UNIVERSIDADE METODISTA DE ANGOLA

FACULDADE DE CIÊNCIAS ECONÓMICAS E EMPRESARIAIS

CURSO DE GESTÃO E ADMINISTRAÇAO DE EMPRESAS / 2ºANO

APONTAMENTOS DE ESTATÍSTICA I

Luanda, 2020

[Escreva aqui]
OBJECTIVOS
Apresentar algumas técnicas estatísticas de grande utilidade prática na gestão. No contexto de
fenómenos aleatórios, identificar e aplicar modelos probabilísticos. Utilizar as noções de
inferência estatística para decidir em ambiente de incerteza.

[Escreva aqui]
OBJECTIVOS 2

TEMA 1- INTRODUÇÃO. CONCEITOS FUNDAMENTAIS. ............................................................ 5

1.1. Introdução. .............................................................................................................................. 5
1.2. Conceito de Estatística. Objecto de estudo. ............................................................................ 5
1.2.1. Definição (Estatística): .................................................................................................... 5
1.2.2. Objecto de estudo ............................................................................................................ 5
1.3. Estatística Descritiva e Estatística Inferencial. ....................................................................... 5
1.3.1. Definição (Estatística Descritiva): ........................................................................................ 5
1.3.2. Definição (Inferência Estatística): ........................................................................................ 5
1.4. Conceitos de população, amostra, unidade estatística, dados estatísticos, censo e sondagem.
5
1.5. Variáveis estatísticas ............................................................................................................... 6
1.5.1. Definição: ........................................................................................................................ 6
1.5.2. Classificação das variáveis estatísticas ........................................................................... 6
1.6. Experiencia estatística:............................................................................................................ 7
1.7. Tipos de dados ........................................................................................................................ 7
1.7.1. Primários: ........................................................................................................................ 7
1.7.2. Secundários: .................................................................................................................... 7
1.8. Fontes de dados: ........................................................................................................................... 7
1.8.1. Internas:................................................................................................................................. 7
1.8.2. Externas: ......................................................................................................................... 7
1.9. Classificação dos dados quanto ao período ............................................................................. 8
1.9.2. Periódica: quando feita em intervalos de tempo. ............................................................ 8
1.9.3. Ocasional: quando realizado de modo esporádico. ......................................................... 8
1.10. Etapas ou métodos estatístico para resolução de problemas ...................................................... 8
1.10.1. Definição do problema ou Identificação do problema ou situação ..................................... 8
1.10.2. Planeamento ........................................................................................................................ 8
1.10.3. Recolha de dados ................................................................................................................ 8
1.10.4. Crítica dos dados (apuração dos dados) .............................................................................. 8
1.10.5. Apresentação dos dados (quadros e gráficos) ..................................................................... 9
1.10.6. Análise e interpretação dos dados ....................................................................................... 9

[Escreva aqui]
 1.11. Escala de medida dos dados estatísticos ............................................................................. 9
1.11.1. Escala nominal ................................................................................................................ 9
1.11.2. Escala ordinal .................................................................................................................. 9
1.11.3. Escala intervalar ............................................................................................................ 10
1.11.4. Escala de razão ou proporcional ................................................................................... 10
TEMA 2-ESTATÍSTICA DESCRITIVA. MEDIDAS ESTATÍSTICAS. ........................................... 11
2.1. Apresentação de dados. .............................................................................................................. 11
2.2. Medidas de estatística descritiva ................................................................................................ 16
2.3. Números índices......................................................................................................................... 25
TEMA 3- ANÁLISE COMBINATÓRIA SIMPLES. .......................................................................... 31
3.1. Conjuntos ................................................................................................................................... 31
3.2. Métodos de contagem ................................................................................................................ 34
TEMA 4-TEORIA DAS PROBABILIDADES .................................................................................... 42
4.1- Definições introdutórias ............................................................................................................ 42
4.2. Conceito de Probabilidades........................................................................................................ 44
4.3. Probabilidade Condicionada ...................................................................................................... 44
4.4. Propriedades sobre espaços finitos de probabilidades ............................................................... 45
4.5- Teorema da probabilidade total ................................................................................................. 45
4.6. Teorema de Bayes ...................................................................................................................... 46
TEMA 5: VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS. ........................................... 46
5.1- Definições: ................................................................................................................................. 46
5.2. Distribuição de probabilidade discreta ....................................................................................... 46
5.3- Distribuição de probabilidade contínua. .................................................................................... 49

[Escreva aqui]
TEMA 1- INTRODUÇÃO. CONCEITOS FUNDAMENTAIS.
1.1. Introdução.
A palavra estatística tem dois significados. O primeiro e mais comum, refere-se a
factos numéricos e está ligado à origem latina da palavra status (estado). Os números- tais
como o número de acidentes de trabalho por dia em Angola, o número de habitantes de
Luanda num dado momento, o salário médio mensal de um trabalhador, a percentagem de
alunos reprovados no 2º ciclo num dado ano, etc.- que usamos para caracterizar certas
situações ou comportamento são estatísticas.

Um segundo significado refere-se a área científica Estatística.

1.2. Conceito de Estatística. Objecto de estudo.

1.2.1. Definição (Estatística):

É uma área científica cujo objectivo principal é observar um fenómeno, recolher,
organizar, analisar e interpretar os dados e auxiliar a formulação das decisões.

1.2.2. Objecto de estudo

O objecto de estudo da Estatística é estudar os métodos científicos para a recolha,
organização, resumo, apresentação e análise de dados, assim como para orientação de
conclusões validas e para a tomada de decisões baseadas em análises.

1.3. Estatística Descritiva e Estatística Inferencial.

A Estatística é normalmente dividida em duas áreas:

- Estatística Descritiva ou Dedutiva

- InferênciaEstatística ou Indutiva.

1.3.1. Definição (Estatística Descritiva):

É um conjunto de métodos cujo objectivo é sintetizar e representar de forma
compreensível a informação contida nos dados.

Ex: medidas, tabelas e gráficos.

1.3.2. Definição (Inferência Estatística):

É um conjunto de métodos que permitem fazer estimativas e tirar conclusões sobre
uma população a partir da informação contida na amostra.

1.4. Conceitos de população, amostra, unidade estatística, dados estatísticos, censo e

sondagem.
População: é o conjunto de todos os objectos cujas características pretendemos estudar.

Amostra: é um subconjunto finito da população.

[Escreva aqui]
Unidade estatística: é cada elemento do conjunto observado (amostra)

Dados estatísticos: São as informações recolhidas.

Censo: é um estudo que inclui todos os elementos da população.

Sondagem: é um estudo (da população) efectuado a partir da análise de uma amostra.

O esquema seguinte ilustra «a roda» da disciplina de Estatística, relacionando os seus

diferentes ramos:

População ou
Amostragem universoUUUniverso Previsões; estimação; erros

Inferir da amostra para

Amostra
o universo

Estatística Descritiva Tratamento e análise da Inferência Estatística

amostra

Gráficos; tabelas; medidas descritivas

1.5. Variáveis estatísticas

1.5.1. Definição:
Variável estatística: é uma característica da população que pode tomar vários valores
possíveis. São frequentemente: x, y, z.

Ex: a altura de uma pessoa, o seu peso, a idade, a cor dos olhos, o sexo, o número de
acidentes num dado local, etc.

1.5.2. Classificação das variáveis estatísticas

Variáveis estatísticas

[Link]. Variável qualitativa:

É uma característica não numérica da população.

Ex: Marca de um automóvel, a beleza, a cor ou sexo.

[Escreva aqui]
[Link]. Variável quantitativa:
É uma característica numérica da população.

Ex: A idade, o peso, a altura, as notas de um estudante, o dinheiro numa conta

bancária, etc.

[Link]. Variável discreta:

É uma variável que toma apenas uma infinidade numerável de valores.

Ex: Número de acidentes, número de nascimentos, o número de pessoas, a idade, o

número de viaturas, etc.

[Link]. Variável contínua:

É uma variável que toma valores num intervalo real.

Ex: A altura, o peso, a temperatura, a distância, etc.

1.6. Experiencia estatística:

É qualquer processo que gera um conjunto de dados que pode ser diferente de cada
vez que este é executado, em iguais condições.

Observação: É qualquer registo de informação (numérica ou não) associada a uma

variável.

1.7. Tipos de dados

1.7.1. Primários:
São aqueles obtidos directamente de fontes originárias, ou seja, dados oriundos do
nosso próprio processo de colecta.

Ex: todos os dados resultantes de inquéritos feitos directamente a uma população ou

amostra dessa população.

1.7.2. Secundários:
São todos os dados não disponíveis nestas fontes e calculados a partir daqueles, ou
seja, dados já colectados por outra pessoa ou organização.

1.8. Fontes de dados:

1.8.1. Internas:
Os serviços de contabilidade, produção ou marketing de uma empresa constituem
fontes internas de informação económica e comercial que deverá ser posta a disposição dos
órgãos de decisão da empresa.

1.8.2. Externas:
São provenientes dos organismos públicos como o governo, o INE, ou privados como
os semanários económicos e revistas de especialidade.

[Escreva aqui]
1.9. Classificação dos dados quanto ao período
Quanto ao período, a recolha de dados classificam -se como:

1.9.1. Contínua: quando realizada permanentemente

Ex: registo de óbitos, nascimentos, casamentos, etc.

1.9.2. Periódica: quando feita em intervalos de tempo.

Ex: censo.

1.9.3. Ocasional: quando realizado de modo esporádico.

Ex: epidemias.

1.10. Etapas ou métodos estatístico para resolução de problemas

- Definição do problema ou Identificação do problema ou situação;

- Planeamento (como resolve-lo);

- Recolha de dados;

- Crítica dos dados (apuração dos dados);

- Apresentação dos dados (quadros e gráficos);

- Análise e interpretação dos dados (tirar conclusões que auxiliam a resolver o

problema).

1.10.1. Definição do problema ou Identificação do problema ou situação

Consiste na definição e formulação correcta do problema a ser estudado. Saber
exactamente o que se pretende pesquisar.

1.10.2. Planeamento
Como levantar informações? Que dados deverão ser obtidos? Qual levantamento a
ser utilizado? Censitário? Por amostragem? E o cronograma de actividades? Os custos
envolvidos? etc.

1.10.3. Recolha de dados

Fase operacional. É o registo sistemático de dados, com um objectivo determinado.

1.10.4. Crítica dos dados (apuração dos dados)

Resumo dos dados através de sua contagem e apuramento. É a síntese e tabulação dos
dados.

[Escreva aqui]
1.10.5. Apresentação dos dados (quadros e gráficos)
Há duas formas de apresentação, que não se excluem mutuamente. A apresentação
tabular e a representação gráfica. Estas formas de apresentação dos dados permitem sintetizar
grandes quantidades de dados, tornando mais fácil e clara a sua compreensão.

1.10.6. Análise e interpretação dos dados

É a fase do trabalho estatístico mais importante e delicada. Está ligada essencialmente
ao cálculo de medidas e coeficientes, cuja finalidade principal é descrever o fenómeno
(Estatística Descritiva).

1.11. Escala de medida dos dados estatísticos

A escala de medida determina a quantidade de informação contida nos dados e indica
quais as formas mais apropriadas para sintetizar os dados e quais as análises estatísticas mais
convenientes.

Existem quatro medidas para os dados estatísticos que são:

i. Escala nominal;
ii. Escala ordinal;
iii. Escala intervalar;
iv. Escala de razão.

1.11.1. Escala nominal

A escala de medida para uma variável é nominal quando as observações para a
variável são apenas categorias (qualidades ou preferências), usadas para identificar
(nomear) uma certa característica em questão.
Exemplo: o sexo, o estado civil, numero de agente, situação profissional, etc.

1.11.2. Escala ordinal

A escala de medida para uma variável é ordinal quando 1) os dados tem propriedades
nominais e 2) podem ser usados para ordenar as observações dessa variável.

Exemplo: Questionário de satisfação ou de avaliação da qualidade de um restaurante.

Os clientes avaliam a qualidade da comida, bebida, do serviço em geral e da forma como
foram atendidos. As categorias de respostas são para cada variável, excelente, boa e má
(dados nominais). Para além disso, os dados podem ser ordenados em termos de qualidade.

[Escreva aqui]
1.11.3. Escala intervalar
A escala de medida para uma variável é intervalar quando 1) os dados tem
propriedades ordinais (podem ser ordenados), e 2) pode-se dizer quanto valem exactamente
as diferenças entre os dados, ou seja, o intervalo entre os dois, pode ser expresso em termos
de uma unidade fixa de medida.

Exemplo: a temperatura, o espaço, o tempo, etc.

1.11.4. Escala de razão ou proporcional

A escala de medida para uma variável é de razão quando 1) os dados tem
propriedades intervalares, e 2) faz sentido dividir duas observações.

Exemplo: As variáveis: distância, peso, comprimento, tempo e idade podem ser expressos em
termos de uma unidade fixa de medida (propriedades intervalares), e exigem necessariamente
a presença de um zero – as variáveis são contadas a partir de zero.

[Escreva aqui]
TEMA 2-ESTATÍSTICA DESCRITIVA. MEDIDAS ESTATÍSTICAS.

2.1. Apresentação de dados.

Os dados são apresentados em tabelas (quadros) e gráficos.

[Link]ção de frequências de variáveis discretas

Definição: chama-se distribuição de frequências ao quadro ou gráfico de todos os

valores de uma variável estatística com as correspondentes frequências absolutas ou
relactivas.

Frequência absoluta ( ): é o número de vezes que um valor ( ) se observa numa

população ou amostra.

Frequência relactiva (fi): é o quociente entre a frequência absoluta (Fi) e o número

total de amostra (n) ou população (N)

ou

Frequência relactiva percentual (fi%): é a multiplicação da frequência relactiva por

100%

Frequência acumulada ( ou ): é a soma das frequências com valores das

frequências anteriores ou posteriores, conforme a organização dos dados crescentes ou
decrescentes.

Dados brutos (ou originais): são os dados na sequência em que foram registados,
antes de serem organizados ou tratados. Quando organizados obtém-se o ‘rol de dados’.

O quadro de distribuição de frequências é construído da seguinte forma:

- Numa coluna colocam-se todos os valores que a variável apresenta;

- Na segunda coluna o número de ocorrências de cada valor da variável (Fi).

Tipos de distribuição de frequências

-Distribuição de variáveis discretas;

[Escreva aqui]
 -Distribuição de variáveis contínuas.

Nota:

1- Em um conjunto de dados, a soma das frequências absolutas é igual ao número total

de observações n.

2- Em um conjunto de dados, a soma das frequências relactivas é igual a 1.

Distribuição de variáveis discretas

Exemplo 1: Faz-se um inquérito para saber a idade de um grupo de estudantes numa

sala de aulas e registou-se o seguinte:

14 18 19 15 18 14
15 17 15 15 19 14
16 16 18 16 17 15
16 20 14 19 18 17
Determine:

a) O número de dados;
b) O rol de dados;
c) O número de variáveis;
d) Construa a tabela de distribuição de frequências (Fi, fi, fi%, fiac, Fiac);
e) Faça a interpretação das frequências.

Representação gráfica de distribuições discretas

A representação gráfica facilita a memorização e a interpretação dos dados. Dois tipos

de gráficos mais usados são os gráficos de barras e os circulares.

Gráficos de barras: é uma representação dos dados em que se usam barras separadas (de
igual largura) cuja altura é proporcional a frequência (absoluta ou relactiva) da categoria
correspondente.

[Escreva aqui]
Fig 1. Gráfico de barras obtido a partir do exemplo 1.

Gráfico circular: é uma representação dos dados num círculo dividido em sectores
circulares cuja área é proporcional à frequência da categoria /classe que representam.

Para determinar as respectivas divisões de um círculo em sectores com ângulos

proporcionais às frequências das classes, divide-se 360º em partes proporcionais às
frequências

Fig 2. Gráfico circular obtido a partir do exemplo 1.

2.1.2. Distribuição de variáveis continua.

Estas por poderem tomar um número infinito não-numerável de valores, obrigam-nos

a definição de classe, amplitude de uma classe e o centro de classe.

[Escreva aqui]
 Classe: é um intervalo da forma , que representa um conjunto de valores
que a variável pode tomar.

Amplitudes:

- Amplitude total ou de conjunto de observações:

Onde : maior número observado e : menor número observado.

- Amplitude de uma classe:

Centro da classe ou ponto médio:

Onde : limite inferior da classe e : limite superior da classe.

Número de classes (k)

Não existe uma regra única para a determinação do tamanho ou quantidade de classes,
portanto, deve-se observar as seguintes indicações:

1. O número de classes deve ser um número entre 4 e 25;

2. Nenhuma classe deve ter frequência nula;
3. Cada valor observado deve enquadrar-se em apenas uma classe;
4. O extremo superior de uma classe é o extremo inferior da classe subsequente;
5. As classes devem abranger todas as observações;
6. As classes devem ter, sempre que possível, amplitudes iguais.

Com base nestas indicações, temos:

i) Regra da raiz quadrada:

ii) Regra de Sturges:

Onde, -número de classes; -número total de observações.

Exemplo 2:

Consideremos as seguintes alturas, expressas em centímetros de 30 atletas do sexo

masculino de uma Universidade:

[Escreva aqui]
168 172 170 181 169 173 164 175 182 177
176 173 170 186 183 170 168 166 169 180
175 164 181 179 172 169 174 171 178 166
Construa um quadro de distribuição de frequências, depois de definir a amplitude das classes
do modo que achar mais conveniente. Desenha o histograma e o polígono de frequência.

Resolução:

Representação gráfica de distribuições contínuas

Os tipos de gráficos mais usados são o histograma e o polígono de frequências.

Histograma: é uma representação gráfica dos dados em que se marcam as classes no

eixo horizontal, as frequências no eixo vertical e em que se usam barras de área proporcional
à frequência da classe correspondente. As barras contiguas têm fronteira comum.

Fig3. Histograma obtido a partir do exemplo 2.

Polígono de frequências: é uma representação gráfica dos dados em que se une, através
de segmentos de recta, todos os pontos cuja abcissa é o centro de uma classe e a ordenada é a
frequência dessa classe.

Fig4. Polígono de frequência obtido a partir do exemplo 2.

[Escreva aqui]
2.2. Medidas de estatística descritiva
As medidas de Estatística Descritiva (MED) têm utilidade na análise exploratória de um

conjunto de dados e na apresentação dos resultados finais de um estudo. Estudaremos as

seguintes:

-Medidas de Localização;

-Medidas de Dispersão;

-Medidas de Concentração.

2.2.1. Medidas de localização: As medidas de localização são:

-medidas de tendência central

-medidas de tendência não-central

As medidas de tendência central são: a média, a moda e a mediana.

Média: a média pode ser aritmética, geométrica e harmónica.

Media aritmética simples para dados desagrupados : é a soma de todos os valores

observados ( ) dividido pelo número total de observações . Calcula-se pela seguinte
fórmula:

[Escreva aqui]
 Exemplo: dados os pesos em kg de 6 recém-nascidos 3,3; 3,1; 2,8; 2,7; 2,9; 3,1. O peso

médio será:

Media aritmética ponderada (dados agrupados)

para caso discreto

para caso contínuo

Exemplo:1)

0 1 2 3 4
7 9 5 15 19

Exemplo:2)

Média geométrica é a raiz de índice n do produto de números positivos.

, para dados desagrupados;

, para dados agrupados.

Média harmónica:

Mediana ( ): A mediana de um conjunto de n observação ,… é o valor do

meio do conjunto, quando os dados estão dispostos em ordem crescente.

Cálculo da mediana para o caso de uma variável discreta:

Se n for ímpar, a mediana ocupa a posição central , e se n for par, obtém-

se pela média aritmética dos valores centrais (de ordem e :

[Escreva aqui]
 Ex: a) 200; 250; 250; 300; 450; 460; 510

b) 2; 4; 6; 8; 10, 12; 14; 16; 18; 20

Cálculo da mediana para o caso de uma variável contínua:

Mediana (dados agrupados em classes)

1º Calcula –se a ordem (quer seja para n par ou impar)

2º Pelas frequências acumuladas identifica-se a classe que contém a mediana e que será a
classe mediana

3º Calcula-se o valor exacto da mediana através da seguinte fórmula:

= Li ( )+

= Li( )+

Onde: Li( ) – limite inferior da classe mediana

( ) – Frequências acumuladas anteriores a classe mediana

F( ) – Frequência da classe mediana

h( ) – Amplitude da classe mediana.

Exemplo:

Classe Fi Fiac
35-45 5 5
45-55 12 17
55-65 18 35

[Escreva aqui]
65-75 14 49
75-85 6 55
85-95 3 58
58

Moda: é o valor que ocorre com maior frequência num conjunto de observações.

Para dados contínuos agrupados em classes, a moda acha-se pela seguinte equação:

= Li ( )+

Ou

= Li ( )+

Onde: Li ( ) – limite inferior da classe modal

– frequência absoluta da classe anterior a classe modal

– frequência absoluta da classe a seguir a classe modal

– amplitude da classe modal

Exemplo:

Classe
0-4 8
4-8 15
8-12 24
12-16 20
16-20 13
80

Resolução:

Medidas de tendência não-central (quantis ou separatrizes)

São outras medidas (para além das de tendência central), que nos dão a localização
dos valores da variável. Classificam-se em: quartil, decil e percentil.

Quartil: são os três valores que dividem a distribuição em quatro partes iguais.

[Escreva aqui]
 =(primeiro quartil) = valor que dele antecede 25% e sucede 75% de todos os itens
da distribuição;

=(segundo quartil) = valor igual ao da mediana, 50% para cada lado;

=(terceiro quartil) = valor que dele antecede 75% e sucede 25% de todos os itens da
distribuição.

Quartil para dados não agrupados em classes:

, onde é a posição do elemento quartílico ( )

Exemplo: dados 80, 107, 93, 9, 102, 85, 110. Calcular , e

Resolução:

Quartil para dados agrupados em classes:

= Li ( ) + e

Onde: Qi- valor de cada quantil

= 1, 2, 3

Li – limite inferior da classe quartílica

h – amplitude de classe quartílica

q –posição do elemento quartílico

Fac - frequência absoluta acumulada anterior a classe quartílica

Fi – frequência absoluta simples da classe quartílica

Decil: são os nove valores que dividem a distribuição em dez partes iguais.

*/ Decil para dados não agrupados em classes

; onde: - Posição do elemento decílico, 1,2,3,4,5,6,7,8, ou 9

Ex: 80,107,93,97,102,85,110. Acha , ,e

[Escreva aqui]
*/ Decil para dados agrupados em classe:

Li+ e

Centil ou percentil

São os noventa e nove valores que dividem a distribuição em cem partes iguais.

*/ Percentil para dados não agrupados em classe

onde é a posição do elemento percentílico; i=1, 2, 3, …, 99

*/ Percentil para dados agrupados em classe

Exemplo:

Idade Fi Notas Fi
10 10 0-2 27
23 26 2-4 16
25 8 4-6 34
27 4 6-8 17
29 3 8-10 16
30 3 110
35 1
56

Achar

a) Q1, Q2, e Q3
b) D2, D5, e D7
c) C25, C50, e C75

2.3. Medidas de dispersão

Este tipo de medidas de estatística descritiva identificam o modo como os valores

observados se afastam das medidas de tendência central. E elas são:

[Escreva aqui]
 -Amplitude do intervalo de variação;

- Amplitude do intervalo interquartis;

- Desvio absoluto médio;

- Variância e desvio – padrão;

- Coeficiente de variação .

*/ Amplitude de intervalo de variação

É a diferença entre os valores máximo e mínimo da variável:

*/ Amplitude do intervalo interquartis

É a diferença entre o terceiro e o primeiro quartil e corresponde ao intervalo que

engloba 50% das observações centrais:

*/ Desvio absoluto médio

DM = , para dados não agrupados

O seu processo de cálculo divide-se em três partes:

1º Calcule o valor da média

2º Determinam-se as diferenças entre cada valor observado e a média.

3º Somam-se todas as diferenças e dividem-se pelo número total de observação.

DM = ou DM = , para dados agrupados

Variância (dados não agrupados)

É a soma do quadrado das diferenças entre os valores da variável e a média, dividida

pelo número de observações:

[Escreva aqui]
Variância (dados agrupados)

É a média aritmética do quadrado dos desvios dos valores da variável relativamente a sua
média.

Demonstração:

Desvio padrão

É a raiz quadrada positiva da variância

Coeficiente de variação:

É uma medida relactiva de dispersão, útil para a compreensão em termos relactivos do

grau de concentração em torno das médias, de distribuição de frequências distintas.

É dado pela relação entre o desvio padrão e a média da distribuição.

2.4. Medidas de concentração

É muitas vezes utilizada uma medida de concentração para medir a forma como
determinada característica de uma população se distribui pelos seus elementos.

Pode medir-se a concentração do rendimento familiar, da riqueza, das áreas de

exploração agrícola e dos salários. Mas a fenómenos como a idade ou a altura das pessoas
não é possível aplicar medidas de concentração.

A análise do grau de concentração de uma distribuição de frequências pode ser feita

graficamente através da Curva de Lorenz, ou através de um indicador numérico, o Índice de
Gini.

Fig 5. Curva de Lorenz

Área de concentração

Curva de Lorenz

Recta de igual distribuição

[Escreva aqui]
 Sendo dada uma característica e as respectivas frequências para cada intervalo ou
classe , obtem-se a Curva de Lorenz unindo num referencial cartesiano, as frequências
acumuladas para cada classe relactivamente ao total ( ) com as frequências

acumuladas do atributo em estudo, relactivamente ao total ( ). Se a concentração for

mínima o resultado será uma recta- recta de igual distribuição.

Diferentes tipos de curvas de Lorenz

Fig A Fig B Fig C

- O caso da figA é de fraca concentração: 50% dos indivíduos correspondem a quase 50% do
atributo em estudo;

- O caso da figB a concentração já é mais elevada: 50% dos indivíduos corresponde agora
25% do atributo em estudo;

- O caso da figC é de elevada concentração: 50% dos indivíduos detêm menos de 10% do
atributo.

Índice de Gini

Quanto maior a concentração, mais a curva traçada se afastará da recta de igual

distribuição e menos boa será a distribuição.

Seja e . Quanto maior for a diferença entre e maior

será a concentração.

Baseado nesta constatação, Gini propôs o seguinte índice:

onde: é o índice de Gini (0 )e é o número de classes.

Quanto maior for o (mais próximo de 1) pior será a distribuição;

[Escreva aqui]
Quanto menor for o (mais próximo de 0) melhor será a distribuição.

2.3. Números índices

Definição: um número índice é um quociente entre dois valores de uma mesma
variável, referentes a diferentes pontos no tempo ou no espaço e expresso em percentagem.

Os números índices que se referem a diferentes pontos no tempo são índices temporais.

Os números índices que se referem a diferentes pontos no espaço são índices regionais.

Matematicamente, um número índice para o período t, com base em 0 é dado por:

Onde:

- para índices temporais: e são valores da variável em estudo nos períodos t e 0

- para índices regionais: valor da variável em estudo para a região t

valor da variável considerada como base.

Os números índices foram especialmente concebidos para medir modificações

associadas a variáveis económicas e financeiras.

Definição: Numa forma mais simples, um número índice não é senão uma percentagem
(proporção relactiva) indicando a relação entre dois valores referentes a diferentes períodos
de tempo ou de regiões.

Exemplo:

Ano Preço

2003 6,00 100

2004 6,00 100

2005 6,50 108,3

[Escreva aqui]
 2006 7,00 116,7

2007 7,50 125

Verifica-se que de 2003 para 2004 não houve alteração no preço, mas já em 2006 os preços
aumentaram 16,7% em relação a 2003.

Tipos de números índices

Simples: quando descrevem as mudanças ocorridas numa variável apenas.

Exemplo: o preço de determinado produto têxtil.

Agregado ou composto: que utiliza os preços de algumas centenas de produtos, isto é,

permite a comparação simultânea de múltiplas variáveis, todas elas expressas na mesma
unidade de medida.

Uma outra classificação de números índices permite diferenciar entre:

Índices de preços: são calculados para medir variáveis relactivas de preços.

Índices de quantidade: obtêm-se multiplicando o preço pela quantidade.

Índices de valores: são valores obtidos pela comparação entre dois valores referentes a
diferentes pontos no tempo ou no espaço.

Propriedades dos números índices

Os índices simples verificam três propriedades importantes:

Transitividade: um índice para o período cuja base é o período (zero) pode ser
calculado através do produto de dois índices- o do período com base em e o do período
com base em (zero).

, com ( )

[Escreva aqui]
 Exemplo:

Reversividade: O índice para o período com base é igual ao inverso do mesmo

índice para o ano zero com base em .

Exemplo:

Encadeamento: qualquer índice para o período com base em pode ser decomposto
no produto dos índices para todos os períodos desde até , cada um deles tendo como base o
período imediatamente anterior.

Exemplo:

Índices agregados ou compostos

Índice de Laspeyres: um índice de Laspeyres utiliza os dados do ano base como

ponderações para o seu cálculo.

Índice de preços de Laspeyres para o período :

Índice de quantidades de Laspeyres para o período :

[Escreva aqui]
 Exemplo: Dado o quadro de matérias primas utilizadas na empresa X, avalia as
alterações de preços, calculando o índice de preços e de quantidades de Laspeyres

Matéria prima Ano 0 Ano 1 Ano 2

Preço Quantidade Preço Quantidade Preço Quantidade
A 20 15 25 12 31 11
B 15 20 18 21 20 26
C 10 40 12 42 11 55
D 5 50 5 45 6 50

Calculam-se as ponderações como se segue o quadro

Matéria
prima
A 300 375 465 240 220
B 300 360 400 315 390
C 400 480 440 420 550
D 250 250 300 255 250
1250 1465 1605 1200 1410

Divide-se o montante de cada ano pelo montante do ano base (1250) e multiplica-se por 100

Cálculo dos índices de preços

Ano 0:

Ano 1:

Ano 2:

Cálculo dos índices de quantidades

Ano 0:

Ano 1:

Ano 2:

[Escreva aqui]
 Índice de Paasches: é também um índice composto que utiliza como ponderações os
preços ou quantidades relactivas ao ano corrente.

Índice de preços de Paasches para o período

Índice de quantidades de Paasches para o período

Ex: Calcule o índice de preços e de quantidades de Paasches para o exemplo anterior

Matéria
prima
A 300 240 341 220 375 465
B 378 315 520 390 360 400
C 504 420 605 550 480 440
D 225 225 300 250 250 300
1407 1200 1766 1410 1465 1605

Índices de preços

Ano 1:

Ano 2:

Índices de quantidades

Ano 1:

Ano 2:

Índice de valores ( Não muito importante em economia)

Exemplo:

[Escreva aqui]
Ano 1:

Ano 2:

[Escreva aqui]
TEMA 3- ANÁLISE COMBINATÓRIA SIMPLES.

3.1. Conjuntos
Chama-se conjunto a qualquer lista ou colecção bem definida de objectos e será
indicado por letras maiúsculas A, B, X, Y,…, os objectos ou elementos do conjunto são
indicados por letras minúsculas a, b, x, y,…

A afirmação: le-se: é um elemento do conjunto A

le-se: não pertence ao conjunto A

Conjuntos finitos e infinitos

Os conjuntos podem ser:

Finitos: se o conjunto de seus elementos é finito

Exemplo:

Infinitos: se o conjunto de seus elementos é infinito

Exemplo:

Subconjuntos

Um conjunto A é um subconjunto de um conjunto B e indica-se por ou

se, e só se, cada elemento de A também pertence a B, isto é, . Caso contrário,
escreve-se ou .

Conjunto universo e conjunto vazio

Chama-se conjunto universo ( ) a um conjunto fixo em que todos os conjuntos em

estudo são considerados como subconjuntos dele.

[Escreva aqui]
 Exemplo: nos estudos sobre a população humana, o conjunto universo consiste em
todas as pessoas do mundo.

Chama-se conjunto vazio, ao conjunto que não contem nenhum elemento, denota-se
por { } ou .

Exemplo: A=conjunto de todas as pessoas do mundo que tem mais de 200 anos de
idade, logo, A=

Operações com conjuntos

Reunião: A reunião de dois conjuntos e , indicado por , é o conjunto de todos

os elementos que pertencem a A ou a B:

DIAGRAMA DE VENN ( está tracejado)

A B

Intersecção: A intersecção de dois conjuntos e , indicada por , é o conjunto

de todos os elementos que pertencem a A e a B:

Se , dizemos que A e B são disjuntos.

DIAGRAMA DE VENN ( está tracejado)

A
B

[Escreva aqui]
Complementar: o complementar de um conjunto A, indicado por , é o conjunto dos
elementos que não pertencem a A:

DIAGRAMA DE VENN ( está tracejado)

A B

DIAGRAMA DE VENN ( está tracejado)

A B

Exemplo: Sejam e , onde . Achar:

a) ; b) ; c) ; d)

Conjunto de partes de A

Chama-se conjunto de partes de A, indicado por ou , à classe de todos os

subconjuntos de A. em geral, se A é finito e tem n elementos, então, terá elementos.

Exemplo: se , então . São

elementos.

[Escreva aqui]
3.2. Métodos de contagem
- Princípio fundamental de contagem:

Seja um evento com possibilidades de acontecer

Seja um evento com possibilidades de acontecer

Então existem possibilidades de acontecer e simultaneamente.

Generalizando, para eventos:

Exemplo:

1) O João possui 4 camisas, 3 calças, 2 pares de meias e 2 pares de sapatos.

De quantas maneiras diferentes pode ele se vestir?

Resposta: Multiplica-se a quantidade de elementos de cada conjunto

maneiras diferentes dele se vestir.

2) Numa lanchonete há 8 tipos de sanduíches, 5 tipos de sucos e 6 tipos de

sorvetes. Quantas são as possíveis combinações de um lanche nessa lanchonete?

Resposta: maneiras de realizar um lanche.

- Produto cartesiano:

Definição: sejam A e B dois conjuntos. O produto cartesiano de A e B, indicado

por , consiste em todos os pares ordenados , onde e :

Definição

Exemplo: e , logo,

Exemplo e

logo,

[Escreva aqui]
Exemplo , e

logo,

-Diagrama de árvore

Quando o número de pontos do espaço amostral é relativamente pequeno, é possível a

sua contagem directa, utilizando o chamado diagrama de árvore (ou de decisão), que consiste
em representar graficamente todas as possíveis variantes de uma dada situação. Recebe esse
nome porque sua figura característica se assemelha a uma árvore, com suas ramificações
partindo de cada uma das possibilidades originais e intermediárias. Apesar de ser um
processo gráfico facilmente mecanizável, sua aplicação se restringe a eventos simples, uma
vez que a sua complexidade é directamente proporcional ao número de possibilidades de
ramificação.

Exemplo:

, e

A B C Resultados

x 1a y

a y 1ay

1 x 1bx

b y 1by

x 2ax

a y 2ay

2 x 2bx

b y 2by

logo,

[Escreva aqui]
-Tabela de dupla entrada

Exemplo: Lançam-se duas moedas A e B e

B C K
A
C (c,c) (c,k)
K (k,c) (k,k)
Logo, .

-Factorial de um número natural

Definição: o factorial de um número natural denotado por É igual ao produto de

todos os números naturais de até .

Simbolicamente:

Propriedades:

a) Se , então
b) Se , então
c) Se Se , então

Exemplos:
a)
b)
c)
d)
e)

f)

g) Achar , se

-Permutação:
Definição: considera-se um conjunto de elementos. Cada ordenação dos
elementos é chamada permutação.
Exemplo: Dado o conjunto , vamos formar todas as permutações:

[Escreva aqui]
 As permutações podem ser simples e com repetição.

-Permutação simples: são agrupamentos com todos os elementos distintos. O

número de permutações simples de elementos calcula-se por

Exemplo: Numa corrida de carros com 6 participantes, determine as possíveis

maneiras de classificação, supondo não haver empates

Resolução:

-Permutação com repetição: o número de permutações de objectos, sendo de

um tipo, de um segundo tipo, …, de um -ésimo tipo, calcula-se por

com

Exemplo: De quantas maneiras distintas pode ser preenchido um talão de loteria

desportiva com 3”coluna um”, 4”coluna do meio” e 7“coluna dois”?

Solução:

Anagrama: É uma (outra) palavra construída com as mesmas letras da palavra

original trocadas de posição.

Exemplo: Determina o número de anagramas (permutações) que podem ser feitos

com as letras da palavra:

a) Matemática
b) Beto
Resolução:
a) (total de letras), , , , ,
, , logo,

[Escreva aqui]
 b) e nenhuma letra está repetida, logo estamos perante uma
permutação simples:

-Arranjos: Um arranjo de elementos dispostos a ,( ) é uma escolha

de entre esses objectos na qual a ordem importa.

Arranjos simples:

onde: -número total de elementos

-número de elementos de cada arranjo

Número de arranjos de n elementos tomados a

Nota: nos arranjos,

Exemplo 1: achar e representar os arranjos das quatro letras a,b,c,d tomados 3 a 3.

Resolução:

Representação em diagrama de árvore:

Exemplo 2: em uma competição de 20 jogadores, quantas são as possibilidades de

se formar um pódio com os três primeiros lugares?

Resolução: queremos dispor 20 jogadores em 3 lugares, onde a ordem é importante, aqui,

J, M e A M, J e A. Portanto, estamos perante um caso de arranjos, logo:

Arranjos com repetição:

Exemplo: quantos números com dois dígitos podem formar com oito algarismos?

Resolução:

-combinações: uma combinação de elementos tomados a é uma escolha não

ordenada desses elementos.

[Escreva aqui]
 Nota: nas combinações,

Exemplo: achar e representar as combinações das quatro letras a, b, c, d tomados 3

a 3.

Resolução:

Logo temos: {a,b,c};{a,b,d};{a,c,d};{b,c,d}.

Exemplo: de quantas maneiras podemos formar uma comissão de 3 pessoas

escolhidas entre 20 pessoas?

Resolução:

Binómio de Newton

(Isaac Newton, Matemático e Físico Inglês, 1642-1727)

É um método para desenvolver a enésima potencia de um binómio.

Números (coeficientes) Binomiais

Definição: chama-se coeficiente binomial de ordem n e classe p, ao número

indicado por lê-se ‘n sobre p’. logo:

, com e

Exemplo:

Obs.: a) ; b) ; c)

Propriedades

[Escreva aqui]
Triângulo de Pascal

n /p 0 1 2 3 4 5 6 7 8
0

n /p 0 1 2 3 4 5 6 7 8
0
1
2
3
4
5
6
7
8

[Escreva aqui]
Fórmula do Binómio de Newton

Para e , temos:

Exemplo:

1)
2)

Termo geral do Binómio de Newton

O termo geral de é , com , e calcula-se por

Empregando o símbolo de somatório, a formula do Binómio de Newton pode ser escrita

da seguinte maneira:

Obs:

1) Os expoentes de decrescem de ate 0 e os expoentes de crescem de

ate .
2) Em cada termo, a soma dos expoentes de e é igual a .
3) A ordem de cada termo é uma unidade maior que o expoente de .
4) O desenvolvimento de tem .

Exemplo: No desenvolvimento de , determine:

a) O termo médio;
b) O termo independente;
c) O termo de grau 5;
d) O quarto termo.

[Escreva aqui]
TEMA 4-TEORIA DAS PROBABILIDADES
4.1- Definições introdutórias
Fenómenos aleatórios ou experimentos aleatórios: são fenómenos que mesmo
repetidos várias vezes sob condições semelhantes, apresentam resultados imprevisíveis.

Exemplo:

a) Nascimento de uma criança ainda não se pode prever o sexo.

b) Lançamento de uma moeda não se pode prever se o resultado será cara
ou coroa.
c) Lançamento de um dado não é possível prever o número que vai
aparecer.

Espaço amostral, espaço de prova ou conjunto universo: é o conjunto U de todos os

possíveis resultados de um certo experimento.

Exemplo:

a) No lançamento de uma moeda, temos

b) No lançamento de um dado, temos

número de elementos do conjunto .

Ponto amostral: é qualquer elemento do espaço amostral .

Exemplo: cara, num lançamento de moeda; ás, numa extração de carta.

Evento: é qualquer subconjunto do espaço amostral .

Exemplo: saída de número par no lançamento de um dado, .

Evento certo: é o próprio conjunto universo , ou seja, é o facto que ocorre sempre,
com certeza.

[Escreva aqui]
Exemplo: No lançamento de um dado fatalmente sairá a face .

Evento impossível: é aquele que não ocorre em qualquer realização do experimento,

isto é, o conjunto vazio.

Exemplo: seja o evento , saída de um número 7 no lançamento de um dado. Temos ,

logo, .

Evento soma: é a reunião de dois eventos.

Exemplo: obtenção de um número impar de um número par primo, no lançamento de um

dado. Sendo:

Evento produto: é a intersecção de dois eventos.

Exemplo: obtenção de um número impar múltiplo de 3, no lançamento de um dado.

Sendo:

Eventos mutuamente exclusivos ou disjuntos ou incompatíveis: são dois eventos que

nunca ocorrem simultaneamente.

Exemplo: no lançamento de um dado, considere os eventos:

: obtenção de um número impar

: obtenção de um número par primo

e são mutuamente exclusivos.

Eventos complementares ou contrários: são dois eventos e , tais que e

, ou seja, o complementar de um conjunto denotado por é dado por

Exemplo: no lançamento de um dado, os eventos: e são

complementares, pois, e .

Evento condicionado: é o evento que consiste na realização do evento sob a

condição de ter-se realizado já o evento , isto é, acontece se já aconteceu.

Eventos independentes: são aqueles que podem ocorrer ao mesmo tempo, acontece um
e acontece o outro simultaneamente, isto é, a ocorrência de um não depende da ocorrência do
outro.

[Escreva aqui]
4.2. Conceito de Probabilidades
Se num fenómeno aleatório, o numero de elementos do conjunto universo é eo
numero de elementos do evento é , então a probabilidade de ocorrer o evento éo

numero , tal que

Obs.: Esta definição é valida apenas no caso de um espaço equiprobabilistico, ou seja,

quando todos os elementos de tiverem a mesma probabilidade.

Exemplo: No lançamento de u dado, determinar a probabilidade de se obter:

a) O número 5:
b) Um número impar:
c) Um número inferior ou igual a 5;
d) Um número superior ou igual a 5

4.3. Probabilidade Condicionada

Se e são eventos de um espaço amostral , chama-se probabilidade condicionada
de em relação a , ou o que é o mesmo probabilidade de se realizar depois de se ter
realizado , indicada por , a seguinte relação:

Exemplo: sorteando-se ao acaso um número do conjunto , qual é a

probabilidade dele ser um múltiplo de 3, com a condição de ser ímpar?

Resolução: sejam os eventos

, saída de um número múltiplo de 3;

, saída de um número ímpar;

, saída de um número ímpar e múltiplo de 3;

Logo,

[Escreva aqui]
4.4. Propriedades sobre espaços finitos de probabilidades
Sejam , e eventos de , tem-se:

1. ;
2. ;
3. a) ;
b)

;
4. Se , e forem mutuamente exclusivos, ou seja, ,
e , temos:
a) ;
b) ;
5. =0
6.
7. Se e forem eventos independentes, temos:
, onde, e
Exemplo: sejam e dois eventos de um espaco amostral , tais que ,

e . Verifique se e são independentes?

(sugestão: prova-se se )

4.5- Teorema da probabilidade total

Sejam , ,…, eventos que formam uma partição de um espaço amostral e
seja um evento desse espaço. Então:

Ou

B BB

[Escreva aqui]
4.6. Teorema de Bayes
Sejam , , … , eventos que formam uma partição do espaço amostral e seja um
evento de . Sejam conhecidas e , então:

ou

Onde e

Exemplo 1: (probabilidade total)

Três maquinais A, B e C produzem respectivamente, 50%, 30% e 20% do número total de
peças de uma fábrica. As percentagens de produção defeituosas dessas máquinas são,
respectivamente, 3%, 4% e 5%. Se uma peça é seleccionada ao acaso, qual a probabilidade
dela ser defeituosa?

Exemplo 2: (Teorema de Bayes)

Numa certa faculdade, 4% dos homens e 1% das mulheres tem altura maior que 1,80m. Além
disso, 60% dos estudantes são mulheres. Se um estudante seleccionado ao acaso tem altura
maior que 1,80m, qual a probabilidade de que o estudante seja uma mulher?

TEMA 5: VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS.

5.1- Definições:
Uma variável aleatória X é uma função que associa um número real x a cada resultado
do espaço amostral U.

Se a variável aleatória X toma um numero finito de valores, diz-se que é discreta

Se a variável aleatória X toma qualquer valor de um intervalo , diz-se que é

contínua.

5.2. Distribuição de probabilidade discreta

5.2.1- Função de probabilidade:

[Escreva aqui]
É a função que dá a probabilidade associada a cada valor numérico que a variável assume.

e tem as seguintes propriedades:

a)

b)

5.2.2- Distribuição de probabilidade:

Chama-se distribuição de probabilidade da variável aleatória X , a tabela seguinte:

5.2.3- Função de distribuição ou função acumulada:

Seja X uma variável aleatória discreta com função de probabilidade f . A sua função de
distribuição acumulada F está definida para qualquer valor real x e é dada por:

Onde u toma todos os valores possíveis da variável aleatória X não superiores a x.

A função de distribuição é dada por:

Exemplo: considere a variável aleatória X que representa a soma das pintas das faces que
ficam voltadas para cima no lançamento de dois dados numerados de 1 a 4. Determine:

a) A distribuição de probabilidade;
b) A função de distribuição acumulada.
Resolução:

[Escreva aqui]
 5.2.4- Parâmetros das variáveis aleatórias discretas

[Link]- Média, Valor esperado, ou Esperança Matemática:

É a soma dos produtos da variável aleatória X pelas respectivas probabilidades. Representa-se

por ou , e calcula-se por:

[Link].2- Propriedades da média:

i. , se for constante;
ii. ;
iii. ;
iv. ;
v. ;
vi.

[Link]- Variância:

É o valor da média do quadrado do desvio.

Logo,

onde

[Link].1- Propriedades da variância

i. constante;
ii. ;
iii. , a, b-constante.

[Link]- Momento

Sendo X a variável aleatória, define-se momento de ordem k, como o somatório dos produtos
das potencias de x de ordem k, pelas respectivas probabilidades.

[Escreva aqui]
Exemplo: uma indústria alimentícia está participando de três licitações públicas, com lucros
possíveis de 30, 50 e 60 mil USD respectivamente. Se a probabilidade dessa indústria vencer
as licitações é de 0,3; 0,7 e 0,2 respectivamente, qual o valor esperado do lucro desta
empresa? (resp. 56mil USD)

5.3- Distribuição de probabilidade contínua.

5.3. Função densidade de probabilidade:

Seja X uma variável aleatória contínua. A função densidade de probabilidade de X é uma

função f tal que

, ,

E que tem as seguintes propriedades:

i) ,
ii)

a b

5.3.1- Função de distribuição acumulada:

Seja X uma variável aleatória contínua com função densidade de probabilidade. A sua
função de distribuição acumulada F está definida para qualquer valor real x e é dada por

[Escreva aqui]
 0
1 x
[Link]- Propriedades da função distribuição
i) É uma função contínua
ii)
iii)

5.3.2- Parâmetros das variáveis aleatórias contínuas

[Link]- Média, Valor esperado, ou Esperança Matemática:

A média da variável aleatória Xé a constante

[Link]- Variância:

A variância da variável aleatória X é a constante

[Link]- Momento simples:

O momento de ordem k da variável aleatória X é dada por

Exemplos:

Seja , determinar:

a) k ,de modo que seja f.d.p.

b) o gráfico de
c)
d)
e)
f)

[Escreva aqui]
 g)
h) O gráfico de

[Escreva aqui]