1

UFRPE 2012
Métodos Quantitativos
Matérias escolhidas e/ou resumidas da bibliografia
Programa
1. Introdução
2. Estatística descritiva (Distribuições de freqüências, medidas de tendência central e de
dispersão)
3. Inferência estatística (Teoria da probabilidade, esperança matemática, distribuições
teóricas (distribuição binomial, distribuição normal e distribuição t (STUDENT),
amostragem, teorema do limite central, intervalos de confiança, determinação do tamanho
da amostra, testes de hipóteses)
Bibliografia Estatística
ANDERSON, D. R., SWEENEY, D.J., WILLIAMS, T. A., Estatística aplicada à administração e
economia, São Paulo: Cengage Learning, 2009
BRUNI, ADRIANO LEAL, Estatística Aplicada à Gestão Empresarial, São Paulo: Atlas, 2008
FREUND, JOHN E., Estatística Aplicada, Porto Alegre: Bookman, 2006
HOEL, P.G., Introduction to mathematical statistics, New York-London, 1966.
HOFFMANN, R., Estatística para economistas, São Paulo, 1991.
LAPONI, J. C., Estatística usando Excel, Rio de Janeiro: Elsevier, 2005
LEE, PETER M., Bayesian Statistics – an introduction, London: Hodder Education, 2004
LEVINE, D.M., BERENSON, M.L., STEPHAN, D., Estatística: Teoria e Aplicações, Usando
Microsoft Excel em Aplicações, Rio de Janeiro: LTC, 2000
LINDGREN, B.W., Statistical theory, London: Macmillan, 1970.
MLODINOW, Leonard, O andar de bebado: como o acaso determina nossas vidas, Rio de Janeiro:
Zahar, 2011
MONTGOMERY, D. C., RUNGER, G. C., Estatística aplicada e probabilidade para engenheiros,
Rio de Janeiro: LTC, 2009
SAVAGE, LEONARD J., The foundations of statistics, New York: Dover Publications, 1972
SARTORIS, ALEXANDRE, Estatística e Introdução à econometria, São Paulo: Saraiva, 2003
WALPOLE, RONALD E., … [et al.], Probabilidade & Estatística para engenharia e ciências, São
Paulo; Pearson Prentice Hall, 2009
Outros
BÊRNI, DUILIO DE AVILA (Coord.): Técnicas de pesquisa em economia, São Paulo: Saraiva, 2002
HANSEN, GERD, Quantitative Wirtschaftsforschung, München: Vahlen, 1993
LOMBORG, BJØRN, The sceptical environmentalist – Measuring the real state of the world,
Cambridge/UK: Cambridge University Press, 2001
WINKER, PETER, Empirische Wirtschaftsforschung, Berlin et al.: Springer, 1997
Web-Sites
Banco Central do Brasil [Link]
IBGE [Link]
[Link]
IPEADATA [Link]
!!!!!! No texto são – as vezes - usadas citações sem referências explicitas !!!!!!
 2

Introdução
Segundo a [Link] (Statistik) a estatística é o conjunto de métodos para tratar
informações quantitativas (dados). A estatística fornece a possibilidade de ligar
sistematicamente a experiência (empiria) e a teoria. A estatística é conseqüentemente, por um
lado, o conjunto de métodos para coletar, apresentar, analisar e interpretar dados empíricos,
noutro lado, a estatística é uma área da matemática, a estocástica, baseando-se na teoria da
probabilidade.
Estatística e econometria são ferramentas importantes para coletar, descrever e organizar os
dados em tabelas, gráficos, distribuições de freqüências e medidas da tendência central e de
dispersão [estatística descritiva] e para analisar dados de uma amostra para fazer inferências
sobre características da população desconhecida, intervalos de confiança, testes de hipóteses,
análise de variância [estatística inferencial]. A econometria especifica relações entre variáveis
econômicas para estimar, testar relações entre elas e prever os valores das variáveis
endógenas usando variáveis exógenas. Todas estas ferramentas mostram uma importância
crescente para a pesquisa empírica na economia, na administração e em outras ciências.
A estatística analisa fenômenos aleatórios de massa em diferentes áreas de conhecimento,
entre outros nos agronegócios. A estatística não analisa casos isolados. Importante para a
visão empírica e estatística, especialmente nas ciências sociais, é a complexidade dos
sistemas a serem analisados, além da possibilidade de que as relações causa-efeito são não-
lineares. Conceitos filosóficos e científicos como o acaso, a aleatoriedade, a situação
estocástica (ou contingência) da realidade social são conceitos importantes para compreender
a complexidade do mundo. Conceitos como determinismo e indeterminismo, necessidade
(causalidade) e acaso (contingência), estratégias dedutivas e indutivas são inseridos no
processo cientifico. Na física e na biologia o acaso entra na teoria da física quântica e na teoria
da evolução de Darwin (Mutação aleatória dos genes e seleção natural). Provavelmente a
maioria dos fatos sociais é intrinsecamente estocástica, mas existe também a possibilidade de
que os efeitos estocásticos – em alguns casos - são somente conseqüência da falta de
conhecimento humano até agora. Obviamente, por estas razões, as hipóteses da ciência e da
estatística não são verdades eternas, mas hipóteses provisórias, que podem ser refutadas a
qualquer momento por novas pesquisas.
A estatística trabalha com dados (observações) empíricos, fornecendo também métodos para
levantar os dados (amostragem/censo), para descrever os dados e para fazer inferências com
base nos dados de uma amostra. A estatística ajuda na tomada de decisões em situações de
incerteza1. A estatística, neste sentido, pode ajudar as ciências descrevendo um conjunto de
dados empíricos (por exemplo, a produção nos últimos anos, quantidades, custos, preços,
lucros etc.), na explicação e previsão de certas variáveis importantes para os agronegócios (por
exemplo, o consumo de feijão) e na tomada de decisões em situações de incerteza (por
exemplo, na decisão sobre a eficiência de uma nova semente geneticamente modificada).
A Estatística ajuda a pesquisa cientifica em compreender a natureza quantitativa da realidade
através da coleta e análise de unidades estatísticas (os elementos de uma população ou de
uma amostra, por exemplo, pessoas, empresas, etc.) com o objetivo de analisar certas
características (por exemplo, renda, lucro etc.). Variáveis são características de um fenômeno
que se pode medir, controlar ou manipular como, por exemplo, a renda de uma pessoa ou a
quantidade de adubo usado na plantação de cana-de-açúcar. A estatística sempre trabalha
com um conjunto de dados quantitativos, não com casos isolados. A estatística ajuda outras
ciências como, por exemplo, a economia com análises quantitativas:
 Na descrição da realidade (por exemplo: descrição da distribuição da renda no Brasil em
1995; descrição da produtividade média da produção leiteira em uma amostra de empresas
rurais).

1
O conceito de incerteza é usado por KEYNES/KNIGHT para caracterizar uma situação em que o
tomador de decisão é isento de quaisquer informações (incerteza de KEYNES/KNIGHT, incerteza não -
probabilística), enquanto o conceito de risco é usado para descrever a incerteza probabilística (dados do
passado são, neste caso, usados para determinar uma distribuição de probabilidade e determinar o risco
como desvio padrão da distribuição). Aqui o conceito de incerteza é usado para caracterizar uma situação
em que existem certas conjecturas (subjetivas ou objetivas) sobre as probabilidades com que um evento
pode ocorrer (incerteza probabilística).
 3

 Na explicação da realidade (por exemplo, explicando mudanças do consumo de feijão com

mudanças do preço de feijão e da renda per capita do consumidor).
 Na previsão2 da realidade (por exemplo: previsão do PIB e do desemprego para o próximo
ano; previsão da produtividade de produção de milho usando certas quantidades de
insumos de adubo e inseticidas).
 Na tomada de decisões sob condições de incerteza (por exemplo: decisão sobre a eficiência
de um novo remédio na base de uma amostra, decisão sobre a eficiência de uma nova
semente geneticamente modificada).
Uma teoria cientifica simplifica a realidade e reduz a complexidade do mundo real. Uma teoria
cientifica é uma abstração da realidade (somente considerando as variáveis mais importantes
do problema), os dados empíricos da estatística são uma abstração ainda maior da realidade
(somente considerando as perspectivas quantitativas do problema). Os dados estatísticos não
são a realidade, a realidade é mais ampla e complexa, mas os dados estatísticos mostram a
parte quantitativa da realidade. A estatística ajuda na pesquisa das ciências empíricas para
compreender melhor os aspectos quantitativos da realidade. A estatística ajuda também na
administração pública ou privada para melhorar o processo de tomada de decisão para
fenômenos que podem ser descritos ou explicados quantitativamente. Teorias quantificadas
simplificam a realidade em seus aspectos mais relevantes para o problema focalizado e
reduzam desta forma a complexidade do mundo real. Uma teoria cientifica, bem como uma
estratégia empresarial, é uma abstração da realidade, os dados empíricos como base da
análise estatística descritiva e inferencial são uma abstração ainda maior da realidade mais
complexa. Os dados estatísticos não são a realidade, a realidade é mais ampla e complexa,
mas os dados quantitativos mostram a parte quantitativa da realidade. A estatística mostra
somente a sombra quantitativa da realidade.
A estatística descritiva descreve fenômenos da realidade quantitativamente, organizando os
dados empíricos brutos em tabelas e gráficos, concentrando os dados em distribuições de
freqüências, medidas de tendência central ou medidas de dispersão, ou outras medidas. Para a
corroboração de estratégias administrativas eficientes, bem como para a corroboração empírica
de teorias cientificas, os métodos da estatística podem, neste sentido, usar os dados empíricos
para analisar estratégias empresariais ou para analisar teorias cientificas. Dados primários são
dados levantados pelo próprio administrador ou cientista, dados secundários são dados
levantados por alguma instituição, como, por exemplo, o IBGE, que podem ser usados pelo
administrador ou cientista. Na estatística trabalha-se sempre com um conjunto de dados
empíricos, que foram levantados em unidades estatísticas de uma população. As unidades
estatísticas podem ser empresas rurais, trabalhadores, áreas plantadas, produtos etc. O
conjunto das unidades estatísticas da pesquisa é a população. Na estatística descritiva a
análise dos dados brutos é restringida a análise do conjunto de dados da população
pesquisada, sem intenção de fazer inferências para uma população maior.
Na estatística inferencial a pesquisa baseia-se numa amostra aleatória da população, um
subconjunto da população, onde cada unidade estatística da população tem uma probabilidade
conhecida de ser escolhida. A estatística inferencial usa técnicas da teoria de probabilidade e
da estatística matemática para fazer inferências (estimação, teste de hipóteses) sobre a

2
A previsão é difícil, especialmente sobre o futuro. Taleb, Nassem, A lógica do cisne negro, Rio de
Janeiro: BestSeller, 2008, p. 73 p. “Como podemos saber do futuro, dado o conhecimento que temos do
passado; ou de maneira mais geral, como podemos descobrir propriedades do desconhecido (infinito)
baseado no conhecido (finito).” Taleb usa o exemplo de galinha de Bertrand Russel, transformada em
peru. “Problema de Indução ou Problema de Conhecimento Indutivo .... – certamente o maior de todos os
problemas na vida. Como é logicamente possível irmos de instâncias específicas até alcançarmos
conclusões gerais? Como sabemos o que nos sabemos? Como sabemos que o que observamos a partir de
certos objetos e eventos é suficiente para que tenhamos a capacidade de descobrir suas outras
propriedades? Essas são as armadilhas embutidas em qualquer tipo de conhecimento adquirido por meio
da observação. Imagine um peru que é alimentado diariamente. Cada refeição servida reforçará a crença
do pássaro de que a regra geral da vida é ser alimentada diariamente por membros amigáveis da raça
humana que “zelam por seu melhor interesse”, como diria um político. Na tarde da quarta-feira que
antecede o Dia de Ação de Graças, algo inesperado acontecerá ao peru. Ele estará sujeito a uma revisão
de suas crenças.”
 4

população com base somente dos resultados da amostra (por exemplo, PNAD, pesquisas de
opinião etc.).
A estatística exploratória (Data-mining3) é uma forma intermediária da estatística descritiva e
inferencial, usando métodos descritivos e testes de hipóteses para procurar sistematicamente
certas correlações (ou diferenças) entre variáveis de um conjunto de dados. Por exemplo, na
pesquisa sobre as causas do câncer pode se calcular correlações entre certas variáveis que
caracterizam os pacientes com câncer em certa população para descobrir as causas do câncer
(por exemplo, fumante/Não fumante). [Na econometria esse processo é também chamado
garimpagem dos dados]

Algumas definições da estatística:

É um conjunto de unidades estatísticas sobre qual se quer fazer uma

População pesquisa (por exemplo: a população de Brasil, as empresas da indústria de
transformação, os trabalhadores de uma empresa, a área agrícola plantada
ou colhida). O censo é a escolha de todas as unidades estatísticas da
população.
Um subconjunto da população, onde cada unidade estatística da população
Amostra aleatória tem a igual probabilidade de ser escolhida para a amostra.
i = 1,2,.......n (N), os elementos da população, que se quer pesquisar,
Unidades estatísticas pessoas físicas, empresas, áreas colhidas, produtos, lançamentos de um
dado ou de uma moeda.
Características das unidades estatísticas a serem pesquisadas, como,
Variáveis idade, peso, renda, numero de filhos, sexo para pessoas físicas, receita,
lucro, numero de trabalhadores para empresas, etc.
As variáveis são diferentes na qualidade da informação mensurável que
Níveis de medida eles possibilitam. Obviamente existe em cada medição sempre a
possibilidade de um erro de medição. Mas as variáveis são diferentes
também na qualidade da informação, dependendo da classificação da
variável, se ela é nominal, ordinal, em escala intervalo ou em escala de
razão. Variáveis nominais somente proporcionam classificação qualitativa,
como sexo, color, cidade, país etc. Variáveis ordinais proporcionam a
medição de diferenças na forma maior ou menor. O status da classe média
é maior do que o da classe baixa, mas não se pode medir a diferença, como
se pode medir a diferença nas variáveis em escala intervalo (por exemplo,
temperatura) ou em escala razão (por exemplo, peso, altitude, tempo).

3
Mas existem sérios problemas com o data mining, como descreve KENNEDY, Peter, Manual da
econometria, Rio de Janeiro: Elsevier, 2009, p. 82 pp. “Usar técnicas que adotam especificações com base
nas buscas por valores altos de R2 ou t, como os praticantes da técnica REM normalmente são acusados
de fazer, é uma das duas variantes do “data mining”. Essa metodologia é descrita eloqüentemente por
Coase: “se você torturar os dados por tempo suficiente, a Natureza confessará”. ...O problema com essa
variante do data mining é que é quase garantido que produzirá uma especificação moldada as
peculiaridades desse conjunto de dados em particular ...
 5

Tabela 1: Estratégia da pesquisa estatística

Teoria econômica Fatos Teoria estatística
  
Modelo q=f(p) Dados Técnicas estatísticas e
a oferta de um bem é uma econométricas
função de preço
  
Modelo estatístico, Séries temporais ou um corte
econométrico no tempo (interseção/corte
qi = a + bpi + ui transversal) ou uma
combinação de dois (painel)

Estimação e teste do modelo estatístico ou econométrico

Analise estrutural, medindo, Projeção Avaliação de políticas
afirmando e testando as Usando o modelo estatístico Usando o modelo estimado
hipóteses ou relações para fazer inferências sobre para avaliar e decidir sobre
econômicas fatos novos diferentes alternativas de
ações

Estratégia da pesquisa para trabalhos quantitativos

 Descreve o problema claro e nítido

 Escolhe o modelo apropriado ou as hipóteses adequadas para resolver o problema
 Usa os dados apropriados
 Usa as técnicas da estatística descritiva ou inferencial adequadas para o problema e os
dados.
 6

Estatística descritiva, gráficos, tabelas, cálculos

Referencias bibliográficas
HOFFMANN, R., Estatística para economistas, p. 23-52
LEVINE, D.M., BERENSON, M.L., STEPHAN, D., Estatística: Teoria e Aplicações, p. 51 pp.

Na estatística descritiva os dados brutos (informações não-organizados) são organizados em

tabelas e gráficos, concentrados em distribuições de freqüências, medidas de tendência
central, medidas de dispersão e outras medidas. Os dados brutos podem ser descritos por
variáveis contínuas ou variáveis discretas. As variáveis discretas se caracterizam pelo fato de
só podem assumir um certo numero de diferentes valores dentro de um intervalo (por exemplo:
numero de filhos). Variáveis contínuas podem assumir um numero infinito de diferentes
valores dentro de um intervalo dos números reais (como peso e idade). Normalmente admite-
se que as variáveis econômicas medidas em unidades monetárias como renda, receita, custo,
lucro e preços, são contínuas, enquanto só podem ser medidas em centavos.

Existem também diferentes níveis de medida: Estes níveis de medida definem os métodos
estatísticos possíveis para trabalhar com os dados.

Tabela 2: Níveis de medida

Níveis de medida Declarações empíricas Exemplo

possíveis
Nominal Igualdade e desigualdade Sexo, marcas de automóveis,
países
Ordinal Igualdade e desigualdade Notas de escola
Ordem
Intervalo Igualdade e desigualdade Temperatura
Ordem
Igualdade de diferenças
Razão Igualdade e desigualdade Peso, idade, renda.
Ordem
Igualdade das diferenças
Igualdade das razões

1.2. Tipos de dados estatísticos

Existem diferentes tipos de dados estatísticos relativos ao seu relacionamento com o tempo.
De acordo com Pindyck/Rubinstein [2004, p. 3] “Dados que descrevem o movimento de uma
variável ao longo do tempo são chamados séries temporais, as quais podem ser diárias,
semanais, mensais, trimestrais ou anuais. Dados que descrevem as atividades de pessoas
individualmente, de firmas ou outras unidades em um dado ponto no tempo são chamados
dados em corte (dados cross-section). Dados em painel, que combinam séries temporais e em
corte, podem ser usados para estudar o comportamento de um grupo de empresas ao longo do
tempo.”

Para dados em séries temporais é importante diferenciar entre dados que descrevem os níveis
da série temporal, dados que descrevem as mudanças da série temporal (primeiras diferenças)
e dados que descrevem mudanças percentuais da série temporal (taxas de crescimento).
Enquanto estas diferenças são usadas de forma mais extensa na parte sobre
econometria/análise de séries temporais, aqui já será discutida a análise de séries temporais
com relação aos seus níveis e suas taxas de crescimento.

Para a análise de mercado de leite, são analisadas as séries temporais da produção de leite no
Brasil, no Nordeste e em Pernambuco, dentro de uma planilha de EXCEL. Na figura seguinte
encontra-se uma planilha estilizada de EXCEL com os dados para a produção de leite (em mil
 7

litros) no Brasil, no Nordeste e em Pernambuco, bem como os cálculos para as taxas de

crescimento anuais.

A taxa de crescimento anual de uma série temporal Y é dada pela formula

Na planilha de EXCEL é somente necessário entrar a formula =(b4/b3)-1 na célula E4 e apertar

ENTER, aparecendo o número de 0,041 ou 4,1%, a taxa de crescimento da produção de leite
no Brasil entre 1991 e 1990 foi de 4,1%. Para conseguir as taxas de crescimento para os
outros anos e para Brasil, Nordeste e Pernambuco é somente necessário, copiar a formula em
E4, selecionar a área E4:G16 e colar a formula, aparecem as taxas de crescimento para os
anos 1991 até 2003 e para o Brasil, o Nordeste e Pernambuco (a taxa de crescimento de 1991
refere se a mudança percentual entre 1991 e 1990 etc.).

É possível também calcular a taxa de crescimento entre 2003 e 1990 para o Brasil. A formula,
neste caso (ou mais geral para o caso de uma taxa de crescimento entre t e t´) é

No EXCEL entra-se a formula =(b16/b3)-1 numa célula e apertar ENTER, aparecendo o

resultado 0,536 ou a taxa de crescimento da produção leiteira no Brasil entre 2003 e 1990 é de
53,6%. Para ter a taxa de crescimento geométrica anualizada, é necessário tirar 13. raiz de
1+gY/2003-1990 (no EXCEL =((b16/b3)^(1/13))-1) e diminuir o resultado em 1 resultando em 0,034
ou 3,4%. A formula geral para ter a taxa de crescimento geométrica anualizada para um
período entre t´e t é

Dados brutos

Para exemplificar as partes mais importantes da estatística descritiva suponha-se uma

empresa agro-industrial de transformação do leite cru em leite pasteurizado, que quer levantar
 8

dados sobre seus fornecedores do leite cru, visando um programa de melhora da produtividade
e qualidade por parte dos fornecedores. Simplificando, a empresa tem n=20 fornecedores
(unidades estatísticas são os 20 produtores de leite cru), para cada produtor (i=1,2,.......n=20)
foram levantadas certas características importantes (variáveis) para a produtividade e
qualidade da produção. Estas características da produção de cada produtor rural podem ser
chamadas variáveis xi (i = 1,2, .....20). As variáveis levantadas são
1. x1i: Produtividade média da produção leiteira das vacas (litros de leite/vaca/ano)
2. x2i: Qualidade da leite fornecida (bom/regular/ruim)
3. x3i: Método da produção (ordenha manual, produção mecanizada)
4. x4i: Número de trabalhadores assalariados na produção leiteira da empresa rural

Tabela 3 : Pesquisa sobre Produtividade/Qualidade da Produção Leiteira

Empresa rural Produtividade Qualidade Método Trabalhadores Produtividade/cl.
1 1000 2 0 0 >900 até <=1200
2 1500 1 1 3 >1200 até <= 1500
3 1700 2 1 3 >1500 até <=1800
4 1800 1 1 3 >1500 até <=1800
5 900 3 0 0 >600 até <=900
6 1100 2 0 2 >900 até <=1200
7 1000 2 0 1 >900 até <=1200
8 800 2 0 0 >600 até <=900
9 900 2 0 1 >600 até <=900
10 2000 1 1 3 >1800 até <=2100
11 1800 1 1 2 >1500 até <=1800
12 1200 2 0 1 >900 até <=1200
13 1400 2 1 2 >1200 até <= 1500
14 1200 2 0 1 >900 até <=1200
15 1000 2 0 0 >900 até <=1200
16 1500 2 1 2 >1200 até <= 1500
17 1900 1 1 3 >1800 até <=2100
18 900 3 0 0 >600 até <=900
19 1700 1 1 2 >1500 até <=1800
20 1200 2 0 1 >900 até <=1200

Para a variável 3 (Método da produção), medida em nível nominal, são arbitrariamente

determinados os valores assumidos pela variável (ordenha manual=0, produção
mecanizada=1). A variável 2 (Qualidade do leite fornecido) é medida em nível ordinal, mas a
determinação dos valores assumidos pela variável (bom=1,regular=2,ruim=3) é também de
certa forma arbitrária, porque os valores somente representam a ordem dos níveis da
qualidade, enquanto as diferenças não podem ser interpretadas como diferenças autênticas do
nível de qualidade. A variável 4 (Número de trabalhadores) é uma variável discreta medida em
escala de razão. A variável 1 (Produtividade) é contínua (para certo intervalo são possíveis
todos os números reais), as outras variáveis são discretas (num certo intervalo são somente
possíveis certo número de diferentes valores). A variável contínua da produtividade aparece na
coluna 2 da tabela 3 e classificada na última coluna (usando 5 classes e a função de EXCEL
SE). Os resultados do levantamento fictício (dados brutos) são mostrados em tabela 3. Na
estatística descritiva a análise é restringida para esta população dos n=20 fornecedores da
empresa de transformação de leite, sem tentar fazer inferências sobre a industria de leite em
geral ou de uma outra população maior.

A maioria das pesquisas empíricas fornece dados brutos de quantidade tão extensa, que é
necessário organizar e concentrar os dados brutos para facilitar a descrição e analise dos
dados. Obviamente a concentração dos dados brutos leva a uma perda de informação, em
troca a pesquisa ganha foco da representação. Os instrumentos mais usados na estatística
descritiva para descrever e analisar os dados brutos são

 Distribuições de freqüências de uma variável organizados em tabelas ou gráficos,

 9

 Medidas de tendência central como média aritmética, mediana, modo, etc.,

 Medidas de dispersão como variância, desvio padrão, etc. e outras medidas,

 Distribuições, técnicas e medidas para relacionar duas e mais variáveis, como distribuições
de freqüências de duas ou mais variáveis, técnicas de regressão e correlação na estatística
descritiva, coeficientes de correlação e de contingência, etc.

Aqui são somente descritos os primeiros três instrumentos plenamente, do quarto instrumento
são somente descritas distribuições de freqüências de duas ou mais variáveis, as técnicas de
regressão e correlação são descritas na parte sobre métodos econométricos e de análise de
séries temporais. Os instrumentos são descritos com referência do exemplo da produção
leiteira, bem como de funções de EXCEL4.

Instrumentos de EXCEL para filtrar e classificar dados brutos, bem para calcular distribuições
de freqüências:

CLASSIFICAR no menu dados para ordenar os dados brutos;

FILTRAR no menu dados para filtrar os dados usando critérios;
RELATÓRIO DA TABELA DINÂMICA no menu dados retorna distribuições de freqüências
(para variáveis discretas ou variáveis contínuas categorizados, também cruzando duas ou mais
variáveis);
FREQÜÊNCIA5 função estatística retorna uma distribuição de freqüências absolutas para
variáveis quantitativas contínuas;
HISTOGRAMA no menu ferramentas submenu Análise de Dados6 função histograma, que
retorna a distribuição de freqüências absolutas, relativas e relativas acumuladas.
Sejam descritos aqui os instrumentos do EXCEL FILTRAR e CLASSIFICAR, os instrumentos
para calcular distribuições de freqüências são descritos no próximo capítulo. A agro-indústria
de leite pasteurizado quer levantar as empresas rurais fornecedoras com uma produtividade de
1.800 litros/vaca/ano e mais numa planilha de EXCEL da seguinte forma:
1. Seleciona a matriz de dados brutos (incluindo a linha com rótulos);
2. Em DADOS clique em FILTRAR – AUTOFILTRO e clique sobre a alça no rótulo
produtividade e em personalizar;
3. Selecione é igual ou maior a e insere 1800 e clique em OK, aparece a tabela para
estes critérios, copia é cola para um espaço vazio na planilha e desfaça o recurso
FILTRAR - AUTOFILTRO;
4. Selecione a matriz com cinco linhas e em DADOS clique em CLASSIFICAR,
por produtividade decrescente.
Tabela: Empresas rurais com produtividade de 1800 litros e mais
Empresa rural Produtividade Qualidade Método Trabalhadores Produtividade/cl.
10 2000 1 1 3 >1600 até <=2100
17 1900 1 1 3 >1600 até <=2100
4 1800 1 1 3 >1600 até <=2100
11 1800 1 1 2 >1600 até <=2100

Distribuições de freqüências de uma variável

Para concentrar as informações dos dados brutos de uma variável, os dados brutos são
organizados em categorias (ou grupos de classe) em forma de uma tabela resumida, chamada
distribuição de freqüências (absolutas, relativas e relativas acumuladas). Agrupar os dados
brutos em uma tabela de distribuição de freqüências torna a interpretação de dados mais clara
4
Usando EXCEL 2000, na maioria dos casos, as funções do EXCEL 97 e EXCEL 2007 são iguais ou
ligeiramente diferentes.
5
Como uma função usando matrizes, para ter resultados e apertar CTRL, SHIFT () e ENTER.
6
Se esta ferramenta não se encontra no menu ferramentas, é necessário adicionar a ferramenta no menu
suplementos (ferramentas)
 10

e condensada, mas perdem-se as informações pertinentes as observações individuais. A

construção da tabela de distribuição de freqüências necessita a determinação do número de
categorias, dos limites de cada categoria, bem como o intervalo de classe e a amplitude.
Existem regras heurísticas para a determinação das categorias, quanto maior o número de
grupos de classe, menor a perda de informação, mas, também, menor a facilidade de
interpretação, e vice versa.

Para uma variável discreta com poucos valores diferentes (como, por exemplo, a variável 3:
número de trabalhadores assalariados), estes valores podem ser diretamente usados para
construir uma tabela de distribuição de freqüências. O cálculo da distribuição de freqüências
absolutas é feito através da contagem das unidades estatísticas n j que entram em uma certa
classe. No EXCEL a função FREQÜÊNCIA e o recurso RELATÓRIO DA TABELA E GRÁFICO
DINÂMICOS retornam uma distribuição de freqüências para uma classificação dada. A
distribuição de freqüências relativas é calculada dividindo as freqüências absolutas das classes
pela soma das unidades estatísticas da população (n=20). A distribuição de freqüências
relativas acumuladas é calculada somando as freqüências relativas até o limite superior de uma
classe. A representação gráfica de uma distribuição de freqüências de uma variável discreta é
o gráfico de barras.

Tabela 4: Número de trabalhadores na empresa rural

Número de Freqüência absoluta Freqüência relativa Freqüência relativa
trabalhadores xj nj fj=nj/n acumulada
0 5 0,25 0,25
1 5 0,25 0,50
2 5 0,25 0,75
3 5 0,25 1,00
soma n=nj=20 nj/n=1,00

A representação gráfica de uma distribuição de freqüências relativas de uma variável discreta é

o gráfico de barras:

Para uma variável quantitativa contínua (como, por exemplo a produtividade litros de
leite/vaca/ano) a construção de uma tabela de distribuição de freqüências agrupa as
observações em categorias (grupos de classe), por exemplo, no caso limitado de n=20
observações em cinco categorias (>600 até <= 900; >900 até <=1200; >1200 até <=1500;
>1500 até <=1800; >1800 até <=2100), onde o estabelecimento dos limites de categorias (> até
<=) foi feito para evitar sobreposições (por exemplo a observação 1.200 cai na segunda
categoria). A construção da tabela de distribuição de freqüências da produtividade da produção
leiteira em tabela 5 mostra os limites de classe, a média de classe, as freqüências absolutas,
 11

as freqüências relativas, e as freqüências relativas acumuladas (que mostram as freqüências

relativas acumuladas para um valor menor do que o limite superior da classe).

Tabela 5: Produtividade da produção leiteira (litros de leite/vaca/ano)

Limites da classe Média da Freqüências Freqüências Freqüências
litros de classe xj* absolutas nj relativas nj/n relativas
leite/vaca/ano acumuladas
>600 até <=900 750 4 0,20 0,20
>900 até <=1200 1.050 7 0,35 0,55
>1200 até <= 1500 1.350 3 0,15 0,70
>1500 até <=1800 1.650 4 0,20 0,90
>1800 até <=2100 1.950 2 0,10 1,00
Total 20 1,00

A distribuição de freqüências relativas é análoga da função de densidade no caso de uma

variável continua e análoga da função da probabilidade de uma variável discreta na estatística
inferencial.

A representação gráfica da tabela de freqüências relativas encontra-se no gráfico, chamado

histograma. O histograma, bem como a distribuição de freqüências relativas, mostra que a
produtividade da produção leiteira havia sua máxima na classe de mais de 900 até 1200
litros/vaca/ano (0,35), as freqüências relativas diminuindo nas classes mais altas.

Para calcular uma distribuição de freqüências absolutas pode ser usado a função
FREQÜÊNCIA no EXCEL, ou o recurso RELATÓRIO DA TABELA E GRÁFICO DINÂMICOS, o
último recurso para uma variável contínua como a produtividade somente depois de classificar
a variável usando a função SE. Para a variável produtividade é explicado o uso da função
FREQÜÊNCIA, bem como do recurso RELATÓRIO DA TABELA E GRÁFICO DINÂMICOS.

Usando a função FREQÜÊNCIA (retorna um vetor de freqüências absolutas)

Os dados (matriz_dados) encontram-se numa planilha de EXCEL (Estatística 2010) em

intervalo C4:C23, os limites superiores de classes dos intervalos encontram-se no intervalo
I11:I15 (matriz_bin).

1. Seleciona o intervalo I11:I16 (uma célula mais do que na matriz_bin, para absorver os
valores que são maiores do que o último limite superior de classe);
 12

2. Insere neste intervalo a formula matricial =FREQÜÊNCIA(C4:C23; I11:I16)

3. Aperta simultaneamente CTRL, SHIFT () e ENTER (formula matricial);

4. Aparecem as freqüências absolutas no intervalo J11:J16 para os intervalos da

matriz_bin, o total é a soma das freqüências absolutas =SOMA(J11:J16);
Intervalos Freq. Abs. Freq. Rel. rel. acum.
>600 até <=900 4 0,20 0,20
>900 até <=1200 7 0,35 0,55
>1200 até <= 1500 3 0,15 0,70
>1500 até <=1800 4 0,20 0,90
>1800 até <=2100 2 0,10 1,00
Total 20 1,00

5. Calcula as freqüências relativas, introduzindo as formulas =J11/$J$17 etc. como

mostra a figura a seguir. O símbolo $ fixa a coluna/linha se aparece antes da
coluna/linha, neste caso fixa o valor do total em J17 ($J$17).

Usando o recurso RELATÓRIO DA TABELA E GRÁFICO DINÂMICOS

Para variáveis discretas o recurso pode ser usado diretamente, se o número dos diferentes
valores da variável não é muito grande. Para uma variável contínua, como a produtividade, é
necessário classificar os valores antes. No EXCEL é possível fazer uma classificação da
variável (produtividade) através da função (lógica) SE, por exemplo, no caso descrito na tabela
1 de 5 classes
=SE(C4>1800;"Cl. 5 >1800 até <=2100";SE(C4>1500;"Cl. 4 >1500 até
<=1800";SE(C4>1200;">Cl. 3 1200 até <= 1500";SE(C4>900;"Cl. 2 >900 até
<=1200";SE(C4>600;">Cl. 1 600 até <=900")))))
onde c4, neste caso, é a célula onde encontra-se o primeiro valor da variável contínua
produtividade, a formula é copiada também para os outros valores da variável produtividade e
possibilita a classificação dos dados em cinco categorias, como pode ser visto na última coluna
da tabela 3. Com esta variável classificada é possível calcular uma tabela de freqüências
absolutas no EXCEL com o recurso TABELA DINÂMINCA.
1. Clique em Relatório da tabela e gráfico dinâmicos no menu DADOS e seleciona a
matriz dos dados (incluindo a linha de rótulos);
2. Avançar até etapa 3 e seleciona LAYOUT;
3. Tira a variável produtividade/cl. para LINHA e empresa rural para DADOS (clique duas
vezes sobre ela e escolha CONTAR VALORES)e clique em OK, aparece numa nova
planilha a tabela com as freqüências absolutas, que podem ser usadas para construir
uma tabela com freqüências absolutas, relativas e relativas acumuladas. O resultado
do uso do recurso encontra-se na próxima figura:
 13

Para descrever a distribuição de freqüências relativas e os dados brutos de forma mais

concisa, é necessária a descrição por medidas de tendência central, bem como de medidas de
dispersão, que mostram características centrais dos dados. Para avaliar a relação da
produtividade da produção leiteira com outras variáveis, como a qualidade e o método de
produção, podem se construir tabelas cruzadas (tabelas de contingência).
 14

Medidas de tendência central

As medidas de tendência central caracterizam um conjunto de dados brutos em um único

número focalizando o ponto central da distribuição de freqüências. Junto com as medidas de
dispersão eles podem caracterizar os dados brutos de forma concisa em poucos números
focalizando a tendência central e a variabilidade dos dados brutos. Mas, obviamente,
concentrando a informação sobre os dados brutos e a distribuição de freqüências em poucos
números, ganha-se claridade, mas perde-se informação das observações individuais. As
medidas de tendência central mais importantes são:

Média Aritmética (ou simplesmente Média)/média ponderada

Mediana
Moda
Média geométrica
Média harmônica.

Média aritmética
A média aritmética (ou somente média) é calculada somando todos os valores x i das
observações de uma população e dividindo a soma pelo número de unidades estatísticas n
(n=20 no exemplo da tabela 3).

1 n 1
Definição: x   x i  x1  x 2 ............ x n 
n i 1 n

Pode-se escrever x também como os valores individuais são ponderados com as

próprias freqüências relativas, este conceito é análogo o conceito da esperança matemática de
uma variável aleatória X na estatística inferencial E(X)=xipi (pi probabilidades).

1
Exemplo: x1=1, x2=4, x3=4; x  1  4  4  3
3
Para o exemplo das empresas rurais na tabela 3, a média para a produtividade das empresas
rurais é calculada como 1.325 litros/vaca/ano, somando todos os valores da produtividade e
dividindo a soma por 20:

Usando a função média no EXCEL pode-se calcular a mesma média com a função
=MÉDIA(C4:C23), onde o vetor C4:C23 representa os n = 20 valores da produtividade na
população.

Quando os dados são classificados em uma distribuição de freqüências relativas, pode-se usar
no caso discreto

Para o exemplo da distribuição de freqüências de número de trabalhadores nas empresas

rurais em tabela 4 a média é

x = 0*0,25 + 1*0,25 + 2*0,25 + 3*0,25 = 1,5

Dizendo, que as empresas rurais empregam uma média de 1,5 trabalhadores (a média pode
ser um número que na realidade não existe).
 15

No caso de uma variável continua como a produtividade de produção leiteira pode-se usar a
média dos dados brutos

x = 1/20(1000 + 1500 + ..........................+ 1200) = 1.325

quer dizer a produtividade média da produção leiteira é 1.325 litros/vaca/ano. Quando existem
somente dados classificados numa distribuição de freqüências relativas como na tabela 5,
pode-se usar como aproximação desta média a ponderação das médias de classe x k* com as
freqüências relativas da classe:

x  xk*fk é só uma aproximação, onde xk* são as médias de classe e fk as correspondentes

freqüências relativas nk/n.

Para o exemplo

x  (7500,20 + 10500,35 + 13500,15 + 16500,20 + 19500,10) = 1.245.

A produtividade média, neste caso, é de 1.245 litros/vaca/ano e diferente da média dos dados
brutos de 1.325 litros/vaca/ano, porque com a classificação perde se informação contida nos
dados brutos.

Média ponderada: : onde pi são os pesos. Por exemplo, para construir

um índice de preços podem-se ponderar os preços de diferentes mercadorias com seus pesos
relativos em uma cesta básica, refletindo a participação dos gastos com as mercadorias nos
gastos totais (índice de preços).

O cálculo da média como medida da tendência central de um conjunto de dados faz sentido
cientifico somente quando os dados não apresentam valores extremos discrepantes (outliers).
Por exemplo, em uma comunidade rural existem 9 pequenos produtores rurais, cada um com
uma renda de 1 salário mínimo, e um fazendeiro com uma renda de 1.000 salários mínimos. A
renda média para a comunidade rural é de 100,9 salários mínimos, o que representa de forma
inadequada a situação na comunidade. Problemático pode ser também o cálculo da média
quando a distribuição de freqüências da população é multi-modal. Por exemplo, em uma
empresa rural com 10 mulheres e 10 homens, onde os homens ganham 5 salários mínimos e
as mulheres 1 salário mínimo, o salário médio é de 3 salários mínimos, o que representa de
forma inadequada a situação. Estes exemplos mostram o fato de que concentrando os dados
em um número com a média, pode conduzir a uma perda de informação significativa.

Características da média:

1. Todas as observações são representadas com seus valores quantitativos no cálculo da

média.

2.

3.

A mediana D

A mediana D de um conjunto de dados, ordenados em ordem crescente, é o valor médio (caso

de n impar) ou a média aritmética dos dois valores centrais (caso de n par): 50% dos valores
são iguais ou inferiores a mediana D e 50% dos valores são iguais ou superiores a mediana D.
 16

Exemplo: dados 3,4,4,5, D=6,8,8,8,10 n=9

3,4,4,5, 6,7,8,8,8,10 n=10 D =(6+7)/2 =6,5.

A mediana pode também ser calculada quando os dados são classificados numa distribuição
de freqüências como no exemplo da produtividade da produção leiteira para as empresas
rurais. Neste caso pode-se obter a mediana ou o ponto de 50% como

 0,50  F( L h ) 
D  Lh    L h1  L h 
 fh 

onde se supõe que a classe mediana (a classe onde a freqüência relativa acumulada chega a
0,50) seja a classe h. D indica a mediana, L h é o limite inferior da classe mediana, L h+1 o limite
superior da classe mediana, F(Lh) a freqüência relativa acumulada até o limite inferior da classe
mediana, fh a freqüência relativa da classe mediana. Para o exemplo D é

D = 900 + [(0,5 - 0,20)/0,35](1.200-900) = 1.157,4.

A produtividade mediana é de 1.157,4 litros, vaca/ano, diferente da mediana, calculada para os

valores brutos (1.200), porque perde –se informação com a classificação dos dados.

O valor da mediana pode ser calculado no EXCEL através da função MED como
=MED(C4:C23) [1.200], onde o vetor coluna dos valores da produtividade é C4:C23.

A moda

A moda M de um conjunto de dados é o valor que ocorre com maior freqüência, isto é, é o valor
mais comun.

O conjunto de dados A = {2,3,4,5,6,7,10} não tem moda.

O conjunto de dados B = {1,2,2,3,4} tem uma única moda M=2.

O conjunto de dados C = {1,1,2,3,4,4} tem duas modas, que são M1=1 e M2=4.

A moda pode também ser calculada para dados classificados em distribuições de freqüências
relativas. Para o exemplo de empresas rurais a moda da distribuição de produtividade de
produção leiteira é a média da classe com a maior freqüência relativa, a moda da produtividade
para os dados classificados é de 1.050 litros/vaca/ano (enquanto a moda para os dados brutos
é de 1.000 litros/vaca/anos).

A moda para os dados brutos da produtividade é de 1.000 litros/vaca/ano, enquanto para os

dados classificados como em tabela 5 é de 1.050 litros/vaca/ano, a média de classe com a
freqüência relativa mais alta (0,35). No EXCEL a moda pode ser calculada pela função MODO
=MODO(C4:C23) [1.000], onde o vetor coluna dos valores da produtividade é C4:C23.

Simetria e assimetria da distribuição de freqüências

A posição relativa da média, da mediana e da moda descreve a simetria ou assimetria de uma

distribuição de freqüências:

x = D = M Simetria da distribuição

M < D < x Assimetria da distribuição a direita

x < D < M Assimetria da distribuição a esquerda.

 17

Normalmente as distribuições de renda são assimétricas a direita (muito inclinadas a esquerda)

porque existem muitos pessoas com uma renda baixa e somente poucas pessoas com uma
renda alta.

Média geométrica

para n valores positivos (x1,x2, xn). G  n x 1 x 2 x n  n

x i

O logaritmo da média geométrica é igual a média aritmética dos logaritmos dos valores
1
observados log G 
n
 log x i
Exemplo: diferentes taxas de crescimento de preços, é um modelo multiplicativo, porque os
preços de t+1 aumentam 1+i vezes sobre os preços de t e assim adiante, por exemplo: t=1: 1+i
= 1,1 (10%), t=2:1,8 (80%), t=2:1,9 (90%).

G = 3
1,11,81,9  1,56 a taxa média de aumento dos preços é 56%.

lnG= 1/3(ln1,1 +ln1,8 + ln1,9) = 1/3(0,0953 + 0,588 + 0,641) = 0,442

G = eln G = 1,56.

Média harmônica

A média harmônica H de n valores xi diferentes de zero, é o reciproco da média aritmética dos

recíprocos dos valores, isto é

1
1
H  
n  x 
i
1 



n
1
x
i

Exemplo: Tirar a média de velocidades de dois distancias iguais (ou mais):

A  B com 50 km/h B  A 100 km/h, tirar a média aritmética de 75 km/h é

errado, porque a velocidade média é

v=s/t t=s/v t1=s/v1 t2=s/v2 vmédia = (s + s)/(t1 + t2)

2s 2 2 200
v media    66,6km / h
s

s 1

1  1

1 3
v1 v2 v1 v2 50 100

Se existem diferentes distancias, é necessário usar a média harmônica ponderada.

Funções de EXCEL para calcular medidas de tendência central

ESTATÍSTICA DESCRITIVA no submenu Análise de Dados no menu Ferramentas calcula

muitas medidas descritivas para uma tabela de variáveis

FUNÇÕES ESTATÍSTICAS:
MED retorna a mediana
MÉDIA retorna a média
MÉDIA GEOMÉTRICA retorna a média geométrica
MÉDIA HARMÔNICA retorna a média harmônica
MODO retorna a moda
 18

Medidas de dispersão

As medidas de tendência central são úteis para identificar um valor “típico” em um grupo de
valores. As medidas de dispersão descrevem a dispersão dos valores dentro de um conjunto
de dados. São a amplitude, o desvio médio (absoluto), a variância e o desvio padrão.

A amplitude é a diferença entre o valor maior e o valor menor xmax - xmin.

Desde (xi - x) = 0, esta medida não pode ser usada como uma medida de dispersão dos
dados.

1
O desvio médio (absoluto)
n
 | x i  x|
O desvio médio pode ser usado também como medida de dispersão, mas é matematicamente
mais difícil de manipular por causa do símbolo absoluto, por esta razão usam-se mais a
variância e o desvio padrão.

Variância e desvio padrão

A variância de um conjunto de dados e definida como

1
 x i  x
2
s2  ou para dados classificados
n

O desvio padrão é a raiz quadrada da variância

1
 x i  x
2
s  ou para dados classificados
n

A variância e o desvio padrão medem a dispersão média em torno da média aritmética.

É possível calcular a variância e o desvio padrão também com a formula

1 2
s2 
n
 xi  x2 porque

 x  x  x  x  2 x x i  nx 2
2 2
i  i  2x i x  x 2  2
i

 x 2
i  2 nx 2  nx 2  x 2
i  nx 2

Exemplo: x1 = 3; x2 = 4; x3 = 5; x4 = 6; x5 = 7; x = 5.
 19

s  s2  2  1,414

Na estatística inferencial a variância corrigida (amostral) (no programa EXCEL VAR = variância
de amostra) é usada

1
s2c   x i  x2
n 1

em vez da variância (no programa EXCEL VARP= variância da população)

1
s2   x i  x2 porque sc2 é um estimador não tendencioso (não viesado) da variância da
n
população , como explicado na estatística inferencial. Igualmente usa-se para o desvio
padrão o desvio padrão da amostra s c (EXCEL DESVPAD) em vez do desvio padrão da
população s (EXCEL DESVPADP).

Coeficiente de variação

O coeficiente de Variação V mostra a magnitude relativa do desvio padrão em relação a média

aritmética. Comparando, por exemplo, os desvios padrões dos pesos de vacas e galinhas, a
variabilidade dos pesos das vacas, medida pelo desvio padrão, deve ser muito maior do que a
das galinhas, mas o coeficiente de variação, como medida da variabilidade relativa, pode muito
bem ser comparável para avaliar a variabilidade dos pesos das vacas e galinhas. .

Funções de EXCEL 97 para calcular medidas de dispersão

ESTATÍSTICA DESCRITIVA no submenu Análise de Dados no menu Ferramentas calcula

automaticamente muitas medidas descritivas para uma tabela de variáveis

FUNÇÕES ESTATÍSTICAS:
DESVMÉDIO retorna o desvio médio
DESVPAD retorna o desvio padrão da amostra (n-1)
DESVPADP retorna o desvio padrão da população (n)
VAR retorna a variância da amostra (n-1)
VARP retorna a variância da população (n)
 20

A ferramenta ESTATÍSTICA DESCRITIVA no EXCEL

No EXCEL a ferramenta ESTATÍSTICA DESCRITIVA [no menu FERRAMENTAS e no

submenu ANÁLISE DE DADOS] calcula facilmente algumas medidas estatísticas para um
conjunto de dados numa matriz dentro de uma planilha de EXCEL. A seguinte tabela mostra de
forma comprimida os resultados para os dados da tabela 3 da produtividade da produção
leiteira.

Tabela 6 : Resultados ESTATÍSTICA DESCRITIVA/ANÁLISE DE DADOS

Produtividade Qualidade Método Trabalhadores
Média 1325,00 1,80 0,45 1,50
Erro padrão 86,11 0,14 0,11 0,26
Mediana 1200 2 0 1,5
Modo 1000 2 0 0
Desvio padrão 385,08 0,62 0,51 1,15
Variância da amostra 148289,47 0,38 0,26 1,32
Curtose -1,34 -0,21 -2,18 -1,40
Assimetria 0,34 0,12 0,22 0,00
Intervalo 1200 2 1 3
Mínimo 800 1 0 0
Máximo 2000 3 1 3
Soma 26500 36 9 30
Contagem 20 20 20 20
Desvio padrão e Variância calculada pelas funções:
DESVPAD 385,08 0,62 0,51 1,15
DESVPADP 375,33 0,60 0,50 1,12
VAR 148289,47 0,38 0,26 1,32
VARP 140875,00 0,36 0,25 1,25

A tabela mostra medidas da estatística descritiva para os valores da tabela 3. A média da

produtividade é 1.325 litros/vaca/ano. A medida erro padrão da média vai ser explicado na
parte da estatística inferencial. A mediana é 1.200 litros/vaca/anos, enquanto a moda (modo) é
1.000 litros/vaca/ano. A posição relativa da média, da mediana e da moda mostra que M < D
<x, uma assimetria à direita da distribuição de freqüências [como também a medida de
assimetria]. Interessantemente o EXCEL usa os valores corrigidos (da amostra, a soma dos
quadrados dividida por n-1) para desvio padrão (385,08) e variância (148289,47), enquanto
normalmente são usados os valores para a população (a soma dos quadrados dividida por n)
DESVPADP e VARP. A curtose (=CURT) caracteriza uma distribuição em cume ou plana se
comparada à distribuição normal. A curtose positiva indica uma distribuição relativamente em
cume. A curtose negativa indica uma distribuição relativamente plana. O valor da assimetria
(=DISTORÇÃO) caracteriza o grau de assimetria de uma distribuição em torno de sua média.
Um valor da assimetria positivo indica uma distribuição com uma ponta assimétrica que se
estende em direção a valores mais positivos. Um valor da assimetria negativo indica uma
distribuição com uma ponta assimétrica que se estende em direção a valores mais negativos
(esquerda da distribuição).
 21

Tabelas de classificações cruzadas (tabelas de contingência)

Obviamente os resultados da pesquisa empírica sobre produtividade e qualidade de produção

do leite cru podem detectar pelo cruzamento de variáveis (por exemplo produtividade e método
de produção) relações entre variáveis (por exemplo a produção mecanizada relaciona-se com
uma produtividade maior) e abrir espaços para o planejamento de melhorias na produtividade e
qualidade da produção nas empresas pesquisadas. Os resultados podem também abrir espaço
para pesquisas empíricas mais profundas para analisar e avaliar a flexibilidade e
competitividade da produção de leite cru, bem como diferentes estruturas de custos.

O cruzamento de duas (ou mais) variáveis, como, por exemplo, produtividade (variável
contínua) e método de produção (variável discreta), abre a possibilidade de pesquisar relações
entre as variáveis. Com o recurso RELATÓRIO DE TABELA E GRÁFICO DINÂMICOS (no
menu DADOS) no EXCEL é possível construir tabelas de contingência pelo cruzamento de
variáveis discretas. É necessário fazer uma classificação de variáveis contínuas para diminuir
as classes possíveis para a tabela de contingência. No EXCEL é possível fazer uma
classificação da variável (produtividade) através da função (lógica) SE, como já descrito acima.

Com esta variável contínua classificada é possível fazer uma tabela de contingência para as
variáveis: produtividade e método de produção com o recurso RELATÓRIO DE TABELA E
GRÁFICO DINÂMICOS no EXCEL (o resultado é uma tabela de contingência de freqüências
absolutas, que foi transformada em uma tabela 7 de contingência para freqüências relativas).

No assistente de RELATÓRIO DE TABELA E GRÁFICO DINÂMICOS arrasta a variável

produtividade/cl. para LINHA, a variável Método para COLUNA, a variável empresa rural para
dados (aparece soma da empresa rural, clicando duas vezes sobre ela aparecem outras
opções, escolha Contar Valores), OK e concluir, aparece uma matriz de freqüências absolutas,
que pode ser transformada em uma matriz de freqüências relativas, como mostra tabela 7.
Tabela 7: Tabela de contingência Produtividade/Método
Método de Produção
Produtividade classificada 0 1 Total
>600 até <=900 0,20 0,00 0,20
>900 até <=1200 0,35 0,00 0,35
>1200 até <= 1500 0,00 0,15 0,15
>1500 até <=1800 0,00 0,20 0,20
>1800 até <=2100 0,00 0,10 0,10
Total 0,55 0,45 1,00

A tabela de contingência mostra que o método de produção mecanizada é positivamente

relacionado com uma produtividade mais elevada. A tabela de 5 linhas e 2 colunas no interior
mostra a distribuição conjunta das variáveis produtividade e método (por exemplo, 20% das
empresas mostram uma produtividade com mais de 600 litros/vaca/ano até 900 litros/vaca/ano
e o método de ordenha manual, enquanto 0% das empresas mostram esta classe de
produtividade e método mecanizado). A última coluna mostra a distribuição marginal da
variável produtividade, enquanto a última linha mostra a distribuição marginal da variável
método de produção. Para avaliar a relação entre variáveis existe a estatística do coeficiente
de contingência, bem como, para variáveis quantitativas, o coeficiente da correlação, que é
descrito na parte sobre métodos de econometria.
 22

4. Inferência estatística (distribuições teóricas, esperança matemática, intervalos de

confiança, testes de hipótese etc.)
Referencias bibliográficas
GUJARATI, DAMODAR N., Econometria básica, p. 761 pp.
HOFFMANN, R., Estatística para economistas, p.9 pp.
LEVINE, D.M., BERENSON, M.L., STEPHAN, D., Estatística: Teoria e Aplicações, p. 167 pp.
Arquivo EXCEL Estatística 2010

Estatística inferencial

A estatística inferencial usa os resultados de uma amostra aleatória para fazer inferências
sobre uma população desconhecida. Por exemplo, uma pesquisa sobre produtividade e
qualidade da produção leiteira no Brasil com o objetivo de fornecer estratégias para melhorar a
competitividade das empresas agro-industriais na cadeia produtiva de leite pode-se basear
numa amostra aleatória de empresas produtoras de leite cru no Brasil. Com base nos dados
desta amostra procura-se analisar características da produção leiteira no Brasil.
O objetivo da estatística inferencial não é apenas descrever características de um conjunto de
dados, como na estatística descritiva, mas usar os dados de uma amostra, um subconjunto da
população, para fazer inferências sobre as características desconhecidas da população
somente com base nos dados da amostra. Por exemplo, sobre a forma da distribuição teórica
da produtividade das empresas produtoras de leite, a média da produtividade na população, a
variância da produtividade na população, etc.
Uma ferramenta teórica importante para esta inferência sobre características da população com
base nos dados de uma amostra é a teoria da probabilidade, os conceitos da variável aleatória
e da função de probabilidade/função de densidade, bem como o conceito da esperança
matemática. Estes conceitos são descritos aqui somente de forma concentrada, conseguindo
com isto uma base para descrever os problemas mais importantes da estatística inferencial de
forma mais ampla, os problemas da estimação e de testes de hipóteses, importantes para a
aplicação prática nos problemas quantitativos nos agronegócios.
Probabilidade
A teoria da probabilidade é uma das ferramentas fundamentais da estatística inferencial. A
teoria da probabilidade nasceu com a análise de jogos de azar, como jogos de dados, cartas e
roleta. Neste sentido, a teoria de probabilidade considera os resultados de um experimento de
chance, por exemplo, o resultado (evento) de um lançamento de um dado. A probabilidade é a
chance ou a possibilidade que um certo evento vai ocorrer. Não é possível prever, que número
vai ocorrer no próximo lançamento do dado, mas é possível inferir, supondo que o dado é
regular, que ao longo prazo o resultado (ou evento) “1” vai ocorrer com a probabilidade 1/6, se
o dado é regular. Um experimento de chance é um experimento real ou suposto que pode ser
repetido sob condições iguais, quando o resultado do experimento (evento) não pode ser
previsto com segurança. Se um experimento sob certas condições resulta sempre no mesmo
resultado conhecido, existe uma causalidade determinista. Se um experimento sob certas
condições pode resultar em diferentes resultados (espaço amostral, no lançamento de um dado
os resultados "1", "2", "3", "4", "5", "6"), existe um experimento estocástico. Num experimento
estocástico não é possível prever o próximo evento (o número do próximo lançamento do
dado), mas é possível determinar uma medida para a possibilidade de um certo evento (por
exemplo "1") ocorre, a probabilidade de evento. Alguns conceitos básicos:
 Experimento estocástico: fenômeno ou ação que geralmente pode ser repetido e cujo
resultado é casual ou aleatória (por exemplo, lançamento de um dado, controle de
qualidade para um produto de produção de massa).
 Evento simples ou elementar: resultado elementar de um experimento, subconjunto de
espaço amostral (por exemplo, os resultados possíveis de um lançamento de um dado
1,2,3,4,5,6; um produto defeituoso ou não defeituoso)
 Espaço amostral: O conjunto de todos os resultados elementares possíveis. Os resultados
devem ser definidos de maneira que sejam mutuamente exclusivos, e coletivamente
exaustivos, apenas um deles pode ser observado quando o experimento termina
(lançamento de um dado E={1,2,3,4,5,6,}).
 23

 Evento: é um conjunto de elementos elementares no espaço amostral. Este conjunto pode

ser definido fazendo uma lista dos eventos elementares ou definindo uma característica que
determina este lista de eventos elementares (por exemplo, A = resultados impar de um
lançamento de um dado A={1,3,5}).
 Probabilidade de um evento A: é a chance que este evento ocorre, existem diferentes
conceitos teóricos para a definição da probabilidade de um evento.
Conceito axiomático da probabilidade (KOLMOGOROFF). É uma teoria matemática de
probabilidade que define indiretamente a probabilidade conceituando axiomas para uma teoria
de probabilidade matematicamente fundamentada. O conceito axiomático da probabilidade de
KOLMOGOROFF não ajuda em determinar o valor da probabilidade em um evento na prática,
mas fundamenta o conceito da probabilidade num sistema matemático de axiomas. O conceito
axiomático da probabilidade de KOLMOGOROFF é geralmente aceita pelos posições objetivas
e subjetivas (personalistas) da probabilidade, mas a interpretação do conceito da probabilidade
num mundo de incerteza e risco é diferente entre estas posições.
1. A medida de universo é 1 P(E) = 1;
2. A medida é não-negativa P(A)  0 ;
3. Se A e B são dois eventos disjuntos7 P(AB) = P(A) + P(B)
Desse postulados segue-se que 0  P(A )  1 .
Para determinar a probabilidade de um evento num experimento de chance existem diferentes
conceitos, a probabilidade objetiva a priori (definição clássica de Laplace), a probabilidade
objetiva a posteriori e a probabilidade subjetiva.
 Definição clássica da probabilidade (LAPLACE) (probabilidade objetiva a priori): Um
espaço amostral é constituído por n eventos elementares mutuamente exclusivos e
igualmente prováveis (lançamento de um dado: n=6 eventos elementares). Se nA desses
eventos tem o atributo A, então a probabilidade de A é P(A) = n A/n (evento A: numero de
um lançamento de um dado é par nA=3, P(A) = 3/6 = 1/2). A definição clássica da
probabilidade falha, quando os eventos elementares não têm probabilidades iguais
conhecidas (por exemplo, o dado é chumbado), ou quando, por exemplo, se quer saber o
que é a probabilidade de que uma lâmpada tem uma esperança de vida de mais de 1.400
horas, ou quando, por exemplo, quando você quer saber a probabilidade (subjetiva) da
proposição de que Santa Cruz vai ganhar de Náutico.
 Definição da probabilidade como limite da freqüência relativa de um evento
(probabilidade objetiva a posteriori): VON MISES defina a probabilidade de um evento A
P(A) como limite da freqüência relativa do evento A quando o experimento estocástico é

repetido infinitamente . Na prática a probabilidade pode ser aproximada

usando a freqüência relativa de um evento para um n grande. Fazendo um experimento

como o lançamento de um dado, repetindo este experimento n=100 vezes, a freqüência
relativa nA/n de obter o evento A (numero par) pode ser 0,55, aumentando a amostra para
n=1000, a freqüência relativa de obter o evento A pode ser 0,49 e quando aumentando
ainda mais a amostra, provavelmente a freqüência relativa de obter o evento A aproxima-se
cada vez mais de 0,5 (A lei dos grandes números). Mas, os homens são finitos, não é
possível fazer praticamente um experimento de uma amostra infinita. Praticamente é
necessário fazer um experimento com tamanho de amostra suficientemente grande para
calcular a freqüência relativa nA/n e usar esta estimação como probabilidade. O conceito de
probabilidade como limite de uma freqüência relativa é bastante útil na pratica. As casas de
jogos e as empresas de seguros dependem da estabilidade, em longo prazo, das
freqüências relativas. Entretanto esta definição não é satisfatória do ponto de vista
matemática porque não é possível uma interpretação rigorosa sem usar o próprio conceito
de probabilidade. As probabilidades se limitam também aos casos em que (pelo menos
teoricamente) o numero de eventos observados pode crescer até infinito. Probabilidades
subjetivas, como a probabilidade de que Náutico vai ganhar contra Santa Cruz bem como
7
 simboliza a União de dois eventos A e B, AB (conotação A “ou” B) é um evento cujos elementos
são os eventos elementares que pertencem A ou B (ou a ambos).
 24

sobre o grau de confiança numa proposição especifica (Vai chover amanha), não podem
ser interpretados como limites de freqüências relativas.
 Definição subjetiva da probabilidade (a priori) (SAVAGE visão personalista da
probabilidade): O conceito subjetivo da probabilidade defina a probabilidade como
conjectura subjetiva de uma pessoa sobre a possibilidade de o evento A ocorrer (quanto
mais a pessoa aposta na ocorrência do evento A, tanto maior a probabilidade de evento)
ou, de forma mais ampla, a probabilidade mede a confiança de uma pessoa particular na
verdade de uma proposição particular, por exemplo, a proposição de que vai chover
amanha [SAVAGE, p. 3]. Existe a possibilidade de que duas pessoas racionais
considerando a mesma evidência podem ter diferentes graus de confiança na mesma
proposição. È importante considerar as dificuldades das posições objetivas [ver SAVAGE,
p. 4], na perspectiva das posições objetivas a probabilidade somente se aplica para
experimentos repetitivos,é (dependendo da visão), ou não pode falar com sentido sobre a
probabilidade de que certa proposição é verdadeira, ou a probabilidade de uma proposição
é 1 (proposição verdadeira) ou 0 (proposição falsa). Na posição objetiva não pode se
interpretar a probabilidade como medida de confiança de que uma proposição é verdadeira
ou falsa.
O conceito da probabilidade formaliza a idéia de que um evento tem certa chance ou
possibilidade de ocorrer. O conceito da probabilidade facilita a visão do homem agindo e
decidindo em um mundo de incerteza e risco. A construção de um modelo matemático para um
experimento deste tipo facilita para o estatístico estudar propriedades de experimento e fazer
previsões sobre futuros resultados do experimento. Inferências estatísticas são normalmente
inferências sobre funções de probabilidade de tipo estimação ou teste de hipóteses. A
descrição de modelos de probabilidade é muito mais fácil usando conceitos da teoria de
conjuntos.
Regras para calcular probabilidades de eventos múltiplos
Regra da soma: Se A e B são dois eventos do espaço amostral E, então a probabilidade de
que ocorra A ou B é P(A  B) = P(A) + P(B) - P(A  B)8. Por exemplo, lançamento de um
dado: A número par A={2,4,6}; B número menor ou igual a 3 B={1,2,3}, P(A  B)=1/6. P(A ou
B)=P(AB) = 3/6 + 3/6 – 1/6 = 5/6. Para dois eventos A e B mutuamente exclusivos (por
exemplo, A número menor do que 3 A={1,2}, B número maior do que 4 B{5,6}), P(A  B) = P(A)
+ P(B) (P(A  B) =4/6).
Regra de multiplicação para eventos dependentes: Dois eventos A e B são dependentes, se
a ocorrência de um evento A é de alguma forma conectada com a ocorrência do evento B.
Exemplo: Lançamento de um dado, evento A resultado par, A={2,4,6}, P(A)=1/2, evento B
resultado menor do que 4, B={1,2,3}, P(B)=1/2, evento AB={2}, P(AB)=1/6. O dado foi
lançado fora do alcance das vistas e foi dada a informação de que sai um resultado par,
ocorreu A. Qual é a probabilidade, neste caso, de que tenha ocorrido o evento B. O novo
espaço amostral, neste caso, é o evento A (A={2,4,6}). A probabilidade P(B|A), a probabilidade
condicional de que ocorre o evento B sob a condição de que o evento A tinha ocorrido, é
1
6 1 P(A  B)
P( B|A)    .
3
6 3 P(A )
Igualmente a probabilidade P(A|B), a probabilidade condicional de que ocorre o evento A sob a
condição de que o evento B tinha ocorrido, é

Logicamente a regra de multiplicação para determinar a probabilidade P(AB) é

P(AB)= P(B|A)P(A) = P(A|B)P(B.)
A regra de multiplicação para eventos independentes9

8
 simboliza a Interseção de dois eventos A e B, AB (conotação A “e” B) é um evento que contem
aqueles eventos elementares que pertencem a ambos os eventos A e B.
 25

P(AB)= P(A)P(B.).

Usando a definição clássica para calcular probabilidades

Um espaço amostral é constituído por n eventos elementares mutuamente exclusivos e

igualmente prováveis (lançamento de um dado n=6 eventos elementares). Se n A desses
eventos tem o atributo A, então a probabilidade de A é P(A) = n A/n (evento A: numero de um
lançamento de um dado é par nA=3, P(A) = 3/6 = 1/2).

Cuidado! As probabilidades dos eventos elementares precisam ser iguais como no exemplo de
lançamento de um dado. Lançamento de duas moedas: você poderia pensar, que existem três
eventos elementares com probabilidade 1/3: duas caras, uma cara/uma coroa, duas coroas.
Mas este é errado: o evento uma cara/uma coroa pode ocorrer em duas eventos simples
Cara/coroa e coroa/cara, por essa razão a probabilidade de um evento simples é ¼ e a
probabilidade de evento A: pelo menos uma coroa é A={coroa/coroa, coroa/cara, cara/coroa} e
a probabilidade de A P(A) = 3/4.

Com a definição clássica da probabilidade a probabilidade de um evento é sempre entre 0 e 1

incluindo zero e um.

Para problemas mais difíceis podem-se usar as formulas combinatórias, como permutações e
combinações.

Permutações: O numero de permutações de n objetos é o numero de maneiras pelas quais os

objetos podem ser arranjadas em termos de ordem. Por exemplo, o numero de maneiras pelas
quais três objetos A, B e C podem ser arranjados: A B C , A C B, B A C, B C A, C A B, e C
B A = 1*2*3=6 maneiras, para n elementos n! = n*(n-1)*..........*3*2*1 maneiras.

Geralmente estamos interessados no numero de permutações de algum subgrupo dos n

objetos, e não em todos os n objetos. Isto é, estamos interessados no numero de permutações
de n objetos tomados r de cada vez, onde r é menor do que n:

n!
n Pr =
( n  r )!

Combinações No caso de permutações, é importante a ordem na qual os objetos estão

dispostos. No caso das combinações, interessa-nos o numero de diferentes agrupamentos de
objetos que podem ocorrer sem levar a ordem em consideração. O numero de combinações de
n objetos tomados r de cada vez é

Por exemplo, na Sena são escolhidos de n = 50 números r=6 números, quantos combinações
tem, quer dizer, quantos possibilidades tem de escolher 6 números de 50 sem levar a ordem
em consideração

50! 50 * 49 * 48*..........*3* 2 * 1 50 * 49*....*45

50 C6   
6!(50  6)! 1 * 2 * 3 * 4 * 5 * 6 * 44 * 43*.....*3* 2 * 1 1 * 2*....*5* 6
 15890
. .700

Quer dizer a probabilidade de ter 6 números certos na Sena é 1/15.890.700, é muito pequeno.

Exemplo de um espaço amostral

9
Dois eventos, A e B, são independentes se a ocorrência de A não é conectada de alguma forma a
ocorrência do evento B, P(B|A)=P(B); P(A|B)=P(A).
 26

Lançamento de um dado E = {1,2,3,4,5,6}; Evento numero par A = {2,4,6}.

Lançamento de dois dados: espaço amostral E

E 2. dado
1. dado 1 2 3 4 5 6
1 1,1 1,2 1,3 1,4 1,5 1,6
2 2,1 2,2 2,3 2,4 2,5 2,6
3 3,1 3,2 3,3 3,4 3,5 3,6
4 4,1 4,2 4,3 4,4 4,5 4,6
5 5,1 5,2 5,3 5,4 5,5 5,6
6 6,1 6,2 6,3 6,4 6,5 6,6

Evento A: Soma 10 ou mais.

A = {(4,6), (5,5), (5,6), (6,4), (6,5), (6,6)}

A probabilidade do complemento (não A)

Seja E o espaço amostral e A um evento. A probabilidade de que A não ocorra (A ) é dada por

P(A ) = 1 - P(A)

A
A

Prova: A e A são disjuntos: A A = ; A A = E.

1 = P(E) = P(A A ) = P(A) + P(A )

 P(A ) = 1 - P(A).

Exemplo: lançamento de um dado E = {1,2,3,4,5,6}

A = lançar uma seis A = {6} P(A) = 1/6

A = não lançar uma seis A = {1,2,3,4,5} P(A ) = 1-1/6 = 5/6.

Teorema da soma

Se A e B são dois eventos do espaço amostral E, então a probabilidade de que ocorra A ou B,

P(A  B), é

P(A  B) = P(A) + P(B) - P(A  B)

 27

A AB B

Como P(A) + P(B) é a soma das probabilidades dos eventos em A mais a soma das
probabilidades dos eventos em B, P(A) + P(B) inclui as probabilidades dos pontos do conjunto
AB duas vezes. Logo, subtraindo P(AB), temos P(AB).

Se A e B são disjuntos (não tem elementos em comum), isto é, AB=, então

P(AB) = P(A) + P(B).

A B

Exemplo: lançamento de um dado

A sair resultado par A = {2,4,6} 3 eventos elementares;

B sair resultado inferior a 3 B = {1,2} 2 eventos elementares;

C...sair resultado impar menor do que 4 C = {1,3} 2 eventos elementares.

P(AB) = P(A) + P(B) - P(AB) P(AB) = 1/6;

= 1/2 + 1/3 - 1/6 = 4/6 = 2/3 .

P(AC) = P(A) + P(C) =1/2 + 1/3 = 5/6 . (eventos disjuntos).

Teorema da soma para três eventos A, B, C

P(ABC)=P(A)+P(B)+P(C)-P(AB)-P(AC)-P(BC) + P(ABC).

Probabilidade condicional e teorema do produto

Exemplo: Lançamento de um dado, evento A sair resultado par, A={2,4,6}, P(A)=1/2, evento B
sair um resultado menor do que 4, B={1,2,3}, P(B)=1/2, evento AB={2}, P(AB)=1/6.

A seguinte situação: o dado foi lançado fora do alcance das vistas, e foi dada a informação de
que sai um resultado par, ocorreu A. Nestas condições, pergunta-se: Qual é a probabilidade de
que tenha ocorrido o evento B. É necessário introduzir a idéia de probabilidade condicional. A
informação foi de que A ocorreu; logo o espaço amostral passou a ser A. Para agora obter a
probabilidade de ocorrer B, sob a condição de que A tinha ocorrido ou obter a probabilidade
de B dado A (probabilidade condicional), que é indicada por P(A|B). O novo universo
(espaço amostral) A={2,4,6} é constituído por três eventos elementares igualmente prováveis e
interessa um desse três eventos, o evento AB={2}. Então
 28

P(B|A) = 1/3.

Dividindo o numerador e o denominador por 6, chega-se a

1
6 1 P(A  B)
P( B|A)    a definição da probabilidade condicional.
3
6 3 P(A )
Dados dois eventos A e B no espaço amostral E, se P(A)>0, P(B)>0

P(A  B)
P( B| A ) 
P(A )
P(A  B)
P(A| B) 
P( B)

Este condição para as probabilidades condicionais implica

Teorema do produto

Se A e B são dois eventos do espaço amostral E, a probabilidade da ocorrência simultânea de

A e B (AB) é dada por

P(AB) = P(A)P(B|A) = P(B)P(A|B).

Eventos independentes

Se A e B são dois eventos em espaço amostral E. Estes eventos são chamados

independentes, se uma das equações é satisfeita
P(A|B) = P(A)
P(B|A) = P(B)
P(AB) = P(A)P(B).

Exemplo: lançamento de um dado

A sair resultado par A = {2,4,6} 3 eventos elementares;
B sair resultado inferior a 4 B = {1,2,3} 3 eventos elementares;
C...sair resultado impar menor do que 4 C = {1,3} 2 eventos elementares;
D sair resultado maior do que 4 D{5,6} 2 eventos elementares.
P(B|A) = P(AB)/P(A) =(1/6)/(3/6) = 1/3 P(B)
P(A|B) = P(AB)/P(B) =(1/6)/(3/6) = 1/3 P(A)
P(AB) = 1/6  P(A)P(B) = 1/2*1/2 = 1/4, quer dizer A e B são dependentes.
P(AC) = 0  P(A)P(C) = 1/2*1/3 = 1/6, quer dizer A e C são dependentes, o fato de dois
eventos são disjuntos é um sinal para dependência.
P(AD) = 1/6 = P(A)P(D) = 1/2*1/3 = 1/6, quer dizer A e D são independentes.

O teorema de BAYES (THOMAS BAYES 1702-1761)

P(A ) P( B| A )
P(A| B) 
P(A ) P( B| A )  P( A ) P( B| A )

Suponha que existem duas Urnas U1 e U2. As urnas são mutuamente exclusivas e
coletivamente exaustivas (representam a população).

U1 tem oito bolas vermelhas e duas bolas pretas;

U2 tem quatro bolas vermelhas e seis bolas pretas.

 29

Se uma urna é selecionada aleatoriamente (P(U1) = P(U2) = 0,5) e uma bola é retirada ao acaso
desta urna, a probabilidade condicional de uma bola é escolhida da primeira urna é P(P|U1)=0,2
e a probabilidade condicional de que uma bola preta é escolhida da segunda urna é P(P|
U2)=0,6. Agora pensando na seguinte situação: sabe-se de que uma bola preta foi escolhida, o
que é a probabilidade de que esta bola preta vem da primeira urna.

PU 1  P PU 1 PP| U 1 

P( U 1 | P)  
PU 1  P  PU 2  P PU 1 PP| U 1   PU 2 PP| U 2 
0,50,2 0,1
   0,25
0,50,2  0,50,6 0,4

Sabendo de que uma bola preta foi escolhida, a probabilidade de que esta bola preta foi
escolhida da primeira urna é 0,25.

Esse resultado é conhecido como teorema de BAYES. Dado um experimento em dois estágios
e conhecidas as probabilidades a priori P(Ai) (onde os Ai são eventos mutuamente exclusivos
que coletivamente exaustam o espaço amostral) e as probabilidades condicionais P(Bj|Ai), o
teorema de BAYES permite calcular as probabilidades a posteriori P(Ai|Bj), isto é, as
probabilidades aos resultados do primeiro estagio, dado o resultado do segundo estagio.


P Ai  Bj  
PA i P B j | A i 

P Ai |B j   
 PA
i
i  Bj   PA PB |A 
i
i j i

O teorema de BAYES é usado em uma espécie de estatística diferente da estatística clássica,

que é discutida aqui, a estatística BAYESIANA, [LEE, p. XIII PP.] que depende em conjecturas
subjetivas sobre probabilidades em um experimento (probabilidades a priori) antes das datas
do experimento são disponíveis, que são modificadas com vista aos dados empíricos (através
da LIKELIHOOOD FUNCTION – função da verossimilhança) para conseguir as probabilidades
posteriores [posterior is proportional to prior times likelihood]. A estatística clássica é
considerada objetiva, porque ela não se refere a uma noção BAYESIANA de conjecturas a
priori [Na verdade também na estatística clássica entram de certa forma conjecturas a priori,
por exemplo considerando a priori certa função probabilidade ou função densidade ou
considerando um certo nível de significância na inferência estatística]. Mas na estatística
BAYESIANA uma conjectura a priori (antes da disponibilidade dos dados) é ajustada com vista
aos dados empíricos para chegar a uma conjectura a posteriori.

Na tabela a seguir encontram-se as diferenças entre estatística clássica, estatística Bayesiana

e teoria estatística de decisão:
30
 31

3. Variáveis aleatórias e esperança matemática

Na estatística inferencial são feitas inferências sobre características da população (sobre

parâmetros da população como média  e variância 2, por exemplo; os parâmetros da
população têm letras gregas) com base de uma amostra.

Uma variável aleatória é uma regra para transformar o resultado de um experimento

estocástico em um numero real (por exemplo: lançamento de uma moeda, o resultado cara
recebe o numero 0 e o resultado coroa recebe o numero 1). A distribuição de probabilidade (no
caso de uma variável aleatória discreta) mostra a probabilidade de que a variável assuma um
certo valor. A função da densidade (para uma variável aleatória contínua) mostra a densidade
da variável num ponto, a probabilidade para um intervalo é medida, neste caso, pela área em
baixo da função de densidade.

O conceito da variável aleatória é usado para denotar uma variável que pode assumir
diferentes valores numéricas com certas probabilidades determinadas por um experimento de
chance. Variável aleatória ou variável estocástica quer dizer que o valor da variável não pode
ser previsto com base de conhecimento das condições de experimento, os resultados do
experimento são especificados em valores numéricos, não em denotação de eventos. Uma
variável aleatória é uma regra para transformar o resultado de um experimento estocástico em
um numero real (por exemplo: lançamento de uma moeda, o resultado cara recebe o numero 0
e o resultado coroa recebe o numero 1).

Uma variável aleatória discreta só pode assumir um numero finito de valores em um intervalo.

A função de probabilidade (análoga da distribuição de freqüências relativas na estatística

descritiva) descreve para cada valor da variável aleatória discreta xi a probabilidade deste valor
f(xi). Claro f(xi)=1.

Exemplo: Lançamento de um dado, xi = 1 , 2 , 3 , 4 , 5 , 6 ; f(xi) = 1/6 para i = 1,2,3,4,5,6.

f(xi)

1/6

1 2 3 4 5 6 xi

Distribuição uniforme (lançamento de um dado)

Se xi é uma variável aleatória que assume os valores x1<x2<....<xi<...<xk, a função de
distribuição (distribuição de probabilidades acumuladas análoga a distribuição de freqüências
relativas acumuladas na estatística descritiva) é dada por
 32

F(xi)
1

1/6

1 2 3 4 5 6 xi

Função da distribuição (distribuição uniforme)

Variável aleatória contínua

Uma variável aleatória que pode assumir cada valor dentro de um intervalo ou intervalos é
chamada variável aleatória contínua. Variáveis como peso, altitude, temperatura e velocidade
são consideradas contínuas (também aproximadamente variáveis medidas em moeda como
renda, preços etc.).

A função de densidade para uma variável aleatória contínua x é uma função com as seguintes
propriedades:

( i) f ( x) 0

(ii) f ( x)dx

 1

b
(iii) f ( x)dx
a
 P ( a  x  b)

A probabilidade de que x assumira um valor especifica x 0 é zero. Usando variáveis aleatórias

contínuas a pergunta é o que é a probabilidade encontrar a variável em um intervalo ou em
intervalos. Probabilidades para variáveis aleatórias contínuas são sempre calculadas como
integrais da função densidade, enquanto para variáveis discretas como somas da função
probabilidade.

A função de distribuição, F(x), para uma variável aleatória contínua é definida como

x
F( x)  f ( t)dt


Muitas vezes é mais fácil encontrar a função de distribuição de uma variável aleatória contínua
do que a função de densidade. Encontrada a função de distribuição, a função de densidade
pode ser calculada como a primeira derivada da função de distribuição

dF( x)
 f ( x).
dx

Exemplo um indicador gira em um circulo com velocidade constante e está parando

aleatoriamente em algum lugar. A variável aleatória representando este experimento
estocástico pode assumir qualquer valor entre 0 e a, onde a é a circunferência do circulo:
 33

f(x)

0 b c a

Figura: Função densidade retangular da variável contínua x

A função densidade de probabilidade f(x) (distribuição retangular) é

A probabilidade de realizar certo ponto x 0 dentro de intervalo [0,a] é zero, mas o evento não é
impossível (Quer dizer a probabilidade de um evento impossível é zero, e a probabilidade do
evento seguro é um, mas um evento com probabilidade zero não é necessariamente um evento
impossível para uma variável aleatória contínua; intuitivamente a probabilidade de um certo
ponto é zero, porque existe um número infinito de números reais no intervalo, se todo ponto
tinha uma probabilidade positiva, a condição P(xi) = 1 não será satisfeita porque a soma será
maior do que um). Por esta razão f(x) chama se função da densidade no caso de uma variável
aleatória contínua e não função de probabilidade. A probabilidade de que a variável aleatória
contínua x assume um valor dentro de um intervalo fechado [b,c] (ou um intervalo aberto (b,c),
não existe diferença entre a probabilidade para um intervalo fechado ou aberto, porque a
probabilidade para um ponto é zero) é a área em baixo da função de densidade ou o integral da
função de densidade entre b e c

c c
1
P ( b  x  c)  f ( x)dx  adx  
x c
a b por exemplo para a 2, b 1 / 2, c 3 / 4
b b
3/ 4
1
P(1 / 2  x  3 / 4)  2dx  
x 3/ 4
2 1/ 2  3 / 8  1 / 4  1 / 8.
1/ 2

Esperança matemática

A esperança matemática de uma variável aleatória é usada para medir a tendência central da
função de probabilidade/função de densidade de uma variável aleatória (como a média na
estatística descritiva é usada para descrever a tendência central de uma distribuição de
freqüências relativas). Por exemplo, quando se quer saber o resultado médio de uma longa
série de lançamentos de um dado.

Para uma variável aleatória discreta a esperança matemática é

  E( x i )   x f (x )
i
i i

Exemplo lançamento de um dado

 34

xi = 1, 2, 3, 4, 5, 6 f(xi) = 1/6 para i = 1 ,2 ,3 ,4 ,5 ,6.

E(xi) =  = xif(xi) = 1*1/6 +2*1/6 + 3*1/6 +4*1/6 +5*1/6 + 6*1/6 = 3,5.

Isto significa, para uma amostra grande de lançamentos de um dado espera-se uma média de
pontos de 3,5.

Para uma variável aleatória contínua x com função de densidade f(x), a esperança matemática
é definida como

 = E(x) = xf(x)dx

Para o exemplo de uma distribuição retangular definida no intervalo [0,a] a esperança

matemática é

 a
1  x2  a2 0 a
  E( x)  x dx      

a  2a  0 2a 2a 2

Propriedades da esperança matemática

Pode-se calcular a esperança matemática de x, mas também de funções de x como x2, (x-
E(x))2, (x-)2, x3 etc. (conceito de momentos). As seguintes propriedades da esperança
matemática sem provas (provas Hoffmann p.59):

k é uma constante qualquer

E(kx) = kE(x)

E(k+x) = k + E(x)

x e y são variáveis aleatórias quaisquer

E(x+y) = E(x) + E(y)

x e y são duas variáveis aleatórias independentes

E(xy) = E(x)E(y)

Variância e covariância

A variância de uma variável aleatória x é

2 = V(x) = E[x - E(x)]2 = E[x - ]2 desde E(x) = .

Para uma variável aleatória discreta

2 = E[xi - E(xi)]2 = [xi - E(xi)]2f(xi)

Para uma variável aleatória contínua

2 = E[x - E(x)]2 = (x - E(x))2f(x)dx

Propriedades da variância (Hoffmann p. 62 )

V(x + k) = V(x)

V(kx) = k2V(x)
 35

Exemplos

Para uma variável aleatória discreta, lançamento de um dado

2=(xi-3,5)2f(xi)= (-2,5)21/6+(-1,5)21/6+(-0,5)21/6+0,521/6+1,521/6+2,521/6

=2,916

Para uma Variável aleatória contínua, exemplo distribuição retangular

1 x3 a2 a2 a2
 2  x  E ( x)  f ( x)dx  x 2 f ( x)dx   2  x 2
2
dx   2    2   
a 3a 3 4 12

Para a=2 2 = 1/3.

Distribuição conjunta de variáveis aleatórias e independência

Variáveis aleatórias discretas

A distribuição conjunta f(xi,yj) descreve as probabilidades com que o evento xi,yj vai ocorrer

f(xi,yj) = P(xiyj).

Por exemplo, uma distribuição conjunta para as variáveis aleatórias discretas xi e yj

yj\xi 0 2 4 6 f(yj)
0 3/16 1/16 0 0 1/4
2 1/16 2/16 1/16 0 1/4
4 0 1/16 2/16 1/16 1/4
6 0 0 1/16 3/16 1/4
f(xi) 1/4 1/4 1/4 1/4 1

A distribuição conjunta f(xi,yj) é dada na tabela. As distribuições marginais são as distribuições

que só dependem de uma variável, são a soma sobre todos os valores da outra variável

f (y j )   f (x , y )
i
i j

f (xi )   f (x , y )
j
i j

Por exemplo, f(x2) = 1/16 + 2/16 + 1/16 + 0 = 1/4.

Pode-se também calcular distribuições condicionais

f (x i , y j )
f (xi | y j ) 
f (y j )
f (x i , y j )
f (y j | xi ) 
f (x i )

f ( x 0, y 0) 3 / 16
Por exemplo f ( y 0| x 0)    3 / 4.
f ( x 0) 1/ 4

As variáveis aleatórias são independentes se

 36

f(xi,yj) = f(xi)f(yj)

f(xi|yj) = f(xi)

f(yj|xi) = f(yj).

No exemplo as variáveis aleatórias x e y não são independentes, porque, por exemplo,

f(x1=0,y1=0)  f(x1)f(y1) 3/16  1/4*1/4.

Variáveis aleatórias contínuas

A distribuição conjunta é a função de densidade conjunta f(x,y), as probabilidades calculam-se

como

d b

P ( a  x  b , c  y d )  f ( x, y)dxdy
c a

As funções de densidade marginais são



g( x)  f ( x, y)dy



h( y)  f ( x, y)dx


As funções de densidade condicionais são

f ( x, y)
f ( x| y) 
f ( y)
f ( x, y)
f ( y| x) 
f ( x)

As variáveis são independentes, se

f ( x, y)  f ( x) f ( y) ou f ( y| x)  f ( y) ou f ( x| y)  f ( x).

Covariância

Dadas duas variáveis aleatórias x e y, a covariância entre essas duas variáveis mostra a
relação entre as duas variáveis. Se valores altos de x sempre ocorrem junto com valores altos
de y, existe uma covariância positiva. Se valores altos de x sempre ocorrem com valores baixos
de y, existe uma covariância negativa. Se não existe uma relação entre as duas variáveis, a
covariância é zero.

A covariância entre duas variáveis aleatórias x e y é dada por

Cov(x,y) = E[(x-E(x))(y-E(y))] = E(x-x)(y-y)

A variância de soma de duas variáveis aleatórias x e y é dada por

V(x+y) = V(x) + V(y) + 2Cov(x,y)

Prova:
 37

V(x+y) = E[(x+y)-E(x+y)]2 = E[(x-x) + (y-y)]2

= E[(x-x)2 + (y-y)2 + 2(x-x)(y-y)]

= V(x) + V(y) + 2Cov(x,y).

Para a diferença de duas variáveis aleatórias x e y a variância é

V(x-y) = V(x) + V(y) - 2Cov(x,y).

Se as duas variáveis aleatórias são independentes

Cov(x,y) = 0

V(x+y) = V(x) + V(y).

Para o exemplo de uma distribuição de conjunta das duas variáveis aleatórias x e y as médias
são

E ( x)   x f (x )
i i  0 * 1 / 4  2 * 1 / 4  4 * 1 / 4  6 * 1 / 4 3
E ( y)   y f (y )
i i  0 * 1 / 4  2 * 1 / 4  4 * 1 / 4  6 * 1 / 4 3

Os valores de (x-x)(y-y) são

y\x 0 2 4 6
0 9 3 -3 -9
2 3 1 -1 -3
4 -3 -1 1 3
6 -9 -3 3 9

Cov(x,y) = (xi-x)(yj-y)f(xi,yj)

= 9*3/16 + 3*1/16 +0 + 0

+3*1/16 + 1*2/16 - 1*1/16 + 0

+0 - 1*1/16 + 1*2/16 + 3*1/16

+0 + 0 + 3*1/16 + 9*3/16 = 68/16 = 4,25

As variâncias são

V(x) = 2x = (xi-x)2f(xi) = 5

V(y) = 2y = 5

O coeficiente de correlação

O coeficiente de correlação de duas variáveis aleatórias x e y é uma medida estandardizada

que mostra a intensidade da relação linear entre as duas variáveis aleatórias (mais sobre o
coeficiente de correlação no capítulo regressão e correlação). O coeficiente de correlação é
definido

Cov( x, y) 68 / 16
    0,85.
 x y 5 5
 38

O coeficiente de correlação é um numero adimensional. Ele é zero quando as variáveis

aleatórias são independentes. Ele é +1 quando existe uma relação linear positiva exata entre x
e y. Ele é -1 quando existe uma relação linear negativa exata entre x e y. Ele é entre 0 e 1
quando existe uma relação linear positiva, mas ela não é exata. Ele é entre -1 e 0 quando
existe uma relação linear negativa, mas ela não é exata. O quadrado de coeficiente de
correlação 2 chama se o coeficiente de determinação.

O conceito dos momentos

Pode se calcular os momentos em vez de zero E(x), E(x 2), E(x3) etc. ou os momentos em vez
da média E(x-x)2, E(x-x)3 etc. para caracterizar uma distribuição de probabilidade ou
densidade.

Funções de EXCEL 97 para calcular covariância e coeficiente de correlação

CORRELAÇÃO e COVARIÂNCIA no submenu ANÁLISE DE DADOS no menu Ferramentas

calculam os coeficientes de correlação/covariâncias para variáveis

FUNÇÕES ESTATÍSTICAS:
CORREL retorna o coeficiente de correlação
COVAR retorna a covariância
RQUAD retorna o coeficiente de determinação
 39

4. Distribuições teóricas

Existe uma quantidade infinita de distribuições de probabilidade para variáveis discretas e de

funções de densidade para variáveis contínuas, mas algumas distribuições têm uma
importância maior na história da estatística por razões formais ou por razões da ampla
aplicabilidade prática destas distribuições. Estes tipos de distribuições, como por exemplo a
distribuição binomial (discreta) e a distribuição normal (contínua), são modelos prontos para
calcular probabilidades para uma variável aleatória, se os pressupostos das distribuições são
satisfeitos no caso concreto. Elas podem ser usadas em muitas situações praticas, se os
pressupostos, que estes modelos matemáticos requerem, são satisfeitos. Se os pressupostos
destas distribuições não são satisfeitos ou existem duvidas sobre isto, é necessário usar
modelos da estatística não-paramétrica.

Para calcular as probabilidades, muitas distribuições teóricas são tabeladas. Aqui são
discutidas extensamente somente a distribuição binomial (variável aleatória discreta) e a
distribuição normal (variável aleatória contínua). Depois nos capítulos estimação e teste de
hipóteses são introduzidas a distribuição t (STUDENT), a distribuição 2 e a distribuição F
(Fischer).

Distribuição binomial

É uma distribuição teórica para uma variável aleatória discreta, também chamada distribuição
de Bernouilli.

Experimentos de Bernoulli

O experimento seja o lançamento de uma moeda. Cada lançamento tem dois resultados
possíveis: cara ou coroa. Se a moeda é regular, a probabilidade de cara como de coroa é 1/2.
A probabilidade de cara e coroa fica igual para todos os repetições do experimento (modelo de
amostragem com reposição).

Generalizando os pressupostos de um experimento de Bernouilli: cada experimento tem dois

possíveis resultados, sucesso e insucesso. A probabilidade de um sucesso seja

P(Sucesso) = p.

A probabilidade de um insucesso é consequentemente

P(Insucesso) = 1-p = q.

Os repetições do experimento são independentes, a probabilidade de um sucesso ou um

insucesso ficam estáveis (modelo de amostragem com reposição)

A probabilidade de dois sucessos é (independência)

P(S,S) = pp.

A probabilidade de um sucesso depois um insucesso é

P(S,I) = pq.

Neste caso de duas repetições do experimento tem 22 resultados possíveis

(S,S), (S,I), (I,S), (I,I) com probabilidades P(S,S)=pp, P(S,I)=pq, P(I,S)=qp, P(I,I)=qq.

(Se nos fazemos n repetições nos temos 2n possíveis resultados), as probabilidades que
pertencem a estes resultados podem ser caracterizadas como p xqn-x x=0, 1,
2, ,n, onde x é o numero de sucessos.
 40

A distribuição binomial

Quantas possibilidades existem num experimento de n=2 de ter x=1 sucesso e n-x=1
 n
insucesso? Existem 2 possibilidades (S,I) e (I,S) ou geralmente   possibilidades de dividir n
 x
fatores em dois grupos , um com x fatores iguais e outro com n-x fatores iguais:

 n n!  2 2!
   em nosso caso n 2 e x 1     2.
 x x!( n  x)!  1 1!1!

A probabilidade para cada possibilidade é pxqn-x, em nosso exemplo p1q1.

A distribuição binomial é

 n
P ( x)  f ( x)    p x q n x para x 0,1,2,...., n.
 x

A probabilidade de ter exatamente x sucessos e n-x insucessos (independentemente de ordem)

é dada pela distribuição binomial com n tentativas independentes e probabilidades p para um
sucesso e q=1-p para um insucesso.

A média da distribuição binomial é

 n x n  x
 = E(x) =  x  p q  np
 x

A variância da distribuição binomial é

2 = E(x - E(x))2 = npq.

Exemplo: Na produção de parafusos a percentagem de parafusos defeituosos numa maquina é

p=0,2 (20%). Determina a probabilidade de que, entre n=4 parafusos de uma amostra
(população infinita ou modelo com reposição) escolhidos ao acaso,

1. um parafuso é defeituoso (x=1),

2. nenhum parafuso é defeituoso (x=0),
3. no máximo 2 parafusos são defeituosos.
4. Determina a média e a variância da distribuição binomial neste caso.

Os resultados:

 4 4!
1. P( x 1)  f (1)   0,2 10,8 3  0,20,8 3  40,20,8 3  0,4096
 1 1! 3!
 4 4!
2. P( x  0)  f ( 0)   0,2 0 0,8 4  0,8 4  0,8 4  0,4096
 0 0!4 !
 4
3. P ( x 2)  f ( 0)  f (1)  f ( 2)  0,4096  0,4096    0,2 2 0,8 2  0,9728
 2
4.   np  40,2  0,8  2  npq  40,20,8  0,64    2  0,8.

Pode-se usar também a distribuição para calcular probabilidades para a freqüência relativa de
ocorrer parafusos defeituosos:

x x  n
  )   p x q n  x .
  ) f (p
P( p
n n  x
 41

Outras distribuições discretas

A distribuição multinomial

A distribuição multinomial é relacionada a experimentos onde tem mais do que dois resultados
possíveis. Por exemplo, o lançamento de um dado tem seis resultados possíveis. Supondo um
experimento com k diferentes resultados, as probabilidades desses resultados sejam p1,
p2, .........,pk e

pi = 1.

A distribuição multinomial é

n!
f ( x 1 , x 2 ,......, x k )  p 1x1 p 2x 2 ........... p xk k
x 1 ! x 2 !...... x k !

Somente k-1 das k variáveis são independentes, porque xi = n.

A distribuição hipergeométrica

Quando a amostragem se faz sem reposição em uma população finita, não se pode usar a
distribuição binomial, porque a probabilidade de um sucesso muda sistematicamente de
tentativa para tentativa. As tentativas não são mais independentes nesse processo de
amostragem sem reposição. A distribuição hipergeométrica é

N é o tamanho da população, n o tamanho da amostra. M é o numero total do “sucessos” na

população, x é o numero de sucessos na amostra.

A Distribuição de Poisson

A distribuição de Poisson pode ser usada uma vez como distribuição de limite para a
distribuição binomial, quando n é grande e p é muito pequeno. Neste caso o cálculo das
probabilidades com a distribuição binomial é trabalhoso e é mais fácil usar a distribuição
Poisson. Mas a distribuição também pode ser usada para descrever um processo de Poisson.
Neste caso a distribuição de Poisson pode ser usada para determinar a probabilidade de um
dado numero de sucessos quando os eventos ocorrem em um continuo de tempo. Um exemplo
de tal processo é a chegada de chamadas em uma central telefônica. Supõe-se que os eventos
são independentes e o processo é estacionário. A distribuição de Poisson é

Onde x é o numero de sucessos,  é a média (e variância) da distribuição de Poisson e e o

numero de Euler (um numero irracional 2,7183.....) a base dos logaritmos naturais.
 42

Distribuições de variáveis contínuas

Distribuição normal

A distribuição mais utilizada em aplicações estatísticas (dois parâmetros: média  e variância

2). A função densidade de probabilidade da distribuição normal é

A distribuição normal é determinada pelos parâmetros média  e variância 2, existem

diferentes distribuições para diferentes valores de  e 2. Todas as distribuições normais
mantêm as propriedades comuns que para os intervalos de probabildade

Podem-se usar tabelas da distribuição normal para calcular probabilidades (ou funções de
EXCEL), para usar estas tabelas é necessário, converter a variável X normalmente distribuída
com média  e variância 2 em uma variável normal padronizada Z, por meio da seguinte
transformação

e obter a variável normal padronizada z com a função densidade de probabilidade de

A variável normal padronizada z é tabelada nos livros de estatística, infelizmente de forma

variada. Aqui se usam também as funções de EXCEL: [Link], [Link]
[padronizada], [Link] e [Link] [padronizada], para calcular probabilidades.
[Link] e [Link] [padronizada] são usadas para calcular as probabilidades para
valores dados de X ou Z [padronizada], [Link] e [Link] [padronizada] são usadas
para calcular o valor de X ou Z [padronizada] para uma probabilidade dada [unilateral a
esquerda]. Um teste simples para testar a normalidade de uma distribuição (por exemplo, na
econometria a distribuição dos resíduos estimados) é a teste de Jarque-Bera (O programa
EVIEWS fornece este teste).
 43

A distribuição normal é importante na inferência estatística por três razões distintas:

1. Os fenômenos ou processos especialmente nas ciências naturais seguem muitas

vezes a distribuição normal [por exemplo, a distribuição de pesos ou da altura das
pessoas, a distribuição dos erros em um experimento das ciências naturais]. A
adequação da distribuição normal nas ciências sociais pode ser questionada. Por
exemplo, na teoria das finanças usam-se às vezes distribuições com caudas mais
pesadas do que as caudas da distribuição normal, porque para dados de alta
freqüência os retornos mostram resultados extremos com probabilidade maior do que
os da distribuição normal. [Alexander, C., modelos de mercados, p. 311 pp.] “Muitos
ativos financeiros exibem retornos de alta freqüência com distribuição não normal, em
particular, eles exibem freqüentemente caudas mais pesadas que a distribuição
normal. Ou seja, a probabilidade de retornos extremos, observados empiricamente, é
maior que a probabilidade dos retornos extremos se a distribuição fosse normal. Essa
característica é conhecida como leptocurtose ou simplesmente “caudas
pesadas”10....Mostra-se que a não normalidade tende se tornar mais pronunciada à
medida que as freqüências dos retornos aumentam. Um breve relato das distribuições
dos valores extremos e das distribuições hiperbólicas é seguido por uma extensa
discussão das misturas de distribuições normais. ... De fato, é muito difícil se prever a
volatilidade. Se nenhuma distribuição pode ser pressuposta nas ciências sociais,
precisa-se usar a estatística não-paramétrica, ou, em caso de amostras grandes a
distribuição normal como aproximação (ver 3).

2. Probabilidades da distribuição normal podem freqüentemente ser usadas como

aproximações para outras distribuições de probabilidade, tais como distribuição
binomial e de Poisson.

3. As distribuições de estatísticas da amostra tais como a média, a soma e a proporção

freqüentemente aproximam-se de uma distribuição normal, quando o tamanho da
amostra n cresce, independentemente da distribuição da variável aleatória original. O
Teorema do limite central mostra que, por exemplo, a distribuição da média da amostra
aproxima-se de uma distribuição normal com o tamanho da amostra crescendo, e
explica porque muitos fenômenos da realidade seguem uma distribuição normal: O
modelo para esta explicação é: Um fenômeno é determinado por um complexo de
muitos fatores independentes. Cada fator tem somente uma influência muito pequena
sobre o fenômeno (por exemplo, na distribuição de peso, de altura, de inteligência de

10
As distribuições de caudas pesadas são esguias no centro.
 44

pessoas). O efeito total desses fatores - a soma (e com isto também a média) - é
distribuído normal, independente da distribuição original dos fatores.

Pode se demonstrar para a função de densidade da distribuição normal que

f ( x)dx

 1

xf ( x)dx

   E ( x)

( x  )
2
f ( x)dx   2  E( x   ) 2


Função da densidade da distribuição normal

f(x,0,1); f(x,1,2); f(x,3,1)

f(x,média, desvio padrão)

0.4
f(x,0,1) f(x,3,1)

0.3

0.2
f(x,1,2)

0.1

0
-3 -1.5 0 1.5 3 4.5 x 6

Distribuição normal com diferentes parâmetros

A probabilidade de que a variável aleatória X assume um valor entre a e b é dada pela área em
baixo da função de densidade entre a e b (o integral definido entre a e b):

onde F(x) é a função de distribuição da variável aleatória normal y.

Existe um conjunto infinito de funções de densidade de distribuição normal porque existe um

conjunto infinito de valores possíveis dos parâmetros  e 2.

Não é possível tabelar todas estas distribuições. Por esta razão é somente tabelada a
distribuição da variável aleatória reduzida ou padronizada Z.

A variável padronizada z é
 45

x  
z 

1
E ( z)  E ( x   )  0

1 2
E( z   z ) 2  2 E( x   x ) 2  2  1
 

A variável padronizada Z tem média 0 e variância 1 e pode ser usada para calcular
probabilidades da variável aleatória Z e também probabilidades da variável aleatória X. Os
valores de x somente precisam ser transformadas em valores de z = (x-)/. As áreas em baixo
da função de densidade de Z (as probabilidades) são tabeladas nas tabelas no apêndice
(tabelas para probabilidades a esquerda de um valor dado z, tabela para probabilidade de
percentiis (unilateral) e tabela para probabilidades bilaterais).

Usando as tabelas da distribuição normal

Existem diferentes formas de tabelas em diferentes livros de estatística. A distribuição normal é

simétrica em torno de  (em torno de 0 para z) e a função de densidade se aproxima
assintoticamente ao eixo horizontal. Por este razão a tabela das probabilidades é muitas vezes
restrita para valores positivos de Z. Na tabela no apêndice as probabilidades são calculadas
valores negativos e positivos de Z. A probabilidade de que a variável normal padronizada Z

Função da densidade distribuição normal

As probabilidades são as áreas em baixo da função da densidade

f(z,0,1)
0.4

f(z,0,1)

0.3
Área em baixo
da função de
densidade até
0.2 z0 igual a
probabilidade
P(z<z0)
0.1

0
-3 -1.5 z0 0 1.5 z 3

Distribuição normal Probabilidade unilateral à esquerda

assume um valor menor do que z0 é a área em baixo da função de densidade f(Z) até o ponto
z0 ou o valor da função de distribuição F(z0) no ponto z0.
 46

Função da distribuição da distribuição normal

Calculo da probabildade de que z seja menor do que0 z

1 F(z,0,1)

0.8 F(z,0,1)

0.6

F(z0)
0.4 Probabilidade
P(z<z0)
F(z0)
0.2

0
-3 -1.5 z0 0 1.5 z 3

Função da distribuição F(Z) da distribuição normal usado para calcular

probabilidades
Exemplo para usar a tabela no apêndice: P(z<1,96) = ?. Escolha-se a tabela com valores Z
positivos, na primeira coluna escolha a linha com 1.9, depois escolha a coluna para o valor
centesimal 6 (em 1,96), para chegar no cruzamento (verde) no valor para a probabilidade
desejada 0,97500

Z 00 . 01 . 02 . 03 . 04 . 05 . 06 . 07 . 08 . 09
0.0 .50000 .50399 .50798 .51197 .51595 .51994 .52392 .52790 .53188 .53586
............................................................................................................
1.8 .96407 .96485 .96562 .96638 .96712 .96784 .96856 .96926 .96995 .97062
1.9 .97128 .97193 .97257 .97320 .97381 .97441 .97500 .97558 .97615 .97670
2.0 .97725 .97778 .97831 .97882 .97932 .97982 .98030 .98077 .98124 .98169
...........................................................................................................

Pode se usar também a função [Link] no EXCEL da seguinte forma

=[Link](1,96) =0,95 entrando o valor de 1,96 para z na função.

Probabilidades para a variável aleatória normal reduzida z

P(z<1,645) = 0,95 [=[Link](1,645)] P(z>1,645) = 0,05 [=[Link](1,645)]

P(z<1,96) = 0,975 P(z>1,96) = 1 - P(z<1,96) = 0,025

P(z<2,58) = 0,995 P(z>2,58) = 1 - P(z<2,58) = 0,005

P(-1<z<2) = F(2) - F(-1) = 0,9772 - 0,1587 = 0,8185 [=[Link](2)- [Link](-1)]

Por exemplo, seja o pressuposto de que o peso de sacos de açúcar de uma maquina de
ensacar açúcar é distribuído normal com média 60 kg e desvio padrão 0,2 kg. Qual é a
probabilidade de encontrar sacos de açúcar com menos de 59,6 kg?

P(X<59,6) = [=[Link](-2)]

Pode-se também usar a função [Link] no EXCEL para calcular a probabilidade

P(X<59,6) de forma =[Link](59,6;60;0,2;1)=0,02275, entrando o valor de 59,6 como x, o
valor de 60 como média, o valor de 0,2 como desvio padrão e o valor 1 para ter a função de
 47

distribuição (F(x)) (cumulativa) [escolhendo como último valor 0, encontra-se a valor da função
de densidade f(59,6) para a média e o desvio padrão dado].

Probabilidades para uma variável aleatória normal x com média  = 20 e desvio padrão  = 4
(variância 2 = 16):

x   24  20
1. P(x<24) = P( z   )  P( z  1) 0,8413 [=[Link](24;20;4;1)]
 4

2. P(x>25) = =
x   25  20
P( z   )  P( z  1,25) 1  P( z  1,25) 1  0,8944  0,1056
 4

x   12  20
3. P(x<12) = P( z   )  P( z   2) 0,0228
 4

4. P(22<x<25)
22  20 25  20
P( z )  P( 0,5  z  1,25)  F(1,25)  F( 0,5)  0,8944  0,6915  0,2029
4 4
5. Para construir um intervalo simétrico de probabilidade para a variável aleatória normal
x (intervalo de probabilidade) de uma probabilidade de, por exemplo, 0,95, é necessário
calcular os valores -z0 (z inferior) e z0 (z superior) para o intervalo de probabilidade de 0,95.

Distribuição normal: Probabilidade bilateral

Intervalo de probabilidade


0.4 f(z,0,1)

f(z,0,1)

0.3

0.2

0.1  

0
-3 -2 z=-1,96 -1 0 1 z=1,96 2 z 3

Distribuição normal: Probabilidade bilateral

P(-z0<z<z0) = 0,95  P(z<-z0) = P(z>z0) = 0,025  z0 = 1,96; [=[Link](0,975)]

Os valores de z para um intervalo simétrico de probabilidade encontram-se diretamente da

tabela BILATERAL no apêndice.

Para determinar os valores xinferior e xsuperior para a probabilidade dada de 0,95:

xi =  - z0 = 20 - 1,96*4; xs =  + z0 = 20 + 1,96*4 

P(12,16  x  27,84) 0,95  x i 12,16 x s 27,84

 48

Pode-se também usar a função [Link] no EXCEL para calcular o limite inferior e superior
da forma seguinte =[Link](0,025;20;4)=12,16 e =[Link](0,975;20;4)=27,84.
 49

Distribuição 2 (Qui-quadrado)

Função densidade de probabilidade 2 (com 1, 3, 5 e 10 graus de liberdade)

Sejam Z1, Z2 .......Zk variáveis normais padronizadas independentes. Então se diz, que a
quantidade

possui a distribuição 2 com k graus de liberdade. A distribuição 2 é usada para testar

hipóteses sobre a variância de variáveis aleatórias [mas existem também outros testes com a
distribuição 2].

Pode-se calcular no EXCEL as probabilidades com a função [Link] [Probabilidades

unilaterais a direita], e o valor de 2 para probabilidades conhecidas (unilaterais a direita) com a
função [Link].

Distribuição t de Student
Função densidade de probabilidade t de Student

Se Z1 for uma variável normal padronizada e uma variável Z2 seguir a distribuição 2 com k
graus de liberdade e estiver distribuída independentemente de Z 1, então a variável definida
como
 50

segue a distribuição t de Student com k graus de liberdade.

A distribuição t de STUDENT é usada em vez da distribuição normal, quando a variância da

população 2 não é conhecida e é usada em vez da variância da população a variância da
amostra como estimativa.

Pode-se usar no EXCEL a função DISTT para calcular probabilidades unilaterais a direita
(caudas = 1) para valores positivos de t e probabilidades bilaterais (caudas = 2) e valores para t
para probabilidades conhecidas com a função INVT [probabilidades bilaterais – níveis de
significância].

Distribuição F
Função densidade de probabilidade F

Se Z1 e Z2 forem variáveis distribuídas independentemente 2 com k1 e k2 graus de liberdade,

respectivamente, a variável F segue a distribuição F (de Fisher) com k1 e k2 graus de liberdade

A distribuição de F é usada para testes sobre a igualdade de duas variâncias (por exemplo, na
análise de variância ANOVA), bem como em outros casos.

Pode se usar as funções no EXCEL DISTF e INVF para calcular probabilidades e valores F.

Observação

Quando o número de graus de liberdade cresce, as distribuições t, 2 e F aproximam a

distribuição normal. Essas três distribuições são conhecidas como distribuições relacionadas
com a distribuição normal.
 51

A distribuição exponencial

Para um processo de Poisson com parâmetro , L denota o tempo até o próximo evento (por
exemplo: quebra de uma maquina) desde um ponto de tempo t=0. Este é a vida futura da
maquina agora operando. A distribuição de L é dada pela função de distribuição de uma
variável continua distribuída exponencial [Também para problemas de filas de espera]

F(t) = P(Lt) = 1-P(L>t)= 1-P(nenhuma quebra em (0,t))

=.1 - e-t para t>0.

A função de densidade é f(t) = F’(t) = e-t para t >0.

(Ver Lindgren, Statistical Theory, pagina 166-168).

Distribuiçã
Função da densidade distribuição exponencial
f(x;0,5)

f(x;0,5)
0.5

0.4

0.3

f(x;0,5)
0.2

0.1

0
0 2 4 6 x 8

o exponencial (Função densidade de probabilidade )

No EXCEL encontram-se a função DISTEXPON para calcular probabilidades.

 52

Amostragem

População (Tamanho N)
os pontos são
os elementos da população
Amostra
(Tamanho n)

Processo
de
amostragem

O processo de colher dados ou de obter resultados de vários repetições de um experimento de

chance chama-se amostragem. Amostragem é o processo de extrair elementos de uma
população para uma amostra. Os resultados são chamados observações e o conjunto de
observações é a amostra. O tamanho da amostra n é o número de unidades estatísticas
escolhidas para a amostra. Tira-se uma amostra para obter resultados sobre parâmetros não
conhecidos da população como a média  e a variância 2. Um estimador ou uma estatística da
amostra, como a média x ou a variância s2c, é uma função das observações da amostra.
Importante é também conhecer a distribuição do estimador x ou do estimador s2c.

Uma amostra aleatória, onde todos os elementos da população têm a mesma chance de ser
escolhidos para a amostra, é a base para toda estatística inferencial e o pressuposto para usar
a teoria de probabilidade. Existem diferentes formas de fazer uma amostra aleatória:

1. Amostragem aleatória simples: Cada elemento da população tem a mesma chance de ser
escolhido para a amostra. Modelo com reposição ou população infinita: se um elemento é
escolhido ao acaso e a observação é feita, ele é reposto e o processo de escolha é
repetido. Modelo sem reposição, o elemento não é reposto. Enquanto praticamente o
processo de amostragem sem reposição é mais usado, na teoria é matematicamente mais
fácil de usar o modelo com reposição.

2. Amostragem estratificada: A população é dividida em estratos (por exemplo, os estados de

Brasil) e depois é tirada, em cada estrato, uma amostra simples.

3. Amostragem por conglomeração (Cluster sampling): A população é dividida em grandes

unidades (conglomerados) que contem muitos elementos (por exemplo, empresas rurais
que contem muitos trabalhadores). Dentro das grandes unidades (conglomerados) é feita
uma amostra aleatória simples (algumas empresas rurais são escolhidas da população das
empresas para a amostra), depois todos os elementos (trabalhadores) dos conglomerados
escolhidos para amostra são analisados.

A distribuição da média da amostra

A média x é um estimador para a média  da população. É importante conhecer a distribuição

da média da amostra. Se a variável aleatória x tem distribuição qualquer, a esperança
matemática da distribuição da média x é
 53

1 1 1
E ( x)  E (
n
 x i )   E ( x i )    
n n

e a variância de x é
2
1 n  1
 x 
2
E ( x  E ( x)) 2  E ( x   ) 2  2x  E  x i    2 E i  
n n  n
1  

n 2
2

E   x i       x i    x j   
 i  j 
1 1
 2  Ex i     2   Ex i    x j
n
2

n i  j
   
1 2 2
 n  
n2 n

A covariância é zero, porque os elementos são escolhidos independentemente. A variância da

média é igual a variância da variável aleatória x dividida pelo tamanho da amostra n. Quanto
maior o tamanho da amostra n tanto menor é a variância da média. Aumentando o tamanho da
amostra n pode-se diminuir a variância da média.

Esta definição da variância da média em conjunto com a desigualdade de Chebychev (ver na

parte sobre estimação) leva a lei dos grandes números em suma forma fraca (Menges: Statistik
1: Theorie, p.218 p. e p. 251)

A lei dos grandes números considera que a média da amostra com n converge com
probabilidade 1 contra o parâmetro . O teorema de limite central, descrito em baixo,
considera, que a média padronizada com n converge contra uma variável aleatória
distribuída normal com média 0 e variância 1.

Se a distribuição de x é normal com média  e variância 2 pode ser provada de que a

distribuição de x também é normal com média  e variância 2/n:

x ~ N(, 2)  x ~ N(, 2/n).

Se a distribuição de x não é normal o teorema do limite central mostra que a distribuição da

média x se torna aproximadamente normal com média  e variância 2/n à medida que cresce
o tamanho n da amostra.

O teorema do limite central

Se x1, x2,....,xn são variáveis aleatórias independentes com média  e variância 2, e se  e 2
são valores finitos, a distribuição de y=xi tende a uma distribuição normal com média n e
variância n2, a medida que n cresce.
Quer dizer que a distribuição limite de

z
 x i  n  x  
n  n

é uma distribuição normal reduzida, quando n tende a infinito (independente da distribuição das
variáveis x1, x2, ...xn.).

FUNÇÕES ESTATÍSTICAS EXCEL 97

[Link] e [Link] retornam a distribuição normal/padrão cumulativa
[Link] e [Link] retornam o inverso da dist. Normal/padrão cumulativa
[Link] retorna a probabilidade unicaudal da distribuição Qui-quadrada
 54

DISTF retorna a probabilidade da distribuição F

DISTT retorna a probabilidade da distribuição t
INVT retornam o inverso da distribuição t
DISTRBINOM retorna a probabilidade da distribuição binomial
 55

Estimação, Estimadores e estimativas

Na estatística inferencial certas estatísticas da amostra como, média, desvio padrão, variância,
etc. podem ser usadas como estimativas para os parâmetros da população, baseando-se nos
resultados da amostra num processo de amostragem aleatória. Muitas vezes sabe-se ou estar
disposto a admitir que uma variável aleatória X segue uma certa distribuição de probabilidade,
mas não são conhecidos os valores dos parâmetros da distribuição. O procedimento usual é
escolher uma amostra aleatória de tamanho n da distribuição de probabilidade conhecida e
usar os dados amostrais para estimar os parâmetros desconhecidos. O problema de estimação
pode ser dividido em duas categorias: estimativa de ponto e estimativa de intervalo (intervalo
de confiança)11.

Estimativa de ponto

Seja X uma variável aleatória contínua com função densidade de probabilidade f(x, ), em que
 e o parâmetro da distribuição (a discussão pode ser facilmente generalizada para o caso de
mais de um parâmetro). Conhecida a forma da função densidade de probabilidade, mas não é
conhecido o valor de . É escolhida uma amostra aleatória de tamanho n dessa função
densidade de probabilidade conhecida e construída então uma função dos valores amostrais tal
que

é uma estimativa do  verdadeiro. é conhecido como estatística ou estimador, e um valor

numérico particular assumido pelo estimador é conhecido como estimativa. pode ser tratado
como uma variável aleatória, pois é uma função dos dados amostrais. fornece uma regra, ou
formula, que determina como estimar o  verdadeiro. Assim

em que X é a média da amostra, então X é um estimador do valor médio verdadeiro . Se,

em um caso especifico, x=50, isto é uma estimativa de . O estimador obtido anteriormente
é conhecido como uma estimativa de ponto, porque fornece uma única estimativa (de ponto) de
.

Estimativa de intervalo

Em vez de obter uma única estimativa de , pode-se construir duas estimativas de  por meio
da construção de dois estimadores 1(x1,x2,.....xn) e 2(x1,x2,.....xn), e diga-se com alguma
confiança (isto é probabilidade) que o intervalo entre 1 e 2 inclui o verdadeiro . Assim, em
uma estimativa de intervalo, em contraste com a estimativa de ponto, é fornecida uma classe
de possíveis valores dentro da qual pode se encontrar o verdadeiro .

Na estimativa de intervalo pode-se construir dois estimadores 1 e 2 , ambos funções dos

valores X da amostra, tais que

Ou seja, pode-se afirmar que é de 1- a probabilidade de o intervalo de 1 a 2 conter o

verdadeiro . Este intervalo é conhecido como um intervalo de confiança de tamanho 1- para
 sendo que 1- como coeficiente de confiança. Se =0,05, então 1-=0,95, significando que,
11
A argumentação teórica sobre estimação de ponto e estimação de intervalo segue a argumentação em
GUJARATI, DAMODAR N., Econometria básica, São Paulo: Makron Books, 2000, p. 783 pp.
 56

construindo um intervalo de confiança com um coeficiente de confiança de 0,95, então, em

construções repetidas desse tipo resultantes de amostragem repetida, está certo em 95 dentre
100 casos afirmar que o intervalo contém o verdadeiro 12. Quando o coeficiente de confiança é
0,95, diz-se que existe um intervalo de confiança de 0,95 (95%),  é conhecido como nível de
significância, ou a probabilidade de se cometer um erro de tipo I13.

Obviamente podem-se construir diferentes estimadores para um parâmetro da população. O

que é um estimador bom, o que são características desejáveis de um estimador? Para avaliar a
qualidade de um estimador existem as propriedades do estimador para pequenas amostras
como linearidade, não tendenciosidade e eficiência14. Um critério importante para avaliar a
qualidade de um estimador para amostras grandes (crescentes) é a consistência. Um
estimador é consistente se ele se aproxima do verdadeiro valor de , quando o tamanho de
amostra n cresce cada vez mais. Obviamente um critério importante é também o custo
computacional de um estimador.

Propriedades de estimadores para pequenas amostras

1. Um estimador é não tendencioso (não-viesado), quando o valor esperado do estimador é

igual ao verdadeiro  E( )= se a igualdade não for
válida o estimador é tendencioso ou viesado é o viés [inglês: bias] é viés( ) = E( ) -
.

2. 1 é um estimador com variância mínima de  se a variância de 1 é menor (ou no máximo

igual) a variância de 2 , que é qualquer outro estimador de .

3. Se 1 e 2 forem estimadores não-viesados de , e a variância de 1 for menor (ou no

máximo igual) a variância de 2, então 1 é um estimador não-viesado com variância
mínima, ou melhor não viesado, ou eficiente.

4. Diz-se que um estimador é um estimador linear de  se ele for uma função linear das
observações amostrais (por exemplo a média da amostra).

5. Se for linear, não-viesado e tiver variância mínima na classe de todos os estimadores

lineares não-viesados de , então ele é chamado de melhor estimador linear não-viesado.

6. Estimador com erro quadrático médio mínimo (EQM) (inglês: mean square error/MSE) é
um estimador EQM( ) = E( - )2. Isto contrasta com a variância de , que é
definida como Var( ) = E( - E( ))2, porque o estimador pode ser viesado. Pode se
mostrar que EQM( ) = E( - )2= E( - E( ))2+ E(E( )- )2=Var( )+vies(
)2.

12
Somente pode ser dizer que em amostragens repetidas a probabilidade de encontrar o verdadeiro valor
de  dentro de intervalo é 1-, para uma amostra especifica o verdadeiro  está (probabilidade 1) ou não
(probabilidade 0) dentro de intervalo especifico.
13
Ver explicação na parte sobre testes de hipóteses a seguir.
14
Linearidade de um estimador existe, quando o estimador é uma função linear das observações
amostrais. Não tendenciosidade de um estimador existe, quando a esperança matemática do é igual
ao verdadeiro valor de . Eficiência para um estimador não tendencioso existe, quando o estimador não
tendencioso tem a variância mínima entre todos os estimadores não tendenciosos.
 57

Propriedades de estimadores em grandes amostras

Funções de densidade para dois estimadores para o parâmetro 

(um estimador não tendencioso, outro tendencioso)

0,35
 4
0,30

0,25 
f ˆ
~
f  
0,20

0,15

0,10

0,05

E ˆ  E     viés 
~ ~

0,00
-2 -1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

1. Diz-se que é um estimador consistente se ele se aproxima do verdadeiro valor 

conforme o tamanho da amostra fica cada vez maior. Simbolicamente
.
2. Seja um estimador de . A variância da distribuição assintótica de é chamada de
variância assintótica de . Se for consistente e sua variância assintótica for menor que a
variância assintótica de todos os outros estimadores consistentes de , é chamado de
assintoticamente eficiente.
3. Diz-se que um estimador está assintoticamente distribuído normal se sua distribuição de
amostragem tende se aproximar da distribuição normal conforme o tamanho da amostra n
aumenta indefinidamente [ver também teorema do limite central].
 58

Estimação por intervalo (intervalos de confiança)

Suponhamos que uma variável aleatória x tem distribuição normal com média  e variância 2
conseqüentemente a variável aleatória x também tem distribuição normal com média  e
variância 2/n. Se  e 2/n são conhecidos, pode-se construir intervalos de probabilidade para a
média x de uma amostra de tamanho n

x 
P(  z 0  z   z 0 ) 1  

n
P(  z 0   x    z 0  ) 1  
n n

é um 1- intervalo de probabilidade para a variável aleatória x . Se =0,05, o intervalo é um

0,95 intervalo de probabilidade para x. Se =20, =40 e n=100 este intervalo de probabilidade
é dado por

P(20  1,96 * 40 10  x  20  1,96 * 40 10)  P(12,16  x  27,84) 0,95.

Neste caso não há nenhum problema, porque x é uma variável aleatória e para uma variável
aleatória é possível construir um intervalo de probabilidade.

Se o objetivo é fazer o contrario: conhecida a média x de uma amostra de tamanho n e agora

o objetivo é construir o intervalo em que se pode esperar o parâmetro  (a média da
população) com uma probabilidade de 1-, supondo de que a variância 2 seja conhecida.
Neste caso a interpretação do intervalo de confiança é um pouco mais complicada porque a
média da população é um valor fixo e não uma variável aleatória. Quando é construído um
intervalo de confiança para a média  da seguinte forma: a média  pode ser encontrada
entre a e b com uma probabilidade 1-, a interpretação deste intervalo de confiança é mais
problemática. O valor de  é um valor fixo, por exemplo, 10, não uma variável aleatória. Por
esta razão o valor de  está dentro ou fora do intervalo de confiança, a probabilidade é 1 ou 0,
neste caso. É necessário interpretar um intervalo de confiança de uma maneira diferente. Se
fossem escolhidas muitas amostras de tamanho n da população e para cada amostra seria
calculado um intervalo de confiança de, por exemplo, 0,95. Neste caso, 95% dos intervalos de
confiança incluírem a média de população , e 5% não incluírem a média . Desta forma pode-
se interpretar um intervalo de confiança, porque  é um valor fixo que pertence ao intervalo
calculado ou não.

Exemplo: Uma usina de açúcar ensaca o açúcar com uma maquina de ensacar. O peso médio
de saco de açúcar deve ser de 60 kg. A variância dos pesos dos sacos de açúcar é conhecida
de ser 2 kg2 e a distribuição dos pesos dos sacos açúcar seja conhecida como normal. A usina
de açúcar escolha aleatoriamente da produção de um mês uma amostra de n = 25 sacos e
calcula (como estimativa de ponto) um peso médio de x = 60,5 kg. A usina quer saber, em que
intervalo ela pode esperar o verdadeiro valor médio ajustado da maquina de ensacar com uma
probabilidade de 0,95 (0,95 intervalo de confiança), se ela usa o conhecimento sobre a
variância da população dos pesos de sacos de 2 kg 2, bem como quando ela usa a variância
corrigida (amostral) (n-1) da amostra de 2 kg 2 (por acaso a variância da população é igual a
variância da amostra).

No caso da variância da população dos pesos de sacos de açúcar seja conhecida como 2 kg2
(variância da população 2), o cálculo do 0,95 intervalo de confiança pode ser feito usando a
distribuição normal.
 59

Como 1-=0,95  =0,05  z0 = 1,96 [Função EXCEL 97 =[Link](0,975)].

O intervalo 60,5-1,960,283<<60,5+1,960,283 ou (59,945<<61,055) é um 0,95 intervalo de

confiança de para  (para o valor de ajuste da maquina de ensacar açúcar). É errado afirmar
que P(59,945<<61,055)=0,95, porque  é um valor fixo da população não uma variável
aleatória. Interpretação do intervalo de confiança: se fossem escolhidas muitas amostras do
tamanho n, e calculados os intervalos de confiança, em 95% dos casos os intervalos de
confiança incluíram .

Intervalo de confiança, x normal e  conhecido

Se a variável aleatória x é normal, a variável aleatória x também é normal. Se x não é normal,

a variável aleatória x é aproximadamente normal quando n é grande usando o teorema de
limite central.

Sob o pressuposto de que 2 seja conhecida, é possível usar a distribuição normal para
construir um intervalo de confiança. Este pressuposto pode ser discutido, porque numa
pesquisa empírica muitas vezes não se conhece o valor de 2, mas no próximo passo
(distribuição t de STUDENT) a situação quando 2 é desconhecida é estudada.

No caso 2 conhecida, a variável aleatória reduzida z tem uma distribuição normal reduzida,
para que

P(-z0 < z < +z0 ) = 1 -  P(z < -z0) = P(z > z0) = /2, um intervalo de probabilidade para z.

Exemplo: 1-=0,95  =0,05  z0 = 1,96; média x = 15, n=100, =25.

(15-1,96*25/10<<15+1,96*25/10) = (10,1<<19,9) é um 0,95 intervalo de confiança para .

É errado afirmar de que P(10,1<<19,9)=0,95, porque  é um valor fixo da população, não

uma variável aleatória. Interpretação do intervalo de confiança: se fossem escolhidas muitas
amostras do tamanho n, e calculados os intervalos de confiança, em 95% dos casos os
intervalos de confiança incluíram .

Intervalo de confiança: x normal, 2 desconhecido.

Neste caso é necessário estimar a variância da população 2 através de uma estimativa da

amostra. Um estimador não tendencioso de 2 é a variância corrigida (amostral) da amostra

.
 60

Distribuição normal: Probabilidade bilateral

Intervalo de probabilidade (bilateral)


f(z,0,1)
0.4
f(z,0,1)

0.3

0.2

0.1  

0
-3 -2 z=-1,96 -1 0 1 z=1,96 2 z 3

Análise bilateral (bicaudal)

Mas quando a variância da população é estimada pela variância corrigida (amostral) da
amostra, é introduzida uma nova variável aleatória, porque s 2c agora é uma variável aleatória
mudando de amostra para amostra e tem uma distribuição própria. A variável

( n  1)s2c
2 
2
tem uma distribuição de 2 com n-1 graus de liberdade e a variável aleatória t

x   x   ( x  ) n ( x  ) n  1
t    EXCEL (DISTT)
sx sc sc s
n

não tem mais uma distribuição normal reduzida, mas uma distribuição t (STUDENT) com n-1
graus de liberdade. Chama-se n-1 graus de liberdade porque existem n valores na amostra,
mas é necessário estimar a média x para calcular a variância corrigida (amostral) e com isto
perde-se um grau de liberdade, neste caso15.

A distribuição t (STUDENT) é como a distribuição normal reduzida uma distribuição simétrica,

mas com variância maior (dependendo dos graus de liberdade), para n aproximando o infinito,
a distribuição de t aproxima uma distribuição normal reduzida. A aproximação já é praticamente
razoável quando n>30, mas como os novos softwares de estatística é possível sempre usar a
distribuição t de STUDENT diretamente, quando a variância da população é desconhecida.

A construção de um intervalo de confiança com a distribuição t de STUDENT é principalmente

equivalente a construção de um intervalo de confiança com a distribuição normal, só agora
usando a variável aleatória t em vez da variável aleatória z. Exemplo para a maquina de
ensacar açúcar:

15
Em geral, pode se dizer quantos parâmetros são necessários para serem estimados pelas observações de
amostra, tantos graus de liberdade são perdidos. Por exemplo, na economia numa regressão múltipla com
k coeficientes de regressão (incluindo o coeficiente da interseção) é necessário estimar os k coeficientes
da regressão e, com isto, perdem se k graus de liberdade, usando para intervalos de confiança ou testes
uma variável t (STUDENT) com n-k graus de liberdade.
 61

Se no exemplo dos sacos de açúcar (pagina 58) a usina não conhece a variância da
população, ela pode usar a variância da amostra (corrigida: dividida por n-1) de 2 kg 2. Mas,
neste caso, a variância da amostra

é uma variável aleatória com uma distribuição própria (2), e é necessário usar a distribuição t
(STUDENT) com n-1=24 graus de liberdade

Como 1-=0,95  =0,05  t0,975;=24 = 2,064 [Função EXCEL 97 =INVT(0,05;24)], o intervalo

60,5-2,064*0,283<<60,5+2,064*0,283 ou (59,916<<61,084) é um 0,95 intervalo de confiança
para . O intervalo de confiança é (para o mesmo valor da variância) maior do que o intervalo
de confiança através da distribuição normal (2 conhecida), porque a distribuição tem caudas
mais pesadas do que a distribuição normal.

Outro exemplo para a distribuição t

é um 0,95 intervalo de confiança para .

Aproximação normal da distribuição binomial

A função de probabilidade binomial é

 n
f ( x)   p x q n  x para x 0,1,......, n.
 x

Quando n cresce, a distribuição de

x  np p  p x
z  p 
npq pq n
n

tende a uma distribuição normal reduzida. A aproximação é possível, quando np>5 e nq>5.

Intervalo de confiança para uma proporção

A variável aleatória z é aproximadamente normal quando np>5 e nq>5, neste caso pode-se
construir um intervalo de confiança para a proporção  da população

Se a proporção da população não é conhecida, pode-se usar o estimador

 62


pq
s p 
n

e construir um 1- intervalo de confiança para  (a proporção na população) com a formula

Exemplo: Para um candidato para a eleição para prefeito de Recife a proporção de votos para
um certo candidato entre n=100 pessoas escolhidas foi de 40%, calcula um 0,95 intervalo de
confiança para a proporção na população:

é um 0,95 intervalo de confiança para .

Hoffmann (p.95) e outros autores propõem uma correção de continuidade para o intervalo de
confiança, porque a distribuição binomial é uma distribuição discreta, enquanto a distribuição
normal é uma distribuição continua.

é um 0,95 intervalo de confiança para o  da população.

Pode-se também usar uma formula equivalente para calcular intervalos de confiança para x em
vez de para  (ver Hoffmann, p. 95-97).

Para construir intervalos de confiança e fazer testes de hipóteses pode se usar a seguinte
tabela como ajuda:
 63

Intervalos de confiança, testes de hipóteses

O nível de medida é importante para a escolha de métodos paramétricos ou não paramétricos.
Normalmente quando o nível de medida é nominal ou ordinal só podem ser usados métodos não
paramétricos (mas pode se usar a distribuição normal, para um intervalo de confiança ou um teste
sobre uma proporção , se certos pressupostos são satisfeitos).
Se o nível de medida é de intervalo ou de razão pode se usar as seguintes variáveis aleatórias:
x distribuída normal x~N(,2)   2 
2
x normal, x  N   ,  x  
 n
 conhecida
2
x 
z normal reduzida N(0,1)
 n
2 não conhecida x 
t distribuição t com n-1 graus de
sc n
liberdade
ns2
2  distribuída 2 com n-1 graus de
2
liberdade
x e y independente normal s2cx
F  2 distribuída F com nx-1 e ny-1 graus de
scy
liberdade sob H0: 2x=2y
x tem outra distribuição conhecida usando esta distribuição, aproximação pela
distribuição normal possível
x tem distribuição não conhecida estatística não paramétrica, para n grande:
teorema do limite central (distribuição normal)

A desigualdade de Chebychev - uma abordagem não paramétrica

Quando um intervalo de confiança ou um teste de hipóteses exige, para sua aplicação, o

pressuposto de que a variável aleatória em estudo tenha determinada distribuição, dizemos
que tal intervalo ou teste é paramétrico.

Entretanto existem regras estatísticas, denominadas não paramétricas, que podem ser
aplicadas sem a necessidade de estabelecer um pressuposto a respeito da distribuição da
variável aleatória, mas elas são muitas vezes menos poderosos.

A desigualdade de Chebychev é uma regra não paramétrica que pode ser aplicada, quando x
não é normal e a amostra é pequena (n<30).

1
Desigualdade de Chebychev: P(| x  |  k x ) 1 
k2

A desigualdade de Chebychev é baseada na hipótese de que  x é conhecida. Se ela e

desconhecida, pode ser usada com algum risco uma estimativa de  x da amostra. De fato a
desigualdade de Chebychev é raramente usada na construção de intervalos de confiança para
, mas é o único método apropriado para uma população decididamente não normal e uma
amostra pequena.

Exemplo: Para uma dada semana, uma amostra aleatória de n=25 empregados de um grande
grupo de empregados apresentou um salário médio de x=180 Reais com um desvio padrão de
=15 Reais. Queremos um 0,99 intervalo de confiança para o verdadeiro salário médio na
população .
64
 65

Determinação do tamanho da amostra n

O intervalo de confiança pode ser usado para determinar o tamanho da amostra n. O objetivo é
determinar o tamanho da amostra que garanta uma certa precisão para a estimação da média
da população  a um certo nível de confiança. Precisão quer dizer que o tamanho do intervalo
de confiança para uma dada probabilidade é 2e, onde e, o erro absoluto da estimação, é igual
e=| x -|.

 x      
P  z 0  z   z 0   P z 0  x  x    z 0  x   P  z 0  x    z0  1  
 x   n n
O
  
P e | x  |  z 0  1  
 n
tamanho do intervalo de confiança é 2e. O erro absoluto (a precisão da estimação de ) é e.
Usando esta formula para determinar o tamanho da amostra n para uma dada precisão e uma
dada probabilidade (população infinita ou amostragem com reposição):

Há três variáveis importantes na determinação do tamanho da amostra: o valor de z 0,

determinado pelo nível de confiança 1-, a variabilidade da variável x, medida pela variância 2,
que pode ser de difícil estimação para um projeto de uma pesquisa empírica, e a precisão da
estimação e=x -. Quanto maior o nível de confiança, quanto maior a variabilidade, medida
por 2, e quanto maior a precisão (menor o erro e admissível), tanto maior o tamanho
necessário da amostra n.

Por exemplo: Uma grande empresa rural quer medir o peso médio dos bois. Na primeira
aproximação suponha-se uma população infinita ou amostragem com reposição. O objetivo é
determinar o tamanho da amostra necessário para garantir uma precisão de 2 quilogramas (e=|
x -|=2) com uma probabilidade dada de 0,90 e um desvio padrão do peso de =20
quilogramas:

Quando a probabilidade é aumentada (por exemplo, para 0,95) ou/e a precisão é aumentada
(por exemplo, para 1 quilograma) o tamanho necessário da amostra aumenta:

Com uma população finita e amostragem sem reposição, é necessário mudar a formula para a
variância da média e considerar o fator de correção para populações finitas (N-n)/N. (Ver
COCHRAN, W.G.: Sampling techniques, New York 1963, p. 22 e 76).

Depois de algumas transformações e usando o resultado para a população infinita, aqui

definido como n0, como primeira aproximativa para o tamanho da amostra, o resultado n para o
tamanho da amostra no caso da população finita com amostragem sem reposição é (existem
 66

formulas ligeiramente diferentes, mas pode se mostrar que o resultado é o mesmo como no
caso aqui descrito):

n z 20S 2
n 0 onde n0  2
n e
1 0 N

Se a empresa rural tem N=1000 bois, no caso de amostragem sem reposição o tamanho
necessário para uma precisão e=2 quilogramas e uma probabilidade de 0,90 é

Determinação do tamanho da amostra estimando uma proporção

Neste caso a variância da proporção de amostra p é

Exemplo: Um candidato em uma eleição espera um resultado de 40% (p=0,40). Quer-se saber
o tamanho da amostra necessário para uma pesquisa de opinião com precisão de 0,02 e
probabilidade de 0,95

1,96 2 * 0,4 * 0,6

n  2.305.
0,02 2

No caso de uma população finita (N=1.000) e amostragem sem reposição a formula com
consideração de fator de correção para populações finitas é

n z 20 pq 2.305
n 0 n0  2 n 698.
n e 1 2.305
1 0 N 1000
.
No caso da determinação de tamanho da amostra n em caso de uma proporção p a ser
estimada, pode se sempre supor a situação pior (com a maior variabilidade), que acontece com
um valor de p=q=0,5.
 67

Testes de hipóteses

Estimativa e teste de hipótese constituem os ramos mais importantes da inferência estatística

clássica. Em vez de procurar-se uma estimativa de um parâmetro de uma população,
freqüentemente o objetivo da pesquisa empírica é confirmar ou rejeitar um valor hipotético
deste parâmetro da população utilizando a informação de uma amostra. Por exemplo, pode-se
desejar decidir, com base nos dados amostrais, se uma nova ração é realmente eficaz para
aumentar a produção pecuária, se um produto satisfaz uma certa norma de qualidade ou não,
se uma moeda é viesada etc.

As hipóteses ou conjecturas sobre a população, que podem ser verdadeiras ou não

verdadeiras, consistem em considerações sobre a população, especialmente sobre valores de
parâmetros ou tipos de distribuições de probabilidade (ou funções de densidade). Um teste de
hipóteses (ou de significância) é uma regra de decisão para testar uma hipótese nula H 0
(conjectura básica) contra uma hipótese alternativa H 1 com base nos dados amostrais. Se a
amostra observada difere, de modo significativo, do valor hipotético sob H 0, então a hipótese
nula H0 e rejeitada e H1 aceitada, e vice versa16. A decisão de rejeitar (ou aceitar) uma hipótese
pode ser incorreta – o teste pode resultar em uma rejeição da hipótese nula, também se a
hipótese é verdadeira, porque a aleatoriedade da estatística de teste pode resultar em erros de
tipo 1 (rejeitar uma hipótese, que está verdadeira) ou em erros de tipo 2 (aceitar uma hipótese
que está errada).

Formalmente: Seja X uma variável aleatória com uma função densidade de probabilidade
conhecida f(x;), em que  é o parâmetro da distribuição. Depois de obter uma amostra
aleatória de tamanho n, o estimador de ponto para o parâmetro  é construído. Como
raramente se conhece o verdadeiro , levanta-se a questão: o estimador é "compatível" com
algum valor hipotético de ? Em outras palavras, poderia a amostra ter vindo da função
densidade de probabilidade f(x;=*)? Na linguagem do teste de hipótese, =* chama-se a
hipótese nula (ou sustentada) e é geralmente indicada por H0. A hipótese nula é testada contra
uma hipótese alternativa, indicada por H1, que, por exemplo, pode afirmar que *.

A hipótese pode ser simples ou composta. A hipótese é chamada simples se ela especifica o(s)
valor(es) do(s) parâmetro(s) da distribuição, caso contrário é chamada hipótese composta.

Hipótese simples, por exemplo, H0: =15. Hipótese composta, por exemplo, H1 >15, [teste uni
caudal a direita]. Para testar a hipótese nula (isto é, testar sua validade), usa-se a informação
da amostra para obter o que é conhecido como a estatística de teste. Muitas vezes, esta
estatística de teste se revela um estimador de ponto do parâmetro desconhecido. Na maioria
dos casos, a hipótese nula é uma hipótese simples (por exemplo,  = 0), enquanto a hipótese
alternativa é uma hipótese composta17 (por exemplo,   0 [teste bicaudal ou bilateral],  > 0
[teste unicaudal ou unilateral a direita],  < 0 [teste unicaudal ou unilateral a esquerda])18.

16
Existem na literatura posições (ver, por exemplo, LINDGREN p. 305, mas contrário HOEL] que
afirmam que um teste de hipóteses pode resultar em uma rejeição da hipótese nula, mas não na aceitação
da hipótese nula (neste caso fala-se de que a hipótese nula não pode ser rejeitada ao nível de
significância), porque cada modelo especifico é quase certamente errado (especialmente para modelos de
variáveis contínuas). Mas como aqui o teste de hipóteses é visto como uma regra de decisão para uma
ação, fala-se aqui de rejeitar a hipótese nula ou aceitar ela, porque as pessoas ajam como ela seja incorreta
ou correta [ver também LINDGREN p. 306]. Obviamente uma hipótese estatística é sempre rejeitada ou
aceitada somente provisoriamente, porque uma nova pesquisa pode alterar os resultados.
17
Alguns livros afirmam que a hipótese alternativa é necessariamente composta, mas em outros livros da
estatística matemática afirma-se, como se segue nesta apostila, que uma hipótese alternativa simples é
possível.
18
A introdução de certa área de rejeição (teste bilateral, teste unilateral a esquerda e a direita) é feito aqui
intuitivamente, mas o NEYMAN-PEARSON LEMMA (ver, por exemplo, HOEL, p. 214 pp. ) mostra
como uma área critica ótima pode ser obtido teoricamente. [Pode se ter também para funções de
densidade especificas áreas criticas ótimas que não são intuitivamente tão claras, ver por exemplo HOEL
p. 49 pp.]
 68

Uma hipótese estatística é um pressuposto sobre uma distribuição de uma variável aleatória,
tipicamente sobre a média, a diferença de duas médias, a variância etc. O teste de uma
hipótese estatística é uma regra para decidir se a hipótese deve ser aceita ou rejeitada com
base no resultado de uma amostra aleatória.

Um exemplo de teste de hipóteses, envolvendo a média de uma variável aleatória com

distribuição normal, pode melhor explicar o assunto.

Numa usina de açúcar uma maquina de ensacar sacos de açúcar é supostamente ajustado
para um peso médio 0 = 60 kg. É conhecida a variância da variável aleatória X peso dos sacos
de açúcar em kg, distribuída normal, de ser 2 kg2. Um comprador de açúcar dúvida que o peso
médio ajustado da maquina de ensacar é de 0 = 60 kg e suponha, que o peso médio ajustado
e 1 = 59 kg. Entre usina e comprador é feito um acordo de tirar uma amostra aleatória de n=25
sacos de açúcar para decidir, se a hipótese nula (H 0: 0 = 60 kg) ou a hipótese alternativa (H1:
1 = 59 kg) é certa. O acordo prevê, que a hipótese nula seja rejeitada, se o peso médio dos
n=25 sacos de açúcar é menor do que 59,6 kg, e aceitada, se o peso médio dos n=25 sacos de
açúcar é de 59,6 kg ou maior. O valor especificado de 59,6 kg chama-se o valor critico do teste
de hipóteses, definindo uma área de aceitação bem como uma área de rejeição para o teste. O
teste descrito é um teste unilateral a esquerda, por causa da hipótese alternativa H1).

 se x  C = 59,6 kg , aceita-se H0 e rejeita-se H1 (área de aceitação)19

 se x < C, rejeita-se H0 e aceita-se H1 (área de rejeição)
O problema crucial de testes de hipóteses é: será que a regra de decisão que foi definida
conduz a uma decisão correta?

Definitivamente, não é possível estabelecer uma regra que permite decidir sobre H 0, sem ser
sujeita ao erro de amostragem. O resultado da amostragem é uma variável aleatória, por esta
razão a decisão é sujeita a erro. Com base nos resultados obtidos numa amostra aleatória, não
é possível tomar decisões que estejam definitivamente corretas. Mas é possível calcular a
probabilidade de que a decisão tomada seja errada.

A regra de decisão é que H0 seja rejeitada se x da amostra assume um valor menor do que C,
mas este resultado também pode acontecer quando H0 esta correta. Esta decisão de rejeitar
uma hipótese correta é chamada erro de tipo I (tamanho ). A hipótese é rejeitada enquanto
ela deve ser aceita. A decisão de aceitar a hipótese H 0, quando ela é errada, chama-se o erro
de tipo II (tamanho ) como pode ser visto na tabela seguinte.

Uma hipótese estatística é um pressuposto sobre uma distribuição de uma variável aleatória,
tipicamente sobre a média, a diferença de duas médias, a variância etc. O teste de uma
hipótese estatística é uma regra para decidir se a hipótese deve ser aceita ou rejeitada com
base no resultado de uma amostra aleatória e um nível especificado de significância.

19
A inclusão do valor C na área da aceitação mostra uma certa prevalência para a aceitação da hipótese, o
valor C pode ser também incluído na área de rejeição (neste caso deve ser excluída da área de aceitação).
Na literatura existem as duas formas de definir a área de rejeição.
 69

Teste unilateral a Estado da natureza

esquerda
H0  = 0 H1  < 0
Resultado da amostra H0 é certo H1 é certo
x <C rejeitar H0 rejeitar H0
Valor empírico cai na decisão errada decisão certa
área de rejeição erro de tipo I (tamanho ) (poder de teste 1-)
x C aceitar H0 aceitar H0
Valor empírico cai na decisão certa decisão errada
área de aceitação erro de tipo II (tamanho )

O tamanho do erro do tipo I é denominado  (nível de significância do teste), o tamanho do erro

do tipo II é denominado . Quando o erro de tipo I diminua por causa da mudança de valor
critico C o erro de tipo II aumenta. O erro de tipo I é o erro de rejeitar uma hipótese que está
certa, o erro de tipo II, é o erro de aceitar uma hipótese que está errada. Não se pode evitar um
erro de decisão quando a decisão baseia-se num resultado de amostra, mas pode se calcular a
probabilidade da decisão tomada estar errada. O valor de 1-, que é a probabilidade de rejeitar
H0 quando a hipótese é errada (decisão certa), é chamado poder de teste, porque mostra o
poder de teste em descobrir uma hipótese errada. O gráfico mostra a distribuição do peso
médio da amostra sob a hipótese nula, bem como sob a hipótese alternativa.

Com o valor crítico em 59,6 kg o tamanho de erro de tipo I (nível de significância)  pode ser
calculado da seguinte forma

O valor do tamanho do erro de tipo II  pode ser calculado da seguinte forma

 70

Se o valor x na amostra é 59,2 (rejeitar H 0), pode-se também usar diretamente a variável
aleatória normal padrão z para testar H0. O método mais fácil para fazer este teste de hipóteses
(unilateral a esquerda) refere-se diretamente à variável aleatória z em vez da variável aleatória
x:

1. Calcular ;

2. Calcular o valor critico z0 para o nível de significância  = 0,05 como P(z<z0)=0,05, neste
caso z0=-1,645.
3. Se zempirico < z0 rejeita H0 no nível de significância =0,05.

Nos testes com EXCEL 97, bem como nos testes usando outros softwares de estatística, o
teste, muitas vezes não mostra o valor teórico da estatística de teste, mas apresenta a
probabilidade para um teste bicaudal (aqui para x =59,2 a probabilidade 0,004678) para o valor
empírico da estatística de teste. Se o valor da probabilidade para o resultado amostral é menor
do que o nível de significância do teste, rejeita-se a hipótese nula e vice versa. Se o nível de
significância é de 0,05, H0 é rejeitada, se o nível de significância é de 0,01, H 0 também é
rejeitada.

Teste de hipótese sobre , x normal,  conhecido

x  x 
ze  
I. Calcula-se x 
n
II. Obtendo o valor critico z0
1. P(z>z0)=/2, se o teste for bilateral;
2. P(z>z0)=, se o teste for unilateral.
III. Comparar o valor calculado ze com o valor critico z0; se
1. |ze|>z0 em um teste bilateral; ou
2. ze>z0 em um teste unilateral a direita (H1:0), ou
3. ze<-z0 em um teste unilateral a esquerda (H1:0)

o resultado é significativo ao nível de significância , e a hipótese nula é rejeitada, ao

nível de significância .

Se a variância não é conhecida, é necessário usar a distribuição t (STUDENT), uma

aproximação pela distribuição normal é possível, quando o tamanho da amostra é maior do que
30 (n > 30), em uma abordagem mais sensata a aproximação é possível para n>120..

Teste de hipótese sobre , x normal,  desconhecido

Se  é desconhecido, não se pode usar a variável aleatória normal reduzida z para testar uma
hipótese sobre , mas é necessário usar a variável t distribuída STUDENT com n-1 graus de
liberdade, porque a variável s2, como estimador para 2, não é um valor fixo, mas também uma
variável aleatória com distribuição própria (ver intervalos de confiança)

Teste de hipótese sobre , x normal,  desconhecido

x   ( x  ) n ( x  ) n  1
1. Calcula t e    ;
sx sc s
2. Obter o valor critico t0 da distribuição de STUDENT
 71

3. Comparar te e t0 e tomar a decisão de rejeitar ou não rejeitar a hipótese nula, dependente

da estrutura do teste (bilateral/unilateral), correspondente ao procedimento com a
distribuição normal.

Se, no exemplo, a variância da população não é conhecida, mas a variância da amostra é

conhecida como 2 kg2, é necessário usar como estatística de teste uma variável aleatória da
distribuição t (Student) em vez da distribuição normal. Usando a distribuição t o teste pode ser
construído da seguinte forma:

Teste de hipótese sobre , x normal,  desconhecido

x   ( x  ) n ( x  ) n  1
1. Calcula-se t e    ;
sx sc s
2. Obter o valor critico t0 da distribuição de Student: teste unilateral a esquerda =0,05,
t0,05;=24=- 1,71 [EXCEL 97 =INVT(0,1;25) retorna um teste bilateral, por esta razão o nível de
significância precisa ser o dobro do teste unilateral].
3. Comparar te e t0 e tomar a decisão de rejeitar ou não rejeitar a hipótese nula, dependendo
da estrutura do teste (bilateral/unilateral), correspondente o procedimento com a distribuição
normal. Neste caso, num teste unilateral a esquerda, a hipótese nula seja rejeitada, porque
te <t0.

Existem testes apropriados para muitos problemas diferentes na estatística usando diferentes
distribuições teóricas. Por exemplo, para fazer um teste sobre uma proporção p pode ser usada
a distribuição binomial (população infinita ou amostragem com reposição), ou, em caso o
tamanho da amostra seja suficientemente elevado, usando como aproximação a distribuição
normal. Se a distribuição da variável aleatória é desconhecida e o tamanho de amostra
relativamente pequeno, é necessário usar a estatística não-paramétrica.

Teste de diferença de duas médias

Um teste de hipóteses muito usado é um teste da diferença de duas médias (ou, de duas
proporções), aqui explicado para o teste mais simples, sob o pressuposto que as médias são
distribuídas normal com variâncias conhecidas (caso, as variâncias são desconhecidas, pode
se usar as variâncias das amostras, usando a distribuição t).

Por exemplo, uma empresa rural, produtora de leite cru, quer testar uma nova ração para as
vacas, supondo que a produtividade da produção leiteira em litros de leite/vaca/dia vai
aumentar com a nova ração. Um grupo de n 1=25 vacas usando a nova ração mostra uma
produtividade média de 6 litros/vaca/dia, um grupo de controle de n 2=25 vacas usando a ração
velha mostra uma produtividade média de 4 litros/vaca/dia, supondo que a variância da
população da produtividade seja 2 (litros/vaca/dia)2 em cada grupo. O nível de significância seja
de =0,05 para testar a hipótese nula 1 - 2 = 0 contra a hipótese alternativa 1 - 2 > 0 (teste
unilateral a direita). Usando a variável distribuída normal padrão z

1. Calcula-se

2. Obter z0 da tabela da distribuição normal para um =0,05 unilateral a direita: z0=1,645

[EXCEL 97 =[Link](0,95)].
3. Comparar ze e z0 e rejeitar a hipótese nula (aceitar a hipótese alternativa de que a nova
ração aumenta a produtividade), porque ze > z0 (teste unilateral a direita).

Teste de hipótese sobre a diferença entre duas médias 1-2, quando as médias são
independentemente normal com variâncias conhecidas
 72

Teorema

Se as variáveis x1, x2,......xk são independentemente normal distribuídas com médias E(x i)=i e
variâncias 2i, uma combinação linear (c1, c2, ......,ck são constantes quaisquer) Y=cixi também
tem distribuição normal com E(Y)=cii e variância V(Y)=c2i2i.
Supõe-se de que x1 e x2 sejam duas variáveis normais independentes com médias 1 e 2 e
variâncias 21 e 22 respectivamente. Hipótese nula: a diferença das médias das duas variáveis
seja o valor  (muitas vezes o teste é da hipótese =0, de que a diferença é zero). Sejam x 1 e
x 2 as médias de duas amostras do tamanho n 1 e n2. A variável aleatória z tem uma distribuição
normal reduzida:

Seja  o nível de significância. O teste é conduzido como descrito para a média.

( x1  x 2 )  
1. Calculamos ze  .
V( x 1 )  V( x 2 )
2. Obtemos z0 da tabela da distribuição normal para um  dado.
3. Comparamos ze e z0 e decidimos sobre a hipótese nula.

Exemplo: x1 e x2 são independentemente normais.

H0: 1-2 = 1 H1: 1-21 teste bilateral =0,05  z0 =1,96

x 1=10 x 2=8 1=10 2=18 n1=100 n2=81   x1 1  x2 2.

Não rejeitar (aceitar) H0 no nível de

significância =0,05.

Teste de hipótese sobre a diferença de duas médias com distribuição normal

independente e variâncias desconhecidas

Neste caso é necessário usar a distribuição de STUDENT (t) em vez da distribuição normal,
porque a variância V( x 1- x 2) é estimada pela amostra.

É necessário fazer o pressuposto de que

21=22=2, a igualdade das variâncias. Existe também um teste t quando as variâncias são
diferentes (Excel, SPSS). A variância da diferença das médias está sob o pressuposto da
igualdade das variâncias:

2 2  1 1
V( x 1  x 2 )       2 .
n1 n 2  n1 n 2 

Um estimador não tendencioso de 2 é

 x  x 1    x 2 i  x 2 
2 2
2 1i n 1s12  n 2 s 22 ( n 1  1)s 2c1  ( n 2  1)s2c 2
s c   
n1  n 2  2 n1  n 2  2 n1  n 2  2

Se as variâncias (não corrigidas: divididas por n) são 2 nos dois grupos, um estimador não
tendencioso de 2 é (para o mesmo exemplo das rações das vacas)
 73

Então um estimador não tendencioso para a variância da diferença das médias é

A variável aleatória para o teste de hipóteses é

tem uma distribuição de STUDENT (t) com n 1+n2-2 (=48) graus de liberdade. O teste é
conduzido da mesma maneira como conhecido:
1. Calcular te.
2. Obter t0 para um nível de significância  (t0,95;=48=1,68 INVT(0,1;48)=1,68).
3. Comparar te e t0 e rejeita ou aceita H0 no nível de significância  (Neste caso rejeita H0
ao nível de significância 0,05 (teste unilateral a direita), porque te>t0).

Existe também um teste para amostras dependentes (por exemplo, uma amostra de peso de n
homens que fazem uma dieta, com resultados antes e depois da dieta - matched samples) no
programa Excel (teste t -par) e no programa SPSS (teste t for dependent samples). Neste caso
usa-se a variável aleatória t a seguir para o teste

t
x1  x 2  
scd
onde d i  x1i  x 2i e s2cd 
1
n 1
 x  x   x
1i 1 2i 
 x2 
2

n
Teste de diferença de duas proporções

Usa a variável aleatória z para o teste da diferença de duas proporções

p 1  p 2  
z
p 1q 1 p 2 q 2

n1 n2

Se p1 e p2 não são conhecidos pode se usar as estimativas das amostras. Se a hipótese nula é
=0 pode se usar um estimador de p e a variável aleatória z

n 1 p 1  n 2 p 2
p 
n1  n 2
p 1  p 2
z .
 1 1
   
pq
 n1 n 2 
 74

FERRAMENTAS DE EXCEL 97 para testes de hipóteses

TESTE-t (sob diferentes pressupostos) e TESTE-z no menu análise de dados no menu

ferramentas

FUNÇÃO ESTATÍSTICA
TESTEF retorna um teste com a distribuição F
TESTET retorna um teste com a distribuição t
TESTEZ retorna um teste com a distribuição normal
 75

Outros testes de hipóteses

O teste de 2 (chi-quadrado)

Se x1, x2,.........,xn são variáveis aleatórias independentes com distribuições normais de médias
1, 2, .......n e variâncias 21, 22,......,2n, então a variável

2
 x  i 
 2   i   z i
2

 i 

tem uma distribuição de 2 com n graus de liberdade e a variável

2
x  x
 2   i 
  

tem uma distribuição de 2 com n-1 graus de liberdade se as médias e variâncias de população
são iguais.

Intervalo de confiança para 2

A variável

( n  1)s2  x i  x
2
2
  
2 2

tem uma distribuição de 2 com n-1 graus de liberdade. A distribuição de 2 é tabelada na

tabela 2. A distribuição de 2 não é simétrica como pode ser visto na tabela 2. Um intervalo de
probabilidade é

 ( n  1)s2c 
P  2i  2
  2s  1  
  

O intervalo de confiança pode ser derivado deste intervalo de probabilidade

 2 
P  2i  2
  2s  1  
 ( n  1)sc 
 ( n  1)s2c 2 ( n  1)s2c 
P     1  
  2s  2i 

é um 1- intervalo de confiança para 2.

Exemplo:

Amostra de tamanho n=10 com variância não corrigida s2=33:

 ns2 ns2 
P 2   2  2  1  
 s i 

construir um 0,95 intervalo confiança para 2

 76

 330 330 

 19,02
 2   2
  17,35    122,22
2,70 

é um 0,95 intervalo de confiança para 2.

Teste de 2=

Por exemplo, s2=12, n=20, =0,05

H0: 2=10 H1: 210  teste bilateral:

ns2 240
1. Calcula  2e   24
2 10
2. Obter os valores críticos 2i=8,91, 2s=32,9 (19 graus de liberdade).
3. Comparar os valores críticos e o valor empírico e decidir não rejeitar a hipótese nula
(aceitar a hipótese nula) no nível de significância =0,05.

Teste de bondade de ajustamento

Para uma variável aleatória existe a expectativa de que essa variável ajusta-se a uma
distribuição uniforme, binomial, Poisson ou normal. Pode-se testar a hipótese nula que a
variável aleatória ajusta-se a essa distribuição pressuposta contra a hipótese alternativa de que
ela não se ajusta. A variável 2 com k-1 graus de liberdade (k numero de classes) pode ser
usada para testar esta hipótese

 
2 O i  E i 2
Ei

onde Oi são as freqüências observadas e Ei são as freqüências esperadas sob a hipótese nula.

Exemplo:

O pressuposto é de que um dado é regular (distribuição uniforme f(x i)=1/6 para i=1, 2, 3, 4, 5,
6). Numa serie de n=60 lançamentos foram observadas as seguintes freqüências

Resultados de n=60 lançamentos de um dado

Resultados xi 1 2 3 4 5 6
Freqüências observadas Oi 12 8 14 10 5 11
Freqüências esperadas Ei 10 10 10 10 10 10

1. Calcular 2e

 
2 O i  Ei 
2

e
Ei
12  102 8  102 14  102 10  102 5  102 11  102
     
10 10 10 10 10 10
0,4  0,4  1,6  0  2,5  0,1 5,0

2. Calcular 20 para o nível de significância de =0,05 e 5 graus de liberdade

20=11,1.

3. Comparar o valor empírico e critico  não rejeitar (aceitar) a hipótese nula de que o dado é
regular no nível de significância =0,05.
 77

Teste de independência de duas variáveis (testes de tabelas de contingência)

O teste de hipótese no caso de duas variáveis classificadas em categorias de uma tabela de

contingência, testa a hipótese nula de que as duas variáveis são estatisticamente
independentes, contra a hipótese alternativa de que elas não são independentes.

Exemplo:

Uma amostra de empregados administrativos e operários, mostrando sua posição para uma
certa política sindical em uma industria, apresenta as freqüências nij (freqüências conjuntas) e
as freqüências marginais:

Tabela de contingência 2x2 freqüências observadas

Posição em relação à certa Empregados Operários Total
política sindical administrativos
Contrários 12 88 100
Favoráveis 88 312 400
Total 100 400 500

Dada a hipótese nula de independência, a freqüência esperada relacionada com cada célula de
uma tabela de contingência é o tamanho da amostra vezes o produto das proporções marginais
da coluna e da linha relacionada, porque, em caso de independência, a probabilidade de dois
eventos independentes A e B e dada por P(AB)=P(A)P(B). Quer dizer, as proporções
esperadas e as freqüências absolutas esperadas de cada célula são dadas sob pressuposto de
independência respectivamente por

p ij  p i. p . j i 1,2,......, r; j 1,2,...... k ( r linhas, k colunas)

np ij  np i. p . j

onde pi. e p.j são as proporções marginais ni./n e n.j/n respectivamente. Neste caso de r= 2
linhas e k=2 colunas as freqüências esperadas são dadas na tabela e para a primeira célula,
por exemplo, a freqüência esperada e 0,2*0,2*500=20.

Tabela de contingência 2x2 freqüências esperadas

Posição Emp. administrativos Operários Total
Contrários 20 80 100
Favoráveis 80 320 400
Total 100 400 500

n 
2
 E ij
1. Calcular  2e   
ij
E ij  np i. p . j .
E ij
82 82 82 82
 2e     3,2  0,8  0,8  0,2 5,0
20 80 80 320
Pode-se usar também uma correção para continuidade (ver Hoffmann p.207).
2. Obter o valor critico para um nível de significância =0,05 e (r-1)(k-1)=1 grau de liberdade
20=3,84.
3. Comparar o valor empírico e o valor critico e rejeitar neste caso a hipótese da independência
no nível de significância =0,05.

O teste F e a análise de variância

Par um teste de hipótese sobre a diferença de duas médias com a distribuição t é necssário
fazer o pressuposto de que as variâncias das duas populações são iguais. A variável aleatória
F (tabela 4) possibilita um teste sobre a igualdade de duas variâncias.
 78

Pode-se demonstrar que, se u e v são duas variáveis aleatórias independentes com

distribuição de 2 com 1 e 2 graus de liberdade respectivamente, então a variável definida
pelo quociente

u
1
F
v
2
tem uma distribuição de F com 1 e 2 graus de liberdade (tabela 4: P(F>F0)=0,05 e
P(F>F0)=0,01, a distribuição é assimétrica, mas os valores no lado esquerda da distribuição
podem ser calculados facilmente, ver Hoffmann, p. 266-267).

As variáveis u e v (quando as variáveis x e y tem distribuições normais independentes)

n s2  x i  x  y  y
2 2
n y s2y i
u  x 2x  e v 
x  2x  2y  2y

tem distribuições de 2 independentes com nx-1 e ny-1 graus de liberdade respectivamente. O

quociente das duas variáveis u e v divididos pelos seus graus de liberdade tem uma
distribuição de F com nx-1 e ny-1 graus de liberdade

 x  x
2
u i s2cx
( n x  1) ( n x  1) 2x  2x 2 2 s2cx
F   sob H 0   x y  2
v
 y  y
2
s2cy scy
( n y  1) i
( n y  1) 2y  2y

Pode-se usar esta variável, para testar a hipótese H0: 2x=2y contra a hipótese alternativa H1:
2x2y no nível de significância , um teste bilateral. Para este teste precisamos o valor da
distribuição F no lado esquerda. Pode-se em vez disto fazer um teste unilateral a direita usando
sempre a variável com a variância maior no numerador (por esta razão Fe sempre vai ser maior
do que um e pode-se fazer um teste unilateral a direita).

Exemplo:

Como resultado das duas amostras independentes com nx=11 e ny=15 são obtidas variâncias
corrigidas para as variáveis aleatórias normais x e y de s 2cx=7, e s2cy=2. Queremos testar a
hipótese de que as variâncias das duas variáveis na população são iguais (H0:2x=2y):

s2cx 7
1. Calcular Fe   3,5.
s2cy 2
2. Obter o valor critico para o nível de significância = 0,05 e 10 e 14 graus de liberdade como
F0=2,60.
3. Comparar Fe e F0 e decidimos rejeitar a hipótese nula (de que as variâncias são iguais) no
nível de significância =0,05.

Análise de variância

A análise da variância foi desenvolvida por R.A. Fischer e é usada muitas vezes na pesquisa
agronômica. A análise de variância é usada para testar a hipótese de que as médias de k
populações distintas são iguais (por exemplo, os rendimentos médios de diferentes tratamentos
com adubos para a produção de trigo). O pressuposto básico é que as variáveis aleatórias x 1,
x2, .........,xk são independentemente normais com variâncias iguais. O procedimento da análise
 79

de variância e o seguinte: A variância total das observações em vez da média total x de todas
as amostras (correspondente aos diferentes tratamentos) é diferenciada em uma variância
interna para cada amostra (a variância em vez da média x i da população especifica) e uma
variância externa entre as diferentes médias x i em vez da média total x . Se a hipótese nula
esta certa (as médias dos diferentes tratamentos na população não são diferentes) a variância
externa entre as médias das amostras deve ser pequena em relação a variância interna, e vice
versa. Podemos usar a variável F para testar a igualdade das médias na população
H0:1=2=..........=k.

1
 n i x i  x
2

F k 1
1
 
2

n k
  x ij  x i

A variável F tem uma distribuição de F com k-1 e n-k graus de liberdade.

No EXCEL 97 encontram-se diferentes testes de análise de variância no menu

FERRAMENTAS no submenu ANÁLISE DE DADOS – ANOVA.
 80

Testes não paramétricos

Mann-Whitney U teste

O teste é a alternativa mais poderosa não paramétrica para o teste de t para duas amostras
independentes. O pressuposto deste teste é de que o nível de medida seja pelo menos ordinal.

A hipótese nula é de que as duas amostras são da mesma população. X 1 e X2 denotarem a

variável em cada um das duas populações. Sob a hipótese nula de que as variáveis têm a
mesma distribuição P(X1>X2)=P(X1<X2)=0,5. A hipótese alternativa é de que P(X1>X2)>0,5.

Seja n1 o numero de observações da amostra mais pequena e n 2 o numero de observações da

amostra maior (x1i, x2i). Reunindo as N=n1+n2 observações e atribuindo a cada uma o numero
de ordem de 1 a N. Supõe-se um grupo de experimento de n 1=3 observações e um grupo de
controle de n2=4 observações:

grupo E (experimento) 9 11 15
grupo C (controle) 6 8 10 13

O valor de U (a estatística usada neste teste) é o numero de vezes que uma observação de E
precede uma observação de C. Para calcular U é necessário ordenar as observações em
ordem ascendente:

6 8 9 10 11 13 15
C C E C E C E

Para o primeiro valor (6/C) nenhum valor de E precede. Para o segundo valor (8/C) também
não. Para o próximo valor de C (10/C), um valor de E precede. Para o ultimo valor de C (13/C)
dois valores de E precedem. Por esta razão U=0+0+1+2=3. A distribuição de U sob H0 é
conhecido e para valores de n1 e n2 menor do que 8 existem tabelas associados com a
ocorrência de U sob H0. (Siegel, S.: tabela J, p271-273). Para o caso n1=3; n2=4 e U=3 a tabela
mostra de que a probabilidade P(U3) = 0,200 (unilateral).

Para amostras maiores (n2 entre 9 e 20) a tabela K pode ser usada (Siegel, S.: tabela K, p. 274-
277) A tabela mostra os valores críticos para níveis de significância (unilateral) de 0,001, 0,01,
0,25 e 0,05.

O cálculo de U pode ser muito trabalhoso por valores de n 1 e n2 relativamente pequenos. Um

método alternativo de calcular U, é assinalar o numero de ordem (rank) 1 para a observação
menor das amostra combinadas (N=n1+n2), o numero de ordem 2 para a observação seguinte
do tamanho, etc.

6 8 9 10 11 13 15
1 2 3 4 5 6 7
C C E C E C E

Calcular U como

n 1 ( n 1  1)
U  n1n 2   R1
2
n ( n  1)
U   n1n 2  2 2  R2
2

onde R1=soma dos números de ordem para o amostra com n 1 e R2= soma dos números de
ordem da amostra com n2.
 81

Para o exemplo U=12+6-15=3 ou U’=12+10-13=9. Nos queremos o valor menor, os dois

valores são relacionados: U=n1n2 - U’ (3=12-9). Para o valor menor existem as tabelas para o
teste de Mann-Whitney.

Se o tamanho das amostras cresce (n2>20), a distribuição de U aproxima-se de uma

distribuição normal com

média =U = n1n2/2 e

n 1 n 2 ( n 1  n 2  1)
desvio padrão U=
12

Pode se usar a distribuição normal para o teste. Quando existem números de ordens iguais
(ties), precisa-se uma correção (Siegel,S.: p.123-126) mas a influencia desta correção é
pequena.

Teste de Kolmogorov-Smirnov para duas amostras

O teste de Kolmogorov-Smirnov é um teste para testar a hipótese de que duas amostras são
da mesma população (existe também um teste de Kolmogorov-Smirnov para uma amostra). O
teste é sensitivo a qualquer diferença entre as distribuições, diferenças de tendência central,
diferenças de dispersão, etc.

Se as duas amostras são de verdade da mesma população, a expectativa seja de que as

distribuições cumulativas das amostras vão ser muito semelhantes e mostram somente desvios
aleatórios da distribuição da população.

Método de teste:
1. Arranjar os dois grupos de observações em duas distribuições de freqüências acumuladas
com a mesma classificação.
2. A subtração determina as diferenças entre as duas distribuições de freqüências acumuladas
para cada intervalo.
3. Determinar a diferença máxima D. Para um teste unilateral D é a diferença maior na direção
prognosticada.
4. O método de determinar a significância da diferença máxima D depende do tamanho das
amostras e da especificação de H1 (ver Siegel, S.: p. 127-136). Se o valor observado é igual
ou maior do que o valor critico dado na tabela apropriada para um certo nível de
significância, H0 (igualdade das distribuições) pode ser rejeitada no nível de significância.

Exemplo:

Lepley comparava a aprendizagem de 10 alunos de sétimo grau e de 10 alunos de decimo

primeiro grau. A hipótese nula era de que os alunos de decimo primeiro grau fazem menos
erros de aprendizagem do que os alunos de sétimo grau. (teste unilateral). A percentagem de
erros de cada aluno é dada na tabela:
 82

Percentagem de erros totais

Alunos de sétimo grau Alunos de decimo primeiro grau
39.1 35.2
41.2 39.2
45.2 40.9
46.2 38.1
48.4 34.4
48.7 29.1
55.0 41.8
40.6 24.3
52.1 32.4
47.2 32.6

Para a analise com o teste de KOLMOGORV-SMIRNOV para estes dados eram calculadas
distribuições de freqüências acumuladas. (n1=n2=10).
Distribuições de freqüências acumuladas
24-27 28-31 32-35 36-39 40-43 44-47 48-51 52-55
F11(x) 0,1 0,2 0,5 0,7 1,0 1,0 1,0 1,0
F7(x) 0,0 0,0 0,0 0,0 0,3 0,5 0,8 1,0
diferença 0,1 0,2 0,5 0,7 0,7 0,5 0,2 0,0

A diferença máxima é o,7 ou 7/10, o numerador máximo é K D=7. Na tabela L do livro do

SIEGEL (p. 278) o valor critico no nível de significância =0,01 é 7. Podemos rejeitar a hipótese
nula de que as distribuições são iguais em favor da hipótese alternativa de que os alunos de
decimo primeiro grau fazem menos erros do que os alunos de sétimo grau. Par usar o teste de
KOLMOGOROV-SMIRNOV para grandes amostras ver SIEGEL, S.: pagina 131-136.

Para testes para amostras dependentes ver SIEGEL, S: pagina 63-92.

 83

Medidas de desigualdade

HOFFMANN, R., Estatística para economistas, p. 270-300

A curva de Lorenz (gráfico), o índice de GINI e o índice de THEIL são algumas medidas de
concentração ou desigualdade. Uma aplicação importante é a medição da desigualdade na
distribuição da renda num país.

Na tabela encontram-se os dados sobre a distribuição da renda para o Brasil 2008 para os
domicílios (Fonte IBGE PNAD).

Distribuição da Renda Brasil 2008

Fonte IBGE (PNAD)
Percentagem da
Classes de domicílios renda acumulada 2008
J=1,2,....10 F(xj)
10% 1,50
20% 3,90
30% 7,32
40% 11,66
50% 17,06
60% 23,75
70% 32,19
80% 43,27
90% 59,43
100% 100,01

A partir desta tabela pode se construir uma curva de Lorenz, a linha vermelha mostra uma
distribuição da renda com perfeita igualdade, a linha azul mostra a distribuição da renda no
Brasil em 2008 (proporção da renda total (Y) para uma proporção da população total (X)).

O coeficiente de GINI mostra a relação da área entre a linha vermelha (perfeita igualdade) e da
linha azul e da área total em baixo da linha vermelha. Como se pode verificar facilmente, em
caso da perfeita igualdade (linha vermelha) o coeficiente de GINI é igual a zero, enquanto AM
caso da desigualdade absoluta (uma pessoa possua toda renda), a linha azul será igual ao eixo
horizontal e vertical e a relação das áreas seja um. Quanto maior o coeficiente de GINI G
(0G1) quanto maior a desigualdade. Pode se mostrar que o coeficiente de GINI é igual a
[ver Hoffmann, p. 276, equação 16.6]
 84

onde F(x0)=0

G= 0,50

Mas para calcular o coeficiente de GINI de forma certa é importante considerara também a
desigualdade da distribuição da renda dentro de cada estrato (ver Hoffmann, p. 283 pp.). Com
isto o coeficiente de GINI aumenta. Como aqui os dados para a distribuição da renda dentre
dos estratos não é disponível, somente é possível usar o coeficiente de GINI acima. Mas o
IBGE mostra que o coeficiente de GINI é (considerando a desigualdade da distribuição da
renda dentre dos estratos) 0,515 em 2008 [IBGE, PNAD 2008].
 85

Apêndice: Tabelas Distribuição Normal e Distribuição t (STUDENT)

Distribuição Normal padronizada:

Os valores da tabela representam a área no lado esquerdo do valor Z
Z . 00 . 01 . 02 . 03 . 04 . 05 . 06 . 07 . 08 . 09
-3.9 .00005 .00005 .00004 .00004 .00004 .00004 .00004 .00004 .00003 .00003
-3.8 .00007 .00007 .00007 .00006 .00006 .00006 .00006 .00005 .00005 .00005
-3.7 .00011 .00010 .00010 .00010 .00009 .00009 .00008 .00008 .00008 .00008
-3.6 .00016 .00015 .00015 .00014 .00014 .00013 .00013 .00012 .00012 .00011
-3.5 .00023 .00022 .00022 .00021 .00020 .00019 .00019 .00018 .00017 .00017
-3.4 .00034 .00032 .00031 .00030 .00029 .00028 .00027 .00026 .00025 .00024
-3.3 .00048 .00047 .00045 .00043 .00042 .00040 .00039 .00038 .00036 .00035
-3.2 .00069 .00066 .00064 .00062 .00060 .00058 .00056 .00054 .00052 .00050
-3.1 .00097 .00094 .00090 .00087 .00084 .00082 .00079 .00076 .00074 .00071
-3.0 .00135 .00131 .00126 .00122 .00118 .00114 .00111 .00107 .00104 .00100
-2.9 .00187 .00181 .00175 .00169 .00164 .00159 .00154 .00149 .00144 .00139
-2.8 .00256 .00248 .00240 .00233 .00226 .00219 .00212 .00205 .00199 .00193
-2.7 .00347 .00336 .00326 .00317 .00307 .00298 .00289 .00280 .00272 .00264
-2.6 .00466 .00453 .00440 .00427 .00415 .00402 .00391 .00379 .00368 .00357
-2.5 .00621 .00604 .00587 .00570 .00554 .00539 .00523 .00508 .00494 .00480
-2.4 .00820 .00798 .00776 .00755 .00734 .00714 .00695 .00676 .00657 .00639
-2.3 .01072 .01044 .01017 .00990 .00964 .00939 .00914 .00889 .00866 .00842
-2.2 .01390 .01355 .01321 .01287 .01255 .01222 .01191 .01160 .01130 .01101
-2.1 .01786 .01743 .01700 .01659 .01618 .01578 .01539 .01500 .01463 .01426
-2.0 .02275 .02222 .02169 .02118 .02068 .02018 .01970 .01923 .01876 .01831
-1.9 .02872 .02807 .02743 .02680 .02619 .02559 .02500 .02442 .02385 .02330
-1.8 .03593 .03515 .03438 .03362 .03288 .03216 .03144 .03074 .03005 .02938
-1.7 .04457 .04363 .04272 .04182 .04093 .04006 .03920 .03836 .03754 .03673
-1.6 .05480 .05370 .05262 .05155 .05050 .04947 .04846 .04746 .04648 .04551
-1.5 .06681 .06552 .06426 .06301 .06178 .06057 .05938 .05821 .05705 .05592
-1.4 .08076 .07927 .07780 .07636 .07493 .07353 .07215 .07078 .06944 .06811
-1.3 .09680 .09510 .09342 .09176 .09012 .08851 .08691 .08534 .08379 .08226
-1.2 .11507 .11314 .11123 .10935 .10749 .10565 .10383 .10204 .10027 .09853
-1.1 .13567 .13350 .13136 .12924 .12714 .12507 .12302 .12100 .11900 .11702
-1.0 .15866 .15625 .15386 .15151 .14917 .14686 .14457 .14231 .14007 .13786
-0.9 .18406 .18141 .17879 .17619 .17361 .17106 .16853 .16602 .16354 .16109
-0.8 .21186 .20897 .20611 .20327 .20045 .19766 .19489 .19215 .18943 .18673
-0.7 .24196 .23885 .23576 .23270 .22965 .22663 .22363 .22065 .21770 .21476
-0.6 .27425 .27093 .26763 .26435 .26109 .25785 .25463 .25143 .24825 .24510
-0.5 .30854 .30503 .30153 .29806 .29460 .29116 .28774 .28434 .28096 .27760
-0.4 .34458 .34090 .33724 .33360 .32997 .32636 .32276 .31918 .31561 .31207
-0.3 .38209 .37828 .37448 .37070 .36693 .36317 .35942 .35569 .35197 .34827
-0.2 .42074 .41683 .41294 .40905 .40517 .40129 .39743 .39358 .38974 .38591
-0.1 .46017 .45620 .45224 .44828 .44433 .44038 .43644 .43251 .42858 .42465
-0.0 .50000 .49601 .49202 .48803 .48405 .48006 .47608 .47210 .46812 .46414
 86

Os valores da tabela representam a área no lado esquerdo do valor Z

Z . 00 . 01 . 02 . 03 . 04 . 05 . 06 . 07 . 08 . 09
0.0 .50000 .50399 .50798 .51197 .51595 .51994 .52392 .52790 .53188 .53586
0.1 .53983 .54380 .54776 .55172 .55567 .55962 .56356 .56749 .57142 .57535
0.2 .57926 .58317 .58706 .59095 .59483 .59871 .60257 .60642 .61026 .61409
0.3 .61791 .62172 .62552 .62930 .63307 .63683 .64058 .64431 .64803 .65173
0.4 .65542 .65910 .66276 .66640 .67003 .67364 .67724 .68082 .68439 .68793
0.5 .69146 .69497 .69847 .70194 .70540 .70884 .71226 .71566 .71904 .72240
0.6 .72575 .72907 .73237 .73565 .73891 .74215 .74537 .74857 .75175 .75490
0.7 .75804 .76115 .76424 .76730 .77035 .77337 .77637 .77935 .78230 .78524
0.8 .78814 .79103 .79389 .79673 .79955 .80234 .80511 .80785 .81057 .81327
0.9 .81594 .81859 .82121 .82381 .82639 .82894 .83147 .83398 .83646 .83891
1.0 .84134 .84375 .84614 .84849 .85083 .85314 .85543 .85769 .85993 .86214
1.1 .86433 .86650 .86864 .87076 .87286 .87493 .87698 .87900 .88100 .88298
1.2 .88493 .88686 .88877 .89065 .89251 .89435 .89617 .89796 .89973 .90147
1.3 .90320 .90490 .90658 .90824 .90988 .91149 .91309 .91466 .91621 .91774
1.4 .91924 .92073 .92220 .92364 .92507 .92647 .92785 .92922 .93056 .93189
1.5 .93319 .93448 .93574 .93699 .93822 .93943 .94062 .94179 .94295 .94408
1.6 .94520 .94630 .94738 .94845 .94950 .95053 .95154 .95254 .95352 .95449
1.7 .95543 .95637 .95728 .95818 .95907 .95994 .96080 .96164 .96246 .96327
1.8 .96407 .96485 .96562 .96638 .96712 .96784 .96856 .96926 .96995 .97062
1.9 .97128 .97193 .97257 .97320 .97381 .97441 .97500 .97558 .97615 .97670
2.0 .97725 .97778 .97831 .97882 .97932 .97982 .98030 .98077 .98124 .98169
2.1 .98214 .98257 .98300 .98341 .98382 .98422 .98461 .98500 .98537 .98574
2.2 .98610 .98645 .98679 .98713 .98745 .98778 .98809 .98840 .98870 .98899
2.3 .98928 .98956 .98983 .99010 .99036 .99061 .99086 .99111 .99134 .99158
2.4 .99180 .99202 .99224 .99245 .99266 .99286 .99305 .99324 .99343 .99361
2.5 .99379 .99396 .99413 .99430 .99446 .99461 .99477 .99492 .99506 .99520
2.6 .99534 .99547 .99560 .99573 .99585 .99598 .99609 .99621 .99632 .99643
2.7 .99653 .99664 .99674 .99683 .99693 .99702 .99711 .99720 .99728 .99736
2.8 .99744 .99752 .99760 .99767 .99774 .99781 .99788 .99795 .99801 .99807
2.9 .99813 .99819 .99825 .99831 .99836 .99841 .99846 .99851 .99856 .99861
3.0 .99865 .99869 .99874 .99878 .99882 .99886 .99889 .99893 .99896 .99900
3.1 .99903 .99906 .99910 .99913 .99916 .99918 .99921 .99924 .99926 .99929
3.2 .99931 .99934 .99936 .99938 .99940 .99942 .99944 .99946 .99948 .99950
3.3 .99952 .99953 .99955 .99957 .99958 .99960 .99961 .99962 .99964 .99965
3.4 .99966 .99968 .99969 .99970 .99971 .99972 .99973 .99974 .99975 .99976
3.5 .99977 .99978 .99978 .99979 .99980 .99981 .99981 .99982 .99983 .99983
3.6 .99984 .99985 .99985 .99986 .99986 .99987 .99987 .99988 .99988 .99989
3.7 .99989 .99990 .99990 .99990 .99991 .99991 .99992 .99992 .99992 .99992
3.8 .99993 .99993 .99993 .99994 .99994 .99994 .99994 .99995 .99995 .99995
3.9 .99995 .99995 .99996 .99996 .99996 .99996 .99996 .99996 .99997 .99997
 87

Percentil para a
distribuição normal
padronizada
UNILATERAL
P( Z<=) =
Probabilidades de duas
.001 -3.09 caudas para a
.005 -2.58 distribuição normal
.01 -2.33 padronizada
BILATERAL
.02 -2.05
K P (Z > K)
.03 -1.88
1.04 .30
.04 -1.75
1.15 .25
.05 -1.645
1.28 .20
.10 -1.28
1.44 .15
.15 -1.04
1.645 .10 0.90
.20 -.84
1.70 .09
.30 -.52
1.75 .08
.40 -.25
1.81 .07
.50 0
1.88 .06
.60 .25
1.96 .05 0.95
.70 .52
2.05 .04
.80 .84
2.17 .03
.85 1.04
2.33 .02
.90 1.28
2.58 .01 0.99
.95 1.645 2.81 .005
.96 1.75
3.09 .002
.97 1.88
3.29 .001
.98 2.05
.99 2.33
.995 2.58
.999 3.09
 88

Percentiis da distribuição t (unilateral a esquerda)

V t .75 t .80 t .85 t .90 t .95 t .975 t .99 t .995 t .9975 t .999 t .9995
1 1.000 1.376 1.963 3.078 6.314 12.71 31.82 63.66 127.3 318.3 636.6
2 0.816 1.061 1.386 1.886 2.920 4.303 6.965 9.925 14.09 22.33 31.60
3 0.765 0.978 1.250 1.638 2.353 3.182 4.541 5.841 7.453 10.21 12.92
4 0.741 0.941 1.190 1.533 2.132 2.776 3.747 4.604 5.598 7.173 8.610
5 0.727 0.920 1.156 1.476 2.015 2.571 3.365 4.032 4.773 5.893 6.869
6 0.718 0.906 1.134 1.440 1.943 2.447 3.143 3.707 4.317 5.208 5.959
7 0.711 0.896 1.119 1.415 1.895 2.365 2.998 3.499 4.029 4.785 5.408
8 0.706 0.889 1.108 1.397 1.860 2.306 2.896 3.355 3.833 4.501 5.041
9 0.703 0.883 1.100 1.383 1.833 2.262 2.821 3.250 3.690 4.297 4.781
10 0.700 0.879 1.093 1.372 1.812 2.228 2.764 3.169 3.581 4.144 4.587
11 0.697 0.876 1.088 1.363 1.796 2.201 2.718 3.106 3.497 4.025 4.437
12 0.695 0.873 1.083 1.356 1.782 2.179 2.681 3.055 3.428 3.930 4.318
13 0.694 0.870 1.079 1.350 1.771 2.160 2.650 3.012 3.372 3.852 4.221
14 0.692 0.868 1.076 1.345 1.761 2.145 2.624 2.977 3.326 3.787 4.140
15 0.691 0.866 1.074 1.341 1.753 2.131 2.602 2.947 3.286 3.733 4.073
16 0.690 0.865 1.071 1.337 1.746 2.120 2.583 2.921 3.252 3.686 4.015
17 0.689 0.863 1.069 1.333 1.740 2.110 2.567 2.898 3.222 3.646 3.965
18 0.688 0.862 1.067 1.330 1.734 2.101 2.552 2.878 3.197 3.610 3.922
19 0.688 0.861 1.066 1.328 1.729 2.093 2.539 2.861 3.174 3.579 3.883
20 0.687 0.860 1.064 1.325 1.725 2.086 2.528 2.845 3.153 3.552 3.850
21 0.686 0.859 1.063 1.323 1.721 2.080 2.518 2.831 3.135 3.527 3.819
22 0.686 0.858 1.061 1.321 1.717 2.074 2.508 2.819 3.119 3.505 3.792
23 0.685 0.858 1.060 1.319 1.714 2.069 2.500 2.807 3.104 3.485 3.767
24 0.685 0.857 1.059 1.318 1.711 2.064 2.492 2.797 3.091 3.467 3.745
25 0.684 0.856 1.058 1.316 1.708 2.060 2.485 2.787 3.078 3.450 3.725
26 0.684 0.856 1.058 1.315 1.706 2.056 2.479 2.779 3.067 3.435 3.707
27 0.684 0.855 1.057 1.314 1.703 2.052 2.473 2.771 3.057 3.421 3.690
28 0.683 0.855 1.056 1.313 1.701 2.048 2.467 2.763 3.047 3.408 3.674
29 0.683 0.854 1.055 1.311 1.699 2.045 2.462 2.756 3.038 3.396 3.659
30 0.683 0.854 1.055 1.310 1.697 2.042 2.457 2.750 3.030 3.385 3.646
0.674 0.842 1.036 1.282 1.645 1.960 2.326 2.576 2.807 3.090 3.291