Escolar Documentos
Profissional Documentos
Cultura Documentos
Lme216bioes. Florestal
Lme216bioes. Florestal
LME 216
Introduo Bioestatstica Florestal
Piracicaba - SP
1997
ii
Sumrio
1. Por que Bioestatstica Florestal?
2. Tipos de Informaes.
3. Resumindo a Informao: Tabelas
Variveis discretas. Definindo as Classes para Variveis Contnuas. Nmero de Classes.
Apndices:
A. Respostas de Exerccios Selecionados
B1. Tabelas da Distribuio Normal Padronizada
B2. Tabela da Distribuio t de Student
B3. Tabela da Distribuio F
B4. Tabela da Distribuio de Qui-Quadrado
iii
1-1
Exemplos Profissionais
CASO FLORESTAL 1
Voc diretor de uma fbrica de chapas de madeira (chapas duras). A companhia deseja duplicar
a produo da sua fbrica pois o mercado est em franca expanso. Estudando o processo de
produo na sua fbrica voc chega concluso de que o consumo de madeira crescer em
1.300.000m3 de madeira/ano com a duplicao. O gerente florestal afirma que as florestas da
companhia so capazes de produzir at 1.320.000m3 de madeira/ano a mais do que vm
produzindo.
1.
2.
CASO FLORESTAL 2
Uma pesquisadora deseja estimar o tamanho da populao de Furnarios rufus (Joo-de-barro)
numa dada localidade do interior de Minas Gerais. Num primeiro levantamento, a pesquisadora
capturou 31 pssaros e marcou a todos com uma anilha. Num segundo levantamento, ela
capturou 47 pssaros dos quais 12 possuam a anilha referente ao primeiro levantamento.
1.
2.
1-2
CASO FLORESTAL 3
Eucalyptus grandis uma das espcies arbreas de maior produtividade quando plantada no
Estado de So Paulo. Entretanto, um experimento mostrou que quando a floresta plantada sem
preparo de solo e sem adubao inicial, Eucalyptus cloeziana pode alcanar produtividades de 15
a 20% maiores que E. grandis.
1.
2.
Como base nessa informao voc indicaria E. cloeziana em lugar de E. grandis para pequenos
proprietrios rurais que no possuem condies de fazer o preparo de stio adequado para E.
grandis ?
Que informaes adicionais so necessrias para tomar uma deciso?
CASO FLORESTAL 4
Sabe-se que numa floresta tropical no perturbada a abundncia de espcies pioneiras fica em
torno de 10%. Com aumento de perturbaes antrpicas a abundncia dessas espcies tende a
crescer. Na demarcao de uma reserva florestal com rea total de 50.000 ha, ecologistas e
engenheiros florestais discutem a incorporao de uma rea de 7.500 ha onde o levantamento de
campo revelou uma abundncia de 15% de espcies pioneiras. O objetivo da demarcao da
reserva proteger reas representativas de ecossistemas locais que no sofreram influncia
antrpica significativa.
1.
2.
Concluso
Todo profissional florestal lida com uma grande quantidade de informaes qualitativas e quantitativas.
A tomada de deciso envolve a anlise destas informaes.
O raciocnio quantitativo a base da anlise de informaes que gera subsduos tomada de deciso.
Esta anlise envolve necessariamente um alto grau de incerteza quanto s informaes disponveis, pois estas
sempre so incompletas e limitadas.
Conceitos-Chave
1-3
INFORMAO QUANTITATIVA - INFORMAO QUALITATIVA - TOMADA DE DECISO - ANLISE DE INFORMAO INCERTEZA - RACIOCNIO QUANTITATIVO
Exerccios
1.1 Voc foi contrato para ser coordenador de uma equipe de profissionais com a misso de realizar um
diagnstico das unidades de conservao no Estado de So Paulo. Que informaes de ordem qualitativa voc
necessitaria.? Que informaes de ordem quantitativa seriam necessrias?
1.2 Enumere trs justificativas para o Engenheiro Florestal conhecer Bioestatstica.
1.3 So pr-requisitos para Bioestattica Florestal disciplinas de Matemtica e Clculo. Reflita sobre o seu
conhecimento nessas disciplinas. Quantifique a proporo dos temas que voc realmente domina dentre os
tratados nessas disciplinas.
Leitura Sugerida
[WALLIS & ROBERTS, 1964]
Cap. 1 (p.21-38) O Campo da Estatstica.
Cap. 2 (p. 39-52) Estatstica: Como us-la devidamente.
2-1
Introduo
O termo informao algo bastante vago na linguagem contidiana. Informao sinnimo de esclarecimento,
notas, argumentos e at fornecimento de dados. Este ltimo sinnimo o que interessa Bioestatistica Florestal.
Informao deve ser entendida portanto como dados sobre uma realidade ou situao que so fornecidos ou
obtidos atravs de observaes ou medies. A Bioestatstica Florestal procura manipular as informaes (os
dados) de modo que elas possam ser mais protamente utilizadas na tomada de deciso. O primeiro passo na
manipulao da informao saber reconhecer os tipos bsicos que existem.
Escalas Fundamentais
ESCALA NOMINAL
Informao Qualitativa
ESCALA ORDINAL
ESCALA DE INTERVALO
2-2
Os ATRIBUTOS so quantitativos
(nmeros) organizados numa escala onde o
INTERVALO entre dois valores tem
significado real, mas o PONTO ZERO da
esca;a arbitrrio.
Temperatura
Horrio do dia
Azimute
Informao Quantitativa
ESCALA DE RAZO
P ARA REFLETIR
Voc pode dizer que uma rvore de 30 metros tem o dobro de altura de uma rvore de
15 metros, ou que um peixe com 9 kg trs vzes mais pesado que um de 3 kg.
Por que no faz sentido dizer que 40oC duas vzes mais quente que 20oC ?
Ou que 6:00 horas um horrio trs vzes mais cedo que 18:00 hs ?
Exemplo
2.A Classifique as variveis abaixo de acordo com as quatro escalas fundamentais.
Nmero de chamadas telefnicas: ____________________
__
Horrio de visitao dos polinizadores de cedro: ____________________
__
Localizao de um formiqueiro numa floresta: ____________________
__
Tempo de abate de uma rvore: ____________________
2-3
__
Porcentagem de mortalidade de mudas num viveiro: ____________________
__
Sabores de sorvete na sorveteria Paris: ____________________
__
Grau de infestao de cupim numa estante: ____________________
__
Variveis
VARIVEL um outro termo que utilizamos em Bioestatstica para designar informao.
Resultam de observaes nas escalas Nominal e Ordinal
VARIVEIS QUALITATIVAS
Tambem chamadas de VARIVEIS CATEGRICAS
Os atributo representado
por categorias ou classes
VARIVEIS QUANTITATIVAS
X {0,1,2,3,4,5,6,7,8,9,10}
M [ 0,1]
A [0,2 ]
X {0,1,2,3,4,5,6,7,8,9,10}
Z {0.0,0.1,0.2 ,0.3,0.4,0.5,0.6,0.7,0.8,0.9,10}
.
Y {0,1,2,3,4,5,..., }
2-4
D [10,50]
W [500,5000]
S [0,1]
Exemplos
2.B Classifique as variveis abaixo em termos de variveis categrias e variveis discretas/contnuas.
Volume de madeira numa floresta. ____________________
__
Classes de declividade do solo segundo o Cdigo Florestal Brasileiro ____________________
__
Peso seco das folhas numa rvore. ____________________
__
Nmero de rvore mortas em 1 ha de floresta nativa. ____________________
__
2.C Determine as escalas que melhor representam as variveis quantitativas da questo anterior.
Variveis Multidimensionais
Variveis multidimensionais resultam da combinao de duas ou mais variveis qualitativas e quantitativas:
2-5
Conceitos-Chave
ESCALAS FUNDAMENTAIS - ESCALA NOMINAL - ESCALA ORDINAL - ESCALA DE INTERVALO - ESCALA DE
RAZO - VARIVEL QUALITATIVA -VARIVEL CATEGRICA - VARIVEL QUANTITATIVA - VARIVEL DISCRETA
- VARIVEL CONTNUA
Leitura Essencial
[OLIVEIRA 1977] Cap. 2 (p.5-7) Estatstica Descritiva.
[IEMMA, 1992] Cap. I (p.4-8) Noes Introdutrias.
Exerccios
2.1 Classifique as variveis abaixo segundo as escala fundamentais:
(a)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(i)
(j)
(k)
(l)
(m)
2-6
3-1
Introduo
Talvez a principal tarefa da Bioestatstica a de resumir uma grande quantidade de informao de modo que se
torne mas fcil a compreenso dos fenmenos envolvidos e a tomada de deciso. A maneira mais simples de
resumirmos a informao contida numa varivel quantitativa com um grande nmero de dados atravs de
tabelas.
11.6
21.9
50.8
15.8
19.6
92.5
15.2
12.0
61.0
13.0
24.9
78.8
20.3
48.3
12.6
18.1
16.2
18.3
53.2
72.4
52.4
13.5
23.5
50.0
19.9
24.6
18.4
20.3
31.7
10.3
16.9
16.0
16.3
15.4
25.5
13.1
24.5
14.9
12.8
40.6
CLASSES
10 a 20 cm
20 a 30 cm
30 a 40 cm
40 a 50 cm
50 a 60 cm
60 a 70 cm
70 a 80 cm
Acima de 80 cm
TOTAL
FREQNCIA
40
21
10
10
8
4
3
4
100
3-2
Variveis Categricas
As variveis categricas podem ser representadas em tabelas sem perda de informao, pois elas so
representadas por classes.
Sndrome de Regenerao
SOLOS UTILIZADOS
PARA O REFLORESTAMENTO
NO ESTADO DE SO P AULO
Muito Arenoso
Arenoso
150
143
Freq.
Acumulada
150
293
25
Helifitas
Oportunistas de Clareira
Nmero de
Espcies
7
19
Textura Mdia
50
343
41
Argiloso
27
370
370
--
Tolerantes
TOTAL
Tipo de Solo
Freq.
TOTAL
A natureza das variveis categrias sugere que elas sejam sempre apresentadas na forma tabular.
Variveis Quantitativas
Var. Discretas : nmero contvel de valores
As variveis quantitativas podem assumir
um grande nmero de valores
Var. Contnuas : nmero infinito (no contvel)
de valores.
= 1 + 3.33log 10 N OBSERVA S
E
A = X MXIMO X MNIMO
3-3
2.63
2.16
2.16
2.18
3.63
4.05
3.94
3.93
1.94
1.80
2.06
3.34
3.69
2.22
3.55
2.78
2.77
2.06
3.56
3.26
1.42
1.20
3.57
3.06
2.48
1.67
2.39
3.32
3.77
5.41
2.48
3.37
2.75
1.57
1.53
0.75
1) Encontre o nmero de classes para a construo de uma tabela para estes dados:
Limite
Inferior
Limite
Superior
1
2
3
4
5
6
7
0.6
1.3
2.0
2.7
3.4
4.1
4.8
0.6 - 1.3
1.3 - 2.0
2.0 - 2.7
2.7 - 3.4
3.4 - 4.1
4.1 - 4.8
4.8 - 5.5
Contagem
///
////| /
////| ////| //
////| ////
////| ////
/
TOTAL
Freq.
Freq.
Acumulada
3
6
12
9
9
0
1
40
3
9
21
30
39
39
40
--
3-4
Variveis Discretas
NMERO DE BROTOS DEIXADOS EM
CEPAS DE EUCALYPTUS GRANDIS
APS O PRIMEIRO CORTE
2 1 2 2 0 3 3 2 1 1 2 2 0 1 1 3 1 2 1 1
2 0 0 3 2 1 2 2 3 0 2 3 3 0 3 2 2 0 1 1
0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 2
2
2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3
3
Dados Tabelados:
Nmero de
Brotos
Freq.
Freq.
Acumulada
0
1
2
3
7
11
14
8
7
18
32
40
Classes
Amplitud
e
Freqncia Absoluta
Freqncia Relativa
Freq.
1
2
3
4
5
6
7
0.6 - 1.3
1.3 - 2.0
2.0 - 2.7
2.7 - 3.4
3.4 - 4.1
4.1 - 4.8
4.8 - 5.5
TOTAL
Freq.
Acumulada
Freq.
Freq.
Acumulada
(fi )
(i)
(Fi )
(pi )
(Pi )
3
6
12
9
9
0
1
40
3
9
21
30
39
39
40
--
0.075
0.150
0.300
0.225
0.225
0.000
0.025
1.000
0.075
0.225
0.525
0.750
0.975
0.975
1.000
--
3-5
pi = f i / N OBS .
Pi = Fi / N OBS.
Conceitos-Chave
TABELA - NMERO DE CLASSES - ALGORITMO DE RAMSDALL - AMPLITUDE DOS DADOS - AMPLITUDE DE
CLASSE - FREQNCIA - FREQNCIA ACUMULADA - FREQNCIA ABSOLUTA - FREQNCIA RELATIVA
Leitura Essencial
[IEMMA, 1992] Cap. II: p.20-24. Cap. III: p37-41. Cap. IV: p55-62.
Exerccios
3.1 Construa tabelas (freq. absoluta e relativa) para resumir a informao contida nos seguintes conjuntos de
dados:
(a) Nmero de plntulas num rea de 2 x 2 m:
4 8 15 18
7 13 15 1
1
6
0 17
7 9
8 8 16
3 12 4
8
3
8 20 18
7 8 7
4
2
(e) Classes de capacidade de uso do solo (SR= sem restries; RCA = com restries a culturas anuais;
P=pastagens; CP=culturas perenes; F=atividades florestais):
P
F
P
P
RCA
P
CP
CP
CP
RCA
P
CP
CP
P
CP
CP
F
RCA
RCA
CP
P
SR
P
CP
P
CP
CP
RCA
P
SR
P
CP
CP
P
CP
CP
CP
RCA
F
RCA
SR
P
SR
CP
CP
F
F
SR
P
CP
F
CP
RCA F
RCA SR
F
F
CP CP P
F
F
RCA
RCA RCA P
4-1
DISTRIBUIO
O Padro de variao de uma varivel chamado de Distribuio.
TABULAR
GRFICA
Apresentao da distribuio de uma varivel
NUMRICA
MODELO ESTATTICO
Cada forma de apresentao tem vantagens e desvantagens:
Tabular / Grfica
4-2
Grfico Linha
o mtodo mais simples de representao grfica de uma varivel.
28
22
17
28
22
23
25
25
25
24
25
25
24
24
27
25
23
26
21
26
X
X
X
X
X
X
X
X X X
X X X
X X X
30
23
27
24
23
X
X X
X X
X X
X X
X X
X X
X X
X X
X X
24
24
26
23
26
X
X
X
X
X
X
X
X
X
Dados Brutos
taeda
X
X
X
X
X
X
26
21
21
26
28
34
25
25
27
26
27
23
26
25
27
14
23
23
24
24
As observaes so
representadas por
marcas ao longo da
linha dos nmeros reais.
X
X
X
X
Dados origniais so
mantidos.
14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33
Observaes se concentram
ao redor de 25m.
H intervalos
vazios grandes.
4-3
Grfico Ramo-Folha
outra forma de representar a distribuio
de uma varivel quantitativa mantendo
os valores originais da varivel.
45
66
67
78
52
75
68
79
53
53
68
79
56 57
55 55
69 74
82 107
58
58
74
4
5
6
7
8
9
10
60
64
74
5
233556788
04555667889
444555899
2
7
65
65
75
65
66
75
4-4
4-5
4-6
Formade Sino
Unimoda e Simtrica
Unmodal e A
ssimtrica
Direita
Uniforme
Bimodal e
Assimtrica
Unmodal e A
ssimtrica
Esquerda
Em forma de U
4-7
Histogramas
Histogramas so representaes grficas de tabelas de freqncia:
DIMETRO (cm) DAS RVORES
NUMA FLORESTA NATIVA
CLASSES
10 a 20 cm
20 a 30 cm
30 a 40 cm
40 a 50 cm
50 a 60 cm
60 a 70 cm
70 a 80 cm
Acima de 80 cm
TOTAL
Classes de
Dimetro
representadas por
pelo eixo-X
(abcissas)
FREQNCIA
40
21
10
10
8
4
3
4
100
4-8
Eixos exageradamente
grandes em relao
amplitude dos dados geram
grficos cheios de vazio
que dificultam a observao
da forma da distribuio.
4-9
Conceitos-Chave
DISTRIBUIO DE VARIVEIS - GRFICO RAMO-FOLHA - OBSERVAO EXTREMA - OUTLIER - FORMA DA
DISTRIBUIO - UNIMODAL/BIMODAL - SIMETRIA - ASSIMETRIA DIREITA - ASSIMETRIA ESQUERDA UNIFORME - HISTOGRAMA
Leitura Essencial
[IEMMA, 1992] Cap. IV: p58-66.
Exerccios
4.1 Os dados abaixo se referem produo de resina (kg) de rvores de Pinus elliotti. Construa um grfico
ramo-folha e analise o comportamento desta varivel.
0.71
2.04
3.09
2.67
2.63
2.16
2.16
2.18
3.63
4.05
3.94
3.93
1.94
1.80
2.06
3.34
3.69
2.22
3.55
2.78
2.77
2.06
3.56
3.26
1.42
1.20
3.57
3.06
2.48
1.67
2.39
3.32
3.77
5.41
2.48
3.37
2.75
1.57
1.53
0.75
4.2 O dimetro de algumas rvores de duas floresta foi medido num levantamento, obtendo-se os seguintes
valores:
4-10
FLORESTA A
16
49
9
17
16
12
21
32
30
52
50
60
49
63
29
12
96
12
44
42
13
7
31
11
22
29
87
16
13
35
8
5
107
34
10
76
29
29
56
25
5
9
27
19
17
10
77
7
112
31
77
30
56
12
36
106
6
20
38
127
93
8
26
40
42
52
9
37
15
9
27
51
55
28
214
43
21
76
56
21
57
41
10
6
7
17
18
47
17
5
28
33
18
19
10
16
6
6
34
154
24
62
7
10
29
51
15
17
43
13
16
35
24
50
14
19
161
35
6
7
32
46
27
36
38
40
43
29
42
37
18
27
32
30
23
15
35
30
30
29
47
33
23
41
25
23
28
21
22
32
33
33
46
16
33
47
31
32
17
49
38
38
30
7
30
35
35
28
40
17
27
24
9
33
36
39
33
31
39
22
50
33
36
50
27
41
30
36
36
48
34
23
47
11
32
46
30
22
55
31
34
16
21
27
23
35
49
26
29
42
31
42
61
7
25
30
34
41
40
38
FLORESTA B
38
28
22
34
23
30
42
48
33
42
43
31
26
37
27
23
23
29
25
29
a)
b)
c)
d)
5-1
Introduo
Vimos que a informao contida num conjunto de dados pode ser resumida na forma de tabelas e grficos.
Freqentemente, entretanto, necessitamos de um ndice que expresse a certa propriedade dos dados. Por
exemplo, numa floresta cada rvore cresce num ritmo particular que depende do seu vigor e da situao ambiental
em que est. Como poderamos representar o crescimento individual tpico das rvores da floresta ?
ESTATSTICAS
.
Medidas de Posio
X1
A primeira propriedade de uma varivel que
normalmente estamos interessados se refere a
posies especficas na distribuio desta varivel.
X2
5-2
Mdia Aritmtica
A mdia aritmtica (ou simplesmente mdia) a medida de posio mais utilizada pois indica uma posio
central nos dados.
Nmero de brotaes por cepa de Eucalyptus grandis: 0, 2, 3, 1, 0, 1, 2, 2, 3, 1, 2, 3, 2, 1.
x=
O valor
PESOS
TRAVE
1.64
PONTO DE
EQUILBRIO
POSIO CENTRAL
DA
MDIA
ARITMTICA
5-3
x=
0 + 2 + 3+ 1+ 0 +1+ 2 + 2 + 3+ 1+ 2 + 3+ 2 + 25
= 336
.
14
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
3.36
Somatrios e suas Propriedades
A mdia obtida atravs do somatrio dos valores observados.
Se X uma varivel quantitativa, ento, sua mdia ser:
n
x=
x1 + x 2 + x3 + x4 + x5 + ...+ xn
n
PROPRIEDADES :
x = x + x
i
i =1
+ x3 + x4 + x5 + ...+ xn
x
i =1
5-4
k = k + k + k + k + k + ...+
k = nk
i =1
n vzes
Somatrio de n observaes de k X:
n
kx = k x + k x
i
i =1
+ k x3 + k x4 + ...+ k xn =
n
= k (x 1 + x2 + x3 + x4 + ... + xn) = k xi
i =1
Somatrio de n observaes de (X - Y) :
n
( x y ) = ( x y ) + (x y ) + (x y ) + ...
i
i =1
+ (xn yn) =
x y
i
i =1
Somatrio de n observaes de (X - k) :
n
( x k ) = ( x k) + (x
i
i =1
= ( x1 + x 2 + x3 + ... + x n) ( k + k + k + ... + k) =
2
x
i =1
2
i
2
= x1 + x2 + x2 + ... + x2
2
3
n
x nk
i
i =1
i =1
n
xi = ( x1 + x2 +
i =1
2
Somatrio de n observaes de (X - k) :
2
x3 + ... + xn) 2
(x k ) = ( x
2
i =1
i =1
5-5
2
i
2 xi k + k ) = x 2 k xi nk 2
2
i =1
2
i
i=1
x y
i=1
i i
= x1y1 + x2 y2 + x3 y3+...+ xn yn
Somatrio de n observaes de k X:
Somatrio de n observaes de (X - Y) :
Somatrio de n observaes de (X - k) :
5-6
x=
f x
i=1
k
i i
i =1
f x + f x + f x +...+ f x
n n
= 11 2 2 3 3
f + f + f +...+ f
1
10
20
30
40
50
60
70
80
D=
D=
a
a
a
a
a
a
a
a
20
30
40
50
60
70
80
90
cm
cm
cm
cm
cm
cm
cm
cm
TOTAL
CENTRO DE
CLASSE
(xi)
15 cm
25 cm
35 cm
45 cm
55 cm
65 cm
75 cm
85 cm
--
FREQNCIA
(fi)
40
21
10
10
8
4
3
4
100
5-7
Mediana
M EDIANA
Divide as observaes em dois grupos de igual tamanho, isto , 50% das
observaes esto abaixo da mediana e 50% esto acima.
0, 2, 3, 1, 0, 1, 2, 2, 3, 1, 2, 3, 2, 1.
Dados em ordem: 0, 0, 1, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3,
MEDIANA ENTRE 2 E 2
MEDIANA =
0, 2, 3, 1, 0, 1, 2, 2, 3, 1, 2, 3, 2, 25
Dados em ordem: 0, 0, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3, 25
MEDIANA ENTRE 2 E 2
MEDIANA =
Se n impar:
x MED ):
x MED = x[(n+1)/2]
Exemplo: {19, 20, 23, 23, 24, 25, 32, 36, 39, 40, 41}
Se n par:
x MED =
x[n / 2] + x[(n / 2) + 1]
2
x MED = x[6] = 25
Exemplo: {19, 20, 23, 23, 24, 25, 32, 36, 39, 40, 41, 44}
5-8
xMED =
x[6] + x[7]
2
25 + 32
2
= 28.5
Moda
M ODA
o valor que ocorre com maior freqncia nas observaes de uma varivel.
Nmero de
Brotos
0
1
0, 2, 3, 1, 0, 1, 2, 2, 3, 1, 2, 3, 2, 1.
Dados em ordem:
MOD
0, 0, 1, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3.
Tolerantes
Nmero de
Espcies
7
19
3
14
2
4
25
TOTAL
3
TOTAL
Freqncia
41
MODA
Simtrica
M DIA
M EDIANA
M ODA
Assimt rica
Direita
M ODA
M EDIANA
M EDIA
5-9
Assimt rica
Esquerda
MEDIA
M EDIANA
M ODA
Quartis
QUARTIS
Os Quartis so as posies na distribuio de uma varivel que a divide em quartos.
PRIMEIRO QUARTIL (Q1): 25% das observaes so menores que ele.
SEGUNDO QUARTIL (Q2): 50% das observaes esto abaixo dele
(mediana).
TERCEIRO QUARTIL (Q3): 75% das observaes esto abaixo dele.
25%
5-10
25%
25%
xQ1
25%
xQ2
xQ3
Embora possamos calcular os quartis diretamente a partir das observaes, mais prtico realizar o clculo a
partir de dados agrupados (Tabela de Freqncia).
F F
Q
k 1
xQ = lk +
fk
) a
FQ3 =
3n
4
5-11
FQ 2 = 100 / 2 = 50
FQ 3 = (3)(100) / 4 = 75
10
20
30
40
50
60
70
80
a
a
a
a
a
a
a
a
20
30
40
50
60
70
80
90
CENTRO DE
CLASSE
(xi)
15 cm
25 cm
35 cm
45 cm
55 cm
65 cm
75 cm
85 cm
--
cm
cm
cm
cm
cm
cm
cm
cm
TOTAL
F F
Q1
0
xQ 1 = l1 +
f1
) a
xQ 2
F F
Q2
1
= l2 +
f2
) a
xQ 3
F F
Q3
3
= l4 +
f4
) a
FREQNCIA
(fi)
40
21
10
10
8
4
3
4
100
FREQNCIA
ACUMULADA
(Fi)
40
61
71
81
89
93
96
100
--
CLASSES
QUARTIS
Q1
Q2
Q3
5-12
Percentis
PERCENTIS
Os Percentis so uma generalizao dos Quartis. Na distribuio de uma varivel
quantitativa, o percentil representa a posio abaixo da qual est uma dada porcentagem dos
dados.
Por exemplo:
o percentil 13% o valor abaixo do qual esto 13% das observaes;
o percentil 64.9% o valor abaixo do qual esto 64.9% das observaes;
e assim por diante . . .
A frmula de clculo dos percentis (dados tabelados) anloga frmula dos quartis:
x P = percentil desejado;
( F Fk 1 )
x P = lk + P
ak
fk
25
196 = 49
100
F25% =
5
10
15
20
25
30
35
40
a
a
a
a
a
a
a
a
10
15
20
25
30
35
40
45
cm
cm
cm
cm
cm
cm
cm
cm
CENTRO DE
CLASSE
(xi)
7.5 cm
12.5 cm
17.5 cm
22.5 cm
27.5 cm
32.5 cm
37.5 cm
42.5 cm
FREQNCIA
(fi)
17
21
35
40
38
24
13
8
FREQNCIA
ACUMULADA
(Fi)
17
38
73
113
151
175
188
196
CLASSE
P ERCENTIL
P=25%
x25%
( F25% F2 )
= l3 +
a 3 =
f3
PARA REFLETIR
Uma Engenheira Florestal deseja construir uma casa de madeira. Sua opo utilizar madeira
tratada devido ao menor custo em relao madeira de essencias nativas. Ela consultou trs
fornecedores de madeira, que apresentaram preos semelhantes, mas as garantias da vida til
da madeira tratada foi bastante distinta:
Fornecedor A: vida til mdia 25 anos.
Fornecedor B: vida til mediana 25 anos.
Fornecedor C: percentil 70% da vida til 25 anos.
De qual fornecedor ela deve adquirir a madeira? Por que?
5-13
5-13
Medidas de Disperso
Uma Estatstica de disperso se refere
variabilidade ou heterogeneidade dos
dados.
x
Exemplo 5.E: Controle de Qualidade
GRAMATURA DO PAPEL PRODUZIDO
EM DIFERENTES MQUINAS
Uma Empresa de Papel realizou testes para
comparar trs mquinas de produo de
papel. Em cada mquina foram tomadas 5
amostras conforme a figura ao lado.
Qual das mquinas a empresa deve adquirir?
Por que?
Amostra
1
2
3
4
5
Mdia
A
200
210
190
215
185
200
Mquinas
B
152
248
260
200
140
200
C
205
203
195
197
200
200
5-14
A = x MXIMO x MNIMO
DIQ = xQ 3 xQ1
Varincia
Ponto Especfico na Distribuio
Outra forma de se medir a
variabilidade de uma varivel
quantificando a disperso das
observaes em relao a um ponto
espefico na distribuio.
MDIA:
DESVIO:
(x
x)
Desvio
(10.1 - 12.21) = -2.11
(11.1 - 12.21) = -1.11
(10.7 - 12.21) = -1.51
(13.1 - 12.21) = 0.89
(14.5 - 12.21) = 2.29
(13.5 - 12.21) = 1.29
(12.5 - 12.21) = 0.29
0.03
Quadrado do Desvio
(10.1 - 12.21)2 = 4.45
(11.1 - 12.21) 2 = 1.23
(10.7 - 12.21) 2 = 2.28
(13.1 - 12.21) 2 = 0.79
(14.5 - 12.21) 2 = 5.24
(13.5 - 12.21) 2 = 1.66
(12.5 - 12.21) 2 = 0.08
15.75
Melhor utilizar a
SOMA DE QUADRADOS DOS DESVIOS
que ser sempre positiva.
5-15
VARINCIA
( x
n
s2 =
i =1
x)
SOMA DE QUADRADOS
2
SQ = ( xi x )
n
i =1
n 1
Desvio Padro
Como as variveis que trabalhamos na Engenharia Florestal possuem UNIDADES DE MEDIDA, importante
consider-las quando medimos a heterogeneidade dos dados.
A varincia sempre elava ao
quadrado as unidades de medida,
gerando escalas sem sentido prtico
Varivel
altura de cepas
peso seco de folhas
produo de madeira
concentrao de N
concentrao de Z
presso de pneu
resistncia a compresso
idade de corte
rea basal
Unidade
de Medida
cm
kg
m3/ha
mg/cm3
ppm
lb/pol2
kg/cm2
ano
m2/ha
Unidade
da
Varincia
cm2
kg2
m6/ha2
mg2/cm6
ppm2
lb2/pol4
kg2/cm4
ano2
m4/ha2
DESVIO PADRO
( x x )
n
s = s2 =
i =1
n 1
5-16
SOMA DE QUADRADOS
xi
n
i =1
= xi2
n
i =1
n
SQ = ( xi x )
n
i =1
VARINCIA
s2 =
SQ
n 1
DESVIO PADRO
s= s
SOMA DE QUADRADOS
SQ = f i ( xi x )
k
i =1
VARINCIA
s2 =
SQ
k
f i 1
i=1
DESVIO PADRO
s = s2
Mdia:
Soma de Quadrados:
Varincia:
Desvio Padro:
5-17
Centro
de
Classe
( xi )
Freqnci
a
5
7
9
11
13
15
17
19
TOTAL
( fi )
17
21
35
40
38
24
13
8
196
fi xi
17( 5) =
21( 7) =
35( 9) =
40(11) =
38(13) =
24(15) =
13(17) =
8(19) =
fi ( xi x )
17( 521( 735( 940(1138(1324(1513(178(19-
)=
)=
)=
)=
)=
)=
)=
)=
fi ( xi x ) 2
17( 521( 735( 940(1138(1324(1513(178(19-
)2 =
)2 =
)2 =
)2 =
)2 =
)2 =
)2 =
)2 =
Qual a varincia?
Coeficiente de Variao
COEFICIENTE DE VARIAO
O Coeficiente de variao uma
forma de se medir a variabilidade de
uma varivel de modo independente
da UNIDADE DE MEDIDA utilizada ou
da ORDEM DE GRANDEZA dos dados.
Razo entre desvio padro
e mdia torna o CV
um nmero puro
CV =
s
100
x
5-18
Observaes
Mdia
Desvio
Padro
CV
(%)
26.4 m
3.3 m
26.8cm
8.66 m
1.76 m
9.07cm
32.8
53.2
33.8
Transformao Linear
X o nmero de brotaes por cepa de Eucalyptus grandis:
x = 164
.
x = { 0, 2, 3, 1, 0, 1, 2, 2, 3, 1, 2, 3, 2, 1}
sX = 101
.
y=
y = { 5, 7, 8, 6, 5, 6, 7, 7, 8, 6, 7, 8, 7, 6}
Z = 2X
sY =
W=X-1?
z = { 0, 4, 6, 2, 0, 2, 4, 4, 6, 2, 4, 6, 4, 2}
= -7X
z=
sZ =
5-19
TRANSFORMAO LINEAR
Se X representa os valores originais com mdia
mdia:
y = ax + b
desvio padro:
sY = a sX
Padronizao
Faamos uma transformao expecial nos dados originais de nmero de brotos por cepa:
Dados Originais
(x )
xx
xx 1
=
sX
sX
x
x +
sX
ax + b
0
2
3
1
0
1
2
2
3
1
2
3
2
1
MDIA
DESVIO PADRO
1.64
1.01
PADRONIZAO
o processo de transformar uma varivel de modo que ela fique com mdia zero e desvio padro 1.
Se X a varivel que desejamos padronizar, ento a VARIVEL PADRONIZADA ser:
xx
sX
5-20
Conceitos-Chave
ESTATSTICAS - MEDIDAS DE POSIO - MDIA - SOMATRIOS - SOMA DOS QUADRADOS - QUADRADO DA SOMA MEDIANA - MODA - QUARTIS - PERCENTIS - MEDIDAS DE DISPERSO - AMPLITUDE DE VARIAO - DISTNCIA
INTERQUARTIL - DESVIO - SOMA DE QUADRADOS - VARINCIA - DESVIO PADRO - COEFICIENTE DE VARIAO TRANSFORMAO LINEAR - PADRONIZAO
Leitura Essencial
[IEMMA, 1992] Cap. VI: p.87-103. Cap. VII: p109-119. Cap. VIII: p123-126.
Leituras Adicionais
[ROCHA, 1975] Cap. 9: p.69-89 (especialmente p87-88). Cap. 10: p90-94.
[AZEVEDO & CAMPOS, 1987] Cap. 6: p.127-172..
Exerccios
5.1 Considere os seguintes dimetros (cm) das rvores de uma floresta de Pinus caribaea hondurensis.
21.8
23.9
27.7
21.8
12.3
10.8
16.0
11.5
35.5
19.3
12.7
16.3
a) Calcule a mdia.
d) Encontre o percentil 75%.
g) Calcule o CV.
32.2
21.4
33.0
17.5
22.3
16.4
15.1
28.8
24.9
18.2
13.2
17.0
18.2
27.3
10.8
21.7
13.2 20.3
26.4 9.4
18.0 14.5
28.0 9.0
10.7
19.4
20.1
17.6
5.2 Considere a produo de madeira (m3/ha) de diferentes talhes de Eucalyptus camaldulensis aos 7 anos.
220
174
201
221
223
223
232
271
271
201
a) Calcule a mdia.
d) Encontre o percentil 75%.
g) Calcule o CV.
218
171
238
183
245
216
225
132
148
198
228
208
270
221
245
246
245
256
275
166
250
248
189
186
228
261
214
199
208
204
276
204
143
198
224
239
270
218
237
166
5.3 Considere os seguintes dados de resistncia a compresso (kg/cm2) de amostras de madeira de Ocotea porosa
(peroba).
5-21
a) Calcule a mdia.
d) Encontre o percentil 75%.
g) Calcule o CV
2477
2802
1764
2123
2117
3159
1407
2755
1625
2761
3591
2433
2275
2384
3225
3062
3070
1264
2464
2260
2175
3387
1929
2609
1630
2813
2172
609
2351
2129
1877
2347
1917
3034
2572
2160
2280
1259
1853
2541
2015
3003
5.4 Um fornecedor de peas para estruturas de madeira recebeu um lote de peroba de onde foram retiradas as
amostras do exerccio anterior. Para fins de venda das peas qual a resitncia compresso do lote inteiro que
este vendedor anunciar: mdia, mediana, percentil 75% ou percentil 20% ? Por que ?
5.5 Uma srie de amostras de solo resultaram na seguinte distribuio para os valores de pH de um solo latossol
vermelho-amarelo.
Classes de pH
Freqncia
4.6 - 5.0
7
5.0 - 5.4
14
5.4 - 5.8
23
5.8 - 6.2
32
6.2 - 6.6
19
6.6 - 7.0
8
7.0 - 7.2
2
Total
105
Encontre:
a) a mdia
b) a mediana
c) o primeiro e terceiro quartil
d) os percentis: 10%, 35%, 75%, 95%
e) a varincia
f) o desvio padro
g) o coeficiente de variao.
5.6 A distribuio dos dimetros das rvores de uma floresta nativa segue a seguinte tabela:
Classes de
Dimetro (cm)
10 - 20
20 - 30
30 - 40
40 - 50
50 - 60
60 - 70
70 - 80
80 - 90
90 - 100
Freqncia
Total
351
160
86
40
20
4
4
3
1
669
a) Qual o dimetro mdio e o dimetro mediano desta floresta? Qual dos dois maior?
b) Qual o desvio padro dos dimetros desta floresta ?
5-22
c) Um Engenheiro Florestal deseja fazer um corte seletivo retirando 20% das maiores rvores. Qual o
dimetro mnimo das rvores a serem removidas ?
d) Uma Engenheira Florestal deseja fazer um corte seletivo retirando 40% das menores rvores. Qual o
dimetro mnimo das rvores remanescentes?
5.7 A distribuio dos dimetros das rvores de uma floresta plantada segue a seguinte tabela:
Classes de
Dimetro (cm)
4 - 10
10 - 14
14 - 18
18 - 22
22 - 26
26 - 30
Freqncia
10
172
210
144
125
67
728
Total
a) Qual o dimetro mdio e o dimetro mediano desta floresta? Qual dos dois maior?
b) Qual o desvio padro dos dimetros desta floresta ?
c) Um Engenheiro Florestal deseja fazer um corte seletivo retirando 20% das maiores rvores. Qual o
dimetro mnimo das rvores a serem removidas ?
d) Uma Engenheira Florestal deseja fazer um corte seletivo retirando 40% das menores rvores. Qual o
dimetro mnimo das rvores remanescentes?
x
i =1
Encontre:
= 35;
a) x1 + x2 + x3 +...+ xn
y
i =1
= 57 ; n = 23 ; k = 8 .
b) y1 + y2 + y3 +...+ yn
d)
e)
x y
h)
i =1
n
g)
i =1
n
j)
i i
( x k )
i =1
k
i =1
n
( x y )
i)
( x k )
l)
i =1
n
i =1
n
k)
c)
f) xi
i =1
kx
i =1
2
i
( x y )
n
i =1
2
2
2
y12 + y2 + y3 +...+ yn
5.9 Com base nas propriedades dos somatrios, deduza a frmula prtica para clculo da Soma de Quadrados
dos Desvios.
5.10 Com base nas propriedades dos somatrios, demonstre que a mdia da varivel Y = aX + b (transformao
linear de X ) de fato y = ax + b , onde a e b so constantes e x a mdia da varivel X .
6-1
Mas ser que o censo sempre o melhor mtodo para obtermos informaes teis?
TESTE:
Observe o pargrafo abaixo por 30 segundos e conte quantos s ocorrem.
SEMPRE QUE SE FAZ AMOSTRAGEM
DEVEMOS TER EM MENTE A
REPRESENTATIVIDADE
DAS OBSERVAES REALIZADAS.
Ser que se chegou ao nmero certo? Tentemos novamente:
6-2
Limitaes do
Censo
Terminologia em Amostragem.
AMOSTRAGEM
Consiste em observar parte da populao para se fazer inferncias (concluir
algo) a respeito de toda a populao.
Alguns termos utilizados em amostragem so semelhante a termos utilizados no dia-a-dia, mas o significado destes
termos bem preciso no caso de amostragem:
UNIDADE
AMOSTRAL
POPULAO
6-3
AMOSTRA
importante fazermos uma distino da informao (e todo resumo dela)
que se obtem a partir da POPULAO e que se obtem a partir da AMOSTRA .
Populao
Amostra
PARMETRO
ESTATSTICA
Unidade
Amostral:_____________________________
Amostra:
____________________________________
Estatstica:
___________________________________
Unidade
Amostral:_____________________________
Amostra:
____________________________________
Estatstica:
___________________________________
6-4
Unidade
Amostral:_____________________________
Amostra:
____________________________________
Estatstica:
___________________________________
Unidade
Amostral:_____________________________
Amostra:
____________________________________
Estatstica:
___________________________________
Horas de Estudo
1
3
4
2
5
Populao
PARMETRO
Amostra
ESTATSTICA
6-5
A tendncia
natural das
pessoas buscar
a informao do
modo mais
conveniente.
AMOSTRAGEM DE CONVENINCIA
So observadas as unidades mais acessveis da populao . A seleo das
unidades da amostra realizada segundo a convenincia.
As unidade
inconvenientes de
serem observadas
jamais sero
amostradas.
.
Amostragem de
Convenincia sempre
ENVIESADA , isto , possui
VIS.
6-6
VIS
Tendenciosidade presente no processo de amostragem que impede que a
amostra seja perfeitamente representativa da populao, independentemente
do tamanho da amostra.
VIS DE SELEAO
VIS DE NO -RESPOSTA
VIS DE RESPOSTA
Tendncia sistemtica de
subrepresentar ou excluir da
amostra um certo tipo de
unidade.
Pesquisa cientfica mostra que o uso do cinto de segurana na cidade reduz o nmero de
acidentes com acidentados graves. Se voc for a favor do uso do cinto de segurana na
cidade ligue para 0-800-552-4949, se for contra ligue para 0-800-552-4950, ligao
gratuita.
Enumere as razes pelas quais esta pesquisa de opinio certamente enviesada.
Amostras
1
2
3
4
5
6
7
8
9
10
6-7
PRECISO
Capacidade dos sistemas de amostragem de gerar Estatsticas com pequena
variabilidade entre amostras (de mesmo tamanho) tomadas numa mesma populao.
x
x
x
x
x xx
x
xxx
SEM VIS
SEM PRECISO
COM VIS
COM PRECISO
x
xx x
x xxx
x
xxxxx
SEM VIS
COM PRECISO
6-8
Uma equipe de cientstas deseja monitorar as mudanas ecolgicas numa floresta aps a fragmentao desta
devido a converso da rea floresta para rea agrcola. A equipe se encontra dividida entre duas alternativas de
amostragem:
Monitorar um grande nmero de fragmentos que sejam de fcil acesso e que representem o atual
estado da regio.
Monitorar um nmero pequeno de fragmentos que sejam uma amostra representativa da floresta
original, independentemente da facilidade de acesso.
Quais as vantagens e desvantagens das duas alternativas?
6-8
Mtodos de Amostragem
Existe vrios Mtodos de Amostragem utilizados nas Cincias Florestais. Todos tm como objetivo gerar
informaes sem vis e com a maior preciso possvel.
Mtodos de Amostragem
utilizados nas
Cincias Florestais.
M TODOS DE AMOSTRAGEM:
Exemplo Clssico:
Bolas de mesmo tamanho, peso, superfcie, etc.,
numa urna. Qualquer amostra de 3 bolas tem
exatamente a mesma chance de ser obtida.
6-9
6-10
Rtulo
01
Mapa
rea (ha)
35
02
03
17
Fazenda
Serto
Fazenda gua
Clara
Fazenda
Tijuco Preto
Fazenda Dona
Zilma
Stio Arueira
04
10
05
19
06
07
40
08
Fazenda gua
Funda
Stio Santa
Clara
Stio Santo
Antnio
Fazenda
Conceio
Stio do Bento
09
10
11
12
12
10
13
18
Fazenda Pau
Queimado
Fazenda
Gibeira
14
34
15
21
6-11
Quando o tamanho da populao muito pequeno em relao ao nmero de rtulos, muito tempo gasto saltando
rtulos que no so teis. Para evitar isto podemos utilizar o seguinte procedimento:
Selecionar uma amostra de tamanho n quando o nmero de rtulos muito maior que o
tamanho da populao (N):
1. Iniciar num ponto aleatrio da Tabela de Nmeros Aleatrios.
2. Ler os rtulos sistematicamente seguindo as linhas ou colunas da Tabela.
3. Se um rtulo j lido surgir, ignor-lo e seguir para o prximo.
4. Se aparecer um rtulo maior que o maior rtulo utilizado, dividir o rtulo que surgiu por
N e tomar o resto da diviso como rtulo.
5. Continuar at que n unidades sejam selecionadas.
Rtulo
01
Mapa
rea (ha)
35
rea Acumulada
35
02
37
03
17
54
Fazenda
Serto
Fazenda gua
Clara
Fazenda
Tijuco Preto
Fazenda Dona
Zilma
Stio Arueira
04
10
64
05
19
83
06
87
07
40
127
08
128
Fazenda gua
Funda
Stio Santa
Clara
Stio Santo
Antnio
Fazenda
Conceio
Stio do Bento
09
135
10
144
11
12
156
12
10
166
13
18
184
Fazenda Pau
Queimado
Fazenda
14
34
218
15
21
239
6-12
Gibeira
$
Parmetro e estatstica so iguais (p = p ) ?
Em cada grupo se
faz uma ASS.
.
Maior preciso na
amostragem
6-13
Estrato B
30 ha
V = 200 m3/ha
Estrato A
30 ha
V = 50 m3/ha
Estrato C
40 ha
V = 300 m3/ha
30
30
40
xA +
x B +
x =
x =
100
100
100 C
N1
N2
Nk
1k
x = x1 + x2 +...+ xk = N i xi
N
N
N
N i =1
x a mdia da AAE
xi a mdia estimada para o estrato i.
N o tamanho da populao (nmero total de unidades)
Amostragem N
Sistemtica (AS)
i o tamanho do estrato i (nmero de unidades no estrato k)
6-14
A amostragem sistemtica uma maneira mais prtica de selecionar as unidades de uma populao.
AMOSTRAGEM SISTEMTICA
Inicialmente, as unidades da populao so colocadas numa certa ordem..
Para uma amostra sistemtica de 1-em-cada-k-unidades, voc primeiro seleciona
aleatoriamente uma das k primeiras unidades. A partir da unidade selecionada toma-se
sempre a k-sima unidade.
NOTE: somente a primeira unidade selecionada aleatoriamente, todas as demais so
tomadas sistematicamente.
R
18
S
19
Cada interseco do
reticulado define a posio de
uma unidade amostral
6-15
1o. ESTGIO
Quadrculas do IBGE
dentro do Estado (AAS)
2o. ESTGIO
Fragmentos dentro de
Quadrculas
(AAE por tamanho)
3o. ESTGIO
Parcelas dentro de
Fragmentos dentro de
Quadrculas (AS)
6-16
Conceitos-Chave
CENSU - AMOSTRAGEM - POPULAO - UNIDADE AMOSTRAL - AMOSTRA - VARIVEL - PARMETRO ESTATSTICA - AMOSTRAGEM DE CONVENINCIA - VIS - VIS DE SELEO - VIS DE NO-RESPOSTA - VIS DE
RESPOSTA - PRECISO - MTODOS DE AMOSTRAGEM - AMOSTRAGEM ALEATRIA SIMPLES - PROCESSO
ALEATRIO - TABELA DE NMEROS ALEATRIOS - AMOSTRAGEM ALEATRIA ESTRATIFICADA AMOSTRAGEM SISTEMTICA - AMOSTRAGEM EM MLTIPLOS ESTGIOS
Leitura Essencial
[OLIVEIRA, 1977] p.39-43.
Exerccios
6.1 O Diretor deseja saber a opinio do corpo discente sobre uma nova proposta de procedimento de matrcula.
Para obter a informao rapidamente decidiu-se por amostragem.
a) Qual a populao? b) Quais so as unidades amostrais? c) Qual a varivel? d) Qual mtodo de
amostragem deve ser utilizado? Explique.
6.2 Uma empresa florestal pretende definir o nvel de infestao de formigas nas suas florestas.
a) Qual a populao? b) Quais so as unidades amostrais? c) Qual a varivel? d) Qual mtodo de
amostragem deve ser utilizado? Explique.
6.3 Um candidato a governador do Estado deseja saber suas chances de vencer na prxima eleio e
encomendou uma pesquisa de intenso de voto.
a) Qual a populao? b) Quais so as unidades amostrais? c) Qual a varivel? d) Qual mtodo de
amostragem deve ser utilizado? Explique.
6.4 Uma Engenheira Florestal realizou um estudo sobre o vandalismo nas trilhas de um Parque Nacional. Nesse
estudo ela se aproximava anonimamente a grupos de pessoas caminhando nos fins-de-semana e fazia a caminhada
com o grupo observando-os. Existe algum tipo de vis neste estudo? Qual? Explique.
6.5 Num estudo de ciclagem de nutrientes, o pequisador deseja saber o teor mdio de fsforo na serrapilheira de
uma floresta. Para isso ele seleciona pequenas reas de 1m2 distantes 3 metros da trilha utilizada adentrar na
floresta. Em cada rea de 1m2, toda serrapilheira removida e levada ao laboratrio para anlise. Existe algum
tipo de vis neste estudo? Qual? Explique.
6.6 Num levantamento da avifauna do sub-bosque de uma mata seca no Estado de Mato Grosso, um pesquisador
utiliza um gravador de alta sensibilidade para gravar o canto dos pssaros. Posteriormente, as fitas so analisadas
em laboratrio para identificao das espcies. Existe algum tipo de vis neste levantamento? Qual? Explique.
6.7 A Empresa Abril Cultura e Revista Playboy realiza anualmente o ranking das melhores escolas de Engenharia
Florestal. O ranking se baseia num formulrio enviado a uma amostra aleatria de profissionais formados que so
6-17
convidados a classificar a escola onde se formaram. Existe algum tipo de vis neste levantamento? Qual?
Explique.
6.8 A tabela abaixo mostra a produo por parcelas de 1ha de uma floresta de Eucalyptus grandis.
a) Realize 5 AAS de tamanho 8. Em cada amostra estime a produo mdia da floresta.
b) Realize 5 AAE de tamanho 8 (2 unidades/estrato). Em cada amostra estime a produo mdia da floresta.
c) Compare a variao das estimativas obtidas pela AAS e pela AAE, em torno do valor do parmetro. Qual dos
mtodos apresenta maior preciso. Explique.
Idade
(anos)
3
Parcela
(1ha)
1
2
3
4
5
6
1
2
3
4
5
1
2
3
1
2
3
4
5
Produo
(m3/ha)
50
55
56
67
48
69
150
148
120
160
130
250
210
205
310
280
300
320
340
6.9 Um Engenheiro Florestal deseja realizar uma AAS de tamanho 3 no talho da figura abaixo. Cada unidade
amostral consiste de uma parcela de 20 x 30 m (600m2). Realize essa amostragem. Explique detalhadamente o
processo utilizado.
TALHO
C
A
R
R
E
A
D
O
R
C
A
R
R
E
A
D
O
R
500m
6-18
ESTRADA
6.10 A base na tabela abaixo apresenta o dimetro (cm) de uma populao de 200 rvores.
a) Calcule o dimetro mdio da populao.
1000m
b) Realize 5 amostras aleatrias simples de tamanho 10. Para cada amostra estime a mdia da
populao. Analise a distribuio das mdias e sua relao com a mdia da populao.
c) Realize 5 amostras sistemticas de tamanho 10. Para cada amostra estime a mdia da populao.
Analise a distribuio das mdias e sua relao com a mdia da populao.
d) Existe alguma diferena entre a distribuio das estimativas obtidas por AAS e por AS? Explique.
Linhas
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
1
16.0
83.7
11.9
20.3
38.9
22.4
21.9
35.7
56.5
12.3
26.5
58.3
14.7
15.5
25.8
33.4
19.6
15.3
25.7
25.3
2
54.7
10.8
49.8
20.6
21.7
21.2
30.2
41.3
21.6
23.1
117.8
34.3
10.3
19.8
21.7
75.4
92.4
20.8
16.9
10.3
3
27.7
17.6
15.5
48.3
12.6
14.9
14.6
13.0
17.1
34.2
14.7
15.6
15.3
14.6
62.2
20.2
12.7
14.3
15.2
17.4
4
29.2
31.6
22.5
26.0
52.9
20.0
37.0
11.4
27.3
13.6
15.4
11.0
27.0
50.0
94.5
11.8
20.6
30.3
10.7
38.5
Colunas
5
6
10.7
38.9
27.9
20.1
17.6
36.7
76.4
56.0
24.6
39.7
12.2
27.7
24.3
10.5
16.6
31.2
13.5
13.6
34.3
91.7
25.9
12.9
24.8
11.6
18.2
59.1
10.2
24.6
116.7
23.5
16.7
49.4
14.9
10.7
25.8
17.5
10.6
19.1
16.4
48.8
7
24.3
36.8
56.1
18.5
12.1
28.2
15.1
14.3
37.3
81.1
123.2
22.9
129.0
20.0
96.7
29.2
10.1
10.2
24.8
16.8
8
38.2
39.8
15.8
44.8
34.4
43.3
18.0
38.2
18.3
39.6
16.8
12.7
16.7
10.9
10.4
26.7
15.6
25.8
12.8
30.1
9
11.8
11.6
28.8
37.3
70.4
40.7
16.2
11.2
39.4
15.6
20.1
19.2
12.9
16.9
68.7
27.5
14.2
12.3
21.5
17.1
10
24.0
22.6
20.9
51.7
42.8
43.4
16.1
30.3
22.0
54.5
30.1
42.2
23.9
11.0
15.8
32.1
26.2
61.3
16.5
42.4
7-1
2
F
7
M
2
F
1
M
5
M
9
M
2
F
7
M
0
F
3
M
7
M
1
M
4
F
5
M
6
F
3
M
5
M
0
F
6
F
3. Agrupe os nmeros de acordo com planejamento do casal para simular as diferentes possibilidades de filhos.
Numere cada simulao como uma famlia:
1
M
1
2
F
1
7
M
2
0
F
2
3
M
3
7
M
3
1
M
3
4
F
3
5
M
4
6
F
4
3
M
5
5
M
5
0
F
5
6
F
6
2
F
7
7
M
8
2
F
8
1
M
9
5
M
9
9
M
9
10
11
12
13
14
15
16
17
18
19
20
Total
Probabilidade por simulao = Total de Famlias / Total de Famlias c/ Filhas = ______/______ = __________
Probabilidade exata = 0.938
7-2
Num jogo semelhante Loteria Federal um jogador comprou o bilhete 123456. Este jogador receber:
R$ 50000,00
R$ 5000,00
R$ 500,00
R$
50,00
se o
se o
se o
se o
123456
X23456
XX3456
XXX456
10
11
12
13
14
15
16
17
18
19
20
Total
5. Com base nas simulaes de todos os alunos, qual a probabilidade do bilhete 123456 ser sorteado?
1o.
10
2o.
10
3o.
10
4o.
10
5o.
10
1
9
9 x 9 = 81
9 x 9 x 9 = 729
1 + 9 + 81+ 729
820
=
= 0.00082
1000000
1000000
6o.
10
7-3
ESPAO AMOSTRAL ( S )
Conjunto de todos os resultados possveis de um experimento aleatrio.
Alguns experimentos aleatrios podem ter um nmero infinito de resultados, por hora
veremos experimentos apenas com um nmero contvel de resultados.
Lanamentos
1 o. 2o. 3o.
C
C
C
(cara)
K
C
K
S=
CCC
CCK
CKC
CKK
KCC
KCK
KKC
KKK
K
C
C
K
(coroa)
K
C
K
Se no lanamento de 3 moedas justas, definirmos o resultado como o nmero de caras, o espao amostral fica:
S = { 0, 1, 2, 3 }
7-4
S={
S={ ( , ) ( , ) ( , ) ( , ) ( , ) ( , )
(
(
(
(
(
,
,
,
,
,
)
)
)
)
)
(
(
(
(
(
,
,
,
,
,
)
)
)
)
)
(
(
(
(
(
,
,
,
,
,
)
)
)
)
)
(
(
(
(
(
,
,
,
,
,
)
)
)
)
)
(
(
(
(
(
,
,
,
,
,
)
)
)
)
)
(
(
(
(
(
,
,
,
,
,
)
)
)
)
)
No lanamento de dois dados o resultado definido como a soma dos nmeros obtidos:
S={
S={
S={
Uma parcela de 1ha locada aleatoriamente numa floresta nativa. O resultado definido como o nmero de
rvores na parcela.
S={
Um aluno da ESALQ selecionado ao acaso. O resultado definido como o nmero de crditos que este aluno
est cursando no atual semestre.
S={
Um aluno da ESALQ selecionado ao acaso. O resultado definido como o nmero de crditos necessrios
para este aluno se graduar.
7-5
S={
Evento
EVENTO
Eventos so sub-conjuntos do espao amostral e so geralmente
representados por letras maisculas, como A, B, C, ...
Eventos possveis:
Experimento Aleatrio:
Um dado lanado.
Espao Amostral:
S = { 1, 2, 3, 4, 5, 6}
Conceito de Probabilidade
O termos probabilidade utilizado com diferentes sentidos na linguagem do dia-a-dia:
A previso do tempo indica 70% de probabilidade de chuvas no prximo fim-de-semana.
O jogador sente que esta noite as chances de levar uma grande bolada na roleta so altas.
Ao jogar uma moeda justa, a chance de coroa de 1/2.
Se uma pessoa sofreu um acidente fatal, as chances de que este acidente ocorreu em casa
so de 10.5%.
das pessoas consideram o elogio do chefe como um importante componente na satisfao
profissional.
O sexismo latino-americano est comprovado: o nvel de analfabetismo na Amrica Latina
de 17% entre mulheres e de 14% entre homens.
Apesar das mulheres comporem aproximadamente 50% da poplao eleitoral na Europa,
apenas 11% dos cargos eletivos eram ocupados por mulheres em 1995.
7-6
CONCEITO SUBJETIVO
P( A) =
TAMANHO DO EVENTO
7-7
CONCEITO FREQUENTISTA
OU A POSTERIORI
Axiomas de Probabilidade
Axioma I
Independentemente do conceito utilizado,
clssico ou freqntista, o modelo de
probabilidade em Bioestatstica ter sempre
uma COERNCIA INTERNA que resulta dos
AXIOMAS de probabilidade:
0 P ( A) 1
Axioma II
P (S ) = 1
P () = 0
CONCEITO CLSSICO
7-8
CONCEITO FREQENTISTA
Diagramas de Venn
Os diagramas de Venn so utilizados para se visualizar os conceitos de bsicos de probabilidade.
S
B
.
a, b, c = resultados
UNIO DE 2 EVENTOS
A, B = eventos
Dizemos: ocorre A ou B
Notao: A U B
S = espao amostral
7-9
AB
INTERSECO DE 2 EVENTOS
Dizemos: ocorre A e B
Notao: A I B
AB
7-10
AB=
SUB-CONJUNTOS :
B A
BI A= B
BU A = A
AB
A
B
COMPLEMENTO:
AC AC U A = S
A AC = S
AC
7-11
7-11
2. P( A I B) = _____________________
3. P( B I C) = ____________________
4. P( B U C) = _____________________
5. P( A I D) = ____________________
6. P( A U D) = _____________________
7. P( A I E ) = ____________________
2. P( A U E ) = _____________________
REGRA1:
PROBABILIDADE DA UNIO DE EVENTOS
P( A U B) = P( A) + P( B) P ( A I B)
P( A) = 18 / 36
18 + 11 6 23
P( B) = 11 / 36 P( A U B) =
=
36
36
P( A I B) = 6 / 36
7-12
REGRA1B:
PROBABILIDADE DA UNIO DE EVENTOS DISJUNTOS
A e B disjuntos A I B = P( A I B) = 0
P( A U B) = P( A) + P( B)
P( A) = 15 / 36
15 6 21
P( B) = 6 / 36 P( A U B) =
+
=
36 36 36
P( A I B) = 0
Desigualdade de Boole
REGRA 2:
PROBABILIDADE DA DE UMA SEQNCIA DE EVENTOS DISJUNTOS
Se
i =1
Ai ) = P ( Ai )
i =1
REGRA 3:
DESIGUALDADE DE BOOLE
Dada uma seqncia de eventos
A1 , A2 , A3 ,..., An ,
n
P (U
n
i= 1
Ai ) P ( Ai )
i =1
7-13
Numa floresta de Eucalyptus grandis, foram coletadas amostras de folhas de 100 rvores (selecionadas
aleatoriamente) para anlise foliar. A anlise revelou deficincia de alguns nutrientes.
Nutrientes
Macro
Micro
N
P
K
B
Zn
Mn
Proporo de
rvores
c/ Deficincia
0.35
0.15
0.10
0.50
0.01
0.02
Probabilidade do Complemento
No lanamento de duas moedas temos: A = pelo menos uma cara, B = duas coroas.
Qual a probabilidade duas coroas ou pelo menos uma cara ?
Moeda 1
C
K
P( A) = 3 / 4
3 1 4
P( B ) = 1 / 4 P( A U B) = + = = 1
4 4 4
P( A I B) = 0
Moeda 2
C
K
CC
CK
KC
KK
A e B so complementares P( A) + P( B) = P( S ) = 1
REGRA 4:
PROBABILIDADE DO COMPLEMENTO
P ( S ) = P ( A) + P ( A C ) = 1 P ( A) = 1 P( AC )
Exemplo 7.I: Lanamento de Um Dado
Um dado lanado 10 vzes, qual a probabilidade de A = pelo menos um 6?
5 5 5 5 5 5 5 5 5 5 510
9765625
A = nenhum 6= = 10 =
= 01615
.
6 6 6 6 6 6 6 6 6 6 6
60466175
C
7-14
Probabilidade Condicional
A ocorrncia de um evento altera a
probabilidade de ocorrncia de outro evento
PROBABILIDADE CONDICIONAL
P( A) =
GRAU
30 3
=
50 5
1O.
2O.
P( B) =
TOTAL
ATIVIDADE
ARTSTICA LEITURA
27
3
5
15
32
18
TOTAL
30
20
50
32 16
=
50 25
NOTAO
27 9
=
30 10
27
32
REGRA 5:
PROBABILIDADE CONDICIONAL
P( A I B)
P( B)
P( A I B)
P( B| A) =
P( A)
P( A| B) =
7-15
A dado B = aluno do primeiro grau dado que o aluno prefere atividades artsticas
P( A I B ) 27 / 50 27
P( A| B) =
=
=
P( B)
16 / 25 32
B dado A = aluno prefere atividades artsticas dado que o aluno do primeiro grau
P( A I B) 27 / 50 27 9
P ( B| A) =
=
=
=
P( A)
3/5
30 10
AB
S
A
P ( B| A) =
P( A I B) 0.4
=
= 0.80
P( A)
0.5
Qual a probabilidade de vencer a primeira concorrncia dado que ela vence a segunda?
7-16
P( A I B) 0.4
=
= 0.57
P( B)
0.7
P ( A| B) =
P( A I B)
P( A I B) = P ( B| A) P ( A)
P( A)
P( A I B)
P ( A| B) =
P( A I B) = P ( A| B) P ( B )
P( B)
P ( B| A) =
REGRA 6:
PROBABILIDADE DA INTERSECO DE DOIS EVENTOS
P( A I B) = P( A| B) P( B) = P( B| A) P( A)
P( A I B) = P( B| A) P( A) = (0.5)(0.6) = 030
.
Qual a proporo da populao que qualificaria para um emprego de embaladora (mulher no fumante)?
A = mulher: P ( A) = 0.4
B = mulher no fumante: P ( B| A) = 0.8
7-17
Independncia de Eventos
INDEPENDENTES
quando:
DEFINIO:
DOIS EVENTOS INDEPENDENTES
P( A| B) = P( A)
P( B| A) = P( B)
P( B| A) =
2 1
2
= P( B) =
4 2
5
Os eventos A e B no so independentes.
Se bolas forem retiradas com reposio qual probabilidade de B dado A ?
Se A ocorreu, mas a bola preta retornou a urna, a configurao da urna permanece 2 brancas e 3 pretas,
logo
P( B| A) =
Os eventos A e B so independentes.
2
2
= P( B) =
5
5
7-18
REGRA 7:
PROBABILIDADE DA INTERSECO DE DOIS EVENTOS INDEPENDENTES
P( A I B) = P( A) P( B)
Exemplo 7.N: Cruzamento Aleatrio
Uma certa planta anual, possui um gene com dois alelos: o dominante (A) e o recessivo (a). Como cada indivduo
possui dois alelos, os gentipos possveis numa populao so AA, Aa e aa. Numa dada populao, as propores
destes gentipos so: 1/2, 1/4 e 1/4, respectivamente. Assumindo que os indivduos desta populao se cruzem de
modo totalmente aleatrio, quais as propores dos gentipos na prxima gerao?
Gentipo
AA
Aa
aa
Proporao
de
Gametas
A => 5/8
Gentipos na Prxima
Gerao
AA => (5/8)*(5/8) = 25/8
Aa => 2*(5/8)*(3/8) = 30/8
a => 3/8
aa => (3/8)*(3/8) = 9/8
P ( Ai ) =
Evento Bi
O amigo da pessoa i morre num dado dia. Taxa de mortalidade
de 1%/ano: 1.700.000 (0.01) = 1700000 pessoas/ano
= 4658 pessoas/dia
1
23750
P ( Bi ) =
1 4658
= 11537 109
P ( Ai I Bi ) = P( Ai ) P( Bi ) =
.
23750 170000000
.
4658
170000000
Concluso
o fenmeno ( Ai I Bi )
extremamente raro!!
Concluso
1 vez a cada 5 dias o
fenmeno ( Ai I Bi )
ocorre!!
7-19
Conceitos-Chave
SIMULAO - EXPERIMENTO ALEATRIO - ESPAO AMOSTRAL - EVENTO - CONCEITO CLSSICO DE
PROBABILIDADE - PROBABILIDADE A PRIORI - CONCEITO FREQENTISTA DE PROBABILIDADE - PROBABILIDADE
A POSTERIORI - AXIOMAS DE PROBABILIDADE - DIAGRAMS DE VENN - UNIO DE EVENTOS - INTERSECO DE
EVENTOS - EVENTOS DISJUNTOS - EVENTOS MUTUAMENTE EXCLUSIVOS - SUB-CONJUNTOS - COMPLEMENTO PROBABILIDADE DA UNIO - PROBABILIDADE DA SEQNCIA DE EVENTOS DISJUNTOS - DESIGUALDADE DE BOOLE
- PROBABILIDADE DO COMPLEMENTO - PROBABILIDADE CONDICIONAL - PROBABILIDADE DA INTERSECO EVENTOS INDEPENDENTES - PROBABILIDADE DA INTERSECO DE EVENTOS INDEPENDENTES
Exerccios
7.1 Numa floresta nativa a taxa de ocorrncia de espcies arbreas pioneiras de 20%. Atravs de simulaes
(utilizando a tabela de nmeros aleatrios), estime a probabilidade de numa amostra aleatria de 10 rvores se
encontrar no mnimo trs rvores de espcies pioneiras.
7.2 Esquematize um processo de simulao (utilizando nmeros aleatrios) para a amostragem de rvores numa
floresta nativa onde:
10% das rvores so de espcies pioneiras;
20% das rvores so de espcies secundrias iniciais;
30% das rvores so de espcies secundrias tardias;
40% das rvores so de espcies primrias.
O objetivo simular uma amostra aleatria de 20 rvores desta floresta.
7.3 Uma urna contm trs bolas: uma azul (A), uma verde (V) e uma rosa (R). Duas bolas so selecionadas
aleatoriamente da urna. O resultado representado pela combinao da letra das cores, por exemplo, se as bolas
selecionadas forem a azul e a verde o resultado (A,V). Represente o espao amostral para este experimento nas
seguintes situaes:
a) Amostragem com reposio onde a ordem importante;
b) Amostragem com reposio onde a ordem no importante;
c) Amostragem sem reposio onde a ordem importante;
d) Amostragem sem reposio onde a ordem no importante.
7.4 Num levantamento da avifauna, as aves foram classificadas segundo a sua dieta preferencial em insentvoras
(I) e frugvoras (F).
a) Represente o espao amostral para uma amostra de trs aves;
b) Represente o evento A = pelo menos uma ave frugvora;
c) Represente o evento B = exatamente duas aves so frugvoras.
7.5 Considere com experimento aleatrio o lanamento de dois dados balanceados.
a) Represente o espao amostral;
b) Represente o evento A = exatamente 1 dado trs;
c) Represente o evento B = exatamente 2 dados so trs;
d) Represente o evento C = pelo menos um dos dados trs;
e) Represente o evento D = a soma dos dados seis.
7.6 Considere com experimento aleatrio o lanamento de dois dados justo. Calcule a probabilidade dos
seguintes eventos:
7-20
= nenhum trs;
= exatamente um trs;
= exatamente dois trs;
= pelo menos um trs;
Compare 1 - P(A) com P(D).
7.7 Num levantamento em floresta de Pinus oocarpa, foram observadas 830 rvores, segundo a tabela abaixo. Os
defeitos so excludentes, isto , cada rvore foi classificada em apenas uma das quatro classes de defeito.
Idade
Jovem
Madura
Total
Bifurcada
24
36
60
Sem Defeito
181
270
451
Total
374
456
830
7-21
0.23
0.07
0.09
0.01
0.02
0.17
0.08
0.19
0.03
0.03
0.02
0.05
0.20
0.08
0.35
0.12
0.10
0.05
0.20
0.25
0.17
a) Qual a proporo de peas em cada lote que apresentam defeitos de empenhamento ? Por que?
b) Qual dos lotes est em melhores condies, isto , apresenta a menor proporo defeituosa ? Por que?
7.10 Um estudo do coportamento social de capivaras produziu o seguinte resultado:
Ambiente
Restrito
Amplo
Total
Comportamento
Agressivo
No Agressivo
22
5
20
12
42
17
Total
27
32
59
7-22
7.13 Numa floresta de Pinus elliottii, 30% das rvores foram resinadas. Das rvores no resinadas, 70% so
apropriadas para serraria, enquanto que dentre as resinadas apenas 10% o so. Assumindo que uma rvore desta
floresta for selecionada ao acaso, pegunta-se:
a) Qual a probabilidade dela ser apropriada para serraria?
b) Qual a probabilidade dela ter sido resinada e ser prpria para serraria?
c) Qual a probabilidade dela ter sido resinada e no ser prpria para serraria?
d) Qual a probabilidade dela no ter sido resinada e ser prpria para serraria?
7.14 Sabe-se que numa regio de florestas tropicais em condies primitivas 75% das rvores so de espcies
raras, mas em reas que sofreram distrbios antrpicos a proporo de espcies raras cai para 30%. Considere
uma reserva florestal onde 20% da sua rea foi alterada antropicamente. Qual a probabilidade de um rvores
selecionada aleatoriamente nesta reserva ser de espcie rara ?
7.15 Um dado lanado 20 vzes, qual a probabilidade de pelo menos um dos lanamentos resultar num seis?
7.16 Numa floresta de Eucalyptus grandis a taxa de ocorrncia de cancro de 2.5%. Num levantamento foram
selecionadas ao acaso 30 rvores, qual a probabilidade de pelo menos uma ter cancro?
7.17 Uma festa reune 23 pessoas. Assumindo que as datas de nascimento das pessoas ocorre de modo totalmente
aleatrio, qual a probabilidade de pelo menos duas pessoas terem nascido no mesmo dia do ano?
7.18 Sabe-se que as rvores de uma certa espcie arbrea produzem em mdia 2000 frutos no estgio inicial de
desenvolvimento. Quando os frutos amadurecem, aproximadamente 27 sementes por fruto so disseminadas.
Outras informaes sobre a biologia reprodutiva desta espcie incluem:
55% dos frutos em incio de desenvolvimento so abortados.
Dos frutos verdes (no abortados), 70% so predados antes de amadurecer.
Dos frutos que amadurecem, 50% das sementes so eficientemente disseminadas.
Qual a quantidade de sementes por rvore que auxiliar efetivamente na regenerao natural desta espcie.
7.19 Num sistema de iluminao, foram instaladas em srie 15 lmpadas, de modo que se uma delas queimar
todas as lmpadas apagam. Cada lmpada tem probabilidade de 0.99 de no queimar nas primeiras 300 horas de
funcionamento. Assumindo que as lmpadas se comportam de modo independente, qual a probabilidade do
sistema no falhar nas primeiras 300 horas ?
7.20 Um lote de sementes de Eucalyptus saligna com uma proporo de 5% de sementes hbridas (E. saligna x E.
cloeziana) foi utilizado para a implantao de uma floresta. Se dez rvores desta floresta forem selecionadas ao
acaso qual a probabilidade de:
a) nenhuma delas ser hbrido;
b) pelo menos uma delas ser hbrido;
c) todas elas serem hbridos.
11-1
Histrico
A distribuio Normal tambem conhecida como distribuio Gaussiana como homenagem a Karl F. Gauss
(1777-1855), brilhante matemtico e fsico alemo, que a desenvolveu no incio do sculo XIX. Entretanto,
Abraham de Moivre (1667-1754) foi o primeiro a anunciar a equao da distribuio em 1733 e Pierre-Simon
Marquis de Laplace (1749-1827), famoso matemtico e fsico francs, a redescobriu na mesma poca que Gauss.
Para evitar uma questo internacional de originalidade o famoso estatstico ingls Karl Pearson passou a
cham-la de distribuio Normal em 1920.
funo de densidade
f(x)
1 1
f ( x) =
e
2
1 x
2
Define a
forma da distribuio
11-2
P ( x1 < x < x2 ) =
x2
x1
f ( t ) dt =
x2
x1
1 1
e
2
1 t
2
dt
f(x)
REA SOB A
CURVA DE DENSIDADE
x1
x2
1 < 2 < 3
11-3
1 < 2 < 3
4) UNIDADES PADRES : o desvio padro define unidades padres na distribuio a partir da mdia, isto , a
disperso dos dados controlada pelas unidades de desvio padro.
66%
95%
99.7%
+ 2
+ 3
11-4
PADRONIZAO
X N ( X , X )
X X
Z=
Z N ( 01)
,
X
66%
95%
99.7%
-3
-2
-1
Z N (0,1)
X = X ( Z ) + X X N ( X , X )
11-5
Valor de z
P(Z<z)
rea
-3
-2
-1
P(Z<z)
P(Z<z)
-3.0
-2.9
-2.8
-2.7
-2.6
-2.5
-2.4
-2.3
-2.2
-2.1
-2.0
-1.9
-1.8
-1.7
-1.6
-1.5
-1.4
-1.3
-1.2
-1.1
-1.0
-0.9
-0.8
-0.7
-0.6
-0.5
-0.4
-0.3
-0.2
-0.1
0.0
0.0013
0.0019
0.0026
0.0035
0.0047
0.0062
0.0082
0.0107
0.0139
0.0179
0.0228
0.0287
0.0359
0.0446
0.0548
0.0668
0.0808
0.0968
0.1151
0.1357
0.1587
0.1841
0.2119
0.2420
0.2743
0.3085
0.3446
0.3821
0.4207
0.4602
0.5000
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3.0
0.5000
0.5398
0.5793
0.6179
0.6554
0.6915
0.7257
0.7580
0.7881
0.8159
0.8413
0.8643
0.8849
0.9032
0.9192
0.9332
0.9452
0.9554
0.9641
0.9713
0.9772
0.9821
0.9861
0.9893
0.9918
0.9938
0.9953
0.9965
0.9974
0.9981
0.9987
11-6
Valor de z
P(Z<z)
rea
-3
-2
-1
P(Z<z)
z
(percentil)
1.0
2.5
5.0
10.0
20.0
30.0
40.0
50.0
60.0
70.0
80.0
90.0
95.0
97.5
99.0
-2.33
-1.96
-1.64
-1.28
-0.84
-0.52
-0.25
0.00
0.25
0.52
0.84
1.28
1.64
1.96
2.33
f) P( Z < z ) = 0.75 z = ?
11-7
11-8
e) Qual o QI que uma criana deve possuir para estar entre os 1% mais inteligentes da populao?
j) Se 25% das menores rvores forem cortadas, qual o dimetro mnimo das rvores remanescentes?
k) Qual o dimetro mnimo para uma rvore estar entre as 5% maiores rvores?
l) Se 35% das menores rvores forem cortadas, qual o dimetro mnimo das rvores remanescentes?
m) Qual o dimetro mnimo para uma rvore estar entre as 1% maiores rvores?
11-9
11-10
Conceitos-Chave
VARIVEL ALEATRIA CONTNUA - FUNO DE DENSIDADE - FUNO DE DENSIDADE NORMAL PROBABILIDADE NA DISTRIBUIO NORMAL - PROPRIEDADES DA DISTRIBUIO NORMAL - PADRONIZAO DISTRIBUIO NORMAL PADRONIZADA - CLCULO DE PROBABILIDADES NA NORMAL PADRONIZADA CLCULO DE PROBABILIDADES COM A DISTRIBUIO NORMAL
Leitura
[WALLIS & ROBERTS , 1964] volume 2, p.470-498.
Exerccios
11.1 As rvores de uma floresta de Eucalyptus grandis tm altura com distribuio Normal de mdia 27m e
desvio padro 3m. Pergunta-se:
a) Esquematize o grfico da distribuio.
Qual a proporo das rvores com altura:
b) maior que 30m; c) menor que 20m; d) maior que 25m; e) menor que 35m; f) entre 20 e 30m; g)
entre 24 e 30m; h) entre 20 e 25m; i) entre 30 e 35m.
Qual a altura mnima da floresta se forem cortadas
j) 10% menores rvores; k) 30% menores rvores; l) 40% menores rvores; m) 50% menores rvores.
Qual a altura que uma rvore precisa ter para estar entre
n) as 10% mais altas; o) as 5% mais altas; p) as 1% mais altas.
11.2 Uma floresta de Pinus taeda tem o DAP (dimetro a altura do peito) que segue distribuio Normal com
mdia de 21cm e desvio padro de 5cm.
a) Se todas as rvores com DAP < 18cm forem cortadas qual a proporo de rvores cortadas?
b) Se um melhorista florestal selecionar as 2.5% maiores rvores da floresta, qual o DAP mnimo das
rvores selecionadas?
c) Um Engenheiro Florestal deseja cortar 20% das rvores a partir das menores rvores. Qual o DAP
mximo das rvores a serem cortadas?
d) Uma fbrica de laminao s processa rvores com DAP entre 18 e 27cm. Qual a proporo de
rvores desta floresta que poderiam ser utilizadas na fbrica?
11.3 A precipitao anual numa dada localidade segue distribuio Normal com mdia de 1200mm e desvio
padro de 150mm. Pergunta-se:
a) Qual a precipitao para um ano que voc consideraria extremamente chuvoso? Explique.
b) Qual a precipitao para um ano que voc consideraria extremamente seco? Explique.
11.4 Y uma varivel aleatria contnua com distribuio Normal e mdia 20 e varincia 4. Calcule:
a) P( 18< Y < 23) b) P( 12 < Y < 19) c) P( 21 < Y < 23) d) P(Y < 21 | Y > 18 ) e) P( Y > 19 | Y < 23 )
11.5 X uma varivel aleatria com distribuio Normal de mdia 100 e varincia 36. Calcule:
a) P(X < 95)
b) P(X > 110)
c) P(90 < X < 108)
d) P(90 X 108)
e) P( X > 92 | X < 110)
f) P( X < 100 | X > 90 )
12-1
1.
X =
2.
2 =
X
X =
n
n
2
X n Normal ( , )
n
2
2
n
Xn
12-2
2
X n aproximadamente Normal ( , )
n
2
2
n
Xn
"aproxima
damente"
12-3
b) A proporo de rvores que produz mais do que 2.8kg ser maior ou menor do que 0.5? Por que ?
d) Foi realizado uma amostra aleatria de 16 rvores. mais provvel ou menos provvel (em relaao ao item
(b)) que a produo mdia das 16 rvores amostradas seja maior do que 2.8 kg? Desenhe uma figura para
embasar a sua resposta.
e) Qual a probabilidade de que a produo mdia das 16 rvores amostradas seja maior que 2.8 kg?
f) Uma amostra aleatria de 49 rvores foi tomada. mais provvel ou menos provvel (em relaao ao item (d))
que a produo mdia das 16 rvores amostradas seja maior do que 2.8 kg? Desenhe uma figura para embasar a
sua resposta.
g) Qual a probabilidade de que a produo mdia das 49 rvores amostradas seja maior que 2.8 kg?
12-4
1.
p = p pn
$
$
2.
p =
$
$
pn
p(1 p )
n
$
pn aproximadamente Normal ( p,
p(1 p )
)
n
b) Qual a probabilidade que na amostra de 200 visitantes pelo menos 40% favoream a cobrana de taxas?
12-5
c) Qual a probabilidade que na amostra de 200 visitantes, a proporo dos que favorecem a cobrana de taxas
fique entre 35 e 39% ?
d) Uma nova amostra de 10 visitantes foi tomada. Qual a probabilidade de que pelo menos 50% dos visitantes na
amostra favoream a cobrana de taxas ? vlido utilizar o mesmo mtodo utilizado em (b) e (c) ? Por que?
Qual mtodo deveria ser utilizado neste caso para encontrar a probabilidade?
Conceitos-Chave
DISTRIBUIO AMOSTRAL DA MDIA - TEOREMA CENTRAL DO LIMITE - DESVIO PADRO DA MDIA
AMOSTRAL - SUFICIENTEMENTE GRANDE - APROXIMADAMENTE NORMAL - DISTRIBUIO AMOSTRAL DE
PROPORES - DESVIO PADRO DE UMA PROPORO
Exerccios
12.1 Seja X o nmero de rvores de cedro por hectare numa regio de floresta tropical. Suponha que X tem
mdia igual a 2.2 e desvio padro igual a 1.4. Seja X o nmero mdio de rvores de cedro por hectare numa
reserva de 100 ha (n=100).
a) Qual a distribuio de X ? Desenhe um grfico e explique.
b) Qual a probabilidade do nmero mdio de rvores de cedro por hectare na reserva seja menor do que 2?
c) Qual a probabilidade do nmero total de rvores de cedro na reserva ser 195?
12.2 Numa floresta de Eucalyptus saligna, a proporo de rvores mortas de 4%. Foi tomada uma amostra
aleatria de 100 rvores.
a) Qual a distribuio aproximada da proporo de rvores mortas na amostra de 100 rvores? Desenhe uma
figura e explique.
b) Qual a probabilidade de que no mximo 7% das rvores na amostra estejam mortas?
c) Qual a probabilidade de que a proporo de rvores mortas na amostra fique entre 2 e 6%.
d) Qual o intervalo centrado na mdia que compreende a proporo de rvores mortas na amostra com uma
probabilidade de 95%?
e) Uma nova amostra aleatria de 8 rvores foi tomada. Qual a probabilidade de que haja no mximo uma rvore
morta nesta amostra? Pode ser utilizado o mesmo mtodo utilizados nos itens anteriores? Por que ?
13-1
EXEMPLOS :
a) Um estudo sugere que tomando um comprimido de aspirina a cada dois dias durante 20 anos pode reduzir o
risco de contrair cancer no clon pela metade. Contudo, os benefcios s comeam a aparecer aps uma
dcada. O risco de se desenvolver cancer no clon durante a vida de 1 para 16.
H0 : O risco de cancer no clon ainda 1 em 16.
H : O risco de cancer no clon menor que 1 em 16.
b) Os mtodos tradicionais de colheita de madeira em florestas tropicais tm grande impacto sobre a estrutura
da floresta. Em geral, a retirada de 10 rvore/ha (dimetro > 50cm) danifica 20% da cobertura da floresta.
Mtodos alternativos afirmam que possvel uma reduo sensvel nesse impacto quanto a localizao das
rvores a serem abatidas mapeada e as trilhas de entrada e saida das mquinas planejada.
H0 : A colheita danifica 20% da cobertura da floresta.
H : O dano da colheita menor que 20% da cobertura da floresta.
13-2
c) O conhecimento popular costuma dizer que o desmatamento provoca seca. Entretanto, estudos indicam
que, numa bacia hidrogrfica, o corte de reas florestadas costuma aumentar a quantidade de gua nos rios,
desde que o impacto do corte sobre o solo seja pequeno.
H0 : A quantidade de gua no rio antes e depois do corte no se altera.
H : A quantidade de gua no rio aps o corte maior do que antes.
d) Estudos recente indicam que adubao com boro (um micronutriente) aumenta marcantemente a
sobrevivncia de rvores de Eucalyptus durante perodos de seca.
H0 : A mortalidade de rvores durante a seca a mesma em florestas adubadas e no adubadas.
H : A mortalidade de rvores durante a seca a menor em florestas adubadas.
Erro Tipo I
No rejeitarmos uma H0 falsa (ou rejeitarmos uma H verdadeira) Erro Tipo II
Rejeitarmos uma H0 verdadeira (ou aceitarmos uma H falsa)
A V ERDADEIRA HIPTESE
Nula H0
A S UA
Nula H0
Alternativa H
Sem erro
Erro Tipo II
Erro Tipo I
Sem erro
ESCOLHA
Alternativa H
EXEMPLO:
Hoje noite voc vai a uma festa. A previso do tempo diz que h 80% de possibilidade de chuva. Voc leva
um guarda-chuva?
H0 : Vai chover hoje noite.
H : No vai chover hoje noite.
Erro Tipo I: Voc rejeita H0 e, portanto, acredita que no vai chover.
Sai sem o guarda-chuva e se molha !
13-3
Erro Tipo II: Voc no rejeita H0 e, portanto, aceita que vai chover.
Passa a noite carregando um guarda-chuva sem usa-lo.
Rejeitar a Hiptese Nula significa, geralmente, mudar um procedimento tradicional em favor de um novo
procedimento.
Esta mudana sempre acarreta custos e evita-se mudar quando no se tem certeza que o novo
procedimento ser de fato melhor que o tradicional.
Assim, na maioria das pesquisas estamos mais preocupados em controlar o Erro Tipo I.
Em estatstica, se utiliza a seguinte terminologia para designar a probabilidade de se cometer um erro no
teste de hipteses:
- a probabilidade de se cometer um Erro Tipo I (nvel de significncia),
a chance de se rejeitar H0 quando ela verdadeira
(se aceitar uma H falsa).
13-4
HIPTESES
Um pesquisador deseja iniciar um projeto sobre o impacto urbano da cidade do Rio de Janeiro sobre a
Floresta da Tijuca. O projeto, entretanto, deve ser instalado em rea de floresta nativa. O pesquisador possue
como informao inicial os grficos abaixo que apresentam a frequncia de rvores observadas em diferentes
classes de tamanhos, em reas plantadas e reas nativas. Na escolha da rea apropriada para o projeto, o
pesquisador trabalha com a seguintes hipteses:
H0 : A rea escolhida de floresta nativa.
H : A rea escolhida de floresta plantada.
A partir de mapas o pesquisador selecionou uma certa rea. Quais os erros que podem ocorrer:
Erro tipo I
Erro tipo II
Regra de deciso
Selecionada a rea, o pesquisador sortea uma rvore e a mede (amostra de tamanho n=1).
Suponha que a rvore sorteada tenha dimetro de 80 cm. Voc concluiria que a rea nativa ou plantada ?
Por que ? E se a rvore sorteada tivesse 20 cm ?
REGRA DE DECISO:
Regra que estabelece, com base em dados obtidos, quando a hiptese nula (H0 ) rejeitada.
13-5
Vrias regras de deciso diferente so possveis e os nveis de e dependem de qual regra de deciso
utilizada. Verificando a chance de se sortear rvores de diferentes tamanhos em ambas reas de floresta
podemos verificar isso:
Tamanho da
rvore Sorteada
(dimetro em cm)
20
40
60
80
100
120
Total
Exerccio:
Suponha que a H0 fosse rejeitada se a rvore sorteada tivesse dimetro de 60 cm ou mais. Estabelea
os nveis e .
Rejeita H0 se o dimetro 60 cm
= 8 / 40 = 0.20
= 10 / 40 = 0.25
Exerccio:
O que aconteceria com e se a regra de deciso estabelece um dimetro limite maior para rejeitar
H0 ?
Rejeita H0 se o dimetro 100 cm
= 2 / 40 = 0.05
= 33 / 40 = 0.83
Exerccio:
No exemplo acima, possvel se manter simultaneamente e pequenos ?
No. Eles esto relacionados de modo inverso. Ao se diminuir a chance de um erro tipo I () se
aumenta a chance de um erro tipo II (). A nica maneira trabalhar com o tamanho da amostra.
Nvel de Significncia
Para que as decises tomadas por diferentes pessoas tenha uma certa coerrncia entre si, cada ramo de
atividade costuma estabelecer nveis mnimos para a ocorrncia do erro tipo I ().
13-6
Esse nvel chamado de nvel de significncia . Na rea florestal, as decises devem ser tomadas com um nvel
de significncia () de pelo menos 0.05 (5%). Um teste de hiptese chamado significativo quando H0
rejeitada por uma regra de deciso que possui = nvel de significncia (0.05 na rea florestal).
NVEL DE SIGNIFICNCIA:
o nvel de (chance de se cometer um erro tipo I) associado com uma regra de deciso.
Exerccio:
Qual o nvel de significncia para as seguintes regras de deciso:
a) Rejeita Rejeita H0 se o dimetro 40 cm.
b) Rejeita Rejeita H0 se o dimetro 60 cm.
c) Rejeita Rejeita H0 se o dimetro 100 cm.
Qual das regras acima deveria ser utilizada, considerando que a hiptese sendo testada da rea de
cincias florestais ?
Valor-p
Digamos que a regra de deciso estabelecida tem nvel de significncia de 10% ( = 0.10), isto , a regra :
Rejeita H0 se o dimetro da rvore selecionada for 80 cm.
Caso 1: a rvore selecionada tem dimetro de 60 cm.
Nesse caso, H0 no rejeitada, pois 60 cm < 80 cm.
Entretanto, se ignorarmos a regra estabelecida, e rejeitarmos H0 as chance de cometermos um erro
tipo I ser = 8 / 40 = 0.20.
Caso 2: a rvore selecionada tem dimetro de 100 cm.
Nesse caso, H0 rejeitada, pois 100 cm > 80 cm.
As chance de cometermos um erro tipo I ser = 2 / 40 = 0.05.
VALOR-P:
Valor de associado aos dados observados, isto , chance do erro tipo I caso se H0
com base nos dados observados.
Concluso:
Valor-p
Valor-p >
Nvel de significncia
Nvel de significncia
H0 rejeitada
H0 no rejeitada
rejeitada
13-7
Portanto, podemos ignorar o fato que no estaremos selecionando a mesma rvore duas vzes.
Dimetros das Duas
rvores Pssiveis de
Serem Selecionadas
20
20
20
20
20
20
40
40
40
40
40
60
60
60
60
80
80
80
100
100
120
20
40
60
80
100
120
40
60
80
100
120
60
80
100
120
80
100
120
100
120
120
Valor Mdio
dos Dimetros
20
30
40
50
60
70
40
50
60
70
80
60
70
80
90
80
90
100
100
110
120
Nmero Total
Nmero de Possibilidades
de se selecionar 2 rvores
Nativa
Plantada
484
220
88
44
44
0
100
40
20
20
0
16
8
8
0
4
4
0
4
0
0
9
21
36
33
15
6
49
84
77
35
14
144
132
60
24
121
55
22
25
10
4
1104
976
13-8
Sumarizando os resultados em termos apenas de valor mdio dos dois dimetros temos:
Valor Mdio dos
Dimetros
(cm)
Nmero de Possibilidades
de se selecionar 2 rvores
Nativa
Plantada
20
30
40
50
60
70
80
90
100
110
120
484
220
188
84
80
28
12
4
4
0
0
9
21
85
117
236
173
195
79
47
10
4
Nmero Total
1104
976
Exerccio:
Utilizando a tabela acima, resolva os exerccios:
1) Qual o nvel de significncia para as regras de deciso:
a) Rejeita H0 se a mdia dos dimetros for 100 cm.
b) Rejeita H0 se a mdia dos dimetros for 80 cm.
c) Rejeita H0 se a mdia dos dimetros for 60 cm.
2) Qual o nvel de associado a cada regra de deciso no exerccio anterior.
O que acontece com medida que o limite para rejeio diminui ?
3) Suponha que as duas rvores selecionadas tiveram mdia de dimetro igual a 70cm.
a) H0 rejeitada ao nvel de 5% de significncia?
b) Qual o valor-p ?
4) Para o nvel de significncia de 5%:
a) Estabelea a regra de deciso quando quando o tamanho da amostra de uma rvore.
b) Estabelea a regra de deciso quando quando o tamanho da amostra de duas rvore.
c) O que acontece com (mantendo-se = 0.05 fixo) quando o tamanho da amostra (n)
aumentado ?
13-9
15
10
|
|
X
|
X
|
X
|
X
|
X
|
X
|
X
|
X
|
X
|
X
|
X
|
X
|
X
X
|
X
X
|
X
X
|
X
X
|
X
X
|
X
X
|
X
X
X
|
X
X
X
|
X
X
X
X
X
|
X
X
X
X
X
-------------------------------------------
20
40
60
80
100 120
Centro de Classes de Tamanho (dimetro em cm)
20
40
60
80
100 120
Centro de Classes de Tamanho (dimetro em cm)
13-10
Conceitos-Chave
HIPTESES - HIPTESE NULA - HIPTESE ALTERNATIVA - ERRO TIPO I
SIGNIFICNCIA - ALFA ( ) - TAMANHO DE AMOSTRA - DIFERENA SIGNIFICATIVA - TESTE SIGNIFICATIVO RESULTADO ESTATISTICAMENTE SIGNIFICATIVO - RESULTADO IMPORTANTE
Exerccios
13.1 Nos casos abaixo, defina a hiptese nula (H0) e a hiptese alternativa (H) apropriadas.
a) Alguns mdicos afirmam que no possvel tratar resfriados e que o prprio organismo desenvolve defesas
para neutraliz-lo. Entretanto, uma companhia farmacutica deseja lanar no mercado o remdio Resfriatim, que
num prazo de 5 a 7 dias cura qualquer resfriado. Voc foi encarregado de organizar um experimento para testar o
Resfriatim.
b) Um dos grandes problemas sociais do Brasil a concentrao de renda. O governo alega que aps o plano
real houve uma sensvel melhora desse problema. Como voc testaria as alegaes do governo ?
c) Com base em pesquisa de opinio realizada no 19o. Salo Internacional do Automvel (So Paulo, 1996), a
Chevrolet anuncia: Vectra, o melhor carro. A pesquisa consultou 439 pessoas e o Vectra foi apontado por 24%
dos entrevistados como o melhor carro nacional. Vectra o melhor carro nacional ?
d) Voc diretor de uma fbrica de chapas de madeira (chapas duras). A companhia deseja duplicar a produo
da sua fbrica pois o mercado est em franca expanso. Estudando o processo de produo na sua fbrica voc
chega a concluso de que o consumo de madeira crescer em 1.300.000m3 de madeira/ano com a duplicao. O
gerente florestal afirma que as florestas da companhia so capazes de produzir at 1.320.000m3 de madeira/ano a
mais do que vm produzindo. Ser que a floresta de fato capaz de produzir madeira suficiente para duplicao?
e) Eucalyptus grandis uma das espcies arbreas de maior produtividade quando plantada no Estado de So
Paulo. Entretanto, um experimento mostrou que quando a floresta plantada sem preparo de solo e sem
adubao inicial, Eucalyptus cloeziana pode alcanar produtividades de 15 a 20% maiores que E. grandis. Quais
as hipteses de um experimento cujo objetivo comparar essas duas espcies?
f) Sabe-se que numa floresta tropical no perturbada a abundncia de espcies pioneiras fica em torno de 10%.
Com aumento de perturbaes antrpicas a abundncia dessas espcies tende a crescer. Na demarcao de uma
reserva florestal com rea total de 50.000 ha, ecologistas e engenheiros florestais discutem a incorporao de uma
rea de 7.500 ha onde o levantamento de campo revelou uma abundncia de 15% de espcies pioneiras. Ser que
a rea de 7.500 ha foi perturbada ?
13.2 Considere as hipteses nulas abaixo e escreva as hipteses alternativas apropriadas. Explique.
a) H0 : A diversidade de espcies arbreas em floresta tipo cerrado igual diversidade
em matas ciliares.
b) H0 : A taxa de incidncia de cancro numa floresta plantada de E. grandis de 3%.
[Voc deseja verificar se est ocorrendo um surto de cancro na floresta.]
13-11
medio dos
13.3 O princpio da justia que todo acusado inocente at que seja provado culpado.
a) Qual a hiptese nula e a hiptese alternativa num julgamento criminal ?
b) Quais so as consequncias equivalentes aos erros tipo I e II ?
13.4 Uma empresa florestal deseja introduzir um novo clone de E. saligna nas suas plantaes comerciais. Foi
realizado um experimento comparando o novo clone com o clone tradicionalmente utilizado. As hipteses nesse
experimento foram:
H0 : A produtividade do novo clone e do clone tradicional so iguais.
H : A produtividade do novo clone maior do que a do clone tradicional.
a) Descreva as conseqncias do erro tipo I.
b) Descreva as conseqncias do erro tipo II.
c) O experimento resultou numa diferena estatsticamente significativa entre os clones. Qual a hiptese
rejeitada ? Por que ?
13.5 Uma serraria que fornece peas de madeira para diversas fbricas de mveis recebeu vrias reclamaes
de que as peas de largura de 10 cm tm apresentado em mdia uma largura menor do que 9 cm. Voc
responsvel por verificar essas reclamaes a partir de dados da linha de produo.
a) Quais so as hipteses nula e alternativa ?
b) Qual o erro tipo I e as suas consequncias ?
c) Quais as consequncias do erro tipo II ?
d) Suponha que os dados coletados resultaram num teste estatisticamente significativo. Qual a hiptese que seria
rejeitada ?
13.6 Numa floresta plantada, foi realizado um levantamento para se verificar a existncia de um surto de cancro.
A taxa normal de ocorrncia de cancro de 2%, assim as hipteses testadas foram:
H0 : A taxa de cancro na floresta de 2%.
H : A taxa de cancro na floresta maior do que 2%.
a) Quais os erros tipo I e II ?
b) Quais as consequncias de ambos tipos de erro ?
c) Se o teste de hiptese no for estatisticamente significativo, qual hiptese ser rejeitada ?
13.7 O IBAMA o orgo federal responsvel pelo controle de desmatamento. Um proprietrio s pode ser
multado por desmatamento ilegal se esse for comprovado em campo. Na regio amaznica, entretanto, o controle
13-12
por visitas a propriedades praticamente impossvel. Com a ajuda da NASA, o IBAMA tem utilizado uma
areonave de alta altitude equipada com radar. Essa aeronave indica reas provveis de terem sofrido
desmatamento no autorizado e uma equipe de terra do IBAMA visita a propriedade em questo. Caso o
desmatamento seja comprovado na visita, o proprietrio multado. Suponha que uma dada rea foi indicada como
desmatamento ilegal provvel.
a) Defina as hipteses H0 e H .
b) Defina as consequncias do erro tipo I.
c) Defina as consequncias do erro tipo II.
d) Quais consequncias so mais piores ?
13.8 O nmero de peas defeituosas produzida por uma destopadeira segue os grficos apresentados abaixo:
REGULADA
DESREGULADA
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
----------------------------------------------------------------------------------------------------1
2
3
4
5
6
1
2
3
4
5
6
peas defeituosas/hora
peas defeituosas/hora
a) Utilizando um nvel de significncia de 5% ( ), qual hiptese seria rejeitada se a regra de deciso fosse:
c) Utilizando um nvel de significncia de 10% ( ), qual hiptese seria rejeitada se a regra de deciso fosse:
13-13
de 1 hectare em florestas maduras e florestas degradadas. A questo bsica detectar se uma dada rea
florestal foi degradada, portanto, as hipteses sendo testadas so:
H0 : No houve degradadao da floresta.
H : Houve degradao da floresta.
Nmero de Espcies
Arbrea em
parcelas
de 1 hectare
40
50
60
70
80
90
100
110
120
Total de parcelas
Floresta
Madura
1
2
4
8
10
13
17
20
25
100
Floresta
Degradada
25
20
17
13
10
8
4
2
1
100
b) Num experimento visando detectar o efeito de adubao em florestas plantadas, a hiptese nula no foi
rejeitada ( =0.05), embora a produtividade mdia diferisse em 20 m3/ha.ano entre parcelas adubadas e no
adubadas.
Ao testarmos
uma hipotese
estat stica
podemos
cometer dois
tipos de erro
QQ
QQ
QQ
s
Hipotese Nula H
Erro Tipo I
Rejeitar uma H0 verdadeira.
(implica em aceitar uma H falsa)
Erro Tipo II
N~o rejeitar uma H0 falsa.
a
(implica em refjeitar uma H verdadeira)
3
QQ
QQ
QQ
s
Hipotese Nula H0
Na Engenharia Floresta o
n vel de signi c^ncia e de 5%,
a
isto e, a probabilidade de
erro tipo I aceitavel e
de no maximo 5%
( = 0:05)
Aula 14 2
Aula 14 3
0:75(1 ; 0:75)
30
(distribuic~o ao lado).
a
Podemos
agora
quanti car,
sob as condic~es de H0 , a probabilidade de
o
observarmos um valor de p = 0:80 ou mais
b
extremo, .
0.59
0.75
0.91
) P p 0:80]
b
H0 : p = 0:75
) P p 0:80] = P Z
b
"
0:80 ; 0:75
p
=P Z
0:75(1 ; 0:75)=30
0:63] = 0:2643
Aula 14 4
p ; p0
b
p0(1 ; p0 )=n
versus H :
Aula 14 5
H : p > p0
valor-p
Zobs
H : p < p0
valor-p
H : p 6= p0
-Zobs
valor-p/2
valor-p/2
-Zobs
Zobs
Aula 14 6
Decis~o:
a
b. Existe evid^ncia, ao n vel de 5% de probabilidade, de que o numero de \caras" e
e
maior do que o esperado?
Hipoteses:
Dados: p =
b
Estat stica: Z =
Valor-p:
Decis~o:
a
Aula 14 7
x5 ;
p
= 5
tera distribuic~o Normal com media 0 e desvio padr~o 1. Poder amos utiliza-la para
a
a
testar H0.
Estas considerac~es apresentam um problema: a hipotese nula (H0) nos fornece uma
o
indicac~o para a media da populac~o ( ), mas n~o nos da qualquer dica sobre o desvio
a
a
a
padr~o da populac~o ( ). O desvio padr~o da populac~o ( ) permanece desconhecido e,
a
a
a
a
n~o modo de se obter a estat stica Z com base na amostra tomada pelo cient sta.
a
Aula 14 8
Estat stica t
Este tipo de problema ja foi estudado no comeco do seculo pelo matematico ingl^s
e
William Gosset, que usava o pseud^nimo \Student" para publicar os seus trabalhos.
o
Student desenvolveu a seguinte estat stica:
t=
xn ;
p
sn = n
Normal(0, 1)
t (n=3)
t (n=5)
t (n=20)
-3
-2
-1
E importante notar que para cada valor dos graus de liberdade ( = n ; 1) temos uma
distribuic~o diferente para o t de Student. A distribuic~o Normal Padronizada e uma
a
a
unica distribuic~o (o valor dos par^metros s~o xos), mas a distribuic~o t de Student e na
a
a
a
a
verdade uma fam lia de distribuic~es, pois cada valor particular de gera uma
o
distribuic~o distinta das demais.
a
Nesta situac~o, torna-se imposs vel existir uma tabela que apresente todos os valores de
a
todas as distribuic~es t poss veis. O Anexo C, no entatno, apresenta os quantis da
o
distribuic~o t de Student para alguns valores particulares de (probabilidade na cauda) e
a
uma serie de valores distintos de .
Aula 14 9
H : <7
H0 : = 7
=0:05 =4
P t > 3:61] < P t > 2:13] ) P t < ;3:61] < P t < ;2:13]
) valor-p < = 0:05
t = -3.61 t = -2.13
= 0.05
-4
-3
-2
-1
Aula 14 10
xn ; 0
p
sn = n
Conceitos-Chave
hipoteses estat sticas - hipotese nula - hipotese alternativa - erro
^
~
~
tipo I - valor-p - n vel de significancia - proporcao nula populacao ~
~
~
proporcao amostral - distribuicao amostral de uma proporcao ~
valor extremo - teste Z para proporcao - teste monocaudal - teste
~
~
bicaudal - media da populacao - media amostral - distribuicao
~
amostral da media - estat stica t de Student - distribuicao t de
~
Student - teste t para media de uma populacao.
Exerc cios
14.1 Acredita-se que a proporc~o de tabuas de Eucalyptus grandis que apresentam serios
a
problemas de rachadura de topo apos o desdobro e da ordem de 85%. Uma pesquisa com
100 tabuas de um clone de E. grandis resultou numa proporc~o de 78% das tabuas com
a
Aula 14 11
rachadura de topo. O melhorista orestal garante que este ganho e \signi cativo", o
responsavel pela serraria acredita que essa diferenca e \devida ao acaso". Qual dos dois
tem embasamento estat stico? Explique.
embaralhar um baralho com cartas de cinco naipes (ondas, estrelas, c rculos, quadrados e
cruzes). A medida que o pesquisador vira uma carta e se concentra nela, a pessoa sendo
pesquisada tenta advinhar o naipe da carta. Uma pessoa sem PES tem probabilidade de
1/5 (0.20) de acertar por pura sorte. Ja uma pessoa com PES devera acertar com mais
frequ^ncia. Isadora acertou 36 em 50 tentativas. Teste ao n vel = 0:01 se Isadora tem
e
PES. Encontre o valor-p e estabeleca as suas conclus~es.
o
hipotese H0 : p = 0:50 contra a hipotese H : p > 0:50 (teste monocaudal). O programa foi
alimentado com 500 observac~es de uma amostra simples aleatoria e o programa retornou
o
o seguinte resultado:
Estat stica Observada: Z = 0:44 valor-p=0.33
a. Baseado no valor-p acima, o estudante concluiu que existe uma probabilidade de
33% da hipotese nula ser verdadeira. Voc^ concorda ? Explique.
e
b. Qual seria o valor-p se o teste fosse bicaudal (hipotese alternativa H : p 6= 0:50)?
Aula 14 12
responsavel pela area de colheita deseja saber se ele pode elaborar orcamento anual
assumindo que o tempo medio de quebra e de 100 horas.
controle de qualidade de sua fabrica, ele amostra toda semana pacotes de 20kg de cola
para veri car se o peso dos pacotes n~o difere muito do peso nominal. Se os pacotes forem
a
mais leves os clientes reclamam, se forem mais pesados a empresa perde dinheiro. Em
ambos os casos a maquina de empacotamento teria de ser desligada para investigar o que
esta ocorrendo.
a.
b.
c.
d.
e.
H0 e rejeitada se:
valor-p
U
A
t = 2.09
= 0.025
-4
= 0.025
-3
-2
-1
Aula 15 2
e. Decis~o: Rejeita-se H0. Ha evid^ncias estat sticas de que a produc~o n~o e igual a
a
e
a a
300 st/ha.
Existe outra forma de se veri car quando a hipotese nula e rejeitada utilizando apenas a
informac~o do n vel de signi c^ncia ( ).
a
a
Testes Monocaudais
Rejeita H0
se x for
\muito maior" que .
t = x;n
s=p
-
Rejeita H0
se o valor de t e
\muito grande"
Rejeita H0
se t c
c = Valor Cr tico
Aula 15 3
t(0.95; 19) = 1.73
Regiao de Rejeicao
( = 0.05)
95%
-4
-3
-2
-1
Valor Cr tico
c = t0:95 19 = 1:73
~
~
Regiao de Rejeicao
= 0:05
Testes Bicaudais
Estat stica: t = x ; ]= s= n]
Rejeita H0
se o valor de t e
\extremo"
Regiao de Rejeicao
( = 0.025)
95%
-2
ou
Regiao de Rejeicao
( = 0.025)
-3
jtj c ) t c
-4
Rejeita H se
jtj c ) t c
-1
Aula 15 4
~
~
Regiao de Rejeicao
c = t0:975 19 = 2:09 ) = 0:025
c = ;t0:975 19 = ;2:09 ) = 0:025
Regi~o de Rejeic~o
a
a
t(0.95 ; )
H : >
Rejeita H se t c
onde c = t ;
0
(1
( = 0.05)
-4 -3 -2 -1
-4 -3 -2 -1
t (0.95 ; )
Rejeita H se t c
onde c = t
(note que t = ;t
0
H : <
( )
( )
(1
( = 0.05)
t (0.95 ; )
H : 6=
Rejeita H se
t c ou t ;c
onde c = t ; =
t(0.95 ; )
(1
( = 0.025)
2)
-4 -3 -2 -1
( = 0.025)
0
da media da populac~o ( ).
a
Aula 15 5
t = x;n
s=p
H0 : x = versus H : x 6=
num determinado n vel de signi c^ncia ( ).
a
Assumindo H0 como verdadeiro sabemos que a estat stica t segue a distribuic~o t de
a
Student. Portanto:
P t( =2)
t
t(1; =2) ] = 1 ;
P ;t(1;
h
t(1;
=2)
]=1;
P ;t(1;
P
=2)
=2)
x;
p
s= n
t(1;
=2)
]=1;
s
pn (;t(1; =2) )
x;
s
pn
t(1;
=2)
]= 1;
;x
s
pn
t(1;
=2)
;x]= 1;
P ; psn t(1;
=2)
P x ; psn t(1;
x + psn t(1;
=2)
=2)
]= 1;
Intervalo de Confianca
s
pn t
; =2)
(1
= 0:05 ) t(1;
=2)
s
) x pn t ; =
) 280 11:7 st/ha
) 268:3 , 291:7] st/ha
(1
2)
= t0:975 19 = 2:09
25
) 280 p 2:09
20
Aula 15 6
Interpretac~o:
a
Amostras
1
2
3
4
5
.
.
.
99
100
Aula 15 7
Media Amplitude do
Amostral
Intervalo
Limite
Inferior
Limite
Superior
Comprimento (cm)
Peso (kg )
b. Qual variavel tem o maior intervalo de con anca?
c. Como voc^ interpreta o resultado da quest~o anterior?
e
a
Conceitos-Chave
^
teste de hipoteses - erro tipo I - n vel de significancia - valor-p ~
~
abordagem classica - valor cr tico - regiao de rejeicao - teste
monocaudal - teste bicaudal - estimativa pontual - intervalo de
~
~
confianca para a media de uma populacao - interpretacao do
intervalo de confianca
Exerc cios
15.1 Em orestas nativas a \domin^ncia" das especies arboreas e medida pela somatoria
a
das areas seccionais das arvores (area basal). Num levantamento em fragmento orestal,
as medic~es em 7 parcelas resultou nos seguintes dados:
o
Area Basal (m2=ha)
Media Desvio Padr~o
a
Jatoba
2.5
0.4
Embauba 1.2
0.3
Jequitiba 5.7
1.8
Especie
Aula 15 8
a. Encontre o Intervalo de Con anca de 90% para area basal de cada uma das especies.
b. Qual das especies tem maior intervalo de con anca? O que signi ca isso?
15.2 Num estudo sobre o peso medio de capivaras, a pesquisadora encontrou o seguinte
intervalo de Con anca 95%: 4:5 7:8]. A pesquisadora deseja saber agora se o peso medio
da populac~o estudada e estat sticamente diferente de 5kg.
a
a. Estabeleca as hipotese nula e alternativa para a pergunta da pesquisadora.
b. E poss vel responder esta pergunta? Explique.
c. Se for poss vel responder, qual seria o resultado do teste de hipotese.
15.3 Uma fabrica de paneis de madeira deseja duplicar a sua produc~o. A duplicac~o
a
a
acarretaria num consumo adicional de 1300000 m3 =ano de madeira. Com base no sistema
de inventario da empresa, que disp~e de 1500 parcelas, o gerente orestal encontrou que as
o
orestas da empresa t^m uma capacidade excedente de produc~o media de 1320000
e
a
m3 =ano com desvio padr~o de 170000 m3=ano. A empresa deve fazer a duplicac~o?
a
a
Explique.
15.4 Sabe-se que numa dada oresta tropical n~o perturbada a abund^ncia de especies
a
a
b
Intervalo de Con anca de 95% : N 2 s2b
N
~
Poplucao 1
~
Distribuicao Normal
( 1 , 12)
Amostra
(x1 , s2, n1)
1
~
Poplucao 2
~
Distribuicao Normal
( 2, 22)
Amostra
(x2, s2, n2)
2
Comparac~o de Vari^ncias:
a
a
H : 1= 2
H : 1 6= 2
0
Aula 16 2
Teste Bicaudal
Teste Monocaudal
2
8 HH0: : 21>= 22
<
1
2
: H ou 12 < 22
:
H0 : 12 = 22
H : 12 6= 22
s2 =
1
s2 =
2
s2 =
F= 1
s2 =
2
s2 =
1
= s2=
2
2
2
s2
1
= s2
2
~
Nesta situac~o a estat stica F tem Distribuicao F , a qual tem as seguintes
a
propriedades:
Aula 16 3
Metodo
^
Variancia
46.5
58.3
Hipoteses testadas:
H0 :
H :
=
2
1 6=
2
F = 9.6045
Regi~o de Rejeic~o:
a
a
* O quantil 2.5% e 0.104 e o quantil 97.5% e 9.605
10
=4e
Aula 16 4
Teste F Bicaudal
Note que os valores na tabela do Anexo D apresentam apenas um valor (quantil
95% ou 97.5%). Para simpli car os calculos e o teste de hipotese, devemos utilizar o
seguinte procedimento:
1. Calcular a estat stica F sempre na forma:
F=
maxfs2 s2g
1 2
2 s2g
minfs1 2
F1; =2
1 2
.
Exemplo 16.B Comparando Processos de Produc~o de Papel
a
Uma fabrica de papel deseja introduzir um novo processo de fabricac~o que e considerado
a
mais e ciente tanto em termos de custo com em termos ambientais. A Engenheira
Florestal responsavel decidiu fazer um teste comparando o novo processo contra o
processo tradicional em termos de gramatura, que e o peso do metro quadrdado de papel,
obtendo os seguintes resultados:
Processo
Gramatura (g=m2)
s2
H0 :
H :
Estat stica F amostral:
T
2
>
N
2
F = 937::5 = 6:828
137 3
Aula 16 5
Regi~o de Rejeic~o:
a
a
Sob H0 , a estat stica F tera distribuic~o F com graus de liberdade
a
O valor do quantil 95% neste caso e 6.256 (veja Anexo D).
Gra co:
=5e
= 4.
F = 6.2561
10
Como 6:8281 > 6:256 (F > F0:95 5 4), rejeita-se H0 e conclui-se que o metodo
tradicional tem vari^ncia maior que o novo.
a
Teste F Monocaudal
No caso do teste F monocaudal, devemos utilizar o seguinte procedimento:
1. Calcular a estat stica F segundo a forma como a hipotese alternativa e
estabelecida:
s2
H :
=) F = s12
2
2
2 < 2 =) F = s2
H : 1
2
s2
1
2
2
1 > 2
2. Rejeitar H quando o valor da estat stica for maior que o quantil (1 ; )100%:
0
F1;
1 2
.
Comparac~o de Medias
a
A comparac~o de medias geralmente envolve as hipoteses:
a
H : 1= 2) 1; 2=0
H : 1 6= 2 ) 1 ; 2 6= 0
0
Aula 16 6
= 2 , ent~o
a
2
1 1
Var(x1 ; x2) = n + n = n + n
2
1 +1 s
n n C
(n ; 1)s1 + (n ; 1)s2
sC =
n +n ;2
d
Var(x1 ; x2) =
2
Se
6= 2 , ent~o
a
e a estimativa ca:
Var(x1 ; x2) = n1 + n2
2
2
d x1 ; x2 ) = s1 + s2
Var(
n1 n2
e 2:
2
Aula 16 7
~
Poplucao 1
~
Distribuicao Normal
( 1 , 12)
~
Poplucao 2
~
Distribuicao Normal
( 2, 22)
Amostra
(x1 , s2, n1)
1
Amostra
(x2, s2, n2)
2
unica populac~o , toma uma amostra e aplica nesta amostra dois diferentes tipos de
a
manipulac~o experimental.
a
Aula 16 8
~
Poplucao Original
~
Distribuicao Normal
( , 2)
Amostra Aleatoria
(n1 + n2)
P
Tratamento 1
(x1 , s2, n1)
1
PPPP
PPP
q
P
Tratamento 2
(x2, s2, n2)
2
; 2 ja implica
2
Aula 16 9
Metodo
s2
H0 :
H :
Estat stica:
R; T
=0
R ; T 6= 0
t = p 0:6 = 0:418
10:3=5
Aula 16 10
jtj t :
jtj 2:776
0 975 4
Conclus~o: Como j0:418j < 2:776, n~o se rejeita H0 . Conclui-se que n~o ha
a
a
a
evid^ncias de que os dois metodos sejam diferentes entre si.
e
H0 :
H :
=
2
1 6=
2
s2
C
n1 n2 C
2
1) 2 n
1
= (n1 ; n s+ + (;22; 1)s2
n2
1
A
B
s2
45.6 42.1 44.9 45.1 47.6 46.7 45.5 48.9 45.8 4.1114
30.1 21.6 27.6 27.3 30.4 31.4 34.1 30.6 29.1 13.8512
Aula 16 11
H0 :
H :
Estat stica:
=
2
A 6=
2
B
2
8512
F = 13::1114 = 3:369
4
Regi~o de Rejeic~o:
a
a
F0:975 7 7 ) F
4:995
Conclus~o: Como 3:369 < 4:995 n~o se rejeita H0 . Assume-se que as vari^ncias s~o
a
a
a
a
iguais.
Comparando as Medias
Hipoteses:
H0 : xA ; xB = 10
H : xA ; xB > 10
Estat stica:
2
d
) Var(x1 ; x2) =
t t1;
n;1)
2(
)t t :
0 95 14
) t 1:761
Aula 16 12
s2 +s2
1 2
n
2 2
s2
1 + s2
n1
n2
s2 2
s2 2
1
2
n1
n2
n1 ;1 + n2 ;1
Aula 16 13
A
B
~
Producao de Resina(g)
s2
2326 2206 1835 1434 1629 1761 1511 2146 1548 1821.778 108740.944
6006 3455 3115 3376 2609 2582 3674 2648 2012 3275.222 1324733.194
H0 :
H :
Estat stica:
=
2
A 6=
2
B
2
194
F = 1324733::944 = 12:182
108740
Regi~o de Rejeic~o:
a
a
F0:975 8 8 ) F
4:357
Conclus~o: Como 12:182 > 4:357, rejeita-se H0. Assume-se que as vari^ncias s~o
a
a
a
diferentes.
Comparando as Medias
Hipoteses:
H0 : xA = xB
H : xA 6= xB
Estat stica:
2
2
d
Var(x1 ; x2) = s1 + s2 = 1324733:194 + 108740:944 = 159274:9034
n1 n2
9
9
778
(xA ; xB ) ; = (1821:p ; 3275:222) ; 0 = ;1453:444 = -3.642
t = q
399:0926
159274:9034
d
Var(x1 ; x2)
Aula 16 14
jtj t ;
1
=2 2(n;1)
) jtj t :
0 975 16
) jtj 2:120
H0 :
H :
T; N
=0
T ; N 6= 0
Gramatura (g=m2)
s2
d
Var(x1 ; x2) = 937:5 + 137:3 = 183:711
6
5
112:5 ; 103:6 = 8:90 = 0.657
t = p
13:554
183:711
Regi~o de Rejeic~o:
a
a
";
Conclus~o: Como j0:657j < 2:447, n~o se rejeita H0 e conclu-se que n~o ha evid^ncia
a
a
a
e
(ao n vel de 5% de probabilidade) para a rmar que os processos produzem papel
com gramaturas medias diferentes.
Aula 16 15
Conceitos-Chave
~
~
~
~
estat stica F - distribuicao F - regiao de rejeicao na distribuicao F teste F bicaudal - teste F monocaudal - estat stica t para
~
^
comparacao de duas medias - variancia da diferenca das medias contexto observacional - contexto experimental teste t pareado ^
^
teste t para variancias homog^neas - teste t variancias heterog^neas
e
e
^ncias heterog^neas
com amostras de mesmo tamanho - teste t varia
e
com amostras de tamanhos diferentes
Exerc cios
16.1 Acredita-se que a adubac~o de cobertura em Eucalyptus grandis nem sempre produz
a
um ganho na produc~o mas aumenta a homogeneidade das arvores. Formule hipoteses
a
estat sticas apropriadas e teste-as utilizando os dados da tabela abaixo.
Floresta Adubada
DAP (cm)
14.9 18.6 16.8 14.6 13.8 20.7 15.8 20.1 19.4 18.4 18.5
15.3 16.6 18.9 18.1 14.4 14.5 14.0 16.3 17.6 17.6
~
Floresta Nao Adubada
21.6 25.8 18.7 16.7 23.1 14.6 6.4 12.2 31.5 4.1 11.5
27.2 8.0 22.5 25.1 16.8 17.4 20.7 14.8 15.8 9.3
16.3 Um engenheiro orestal deseja comparar a domin^ncia de duas especie nativas. Num
a
levantamento com 31 parcelas, a especie A teve domin^ncia media de 5.3 m2 =ha (desvio
a
padr~o de 1.2) e a especie B teve media de 6.7 m2=ha (desvio padr~o de 2.1). Estabeleca
a
a
a hipoteses estat sticas apropriadas. Teste as hipoteses e estabeleca as suas conclus~es.
o
dos produtos qu micos na utlima semana. Suspeitando que este aumento se deve ao fato
da madeira dos lotes mais recentes possuir densidade maior que a madeira dos lotes mais
Aula 16 16
antigos, ele veri cou as tabelas de controle de densidade da madeira feita no patio da
fabrica (tabela abaixo). O aumento de produtos qu micos no processo de fabricac~o
a
poderia ser atribuido a um aumento na densidade da madeira entrando na fabrica ?
Ultima Semana
0.645 0.711 0.705 0.549 0.676 0.662 0.709 0.637 0.711 0.728
0.575 0.613 0.880 0.625 0.684 0.622 0.579 0.490 0.529 0.626
0.619 0.696 0.642 0.687 0.603 0.708 0.667 0.425 0.665
Semana Anterior
0.856 0.704 0.755 0.582 0.836 0.550 0.819 0.741 0.681 0.713
0.882 0.844 0.601 0.627 0.628 0.691 0.599 0.669 0.746 0.607
0.547 0.680 0.654 0.701 0.741 0.563 0.723 0.719 0.675 0.620
16.5 Com o objetivo de veri car o efeito da exposic~o do solo sobre a microfauna do solo,
a
Comparac~o de Frequ^ncias
a
e
Ja foram vistos varios testes para comparar par^metros de
a
duas populac~es (media e vari^ncia).
o
a
Entretanto, muitas v^zes desejamos comparar frequ^ncias observadas para testar se
e
e
elas s~o provenientes de uma mesma populac~o
a
a
H0 :
H :
b
b
fi = fi
fi 6= fi (para pelo menos um dos i)
Aula 17 2
q
q
zI i = dapI i ; dap
s2
dap
zS i = dapS i ; dap
s2
dap
pi = P (Z < zI i ) ; P (Z < zS i )
fi = pi N
bb
b
dapI i
1
2
3
4
5
6
7
8
9
10
11
10.0
12.5
15.0
17.5
20.0
22.5
25.0
27.5
30.0
32.5
35.0
dapS i
fi
12.5
15.0
17.5
20.0
22.5
25.0
27.5
30.0
32.5
35.0
37.5
zI i
4
23
50
132
224
286
295
243
161
73
9
1500
-3.28
-2.74
-2.20
-1.67
-1.13
-0.59
-0.05
0.48
1.02
1.56
2.10
zS i
-2.74
-2.20
-1.67
-1.13
-0.59
-0.05
0.48
1.02
1.56
2.10
2.63
b
0.0026
pi
0.0108
0.0336
0.0817
0.1484
0.2025
0.2043
0.1617
0.0945
0.0415
0.0136
0.9952
3.90
16.20
50.40
122.55
222.60
303.75
306.45
242.55
141.75
62.25
20.40
1492.8
X2 =
X (f ; fb)
b
f
k
i=1
fi
Aula 17 3
10
20
= 30
30
40
50
dapI i
1
2
3
4
5
6
7
8
9
10
11
10.0
12.5
15.0
17.5
20.0
22.5
25.0
27.5
30.0
32.5
35.0
dapS i
12.5
15.0
17.5
20.0
22.5
25.0
27.5
30.0
32.5
35.0
37.5
fi
4
23
50
132
224
286
295
243
161
73
9
1500
b
b
fi
fi
3.90
16.20
50.40
122.55
222.60
303.75
306.45
242.55
141.75
62.25
20.40
1492.8
0.003
2.854
0.003
0.729
0.009
1.037
0.428
0.001
2.614
1.856
6.371
15.905
10
X 2 = 15:905 >
20
30
= 15:507
rejeitamos H0 e conclu mos que ha evid^ncias (ao n vel de 5% de probabilidade) de que o
e
di^metro das arvores da oresta n~o segue a distribuic~o Normal.
a
a
a
2
0:95 =8
A-1
1
37330
10556
45811
73736
17223
2
53935
08243
96068
58198
12221
3
13353
70946
33049
34805
61507
4
39148
57339
45243
92339
77114
Colunas
5
6
90771
13159
72234
59692
27243
94492
46743
87758
72285
69923
7
33960
52999
67854
53546
05809
8
06997
93494
01933
91205
06493
9
84693
95782
75224
20339
97064
10
46795
09651
77355
80666
46339
6
7
8
9
10
81548
90216
00764
20759
42933
95763
94892
91156
16044
66329
83937
06615
09068
24367
75711
91219
01442
03279
90989
94739
01721
53108
05814
46036
36532
17329
21428
60628
74737
97440
93669
83671
50454
77971
27111
60293
71161
75238
76094
15222
03667
47712
85013
96855
30748
21710
73850
03935
71792
68995
11
12
13
14
15
90227
43376
63024
57417
42252
25813
01076
89093
62107
61257
47260
85915
09505
69764
07265
18871
30545
22752
44870
89677
32378
47255
03459
58163
80135
83526
04452
61945
36237
78227
45759
24526
92030
50600
41473
91977
77645
77252
19644
70922
17721
13186
68334
17087
67684
94625
42302
14381
57247
39150
16
17
18
19
20
78009
38594
61166
96847
96233
80035
79867
10972
09658
37435
01594
81298
89696
78425
02304
31923
27956
72737
27341
86004
16715
23186
74575
01678
36919
13916
58969
33628
72410
34869
58606
40255
07724
07312
36691
83282
53449
09325
18256
05771
25382
06430
55122
14849
70516
04772
02044
03607
41021
23301
21
22
23
24
25
96723
83778
81870
79836
87161
28815
80486
45840
38814
71681
56751
07191
40560
35247
12125
06769
27820
06232
52688
66883
79709
12450
48136
54767
61697
94181
50519
70977
59184
17181
64349
12220
79352
09034
54093
87804
01604
60376
45814
56464
51772
42242
65229
08280
11199
20745
30684
78414
11287
07275
26
27
28
29
30
87783
08119
18922
17629
85876
75633
21105
09414
55417
53986
05979
09347
30267
41930
94018
57992
34139
31239
85312
97123
39071
56304
05542
67452
26576
52546
12470
90793
19141
85913
62850
98466
48181
27944
14366
73274
22863
04769
78229
63907
29428
62609
37248
88922
19704
35256
36216
31929
66229
24935
31
32
33
34
35
39992
41986
99382
72215
35633
84306
50658
46409
07414
43596
70490
70507
04296
94276
50301
49481
53404
92514
26246
44167
78479
25900
19794
50979
92491
81102
28854
81119
22571
03588
99329
61275
23260
64260
41259
90414
59667
64028
32572
10595
53003
51324
61763
97833
59500
74881
67022
50013
10481
78197
36
37
38
39
40
88312
97936
70453
13199
86790
90675
08967
97653
73340
40381
83843
06297
82137
29241
32919
39813
90721
31617
96338
51971
81547
11649
82240
78479
02988
56037
00469
78879
01993
45995
85139
90058
99752
83968
01324
86009
19169
33814
45405
43030
98724
42794
27956
24145
76348
00114
65151
00884
99657
11470
41
42
43
44
45
64480
68173
03398
92656
03659
68876
57677
42731
62471
61742
88985
77372
22387
96454
79474
23621
71297
81826
40858
10843
77087
77786
28712
51211
48114
38588
48919
38888
86127
15666
90692
69894
20897
24676
38553
19155
25420
85387
84158
05251
47371
45816
09919
09159
47571
14490
11371
27589
52302
80037
11
12
13
14
15
17
18
19
20
Linhas
Colunas
16
A-2
1
2
3
4
5
42165
17186
88019
73984
64178
53648
35082
44552
06982
29530
23781
11609
01298
57401
11201
61440
21142
92145
46327
11848
07050
49037
22778
33441
23831
37998
59028
16430
39177
35181
91935
60429
75500
73562
71664
77759
64920
03045
34604
13627
19704
16096
05800
94405
47908
74933
86919
10042
54252
38205
6
7
8
9
10
60987
62759
69098
09690
34934
63701
39064
47903
10998
04670
64052
69267
57767
81103
94135
03482
45633
00789
29359
30083
15119
21715
00197
73418
42034
67928
51964
94958
53278
02213
85876
24053
91347
41076
21936
28907
42376
17714
48164
03303
78476
17255
12752
20004
92272
78618
74126
71803
07060
00319
11
12
13
14
15
76303
02455
83810
27329
41187
96793
23467
82163
89043
42664
01008
51836
28566
60936
02228
57706
46352
15985
61771
81133
93717
71524
28592
73344
27379
15862
91560
67643
97478
08643
00642
69802
96112
49700
74930
81828
22287
45673
09037
54711
73887
57267
35587
64897
03608
76319
87487
89684
34947
91965
16
17
18
19
20
74140
69008
70862
93192
16146
30401
40976
79284
64786
24939
40969
23097
88385
14476
79222
24053
67454
87849
06706
31585
03853
08611
67488
88219
52940
61559
12703
23064
33105
01301
05995
25426
17334
13158
70503
24126
51482
92617
03142
82704
17948
10591
97037
67513
39142
14561
43370
01607
39149
12421
21
22
23
24
25
16218
50985
88210
26357
16629
64385
84421
60901
51990
91364
76563
69289
00889
46249
73398
55292
09914
36179
62216
13823
44910
85585
95595
85683
19038
31658
88017
97065
21568
40454
27920
02160
91100
33080
96427
14819
03604
93526
05738
90364
12959
84955
73198
38108
18166
90258
53730
12242
66755
55014
26
27
28
29
30
89864
41764
49543
92900
81910
82058
11638
58827
95237
00774
23929
98271
21371
86410
04190
00999
81056
75317
15652
33528
69219
78376
91602
21033
18807
39167
32132
48134
43878
64371
12819
91701
09999
43415
78867
63579
82895
08958
77988
49337
68274
30675
70837
22126
69665
95242
24803
57100
42693
38686
31
32
33
34
35
07273
44744
59049
91194
63395
14043
75503
26420
35877
59659
80432
30140
56665
82939
54752
33541
01920
02075
56681
83240
95806
66214
73873
26239
40201
29973
43834
37727
43530
75321
20871
01562
51442
29668
06777
49814
22678
25202
97729
97949
61299
78464
49659
35020
29375
06543
32970
39004
00290
45443
36
37
38
39
40
96776
65703
33982
62800
01650
91429
22165
14156
01895
24083
80951
91226
05501
26926
23285
20937
96651
02125
98283
11298
51148
77591
42252
19411
14134
22800
39259
45740
58220
36497
93427
83294
74129
11773
27930
42432
52333
89349
07989
00930
39814
92003
95643
25152
95384
03188
55615
91532
65949
94789
41
42
43
44
45
18034
33755
68668
85164
35409
04957
31725
55013
40008
43191
47794
34521
52031
83167
80299
60553
76179
86387
27823
29665
05921
50793
55883
21266
28438
40798
72683
96150
65425
01645
21115
54808
63309
90630
03950
69277
85102
91525
21315
82683
79212
54916
74170
21833
14189
18303
20944
20909
94512
47057
B-1
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.0
0.1
0.2
0.3
0.4
0.5000
0.4602
0.4207
0.3821
0.3446
0.4960
0.4562
0.4168
0.3783
0.3409
0.4920
0.4522
0.4129
0.3745
0.3372
0.4880
0.4483
0.4090
0.3707
0.3336
0.4840
0.4443
0.4052
0.3669
0.3300
0.4801
0.4404
0.4013
0.3632
0.3264
0.4761
0.4364
0.3974
0.3594
0.3228
0.4721
0.4325
0.3936
0.3557
0.3192
0.4681
0.4286
0.3897
0.3520
0.3156
0.4641
0.4247
0.3859
0.3483
0.3121
0.5
0.6
0.7
0.8
0.9
0.3085
0.2743
0.2420
0.2119
0.1841
0.3050
0.2709
0.2389
0.2090
0.1814
0.3015
0.2676
0.2358
0.2061
0.1788
0.2981
0.2643
0.2327
0.2033
0.1762
0.2946
0.2611
0.2296
0.2005
0.1736
0.2912
0.2578
0.2266
0.1977
0.1711
0.2877
0.2546
0.2236
0.1949
0.1685
0.2843
0.2514
0.2206
0.1922
0.1660
0.2810
0.2483
0.2177
0.1894
0.1635
0.2776
0.2451
0.2148
0.1867
0.1611
1.0
1.1
1.2
1.3
1.4
0.1587
0.1357
0.1151
0.0968
0.0808
0.1562
0.1335
0.1131
0.0951
0.0793
0.1539
0.1314
0.1112
0.0934
0.0778
0.1515
0.1292
0.1093
0.0918
0.0764
0.1492
0.1271
0.1075
0.0901
0.0749
0.1469
0.1251
0.1056
0.0885
0.0735
0.1446
0.1230
0.1038
0.0869
0.0721
0.1423
0.1210
0.1020
0.0853
0.0708
0.1401
0.1190
0.1003
0.0838
0.0694
0.1379
0.1170
0.0985
0.0823
0.0681
1.5
1.6
1.7
1.8
1.9
0.0668
0.0548
0.0446
0.0359
0.0287
0.0655
0.0537
0.0436
0.0351
0.0281
0.0643
0.0526
0.0427
0.0344
0.0274
0.0630
0.0516
0.0418
0.0336
0.0268
0.0618
0.0505
0.0409
0.0329
0.0262
0.0606
0.0495
0.0401
0.0322
0.0256
0.0594
0.0485
0.0392
0.0314
0.0250
0.0582
0.0475
0.0384
0.0307
0.0244
0.0571
0.0465
0.0375
0.0301
0.0239
0.0559
0.0455
0.0367
0.0294
0.0233
2.0
2.1
2.2
2.3
2.4
0.0228
0.0179
0.0139
0.0107
0.0082
0.0222
0.0174
0.0136
0.0104
0.0080
0.0217
0.0170
0.0132
0.0102
0.0078
0.0212
0.0166
0.0129
0.0099
0.0075
0.0207
0.0162
0.0125
0.0096
0.0073
0.0202
0.0158
0.0122
0.0094
0.0071
0.0197
0.0154
0.0119
0.0091
0.0069
0.0192
0.0150
0.0116
0.0089
0.0068
0.0188
0.0146
0.0113
0.0087
0.0066
0.0183
0.0143
0.0110
0.0084
0.0064
2.5
2.6
2.7
2.8
2.9
0.0062
0.0047
0.0035
0.0026
0.0019
0.0060
0.0045
0.0034
0.0025
0.0018
0.0059
0.0044
0.0033
0.0024
0.0018
0.0057
0.0043
0.0032
0.0023
0.0017
0.0055
0.0041
0.0031
0.0023
0.0016
0.0054
0.0040
0.0030
0.0022
0.0016
0.0052
0.0039
0.0029
0.0021
0.0015
0.0051
0.0038
0.0028
0.0021
0.0015
0.0049
0.0037
0.0027
0.0020
0.0014
0.0048
0.0036
0.0026
0.0019
0.0014
Probabilidade da
Tabela corresponde
rea da Calda da
Curva Normal
Padronizada
C-1
0.250
0.100
0.050
0.025
0.010
0.001
0.600
0.750
0.900
0.950
0.975
0.990
0.999
1
2
3
4
5
6
7
8
9
10
0.3249
0.2887
0.2767
0.2707
0.2672
0.2648
0.2632
0.2619
0.2610
0.2602
1.0000
0.8165
0.7649
0.7407
0.7267
0.7176
0.7111
0.7064
0.7027
0.6998
3.0777
1.8856
1.6377
1.5332
1.4759
1.4398
1.4149
1.3968
1.3830
1.3722
6.3138
2.9200
2.3534
2.1318
2.0150
1.9432
1.8946
1.8595
1.8331
1.8125
12.7062
4.3027
3.1824
2.7764
2.5706
2.4469
2.3646
2.3060
2.2622
2.2281
31.8205
6.9646
4.5407
3.7469
3.3649
3.1427
2.9980
2.8965
2.8214
2.7638
31.8205
6.9646
4.5407
3.7469
3.3649
3.1427
2.9980
2.8965
2.8214
2.7638
11
12
13
14
15
16
17
18
19
0.2596
0.2590
0.2586
0.2582
0.2579
0.2576
0.2573
0.2571
0.2569
0.6974
0.6955
0.6938
0.6924
0.6912
0.6901
0.6892
0.6884
0.6876
1.3634
1.3562
1.3502
1.3450
1.3406
1.3368
1.3334
1.3304
1.3277
1.7959
1.7823
1.7709
1.7613
1.7531
1.7459
1.7396
1.7341
1.7291
2.2010
2.1788
2.1604
2.1448
2.1314
2.1199
2.1098
2.1009
2.0930
2.7181
2.6810
2.6503
2.6245
2.6025
2.5835
2.5669
2.5524
2.5395
2.7181
2.6810
2.6503
2.6245
2.6025
2.5835
2.5669
2.5524
2.5395
20
21
22
23
24
25
26
27
28
29
30
0.2567
0.2566
0.2564
0.2563
0.2562
0.2561
0.2560
0.2559
0.2558
0.2557
0.2556
0.6870
0.6864
0.6858
0.6853
0.6848
0.6844
0.6840
0.6837
0.6834
0.6830
0.6828
1.3253
1.3232
1.3212
1.3195
1.3178
1.3163
1.3150
1.3137
1.3125
1.3114
1.3104
1.7247
1.7207
1.7171
1.7139
1.7109
1.7081
1.7056
1.7033
1.7011
1.6991
1.6973
2.0860
2.0796
2.0739
2.0687
2.0639
2.0595
2.0555
2.0518
2.0484
2.0452
2.0423
2.5280
2.5176
2.5083
2.4999
2.4922
2.4851
2.4786
2.4727
2.4671
2.4620
2.4573
2.5280
2.5176
2.5083
2.4999
2.4922
2.4851
2.4786
2.4727
2.4671
2.4620
2.4573
40
45
50
55
60
65
70
75
80
85
90
95
100
0.2550
0.2549
0.2547
0.2546
0.2545
0.2544
0.2543
0.2542
0.2542
0.2541
0.2541
0.2541
0.2540
0.6807
0.6800
0.6794
0.6790
0.6786
0.6783
0.6780
0.6778
0.6776
0.6774
0.6772
0.6771
0.6770
1.3031
1.3006
1.2987
1.2971
1.2958
1.2947
1.2938
1.2929
1.2922
1.2916
1.2910
1.2905
1.2901
1.6839
1.6794
1.6759
1.6730
1.6706
1.6686
1.6669
1.6654
1.6641
1.6630
1.6620
1.6611
1.6602
2.0211
2.0141
2.0086
2.0040
2.0003
1.9971
1.9944
1.9921
1.9901
1.9883
1.9867
1.9853
1.9840
2.4233
2.4121
2.4033
2.3961
2.3901
2.3851
2.3808
2.3771
2.3739
2.3710
2.3685
2.3662
2.3642
2.4233
2.4121
2.4033
2.3961
2.3901
2.3851
2.3808
2.3771
2.3739
2.3710
2.3685
2.3662
2.3642
150
200
500
0.2538
0.2537
0.2535
0.2533
0.6761
0.6757
0.6750
0.6745
1.2872
1.2858
1.2832
1.2816
1.6551
1.6525
1.6479
1.6449
1.9759
1.9719
1.9647
1.9600
2.3515
2.3451
2.3338
2.3263
2.3515
2.3451
2.3338
2.3263
D-1
1
1
2
3
4
5
6
7
8
9
10
20
30
40
50
60
70
80
90
100
2
1
161.448
199.500
215.707
224.583
230.162
233.986
236.768
238.883
240.543
241.882
248.013
250.095
251.143
251.774
252.196
252.497
252.724
252.900
253.041
254.314
2
18.513
19.000
19.164
19.247
19.296
19.330
19.353
19.371
19.385
19.396
19.446
19.462
19.471
19.476
19.479
19.481
19.483
19.485
19.486
19.496
3
10.128
9.552
9.277
9.117
9.013
8.941
8.887
8.845
8.812
8.786
8.660
8.617
8.594
8.581
8.572
8.566
8.561
8.557
8.554
8.526
4
7.709
6.944
6.591
6.388
6.256
6.163
6.094
6.041
5.999
5.964
5.803
5.746
5.717
5.699
5.688
5.679
5.673
5.668
5.664
5.628
5
6.608
5.786
5.409
5.192
5.050
4.950
4.876
4.818
4.772
4.735
4.558
4.496
4.464
4.444
4.431
4.422
4.415
4.409
4.405
4.365
20
4.351
3.493
3.098
2.866
2.711
2.599
2.514
2.447
2.393
2.348
2.124
2.039
1.994
1.966
1.946
1.932
1.922
1.913
1.907
1.843
30
4.171
3.316
2.922
2.690
2.534
2.421
2.334
2.266
2.211
2.165
1.932
1.841
1.792
1.761
1.740
1.724
1.712
1.703
1.695
1.622
40
4.085
3.232
2.839
2.606
2.449
2.336
2.249
2.180
2.124
2.077
1.839
1.744
1.693
1.660
1.637
1.621
1.608
1.597
1.589
1.509
50
4.034
3.183
2.790
2.557
2.400
2.286
2.199
2.130
2.073
2.026
1.784
1.687
1.634
1.599
1.576
1.558
1.544
1.534
1.525
1.438
60
4.001
3.150
2.758
2.525
2.368
2.254
2.167
2.097
2.040
1.993
1.748
1.649
1.594
1.559
1.534
1.516
1.502
1.491
1.481
1.389
1
1
2
3
4
5
6
7
8
9
10
20
30
40
50
60
70
80
90
100
6
5.987
5.143
4.757
4.534
4.387
4.284
4.207
4.147
4.099
4.060
3.874
3.808
3.774
3.754
3.740
3.730
3.722
3.716
3.712
3.669
7
5.591
4.737
4.347
4.120
3.972
3.866
3.787
3.726
3.677
3.637
3.445
3.376
3.340
3.319
3.304
3.294
3.286
3.280
3.275
3.230
8
5.318
4.459
4.066
3.838
3.687
3.581
3.500
3.438
3.388
3.347
3.150
3.079
3.043
3.020
3.005
2.994
2.986
2.980
2.975
2.928
9
5.117
4.256
3.863
3.633
3.482
3.374
3.293
3.230
3.179
3.137
2.936
2.864
2.826
2.803
2.787
2.776
2.768
2.761
2.756
2.707
10
4.965
4.103
3.708
3.478
3.326
3.217
3.135
3.072
3.020
2.978
2.774
2.700
2.661
2.637
2.621
2.610
2.601
2.594
2.588
2.538
70
3.978
3.128
2.736
2.503
2.346
2.231
2.143
2.074
2.017
1.969
1.722
1.622
1.566
1.530
1.505
1.486
1.471
1.459
1.450
1.353
80
3.960
3.111
2.719
2.486
2.329
2.214
2.126
2.056
1.999
1.951
1.703
1.602
1.545
1.508
1.482
1.463
1.448
1.436
1.426
1.325
90
3.947
3.098
2.706
2.473
2.316
2.201
2.113
2.043
1.986
1.938
1.688
1.586
1.528
1.491
1.465
1.445
1.429
1.417
1.407
1.302
100
3.936
3.087
2.696
2.463
2.305
2.191
2.103
2.032
1.975
1.927
1.676
1.573
1.515
1.477
1.450
1.430
1.415
1.402
1.392
1.283
3.841
2.996
2.605
2.372
2.214
2.099
2.010
1.938
1.880
1.831
1.571
1.459
1.394
1.350
1.318
1.293
1.274
1.257
1.243
1.003
D-2
1
1
2
3
4
5
6
7
8
9
10
20
30
40
50
60
70
80
90
100
2
1
647.789
799.500
864.163
899.583
921.848
937.111
948.217
956.656
963.285
968.627
993.103
1001.414
1005.598
1008.117
1009.800
1011.004
1011.908
1012.612
1013.175
1018.258
2
38.506
39.000
39.165
39.248
39.298
39.331
39.355
39.373
39.387
39.398
39.448
39.465
39.473
39.478
39.481
39.484
39.485
39.487
39.488
39.498
3
17.443
16.044
15.439
15.101
14.885
14.735
14.624
14.540
14.473
14.419
14.167
14.081
14.037
14.010
13.992
13.979
13.970
13.962
13.956
13.902
4
12.218
10.649
9.979
9.605
9.364
9.197
9.074
8.980
8.905
8.844
8.560
8.461
8.411
8.381
8.360
8.346
8.335
8.326
8.319
8.257
1
1
2
3
4
5
6
7
8
9
10
20
30
40
50
60
70
80
90
100
5
10.007
8.434
7.764
7.388
7.146
6.978
6.853
6.757
6.681
6.619
6.329
6.227
6.175
6.144
6.123
6.107
6.096
6.087
6.080
6.015
6
8.813
7.260
6.599
6.227
5.988
5.820
5.695
5.600
5.523
5.461
5.168
5.065
5.012
4.980
4.959
4.943
4.932
4.923
4.915
4.849
7
8.073
6.542
5.890
5.523
5.285
5.119
4.995
4.899
4.823
4.761
4.467
4.362
4.309
4.276
4.254
4.239
4.227
4.218
4.210
4.142
8
7.571
6.059
5.416
5.053
4.817
4.652
4.529
4.433
4.357
4.295
3.999
3.894
3.840
3.807
3.784
3.768
3.756
3.747
3.739
3.670
9
7.209
5.715
5.078
4.718
4.484
4.320
4.197
4.102
4.026
3.964
3.667
3.560
3.505
3.472
3.449
3.433
3.421
3.411
3.403
3.333
10
6.937
5.456
4.826
4.468
4.236
4.072
3.950
3.855
3.779
3.717
3.419
3.311
3.255
3.221
3.198
3.182
3.169
3.160
3.152
3.080
70
5.247
3.890
3.309
2.975
2.754
2.595
2.474
2.379
2.302
2.237
1.910
1.779
1.707
1.660
1.628
1.604
1.585
1.570
1.558
1.436
80
5.218
3.864
3.284
2.950
2.730
2.571
2.450
2.355
2.277
2.213
1.884
1.752
1.679
1.632
1.599
1.574
1.555
1.540
1.527
1.400
90
5.196
3.844
3.265
2.932
2.711
2.552
2.432
2.336
2.259
2.194
1.864
1.731
1.657
1.610
1.576
1.551
1.531
1.516
1.503
1.371
100
5.179
3.828
3.250
2.917
2.696
2.537
2.417
2.321
2.244
2.179
1.849
1.715
1.640
1.592
1.558
1.532
1.512
1.496
1.483
1.347
5.024
3.689
3.116
2.786
2.567
2.408
2.288
2.192
2.114
2.048
1.708
1.566
1.484
1.428
1.388
1.357
1.333
1.313
1.296
1.004
2
20
5.871
4.461
3.859
3.515
3.289
3.128
3.007
2.913
2.837
2.774
2.464
2.349
2.287
2.249
2.223
2.205
2.190
2.179
2.170
2.085
30
5.568
4.182
3.589
3.250
3.026
2.867
2.746
2.651
2.575
2.511
2.195
2.074
2.009
1.968
1.940
1.920
1.904
1.892
1.882
1.787
40
5.424
4.051
3.463
3.126
2.904
2.744
2.624
2.529
2.452
2.388
2.068
1.943
1.875
1.832
1.803
1.781
1.764
1.751
1.741
1.637
50
5.340
3.975
3.390
3.054
2.833
2.674
2.553
2.458
2.381
2.317
1.993
1.866
1.796
1.752
1.721
1.698
1.681
1.667
1.656
1.545
60
5.286
3.925
3.343
3.008
2.786
2.627
2.507
2.412
2.334
2.270
1.944
1.815
1.744
1.699
1.667
1.643
1.625
1.611
1.599
1.482
Bibliografia
(Em Reserva na Biblioteca Helldio do Amaral Mello)
2.1 (a) nominal; (b) de razo; (c) nominal; (d) de razo; (e) nominal; (f) nominal; (g) de razo; (h) nominal; (i)
ordinal; (j) de razo; (k) ordinal; (l) ordinal; (m) nominal.
2.2 H [0,100]; V [ 0,1000] ; X {0,1,2,..., } ; I {0,2 }; Y {0,1,2 ,..., }; S [0,1] ; A [ 0,1] ;
E [0,1] ; C [ 0,30] ; D1 [0,360] ; D2 [ 0,100] ; F [ 0,360]
7.3 (a) S={ (A,A); (A,V); (A,R); (V,A); (V,V); (V,R); (R,A); (R,V); (R,R) }
(b) S={ (A,A); (A,V); (A,R); (V,V); (V,R); (R,R) } (c) S={ (A,V); (A,R); (V,A); (V,R); (R,A); (R,V) }
(d) S={ (A,V); (A,R); (V,R) }
7.4 (a) S={III; IIF; IFI; FII; IFF; FIF; FFI; FFF} (b) A={IIF; IFI; FII; IFF; FIF; FFI; FFF} (c) B={IFF; FIF;
FFI}
7.6 (a) (5/6) 2 = 25/36 (b) 10/36 (c) 1/36 (d) 11/36 (e) 1 - P(A) = P(D) = 11/36
7.7 (a) disjuntos (b) disjuntos (c) C subconjunto de F, ou F implica C (d) disjuntos (e) idnticos (f) disjuntos
7.8 (a) 410/830 (b) 534/830 (c) 189/830 (d) 225/830 (e) 637/830 (f) 379/830 (g) 193/830
7.9 (a) Lote 1 0.16; Lote 2 0.6; Lote 3 0.22 (desigualdade de Boole) (b) Lote 2, menor soma das
probabilidades (desigualdade de Boole)
7.10 (a) 27/59 (b) 42/59 (c) 22/27 (d) 5/27 (e) 22/42=11/21 (f) 20/42=10/21
7.11 (a) 0.6550 (b) 0.7143 (c) 1
7.12 (a) 0.0240 (2.4%) (b) 0.2083 (c) 0.7917 (d) 0.0461 (e) 0.9539
7.13 (a) 0.52 (b) 0.03 (c) 0.27 (d) 0.49 7.14 0.66 7.15 1 - (5/6) 20 7.16 1 - (0.975) 30
7.17 1
L
365 365 365 365
7.20 (a) (0.95) 10 (b) 1 - (0.99) 10
( 365 23)
P 23
= 1 36523 = 0.5073
365
365
(c) (0.05) 10