonardo Marçal

Quando estamos fazendo algum estudo estatístico, temos a População, um

conjunto do qual fazem parte todos os elementos que interessam para a

situação. Por exemplo, se queremos saber a média de filhos que as mulheres

brasileiras têm, a população seria composta por todas as mulheres brasileiras.

Um Censo acontece quando coletamos os dados de todos os elementos da

população. Frequentemente é um procedimento caro, demorado ou até mesmo

inviável.. Os dados de uma população são chamados de parâmetros

Uma Amostra é uma parte da população. Com as técnicas corretas, é possível

Na situação do exemplo, poderíamos estudar uma parcela das mulheres

brasileiras e chegar a resultados satisfatórios a respeito da população. Os dados

de uma amostra são chamados de estimadores.

Parâmetros e Estimadores são coisas diferentes, e consequentemente são

representados de forma diferente. Por exemplo:

X — média amostral (estimador)

O Parâmetro é geralmente um valor fixo, já o estimador varia de acordo com a

As ESTATÍSTICAS são MEDIDAS NUMÉRICAS OBTIDAS DE AMOSTRAS

amostra, as estatísticas amostrais obtidas podem ser utilizadas para inferir ou

Resumos para Concursos

25058725037 - Leonardo Marçal

tirar conclusões acerca dos parâmetros populacionais, como a proporção de

homens e mulheres na população brasileira. De forma resumida, as estatísticas

(ou estimadores) são descrições numéricas de características amostrais.

Normalmente, as estatísticas amostrais diferem de uma amostra para outra.

SUBCONJUNTO extraido DA POPULAGAO

Descrições numéricas de caracteristicas

3. Dados Brutos x Rol

* Dados Brutos são os dados desorganizados de uma pesquisa. Se colocados em